AIKraft Agents
Релиз модели17 ноября 2026 г., 19:31 МСК🤖 Auto

NVIDIA представила Rubin HPC и Nemotron for Science на SC26

На конференции SC26 NVIDIA анонсировала новую архитектуру Rubin HPC, платформу Vera CPU и специализированные AI-агенты для науки, включая Nemotron for Science.

Баннер новости 12138

Эра AI-агентов в науке: Nemotron for Science

Иэн Бак (Ian Buck), вице-президент NVIDIA по гипермасштабируемым вычислениям, объявил о запуске Nemotron for Science. Это решение объединяет открытую модель Nemotron 3.5 Super VL с новым набором данных по химии и рецептами постобучения для биологии. Ключевое отличие — полная локализация: исследователи могут запускать агентов на DGX Spark, рабочих станциях или собственных суперкомпьютерах, сохраняя контроль над данными.

Практическая польза уже продемонстрирована в Национальной лаборатории Аргонн: AI-агент самостоятельно спланировал эксперименты, выбрал симуляции и выявил два новых сайта связывания молекул. Другие примеры включают агент GROMACS от KTH Royal Institute of Technology, который за одну ночь исправил 81% тестовых случаев на DGX Spark, и агент SETI, автоматически настраивающий доплеровские сдвиги.

Железо для агентов: GPU Rubin HPC и CPU Vera

Для поддержки вычислительных циклов AI-агентов NVIDIA представила два новых аппаратных решения, ожидаемых к выходу в 2028 году:

  • GPU Rubin HPC: Построен для науки и инженерии. Содержит более 50 000 CUDA-ядер (в 3 раза больше, чем у Hopper), поддерживает точности от FP64 до FP4 и использует NVLink 7-го поколения.
  • Платформа Vera CPU: Специализированные процессоры для выполнения инструментальных вызовов между шагами модели. Уже выбраны немецким центром DKRZ для суперкомпьютера HLRE-5 (ожидается в начале 2028 года).

Квантовые вычисления: ускорение коррекции ошибок

NVIDIA, IBM и Fermilab анонсировали совместную платформу для квантовых вычислений. На суперкомпьютере JUPITER (Jülich) показано, что техника «magic state cultivation» снижает количество операций для одного логического шага в 10 раз.

Также представлен новый алгоритм декодирования TCBP-JOBS в CUDA-Q. Он сокращает время вычислений для исследований коррекции ошибок с 12 недель до 45 минут, а задержку декодирования — с ~300 мкс до 10 мкс.

Сетевые технологии и инфраструктура

В рамках демонстрации развернуты коммутаторы с ко-упакованной фотоникой NVIDIA для Lambda. Они обеспечивают надежность на 15% выше по показателям битовых ошибок и сбоев линка. Иэн Бак также напомнил, что экосистема CUDA-X теперь включает более 1 000 библиотек, что делает симуляцию, AI и квантовые вычисления единым научным стеком.

Источник: NVIDIA Blog ↗