
NVIDIA 扩展 CUDA-X 库,为 AI 智能体提供加速科学发现的工具
来源标题:NVIDIA CUDA-X Libraries Give Agents the Tools to Accelerate Scientific Discovery
NVIDIA 扩展 CUDA-X 库,新增 cuPhoton、cuPotential 和 cuSpa,让 AI 智能体帮助研究人员加速从天体物理到单细胞生物学的科学发现。借助 cuPhoton.xBeam,事件视界望远镜的黑洞观测数据关联分析从超过一个月缩短到八分钟。cuPhoton 还成功关联了黑洞喷流 J1924 和 3C279 的观测数据。
以下正文由 AI 翻译自 NVIDIA Blog(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
借助扩展后的 NVIDIA CUDA-X 库(包括 cuPhoton、cuPotential 和 cuSpa),研究人员能够从海量数据中筛选信息,从而加速从天体物理学、材料科学到单细胞生物学等领域的研究。这些加速效果正帮助科学家分析更大的数据集,并对更复杂的系统进行建模。这些新库为 AI 智能体提供了工具,帮助研究人员以前所未有的速度实现发现。阅读 NVIDIA 在 SC26 上的所有公告
让黑洞清晰成像
观测黑洞需要一台地球大小的望远镜。事件视界望远镜(Event Horizon Telescope)将全球各地的射电天线连接起来,产生数 PB 的数据,处理这些数据可能需要数月时间。借助 NVIDIA cuPhoton.xBeam(cuPhoton 工具包中的一个模块),事件视界望远镜的黑洞观测数据现在能够以比以往快几个数量级的速度进行相关处理。曾经需要超过一个月完成的分析,现在只需八分钟。通过将全球射电天线组合成地球大小的孔径,cuPhoton 提供了前所未有的天文成像分辨率。cuPhoton 成功对夜空中的强黑洞喷流 J1924 和 3C279 的观测数据进行了相关处理——使实时重建 Messier 87* 黑洞星系成为现实。整个流程——从数据加载、处理到可视化——可在分布式多 GPU 系统或紧凑型 NVIDIA DGX Spark 系统上运行,帮助科学家研究气体如何在黑洞强大的引力作用下向内螺旋运动。
引导聚变模拟
将等离子体维持在数百万度的高温,是实现稳定、持续聚变能量的关键。但模拟其行为成本高昂:在千万亿次级的系统上,单个时间步长可能需要数天,而模拟会持续数周。实验产生数据的速度也快于传统流程的处理能力,科学家往往要等到实验结束后才能分析结果。Pacific Fusion 的研究人员使用 NVIDIA cuPhoton.xLens 模块,在等离子体模拟运行过程中提取洞察,帮助他们在结果出现时可视化正在发生的情况。NVIDIA cuPhoton.xLens 模块在等离子体模拟运行过程中提取洞察,帮助研究人员在结果出现时理解正在发生的情况。研究人员可以将整个流程与一个由 NVIDIA Nemotron 驱动的智能体耦合,该智能体在同一系统上本地运行,从而实现交互式分析,帮助实时引导模拟,为聚变反应堆靶区和腔室设计提供信息。
探索潜在药物
分子模拟帮助科学家在昂贵的实验室实验之前评估药物设计。NVIDIA cuPotential 基于 Simons Foundation 旗下 Flatiron Institute 和 D. E. Shaw Research 研究人员的工作构建,可将现有模拟软件加速最高 3 倍,同时提升计算的稳定性和准确性。它加快了为生成式 AI 模型创建合成数据的速度,能够发现此前未知的分子结合位点,并计算分子相互作用的强度。NVIDIA 正与 Schrödinger 以及 AMBER、NAMD、GROMACS、LAMMPS 和 Open Molecular Software Foundation 社区合作,将 cuPotential 加速引入分子动力学引擎和工作流。Cadence、Fathom Therapeutics、Topos Bio、Genesis Molecular AI 和 Terray Therapeutics 正在采用该技术进行药物发现。
加速材料研究
Daviator 是一组面向广泛使用的 Vienna Ab initio Simulation Package 的批处理 GPU 内核,即将登陆 NVIDIA ALCHEMI——提供最高 22 倍的量子力学计算速度,并将成本降低最高 75%。借助 Daviator,构建模拟模型的研究人员现在可以在各种规模的原子系统上使用 GPU 加速,生成模型训练和推理所需的数百万次原子相互作用计算,包括此前在 CPU 上运行更快的小型系统。在 Lawrence Berkeley National Laboratory,NVIDIA DAQIRI 网络库将高速电子显微镜探测器连接到 GPU 处理,将分析移入实验过程本身。研究人员可以在测量进行的同时识别有用信号、发现此前未知的感兴趣区域,并决定下一步测量什么。该工作流支持能够区分元素的原子分辨率材料研究,为未来的自动化实验奠定基础。
大规模揭示生物学
新开源的 cuSpa 加速了细胞多边形计算,使开发者能够在 Memorial Sloan Kettering Cancer Center 为下一代患者和癌症模型生成大规模空间图,与使用 CPU 相比实现了 900 倍的加速。rapids-singlecell 框架由 NVIDIA 与 scverse 共同开发,可加速单细胞分析——现已打包在一个可直接供智能体使用的单一容器中。借助该工具,Therna Biosciences 将治疗设计的数据处理速度提升了 200 倍。10x Genomics 在其新的 Sentira 平台中集成了 rapids-singlecell,帮助学术研究人员、生物制药团队和基础模型构建者加速从大规模空间数据到生物学洞察的转化路径。此外,同样开源的 NVIDIA GPU 加速 HMMER 库可加速预测蛋白质序列的注释,支持生物基础模型的数据准备。在 Basecamp Research,基准搜索的运行速度比标准 HMMER 快最高 84 倍,缩短了注释该公司治疗设计模型训练所用大型生物数据集所需的时间。探索 NVIDIA CUDA-X 库。在此技术博客中了解更多关于 GPU 驱动的黑洞重建的内容。阅读 NVIDIA 在 SC26 上的所有公告
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。