Arena Physica ฝึก Heaviside บนซูเปอร์คอมพิวเตอร์ Lux ที่ขับเคลื่อนด้วย AMD

Arena Physica ระบุในประกาศเมื่อวันที่ 12 พฤศจิกายน 2026 ว่าบริษัทจะร่วมงานกับ AMD เพื่อฝึกแบบจำลองแม่เหล็กไฟฟ้า Heaviside รุ่นต่อ ๆ ไปบนซูเปอร์คอมพิวเตอร์ Lux ที่ห้องปฏิบัติการแห่งชาติโอกริดจ์ โครงการนี้ต่อยอดจาก Heaviside-1 ซึ่งเป็นแบบจำลองที่มีพารามิเตอร์ 350 ล้านตัวและเปิดตัวในเดือนกันยายน 2026

Arena Physica ระบุว่า Heaviside เป็นแบบจำลองพื้นฐานตัวแรกสำหรับแม่เหล็กไฟฟ้า และรายงานว่าเวอร์ชันเริ่มต้นได้รับการฝึกด้วยการจำลองสนามสามมิติ 250,000 รายการ ซึ่งครอบคลุมตัวอย่างสนามแต่ละรายการ 500,000 ล้านตัวเลขดังกล่าวเป็นข้อมูลตั้งต้นสำหรับงานร่วมกับ AMD ซึ่งเป็นโครงการฝึกที่วางแผนไว้ ไม่ใช่การเปิดตัวแบบจำลองรุ่นต่อยอดที่ฝึกบน Lux

ข้อมูลจากการจำลองเพิ่มความต้องการด้านการประมวลผล

ตัวอย่างฝึกแต่ละรายการมาจากการจำลองแม่เหล็กไฟฟ้าแบบคลื่นเต็ม โดยแก้สมการของแมกซ์เวลล์บนแบบจำลองสามมิติที่มีรายละเอียดของโครงสร้าง การสร้างชุดข้อมูลฝึกจึงเป็นส่วนหนึ่งของการพัฒนาแบบจำลองที่ใช้ทรัพยากรประมวลผลสูง ควบคู่ไปกับทรัพยากรที่จำเป็นสำหรับการฝึกแบบจำลองเอง

“สนามเหล่านี้ไวต่อรายละเอียดของการออกแบบอย่างมาก ตั้งแต่ลักษณะเฉพาะขนาดเล็กในแต่ละบริเวณไปจนถึงโครงสร้างโดยรวม การเก็บรายละเอียดความซับซ้อนนี้ต้องใช้ข้อมูลความเที่ยงตรงสูงจำนวนมากและสถาปัตยกรรมแบบจำลองที่ออกแบบมาโดยเฉพาะ” Michael Frei ประธานเจ้าหน้าที่ฝ่ายวิจัยของ Arena Physica กล่าว

Arena Physica เชื่อมโยงข้อกำหนดดังกล่าวกับบทความเรื่องกฎการปรับขนาดเชิงปฏิบัติของ Christopher M. Bryant และ Hao Liu บทความนี้เสนอว่า กฎการปรับขนาดที่ใช้กำกับการฝึกแบบจำลองสมัยใหม่ได้รับการปรับเทียบสำหรับการฝึกล่วงหน้าแบบรอบเดียวที่มีข้อมูลจำนวนมาก และชี้ให้เห็นข้อจำกัดเชิงโครงสร้างเมื่อนำไปใช้นอกเงื่อนไขดังกล่าว รูปแบบที่บทความเสนอแยกค่าความสูญเสียออกเป็นส่วนที่เกิดจากความจุไม่เพียงพอ การฝึกไม่เพียงพอ และการปรับให้เข้ากับข้อมูลฝึกมากเกินไป พร้อมแยกจำนวนตัวอย่างที่ไม่ซ้ำกันออกจากจำนวนตัวอย่างทั้งหมดที่ใช้

เมื่อปรับเทียบแล้ว รูปแบบนี้รองรับการจัดสรรทรัพยากรโดยคำนึงถึงต้นทุน ซึ่งหันไปใช้ชุดข้อมูลขนาดเล็กลงและฝึกหลายรอบมากขึ้นเมื่อข้อมูลมีต้นทุนสูง เมื่อนำมาใช้กับ Heaviside กรอบแนวคิดนี้แสดงให้เห็นการแลกเปลี่ยนด้านโครงสร้างพื้นฐานระหว่างการสร้างการจำลองใหม่ที่ไม่ซ้ำกันเพิ่มเติม กับการฝึกซ้ำหลายรอบบนข้อมูลที่มีอยู่

