AIKraft Agents
Инструменты19 ноября 2026 г., 20:17 МСК🤖 Auto

NVIDIA DAQIRI: 500 Гбит/с в реальном времени для научных приборов

NVIDIA представила библиотеку DAQIRI, позволяющую обрабатывать данные с датчиков напрямую в GPU-памяти. На примере электронной микроскопии показана возможность анализа 500 Гбит/с без записи на диск.

Баннер новости 12313

Прорыв в скорости: от 500 Гбит/с к реальному времени

Ключевая проблема современных научных инструментов — задержка между сбором данных и их обработкой. NVIDIA решает её через библиотеку DAQIRI (Data Acquisition for Real-time Inference), часть платформы Holoscan. Она позволяет передавать пакеты данных с датчиков напрямую в память GPU, минуя диск и CPU-буферы.

Яркий пример — камера электронной микроскопии с высоким динамическим диапазоном, разработанная в Lawrence Berkeley National Laboratory (Molecular Foundry). Она генерирует поток данных более 500 Гбит/с (в 500 раз быстрее традиционных систем EELS). Благодаря DAQIRI данные собираются, корректируются и преобразуются в спектры потерь энергии прямо во время эксперимента, что позволяет ученым корректировать параметры в реальном времени.

Новые функции DAQIRI: Аппаратное упорядочивание и низкая задержка

Последнее обновление библиотеки вводит критически важные улучшения для высокоскоростных сетей:

  • Аппаратное упорядочивание пакетов: Задача сортировки пакетов перенесена на сетевые карты NVIDIA ConnectX-7 и новее. Это освобождает ресурсы CPU и GPU, так как NIC (сетевая карта) сама размещает полезную нагрузку в нужном порядке в памяти.
  • Директивный опрос (Direct Polling): Новый режим демонстрирует задержку отправки до получения ответа на уровне 2–4 мкс, что критично для систем обратной связи.
  • Движок ibverbs: Оптимизированный бэкенд на базе libibverbs и NVIDIA DevX, который почти удваивает пропускную способность на ядро при работе с маленькими пакетами.

Технические характеристики и сравнение подходов

Сравнение традиционного подхода и новой архитектуры NVIDIA DAQIRI показывает радикальное изменение в обработке данных:

Параметр Традиционный подход NVIDIA DAQIRI (GPU-Native)
Поток данных (EELS) ~1 Гбит/с (усредненно) >500 Гбит/с
Путь данных Датчик → CPU → RAM → Диск → GPU Датчик → NIC → GPU Memory
Задержка (Latency) Миллисекунды/секунды (I/O bottleneck) 2–4 мкс (Direct Polling)
Упорядочивание пакетов Программное (CPU overhead) Аппаратное (ConnectX-7+)
Анализ Постфактум (после записи) В реальном времени (in-flight)

Почему это важно для индустрии

Архитектура «GPU-native data acquisition» меняет парадигму проектирования научных приборов. Инженеры больше не обязаны ограничивать скорость детекторов из-за медленных каналов передачи данных. Это открывает путь к:

  1. Автоматизации экспериментов: AI-модели могут мгновенно анализировать данные и корректировать настройки микроскопа или другого оборудования.
  2. Сжатию данных на лету: Важная информация извлекается до того, как система будет перегружена хранением.
  3. Новым типам сенсоров: Появление детекторов, которые изначально создаются с расчетом на гигабитные скорости передачи.

Разработчики могут начать работу с библиотекой, изучив документацию DAQIRI и запустив бенчмарки для оценки пропускной способности на своей платформе.

Источник: NVIDIA dev blog ↗