在漢堡舉行的ISC會議上，輝達（NVIDIA）發表了多款新軟體，旨在加速科學領域的AI應用，範圍從化學與材料探索，到暗物質的搜尋。

NVIDIA DAQIRI函式庫、新的NVIDIA ALCHEMI NIM微服務，以及即將推出的NVIDIA cuPhoton參考程式碼，能將過去在CPU上需耗時數小時或數天的工作，轉化為即時、GPU加速的處理流程。它們是NVIDIA CUDA-X系列工具與函式庫的一部分，該系列旨在AI與高效能運算等應用領域提供顯著提升的效能。

這些效能提升幅度巨大且影響深遠。各學科的科學家正利用AI與加速運算，以前所未有的速度從儀器和調查中產生數據與洞察。

例如，cuPhoton在NVIDIA GB200 NVL72系統上運行時，能加速天文台和望遠鏡FITS數據（標準天文檔案格式）的載入、讀取、處理與分析。在早期試用階段，cuPhoton將Rubin天文台「時空遺產巡天計畫」（LSST）所收集FITS影像的載入與讀取速度提升了14,900倍。它還利用32個NVIDIA Grace Blackwell超級晶片，將訊號處理與分析速度提升高達8,400倍。

這最終意味著LSST相機（有史以來最大的數位相機）能更快地提供洞察。LSST相機捕捉數十億個遙遠星系，以及更近、不反射太多光的微弱物體的影像。

這款新軟體加速了暗物質、材料模擬等領域的研究。NVIDIA cuPhoton是一個參考程式碼，專為希望從望遠鏡、X光和雷射實驗收集的多維數據中提取洞察的科學家設計。它旨在載入、處理、分析和視覺化PB級數據，並可與其他NVIDIA CUDA-X技術搭配使用，為天體物理學和天文學等領域建立端到端的加速流程。

普林斯頓大學的研究人員與NVIDIA合作開發了cuPhoton，並將與哈佛大學一同使用它，來處理和分析從天文台和暗能量調查中收集的大量數據。NVIDIA DAQIRI（Data Acquisition for Integrated Real-time Instruments的縮寫）是一個高效能網路函式庫，可將來自快速偵測器和感測器的數據串流到NVIDIA軟體中。

舊系統受限於固定硬體，當儀器產生數據的速度快於其儲存速度時，可能會丟失數據。DAQIRI透過處理即時到達的數據流來跟上速度。

一項名為A-GHOST的研究專案由CERN、芝加哥大學和倫敦大學學院的科學家在CERN openlab框架下開發。它使用DAQIRI在CERN的ATLAS實驗記錄的碰撞數據上即時運行AI。A-GHOST分析了ATLAS通常會因儲存限制而拒絕的數據（超過99%），使其能夠捕捉到否則會丟失的潛在有趣訊號。

NVIDIA ALCHEMI包含一系列特定領域的微服務和工具包，用於加速化學和材料的發現，應用範圍涵蓋電池材料、催化劑、OLED顯示器、美容產品等。輝達在三月發布了兩個用於批次幾何弛豫（BGR）和批次分子動力學（BMD）的ALCHEMI NIM微服務。這些AI加速工具讓研究人員能夠一次模擬數百萬個分子和材料：BGR用於找到它們最穩定的結構，BMD則用於模擬它們隨時間的運動。

此外，ALCHEMI預計很快將包含一個用於廣泛使用的Vienna Ab initio Simulation Package（VASP）的微服務，使研究人員能夠以更高的GPU吞吐量運行材料模擬。透過使用NVIDIA Multi-Process Service在單一GPU上運行多個VASP計算，該微服務在幾何優化（尋找材料中最穩定原子排列的過程）方面實現了3倍的加速。

此外，開發人員和研究人員可以使用ALCHEMI工具包來加速AI替代模型（稱為機器學習原子間電位）的訓練，並輕鬆建立客製化的高效能原子模擬工作流程。

Lila Sciences正在為生命科學、化學和材料科學建立一個科學超級智慧平台和自主實驗室，該公司與NVIDIA合作，利用ALCHEMI進行高擬真磁鐵模擬，並在三月的NVIDIA GTC聖荷西大會上進行了演示。

Lila Sciences使用ALCHEMI NIM微服務進行BGR，將高通量材料篩選加速了50倍，從而識別出更有可能合成的穩定候選材料。隨後，它在早期試用階段使用ALCHEMI VASP微服務，將入圍候選材料的磁性計算加速了30%。

這些加速效果是複合式的。ALCHEMI針對TensorNet的專用核心為Lila Sciences帶來了6倍的訓練和推論加速，並將記憶體使用量減少了3倍，使得過去需要數週的模擬現在只需數天即可完成。

這種方法不再一次只運行一個實驗，而是在GPU記憶體中同時評估多種材料，並且可以推廣應用於以下用例：材料發現（大規模篩選新型穩定化合物）、能源（發現用於生產化學品和燃料的活性、地球豐富的催化劑）、電磁學（理解和預測複雜的磁行為）。

ALCHEMI位於模擬層，產生物理科學數據，為其餘的循環提供資訊。此外，Lila Sciences還利用完整的NVIDIA堆疊來加速科學發現，包括使用NVIDIA Megatron-LM和NVIDIA Nemotron進行訓練（包括Nemotron 3 Nano和Nemotron 3 Super開源模型，以及NeMo RL和NeMo Gym函式庫）。

該公司還利用NVIDIA BioNeMo進行分子生成，NVIDIA Triton和NIM微服務進行推論服務，以及NVIDIA Omniverse函式庫進行數位分身。

Lila Sciences的共同創辦人兼技術長Andy Beam表示：「這項工作展示了如何利用強大的運算堆疊來加速發現，達到任何單一科學家都無法獨自實現的規模。」

NVIDIA ALCHEMI工具包和Toolkit-Ops可從Github和PyPI下載。ALCHEMI NIM微服務可從NVIDIA NGC目錄下載。ALCHEMI NIM微服務用於VASP預計將於今年夏天稍晚推出。DAQIRI現已在GitHub上提供。CuPhoton預計將於今年夏天推出。