NVIDIA представила новые программные решения на базе CUDA-X, переводящие сложные научные вычисления из многодневных процессов на CPU в пайплайны реального времени на GPU.
3 мин
На конференции ISC в Гамбурге компания NVIDIA представила новое программное обеспечение, нацеленное на ускорение научных исследований с помощью искусственного интеллекта. Новые библиотеки и микросервисы переводят рабочие процессы, которые раньше занимали часы или дни на центральных процессорах (CPU), в конвейеры реального времени на графических ускорителях (GPU).
Это не просто обновление программного обеспечения, а попытка решить одну из главных проблем современной науки — кризис переизбытка данных, с которым сталкиваются исследовательские центры по всему миру.
Долгое время основным ограничением в научных исследованиях были сами инструменты сбора данных: телескопы, коллайдеры, электронные микроскопы. Однако сегодня ситуация изменилась. Современные приборы генерируют информацию быстрее, чем вычислительные системы способны ее сохранить и проанализировать.
Из-за этого ученые часто вынуждены отбрасывать огромные массивы сырых данных. Переход к вычислениям на GPU с использованием специализированных библиотек позволяет обрабатывать этот поток на лету, сохраняя потенциально важные аномалии, которые иначе были бы потеряны.
Изображение из источника
NVIDIA представила три ключевых продукта в рамках экосистемы CUDA-X, каждый из которых решает специфические задачи в разных научных областях.
Первый инструмент — cuPhoton. Это эталонный код для извлечения данных из многомерных массивов, собранных телескопами или рентгеновскими установками. Во время раннего тестирования cuPhoton ускорил загрузку и чтение астрономических изображений в формате FITS для обсерватории имени Веры Рубин в 14 900 раз. Анализ сигналов стал быстрее в 8 400 раз при использовании суперчипов Grace Blackwell. Это критически важно для обработки снимков миллиардов далеких галактик.
Второй инструмент — DAQIRI (Data Acquisition for Integrated Real-time Instruments). Это высокопроизводительная сетевая библиотека, которая передает потоки данных с датчиков напрямую в программное обеспечение NVIDIA. Яркий пример применения — проект A-GHOST в ЦЕРН. Эксперимент ATLAS генерирует столько данных при столкновении частиц, что более 99% из них обычно удаляется из-за ограничений хранилища. DAQIRI позволяет применять ИИ-анализ в реальном времени, спасая потенциально интересные сигналы до их удаления.
Третий продукт — ALCHEMI. Это набор микросервисов (NIM) для химии и материаловедения. Инструмент позволяет моделировать миллионы молекул одновременно, рассчитывая их стабильность и движение.
Компания Lila Sciences уже применила ALCHEMI для создания автономной лаборатории. Использование микросервисов позволило им ускорить первичный отбор перспективных материалов в 50 раз, а расчет магнитных свойств — на 30%. Применение специализированных ядер TensorNet дало шестикратное ускорение обучения моделей, сократив время симуляций с нескольких недель до нескольких дней.
Изображение из источника
Эти релизы демонстрируют важный сдвиг в стратегии NVIDIA. Компания не просто предоставляет вычислительные мощности, она выстраивает полный программный стек для научного метода.
Когда исследователи начинают использовать ALCHEMI для симуляций, они естественным образом интегрируют и другие продукты экосистемы: генеративные модели BioNeMo для молекулярного дизайна или библиотеки Omniverse для создания цифровых двойников экспериментов. Это формирует сильную зависимость научных институтов от архитектуры CUDA (vendor lock-in), но взамен предоставляет беспрецедентную скорость работы.
Внедрение подобных инструментов меняет сам подход к экспериментам. Вместо последовательного тестирования гипотез ученые переходят к параллельному моделированию миллионов вариантов в памяти графических процессоров.
В ближайшие годы можно ожидать, что такие конвейеры реального времени станут стандартом для всех крупных исследовательских установок. Это ускорит открытия в области энергоэффективных катализаторов, новых аккумуляторов и фундаментальной физики. Однако для полноценного использования этих программных решений научным институтам потребуется масштабное обновление своей аппаратной базы до современных архитектур GPU.
At Cannes Lions, NVIDIA Partners Reshape Advertising and Marketing With AI
Coherent Breaks Ground on Expanded Texas Facility, Scaling AI’s Optical Backbone
NVIDIA Accelerates Google DeepMind’s DiffusionGemma for Local AI
NVIDIA превращает ИИ в базовую инфраструктуру для фундаментальной науки, позволяя обрабатывать петабайты данных в реальном времени и спасать информацию, которая раньше удалялась.
Главная ценность новых инструментов заключается не просто в скорости, а в возможности изменить сам научный метод: от последовательных физических экспериментов к параллельному моделированию миллионов гипотез одновременно.
