Tipo di documento: articolo accademico / Policy Forum pubblicato su Science.
Link per consultare/scaricare il documento: Science – “Scientific computing in an AI world”
Un articolo pubblicato su Science avverte che il calcolo scientifico deve adattarsi all’era dell’intelligenza artificiale: non basta più aumentare la potenza dei supercomputer, servono simulazioni integrate con AI, nuovi benchmark e sistemi molto più efficienti dal punto di vista energetico.
Il calcolo scientifico entra in una fase di trasformazione profonda. Nel Policy Forum “Scientific computing in an AI world”, pubblicato il 18 giugno 2026 su Science, Jack Dongarra, Daniel Reed e Dennis Gannon sostengono che la comunità dell’High Performance Computing non può più guidare da sola l’innovazione hardware come in passato: il baricentro tecnologico si è spostato verso infrastrutture dominate dall’AI e dai grandi operatori cloud.
Secondo gli autori, la priorità è integrare intelligenza artificiale e simulazione scientifica. L’AI può accelerare modelli climatici, fisici, biologici e ingegneristici, ma la validazione scientifica resta decisiva: dati e modelli diventano “capitale intellettuale” da preservare, documentare e rendere riutilizzabile. Il lavoro propone anche una suite minima di benchmark costruiti sui flussi di lavoro reali, non solo su misure astratte di velocità.
Il tema energetico è centrale. L’exascale computing, definito dal Dipartimento dell’Energia statunitense come capacità di eseguire circa 10¹⁸ operazioni al secondo, promette progressi in energia, salute, sicurezza e ricerca scientifica, ma richiede infrastrutture costose e ad alto consumo. Il programma Exascale Computing Project del DOE, concluso nel 2024, ha coinvolto circa 2.800 collaboratori e 1,8 miliardi di dollari per costruire un ecosistema exascale.
Il messaggio etico è chiaro: la scienza computazionale deve evitare una dipendenza opaca da piattaforme chiuse, consumi non sostenibili e modelli non verificabili. La proposta finale è un “moonshot” per ridurre drasticamente l’energia necessaria per ottenere risultati scientifici validati, combinando architetture, software, algoritmi e governance dei dati.
Cronologia essenziale
2016-2024: il DOE coordina l’Exascale Computing Project per creare l’ecosistema exascale statunitense.
18 giugno 2026: Science pubblica il Policy Forum di Dongarra, Reed e Gannon.
2026: il dibattito si concentra su AI, simulazione, energia e benchmark orientati ai workflow.
Approfondimenti consigliati
- Scheda PubMed dell’articolo
- Comunicato AAAS/EurekAlert
- DOE: che cos’è l’exascale computing
- Exascale Computing Project
Abstract: pro, rischi e impatto sociale
Il vantaggio principale è una scienza più rapida e precisa: AI e simulazione possono accelerare scoperte in clima, medicina, materiali ed energia. I rischi riguardano consumo energetico, concentrazione tecnologica, dipendenza da infrastrutture private, opacità dei modelli e disuguaglianze di accesso. In futuro, la qualità dell’interazione sociale con la scienza dipenderà dalla capacità di rendere trasparenti dati, modelli, costi ambientali e criteri di validazione.
