NVIDIA CUDA-X Kütüphaneleri, Yapay Zeka Ajanslarına Bilimsel Keşifleri Hızlandırmak İçin Gerekli Araçları Sunuyor
NVIDIA CUDA-X kütüphanelerinin genişletilmesiyle birlikte, cuPhoton, cuPotential ve cuSpa gibi araçları içeren bu çözüm, araştırmacıların astrofizik, malzeme bilimi ve tek hücreli biyoloji gibi alanlardaki araştırmalarını hızlandırmak için devasa veri kümelerini taramasına olanak tanıyor.
Bu hızlanmalar, bilim insanlarının daha büyük veri kümelerini analiz etmesine ve daha karmaşık sistemleri modellemesine yardımcı oluyor.
Yeni kütüphaneler, yapay zeka ajanlarına araştırmacıların keşifleri her zamankinden daha hızlı yapmalarına yardımcı olacak araçlar sunuyor.
Kara Delikleri Netleştirmek
Bir kara deliği görmek için Dünya büyüklüğünde bir teleskop gerekiyor. Olay Ufku Teleskobu, dünya çapındaki radyo antenlerini birleştirerek işlenmesi aylar sürebilen petabayt düzeyinde veri üretiyor.
cuPhoton Toolkit içinde yer alan bir modül olan NVIDIA cuPhoton.xBeam sayesinde, Olay Ufku Teleskobu’ndan elde edilen kara delik gözlemleri artık eskisinden kat kat daha hızlı bir şekilde ilişkilendirilebiliyor. Eskiden bir aydan fazla süren analizler artık sekiz dakika içinde tamamlanıyor.
Küresel radyo antenlerini Dünya büyüklüğünde bir açıklığa birleştirerek cuPhoton, astronomide eşi benzeri görülmemiş görüntüleme çözünürlüğü sunuyor. cuPhoton, gece gökyüzündeki güçlü kara delik jetleri J1924 ve 3C279’un gözlemlerini başarıyla ilişkilendirerek Messier 87* kara delik galaksisini gerçek zamanlı olarak yeniden oluşturmayı mümkün kıldı.
Veri yüklemesinden işleme ve görselleştirmeye kadar tüm süreç, dağıtılmış çoklu GPU sistemlerinde veya kompakt bir NVIDIA DGX Spark sisteminde çalışarak bilim insanlarının gazın bir kara deliğin güçlü kütle çekimi altında nasıl içe doğru sarmalandığını incelemesine yardımcı oluyor.
Füzyon Simülasyonlarını Yönlendirmek
Plazmayı milyonlarca derece sıcaklıkta sürdürmek, kararlı ve sürekli füzyon enerjisi elde etmek için kritik öneme sahip. Ancak davranışını simüle etmek oldukça maliyetli: petascale sistemlerde tek bir zaman adımı günler sürebilir ve simülasyonlar haftalarca devam edebilir. Deneyler ayrıca geleneksel iş akışlarının işleyebileceğinden daha hızlı veri üretiyor, bu da bilim insanlarının sonuçları analiz etmek için deneylerin bitmesini beklemesine neden oluyor.
Pasifik Füzyon araştırmacıları, plazma simülasyonları devam ederken içgörüler elde etmek için NVIDIA cuPhoton.xLens modülünü kullandı. Bu sayede sonuçlar ortaya çıktıkça neler olduğunu görselleştirebildiler.
NVIDIA cuPhoton.xLens modülü, plazma simülasyonları devam ederken içgörüler çıkararak araştırmacıların sonuçlar ortaya çıktıkça neler olduğunu anlamalarına yardımcı oluyor. Araştırmacılar, tüm iş akışını aynı sistemde yerel olarak çalışan NVIDIA Nemotron destekli bir ajanla birleştirerek simülasyonları gerçek zamanlı olarak yönlendirmeye ve füzyon reaktörü hedef ve odacık tasarımına rehberlik etmeye olanak tanıyan etkileşimli analizler yapabiliyor.
