AI-mallit ja alustat

NVIDIA esittelee Rubin HPC -grafiikkasuorittimen agenttivetoiseen tieteeseen ja tekniikkaan

Theo Nash
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatRubin HPC antaa datan siirrolle yhtä suuren painon kuin aritmetiikalle, jotta ytimet…
Näytä lisää
  • Rubin HPC antaa datan siirrolle yhtä suuren painon kuin aritmetiikalle, jotta ytimet eivät jää joutilailuun harvoissa työkuormissa.
  • CUDA-X-kirjastot antavat agenttien käyttää optimoituja rutiineja ilman, että kehittäjien täytyy säätää käsin jokaista GPU-työkuormaa.
  • Seitsemännen sukupolven NVLink laajentaa datan siirron painotuksen GPU:iden väliseen viestintään räkkien välillä.

NVIDIA julkisti Rubin HPC:n SC26-tapahtumassa 16. marraskuuta 2026. Se kuvaili sitä tieteen, tekniikan ja analytiikan simulointi- ja tiedonkäsittelyyn tarkoitetuksi grafiikkasuorittimeksi, jossa on ennätysmäärä eli yli 50 000 CUDA-ydintä yhdellä sirulla.

Siru on suunnattu työnkulkuihin, joissa agentit auttavat tutkijoita ja insinöörejä tuottamaan enemmän ehdokkaita materiaaleiksi, molekyyleiksi ja malleiksi. Simulaatioiden avulla näitä ideoita arvioidaan ja ohjataan seuraavia vaiheita. Ehdokkaiden määrän kasvu lisää simulaatiokuormaa, jolloin laskennallinen palaute vaikuttaa osaltaan sekä tieteellisten löytöjen että teollisen suunnittelun tahtiin.

Laskentatehon ja tiedonsiirron tasapaino

NVIDIA tunnistaa yhteisen laskentamallin ilmastomallinnuksessa, teknisissä simulaatioissa, genomin analyysissä ja rahoitusriskien arvioinnissa. Näissä sovelluksissa lasketaan toistuvasti tuloksia pienistä arvojoukoista, jotka ovat hajallaan hyvin suurissa aineistoissa, ja sama peruslaskentaketju suoritetaan valtavassa mittakaavassa. Pelkkä laskentateho ei ratkaise tätä rajoitetta: datan on saavuttava ytimille riittävän nopeasti, jotta ne pysyvät käytössä.

Rubin HPC:n suunnittelussa tiedonsiirrolle annetaan yhtä suuri painoarvo kuin laskentateholle. Harvan datan käsittelyn kiihdytyksellä pyritään estämään ytimien joutuminen odotustilaan, kun ne odottavat tietoa. Kohteena oleviin laskentatehtäviin kuuluvat harvojen matriisien laskenta, stencil-laskenta, lajittelu ja reduktiot eli operaatiot, jotka toistuvat simulaatioissa ja analytiikassa. Yhdessä nämä ratkaisut vastaavat toistuviin datan käyttökuvioihin, jotka voivat muutoin rajoittaa suuren ydinmäärän hyötyä.

”Tiedettä ja tekniikkaa ratkoville agenteille nopeampi simulaatio merkitsee nopeampia löytöjä”, sanoi Ian Buck, NVIDIAn hyperskaala- ja suurteholaskennan varatoimitusjohtaja. Suunnittelun tavoitteena on lyhentää hypoteesista simulaatioon ja edelleen tulosten tarkentamiseen kuluvan kierroksen kestoa. Näin ryhmät voivat päättää, mitä kannattaa testata seuraavaksi, ja suunnata laboratoriotyötä lupaavimpiin ehdokkaisiin.

Ohjelmistot ja usean grafiikkasuorittimen ympäristö

CUDA-X tarjoaa optimoituja algoritmitoteutuksia, joita agentit voivat käyttää Rubin HPC:n kanssa, mukaan lukien simulaatioihin ja analytiikkaan tarkoitetut laskentatehtävät. Sen kirjastot on suunniteltu suoraan käyttöön otettaviksi komponenteiksi, jolloin sovelluskehittäjien ei tarvitse itse optimoida grafiikkasuorittimen toimintaa alimmalla tasolla. Dokumentoitu valikoima kattaa matematiikan, tieteellisen laskennan, fysiikan, rinnakkaisalgoritmit ja tietojenkäsittelyn. Se tarjoaa valmiita rakennuspalikoita, joiden ansiosta jokaisen ryhmän ei tarvitse optimoida jokaista työkuormaa alusta alkaen.

Tiedonsiirto ulottuu myös yksittäistä suoritinta laajemmalle. NVLink on NVIDIAn suora grafiikkasuorittimien välinen liitäntä. NVLink Switch yhdistää useita linkkejä, jotta grafiikkasuorittimet voivat viestiä keskenään kaikkiin suuntiin koko räkin alueella, ja se voi ulottaa yhteydet myös solmujen välille. Rubin HPC käyttää seitsemännen sukupolven NVLinkiä, joten sen tiedonsiirtoratkaisu kattaa myös grafiikkasuorittimien välisen viestinnän.

Rubin HPC on osa Vera Rubin -alustaa, jonka NVIDIA kuvailee koostuvan viidestä tiettyyn tarkoitukseen suunnitellusta räkkitason järjestelmästä. Yhdessä ne muodostavat usean räkin tekoälysupertietokoneen monivaiheista päättelyä ja pitkän kontekstin agenttityönkulkuja varten. Laajemmalla alustalla tuotantoa kasvatetaan kohti täyttä tuotantotasoa, ja Vera Rubiniin perustuvia järjestelmiä toimitetaan jo. Rubin HPC:n odotetaan tulevan saataville vuonna 2028.

Agenttivetoisessa tutkimuksessa Rubin HPC:n käytännön hyötyä mitataan sillä, pystytäänkö laskentatehon, datan käytön, ohjelmistojen ja usean grafiikkasuorittimen välisen viestinnän tasapainottamisella lyhentämään aikaa siitä, kun agentti ehdottaa tutkittavaa ehdokasta, siihen, kun tutkijat saavat simulaatiotuloksen seuraavan kokeen tai suunnitteluratkaisun tueksi.

Theo Nash on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa AI‑infrastruktuurin, laskennan ja laitteistojärjestelmät, jotka mahdollistavat modernin tekoälyn. Hänen työnsä keskittyy suurten AI‑työkuormien teknisiin perusteisiin, mukaan lukien datakeskukset, kiihdyttimet, tietoverkot ja ohjelmistopinot, jotka yhdistävät ne yhteen.

Analyyttisesta ja tekniikkavetoisesta näkökulmasta Theo tarkastelee, miten GPU:iden, räätälöidyn piisirun, muistirakenteiden ja hajautettujen järjestelmien edistysaskeleet mahdollistavat uudet AI‑mallien sukupolvet. Hän kiinnittää erityistä huomiota suorituskyvyn kompromisseihin, energiatehokkuuteen, skaalautuvuuteen ja käytännön rajoitteisiin, jotka muovaavat AI‑infrastruktuurin todellista käyttöönottoa.

Theo Nashin kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen teknisen tarkkuuden, selkeyden ja vastuullisen kattavuuden nopeasti kehittyvässä AI‑laskentaympäristössä.