Telset.id – Departemen Energi Amerika Serikat (DOE) telah menyiapkan sembilan aplikasi sains yang akan berjalan pada superkomputer eksaskala berikutnya, Discovery, yang dijadwalkan beroperasi pada 2028. Sistem ini akan menggantikan Frontier di Oak Ridge National Laboratory (ORNL) dan mendukung Genesis Mission, sebuah misi untuk mempercepat sains dan teknik melalui kecerdasan buatan (AI). Sembilan proyek ini mencakup riset di bidang penerbangan, fusi, material kuantum, astrofisika, dan energi.
Discovery dirancang untuk menjadi lompatan besar dari pendahulunya. Dengan GPU AMD yang diharapkan mampu menjalankan simulasi pada skala dan kompleksitas yang belum pernah ada sebelumnya, superkomputer ini diposisikan sebagai landasan peluncuran untuk sains berbasis AI sejak hari pertama beroperasi. Mari kita bedah sembilan proyek yang akan menjadi pionir penggunaan kekuatan Discovery. Revolusi AI memang tengah terjadi di berbagai sektor.
1. GlennHT: Simulasi Mesin Turbin Gas yang Lebih Akurat
Proyek pertama, GlennHT, dipimpin oleh Kenji Miki dari NASA. Proyek ini berfokus pada simulasi large eddy untuk mesin turbin gas. Turbin gas adalah sistem yang sangat kompleks, terutama saat turbulensi, aliran sekunder, dan pendinginan film mulai mempengaruhi kinerja dan suhu komponen. Simulasi ini jauh lebih akurat dibandingkan simulasi Reynolds-averaged Navier–Stokes standar, namun juga jauh lebih mahal secara komputasi. Dengan GPU AMD di Discovery, NASA berharap dapat menjalankan simulasi turbomachinery rutin pada skala yang belum pernah terjadi sebelumnya.
2. GIZMO: Menjelajahi Misteri Materi Gelap
Materi gelap tetap menjadi salah satu pertanyaan terbesar yang belum terpecahkan dalam astrofisika. Proyek GIZMO, dipimpin oleh Philip Hopkins dari California Institute of Technology, akan menggunakan Discovery untuk memodelkan fisika kosmologis di berbagai skala. Simulasi ini akan mempelajari segala sesuatu, mulai dari jaring kosmik hingga lubang hitam supermasif. Proyek ini juga akan menguji bagaimana efek yang lebih kecil dan lebih cepat, seperti jet dan aliran akresi, terhubung dengan struktur kosmik yang lebih besar. Dengan superkomputer Discovery, para peneliti berharap dapat membangun simulasi yang lebih besar, lebih detail, dan dengan fisika yang lebih kaya.
3. QMCPACK: Memahami Material Kuantum
Material kuantum berpotensi membentuk teknologi masa depan, tetapi simulasi perilakunya masih dibatasi oleh daya komputasi yang tersedia. Proyek QMCPACK, dipimpin oleh Paul Kent dari ORNL, berfokus pada material kuantum dan propertinya, termasuk magnetisme dan konduktivitas. Memahami material ini secara lebih akurat dapat mendukung teknologi masa depan seperti komputasi kuantum dan formulasi material baru dengan lebih sedikit elemen kritis. Discovery diharapkan memungkinkan QMCPACK menjalankan simulasi yang lebih besar, lebih cepat, dan lebih akurat, sekaligus membantu membandingkan metode lain.
4. QUDA_LAPH: Menguak Interaksi Partikel Subatomik
Untuk memahami bagaimana proton dan neutron berinteraksi, para ilmuwan perlu memodelkan kromodinamika kuantum (QCD). Proyek QUDA_LAPH akan mendukung riset tentang QCD, teori yang menjelaskan gaya kuat yang mengikat quark menjadi partikel subatom. Dipimpin oleh Andre Walker-Loud dari Lawrence Berkeley National Laboratory, proyek ini bertujuan menggunakan Discovery untuk menjalankan simulasi yang lebih besar dengan lebih sedikit perkiraan. Hal ini dapat membantu para ilmuwan menghitung massa kuantum secara lebih akurat dan lebih memahami interaksi yang melibatkan proton dan neutron.
5. ALF: Mempercepat Simulasi Atom dengan AI
Simulasi atomistik bergantung pada perhitungan yang sangat presisi dari energi total dan gaya atom. Active Learning Framework (ALF) akan membantu para ilmuwan meningkatkan simulasi tersebut dengan berfokus pada machine learning interatomic potentials (MLIP). MLIP berada di antara medan gaya klasik dan metode mekanika kuantum. Dipimpin oleh Richard Messerly dari ORNL, proyek ini dapat menggunakan Discovery untuk mempercepat seluruh alur kerja ALF, mulai dari memilih data dan menjalankan perhitungan mekanika kuantum hingga melatih model. Tujuannya adalah membangun MLIP lebih cepat menggunakan dataset yang lebih kecil dan lebih mudah dikelola.
