China ha vuelto a destacar en el ámbito del supercómputo con un avance significativo en el nuevo superordenador Sunway “OceanLite”. Un equipo de investigación ha logrado que las redes neuronales de estados cuánticos (NNQS) escalen a tamaños moleculares de relevancia, manteniendo una eficiencia casi perfecta en decenas de millones de núcleos. Este desarrollo abre una vía pragmática para modelar materiales y reacciones químicas con la computación clásica más avanzada, sin tener que esperar la llegada de procesadores cuánticos más desarrollados.
El equipo ha llevado a exaescala un enfoque previamente conocido, donde una red neuronal se entrena para aproximar la función de onda de un sistema electrónico, lo que permite predecir propiedades y energías. La innovación se encuentra en la implementación de un sistema NNQS-Transformer adaptado a la arquitectura especial de Sunway, compuesta por núcleos ligeros que gestionan la memoria local y núcleos de control para coordinar comunicaciones. El resultado ha sido un asombroso 92% de escalado fuerte y 98% de escalado débil en un entorno que utiliza aproximadamente 37 millones de núcleos.
Este logro es de gran relevancia porque las NNQS se habían limitado tradicionalmente a sistemas pequeños. Con la posibilidad de trabajar con estructuras de hasta 120 orbitales de espín, este método se aproxima a moléculas y materiales con un interés práctico considerable. Esto podría agilizar el descubrimiento de nuevos compuestos, catalizadores y fármacos antes de que los ordenadores cuánticos estén en pleno funcionamiento para estas aplicaciones.
Sunway “OceanLite”, sucesor de TaihuLight, emplea chips SW26010-Pro organizados en clústeres de núcleos con memoria cercana, en lugar de las tradicionales jerarquías de cachés. El sistema, compuesto por más de 40 millones de núcleos, ha demostrado su capacidad de rendimiento en exaescala para diversos retos científicos. Un detalle interesante es el uso del lenguaje Julia en su stack de software, permitiendo un prototipado rápido sin sacrificar rendimiento.
El próximo desafío es gestionar la enorme cantidad de datos generados por estas simulaciones, lo que implica mejorar las capacidades de almacenamiento y red para mantener la eficiencia teórica. También es necesario ampliar el catálogo de sistemas probados y validar el enfoque frente a métodos de referencia en química cuántica.
Este avance representa un mensaje importante para la comunidad científica: las redes neuronales no reemplazan a la física cuántica, sino que la aproximan con una eficacia coste-precisión cada vez más atractiva en supercomputadores actuales. En un futuro cercano, se espera que colaboraciones cruzadas entre químicos, expertos en computación de alto rendimiento y proveedores de tecnología permitan el desarrollo de materiales y fármacos más rápidamente.
El camino a seguir incluye más validaciones químicas, mejoras en I/O para redes más inteligentes y almacenamiento más rápido, así como la portabilidad de estos resultados a otras arquitecturas de exaescala, consolidando el enfoque como una herramienta de trabajo y no solo un hito tecnológico.
