“创世纪”计划从愿景走向执行|doe|genesis|hpc|创世纪|科学|超级计算机|量子计算机

上周在英伟达GTC大会上，英伟达超大规模和HPC副总裁Ian Buck与美国能源部（DOE）科学副部长Dario Gil之间的一场炉边谈话，聚焦于HPC社区熟悉的一个主题：先进计算与科学发现的融合。对话强调了DOE的 Genesis（创世纪）计划的下一阶段，因为该部门开始将其AI for Science议程转化为团队、系统和资助的研究项目。

Genesis于去年11月通过行政命令启动，是一项旨在改变美国科学进行方式的国家级倡议。

"我们寻求做的是用先进计算革命科学和工程实践。我们寻求将高性能计算、AI超级计算机和量子计算机结合到一个统一平台中来加速科学和工程。这是一个令人难以置信的激动时刻，"Gil告诉Buck。

领导该倡议的Gil将Genesis描述为既是一个基础设施建设，也是一个协调努力，以解决一组明确的国家级挑战。DOE已经确定了跨越能源、发现科学和国家安全的26项挑战。例子包括加速商业聚变的路径、降低核能的成本和时间表，以及推进生物技术和材料科学。

Buck在DOE现有实验室基础设施的背景下描述了这些挑战，其中许多问题已经在大规模上被探索："我最近访问了阿贡国家实验室，有机会看到APS和光源，以及它们如何与世界上一些最大的超级计算机相连。现在，随着AI的出现，我们拥有模拟和AI可以帮助解决其中一些问题，"Buck说。"你在这些实验室有一些充满激情的科学家，他们正在研究国家面临的一些重大挑战。"

Genesis使命不是将AI视为一个独立领域，而是直接将其置于科学工作流中。目标不仅仅是扩展模型，而是改变实验的设计方式、模拟的运行方式以及数据的解释方式。

Gil以聚变研究为例。经过数十年的实验工作和高度精确的模拟代码的开发，研究人员现在使用AI智能体模型来大幅提高模拟速度。Gil表示，这些方法可以将某些工作流加速几个数量级，缩短模拟和实验之间的时间。

Genesis使命围绕这种模式构建，AI系统被层叠在长期投资的数据、仪器和模拟之上。Gil将蛋白质结构预测的历史描述为另一个案例研究。在AlphaFold等系统之前很久，国家实验室基础设施和学术研究产生了使大规模预测成为可能的基础数据集。这对Genesis的启示是，在其他领域也存在类似机会，从高能物理到材料发现。目标是在数十个领域复制这一轨迹。

Genesis的成功将意味着不仅产生一个突破，而是许多突破。实际上，这可能转化为在未来几年从现有科学基础设施中涌现出数十项AI驱动的进步。

"其他地方呢，我们有所有这些数据集，所有这些精美的科学仪器，以及围绕它们的所有这些社区？我们如何动员它们不仅有一个AlphaFold的故事，而是在几年后，我们会拥有50、100、200个故事，一个接一个，一个领域接一个领域，"Gil说。"我们会说，这就是显微镜的意义，这就是高能物理的意义，这就是宇宙学的意义，这就是聚变的意义，等等。我们将实现这一点。"

为了支持这一目标，DOE正在将其在大规模设施中的传统作用与一种新的合作模式相结合。Genesis的结构旨在鼓励国家实验室、产业界和大学之间的合作，特别是在项目进入后期阶段时。英伟达是这项工作的早期合作伙伴之一。该公司正与DOE和其他合作者部署新的专注于AI的系统，包括阿贡国家实验室的大型GPU集群。这些系统旨在为Genesis工作负载提供计算骨干，并使先进AI基础设施可被科学社区使用。

Gil强调，速度是当务之急。一周前，DOE宣布了最初的2.93亿美元资金，以支持第一波项目。团队将从较小的探索性工作开始，然后扩展到更大的、多机构项目。时间表是激进的，早期团队预计在今年夏天投入运营。

除了基础设施和资金，Gil还强调人才发展是一个核心组成部分。Genesis使命包括计划培训数以万计的科学家和工程师掌握AI驱动的研究方法。物理学家、化学家和生物学家将能够将AI整合到他们的现有学科中，增强领域专长而不是取代它。

在构建统一科学计算平台的努力中，Genesis使命还将量子计算作为一个新兴组件包括在内。长期愿景是紧密集成的系统，结合经典HPC、AI加速器和量子处理器。这些混合架构预计将在化学和材料科学等领域发挥作用。Gil提到，量子纠错和硬件稳定性的最新进展是该领域正朝着实用系统发展的迹象。他说，下一个里程碑将是能够解决科学相关问题的纠错量子机器的开发，可能在未来几年内实现。

对于HPC社区而言，Genesis使命代表了一个熟悉模式的延续，即大规模计算基础设施被用于解决国家一些最关键的科学和工程挑战。将Genesis定义为国家级努力，而不仅仅是DOE的计划。期望是，其成功将取决于现有生态系统——包括实验室、大学和产业界——能够在多大程度上围绕共同目标进行协调。如果该模式奏效，它可能重新定义美国大规模科学的进行方式，AI成为科学方法的核心部分。