Arena Physica ska träna Heaviside på den AMD-drivna superdatorn Lux

Arena Physica uppgav i sitt tillkännagivande den 12 november 2026 att företaget ska samarbeta med AMD för att träna framtida generationer av sin elektromagnetismmodell Heaviside på superdatorn Lux vid Oak Ridge National Laboratory. Projektet bygger vidare på Heaviside-1, en modell med 350 miljoner parametrar som lanserades i september 2026.

Arena Physica beskriver Heaviside som den första grundmodellen för elektromagnetism och uppger att den första versionen tränades på 250 000 tredimensionella fältsimuleringar med sammanlagt 500 miljarder enskilda fältprover. Dessa siffror utgör utgångspunkten för AMD-samarbetet, som är ett planerat träningsprogram och inte en lansering av en efterföljare som tränats på Lux.

Simuleringsdata driver beräkningsbehovet

Varje träningsprov kommer från en fullständig elektromagnetisk vågsimulering där Maxwells ekvationer löses i en detaljerad 3D-modell av en struktur. Att ta fram träningsmaterialet är därför en beräkningsintensiv del av modellutvecklingen, utöver den beräkningskapacitet som själva träningskörningen kräver.

”Dessa fält är mycket känsliga för detaljer i en konstruktion, från små lokala särdrag till strukturen som helhet. För att fånga den komplexiteten krävs stora mängder högkvalitativa data och en specialutvecklad modellarkitektur”, sade Michael Frei, forskningschef på Arena Physica.

Arena Physica kopplade detta behov till Praktiska skalningslagar, en artikel av Christopher M. Bryant och Hao Liu. Artikeln hävdar att skalningslagarna som vägleder dagens modellträning kalibrerades för förträning med gott om data och en enda epok, och identifierar strukturella begränsningar utanför dessa förutsättningar. Den föreslagna formuleringen delar upp förlusten i termer för otillräcklig kapacitet, otillräcklig träning och överanpassning, samtidigt som den skiljer mellan unika exempel och det totala antalet exempel som modellen har sett.

När formuleringen väl har kalibrerats möjliggör den en kostnadsmedveten resursfördelning som, när data blir dyrt, förskjuts mot mindre datamängder och fler epoker. Tillämpad på Heaviside synliggör ramverket en avvägning i infrastrukturen mellan att generera ytterligare unika simuleringar och att genomföra upprepade träningsomgångar med befintliga data.

Lux erbjuder träningskapacitet i stor skala

Specifikationen för Lux från Oak Ridge Leadership Computing Facility anger mer än 4 000 AMD MI355X-GPU:er, 1,1 petabyte minne med hög bandbredd och en prestanda på 20 exaFLOPS för AI-träning med FP8. Varje MI355X har 288 GB HBM3E-minne och en bandbredd på 8 TB/s. Tilldelningar omfattar också tillgång till Orion, OLCF:s Lustre-filsystem, med en kapacitet på mer än 600 petabyte.

Dessa siffror beskriver Lux kapacitet, inte en uppmätt hastighetsökning för Heaviside. De är relevanta för båda delarna av arbetsbelastningen: acceleratorernas genomströmning vid träning samt minnet och lagringen för simuleringsmaterialet som används i träningen.

Planerade modeller riktar in sig på chip och kommunikation

Arena Physica planerar att senare generationer av Heaviside ska omfatta fjärrfältsstrålningsmönster, mer komplexa geometrier och bredare frekvensområden, och skalas upp för att hantera större komponenter och kompletta system. Tillämpningarna omfattar antenner för 5G, 6G och satellitkommunikation, radiofrekvensbaserad avkänning i fordon samt halvledarförpackningar och signalkvalitet.

För halvledare omfattar de angivna användningsområdena konstruktion av höghastighets-SerDes. Kumaran Siva, AMD:s vice vd med ansvar för AI-strategi för företagsmarknaden, kopplade arbetet till 3D-chipförpackning och SerDes-hastigheter som ökar från 224 till 448 gigabit per sekund. Han sade att dessa trender har gjort elektromagnetiskt beteende till ett av de svåraste problemen inom halvledarkonstruktion.

Arena Physica uppger att Heaviside är utformad för att förutsäga elektromagnetiskt beteende flera storleksordningar snabbare och billigare än traditionella lösare och för att möjliggöra autonom invers konstruktion. Detta är mål för modellens utveckling, inte prestandamätningar från samarbetet kring Lux.

Arena Physica planerar att dela resultaten i takt med att träningen på Lux fortskrider under de kommande månaderna. Dessa rapporter kommer att ge det konkreta underlag som behövs för att bedöma om träning i Lux-skala kan ge den bredare täckning av frekvenser och geometrier samt den systemtäckning som företaget har beskrivit.