NVIDIA Amplía las Bibliotecas CUDA-X para Acelerar la Investigación Científica en Diversos Campos

Image: NVIDIA · Source
NVIDIA ha mejorado sus bibliotecas CUDA-X con nuevos módulos como cuPhoton, cuPotential y cuSpa para acelerar el análisis de datos y la modelización en campos que van desde la astrofísica hasta el descubrimiento de fármacos, permitiendo simulaciones científicas más rápidas y complejas y descubrimientos impulsados por IA.
NVIDIA ha anunciado expansiones significativas en sus bibliotecas CUDA-X, presentando nuevas herramientas diseñadas para acelerar la investigación científica en diversas disciplinas como astrofísica, energía de fusión, biología molecular y ciencia de materiales. Incorporaciones clave como cuPhoton, cuPotential y cuSpa proporcionan a los investigadores capacidades aceleradas por GPU para analizar grandes conjuntos de datos y simular sistemas complejos mucho más rápido que antes.
Un ejemplo destacado es cuPhoton.xBeam, parte del Kit de herramientas cuPhoton, que acelera drásticamente la correlación de datos para el Event Horizon Telescope (EHT). La red global de antenas de radio del telescopio genera petabytes de datos que requieren un procesamiento intenso para crear imágenes de agujeros negros. Al aprovechar cuPhoton.xBeam en sistemas multi-GPU, los investigadores del EHT han reducido los tiempos de correlación de datos de más de un mes a solo ocho minutos, permitiendo la reconstrucción casi en tiempo real de fenómenos como la galaxia con agujero negro Messier 87* y mejorando el estudio de la dinámica del gas de los agujeros negros.
En la investigación de energía de fusión, el módulo cuPhoton.xLens de NVIDIA apoya la visualización y extracción de información durante simulaciones de plasma. Dado que cada paso de simulación en computadoras a nivel petascale tradicionalmente toma días, esta herramienta ayuda a los investigadores a dirigir interactivamente las simulaciones usando agentes de IA potenciados por NVIDIA Nemotron, lo que podría acelerar los avances en el diseño de reactores de fusión.
Para el descubrimiento de fármacos, la biblioteca cuPotential acelera las simulaciones de dinámica molecular hasta tres veces, mejorando la estabilidad y precisión. Colaboraciones con organizaciones como el Flatiron Institute de la Simons Foundation y compañías farmacéuticas están integrando cuPotential para identificar sitios de unión molecular, generar datos sintéticos de entrenamiento para modelos de IA y aumentar la eficiencia de flujos de trabajo impulsados por motores como AMBER, NAMD y GROMACS.
La ciencia de materiales se beneficia de cálculos mecánico-cuánticos acelerados por GPU mediante Daviator para el Vienna Ab initio Simulation Package, prometiendo incrementos de velocidad de hasta 22 veces. Además, el Lawrence Berkeley National Laboratory ha empleado la biblioteca de redes NVIDIA DAQIRI para el procesamiento en tiempo real de datos de microscopía electrónica, permitiendo la identificación de nuevas características elementales durante los experimentos.
La investigación biológica avanza con cuSpa, que acelera cálculos espaciales de grafos poligonales celulares con mejoras de velocidad de hasta 900 veces respecto a métodos con CPU. Integrado con el marco rapids-singlecell, esto habilita un análisis ultrarrápido de datos de célula única, utilizado por instituciones como el Memorial Sloan Kettering Cancer Center y compañías como Therna Biosciences y 10x Genomics para agilizar el diseño terapéutico y obtener conocimientos en biología espacial. Además, la biblioteca HMMER acelerada por GPU y de código abierto acelera la anotación de secuencias de proteínas hasta 84 veces, apoyando el desarrollo de modelos fundamentales en aplicaciones biológicas.
En conjunto, las bibliotecas CUDA-X mejoradas de NVIDIA proporcionan a agentes de IA e investigadores potentes herramientas impulsadas por GPU para manejar conjuntos de datos mucho más grandes y modelos complejos, acelerando el descubrimiento en un amplio rango de campos científicos. Los investigadores que aprovechen estos avances pueden esperar canalizaciones de análisis sustancialmente más rápidas, retroalimentación en tiempo real de experimentos y una mejor integración de métodos de IA en flujos de trabajo científicos.
Para más detalles técnicos, NVIDIA ofrece documentación ampliada y estudios de caso en su blog que muestran avances impulsados por GPU como la reconstrucción de imágenes de agujeros negros y la dirección de simulaciones de fusión.
Fuentes e informes originales
Read the original source ↗

Comentarios (0)
Aún no hay comentarios.
Escribe un comentario
Los comentarios se publican tras moderación. Tu nombre y comentario serán públicos. Cuenta