据美国计算机协会（ACM）消息，美国东部时间11月19日，高性能计算领域备受瞩目的戈登·贝尔奖出炉。
ACM将本年度的该奖项颁给了一支由中美科学家组成的研究团队，他们因“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。
他们分别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。值得一提的是，获奖的8人团队中，有7张中国面孔。
该团队在论文摘要中写道：“这项工作的巨大成就在于，它为从头开始准确地模拟前所未有的大小和时间尺度打开了大门，对于更好地集成机器学习和物理建模的下一代超级计算机也提出了新的挑战。”
分子动力学是一种计算机模拟实验方法，可以分析原子和分子在固定时间段内如何移动和相互作用。从头算分子动力学（AIMD）是一种与标准分子动力学略有不同的方法，它在模拟过程中可计算原子间相互作用力。
AIMD的精确度使其成为科学家的首选模拟方法，然而，该方法需要更多的计算，因此仅限于研究最大具有数千个原子的小型系统。
“从2006年到2019年，顶级超算的峰值性能提高了500倍以上，但科学家描述原子在体系中演化过程的工作，可求解的规模体系仅增加了11倍。根据这一规律估计，人们必须再等60多年才能用AIMD模拟一个具有1亿个原子的体系。”张林峰在报告中说道，“这正是机器学习的用武之地。”
张林峰介绍说，使用人工智能技术来拟合基于密度函数理论方法产生的原子间相互作用力，通过线性标度的计算开销将求解的时间和体系规模提高了几个数量级，“从而避免了数十年的等待时间”。
该团队将这一工作在美国超算Summit机器上全机运行，模拟分别实现了双精度91PFlops、混合单精度162PFlops和混合半精度275PFlops的峰值性能。“我们相信，这是第一个将高性能计算、人工智能和物理模型融为一体的工作，它将开辟新的计算范式。”张林峰说。
对于该团队在戈登·贝尔奖竞争中的胜出，ACM评价道，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（如大分子药物开发）发挥更大作用。
《中国科学报》 (2020-11-23 第4版 综合 原题为《中美合作团队摘得2020年戈登·贝尔奖》)
