五個備受矚目的 HPC 獎決賽入圍項目憑借 Alps、JUPITER 和 Perlmutter 超級計算機的支持在氣候建模、流體模擬等領域取得了重大突破。

戈登·貝爾獎的五個 HPC 獎決賽入圍項目正在使用由 NVIDIA 技術驅動的超級計算機開展氣候建模、材料科學、流體模擬、地球物理學和電子設計等領域的關鍵研究工作。

本周在SC25上發布的這些決賽入圍項目運用物理模擬、高精度數學運算及其他先進超算技術，正在推動 AI 與 HPC 在科學領域的應用，加速天氣預報、半導體設計、太空探索等諸多領域的突破性進展。這些研究成果已發布于 ArXiv，可供公開獲取。

支撐這些研究的超級計算機包括：

Alps——部署于瑞士國家超級計算中心 (CSCS)，其計算能力由超過 10,000 顆NVIDIA Grace Hopper 超級芯片提供。

Perlmutter——部署于美國國家能源研究科學計算中心 (NERSC)，由 NVIDIA 加速計算驅動。

JUPITER——歐洲首臺 Exascale 級超級計算機，部署于于利希超級計算中心 (JSC)，搭載 NVIDIA Grace Hopper 平臺及 Quantum-X800 InfiniBand 網絡。

“在 CSCS，我們不止于支持開放科學，更全力加速其向前。”CSCS 總監 Thomas Schulthess 表示，“本年度的五項戈登·貝爾獎決賽成果，在氣候建模、材料科學、流體力學及數字孿生領域取得的非凡突破，正是無可辯駁的證明：如果沒有 Alps 超級計算機，這些科學發現便無從談起。拓展計算疆界能讓宏偉藍圖化為現實，推動科學革命重塑我們的世界。”

更多有關本屆五項決賽入圍項目的創新成果詳情如下：

ICON：公里尺度地球模擬

馬克斯·普朗克氣象研究所、德國氣候計算中心、瑞士國家超級計算中心、于利希超級計算中心、蘇黎世聯邦理工學院及 NVIDIA 的研究人員共同開發了一種新的ICON 地球系統模型配置，有望實現更精準的天氣預報，并深化人類對地球運行機制的理解。

通過在公里尺度上模擬整個地球系統，ICON 能夠以卓越的細節和前所未有的時間壓縮，捕捉大氣、海洋和陸地間能量、水和碳的流動。其獨特優勢在于，每 24 小時可模擬約 146 天的狀態，從而能進行更高效的氣候模擬，將預測范圍延伸至未來數十年。

馬克斯·普朗克氣象研究所計算基礎設施和模型開發組負責人 Daniel Klocke 表示：“ICON 模型以 1 公里的空前分辨率整合了地球系統的所有關鍵要素，使研究人員能夠在局部尺度上觀測完整的全球地球系統信息，并深入了解未來氣候變暖對人類和生態系統的影響。”

ORBIT-2：用于天氣與氣候建模的 Exascale 級視覺基礎模型

ORBIT-2 是由橡樹嶺國家實驗室、NVIDIA 等機構共同開發的天氣與氣候降尺度 AI 基礎模型，其在 Alps 超級計算機上運行。該模型展現出卓越的可擴展性與精確度。

ORBIT-2 借助Exascale級計算能力與算法創新，通過空間超高分辨率降尺度技術成功突破了傳統氣候模型面臨的瓶頸——該技術能將低分辨率數據轉化為高分辨率數據。這使得研究團隊如今能夠精準捕捉并預測更小尺度的局部現象，例如城市熱島效應、極端降水事件以及季風模式的細微變化。

QuaTrEx：通過納米尺度器件建模推動晶體管設計革新

蘇黎世聯邦理工學院的研究團隊通過QuaTrEx 算法套件，在納米尺度電子器件建模領域取得重大突破，將有力推動下一代晶體管的設計進程。

在 Alps 超級計算機與 NVIDIA Grace Hopper 超級芯片的驅動下，QuaTrEx 能夠以 FP64 精度和極致并行計算效率，完成超過 45,000 個原子尺度的器件模擬。這一突破能更快、更精確地設計 NREFT 的晶體管，該技術對半導體產業至關重要。

蘇黎世聯邦理工學院計算納米電子學全職教授 Mathieu Luisier 表示：“Alps 對 QuaTrEx 項目的發展起到了關鍵作用。這讓我們能夠模擬那些在幾個月前還難以想象的器件。”

基于 MFC 流動求解器的航天器全尺度空前規模模擬

在設計航天器，尤其是配備多臺小型發動機的型號時，必須進行精細化的模擬，因為密集排列的發動機噴流會相互干擾，導致火箭底部溫度急劇升高。

由佐治亞理工學院與 NVIDIA 等機構共同開發的開源求解器MFC，目前正運行于 Alps 超級計算機之上，其能夠以 4 倍的速度進行流體流動模擬，同時保持與前世界紀錄相同的精度且能效提升超過 5 倍。根據在 Alps 超級計算機上完成的全尺度測試，MFC 有望在 JUPITER 超級計算機上實現比前世界紀錄高 10 倍的模擬規模，這為太空探索關鍵部件的設計與優化開辟了更快速、更精準的新路徑。

佐治亞理工學院計算科學與工程助理教授 Spencer Bryngelson 表示：“我們創新的信息幾何正則化方法，結合 NVIDIA Grace Hopper 超級芯片的統一虛擬內存與混合精度能力，極大提升了復雜計算流體模擬的效率，使我們能夠在前所未有的規模上模擬火箭發動機羽流。”

用于海嘯預警的數字孿生系統

由德克薩斯大學奧斯汀分校、勞倫斯利弗莫爾國家實驗室及加州大學圣迭戈分校組成的聯合研究團隊，成功研發出全球首個能做出全物理模型實時發布概率性海嘯預報的數字孿生系統。

當這套數字孿生系統應用于太平洋西北部的卡斯卡迪亞俯沖帶時，其在 Alps 與 Perlmutter 超級計算機上，僅用 0.2 秒就完成了非常復雜的計算，而這些計算如果在 512 塊 GPU 上運行通常需要 50 年才能完成，其實現了 100 億倍的加速。

德克薩斯大學奧斯汀分校機械工程教授 Omar Ghattas 表示：“這是首次能夠將實時傳感器數據與全物理建模及不確定性量化技術快速結合，使人們有機會在災難發生前采取應對措施。該框架為開發基于物理模型的面向各類災害的預測性應急響應系統提供了通用的技術基礎。”

在構建海嘯數字孿生、ICON 氣候模型與 MFC 流動求解器的過程中，NVIDIA CUDA-X庫在最大化復雜模擬的性能與效率方面發揮了關鍵作用。ICON 還利用了NVIDIA CUDA Graphs，該技術允許將工作定義為圖結構，而非單一操作。