Lux รองรับการฝึกขนาดใหญ่

ข้อมูลจำเพาะของ Lux จากศูนย์ประมวลผลสมรรถนะสูงแห่งชาติ Oak Ridgeระบุว่ามี GPU AMD MI355X มากกว่า 4,000 ตัว หน่วยความจำแบนด์วิดท์สูง 1.1 เพตะไบต์ และสมรรถนะการฝึก AI แบบ FP8 ที่ 20 เอ็กซาฟลอปส์ MI355X แต่ละตัวมีหน่วยความจำ HBM3E 288 GB และแบนด์วิดท์ 8 TB/s การจัดสรรทรัพยากรยังรวมถึงสิทธิ์เข้าถึง Orion ซึ่งเป็นระบบไฟล์ Lustre ของ OLCF ที่มีความจุมากกว่า 600 เพตะไบต์

ตัวเลขเหล่านี้แสดงขีดความสามารถของ Lux ไม่ใช่ผลการวัดว่า Heaviside ทำงานเร็วขึ้นเท่าใด ความสำคัญของทรัพยากรดังกล่าวครอบคลุมทั้งสองส่วนของงาน ได้แก่ อัตราการประมวลผลของตัวเร่งสำหรับการฝึก และหน่วยความจำกับพื้นที่จัดเก็บสำหรับชุดข้อมูลการจำลองที่ใช้ป้อนเข้าสู่การฝึก

แบบจำลองในอนาคตมุ่งรองรับชิปและการสื่อสาร

Arena Physica วางแผนให้ Heaviside รุ่นต่อ ๆ ไปครอบคลุมรูปแบบการแผ่รังสีสนามไกล รูปทรงเรขาคณิตที่ซับซ้อนขึ้น และช่วงความถี่ที่กว้างขึ้น โดยขยายขนาดการใช้งานไปจนถึงส่วนประกอบที่ใหญ่ขึ้นและระบบเต็มรูปแบบ การใช้งานเป้าหมายประกอบด้วยเสาอากาศสำหรับการสื่อสาร 5G, 6G และดาวเทียม การตรวจจับคลื่นความถี่วิทยุในยานยนต์ ตลอดจนการบรรจุหีบห่อเซมิคอนดักเตอร์และความสมบูรณ์ของสัญญาณ

สำหรับเซมิคอนดักเตอร์ การใช้งานที่ระบุไว้รวมถึงการออกแบบ SerDes ความเร็วสูง Kumaran Siva รองประธานฝ่ายกลยุทธ์องค์กรด้าน AI ของ AMD เชื่อมโยงงานนี้กับการบรรจุหีบห่อชิปสามมิติและความเร็ว SerDes ที่เพิ่มจาก 224 เป็น 448 กิกะบิตต่อวินาที โดยกล่าวว่าแนวโน้มเหล่านี้ทำให้พฤติกรรมทางแม่เหล็กไฟฟ้ากลายเป็นหนึ่งในปัญหาที่ยากที่สุดในการออกแบบเซมิคอนดักเตอร์

Arena Physica ระบุว่า Heaviside ออกแบบมาเพื่อคาดการณ์พฤติกรรมทางแม่เหล็กไฟฟ้าได้เร็วกว่าตัวแก้สมการแบบดั้งเดิมหลายลำดับขั้น และมีต้นทุนต่ำกว่ามาก ทั้งยังมุ่งให้สามารถออกแบบย้อนกลับได้โดยอัตโนมัติ สิ่งเหล่านี้เป็นเป้าหมายในการพัฒนาแบบจำลอง ไม่ใช่ผลการวัดประสิทธิภาพจากความร่วมมือกับ Lux

Arena Physica วางแผนที่จะแบ่งปันผลลัพธ์ระหว่างที่การฝึกบน Lux ดำเนินไปในช่วงหลายเดือนข้างหน้า รายงานเหล่านั้นจะเป็นหลักฐานสำคัญสำหรับประเมินว่าการฝึกในระดับ Lux จะทำให้ครอบคลุมความถี่ รูปทรงเรขาคณิต และระบบเต็มรูปแบบได้กว้างขึ้นตามที่บริษัทระบุไว้หรือไม่