نموذج محاكاة الكمبيوتر العملاق لمختبرات سانديا الوطنية Sandia National Laboratories supercomputer simulation model يسمى SNAP الذي يتنبأ بسرعة بسلوك مليارات الذرات المتفاعلة قد استحوذ على ذوبان الماس عند ضغطه بفعل الضغوط ودرجات الحرارة الشديدة. في عدة ملايين من الغلاف الجوي، تظهر الشبكة الكربونية الصلبة لأقسى مادة معروفة على الأرض في محاكاة SNAP (إمكانات تحليل الجار الطيفي Spectral Neighbor Analysis Potential) للتشقق، والذوبان في الكربون غير المتبلور ثم إعادة التبلور. يمكن أن يساعد العمل في فهم البنية الداخلية للكواكب الخارجية القائمة على الكربون وله آثار مهمة على جهود الاندماج النووي التي تستخدم كبسولات مصنوعة من الماس متعدد الكريستالات.
تصميم مواد جديدة وانعكاسات على الكواكب العملاقة
"يمكننا الآن دراسة استجابة العديد من المواد تحت نفس الضغوط الشديدة"، هذا ما قاله Aidan Thompson عالم سانديا، الذي أنشأ برنامج SNAP. "تشتمل التطبيقات على أسئلة في علوم الكواكب - على سبيل المثال، ما هو نوع الإجهاد الذي قد يؤدي إلى تكوين قمرنا. كما أنه يفتح الباب لتصميم وتصنيع مواد جديدة في ظروف قاسية".
إن تأثير الضغوط الشديدة ودرجات الحرارة على المواد مهم أيضًا لابتكار نماذج داخلية للكواكب العملاقة. يمكن لمرافق وزارة الطاقة القوية مثل آلة سانديا Z ومرفق الإشعال الوطني لمختبر لورانس ليفرمور الوطني أن تعيد خلق ظروف شبه متطابقة لهذه العوالم في تجارب أرضية تقدم فحوصات عن قرب للمواد المضغوطة جذريًا. لكن حتى هذه الآلات القوية بشكل فريد لا يمكنها تحديد الآليات المجهرية الرئيسية للتغيير في ظل هذه الظروف القاسية، بسبب قيود التشخيص على مستوى الذرات.
قال Thompson: "المحاكاة الحاسوبية فقط هي التي يمكنها فعل ذلك".
يدور المرشح النهائي لأوراق Gordon Bell عن "قطعة كبيرة من الألماس المضغوط بحجم ميكرون"
تم اختيار ورقة فنية تصف المحاكاة كأحد المرشحين النهائيين لجائزة Gordon Bell، التي ترعاها سنويًا جمعية آلات الحوسبة Association of Computing Machinery. النمذجة الخاصة بالألماس The diamond-specific modeling، والتي استغرقت يومًا واحدًا فقط على الكمبيوتر العملاق Summit supercomputer (الأسرع في الولايات المتحدة) في مختبر أوك ريدج الوطني، قادها البروفيسور Ivan Oleynik في جامعة جنوب فلوريدا. بالإضافة إلى Sandia و USF، تضمن الفريق التعاوني أيضًا مطوري البرامج في مركز الحوسبة العلمية لبحوث الطاقة الوطنية التابع لوزارة الطاقة Department of Energy's National Energy Research Scientific Computing Center وشركة NVIDIA Corporation.
قال Thompson إن عمليات المحاكاة التي أجراها الفريق اعتمدت على SNAP، وهو أحد أوصاف التعلم الآلي machine-learning الرائدة للتفاعلات بين الذرات، لنمذجة مشكلة مهمة للغاية وحلها.
قال Thompson: "لقد ابتكرنا محاكاة ضخمة لقطعة من الماس المضغوط بحجم ميكرون". "للقيام بذلك، نقوم بتتبع حركة بلايين الذرات عن طريق حساب القوى الذرية بشكل متكرر على فترات زمنية كثيرة جدًا للغاية".
