Budowanie dzisiejszych maszyn wymaga skomplikowanej inżynierii opartej na oprogramowaniu wymagającym ogromnej mocy obliczeniowej. Rozwiązania HPC zapewniają niezbędną moc obliczeniową od początkowej fazy projektowania po testowanie funkcji i symulacje bezpieczeństwa. Superkomputery przetwarzają ogromne ilości danych, wykonują obliczenia w tempie znacznie przewyższającym inne systemy i dostraczają firmom narzędzia do rozwiązywanie problemów, które w innym przypadku byłyby poza zasięgiem. Rozwiązania HPE w zakresie systemów superkomputerowych i sztucznej inteligencji pomagają firmom wydobywać wiedzę i wartość z ogromnych ilości danych, przesuwając tradycyjne granice różnych branż.
Komputery wysokiej wydajności mogą pomóc producentom na każdym etapie rozwoju produktu i obsługi łańcucha dostaw — od przeprowadzania zaawansowanych symulacji projektowych po automatyzację procesów i przewidywanie problemów technicznych. 3M jest doskonałym przykładem tego, jak komputery wysokiej wydajności mogą pomóc zoptymalizować produkcję, dostarczać lepsze produkty i oszczędzać energię. Firma, we współpracy z naukowcami z Argonne National Laboratory, dokonuje transformacji w dziedzinie produkcji, wykorzystując uczenie maszynowe i systemy superkomputerowe. Argonne jest potęgą w dziedzinie przełomowych odkryć naukowych i inżynieryjnych, zajmując się różnymi dziedzinami, takimi jak fizyka wysokich energii, materiałoznawstwo, biologia i nowoczesna informatyka.
Celem firmy 3M było zwiększenie wydajności procesu produkcji włóknin typu melt-blown, które mają kluczowe znaczenie dla wytwarzania produktów takich jak maski na twarz i respiratory. Główny problem polega na tym, że proces ten zużywa dużo energii, co znacząco wpływa na koszty produkcji.
Firma, we współpracy z Argonne National Laboratory, chciała wykorzystać modelowanie komputerowe do usprawnienia produkcji włóknin typu melt-blown. Tradycyjnie takie procesy opierają się na metodzie prób i błędów, co jest powolne i kosztowne w przypadku złożonych procesów, takich jak melt-blowing.
Korzystając z potężnego superkomputera, wdrożono uczenie maszynowe i symulacje do modelowania i optymalizacji produkcji włóknin. Zmniejszyło to zużycie energii o 20%, usprawniło opracowywanie nowych materiałów i poprawiło zrównoważy rozwój w produkcji.
Systemy superkomputerowe umożliwiają naukowcom uzyskanie głębszego wglądu w złożone procesy poprzez tworzenie modeli komputerowych. Zespół wykorzystał superkomputer HPE Cray zainstalowany w Argonne do przeprowadzenia symulacji przy użyciu OpenFOAM, oprogramowania z dziedziny obliczeniowej dynamiki płynów (CFD). Później przeszedł na CONVERGE, inny kod CFD, aby uzyskać większą wydajność dzięki większej liczbie procesorów.
Uczenie maszynowe przyniosło przełom w badaniach, tworząc modele, które mogą przewidywać wyniki bez potrzeby przeprowadzania niezliczonych symulacji lub eksperymentów. Zamiast ręcznie budować ogromne zbiory danych, zespół wykorzystuje sztuczną inteligencję do zaproponowania kolejnej optymalnej symulacji, co umożliwia mu szybkie i ekonomiczne tworzenie dokładnych modeli.
Warto zauważyć, że w Argonne National Laboratory jest zainstalowany również inny superkomputer HPE Cray o nazwie Aurora. Aurora to jak dotąd najbardziej zaawansowany superkomputer w laboratorium, który jest siłą napędową rozwoju naukowego i inżynieryjnego w każdej dziedzinie badań, wykraczając poza wszystko, co do tej pory można było sobie wyobrazić. Mówiąc słowami Ricka Stevensa, profesora informatyki na Uniwersytecie w Chicago i autora inicjatywy komputera eksaskalowego Argonne: „ta jedna maszyna może zrobić więcej niż jakakolwiek chmura, skupiając się na jednym problemie naraz”. Aurora, o szybkości 1012,00 Pflop/s, jest drugim najszybszym superkomputerem na liście Top500, tuż za Frontier, pierwszym zweryfikowanym systemem eksaskalowym wykorzystującym architekturę HPE Cray.
Naukowcy biorący udział w programie Aurora Early Science Program wykorzystują obecnie system Aurora do badania możliwości wykorzystania potencjału generatywnej sztucznej inteligencji w swoich projektach. Jednym z przykładów jest QMCPACK, kod open-source do wykorzystania w materiałoznawstwie i chemii. Kod ten wykorzystuje metodę Quantum Monte Carlo (QMC) do przewidywania interakcji elektronów w różnych materiałach. Jak widzimy, systemy superkomputerowe, takie jak Aurora, torują drogę do przełomowych odkryć, wspomagając badania możliwościami sztucznej inteligencji.
Eksperci z Argonne National Laboratory współpracują również z Raytheon Technologies nad znalezieniem równowagi między wydajnością i okresem eksploatacji silnika odrzutowego. Ma to kluczowe znaczenie, ponieważ lotnictwo odpowiada za 2,5% emisji dwutlenku węgla przez człowieka. Firma Raytheon projektuje silniki lotnicze nowej generacji, aby były bardziej efektywne, ekologiczne i trwałe, a jednocześnie obniżały koszty operacyjne. Superkomputery Argonne odgrywają kluczową rolę w tych wysiłkach, umożliwiając zespołowi opracowanie najnowocześniejszych modeli uczenia maszynowego, które radzą sobie ze złożoną fizyką systemów chłodzenia silników odrzutowych. Efektem jest szybsze projektowanie i testowanie oraz obniżenie zużycia paliwa i kosztów operacyjnych.
Wcześniej naukowcy mieli dwie podstawowe możliwości analizy tych złożonych przepływów: bardzo szczegółowe symulacje CFD, które były bardzo dokładne, ale wyjątkowo kosztowne obliczeniowo, lub symulacje przybliżone, które były szybsze, ale mniej dokładne.
Łącząc możliwości zaawansowanych modeli CFD, komputerów wysokiej wydajności i uczenia maszynowego, dążą do stworzenia podejścia hybrydowego, które oferuje zarówno dokładność, jak i szybkość. Jak mówi Pinaki Pal, starszy naukowiec i kierownik projektu w Argonne National Laboratory: „Możemy teraz generować duże zbiory danych symulacyjnych o wysokiej wierności i wykorzystywać je do trenowania modeli uczenia maszynowego zredukowanego rzędu w skali, która wcześniej była niewyobrażalna. Środowisko komputerów wysokiej wydajności w Argonne znacznie ułatwia i usprawnia naszą pracę.”
Po dopracowaniu modele te umożliwią inżynierom optymalizację chłodzenia powłokowego, prowadząc do zwiększenia trwałości silników i zmniejszenia zapotrzebowania na powietrze chłodzące. Raytheon Technologies następnie wykorzysta tę przełomową technologię. Przełoży się to na większą wydajność silników, niższe zużycie paliwa, a zatem zysk dla firmy, a ostatecznie na bardziej ekologiczną przyszłość z korzyścią dla lotnictwa i naszej planety.
