NVIDIA 近日宣布扩展其 CUDA-X 库,推出一系列新模块,旨在为 AI 代理提供加速科学发现的工具。这些新库包括 cuPhoton、cuPotential 和 cuSpa,覆盖从天体物理学到材料科学、再到单细胞生物学的广泛研究领域。通过显著提升数据处理速度,研究人员现在能够分析更大的数据集并模拟更复杂的系统,从而加速科学发现的进程。
在天体物理学领域,事件视界望远镜(EHT)通过连接全球射电望远镜,生成数 PB 的数据,传统处理流程可能需要数月时间。而借助 NVIDIA cuPhoton.xBeam 模块,EHT 的观测数据关联处理速度提升了数个数量级,原本耗时超过一个月的分析现在仅需八分钟。cuPhoton 通过将全球射电望远镜组合成地球大小的孔径,实现了前所未有的天文成像分辨率。该工具已成功关联了黑洞喷流 J1924 和 3C279 的观测数据,使得实时重建 Messier 87* 黑洞星系成为可能。整个流程——从数据加载、处理到可视化——既可在分布式多 GPU 系统上运行,也可在紧凑的 NVIDIA DGX Spark 系统上完成。
在聚变能源研究方面,维持数百万度的等离子体是实现稳定连续聚变能的关键,但模拟其行为成本高昂:在千万亿次级的系统上,单个时间步长可能需要数天,模拟运行数周。实验产生的数据速度也常常超过传统流程的处理能力,科学家往往要等到实验结束才能分析结果。Pacific Fusion 的研究人员利用 NVIDIA cuPhoton.xLens 模块,在等离子体模拟运行时提取洞察,帮助他们在结果出现时可视化正在发生的过程。研究人员还可以将整个流程与运行在同一系统上的 NVIDIA Nemotron 驱动的代理耦合,实现交互式分析,实时指导模拟,从而为聚变反应堆靶区和腔室设计提供信息。
在药物发现领域,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 的 Flatiron Institute 和 D. E. Shaw Research 的研究成果构建,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。它加速了生成式 AI 模型的合成数据创建,能够发现以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程。Cadence、Fathom Therapeutics、Topos Bio、Genesis Molecular AI 和 Terray Therapeutics 等公司已采用该技术进行药物发现。
在材料研究方面,Daviator——一套用于广泛使用的维也纳从头算模拟包(VASP)的批处理 GPU 内核——即将登陆 NVIDIA ALCHEMI,提供高达 22 倍的量子力学计算加速,并将成本降低最多 75%。借助 Daviator,构建模拟模型的研究人员现在可以在各种大小的原子系统上使用 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,包括以前在 CPU 上运行更快的小型系统。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,将分析移入实验本身。研究人员可以在测量进行时识别有用信号、发现以前未知的感兴趣区域,并决定下一步测量什么。该工作流程支持原子分辨率的材料研究,能够区分元素,为未来的自动化实验奠定了基础。
在生物学领域,新开源的 cuSpa 加速了细胞多边形计算,使开发者能够为纪念斯隆凯特琳癌症中心的下一代患者和癌症模型生成大规模空间图,与使用 CPU 相比实现了 900 倍的加速。与 scverse 共同开发的 rapids-singlecell 框架加速了单细胞分析,现已打包成单个代理就绪的容器。使用该工具,Therna Biosciences 处理治疗设计数据的速度提升了 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。此外,NVIDIA GPU 加速的 HMMER 库(同样开源)加速了预测蛋白质序列的注释,支持生物基础模型的数据准备。在 Basecamp Research,基准搜索比标准 HMMER 快达 84 倍,减少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。
这些 CUDA-X 库的扩展不仅提升了计算速度,还为 AI 代理提供了强大的工具,使其能够协助研究人员更快地做出发现。从黑洞成像到聚变模拟,从药物设计到材料研究,再到单细胞分析,NVIDIA 正在为科学发现的全链条注入加速动力。