NVIDIA utvider CUDA-X-bibliotekene for å akselerere vitenskapelig forskning på tvers av flere felt

Bilde: NVIDIA · Kilde
NVIDIA har forbedret sine CUDA-X-biblioteker med nye moduler som cuPhoton, cuPotential og cuSpa for å akselerere dataanalyse og modellering innen felt som astrofysikk til legemiddeloppdagelse, noe som muliggjør raskere og mer komplekse vitenskapelige simuleringer og AI-drevne oppdagelser.
NVIDIA har annonsert betydelige utvidelser av sine CUDA-X-biblioteker og introdusert nye verktøy designet for å akselerere vitenskapelig forskning på tvers av ulike disipliner som astrofysikk, fusjonsenergi, molekylærbiologi og materialvitenskap. Viktige tillegg som cuPhoton, cuPotential og cuSpa gir forskere GPU-akselererte muligheter til å analysere store datasett og simulere komplekse systemer mye raskere enn før.
Et fremtredende eksempel er cuPhoton.xBeam, en del av cuPhoton Toolkit, som dramatisk øker hastigheten på datakorrelasjon for Event Horizon Telescope (EHT). Teleskopets globale nettverk av radioteleskoper genererer petabyte med data som krever intens prosessering for å skape bilder av sorte hull. Ved å benytte cuPhoton.xBeam på multi-GPU-systemer har EHT-forskere redusert datakorrelasjonstiden fra over en måned til bare åtte minutter, noe som muliggjør nesten sanntidsrekonstruksjon av fenomener som Messier 87*-sorte hull-galaksen og forbedret studie av gassdynamikken rundt sorte hull.
Innen fusjonsenergiforskning støtter NVIDIAs cuPhoton.xLens-modul visualisering og innsiktsutvinning under plasmarsimuleringer. Siden hvert simuleringssteg på petaskala-datamaskiner tradisjonelt tar flere dager, hjelper dette verktøyet forskere med interaktiv styring av simuleringer ved bruk av AI-agenter drevet av NVIDIA Nemotron, noe som potensielt kan akselerere fremskritt innen design av fusjonsreaktorer.
For legemiddeloppdagelse akselererer cuPotential-biblioteket molekylærdynamikk-simuleringer med opptil tre ganger, noe som forbedrer stabilitet og nøyaktighet. Samarbeid med organisasjoner som Simons Foundation’s Flatiron Institute og legemiddelselskaper integrerer cuPotential for å identifisere molekylære bindingssteder, generere syntetiske treningsdata for AI-modeller, og øke effektiviteten i arbeidsflyter drevet av motorer som AMBER, NAMD og GROMACS.
Materialvitenskap drar nytte av GPU-akselererte kvantemekaniske beregninger gjennom Daviator for Vienna Ab initio Simulation Package, som lover en hastighetsøkning på opptil 22 ganger. I tillegg har Lawrence Berkeley National Laboratory brukt NVIDIA DAQIRI-nettverksbibliotek for sanntidsbehandling av elektronmikroskopidata, noe som muliggjør identifikasjon av nye elementære trekk under eksperimenter.
Biologisk forskning drar nytte av cuSpa, som akselererer beregning av cellers polygonale romlige grafer med hastighetsforbedringer på opptil 900 ganger over CPU-metoder. Integrert med rapids-singlecell-rammeverket muliggjør dette ultrarask enkeltcelledataanalyse, brukt av institusjoner som Memorial Sloan Kettering Cancer Center og selskaper som Therna Biosciences og 10x Genomics for å fremskynde terapeutisk design og romlig biologisk innsikt. Videre akselererer det åpen kildekode GPU-akselerte HMMER-biblioteket proteinsekvensannotasjon med så mye som 84 ganger, og støtter utviklingen av grunnmodeller i biologiske applikasjoner.
Totalt gir NVIDIAs utvidede CUDA-X-biblioteker AI-agenter og forskere kraftige GPU-drevne verktøy for å håndtere vesentlig større datasett og komplekse modeller, noe som fremskynder oppdagelser på tvers av et bredt spekter av vitenskapelige felt. Forskere som utnytter disse fremskrittene kan forvente betydelig raskere analysepipelines, sanntids eksperimentell tilbakemelding og forbedret integrasjon av AI-metoder i vitenskapelige arbeidsflyter.
For flere tekniske detaljer tilbyr NVIDIA utvidet dokumentasjon og casestudier på sin blogg som viser GPU-drevne gjennombrudd som bilderekonstruksjon av sorte hull og styring av fusjonssimuleringer.
Kilder og originalrapportering
Les originalkilden ↗

Kommentarer (0)
Ingen kommentarer ennå. Start diskusjonen.
Skriv en kommentar
Kommentarer publiseres etter moderering. Ditt navn og kommentar vil være synlige offentlig. Konto