ربط التعلم الآلي بحسابات ميكانيكا الكم Machine-learning bridged with quantum mechanical calculations
استخدم SNAP التعلم الآلي وتقنيات علم البيانات الأخرى لتدريب نموذج بديل يعيد إنتاج القوى الذرية الصحيحة بأمانة. تم حسابها باستخدام حسابات ميكانيكا الكم عالية الدقة، والتي لا يمكن تحقيقها إلا للأنظمة التي تحتوي على بضع مئات من الذرات. ثم تم توسيع النموذج البديل للتنبؤ بالقوى والتسارع للأنظمة التي تحتوي على مليارات الذرات. تم تمثيل جميع الهياكل الذرية المحلية التي ظهرت في عمليات المحاكاة واسعة النطاق بشكل جيد في بيانات التدريب على نطاق صغير، وهو شرط ضروري للدقة.
قال Thompson إن جزءً مهمًا آخر من النتيجة النهائية هو تحسين أداء البرنامج للعمل بكفاءة على أجهزة الكمبيوتر العملاقة القائمة على وحدة معالجة الرسومات مثل ساميت. "منذ عام 2018، من خلال تحسين البرنامج فقط، تمكنا من جعل رمز SNAP أسرع بأكثر من 30 مرة، واختصر الوقت لهذه الأنواع من المحاكاة بنسبة 97%. وفي نفس الوقت، يكون كل جيل من الأجهزة أقوى من أخيرًا. ونتيجة لذلك، يمكن الآن إجراء العمليات الحسابية التي قد تستغرق عامًا كاملاً حتى وقت قريب في يوم واحد على القمة".
تم اختصار وقت التشغيل بنسبة 97%
قال Thompson: "نظرًا لأن وقت الكمبيوتر العملاق باهظ الثمن وتنافسيًا عاليًا، فإن كل تقصير في وقت تشغيل SNAP يوفر المال ويزيد من فائدة النموذج".
قدم Stan Moore و Mitchell Wood باحثا سانديا مساهمات مهمة في نموذج SNAP وتحسينات الأداء الدراماتيكية.
يتوفر البرنامج الأمثل لتشغيل SNAP على أجهزة الكمبيوتر العملاقة في التوزيع المفتوح المصدر لكود الديناميكيات الجزيئية LAMMPS من Sandia. برنامج Sandia FitSNAP لبناء نماذج SNAP جديدة متاح للجمهور أيضًا.
تصميم مواد جديدة وانعكاسات على الكواكب العملاقة
"يمكننا الآن دراسة استجابة العديد من المواد تحت نفس الضغوط الشديدة"، هذا ما قاله Aidan Thompson عالم سانديا، الذي أنشأ برنامج SNAP. "تشتمل التطبيقات على أسئلة في علوم الكواكب - على سبيل المثال، ما هو نوع الإجهاد الذي قد يؤدي إلى تكوين قمرنا. كما أنه يفتح الباب لتصميم وتصنيع مواد جديدة في ظروف قاسية".
إن تأثير الضغوط الشديدة ودرجات الحرارة على المواد مهم أيضًا لابتكار نماذج داخلية للكواكب العملاقة. يمكن لمرافق وزارة الطاقة القوية مثل آلة سانديا Z ومرفق الإشعال الوطني لمختبر لورانس ليفرمور الوطني أن تعيد خلق ظروف شبه متطابقة لهذه العوالم في تجارب أرضية تقدم فحوصات عن قرب للمواد المضغوطة جذريًا. لكن حتى هذه الآلات القوية بشكل فريد لا يمكنها تحديد الآليات المجهرية الرئيسية للتغيير في ظل هذه الظروف القاسية، بسبب قيود التشخيص على مستوى الذرات.
قال Thompson: "المحاكاة الحاسوبية فقط هي التي يمكنها فعل ذلك".
