NVIDIA расширяет библиотеки CUDA-X для ускорения научных исследований в различных областях

Image: NVIDIA · Source
NVIDIA улучшила свои библиотеки CUDA-X новыми модулями, такими как cuPhoton, cuPotential и cuSpa, чтобы ускорить анализ данных и моделирование в областях от астрофизики до разработки лекарств, обеспечивая более быстрые и сложные научные симуляции и открытия с использованием ИИ.
Компания NVIDIA объявила о значительном расширении своих библиотек CUDA-X, представив новые инструменты, предназначенные для ускорения научных исследований в различных дисциплинах, таких как астрофизика, энергия термоядерного синтеза, молекулярная биология и материаловедение. Ключевые нововведения, такие как cuPhoton, cuPotential и cuSpa, предоставляют исследователям возможности ускоренной обработки на GPU для анализа больших наборов данных и моделирования сложных систем значительно быстрее, чем ранее.
Ярким примером является cuPhoton.xBeam, часть набора инструментов cuPhoton, который существенно ускоряет корреляцию данных для проекта Event Horizon Telescope (EHT). Глобальная сеть радиотелескопов генерирует петабайты данных, требующих интенсивной обработки, чтобы создавать изображения черных дыр. Используя cuPhoton.xBeam на мульти-GPU системах, исследователи EHT сократили время корреляции данных с более месяца до всего восьми минут, что позволяет практически в реальном времени восстанавливать феномены, такие как черная дыра в галактике Messier 87*, и улучшать изучение динамики газа вокруг черных дыр.
В области исследований энергии синтеза модуль cuPhoton.xLens поддерживает визуализацию и получение данных во время симуляций плазмы. Поскольку каждый временной шаг симуляции на петаскейлах традиционно занимает дни, этот инструмент помогает исследователям интерактивно управлять симуляциями при помощи ИИ-агентов, работающих на основе NVIDIA Nemotron, что потенциально ускоряет прогресс в проектировании термоядерных реакторов.
В разработке лекарств библиотека cuPotential ускоряет симуляции молекулярной динамики до трех раз, повышая стабильность и точность. Сотрудничество с организациями, такими как Flatiron Institute фонда Симонс, и фармацевтическими компаниями включает интеграцию cuPotential для выявления молекулярных участков связывания, генерации синтетических обучающих данных для моделей ИИ и повышения эффективности рабочих процессов с такими движками, как AMBER, NAMD и GROMACS.
Материаловедение выигрывает от ускоренных вычислений квантовой механики с помощью Daviator для Vienna Ab initio Simulation Package, обеспечивая до 22-кратного увеличения скорости. Кроме того, Национальная лаборатория Лоуренса Беркли использует сетевую библиотеку NVIDIA DAQIRI для обработки данных электронной микроскопии в реальном времени, позволяя выявлять новые элементные особенности в ходе экспериментов.
Биологические исследования получают преимущества с помощью cuSpa, который ускоряет вычисления пространственных графов полигонов клеток с улучшением скорости до 900 раз по сравнению с CPU-методами. Интегрированный с фреймворком rapids-singlecell, он обеспечивает сверхбыстрый анализ данных одиночных клеток и используется учреждениями, такими как Мемориальный онкологический центр имени Слоуна-Кеттеринга, и компаниями Therna Biosciences и 10x Genomics для ускорения разработки терапий и углубления знаний в области пространственной биологии. Кроме того, открытая библиотека HMMER с GPU-ускорением ускоряет аннотацию белковых последовательностей до 84 раз, поддерживая разработку фундаментальных моделей в биологических приложениях.
В целом, расширенные библиотеки CUDA-X от NVIDIA предоставляют AI-агентам и исследователям мощные инструменты на базе GPU для работы с гораздо большими наборами данных и сложными моделями, ускоряя открытия в широком спектре научных областей. Исследователи, использующие эти новшества, могут рассчитывать на значительно более быстрые аналитические процессы, обратную связь от экспериментов в реальном времени и улучшенную интеграцию методов ИИ в научные рабочие процессы.
Для получения более технических деталей NVIDIA предлагает расширенную документацию и тематические исследования на своём блоге, демонстрирующие прорывы с использованием GPU, такие как реконструкция изображений черных дыр и управление симуляциями термоядерного синтеза.
Источники и первоисточники
Read the original source ↗

Комментарии (0)
Комментариев пока нет. Начните обсуждение.
Написать комментарий
Комментарии публикуются после модерации. Ваше имя и комментарий будут видны всем. Аккаунт