NVIDIA 在 SC26 发布 Nemotron for Science 与 Rubin HPC GPU
Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents
NVIDIA 在 SC26 大会上公布了科研智能体工具包 Nemotron for Science、面向超算的 Rubin HPC GPU 以及 Vera CPU 拓展平台,并宣布与 IBM 及费米实验室展开量子计算合作。
NVIDIA 将科研计算栈全面扩展至智能体与量子协同,读者可借此了解从专用模型到超算硬件演进的完整技术路线。

本周一在芝加哥举行的 SC26 大会上,NVIDIA 的 Ian Buck 为该公司的活动周拉开序幕,并发布了一套用于 AI 智能体的新工具。这类软件能在研究人员自己的系统上规划实验、运行代码并校验结果。
在 NVIDIA 的特别演讲中,Buck 发布了科学版 Nemotron(Nemotron for Science)、Rubin HPC GPU 以及专为高性能计算拓展的 Vera CPU 平台。此外,他还详细介绍了与IBM 及费米国家加速器实验室在量子计算领域的最新合作。
NVIDIA 超大规模与高性能计算副总裁 Buck 表示:“计算的前沿与全新的科学技术栈依然会以模拟为核心,但它将与 AI 以及量子技术的未来相结合。”
演讲伊始,Buck 回顾了 20 年前他在佛罗里达州坦帕举行的 SC06 讲座上首次公开介绍 CUDA 的经历。他提到,NVIDIA 目前已提供超过 1,000 个 CUDA-X 库。
面向科学智能体的开源模型
Buck 表示:“(智能体)彻底改变了我们与超算、设备及仪器交互的方式,也颠覆了我们开展研究的方式。”
模拟依然是科学计算的基石,“它始终占据核心地位,”Buck 说道,而如今 AI、量子计算以及智能体正与它并肩协作。
Buck 解释称,Nemotron for Science 将 Nemotron 3.5 Super VL 开源模型与全新的开源化学数据集,以及面向生命科学和化学领域的后训练方案结合在一起。研究人员可以在 DGX Spark、工作站或自有的超算上本地运行它。
Buck 介绍,在阿贡国家实验室,基于该工具套件构建的智能体仅凭一条提示词,就完成了假设规划与检验、自主选择模拟运行方案,并发现了两个新的结合位点。
“数据完全归你所有,模型也属于你,”Buck 说。
Buck 还重点介绍了其他几款已经投入实用的智能体:
- GROMACS:瑞典皇家理工学院开发的一款智能体能够自主修复出错的 GROMACS 配置。在单台 DGX Spark 上通宵运行的一次测试中,它成功修复了 81% 的测试用例。
- SETI 研究所:在艾伦望远镜阵列中,智能体根据一行提示词绘制出了甲醇谱线。Buck 解释说,随后它还自主针对多普勒频移进行了重新调谐[NGC 869 还是 896,待核对幻灯片]。
- Nsight AI 移植智能体:Buck 表示,NVIDIA 这款全新智能体将天气研究与预报模型(WRF)中的一个例程移植到了 GPU 上,消耗约 1.5 亿个 token 就实现了 5 倍以上的加速。
专为智能体循环打造的 CPU
Buck 解释道,在各个模型处理步骤之间,智能体依赖 CPU 来执行工具调用。
“这正是智能体所需要的,”他说道,“它们需要一颗能够运行、评估、调用工具、执行操作并收集结果的 CPU。”
德国气候计算中心(DKRZ)已为其预计于 2028 年初投入使用的 HLRE-5 超级计算机选用了 Vera CPU。Buck 表示,在此之前德克萨斯高级计算中心已公布了基于 Vera 的系统,DKRZ 如今也加入了这一行列。
面向科学计算的全新 GPU
Buck 表示,Rubin HPC 是 Vera Rubin 平台下的一款全新 GPU,专为科学、工程、分析与 AI 任务打造。
它支持从 FP64 到 FP4 的多种精度,加入了稀疏数据加速功能,并通过第七代 NVIDIA NVLink 进行互连。Buck 表示,该芯片拥有超过 50,000 个 CUDA 核心,约为 Hopper 的三倍,预计将于 2028 年推出。
量子纠错
Buck 表示,在 Jülich 超算中心的 JUPITER 超级计算机上进行的模拟显示,一种名为“魔态培育”(magic state cultivation)的技术能将单个逻辑步骤所需的操作量减少至十分之一。这项成果目前正在被引入 CUDA-Q。
NVIDIA、IBM 和 Fermilab 今天宣布,计划合作构建一个量子计算协同设计平台,以支持纠错与应用研究。NVIDIA 与 IBM 正将 NVIDIA DGX B200 系统与 IBM 量子计算机(包括搭载 IBM Quantum Nighthawk 的系统)进行整合搭配。
Buck 还公布了量子解码方面的最新突破。他解释称,研发目标是将解码延迟从约 300 微秒降至 10 微秒。他表示,全新的 CUDA-Q 解码算法 TCBP-JOBS 成功将纠错研究的计算时间从 12 周压缩到了 45 分钟。
网络
Buck 还展示了在 Lambda 展开的首批 NVIDIA Photonics 共封装光学交换机部署案例之一。他表示,该设备在误码和链路抖动方面的可靠性提升了 15 倍。
详见 声明以了解软件产品相关信息。
来源:NVIDIA Blog · blogs.nvidia.com