Дослідники MIT використовують платформу охолодження Ferveret для розвитку досліджень ядерних матеріалів за допомогою ШІ

Дослідження з використанням ШІ можуть упертися у фізичне обмеження задовго до того, як вичерпаються ідеї: обсяг обчислень, який лабораторія може забезпечити електроенергією та охолодженням. Ferveret повідомляє, що дослідники MIT використовують її платформу високопродуктивних обчислень для розроблення методів ШІ для вивчення ядерних матеріалів, застосовуючи технологію Adaptive Phase Cooling для тривалих наукових обчислень.

В оголошенні від 22 жовтня йдеться про два інженерні виклики. Дослідникам потрібні більші обчислювальні потужності, щоб вивчати матеріали, які зазнають екстремальних умов. Операторам центрів обробки даних потрібно отримувати більше корисної обчислювальної роботи за обмеженої потужності електропостачання. Ferveret пропонує ефективніше відводити тепло, щоб допомогти розв’язати обидва завдання без потреби в новому поколінні процесорів.

Чому для досліджень ядерних матеріалів потрібні більші обчислювальні потужності ШІ

У цій роботі бере участь Лабораторія матеріалів в екстремальних середовищах MIT під керівництвом Ericmoore Jossou, асистента-професора ядерної науки та інженерії, а також електротехніки й інформатики. Профіль викладача MIT описує дослідження, у яких поєднують передову мікроскопію та когерентну рентгенівську візуалізацію, щоб вивчати структурні властивості й дефекти з нанометровою роздільною здатністю.

Ferveret називає два проєкти, у яких використовують її платформу. В одному розробляють підходи на основі ШІ для аналізу когерентних рентгенівських вимірювань ядерних матеріалів. В іншому навчають міжатомні потенціали машинного навчання — моделі, що передбачають взаємодію атомів і допомагають дослідникам моделювати поведінку матеріалів у складних умовах.

Напрям досліджень у першому проєкті має незалежне підтвердження. На виставці досліджень у галузі ядерної науки та інженерії MIT 2026 року зазначено доповідь DongHun Ryu під назвою «Глибокі генеративні моделі з урахуванням фізичних законів для відновлення фази BCDI». BCDI — це когерентна дифракційна візуалізація Брегга, методика, згадана також в описі досліджень Jossou у його профілі викладача. Це свідчить про конкретний зв’язок із дослідженнями поза межами оголошення компанії, що розробляє системи охолодження, хоча в описі заходу апаратне забезпечення Ferveret не оцінюють.

Міжатомні потенціали допомагають усунути інше обчислювальне вузьке місце. Замість того щоб на кожному етапі моделювання виконувати ресурсоємний розрахунок електронної структури, навчена модель апроксимує зв’язок між розташуванням атомів, енергіями та силами. Дослідження, розміщене в репозитарії MIT, описує, як силові поля машинного навчання можуть розширити часові й просторові масштаби атомістичного моделювання, зберігаючи точність еталонних розрахунків, на яких їх навчали.

Точність і надалі залежить від моделі та ситуацій, які вона навчилася відтворювати. В оголошенні Ferveret зазначено, що підтримувані дослідження мають на меті досягти точності моделювання, близької до точності теорії функціонала густини; однак у ньому немає таблиці похибок, опублікованої моделі чи числового порівняння, які підтверджували б цей результат для цих проєктів.

Як Adaptive Phase Cooling відводить тепло

В основі опису технології Ferveret — кипіння в недогрітій рідині, підхід, розроблений з урахуванням досліджень теплопередачі в ядерних реакторах. Тепло на поверхні чипа утворює бульбашки пари, тоді як навколишня рідина залишається холоднішою за температуру кипіння. За словами компанії, дрібні бульбашки швидко відриваються від поверхні й знову конденсуються в цій холоднішій рідині, відновлюючи контакт із гарячою поверхнею.

Відмінність полягає в тому, куди потрапляє пара. У системі занурювального охолодження з насиченим кипінням, із якою Ferveret порівнює своє рішення, бульбашки піднімаються в паровий простір, а потім конденсуються. Її підхід передбачає локальну конденсацію бульбашок безпосередньо в рідині. Компанія стверджує, що це дає змогу працювати за тиску, близького до атмосферного, і використовувати компактні корпуси для окремих серверів.

На сторінці продукту для центрів обробки даних описано охолоджувальний блок для монтажу в стійку заввишки 4U під назвою Lambert, спеціальний теплообмінник і керівне програмне забезпечення, яке регулює умови роботи. Система призначена для охолодження на рівні сервера та підключається до інфраструктури відведення тепла об’єкта, а не до великої спільної ванни для занурювального охолодження.

