NVIDIA lanserar DGX Spark HPC Developer Kit för att ge superdatorprestanda till forskares skrivbord

Bild: NVIDIA · Källa
NVIDIA presenterade DGX Spark HPC Developer Kit på SC26, vilket möjliggör för forskare att köra multi-nod vetenskapliga och AI-arbetsbelastningar lokalt med ett fyranods-kluster av DGX Spark-system kopplade för hög prestanda utan externa switchar.
På superdatorkonferensen SC26 i Chicago introducerade NVIDIA DGX Spark HPC Developer Kit, riktat mot forskare, akademiker och utvecklare som söker dedikerade högpresterande beräkningsresurser. Kitet består av ett fyranods-kluster av NVIDIA DGX Spark-system, sammankopplade i en ringtopologi över NVIDIA ConnectX-7-nätverk. Denna design eliminerar behovet av externa nätverksswitchar, vilket förenklar installationen och minskar overhead.
Varje DGX Spark-nod integrerar GB10 Grace Blackwell Superchip, och tillsammans erbjuder fyranods-klustret 512 GB minne och 20 TB NVMe-lagring. Detta möjliggör för forskare att distribuera stora AI-modeller och vetenskapliga arbetsbelastningar över klustret. Till exempel demonstrerade NVIDIA distribution av modeller med upp till 700 miljarder parametrar lokalt över klustret med NVFP4-kvantisering. Denna kapacitet möjliggör lokal körning av krävande arbetsuppgifter såsom vetenskapliga simuleringar och stora AI-agenter, vilket borttar beroendet av delade GPU-kluster och minskar kötid.
NVIDIA kommer snart att släppa en playbook för HPC Software Development Kit (SDK) som stöder GPU-acceleration för kompilatorer i C, C++ och Fortran, bibliotek och meddelandeöverföringsgränssnitt. Dessa verktyg underlättar utveckling, felsökning och optimering av multi-nod vetenskapliga applikationer på DGX Spark-klustret innan skalning till större datacentersystem.
Kitet stöder arbetsbelastningar demonstrerade med populär vetenskaplig simuleringsmjukvara inklusive LAMMPS med Kokkos för materialvetenskap, NAMD och GROMACS för molekylär dynamik, OpenFOAM för fluiddynamik och vädermodelleringsmjukvaran WRF. NVIDIAs mikrotjänster såsom OpenFold3 och Boltz-2 möjliggör biomolekylär strukturprediktion, vilket illustrerar systemets breda användbarhet.
Flera forskargrupper nyttjar DGX Spark för att accelerera olika vetenskapliga projekt. Till exempel rapporterade Rubin Lab vid UC Berkeley 15 gånger snabbare resultat vid prediktion av bakteriella egenskaper från genomdata genom att undvika köer i kluster. På liknande sätt uppnådde Hartwig Group vid Berkeley effektiv finjustering av en 120 miljarder parametrars modell för kemiprediktioner lokalt, och gick därmed förbi flerdagars väntetider på delade kluster.
DGX Spark Developer Kit finns kommersiellt tillgängligt genom OEM-partners som Acer, ASUS, Dell Technologies, GIGABYTE, HP, Lenovo, MSI och andra, samt via NVIDIA Marketplace. Genom att placera superdatorprestanda direkt på forskares skrivbord syftar NVIDIA till att förändra arbetsflöden och möjliggöra iterativ utveckling, felsökning och säker hantering av proprietära data och experimentella resultat lokalt.
Parallellt tillkännagav NVIDIA också Nemotron for Science, en plattform som inkluderar deras avancerade 3.5 Super VL språkmodeller, vetenskapliga datamängder och efterträningsrecept för att påskynda upptäckter inom områden som kemi, livsvetenskaper och materialforskning. Nemotron kan köras både på DGX Spark desktop-kluster och datacenterinfrastruktur, och erbjuder flexibel distribution för vetenskapliga AI-agenter i olika skalor.
Sammanfattningsvis representerar NVIDIA DGX Spark Developer Kit ett betydelsefullt steg mot att demokratisera tillgången till multi-nod GPU-superdatorer och ger forskare möjlighet att innovera snabbare med dedikerade, högkapacitetsberäkningsresurser direkt vid sina arbetsstationer.
Källor och ursprunglig rapportering
Läs den ursprungliga källan ↗

Kommentarer (0)
Inga kommentarer ännu. Börja diskussionen.
Skriv en kommentar
Kommentarer publiceras efter granskning. Ditt namn och kommentar syns offentligt. Konto