使用NVIDIA技术驱动的超级计算机助力开放科学研究

五个备受瞩目的 HPC 奖决赛入围项目凭借 Alps、JUPITER 和 Perlmutter 超级计算机的支持在气候建模、流体模拟等领域取得了重大突破。

戈登·贝尔奖的五个 HPC 奖决赛入围项目正在使用由 NVIDIA 技术驱动的超级计算机开展气候建模、材料科学、流体模拟、地球物理学和电子设计等领域的关键研究工作。

本周在SC25上发布的这些决赛入围项目运用物理模拟、高精度数学运算及其他先进超算技术，正在推动 AI 与 HPC 在科学领域的应用，加速天气预报、半导体设计、太空探索等诸多领域的突破性进展。这些研究成果已发布于 ArXiv，可供公开获取。

支撑这些研究的超级计算机包括：

Alps——部署于瑞士国家超级计算中心 (CSCS)，其计算能力由超过 10,000 颗NVIDIA Grace Hopper 超级芯片提供。

Perlmutter——部署于美国国家能源研究科学计算中心 (NERSC)，由 NVIDIA 加速计算驱动。

JUPITER——欧洲首台 Exascale 级超级计算机，部署于于利希超级计算中心 (JSC)，搭载 NVIDIA Grace Hopper 平台及 Quantum-X800 InfiniBand 网络。

“在 CSCS，我们不止于支持开放科学，更全力加速其向前。”CSCS 总监 Thomas Schulthess 表示，“本年度的五项戈登·贝尔奖决赛成果，在气候建模、材料科学、流体力学及数字孪生领域取得的非凡突破，正是无可辩驳的证明：如果没有 Alps 超级计算机，这些科学发现便无从谈起。拓展计算疆界能让宏伟蓝图化为现实，推动科学革命重塑我们的世界。”

更多有关本届五项决赛入围项目的创新成果详情如下：

ICON：公里尺度地球模拟

马克斯·普朗克气象研究所、德国气候计算中心、瑞士国家超级计算中心、于利希超级计算中心、苏黎世联邦理工学院及 NVIDIA 的研究人员共同开发了一种新的ICON 地球系统模型配置，有望实现更精准的天气预报，并深化人类对地球运行机制的理解。

通过在公里尺度上模拟整个地球系统，ICON 能够以卓越的细节和前所未有的时间压缩，捕捉大气、海洋和陆地间能量、水和碳的流动。其独特优势在于，每 24 小时可模拟约 146 天的状态，从而能进行更高效的气候模拟，将预测范围延伸至未来数十年。

马克斯·普朗克气象研究所计算基础设施和模型开发组负责人 Daniel Klocke 表示：“ICON 模型以 1 公里的空前分辨率整合了地球系统的所有关键要素，使研究人员能够在局部尺度上观测完整的全球地球系统信息，并深入了解未来气候变暖对人类和生态系统的影响。”

ORBIT-2：用于天气与气候建模的 Exascale 级视觉基础模型

ORBIT-2 是由橡树岭国家实验室、NVIDIA 等机构共同开发的天气与气候降尺度 AI 基础模型，其在 Alps 超级计算机上运行。该模型展现出卓越的可扩展性与精确度。

ORBIT-2 借助Exascale级计算能力与算法创新，通过空间超高分辨率降尺度技术成功突破了传统气候模型面临的瓶颈——该技术能将低分辨率数据转化为高分辨率数据。这使得研究团队如今能够精准捕捉并预测更小尺度的局部现象，例如城市热岛效应、极端降水事件以及季风模式的细微变化。

QuaTrEx：通过纳米尺度器件建模推动晶体管设计革新

苏黎世联邦理工学院的研究团队通过QuaTrEx 算法套件，在纳米尺度电子器件建模领域取得重大突破，将有力推动下一代晶体管的设计进程。

在 Alps 超级计算机与 NVIDIA Grace Hopper 超级芯片的驱动下，QuaTrEx 能够以 FP64 精度和极致并行计算效率，完成超过 45,000 个原子尺度的器件模拟。这一突破能更快、更精确地设计 NREFT 的晶体管，该技术对半导体产业至关重要。

苏黎世联邦理工学院计算纳米电子学全职教授 Mathieu Luisier 表示：“Alps 对 QuaTrEx 项目的发展起到了关键作用。这让我们能够模拟那些在几个月前还难以想象的器件。”

基于 MFC 流动求解器的航天器全尺度空前规模模拟

在设计航天器，尤其是配备多台小型发动机的型号时，必须进行精细化的模拟，因为密集排列的发动机喷流会相互干扰，导致火箭底部温度急剧升高。

由佐治亚理工学院与 NVIDIA 等机构共同开发的开源求解器MFC，目前正运行于 Alps 超级计算机之上，其能够以 4 倍的速度进行流体流动模拟，同时保持与前世界纪录相同的精度且能效提升超过 5 倍。根据在 Alps 超级计算机上完成的全尺度测试，MFC 有望在 JUPITER 超级计算机上实现比前世界纪录高 10 倍的模拟规模，这为太空探索关键部件的设计与优化开辟了更快速、更精准的新路径。

佐治亚理工学院计算科学与工程助理教授 Spencer Bryngelson 表示：“我们创新的信息几何正则化方法，结合 NVIDIA Grace Hopper 超级芯片的统一虚拟内存与混合精度能力，极大提升了复杂计算流体模拟的效率，使我们能够在前所未有的规模上模拟火箭发动机羽流。”

用于海啸预警的数字孪生系统

由德克萨斯大学奥斯汀分校、劳伦斯利弗莫尔国家实验室及加州大学圣迭戈分校组成的联合研究团队，成功研发出全球首个能做出全物理模型实时发布概率性海啸预报的数字孪生系统。

当这套数字孪生系统应用于太平洋西北部的卡斯卡迪亚俯冲带时，其在 Alps 与 Perlmutter 超级计算机上，仅用 0.2 秒就完成了非常复杂的计算，而这些计算如果在 512 块 GPU 上运行通常需要 50 年才能完成，其实现了 100 亿倍的加速。

德克萨斯大学奥斯汀分校机械工程教授 Omar Ghattas 表示：“这是首次能够将实时传感器数据与全物理建模及不确定性量化技术快速结合，使人们有机会在灾难发生前采取应对措施。该框架为开发基于物理模型的面向各类灾害的预测性应急响应系统提供了通用的技术基础。”

在构建海啸数字孪生、ICON 气候模型与 MFC 流动求解器的过程中，NVIDIA CUDA-X库在最大化复杂模拟的性能与效率方面发挥了关键作用。ICON 还利用了NVIDIA CUDA Graphs，该技术允许将工作定义为图结构，而非单一操作。