NVIDIA erweitert CUDA-X-Bibliotheken für schnellere wissenschaftliche Entdeckungen

NVIDIA hat sein Portfolio der CUDA-X-Bibliotheken um cuPhoton, cuPotential und cuSpa erweitert. Forschende erhalten damit Werkzeuge, um große Datensätze zu verarbeiten und komplexe Systeme in verschiedenen Wissenschaftsbereichen zu modellieren. Nach Angaben des Unternehmens stellen die Bibliotheken auch KI-Agenten Fähigkeiten zur Verfügung, die Wissenschaftler bei der Ergebnisanalyse unterstützen und Entdeckungen beschleunigen können.
- NVIDIA hat CUDA-X um cuPhoton, cuPotential und cuSpa erweitert.
- cuPhoton verkürzte eine Analyse des Event Horizon Telescope laut NVIDIA von mehr als einem Monat auf acht Minuten.
- cuPotential beschleunigt Molekülsimulationssoftware um bis zu 3x.
- cuSpa erzielte bei der Berechnung von Zellpolygonen gegenüber CPUs eine 900-fache Beschleunigung.
- NVIDIA zufolge erreichte Basecamp Research mit der GPU-beschleunigten HMMER-Bibliothek bis zu 84x schnellere Suchen.
Von der Aufnahme Schwarzer Löcher bis zur Fusionsforschung
NVIDIA zufolge kann das cuPhoton Toolkit die für die Verarbeitung von Beobachtungen des Event Horizon Telescope benötigte Zeit erheblich verkürzen. Das Teleskop verbindet Radioteleskope auf der ganzen Welt und erzeugt Datenmengen im Petabyte-Bereich. Mit dem Modul cuPhoton.xBeam dauert eine Analyse, die früher mehr als einen Monat beanspruchte, laut NVIDIA nun acht Minuten.
Nach Angaben des Unternehmens wurde cuPhoton eingesetzt, um Beobachtungen der Jets der Schwarzen Löcher J1924 und 3C279 zu korrelieren. Der gesamte Ablauf einschließlich Laden, Verarbeitung und Visualisierung der Daten läuft auf verteilten Multi-GPU-Systemen oder einem NVIDIA DGX Spark. NVIDIA zufolge unterstützt dies die Arbeit daran, die Galaxie mit dem Schwarzen Loch Messier 87* in Echtzeit zu rekonstruieren und zu untersuchen, wie sich Gas unter dem Einfluss der Gravitation eines Schwarzen Lochs bewegt.
Forschende von Pacific Fusion nutzten das Modul cuPhoton.xLens, um während laufender Plasmasimulationen Informationen zu extrahieren. NVIDIA zufolge lässt sich der Ablauf mit einem lokal ausgeführten, von NVIDIA Nemotron betriebenen Agenten koppeln. Dadurch wird eine interaktive Analyse ermöglicht, die Simulationen in Echtzeit steuern und so bei der Entwicklung von Targets und Kammern für Fusionsreaktoren helfen kann.
Bibliotheken für die Arzneimittel- und Materialforschung
NVIDIA cuPotential soll Molekülsimulationen beschleunigen, mit denen Wirkstoffkandidaten vor Laborexperimenten bewertet werden. Die Bibliothek basiert auf Arbeiten von Forschenden des Flatiron Institute der Simons Foundation und von D. E. Shaw Research. Laut NVIDIA beschleunigt sie bestehende Simulationssoftware um bis zu 3x und verbessert zugleich Stabilität und Genauigkeit der Berechnungen.
Nach Angaben des Unternehmens kann cuPotential die Erzeugung synthetischer Daten für generative KI-Modelle beschleunigen, bislang unbekannte molekulare Bindungsstellen aufspüren und die Stärke molekularer Wechselwirkungen berechnen. NVIDIA arbeitet mit Schrödinger sowie mit den Communities rund um AMBER, NAMD, GROMACS, LAMMPS und die Open Molecular Software Foundation zusammen. Cadence, Fathom Therapeutics, Topos Bio, Genesis Molecular AI und Terray Therapeutics setzen die Technologie für die Wirkstoffforschung ein.
Daviator, eine Sammlung gebündelter GPU-Kernels für das Vienna Ab initio Simulation Package, kommt zu NVIDIA ALCHEMI. NVIDIA zufolge kann die Bibliothek quantenmechanische Berechnungen bis zu 22x schneller und mit bis zu 75% geringeren Kosten ausführen. Am Lawrence Berkeley National Laboratory verbindet die NVIDIA-Netzwerkbibliothek DAQIRI einen Elektronenmikroskop-Detektor direkt mit der GPU-Verarbeitung und ermöglicht so Analysen während der Experimente.
Skalierung der Einzelzell- und Bioanalyse
Das neu als Open Source veröffentlichte cuSpa beschleunigt die Berechnung von Zellpolygonen für große räumliche Graphen, die in Patienten- und Krebsmodellen zum Einsatz kommen. Forschende am Memorial Sloan Kettering Cancer Center erzielten laut NVIDIA eine 900-fache Beschleunigung gegenüber CPUs.
Das gemeinsam mit scverse entwickelte Framework rapids-singlecell beschleunigt Einzelzellenanalysen und ist in einem für Agenten geeigneten Container verfügbar. Therna Biosciences verarbeitete Daten mit dem Tool für die Entwicklung von Therapien 200x schneller, so NVIDIA. 10x Genomics hat rapids-singlecell in seine Sentira-Plattform für akademische Forschende, Biopharma-Teams und Entwickler von Foundation-Modellen integriert.
NVIDIA erklärt außerdem, dass seine als Open Source veröffentlichte und GPU-beschleunigte HMMER-Bibliothek die Annotation vorhergesagter Proteinsequenzen unterstützt. Bei Basecamp Research liefen Benchmark-Suchen bis zu 84x schneller als mit dem standardmäßigen HMMER. Dadurch verkürzt sich die für die Annotation biologischer Datensätze benötigte Zeit, die zum Training von Modellen für die Entwicklung von Therapien verwendet werden. Zusammengenommen zeigen die Beispiele, wie NVIDIA CUDA-X als Infrastruktur für Forschungsabläufe positioniert, bei denen schnellere Verarbeitung die Analyse näher an das Experiment bringen und wissenschaftliche Arbeit mit Unterstützung von Agenten ermöglichen kann.


