贾伟乐团队获戈登·贝尔奖，HPC+AI开创计算新纪元

贾伟乐团队获戈登·贝尔奖，HPC+AI开创计算新纪元

引用

CSDN

等

10

来源

1.

https://blog.csdn.net/fzq0625/article/details/136603832

2.

https://www.mittrchina.com/news/detail/13257

3.

http://www.nscc-gz.cn/newsdetail.html?8202

4.

https://people.ucas.ac.cn/~jiaweile

5.

https://www.cpsjournals.cn/index/news/detail/51154

6.

http://www.caep-scns.ac.cn/HPCMid-2024-794.php

7.

https://www.nvidia.cn/glossary/high-performance-computing/

8.

https://www.nbsdc.cn/general/dataDetail?id=67424002195d262b8b446738&type=1

9.

http://nscc-gz.cn/newsdetail.html?8202

10.

http://www.caep-scns.ac.cn/HPCMid-2024-793.php

2022年，中国科学院计算技术研究所研究员贾伟乐带领团队，凭借开创性的“HPC+AI”方法，成功摘得高性能计算领域的最高荣誉——戈登·贝尔奖。这一突破性成果不仅展现了中国在超算领域的实力，更为材料科学、化学等领域的研究开辟了全新路径。

传统的高性能计算（HPC）在处理复杂科学问题时面临着“维数灾难”的挑战，即计算量随体系规模呈指数级增长。而人工智能（AI）的引入，为解决这一难题提供了新思路。

贾伟乐团队提出的“HPC+AI”方法，核心在于利用神经网络拟合高维原子势能面。具体来说，就是将体系的总势能分解为每个原子的势能之和，并利用“近视原理”进行近似处理。这种方法能够灵活拟合任意规模的高维原子势能面，为AI驱动的分子动力学模拟奠定了基础。

为了进一步提升计算效率，团队还开发了一系列创新技术：

• 主动学习策略：基于卡尔曼滤波的主动学习框架，能够更高效地选择训练样本，减少不必要的计算。
• 拟二阶训练方法：改进AI模型训练方法，将训练时间从天级缩短到分钟级。
• 五阶多项式模型压缩：通过模型压缩技术，在同等硬件条件下将体系规模提升1个数量级，推理速度提升3-9倍。

这一突破性的计算方法，已经在多个领域展现出巨大潜力。以材料科学为例，传统的第一性原理计算只能处理数千原子体系的皮秒级模拟，而“HPC+AI”方法则实现了质的飞跃。

• 薄膜生长模拟：可以对更大尺度的薄膜生长过程进行精确模拟，有助于开发新型半导体材料。
• 表面催化研究：能够更准确地预测催化反应机理，为设计高效催化剂提供支持。
• 新材料研发：通过大规模分子动力学模拟，加速新材料的筛选和优化过程。

“HPC+AI”方法的出现，正在引发科学研究范式的深刻变革。它不仅突破了传统科学计算的局限，更为解决复杂现实科学问题提供了新的工具。

这一成果的意义远不止于此。它为新材料、半导体器件、电池、制药等领域的创新提供了强大的计算支撑，有望加速相关产业的发展。同时，这种跨学科的融合创新模式，也为未来科学研究提供了新的思路和方向。

贾伟乐团队的这一突破，不仅是中国高性能计算领域的重要里程碑，更是AI与传统科学计算深度融合的典范。随着技术的不断发展和完善，我们有理由相信，“HPC+AI”将在更多领域展现出其独特价值，推动科学研究和技术创新迈入新阶段。