Au SC26, Nvidia lance la nouvelle puce Rubin HPC et des bibliothèques de recherche scientifique

Nvidia Corp. aujourd'hui introduit un ensemble d'offres conçues pour accélérer la recherche scientifique dans de nombreux domaines.

La gamme est dominée par Rubin HPC, une prochaine carte graphique dotée de beaucoup plus de cœurs que la puce phare actuelle de la société. Il est rejoint par plus d'une demi-douzaine d'outils logiciels destinés aux scientifiques et aux ingénieurs. Les technologies ont fait leurs débuts lors de la conférence SC26 sur les hautes performances et le calcul intensif à Chicago.

Rubin HPC pour les charges de travail scientifiques

L'unité de traitement graphique Rubin phare de Nvidia comprend 898 cœurs Tensor, des clusters de transistors spécialement optimisés pour les grands modèles de langage. Il comprend également plus de 28 000 cœurs CUDA. Ces circuits peuvent exécuter non seulement des LLM mais également d’autres charges de travail telles que des simulations scientifiques.

Le Rubin HPC (photo), la prochaine puce présentée aujourd'hui par Nvidia, comportera plus de 50 000 cœurs CUDA. Il sera également livré avec une nouvelle itération de NVLink, l'interconnexion que les GPU de Nvidia utilisent pour échanger des données avec les unités centrales de traitement. La version actuelle de la technologie peut déplacer 3,6 térabits par seconde par carte graphique.

Nvidia a déclaré que Rubin HPC inclura également une fonctionnalité « d'accélération des données clairsemées ». Les données éparses sont le terme technique désignant les ensembles de données contenant un grand nombre de zéros. De nombreux projets scientifiques génèrent de telles données, notamment dans des domaines comme la biologie et l'astrophysique. Un télescope, par exemple, peut utiliser des zéros pour représenter des sections de l'espace sans aucune étoile visible.

« Pour les agents s'attaquant à la science et à l'ingénierie, une simulation plus rapide signifie une découverte plus rapide », a déclaré Ian Buck, vice-président du calcul hyperscale et haute performance chez Nvidia. « Rubin HPC accélère les simulations utilisées par les agents pour tester des idées et guider leurs prochaines étapes, aidant ainsi les scientifiques et les ingénieurs à explorer davantage de possibilités et à rapprocher les avancées. »

Nvidia prévoit de commercialiser Rubin HPC en 2028. En attendant, les clients peuvent accélérer leurs charges de travail scientifiques à l'aide des outils logiciels qui ont fait leurs débuts aujourd'hui avec la puce.

Une recherche astrophysique plus rapide

Nvidia livre ses GPU avec une collection de bibliothèques appelée CUDA-X, conçue pour faciliter les projets de recherche scientifique. L'annonce du SC26 par la société a introduit plusieurs nouveaux ajouts à la suite.

Les astrophysiciens ont accès à cuPhoton.xBeam, une bibliothèque qui facilite l'analyse des données du réseau Event Horizon Telescope. Il s'agit d'un ensemble d'observatoires utilisés pour étudier les trous noirs. Selon Nvidia, cuPhoton.xBeam peut effectuer des tâches d'analyse de données qui prenaient historiquement un mois en huit minutes. Il est déployé aux côtés de cuPhoton.xLens, une bibliothèque permettant de simuler le plasma que les réacteurs à fusion utilisent pour produire de l'électricité.

Du côté de la recherche en biologie, Nvidia est un cuSpa open source. Il accélère les calculs de polygones cellulaires, utilisés pour étudier la structure des cellules et la manière dont elles interagissent les unes avec les autres. De plus, un outil d'analyse cellulaire existant appelé rapids-singlecell est désormais disponible pour les utilisateurs de Nvidia dans un format conteneurisé.

Recherche axée sur le LLM

Les nouveaux outils de recherche en biologie de Nvidia sont rejoints par un ensemble d'IA appelé Nemotron for Science. Il est construit sur Nemotron 3.5 Super VL, un LLM open source que la société a présenté le mois dernier. Le modèle comporte 124 milliards de paramètres et active environ un dixième d’entre eux à tout moment. Il est en partie basé sur Mamba-2, une alternative matérielle plus efficace à l'architecture omniprésente du modèle Transformer.

Nemotron for Science associe le LLM à un ensemble de flux de travail post-formation pré-emballés. Les chercheurs peuvent les utiliser pour optimiser le Nemotron 3.5 Super VL pour des tâches scientifiques spécifiques. De plus, Nvidia a ajouté près de 50 000 questions liées à la chimie. Ils peuvent être utilisés pour post-former des modèles d’IA et évaluer les capacités des modèles qui ont déjà suivi le processus.

« Nemotron for Science offre aux chercheurs des modèles ouverts, des données scientifiques et des recettes post-formation pour créer des agents spécialisés qui raisonnent sur des problèmes scientifiques et utilisent les outils accélérés CUDA-X pour transformer les idées en découvertes », a déclaré Buck.

Algorithmes quantiques

Les ordinateurs quantiques s'appuient sur un processeur conventionnel pour gérer leurs qubits. Nvidia propose un ensemble d'outils logiciels appelés CUDA-Q qui facilitent la liaison du matériel quantique à ses GPU et CPU. La société a aujourd'hui élargi la suite avec de nouveaux éléments de base pour le développement de logiciels quantiques et un algorithme capable d'atténuer les erreurs de qubit.

Nvidia s'associe à IBM Corp. et au Fermilab du département américain de l'énergie pour créer une « plate-forme de co-conception quantique modulaire ». Il combinera les systèmes DGX B200 du géant des puces avec le matériel quantique d'IBM. Selon les entreprises, l’objectif est de créer un environnement que les chercheurs peuvent utiliser pour développer de nouveaux algorithmes de correction d’erreurs de qubits et d’autres logiciels quantiques.

Newsletter

Rejoignez notre newsletter pour des astuces chaque semaine