机器学习分子动力学精度提至1亿原子 中美团队获超算诺奖

有超算届的诺贝尔奖的戈登·贝尔奖日前公布，由中美科学家组成的研究团队因“结合分子建模、机器学习和高性能计算相关方法，将具有从头算精度的分子动力学模拟的极限提升至1亿个原子规模”获奖。

这个中美团队是来自加州大学伯克利分校的贾伟乐和林霖、北京应用物理和计算数学研究所副研究员王涵、北京大学应用物理与技术研究中心研究员陈默涵及其研究生路登辉，普林斯顿大学张林峰博士以及该校教授鄂维南、罗伯托·卡尔。该研究工作的论文地址可参考：https://arxiv.org/abs/2005.00223

颁发该奖项的美国计算机协会认为，基于深度学习的分子动力学模拟通过机器学习和大规模并行的方法，将精确的物理建模带入了更大尺度的材料模拟中，有望在将来为力学、化学、材料、生物乃至工程领域解决实际问题发挥更大作用。

计算效率和精度就如同“鱼和熊掌不可兼得”，困扰着分子动力学。基于经验力场的分子动力学方法效率高精度差，而基于第一性原理（的分子动力学方法精度较高但效率低。而基于深度学习的分子动力学方法较好的结合了第一性原理方法的精度和经验力场的效率，显示出了其优势并已被快速推广使用。

该研究团队实现了深度学习分子模拟方法软件DeepMD-kit在CPU-GPU硬件架构上的编程与超大规模并行，在美国Summit超级计算机上测试了超过一亿个原子的分子动力学模拟计算，达到了双精度91 PFLOPS，混合单精度162 PFLOPS，混合半精度275 PFLOPS的峰值浮点运算能力。研究团队还采用该方法模拟了铜纳米晶粒拉伸后产生位错的过程（如图所示），这是传统第一性原理方法无法模拟的大尺度计算。

铜纳米晶粒（包含一千万个原子以上）的拉伸模拟。（a）具有面心立方晶体结构的铜原子（紫色），晶界原子（黄色）。（b）沿z轴拉伸10%后的铜纳米晶粒产生位错结构（青色）

这并不是中国团队第一次获得该项殊荣。

2016年，中科院软件所杨超研究员与清华大学副教授薛巍、付昊桓等人联合北师大组成的研究团队凭借在“神威·太湖之光”上运行的“全球大气非静力云分辨模拟”应用获奖。它的获奖实现了我国高性能计算应用在此奖项上零的突破。除最终获奖的引用外，中科院计算机网络信息中心的“钛合金微结构演化相场模拟”以及国家海洋局第一海洋研究所与清华大学合作的“高分辨率海浪数值模拟”两项目也获得入围。

2017年，由清华大学地球系统科学系副教授付昊桓等共同领导的团队所完成的“非线性地震模拟”获奖。该项目设计实现了可扩展性的非线性地震模拟应用平台，是超级计算机在地震灾害研究方面的一次成功应用。

设立于1987年的“戈登·贝尔”奖被称为“高性能计算领域的诺贝尔奖”，是国际高性能计算应用领域的最高学术奖项，由美国计算机协会与美国电气电子工程师协会联合颁发。

参考地址

1.北京大学应用物理与技术研究中心陈默涵及合作者入围国际高性能计算领域“戈登贝尔奖”决赛
http://pkunews.pku.edu.cn/pub/pkunews/xwzh/f20aea042065436ebd31e4665c214673.htm

2.戈登·贝尔奖出炉，8人团队中7张中国面孔
http://news.sciencenet.cn/htmlnews/2020/11/448930.shtm