+ Tudomány

Magyar kutatók olyat tudnak a kvantumos anyag modellezéséről, amit senki más a világon

kvantumos anyag

Ez az AI-gyorsítókkal elért eredmény új mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén…

Új számítási rekordot állított fel bonyolult kvantumfizikai rendszerek szuperszámítógépes szimulációi terén két magyar kutató, Menczer Andor és Legeza Örs. Eredményük mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén, bonyolult biokémiai összefüggéseket is megoldhat, és nagy segítséget nyújthat olyan kísérletek és ipari fejlesztések elkészítésénél, amelyek korábban rengeteg időbe és pénzbe kerültek – közölte a HUN-REN Magyar Kutatási Hálózat szerdán.

Kétszázötvenezer milliárdnyi elemi műveletet képes megoldani másodpercenként az a szimulációs program, amelynek segítségével csökkenteni lehet például a gyógyszerfejlesztés vagy épp az energiaszállítás hatékonyságának növelésére irányuló kutatások költségeit.

A tenzorhálózat algoritmus alkalmazásával az ELTE doktorandusz hallgatója, Menczer Andor és a HUN-REN Wigner Fizikai Kutatóközpont (FK) tudományos tanácsadója, Legeza Örs csaknem negyed PetaFlops teljesítményt ért el egyetlen számítógépen. Az erről szóló eredményt a közelmúltban publikálták legújabb tudományos cikkükben az amerikai Pacific Northwest Nemzeti Laboratóriummal, valamint az NVIDIA és SandboxAQ Google startup ipari partnereikkel közösen.

„Ez az AI-gyorsítókkal elért eredmény új mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén, és a klasszikus és kvantumszámítógépek teljesítményharcában egy újabb megdöntendő határt támaszt”

– idézték a közleményben Legeza Örsöt.

Az NVIDIA DGX-H100 eszközön elért 246 TeraFlops teljesítmény egy csaknem nyolcvan darab 128 magos számítógép, avagy 700-1000 darab modern laptop teljesítményével egyenértékű. Ez majdnem a fele a Komondor nevű szuperszámítógép mesterséges intelligencia (AI) partíció teljesítményének (0,6 PetaFlops). A tájékoztatás szerint az eredmény komoly áttörést jelent az új hardvereszközök által biztosított teljesítmény kiaknázásában a nem kifejezetten mesterséges intelligenciára épülő algoritmusok esetében.

Az elérhető teljesítmény még tovább növelhető az egyedi számítógépek összekapcsolásával. Így az úgynevezett multinode-os variánssal a több PetaFlops-os tartomány elérése sem jelent akadályt. 2015-ben a világ akkori egyik legnagyobb japán szuperszámítógépének teljesítménye 10 PetaFlops volt – emlékeztettek a közleményben.

„Az egyre újabb matematikai algoritmusok és az információtechnológia szinte felfoghatatlan ütemű fejlődése együttesen olyan bonyolult kvantumos rendszerek vizsgálata előtt nyitja meg az utat, melyek korábban csak a kutatók álmaiban léteztek”

– emelte ki a tájékoztatásban Legeza Örs.

A HUN-REN Wigner FK tudományos tanácsadója szerint a számítási bravúr mellett a közös kutatás példátlan pontosságú eredményeket hozott az átmenetifém-metalloenzimeket tartalmazó összetett biokémia rendszerekben is. A fémtartalmú katalizátorok számos ipari és biológiai folyamatban kulcsfontosságúak, alapvető szerepet játszanak a kémiai reakciók elősegítésében.

Az energiaátalakítás ezen „kiserőművei” továbbá létfontosságúak több iparág számára is, beleértve az orvostudományt, az energiatermelést és számos fogyasztói terméket. A katalizátorok felgyorsítják a kémiai reakciókat, csökkentve a kémiai átalakuláshoz szükséges energiát, hatékonyabbá és fenntarthatóbbá téve ezáltal a kapcsolódó folyamatokat.

„Megértésük és optimalizálásuk elengedhetetlen napjaink nagy globális kihívásainak kezeléséhez, mint például a zöldenergia-termelés vagy a környezeti fenntarthatóság” – tette hozzá a HUN-REN kutatója.

Az új kutatási irány egyre nagyobb figyelmet kap ipari körökben is, mivel a tenzorhálózat algoritmus AI-alapú módszerekkel való ötvözése egy egészen új szimulációs környezetet teremt a gyógyszeripar és vegyipar számára is. Az óriási teljesítménynövekedés révén pedig a korábban több hónapig tartó számítások jelenleg már akár napi szinten is megvalósíthatók, ami a kvantumkémiai modellezéshez biztosít egy egészen új eszköztárat.

Jelenleg olyan újabb fejlesztésű hardvereken folyik az algoritmus optimalizálása, amelyek egy része csak a jövőben válik elérhetővé a nyilvánosság számára. „A közös kutatási eredmény egyben rávilágít az akadémia és az ipari szektor szinergiájában rejlő óriási lehetőségekre” – hangsúlyozta Legeza Örs a közleményben.

A tudomány legfrissebb hírei

Népszerűek

To Top