文章标题:NVIDIA CUDA-X Libraries Give Agents the Tools to Accelerate Scientific Discovery
正文: 借助扩展的 NVIDIA CUDA-X 库,包括 cuPhoton、cuPotential 和 cuSpa,研究人员可以筛选海量数据以加速研究,涵盖从天体物理学、材料科学到单细胞生物学的领域。
这些加速效果正在帮助科学家分析更大的数据集,并对更复杂的系统进行建模。
这些新库为 AI 智能体提供了工具,帮助研究人员以前所未有的速度取得发现。
让黑洞清晰成像
观测黑洞需要一台地球大小的望远镜。事件视界望远镜将世界各地的射电天线连接起来,产生的 PB 级数据可能需要数月时间来处理。
借助 NVIDIA cuPhoton.xBeam——cuPhoton 工具包中的一个模块,事件视界望远镜的黑洞观测数据现在可以比以往快几个数量级地进行相关处理。曾经需要超过一个月完成的分析,现在只需八分钟。
通过将全球射电天线组合成地球大小的孔径,cuPhoton 提供了前所未有的天文成像分辨率。cuPhoton 成功地对夜空中强大的黑洞喷流 J1924 和 3C279 的观测数据进行了相关处理——使实时重建 Messier 87* 黑洞星系成为现实。
整个流程,从数据加载、处理到可视化,均在分布式多 GPU 系统或紧凑型 NVIDIA DGX Spark 系统上运行,帮助科学家研究气体如何在黑洞强大的引力作用下向内盘旋。
引导聚变模拟
将等离子体维持在数百万度的高温对于实现稳定、持续的聚变能至关重要。但模拟其行为代价高昂:在千万亿次级的系统上,单个时间步可能需要数天,而模拟会持续数周。实验产生的数据速度也超过了传统流程的处理能力,科学家往往要等到实验结束后才能分析结果。
Pacific Fusion 的研究人员使用 NVIDIA cuPhoton.xLens 模块在等离子体模拟运行过程中提取洞见,帮助他们在结果出现时将其可视化。
NVIDIA cuPhoton.xLens 模块在等离子体模拟运行过程中提取洞见,帮助研究人员在结果出现时理解正在发生的情况。研究人员可以将整个流程与一个由 NVIDIA Nemotron 驱动、在同一系统上本地运行的智能体耦合,实现交互式分析,从而帮助实时引导模拟,为聚变反应堆靶丸和腔室设计提供依据。
探索潜在药物
分子模拟帮助科学家在昂贵的实验室实验之前评估药物设计。NVIDIA cuPotential 基于 Simons Foundation 旗下 Flatiron Institute 和 D. E. Shaw Research 研究人员的工作构建,可将现有模拟软件加速最高 3 倍,同时提高计算的稳定性和准确性。它加快了生成式 AI 模型的合成数据创建,发现此前未知的分子结合位点,并计算分子相互作用的强度。
NVIDIA 正与 Schrödinger 以及 AMBER、NAMD、GROMACS、LAMMPS 和 Open Molecular Software Foundation 社区合作,将 cuPotential 加速引入分子动力学引擎和工作流。
Cadence、Fathom Therapeutics、Topos Bio、Genesis Molecular AI 和 Terray Therapeutics 正在将其用于药物发现。
加速材料研究
Daviator 是一组用于广泛使用的 Vienna Ab initio Simulation Package 的批处理 GPU 内核集合,即将登陆 NVIDIA ALCHEMI——提供最高快 22 倍的量子力学计算,成本最高降低 75%。借助 Daviator,构建模拟模型的研究人员现在可以在各种规模的原子系统上使用 GPU 加速,生成模型训练和推理所需的数百万次原子相互作用计算,包括此前在 CPU 上运行更快的小型系统。
NVIDIA CUDA-X 库为智能体提供加速科学发现的工具
在劳伦斯伯克利国家实验室,NVIDIA DAQIRI 网络库将高速电子显微镜探测器连接到 GPU 处理,把分析工作移入实验过程本身。研究人员可以在测量进行的同时识别有用信号、发现此前未知的感兴趣区域,并决定下一步测量什么。
该工作流支持能够区分元素的原子分辨率材料研究,为未来的自动化实验奠定基础。
大规模揭示生物学
新开源的 cuSpa 加速了细胞多边形计算,使开发者能够在 Memorial Sloan Kettering Cancer Center 为下一代患者模型和癌症模型生成大规模空间图,与使用 CPU 相比实现了 900 倍加速。
rapids-singlecell 框架与 scverse 联合开发,可加速单细胞分析——现已提供在一个单一、智能体就绪的容器中。借助该工具,Therna Biosciences 将治疗设计的数据处理速度提升了 200 倍。10x Genomics 在其新的 Sentira 平台中集成了 rapids-singlecell,帮助学术研究人员、生物制药团队和基础模型构建者加速从大规模空间数据到生物学洞察的路径。
而同样开源的 NVIDIA GPU 加速 HMMER 库,则加速了预测蛋白质序列的注释,为生物基础模型的数据准备提供支持。在 Basecamp Research,基准搜索的运行速度比标准 HMMER 快达 84 倍,缩短了注释用于训练该公司治疗设计模型的大型生物数据集所需的时间。
探索 NVIDIA CUDA-X 库。在这篇关于 GPU 驱动的黑洞重建的技术博客中了解更多。
- AI 基础设施
- 超级计算
相关新闻

NVIDIA 在 MLPerf 训练和端点测试中全面领先,Vera Rubin 首次亮相即展现领先性能

NVIDIA 发布 Rubin HPC——一款用于加速科学、工程和分析领域智能体的新 GPU
