NVIDIA presentó una ampliación de las bibliotecas CUDA-X orientada a agentes de IA que apoyan a investigadores. Entre los destacados están cuPhoton, que aceleró la correlación de observaciones del Event Horizon Telescope de más de un mes a ocho minutos, cuPotential, que acelera softwares de simulación molecular hasta 3x, y cuSpa, de código abierto, con una mejora de 900x en cálculos de polígonos celulares en el Memorial Sloan Kettering. La empresa afirma que las mejoras permiten analizar conjuntos de datos más grandes y modelar sistemas más complejos.
NVIDIA anunció una ampliación de las bibliotecas CUDA-X orientada a agentes de IA que ayudan a investigadores en áreas que van de la astrofísica a la biología de células únicas. Según la empresa, las mejoras de velocidad permiten analizar conjuntos de datos más grandes y modelar sistemas más complejos.
El anuncio reúne módulos nuevos y actualizados, además de iniciativas de código abierto y alianzas con comunidades científicas. NVIDIA atribuye a estas herramientas la función de dar a los agentes de IA acceso a rutinas especializadas, capaces de ejecutar etapas pesadas de procesamiento sin que el investigador tenga que reconstruir cada pipeline.
Del agujero negro al tiempo real
El caso más llamativo es el del Event Horizon Telescope, una red de antenas de radio distribuidas por el mundo que, combinadas, forman una apertura del tamaño de la Tierra. Ese arreglo genera petabytes de datos, y el procesamiento podía tardar meses.
Con el módulo cuPhoton.xBeam, integrante del cuPhoton Toolkit, NVIDIA afirma que la correlación de esas observaciones pasó a ser órdenes de magnitud más rápida. Un análisis que antes tardaba más de un mes ahora tarda ocho minutos, según la empresa.
NVIDIA dice que cuPhoton correlacionó con éxito observaciones de los chorros de agujero negro J1924 y 3C279, lo que, según ella, hace viable reconstruir en tiempo real la galaxia del agujero negro M87*. Todo el pipeline, desde la carga de los datos hasta la visualización, se ejecuta en sistemas multi-GPU distribuidos o en un sistema compacto DGX Spark.
Fusión, moléculas y materiales
En el área de fusión, NVIDIA describe un problema de costo computacional: en sistemas petascale, un solo paso de tiempo de simulación de plasma puede tardar días, y las simulaciones duran semanas. Los experimentos también generan datos más rápido de lo que los pipelines tradicionales logran procesar.
Investigadores de Pacific Fusion usaron el módulo cuPhoton.xLens para extraer información mientras se ejecutan las simulaciones de plasma. NVIDIA afirma que el pipeline puede acoplarse a un agente basado en Nemotron ejecutado localmente en el mismo sistema, lo que permite un análisis interactivo para orientar simulaciones en tiempo real e informar el diseño de blancos y cámaras de reactores de fusión.
Para simulaciones moleculares, NVIDIA presentó cuPotential, construido sobre trabajos de investigadores del Flatiron Institute, de la Simons Foundation, y de D. E. Shaw Research. La empresa afirma que acelera softwares de simulación existentes hasta 3x, con mejora de estabilidad y precisión en los cálculos, y que agiliza la creación de datos sintéticos para modelos generativos.
La compañía dice trabajar con Schrödinger y con las comunidades AMBER, NAMD, GROMACS, LAMMPS y Open Molecular Software Foundation para llevar la aceleración de cuPotential a motores y flujos de dinámica molecular. Cadence, Fathom Therapeutics, Topos Bio, Genesis Molecular AI y Terray Therapeutics estarían adoptando la herramienta para el descubrimiento de fármacos.
Por su parte, Daviator, conjunto de kernels de GPU en lote para el Vienna Ab initio Simulation Package, llega a NVIDIA ALCHEMI con cálculos cuánticos hasta 22x más rápidos y un costo hasta 75% menor, según la empresa. NVIDIA afirma que la herramienta permite usar aceleración por GPU en sistemas atomísticos de todos los tamaños, incluidos los pequeños que antes se ejecutaban más rápido en CPU.
Microscopía, células y proteínas
En el Lawrence Berkeley National Laboratory, la biblioteca de red DAQIRI conecta un detector de microscopía electrónica de alta velocidad con el procesamiento en GPU, llevando el análisis al interior del experimento. Los investigadores pueden identificar señales útiles y decidir qué medir a continuación mientras las mediciones ocurren, en un flujo que apoya estudios de materiales con resolución atómica.
cuSpa, recién convertido en código abierto, acelera cálculos de polígonos celulares y permite generar grafos espaciales masivos para modelos de pacientes y de cáncer en el Memorial Sloan Kettering Cancer Center, con una mejora de 900x respecto del uso de CPU, de acuerdo con NVIDIA.
La empresa también cita rapids-singlecell, desarrollado en conjunto con scverse, ahora disponible en un contenedor único listo para agentes. Therna Biosciences habría procesado datos 200x más rápido para diseño terapéutico, y 10x Genomics integró la herramienta en su nueva plataforma Sentira.
Por último, la biblioteca HMMER acelerada por GPU, también de código abierto, acelera la anotación de secuencias de proteínas previstas. En Basecamp Research, las búsquedas de referencia se ejecutaron hasta 84x más rápido que con HMMER estándar, reduciendo el tiempo de anotación de grandes conjuntos biológicos usados en el entrenamiento de modelos de diseño terapéutico.
Las cifras divulgadas son las presentadas por la propia NVIDIA y se refieren a escenarios y comparaciones específicos descritos en el anuncio. No hay, en el material, detalles independientes sobre la metodología de medición, y la empresa no informa plazos de disponibilidad general de cada componente.
Fuente original: NVIDIA — NVIDIA CUDA-X Libraries Give Agents the Tools to Accelerate Scientific Discovery.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.






