NVIDIA lanza el Kit de Desarrollo DGX Spark HPC para llevar la potencia de la supercomputación a los escritorios de los investigadores

Image: NVIDIA · Source
NVIDIA presentó el Kit de Desarrollo DGX Spark HPC en SC26, permitiendo a los investigadores ejecutar cargas de trabajo científicas y de IA multinodo de forma local con un clúster de cuatro nodos de sistemas DGX Spark enlazados para un alto rendimiento sin switches externos.
En la conferencia de supercomputación SC26 en Chicago, NVIDIA presentó el Kit de Desarrollo DGX Spark HPC, dirigido a investigadores, académicos y desarrolladores que buscan recursos dedicados de computación de alto rendimiento. El kit consiste en un clúster de cuatro nodos de sistemas NVIDIA DGX Spark, interconectados en una topología de anillo mediante redes NVIDIA ConnectX-7. Este diseño elimina la necesidad de switches de red externos, simplificando la configuración y reduciendo la complejidad.
Cada nodo DGX Spark integra el Superchip GB10 Grace Blackwell y, combinados, los cuatro nodos del clúster ofrecen 512 GB de memoria y 20 TB de almacenamiento NVMe. Esto permite a los investigadores distribuir grandes modelos de IA y cargas científicas a lo largo del clúster. Por ejemplo, NVIDIA demostró el despliegue local de modelos de hasta 700 mil millones de parámetros en el clúster usando formatos de cuantización NVFP4. Esta capacidad posibilita la ejecución local de cargas demandantes, como simulaciones científicas y agentes de IA grandes, eliminando la dependencia de clústeres GPU compartidos y reduciendo los tiempos de espera.
NVIDIA pronto lanzará un manual para el Kit de Desarrollo de Software HPC (SDK) que incluye compiladores acelerados por GPU para C, C++ y Fortran, bibliotecas e interfaces de paso de mensajes. Estas herramientas facilitan el desarrollo, depuración y optimización de aplicaciones científicas multinodo en el clúster DGX Spark antes de escalar a sistemas mayores en centros de datos.
El kit soporta cargas demostradas con software popular de simulación científica como LAMMPS con Kokkos para ciencia de materiales, NAMD y GROMACS para dinámica molecular, OpenFOAM para dinámica de fluidos y el software de modelado meteorológico WRF. Los microservicios de NVIDIA como OpenFold3 y Boltz-2 permiten la predicción de estructuras biomoleculares, ilustrando la amplia aplicabilidad del sistema.
Diversos grupos de investigación están utilizando DGX Spark para acelerar proyectos científicos variados. Por ejemplo, el Rubin Lab de UC Berkeley reportó resultados 15 veces más rápidos al predecir rasgos bacterianos desde datos genómicos al evitar demoras en colas de clúster. De forma similar, el Hartwig Group en Berkeley logró un ajuste fino eficiente de un modelo de 120 mil millones de parámetros para predicciones químicas localmente, sorteando esperas de varios días en clústeres compartidos.
El Kit de Desarrollo DGX Spark está disponible comercialmente a través de socios OEM como Acer, ASUS, Dell Technologies, GIGABYTE, HP, Lenovo, MSI y otros, así como vía el NVIDIA Marketplace. Al colocar la potencia de la supercomputación directamente en los escritorios de los investigadores, NVIDIA busca transformar los flujos de trabajo, permitiendo desarrollo iterativo, depuración y gestión segura de datos propietarios y resultados experimentales localmente.
Paralelamente, NVIDIA también anunció Nemotron for Science, una plataforma que incorpora sus modelos avanzados de lenguaje 3.5 Super VL, conjuntos de datos científicos y recetas de post-entrenamiento para acelerar descubrimientos en campos como química, ciencias de la vida e investigación de materiales. Nemotron puede ejecutarse tanto en clústeres de escritorio DGX Spark como en infraestructura de centros de datos, ofreciendo despliegue flexible para agentes científicos de IA a distintas escalas.
En conjunto, el Kit de Desarrollo NVIDIA DGX Spark representa un avance significativo hacia la democratización del acceso a supercomputación multinodo con GPU, empoderando a los investigadores para innovar más rápido con recursos de cómputo dedicados y de alta capacidad directamente en sus estaciones de trabajo.
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