Хакнули хаос. Суперкомпьютер Frontier рассчитал то, что раньше казалось невозможным

Американские исследователи использовали Frontier, один из самых мощных экзафлопсных суперкомпьютеров в мире, чтобы разобраться с одной из самых трудных задач вычислительной физики: магнитогидродинамической турбулентностью в плазме. Плазма - это ионизированный газ, частицы которого несут электрический заряд и поэтому чувствительны к магнитным полям. Магнитогидродинамическая, или МГД-турбулентность, описывает хаотичное движение такой среды под действием магнитного поля. От нее зависят солнечные вспышки, взрывы сверхновых и поведение плазмы в термоядерных установках, но точно просчитывать такие процессы крайне сложно.

Над проектом работала команда из Ок-Риджской национальной лаборатории при Министерстве энергетики США. Для расчетов исследователи подключили не только Frontier, но и модели искусственного интеллекта. Авторы считают, что новая схема может заметно улучшить моделирование плазмы, уточнить расчеты сверхновых и со временем помочь в разработке более эффективных термоядерных реакторов.

Главная трудность здесь в том, что турбулентная плазма ведет себя сразу на нескольких масштабах. Внутри потока одновременно возникают крупные структуры, мелкие вихри, быстрые локальные колебания и резкие перепады параметров. Все эти элементы постоянно влияют друг на друга, поэтому даже небольшая потеря деталей быстро искажает всю картину. Из-за этого физикам трудно получить модель, которая одновременно остается вычислимо посильной и не теряет важные свойства реального процесса.

Обычные методы часто идут на упрощение. Например, подход Reynolds-Averaged Navier-Stokes усредняет поведение потока и сглаживает мелкие структуры. Для ряда инженерных задач этого достаточно, но при работе с плазмой такой компромисс убирает часть важной физики. Модель передает общее развитие системы, но хуже описывает вихри, быстрые флуктуации и мелкомасштабные потоки, которые сильно влияют на поведение плазмы.

Команда разбила задачу на 2 этапа. Сначала нейронный оператор с учетом физических уравнений учился описывать общее развитие плазмы во времени. Такой тип модели не просто ищет статистические совпадения в данных, а строит прогноз с опорой на законы, которым подчиняется система. Затем диффузионная модель восстанавливала более мелкие структуры, которые обычно теряются при упрощении: небольшие вихри, локальные потоки и быстрые колебания. Первая модель задавала общий ход процесса, вторая возвращала детали.

Для обучения этой связки понадобились огромные вычислительные ресурсы. Frontier использовали для генерации высокоточных наборов данных, на которых затем обучали обе модели. Иными словами, суперкомпьютер сначала создавал детальные численные симуляции плазмы, а уже потом эти результаты использовали как основу для обучения искусственного интеллекта. Именно этот этап дал исследователям возможность выйти на уровень детализации, который раньше был почти недостижим.

По словам команды, итоговая система может строить очень подробные прогнозы турбулентности за секунды и сокращает ошибку более чем вдвое по сравнению с предыдущими методами. Авторы отдельно подчеркивают, что модель не просто ускоряет расчеты, а старается достоверно воспроизводить физику процесса: сохраняет связь с уравнениями и одновременно возвращает сложность плазмы, которую старые подходы обычно сглаживали.

Практическая ценность работы выходит далеко за пределы одной вычислительной задачи. Более точные модели нужны астрофизикам для расчетов сверхновых и других экстремальных процессов, где плазма и магнитные поля определяют развитие событий. Тот же подход может помочь и в задачах термоядерного синтеза, где турбулентность напрямую влияет на устойчивость плазмы и на потери энергии в реакторе.

Следующий этап - более сложные системы, включая полные трехмерные симуляции плазмы, более сложные астрофизические среды и новые расчеты для термоядерных установок. Если этот подход выдержит масштабирование, Frontier и подобные ему машины смогут заметно ускорить не только вычисления, но и поиск новых физических моделей.