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.
Контекст: проблема узкого горлышка в науке
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.
Детали: три новых инструмента
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.
Анализ: ИИ как базовая инфраструктура
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.
Перспектива
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.