Potansiyel İlaçları Keşfetmek
Moleküler simülasyonlar, bilim insanlarının maliyetli laboratuvar deneylerinden önce ilaç tasarımlarını değerlendirmelerine yardımcı oluyor. Simons Foundation’ın Flatiron Enstitüsü ve D. E. Shaw Research’teki araştırmacıların çalışmaları üzerine geliştirilen NVIDIA cuPotential, mevcut simülasyon yazılımlarını 3 kata kadar hızlandırırken hesaplama kararlılığını ve doğruluğunu da artırıyor. Bu çözüm, üretken yapay zeka modelleri için sentetik veri oluşturmayı hızlandırıyor, daha önce bilinmeyen moleküler bağlanma bölgelerini buluyor ve moleküler etkileşimlerin gücünü hesaplıyor.
NVIDIA, cuPotential hızlandırmasını moleküler dinamik motorlarına ve iş akışlarına getirmek için Schrödinger ile birlikte AMBER, NAMD, GROMACS, LAMMPS ve Open Molecular Software Foundation topluluklarıyla çalışıyor.
Cadence, Fathom Therapeutics, Topos Bio, Genesis Molecular AI ve Terray Therapeutics bu çözümü ilaç keşfi için benimsiyor.
Malzeme Araştırmalarını Hızlandırmak
Geniş çapta kullanılan Vienna Ab initio Simulation Package için toplu GPU çekirdekleri koleksiyonu olan Daviator, NVIDIA ALCHEMI’ye geliyor. Bu çözüm, kuantum-mekanik hesaplamaları 22 kata kadar hızlandırırken maliyeti %75’e kadar düşürüyor. Daviator sayesinde, simülasyon modelleri oluşturan araştırmacılar artık atomistik sistemlerin tüm boyutlarında GPU hızlandırmasını kullanarak model eğitimi ve çıkarımı için gereken milyonlarca atomik etkileşim hesaplamasını gerçekleştirebiliyor. Bu, daha önce CPU’larda daha hızlı çalışan küçük sistemleri de kapsıyor.
Lawrence Berkeley Ulusal Laboratuvarı’nda NVIDIA DAQIRI ağ kurma kütüphanesi, yüksek hızlı bir elektron mikroskobu dedektörünü GPU işleme ile birleştirerek analizi deneyin kendisine taşıyor. Araştırmacılar, ölçümler yapılırken faydalı sinyalleri belirleyebiliyor, daha önce bilinmeyen ilgi alanlarını keşfedebiliyor ve bir sonraki ölçümü ne yapacaklarına karar verebiliyorlar.
Bu iş akışı, elementleri ayırt edebilen atomik çözünürlüklü malzeme çalışmalarını destekleyerek gelecekteki otomatik deneyler için temel oluşturuyor.
Biyolojiyi Ölçekli Olarak Ortaya Çıkarmak
Yeni açık kaynaklı cuSpa, hücre poligon hesaplamalarını hızlandırarak geliştiricilerin Memorial Sloan Kettering Kanser Merkezi’nde yeni nesil hasta ve kanser modelleri için devasa uzamsal grafikler oluşturmasını sağlıyor. Bu çözüm, CPU kullanıma kıyasla 900 kat hızlanma sunuyor.
scverse ile birlikte geliştirilen rapids-singlecell çerçevesi, tek hücreli analizi hızlandırıyor ve artık tek bir, ajanlarla uyumlu kapsül içinde mevcut. Bu aracı kullanarak Therna Biosciences, terapötik tasarım için verileri 200 kat daha hızlı işledi. 10x Genomics ise rapids-singlecell’i yeni Sentira platformuna entegre ederek akademik araştırmacıların, biyofarma ekiplerinin ve temel model geliştiricilerinin büyük ölçekli uzamsal verilerden biyolojik içgörülere ulaşma sürecini hızlandırmasına yardımcı oldu.
Ayrıca açık kaynaklı olan NVIDIA GPU ile hızlandırılmış HMMER kütüphanesi, tahmin edilen protein dizilerinin etiketlenmesini hızlandırarak biyolojik temel modeller için veri hazırlamayı destekliyor. Basecamp Research’te yapılan karşılaştırmalı testlerde, aramalar standart HMMER’e kıyasla 84 kata kadar daha hızlı tamamlandı. Bu da şirketin terapötik tasarım modellerini eğitmek için kullanılan büyük biyolojik veri kümelerini etiketleme süresini azalttı.