يدور المرشح النهائي لأوراق Gordon Bell عن "قطعة كبيرة من الألماس المضغوط بحجم ميكرون"
تم اختيار ورقة فنية تصف المحاكاة كأحد المرشحين النهائيين لجائزة Gordon Bell، التي ترعاها سنويًا جمعية آلات الحوسبة Association of Computing Machinery. النمذجة الخاصة بالألماس The diamond-specific modeling، والتي استغرقت يومًا واحدًا فقط على الكمبيوتر العملاق Summit supercomputer (الأسرع في الولايات المتحدة) في مختبر أوك ريدج الوطني، قادها البروفيسور Ivan Oleynik في جامعة جنوب فلوريدا. بالإضافة إلى Sandia و USF، تضمن الفريق التعاوني أيضًا مطوري البرامج في مركز الحوسبة العلمية لبحوث الطاقة الوطنية التابع لوزارة الطاقة Department of Energy's National Energy Research Scientific Computing Center وشركة NVIDIA Corporation.
قال Thompson إن عمليات المحاكاة التي أجراها الفريق اعتمدت على SNAP، وهو أحد أوصاف التعلم الآلي machine-learning الرائدة للتفاعلات بين الذرات، لنمذجة مشكلة مهمة للغاية وحلها.
قال Thompson: "لقد ابتكرنا محاكاة ضخمة لقطعة من الماس المضغوط بحجم ميكرون". "للقيام بذلك، نقوم بتتبع حركة بلايين الذرات عن طريق حساب القوى الذرية بشكل متكرر على فترات زمنية كثيرة جدًا للغاية".
ربط التعلم الآلي بحسابات ميكانيكا الكم Machine-learning bridged with quantum mechanical calculations
استخدم SNAP التعلم الآلي وتقنيات علم البيانات الأخرى لتدريب نموذج بديل يعيد إنتاج القوى الذرية الصحيحة بأمانة. تم حسابها باستخدام حسابات ميكانيكا الكم عالية الدقة، والتي لا يمكن تحقيقها إلا للأنظمة التي تحتوي على بضع مئات من الذرات. ثم تم توسيع النموذج البديل للتنبؤ بالقوى والتسارع للأنظمة التي تحتوي على مليارات الذرات. تم تمثيل جميع الهياكل الذرية المحلية التي ظهرت في عمليات المحاكاة واسعة النطاق بشكل جيد في بيانات التدريب على نطاق صغير، وهو شرط ضروري للدقة.
قال Thompson إن جزءً مهمًا آخر من النتيجة النهائية هو تحسين أداء البرنامج للعمل بكفاءة على أجهزة الكمبيوتر العملاقة القائمة على وحدة معالجة الرسومات مثل ساميت. "منذ عام 2018، من خلال تحسين البرنامج فقط، تمكنا من جعل رمز SNAP أسرع بأكثر من 30 مرة، واختصر الوقت لهذه الأنواع من المحاكاة بنسبة 97%. وفي نفس الوقت، يكون كل جيل من الأجهزة أقوى من أخيرًا. ونتيجة لذلك، يمكن الآن إجراء العمليات الحسابية التي قد تستغرق عامًا كاملاً حتى وقت قريب في يوم واحد على القمة".
تم اختصار وقت التشغيل بنسبة 97%
قال Thompson: "نظرًا لأن وقت الكمبيوتر العملاق باهظ الثمن وتنافسيًا عاليًا، فإن كل تقصير في وقت تشغيل SNAP يوفر المال ويزيد من فائدة النموذج".
قدم Stan Moore و Mitchell Wood باحثا سانديا مساهمات مهمة في نموذج SNAP وتحسينات الأداء الدراماتيكية.
يتوفر البرنامج الأمثل لتشغيل SNAP على أجهزة الكمبيوتر العملاقة في التوزيع المفتوح المصدر لكود الديناميكيات الجزيئية LAMMPS من Sandia. برنامج Sandia FitSNAP لبناء نماذج SNAP جديدة متاح للجمهور أيضًا.
