Arena Physica Akan Melatih Heaviside di Superkomputer Lux Bertenaga AMD

Dalam pengumumannya pada 12 November 2026, Arena Physica menyatakan akan bekerja sama dengan AMD untuk melatih generasi mendatang model elektromagnetisme Heaviside di superkomputer Lux di Oak Ridge National Laboratory. Proyek ini melanjutkan Heaviside-1, model dengan 350 juta parameter yang dirilis pada September 2026.

Arena Physica menyebut Heaviside sebagai model fondasi pertama untuk elektromagnetisme dan melaporkan bahwa versi awalnya dilatih menggunakan 250.000 simulasi medan tiga dimensi yang mencakup 500 miliar sampel medan individual. Angka-angka tersebut menjadi tolok ukur awal bagi kerja sama dengan AMD, yang merupakan program pelatihan terencana, bukan peluncuran model penerus yang dilatih di Lux.

Data Simulasi Mendorong Kebutuhan Komputasi

Setiap sampel pelatihan berasal dari simulasi elektromagnetik gelombang penuh, dengan persamaan Maxwell diselesaikan pada model struktur 3D yang terperinci. Karena itu, pembuatan korpus pelatihan merupakan bagian pengembangan model yang membutuhkan banyak komputasi, selain komputasi yang diperlukan untuk proses pelatihannya sendiri.

“Medan-medan ini sangat peka terhadap detail desain, mulai dari fitur lokal yang kecil hingga struktur secara keseluruhan. Untuk menangkap kerumitan tersebut, dibutuhkan banyak data berketelitian tinggi dan arsitektur model yang dirancang khusus,” kata Michael Frei, kepala riset di Arena Physica.

Arena Physica mengaitkan kebutuhan tersebut dengan Hukum Penskalaan Praktis, sebuah makalah karya Christopher M. Bryant dan Hao Liu. Makalah itu berpendapat bahwa hukum penskalaan yang memandu pelatihan model modern dikalibrasi untuk prapelatihan satu epoch yang kaya data, serta mengidentifikasi keterbatasan struktural di luar kondisi tersebut. Formulasi yang mereka usulkan menguraikan loss menjadi komponen kapasitas yang tidak memadai, pelatihan yang kurang, dan pencocokan berlebihan, sekaligus membedakan contoh unik dari total contoh yang digunakan.

Setelah dikalibrasi, formulasi tersebut mendukung alokasi yang mempertimbangkan biaya dan beralih ke korpus yang lebih kecil serta lebih banyak epoch ketika data menjadi mahal. Jika diterapkan pada Heaviside, kerangka kerja tersebut menunjukkan adanya kompromi infrastruktur antara menghasilkan lebih banyak simulasi unik dan melakukan lebih banyak putaran pelatihan berulang menggunakan data yang sudah ada.

Lux Menyediakan Kapasitas Pelatihan Skala Besar

Spesifikasi Lux dari Oak Ridge Leadership Computing Facility mencantumkan lebih dari 4.000 GPU AMD MI355X, memori dengan bandwidth tinggi sebesar 1,1 petabita, dan kinerja pelatihan AI FP8 sebesar 20 exaFLOPS. Setiap MI355X memiliki memori HBM3E sebesar 288 GB dan bandwidth 8 TB/s. Alokasi juga mencakup akses ke Orion, sistem berkas Lustre milik OLCF, yang memiliki kapasitas lebih dari 600 petabita.

Angka-angka tersebut menggambarkan kapasitas Lux, bukan peningkatan kecepatan Heaviside yang telah diukur. Relevansinya mencakup kedua sisi beban kerja: throughput akselerator untuk pelatihan, serta memori dan penyimpanan untuk korpus simulasi yang memasok data bagi pelatihan tersebut.

Model yang Direncanakan Menyasar Chip dan Komunikasi

Arena Physica berencana agar generasi Heaviside berikutnya mencakup pola radiasi medan jauh, geometri yang lebih kompleks, dan rentang frekuensi yang lebih luas, dengan skala hingga komponen yang lebih besar dan sistem lengkap. Aplikasi yang disasar mencakup antena untuk komunikasi 5G, 6G, dan satelit; penginderaan frekuensi radio otomotif; serta pengemasan semikonduktor dan integritas sinyal.

Untuk semikonduktor, penggunaan yang disebutkan mencakup desain SerDes berkecepatan tinggi. Kumaran Siva, wakil presiden korporat AMD untuk strategi AI perusahaan, mengaitkan pekerjaan ini dengan pengemasan chip 3D dan peningkatan kecepatan SerDes dari 224 menjadi 448 gigabit per detik. Menurutnya, tren tersebut menjadikan perilaku elektromagnetik salah satu masalah tersulit dalam desain semikonduktor.

Arena Physica menyatakan bahwa Heaviside dirancang untuk memprediksi perilaku elektromagnetik dengan kecepatan beberapa orde magnitudo lebih tinggi dan biaya lebih rendah daripada pemecah tradisional, serta memungkinkan desain invers otonom. Hal-hal tersebut merupakan sasaran pengembangan model, bukan hasil pengukuran kinerja dari kerja sama dengan Lux.

Arena Physica berencana membagikan hasilnya seiring berjalannya pelatihan di Lux dalam beberapa bulan mendatang. Laporan tersebut akan menjadi bukti substantif untuk menilai apakah pelatihan berskala Lux dapat memberikan cakupan frekuensi dan geometri yang lebih luas, serta cakupan sistem lengkap yang telah dipaparkan perusahaan.