Для операторів систем ШІ мета полягає в тому, щоб під час тривалих обчислень утримувати процесори в межах допустимих температур і водночас скорочувати накладні витрати, пов’язані з охолодженням. Якщо тепло обмежувало б продуктивність, ефективніше охолодження обладнання дає змогу підтримувати вищу робочу продуктивність. Розмір переваги й надалі залежить від процесорів, робочого навантаження, параметрів живлення та системи охолодження, з якими проводять порівняння.

Що насправді означають показники продуктивності 15% і 35%

Два основні показники в оголошенні стосуються різних вимірювань. Ferveret повідомляє про збільшення обчислювальної потужності на рівні сервера до 15% порівняно з провідними системами охолодження безпосередньо на чипі, а також про збільшення доступної обчислювальної потужності до 35% з урахуванням удосконалень на рівні об’єкта.

У березневому оголошенні Ferveret наведено докладніші відомості про перший показник. У ньому описано тестування, проведене спільно з лабораторією Intelligent Connectivity Каліфорнійського університету в Лос-Анджелесі (UCLA) на графічних процесорах NVIDIA H200; повідомляється про підвищення обчислювальної ефективності на 15%, виміряної в TFLOPs на кіловат серверної потужності. У повідомленні прямо зазначено, що цей серверний показник не враховує ефективність використання електроенергії на рівні об’єкта.

Це корисний контекст, але все ж ідеться про виклад співпраці, підготовлений самою компанією. У пресрелізі немає повного протоколу тестування чи необроблених результатів, достатніх для відтворення порівняння. Так само поліпшення пропускної здатності обчислень із плаваючою комою на ват на 15% саме собою не доводить, що час навчання або обсяг результатів роботи застосунку також поліпшився на 15%.

Більший показник поєднує ефективність сервера з моделлю енергоефективності об’єкта. У розрахунковому прикладі Ferveret порівнюють коефіцієнт ефективності використання енергії (PUE) 1,20 із 1,03, а потім додають поліпшення енергоефективності сервера на 15%. PUE — це співвідношення загального енергоспоживання об’єкта до енергоспоживання ІТ-обладнання; що нижче це співвідношення, то менше додаткової енергії потребує об’єкт за заданого навантаження ІТ-обладнання.

За наведеними вихідними даними сукупний приріст становить приблизно 34%: 1,15 помножити на 1,20/1,03. Ferveret описує результат як приблизно 35%. Розрахунок пояснює масштаб заявленого ефекту, але це сценарій, заснований на припущеннях щодо енергоефективності об’єкта, а не опублікований вимір прискорення на 35% у дослідах MIT із ядерними матеріалами.

Де закінчуються докази — і починаються можливості

У наданому пресрелізі Jossou каже, що доступ до платформи дає змогу використовувати більші моделі, швидше повторювати цикли розробки та проводити експерименти безперервно. Ці спостереження свідчать про практичну цінність додаткового доступу до обчислювальних ресурсів. Однак вони не дають змоги визначити, яка частка поліпшення зумовлена охолодженням, яка — виділеними апаратними ресурсами і наскільки швидше виконувалося конкретне наукове завдання.

Таке саме розрізнення стосується сталого розвитку. Ferveret описує замкнену систему, яка може відводити тепло за допомогою сухих охолоджувачів без витрати води на випаровування. Це твердження стосується конфігурації системи охолодження. Його не слід трактувати як свідчення того, що система усуває водний слід виробництва електроенергії, виготовлення обладнання чи будь-якої можливої конструкції об’єкта.

У пресрелізі також зазначено, що в майбутніх наукових публікаціях, як очікується, буде відзначено внесок Ferveret у створення інфраструктури. Опубліковані методики та результати на рівні застосувань допомогли б з’ясувати, як платформа впливає на точність реконструкції, масштаб симуляцій, час навчання та витрати енергії на один завершений експеримент.

Поки що найобґрунтованіший висновок доволі конкретний: Ferveret надає інфраструктуру для дослідницької програми, зосередженість якої на ШІ та ядерних матеріалах підтверджує MIT, тоді як ширші заяви про ефективність потребують уважного ставлення до меж вимірювання. У довгостроковій перспективі можливість полягає в тому, щоб ефективніше використовувати обмежені обчислювальні ресурси — завдяки поліпшенню теплопередачі виконувати більше наукової роботи в межах того самого бюджету електроенергії.