Arena Physica traint Heaviside op de door AMD aangedreven Lux-supercomputer

Arena Physica maakte op 12 november 2026 in zijn aankondiging bekend dat het met AMD gaat samenwerken aan het trainen van toekomstige generaties van zijn elektromagnetismemodel Heaviside op de Lux-supercomputer van het Oak Ridge National Laboratory. Het project bouwt voort op Heaviside-1, een model met 350 miljoen parameters dat in september 2026 werd uitgebracht.

Arena Physica omschrijft Heaviside als het eerste basismodel voor elektromagnetisme en meldt dat de eerste versie is getraind met 250.000 driedimensionale veldsimulaties, die samen 500 miljard afzonderlijke veldmetingen omvatten. Deze cijfers vormen het uitgangspunt voor het AMD-project, een gepland trainingsprogramma en geen aankondiging van een op Lux getrainde opvolger.

Simulatiedata drijft de rekenbehoefte op

Elk trainingsvoorbeeld is afkomstig uit een volledige elektromagnetische golfsimulatie, waarbij de vergelijkingen van Maxwell worden opgelost voor een gedetailleerd 3D-model van een structuur. Het samenstellen van de trainingsdataset is daarom een rekenintensief onderdeel van de modelontwikkeling, naast de rekenkracht die nodig is voor de trainingsrun zelf.

‘Deze velden zijn zeer gevoelig voor ontwerpdetails, van kleine lokale kenmerken tot de structuur als geheel. Om die complexiteit vast te leggen, zijn veel gegevens van hoge kwaliteit en een speciaal ontworpen modelarchitectuur nodig’, aldus Michael Frei, hoofd onderzoek bij Arena Physica.

Arena Physica koppelde die vereiste aan Praktische schaalwetten, een artikel van Christopher M. Bryant en Hao Liu. Volgens het artikel zijn de schaalwetten die richting geven aan de moderne modeltraining afgestemd op voortraining met veel data en één epoch, en kent die aanpak structurele beperkingen buiten dat toepassingsgebied. De voorgestelde formulering splitst het verlies op in termen voor onvoldoende capaciteit, onvoldoende training en overfitting, en maakt daarbij onderscheid tussen unieke voorbeelden en het totale aantal voorbeelden dat is verwerkt.

Na kalibratie maakt deze formulering een kostenbewuste verdeling van middelen mogelijk, waarbij wordt overgeschakeld op kleinere datasets en meer epochs naarmate data duurder wordt. Toegepast op Heaviside laat dit raamwerk een afweging op het gebied van infrastructuur zien: extra unieke simulaties genereren of de bestaande data meerdere keren gebruiken voor training.

Lux biedt trainingscapaciteit op grote schaal

In de specificaties van Lux van de Oak Ridge Leadership Computing Facility staan meer dan 4.000 AMD MI355X-GPU’s, 1,1 petabyte aan geheugen met hoge bandbreedte en FP8-prestaties van 20 exaFLOPS voor AI-training. Elke MI355X heeft 288 GB HBM3E-geheugen en een bandbreedte van 8 TB/s. Toegewezen rekentijd omvat ook toegang tot Orion, het Lustre-bestandssysteem van OLCF, met een capaciteit van meer dan 600 petabyte.

Deze cijfers beschrijven de capaciteit van Lux, niet een gemeten versnelling van Heaviside. Ze zijn relevant voor beide kanten van de werklast: de doorvoersnelheid van de versnellers voor de training, en het geheugen en de opslag voor de simulatiedataset waarop die training is gebaseerd.

Geplande modellen richten zich op chips en communicatie

Arena Physica is van plan toekomstige generaties van Heaviside geschikt te maken voor stralingspatronen in het verre veld, complexere geometrieën en een groter frequentiebereik, en op te schalen naar grotere componenten en complete systemen. Beoogde toepassingen zijn antennes voor 5G-, 6G- en satellietcommunicatie, radiofrequentiesensoren voor auto’s en halfgeleiderverpakkingen en signaalintegriteit.

Voor halfgeleiders behoren ook ontwerpen van high-speed SerDes tot de genoemde toepassingen. Kumaran Siva, vicepresident bedrijfsstrategie voor AI bij AMD, bracht het werk in verband met 3D-chipverpakkingen en SerDes-snelheden die oplopen van 224 tot 448 gigabit per seconde. Volgens hem hebben die ontwikkelingen elektromagnetisch gedrag tot een van de lastigste vraagstukken in het halfgeleiderontwerp gemaakt.

Arena Physica zegt dat Heaviside is ontworpen om elektromagnetisch gedrag ordes van grootte sneller en goedkoper te voorspellen dan traditionele oplossers, en autonoom inverse ontwerp mogelijk te maken. Dit zijn doelstellingen voor de verdere ontwikkeling van het model, geen prestatiemetingen van de samenwerking rond Lux.

Arena Physica is van plan de resultaten te delen naarmate de training op Lux de komende maanden vordert. Die rapportages zullen de concrete onderbouwing bieden om te beoordelen of training op Lux-schaal het bredere frequentie-, geometrie- en systeembereik kan opleveren dat het bedrijf heeft geschetst.