美国时间2020年11月19日，在线上举行的2020年全球高性能计算、网络、存储和分析大会（SC20）上，由我院2003级计算机科学与技术专业优秀院友贾伟乐博士（现已加入中国科学院计算技术研究所任副研究员）及其合作者共同完成的应用成果“Pushing the limit of molecular dynamics with ab initio accuracy to 100 million atoms with machine learning.”一举获得国际高性能计算应用领域最高奖——戈登贝尔奖（ACM Gordon Bell Prize）。
第一性原理分子动力学以其高精度和算法复杂著称，长期以来，其计算的空间尺度和时间尺度受算法和算力限制，即使利用世界上最快的超级计算机，也只能计算数千原子体系，模拟时长在皮秒量级（〖10〗^(-12)秒），本次研究工作利用智能超算技术，比过去所有的同类工作计算空间尺度至少增大100倍，同时将计算速度提高至少1000倍，达到了双精度浮点数运算91PFLOPS，混合单精度162PFLOPS，混合半精度274PFLOPS，在极限情况下，可以达到史无前例的1.17EFLOPS。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。这是传统第一性原理方法无法模拟的大尺度计算。
图1.利用深度势能替换第一性原理分子动力学势能面
图2.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）
高性能计算机研究中心主任谭光明研究员评价说：“超级计算机硬件体系架构在朝着智能化的方向发展，然而，传统的科学计算应用软件——比如本工作中涉及的第一性原理分子动力学——难以有效的利用智能部件和算法，这主要源于科学计算多采用‘高性能计算+物理模型’的计算模式。如何将人工智能算法与高性能计算高效结合是高性能计算领域亟待解决的重要问题。”
中科院计算所学术所长孙凝晖院士谈到：“该项工作的创新点在于，在国际上首次采用智能超算与物理模型的结合（HPC+AI+Physical model），引领了科学计算从传统的计算模式朝着智能超算的方向前进”。
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。
戈登贝尔奖设立于1987年，由国际计算机协会（ACM）于每年11月颁发，旨在奖励时代前沿的并行计算研究成果，特别是高性能计算创新应用的杰出成就，被誉为“超级计算应用领域的诺贝尔奖”。与全球高性能计算TOP 500着眼于高速计算硬件性能不同，戈登贝尔奖更注重于高性能计算应用水平。
内容转自中国科学院计算技术研究所官方网站
