Arena Physica обучит Heaviside на суперкомпьютере Lux с ускорителями AMD

Arena Physica сообщила в своем объявлении от 12 ноября 2026 года, что будет сотрудничать с AMD в обучении будущих поколений своей электромагнитной модели Heaviside на суперкомпьютере Lux в Oak Ridge National Laboratory. Проект развивает начатое с Heaviside-1 — модели с 350 миллионами параметров, выпущенной в сентябре 2026 года.

Arena Physica называет Heaviside первой базовой моделью для электромагнетизма и сообщает, что первоначальная версия обучалась на 250 000 трехмерных симуляциях поля, включавших в общей сложности 500 миллиардов отдельных отсчетов поля. Эти цифры задают исходный уровень для работы с AMD, которая представляет собой запланированную программу обучения, а не выпуск преемника, обученного на Lux.

Данные симуляций повышают потребность в вычислительных ресурсах

Каждый обучающий пример получен в результате полноволнового электромагнитного моделирования, в ходе которого уравнения Максвелла решаются на подробной трехмерной модели структуры. Поэтому создание обучающего набора данных — ресурсоемкая с точки зрения вычислений часть разработки модели, наряду с вычислениями, необходимыми непосредственно для обучения.

«Эти поля чрезвычайно чувствительны к особенностям конструкции — от небольших локальных элементов до структуры в целом. Чтобы учесть эту сложность, нужны большие объемы высокоточных данных и специально разработанная архитектура модели», — сказал Майкл Фрай, директор по исследованиям Arena Physica.

Arena Physica связала эту потребность с работой «Практические законы масштабирования», написанной Кристофером М. Брайантом и Хао Лю. Авторы утверждают, что законы масштабирования, лежащие в основе современного обучения моделей, были выведены для предварительного обучения на больших объемах данных за одну эпоху, и указывают на структурные ограничения за пределами этого режима. В предлагаемой ими формуле функция потерь раскладывается на составляющие, связанные с недостаточной емкостью модели, недостаточным обучением и переобучением, при этом уникальные примеры отделяются от общего числа просмотренных примеров.

После калибровки эта формула позволяет распределять ресурсы с учетом затрат, отдавая предпочтение меньшим наборам данных и большему числу эпох по мере удорожания данных. В применении к Heaviside эта схема выявляет компромисс при выборе инфраструктуры: генерировать дополнительные уникальные симуляции или многократно проводить обучение на уже имеющихся данных.

Lux обеспечивает вычислительные мощности для масштабного обучения

В спецификации Lux от Oak Ridge Leadership Computing Facility указано более 4 000 графических процессоров AMD MI355X, 1,1 петабайта памяти с высокой пропускной способностью и производительность 20 эксафлопс при обучении ИИ в формате FP8. Каждый MI355X оснащен 288 ГБ памяти HBM3E с пропускной способностью 8 ТБ/с. Выделение ресурсов также включает доступ к Orion — файловой системе Lustre центра OLCF емкостью более 600 петабайт.

Эти цифры характеризуют возможности Lux, а не измеренное ускорение Heaviside. Они важны для обеих частей рабочей нагрузки: пропускная способность ускорителей нужна для обучения, а память и хранилище — для набора данных симуляций, на котором оно основано.

Будущие модели предназначены для разработки чипов и систем связи

Arena Physica планирует, что последующие поколения Heaviside будут моделировать диаграммы направленности излучения в дальней зоне, более сложные геометрические формы и более широкий диапазон частот, а также масштабироваться до более крупных компонентов и целых систем. Среди целевых применений — антенны для сетей 5G и 6G и спутниковой связи, радиочастотное зондирование в автомобилях, а также корпусирование полупроводников и обеспечение целостности сигналов.

В области полупроводников среди заявленных применений — проектирование высокоскоростных SerDes. Кумаран Сива, корпоративный вице-президент AMD по стратегии корпоративного ИИ, связал эту работу с трехмерным корпусированием чипов и ростом скорости SerDes с 224 до 448 гигабит в секунду. По его словам, эти тенденции превратили электромагнитные явления в одну из самых сложных проблем проектирования полупроводников.

Arena Physica заявляет, что Heaviside разрабатывается для прогнозирования электромагнитных явлений на несколько порядков быстрее и дешевле, чем традиционные решатели, и для обеспечения автономного обратного проектирования. Это цели разработки модели, а не показатели производительности, измеренные в рамках сотрудничества с Lux.

Arena Physica планирует делиться результатами по мере обучения на Lux в ближайшие месяцы. Эти отчеты станут фактической основой для оценки того, позволит ли обучение на инфраструктуре масштаба Lux охватить более широкий диапазон частот, геометрических форм и целых систем, как заявила компания.