NVIDIA представила новые инструменты, которые позволяют учёным гораздо быстрее обрабатывать огромные массивы данных. Сопоставление сигналов радиотелескопов при изучении чёрных дыр теперь занимает восемь минут вместо более чем месяца, а отдельные расчёты при анализе клеток ускорились в 900 раз. Компания также выпустила инструменты для создания ИИ-агентов, способных помогать исследователям с научными задачами.
Для ускорения вычислений NVIDIA расширила набор библиотек CUDA-X, которые используют мощность графических процессоров. Новые инструменты предназначены для астрофизики, биологии, разработки лекарств, материаловедения и термоядерной энергетики. Вместо долгого ожидания результатов учёные смогут быстрее проверять свои гипотезы, менять параметры расчётов и переходить к следующим экспериментам.
Самый впечатляющий пример касается изучения чёрных дыр. Международный проект Event Horizon Telescope объединяет радиотелескопы по всему миру, превращая их в один гигантский виртуальный телескоп размером с Землю. Во время наблюдений приборы записывают колоссальные объёмы информации, которые затем приходится сопоставлять, чтобы восстановить изображение далёкого объекта. Прежде обработка сигналов могла занимать больше месяца.
Инструмент cuPhoton.xBeam сократил время сопоставления радиоданных до восьми минут. NVIDIA утверждает, что разработку уже применили для обработки наблюдений мощных выбросов вещества в окрестностях чёрных дыр J1924 и 3C279. Ускорение позволяет учёным гораздо быстрее собирать результаты наблюдений и изучать поведение вещества под действием экстремальной гравитации. При этом восемь минут требуются для конкретного этапа обработки сигналов, а не для всего исследования или создания готового изображения.
Не менее заметных результатов разработчики добились в биологии. Когда учёные изучают образцы тканей, им важно понимать не просто количество клеток, но и расположение каждой клетки относительно соседних. По полученной картине можно исследовать устройство опухолей, особенности их роста и взаимодействие разных типов клеток. Однако построение подробных карт требует сложных вычислений, особенно при работе с миллионами клеток.
Библиотека cuSpa ускорила расчёты, необходимые для построения таких карт, в 900 раз по сравнению с обычными центральными процессорами. Другая разработка NVIDIA, rapids-singlecell, помогла компании Therna Biosciences обрабатывать информацию об отдельных клетках в 200 раз быстрее. Ускорение особенно полезно при исследовании крупных биологических наборов данных, где учёным приходится сравнивать огромное количество клеток и искать закономерности.
Новые инструменты пригодятся и разработчикам лекарств. Прежде чем синтезировать очередное вещество в лаборатории, исследователи могут проверить его поведение на компьютере. Специальные программы рассчитывают, как молекулы взаимодействуют друг с другом, насколько прочно соединяются и где могут находиться участки связывания. Библиотека cuPotential ускоряет такое моделирование до трёх раз, позволяя проверить больше потенциальных лекарственных соединений.
Для материаловедения NVIDIA подготовила Daviator, который ускоряет отдельные квантово-механические расчёты до 22 раз и, по оценке компании, снижает вычислительные затраты до 75%. Учёные используют подобные расчёты, чтобы понять, как атомы взаимодействуют внутри вещества и какие свойства получит материал. Ускорение поможет быстрее искать соединения с нужными характеристиками, например для электроники и энергетики.
Отдельное направление касается термоядерных реакторов. Чтобы получать энергию от слияния атомных ядер, необходимо удерживать чрезвычайно горячую плазму и контролировать её поведение. Компьютерное моделирование подобных процессов может продолжаться неделями, причём исследователи нередко получают результаты только после завершения расчётов. Инструмент cuPhoton.xLens позволяет анализировать изменения плазмы прямо во время моделирования. Учёные смогут раньше замечать интересные процессы и при необходимости корректировать дальнейшие расчёты.
Параллельно NVIDIA представила Nemotron for Science, набор инструментов для создания научных ИИ-агентов. В отличие от обычного чат-бота, который отвечает на вопросы, агент может самостоятельно выполнять последовательность порученных действий: разбирать научные материалы, писать программный код, запускать вычисления и помогать планировать эксперименты. Исследователи смогут адаптировать систему под конкретные задачи, используя собственные научные материалы.
В основе разработки лежит открытая модель Nemotron 3.5 Super VL. Для её дополнительного обучения NVIDIA подготовила набор LitmusBench v0.2, содержащий почти 50 тысяч вопросов по химии. Материалы помогают обучать и проверять нейросети, которые должны предсказывать свойства молекул, включая растворимость веществ и особенности их переработки человеческим организмом.
Первые применения уже появились в фармацевтике. Компания Terray Therapeutics научила Nemotron извлекать сведения о химических реакциях из научных схем. Lila Sciences использует модель для подготовки лабораторных инструкций, а Therna адаптирует нейросеть для разработки лекарств на основе матричной РНК. В последнем случае специалисты пытаются точнее предсказывать, сколько нужного белка смогут производить клетки после получения молекулы РНК.
Nemotron 3.5 Super VL и LitmusBench v0.2 уже доступны на Hugging Face. NVIDIA также оптимизировала модель для локального запуска на компактной вычислительной системе DGX Spark со 128 ГБ памяти. Благодаря локальному запуску исследователи могут работать с собственными научными материалами, не передавая их сторонним облачным сервисам.
Заявленные показатели ускорения NVIDIA получила при выполнении отдельных вычислительных задач, поэтому переносить результаты на весь научный процесс было бы неправильно. Тем не менее выигрыш даже на одном трудоёмком этапе может существенно изменить работу исследователей. Вместо многодневного ожидания расчётов учёные смогут быстрее получать результаты, проверять новые предположения и решать, какие эксперименты проводить дальше.