Arena Physica entraînera Heaviside sur le superordinateur Lux propulsé par AMD

Dans son annonce du 12 novembre 2026, Arena Physica a déclaré qu’elle travaillerait avec AMD pour entraîner les prochaines générations de son modèle d’électromagnétisme Heaviside sur le superordinateur Lux, au Laboratoire national d’Oak Ridge. Le projet s’appuie sur Heaviside-1, un modèle de 350 millions de paramètres lancé en septembre 2026.

Arena Physica présente Heaviside comme le premier modèle de fondation consacré à l’électromagnétisme et indique que sa version initiale a été entraînée sur 250 000 simulations de champs en trois dimensions, couvrant 500 milliards d’échantillons de champ individuels. Ces chiffres constituent le point de référence pour les travaux avec AMD, qui consistent en un programme d’entraînement prévu et non en la sortie d’un modèle successeur entraîné sur Lux.

Les données de simulation entraînent une forte demande de calcul

Chaque échantillon d’entraînement provient d’une simulation électromagnétique en onde complète, dans laquelle les équations de Maxwell sont résolues sur un modèle 3D détaillé d’une structure. La production du corpus d’entraînement constitue donc une étape gourmande en calcul du développement du modèle, à laquelle s’ajoute la puissance de calcul nécessaire à l’entraînement lui-même.

« Ces champs sont extrêmement sensibles aux détails d’une conception, des petites caractéristiques locales à la structure dans son ensemble. Pour en saisir la complexité, il faut beaucoup de données haute fidélité et une architecture de modèle conçue à cet effet », a déclaré Michael Frei, directeur de la recherche chez Arena Physica.

Arena Physica a rapproché cette exigence de Lois d’échelle pratiques, un article de Christopher M. Bryant et Hao Liu. L’article soutient que les lois d’échelle qui guident l’entraînement des modèles modernes ont été calibrées pour un préentraînement riche en données sur une seule époque et relève des limites structurelles hors de ce régime. La formulation proposée décompose la perte en termes de capacité insuffisante, de sous-entraînement et de surajustement, tout en distinguant les exemples uniques du nombre total d’exemples observés.

Une fois calibrée, cette formulation permet une répartition des ressources qui tient compte des coûts et privilégie des corpus plus petits ainsi qu’un plus grand nombre d’époques lorsque les données deviennent coûteuses. Appliqué à Heaviside, ce cadre met en évidence un arbitrage lié à l’infrastructure : générer davantage de simulations uniques ou effectuer plusieurs passages d’entraînement sur les données existantes.

Lux offre une capacité d’entraînement à grande échelle

La fiche technique de Lux publiée par l’Oak Ridge Leadership Computing Facility fait état de plus de 4 000 GPU AMD MI355X, de 1,1 pétaoctet de mémoire à bande passante élevée et d’une puissance de calcul de 20 exaFLOPS pour l’entraînement de l’IA en FP8. Chaque MI355X dispose de 288 Go de mémoire HBM3E et d’une bande passante de 8 To/s. Les allocations comprennent également l’accès à Orion, le système de fichiers Lustre de l’OLCF, dont la capacité dépasse 600 pétaoctets.

Ces chiffres décrivent la capacité de Lux, et non une accélération mesurée de Heaviside. Ils sont pertinents pour les deux volets de la charge de travail : le débit des accélérateurs pour l’entraînement, ainsi que la mémoire et le stockage du corpus de simulations qui l’alimente.

Les modèles prévus cibleront les puces et les communications

Arena Physica prévoit que les versions ultérieures de Heaviside couvriront les diagrammes de rayonnement en champ lointain, des géométries plus complexes et des plages de fréquences plus étendues, et passeront à l’échelle de composants plus grands et de systèmes complets. Les applications ciblées comprennent les antennes pour les communications 5G, 6G et par satellite, la détection par radiofréquence dans l’automobile, ainsi que le conditionnement des semi-conducteurs et l’intégrité du signal.

Dans le domaine des semi-conducteurs, les applications mentionnées comprennent la conception de SerDes à haut débit. Kumaran Siva, vice-président d’AMD chargé de la stratégie d’entreprise en matière d’IA, a établi un lien entre ces travaux, le conditionnement de puces en 3D et la hausse des débits SerDes, qui passent de 224 à 448 gigabits par seconde. Il a déclaré que ces tendances ont fait du comportement électromagnétique l’un des problèmes les plus difficiles de la conception des semi-conducteurs.

Arena Physica indique que Heaviside est conçu pour prédire le comportement électromagnétique plusieurs ordres de grandeur plus rapidement et à moindre coût que les solveurs traditionnels, et pour permettre la conception inverse autonome. Il s’agit d’objectifs pour le développement du modèle, et non de mesures de performance issues de la collaboration avec Lux.

Arena Physica prévoit de communiquer les résultats à mesure que l’entraînement sur Lux progressera au cours des prochains mois. Ces comptes rendus apporteront les éléments concrets permettant d’évaluer si un entraînement à l’échelle de Lux peut offrir la couverture plus étendue des fréquences et des géométries, ainsi que des systèmes complets, que l’entreprise a annoncée.