戈登·貝爾獎出爐！8人團隊中7張中國面孔

作者：趙廣立

據美國計算機協會（ACM）消息，美國東部時間11月19日，高性能計算領域備受矚目的戈登·貝爾獎出爐。ACM將本年度的該獎項頒給了一支由中美科學家組成的研究團隊，他們因「結合分子建模、機器學習和高性能計算相關方法，將具有從頭算精度的分子動力學模擬的極限提升至1億個原子規模」獲獎。

值得一提的是，獲獎的8人團隊中，有7張中國面孔。他們分別是來自加州大學伯克利分校的賈偉樂和林霖、北京應用物理和計算數學研究所副研究員王涵、北京大學應用物理與技術研究中心研究員陳默涵及其研究生路登輝，普林斯頓大學張林峰博士以及該校教授鄂維南、羅伯託·卡爾。

獲獎團隊8人中有7張中國面孔 張林峰製圖

該團隊在論文摘要中寫道：「這項工作的巨大成就在於，它為從頭開始準確地模擬前所未有的大小和時間尺度打開了大門，對於更好地集成機器學習和物理建模的下一代超級計算機也提出了新的挑戰。」

分子動力學是一種計算機模擬實驗方法，可以分析原子和分子在固定時間段內如何移動和相互作用。從頭算分子動力學（ab initio Molecular Dynamics，AIMD）是一種與標準分子動力學（SMD）略有不同的方法（ab initio在拉丁語中是「從頭開始」或「從第一原理開始」的意思），它在模擬過程中可計算原子間相互作用力。通過AIMD可以獲得的精確度使其成為科學家的首選模擬方法，然而，儘管AIMD允許更高的精度，但該方法需要更多的計算，因此僅限於研究最大具有數千個原子的小型系統。

「從2006年到2019年，頂級超算的峰值性能提高了500倍以上，但科學家描述原子在體系中演化過程的工作，可求解的規模體系僅增加了11倍。根據這一規律估計，人們必須再等60多年才能用AIMD模擬一個具有1億個原子的體系。」張林峰在報告中說道：「這正是機器學習的用武之地。」

張林峰介紹說，使用人工智慧技術來擬合基於密度函數理論（DFT）方法產生的原子間相互作用力，通過線性標度的計算開銷將求解的時間和體系規模提高了幾個數量級，「從而避免了數十年的等待時間」。

該團隊將這一工作在美國超算Summit機器上全機運行，模擬分別實現了雙精度91PFlops、混合單精度162PFlops和混合半精度275PFlops的峰值性能。「我們相信，這是第一個將高性能計算、人工智慧和物理模型融為一體的工作，它將開闢新的計算範式。」張林峰說。

對於該團隊在戈登·貝爾獎競爭中的勝出，ACM評價道，基於深度學習的分子動力學模擬通過機器學習和大規模並行的方法，將精確的物理建模帶入了更大尺度的材料模擬中，有望在將來為力學、化學、材料、生物乃至工程領域解決實際問題（如大分子藥物開發）發揮更大作用。

值得一提的是，今年8月，路登輝、陳默涵、王涵三人已在由中國科學院主辦的「先導杯」並行計算應用大獎賽中嶄露頭角，在「開放應用」賽道中摘得特等獎。