英国政府近期公布了《2026年核聚变战略》,其中包括投资1.25亿英镑在牛津郡卡勒姆开发人工智能增长区,并为全新的核聚变专用超级计算机"Sunrise"投入4500万英镑。
加速仿真和系统设计
Sunrise将主要用于加速仿真、替代模型开发和设计优化。人工智能能够简化复杂仿真或学习等离子体等复杂系统的行为模式,将原本需要数周或数月完成的仿真计算时间大幅缩短。
该超级计算机还将用于数据管理,使英国原子能管理局的核聚变研究和实验数据保持一致性、可访问性和电子可读性。此外,Sunrise可增强实验操作和实时诊断控制能力,人工智能可接受训练以识别异常并标记问题。
强大的计算性能架构
这台算力达6.76百万亿次浮点运算的Sunrise AI超级计算机由AMD、能源安全和零排放部、科学创新与技术部、戴尔科技、英特尔、英国原子能管理局、剑桥大学和数据平台提供商Weka共同合作开发。
英国原子能管理局计算项目主管罗布·阿克斯表示:"定义Sunrise这样的硬件设备有多强大是一个很大的挑战,因为这取决于你衡量成功的标准。"
Sunrise支持从8位到64位的全精度浮点运算,每种精度都针对问题的不同部分。阿克斯指出:"对我们来说重要的是,我们不能放弃64位精度,因为这将为我们使用Sunrise作为工程工具时应用的人工智能算法提供数据支持。"
人工智能使得将需要极高位精度的高保真模型压缩成"替代"模型成为可能。这些替代模型可以在工作站或笔记本电脑上运行,仅用大型超级计算机运行大型求解器所需时间的一小部分。
大语言模型在核聚变研究中的应用
8位精度计算因大语言模型的兴起而变得极其重要。英国原子能管理局计划在该领域开展工作,构建定制化大语言模型,处理几十年来收集的文本文档档案,将其转化为有用的信息和知识。
这些信息将与卡勒姆运行的大型球形托卡马克装置实验数据相结合。阿克斯表示,实现这一目标需要全精度范围的支持。
虽然8位精度是大语言模型的领域,需要尽可能快地处理Token以理解大量文本信息,但64位精度是高保真仿真的领域,需要实现高度准确性。由于模型按时间向前运行的方式,不能让它们出现偏差,必须保持某些物理量以确保仿真的意义。
数字孪生技术解决复杂耦合问题
阿克斯认为,浮点精度虽然被视为与其他AI机器比较的指标,但不一定是测量AI科学机器整体性能的最佳指标。真正需要的是"仿真高保真、强耦合模型的能力"。
这是由于模拟太阳发电方式的机器极其复杂。在核聚变发电厂中,有许多不同的物理机制将设备耦合在一起,从重力引起的结构力到电磁力,再到整个系统的热流和辐射流,一切都耦合在一起。
历史上,英国原子能管理局无法大规模仿真这种环境。阿克斯担心的是由于这种耦合而产生的黑天鹅事件或涌现行为。
运行在Sunrise上的数字孪生技术将能够建模这些极其复杂的系统,然后与实验结果进行比较。这使研究人员能够调整向前推进时间或超越以往经验的能力,甚至创造从未见过的新机械装置,在将已知未知数纳入仿真的情况下充满信心地实现巨大飞跃。
基于测试的设计既昂贵又缓慢。目标是使用Sunrise减少英国原子能管理局必须进行的基于测试的设计工作量。这将使他们能够更经济高效地承担登月级别的问题,降低风险并加速实现商业化核聚变的时间。
Q&A
Q1:Sunrise超级计算机的主要功能是什么?
A:Sunrise是英国投资4500万英镑建设的核聚变专用超级计算机,主要用于加速核聚变仿真计算、数据管理和实时诊断控制。它能将原本需要数周或数月的仿真时间大幅缩短,并通过AI技术识别实验中的异常情况。
Q2:为什么Sunrise需要支持从8位到64位的全精度计算?
A:不同精度针对不同问题。8位精度主要用于大语言模型处理文本档案,而64位精度用于高保真仿真以确保准确性。由于核聚变模型需要保持物理量不偏差,64位精度对AI算法的工程应用至关重要。
Q3:数字孪生技术如何帮助核聚变研究?
A:数字孪生技术能够建模核聚变发电厂中重力、电磁、热流等复杂耦合系统,与实验结果对比分析。这可以减少昂贵缓慢的实体测试,让研究人员更经济高效地解决技术难题,加速商业化核聚变的实现。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。