6. S3D-Regent: Mengatasi Polusi dari Turbin Gas Generasi Berikutnya
Turbin gas fleksibel generasi berikutnya dapat membantu mengatasi permintaan energi, tetapi polusi nitrogen oksidanya belum sepenuhnya dipahami. Proyek S3D-Regent, dipimpin oleh Jacqueline Chen dari Sandia National Laboratories, akan memodelkan pencampuran api turbulen dan kimia kompleks di dalam turbin tersebut. Discovery akan memungkinkan peneliti menjalankan simulasi numerik langsung yang menangkap turbulensi skala besar dan ketidakstabilan skala kecil. Pekerjaan ini dapat mendukung desain turbin yang lebih bersih, lebih aman, dan lebih efisien.
7. GENESIS: Mendesain Mesin Pesawat Open-Fan
Mesin pesawat open-fan berpotensi mengurangi konsumsi bahan bakar hingga 20 persen, tetapi mensimulasikan aliran udara di sekitar mesin dan seluruh pesawat sangatlah menuntut. Proyek GENESIS dari GE Aerospace Research akan mengatasi tantangan itu menggunakan Discovery. Dipimpin oleh Eduardo Jourdan de Araujo Jorge Filho, proyek ini akan menggabungkan model machine learning dan AI dengan solver LES yang canggih. Simulasi ini dapat melacak triliunan variabel selama miliaran langkah waktu, membantu membuka jalan bagi desain pesawat open-fan di masa depan.
8. PIConGPU: Mendorong Riset Energi Fusi
Energi fusi menjanjikan sumber energi bersih yang hampir tak terbatas, namun desain reaktor tetap menjadi tantangan teknis utama. Proyek PIConGPU akan mendukung riset tentang fusi yang digerakkan laser, termasuk desain target nanostruktur canggih. Dipimpin oleh Sunita Chandrasekaran dari University of Delaware dan termasuk Helmholtz-Zentrum Dresden-Rossendorf di Jerman, proyek ini menggunakan kekuatan komputasi Discovery dan optimalisasi AI. Peneliti bertujuan menjalankan simulasi fidelitas tinggi yang dapat mengidentifikasi desain target fusi yang lebih efektif dengan lebih cepat dan simulasi yang lebih sedikit.
Baca Juga:
9. SPARC: Mengubah Metana Menjadi Metanol
Mengubah metana menjadi metanol telah lama menjadi tujuan dalam industri energi, tetapi kimianya masih sulit dipastikan. Proyek SPARC, dipimpin oleh Phanish Suryanarayana dari Georgia Institute of Technology, akan mempelajari proses konversi tersebut. Proyek ini berfokus pada katalis tembaga-zeolit, di mana para ilmuwan masih belum sepenuhnya memahami struktur tembaga-oksigen yang bertanggung jawab atas aktivasi ikatan karbon-hidrogen. Hasil eksperimen juga tidak selaras dengan perhitungan teori fungsional densitas (DFT). SPARC akan menggunakan perhitungan pendekatan random phase banyak-tubuh, yang lebih akurat daripada pendekatan DFT tipikal, untuk menghasilkan energi reaksi benchmark dan hambatan aktivasi yang lebih andal.
Kesimpulan: Discovery, Landasan Peluncuran Sains Berbasis AI
Sembilan proyek ini menunjukkan bagaimana Discovery dipersiapkan bahkan sebelum sistemnya online. Mulai dari mesin pesawat dan energi fusi hingga materi gelap, material kuantum, dan konversi metana, sistem ini diposisikan sebagai landasan peluncuran untuk sains berbasis AI sejak hari pertama. Dengan GPU AMD yang bertenaga dan arsitektur eksaskala, Discovery tidak hanya akan menjadi superkomputer tercepat, tetapi juga katalis untuk penemuan ilmiah yang revolusioner. Ini adalah pengingat bahwa Smartphone Premium dengan AI hanyalah puncak gunung es dari potensi teknologi yang jauh lebih besar.
Kehadiran Discovery menandai era baru komputasi ilmiah, di mana AI dan simulasi skala besar berpadu untuk memecahkan masalah paling kompleks di dunia. Ini bukan hanya tentang kecepatan, tetapi tentang presisi dan skala yang memungkinkan para ilmuwan untuk mengeksplorasi pertanyaan-pertanyaan yang sebelumnya mustahil untuk dijawab.
Komentar
Belum ada komentar.