从材料模拟到实验天文学，全新NVIDIA AI软件推动科学发现

# 从材料模拟到实验天文学，全新NVIDIA AI软件开启科学发现新篇章 来源: https://blogs.nvidia.com/blog/ai-for-science-software-cuda/ 本周在汉堡举行的ISC会议上，NVIDIA发布了全新软件，加速人工智能在科学领域的应用——从化学与材料发现，到暗物质搜寻。 NVIDIA DAQIRI库、全新NVIDIA ALCHEMI NIM微服务，以及即将推出的NVIDIA cuPhoton参考代码，将原本在CPU上需要数小时甚至数天的工作，转为实时的GPU加速管道。 它们是NVIDIA CUDA-X（https://www.nvidia.com/en-us/technologies/cuda-x/）的一部分——这是一套工具和库的集合，在AI与高性能计算等多个应用领域提供大幅提升的性能。 这些性能提升显著且影响深远。在多个学科中，科学家正借助AI与加速计算，以前所未有的速度从仪器和巡天项目中生成数据并获取洞察。 例如，在NVIDIA GB200 NVL72系统上运行cuPhoton，可将来自天文台和望远镜的FITS数据（标准天文文件格式）的加载、读取、处理和分析速度提升至实时。在早期访问阶段，cuPhoton将Rubin天文台时空遗产巡天（LSST）收集的FITS图像的加载和读取速度提升了14,900倍。同时，利用32颗NVIDIA Grace Blackwell超级芯片，它还能实现高达8,400倍的信号处理与分析加速。 最终，这意味着从LSST相机——有史以来最大的数码相机（https://rubinobservatory.org/explore/how-rubin-works/technology/camera）——捕获的数十亿遥远星系以及更近、反光较弱的暗弱天体图像中，能够更快地获得洞察。在早期访问阶段，cuPhoton加速了Rubin天文台时空遗产巡天收集图像的加载和读取。 ## 全新软件，从实验室到望远镜 这款新软件加速了暗物质研究、材料模拟等领域的探索。 **NVIDIA cuPhoton**是一个参考代码，专为希望从望远镜、X射线和激光实验收集的多维数据中提取洞察的科学家设计。它能够加载、处理、分析和可视化PB级数据，并可与其他NVIDIA CUDA-X技术结合使用，构建端到端的加速管道，用于天体物理学、天文学等领域。 普林斯顿大学的研究人员与NVIDIA合作开发了cuPhoton，并将与哈佛大学一起使用它来处理和分析来自天文台和暗能量巡天项目的大规模数据。 **NVIDIA DAQIRI**（https://github.com/NVIDIA/daqiri）——全称“集成实时仪器数据采集”——是一个高性能网络库，可将来自快速探测器和传感器的数据流式传输到NVIDIA软件中。旧系统依赖于固定硬件，当仪器产生数据的速度超过其存储能力时，可能会丢失数据。DAQIRI通过实时处理传入的数据流来保持同步。 一个名为A- GHOST的研究项目由CERN、芝加哥大学和伦敦大学学院的科学家在CERN开放实验室框架下开发。它使用DAQIRI在ATLAS实验（CERN）记录的碰撞数据上实时运行AI。A- GHOST分析通常会被ATLAS拒绝的数据——由于存储限制，超过99%的数据会被丢弃——从而捕获可能丢失的有趣信号。 **NVIDIA ALCHEMI**（https://developer.nvidia.com/cuda/cuda-x-libraries/alchemi）包含一组领域特定的微服务和一个工具包，用于加速化学和材料发现，应用领域涵盖电池材料、催化剂、OLED显示屏、美容产品等。 NVIDIA于3月发布了两个ALCHEMI NIM微服务，分别用于批量几何弛豫（BGR）（https://catalog.ngc.nvidia.com/orgs/nim/teams/nvidia/containers/alchemi-bgr?version=1.0.0）和批量分子动力学（BMD）（https://catalog.ngc.nvidia.com/orgs/nim/teams/nvidia/containers/alchemi-bmd?version=1.0.0）。这些AI加速工具让研究人员能够一次性模拟数百万个分子和材料：BGR用于寻找最稳定的结构，BMD用于模拟它们随时间变化的运动。 此外，ALCHEMI预计很快将包含一个用于广泛使用的维也纳第一性原理模拟包（VASP）的微服务，使研究人员能够以更高的GPU吞吐量运行材料模拟。通过使用NVIDIA多进程服务（MPS）（https://docs.nvidia.com/deploy/mps/latest/index.html）在单个GPU上运行多个VASP计算，该微服务在几何优化（寻找材料中最稳定的原子排列）方面实现了3倍加速。 同时，开发者和研究人员可以使用ALCHEMI工具包（https://github.com/NVIDIA/nvalchemi-toolkit）来加速训练称为机器学习原子间势能的AI替代模型，并轻松构建自定义的高性能原子模拟工作流。 ## Lila Sciences如何利用NVIDIA ALCHEMI不间断运行科学方法 Lila Sciences正在构建一个科学超级智能平台和自主实验室，专注于生命科学、化学和材料科学。该公司与NVIDIA合作，利用ALCHEMI进行高保真磁模拟，并于3月在圣何塞举行的NVIDIA GTC上进行了演示。 Lila Sciences利用ALCHEMI NIM BGR微服务，将高通量材料筛选速度提升了50倍，识别出稳定且更有可能被合成的候选材料。然后，它利用早期访问的ALCHEMI VASP微服务，将候选材料磁特性的计算速度提升了30%。 Lila Sciences使用NVIDIA ALCHEMI进行材料模拟。上图由Lila Sciences提供，展示了从溅射仪（一种用于在表面制造超薄、高度均匀的金属或陶瓷涂层的系统）合成的样品中切割出的薄膜样品片。加速效果层层叠加。ALCHEMI针对TensorNet的专用内核使Lila的训练和推理速度提升了6倍，并将内存使用减少了3倍，从而将原本需要数周的模拟缩短至数天。 这种方法不是一次只运行一个实验，而是在GPU内存中同时评估多种材料，并可推广到以下用例： - 材料发现——大规模筛选新颖、稳定的成分 - 能源——发现用于生产化学品的活性、地球储量丰富的催化剂 - 电磁学——理解和预测复杂磁行为 ALCHEMI位于模拟层，生成物理科学数据，为整个循环提供输入。 此外，Lila Sciences利用完整的NVIDIA堆栈加速科学发现，使用NVIDIA Megatron-LM（https://github.com/nvidia/megatron-lm）和NVIDIA Nemotron（https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/）进行训练——包括Nemotron 3 Nano和Nemotron 3 Super开放模型，以及NeMo RL和NeMo Gym库。该公司还利用NVIDIA BioNeMo（https://www.nvidia.com/en-us/industries/healthcare-life-sciences/）进行分子生成，利用NVIDIA Triton（https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/index.html）和NIM（https://www.nvidia.com/en-us/ai-data-science/products/nim-microservices/）微服务进行推理服务，以及NVIDIA Omniverse（https://www.nvidia.com/en-us/omniverse/）库构建数字孪生（https://www.nvidia.com/en-us/glossary/digital-twin/）。 Lila Sciences联合创始人兼首席技术官Andy Beam表示：“这项工作展示了如何利用强大的计算堆栈来加速发现，其规模是单个科学家无法独立实现的。” ## 可用性 NVIDIA ALCHEMI工具包（https://github.com/NVIDIA/nvalchemi-toolkit）和Toolkit-Ops（https://github.com/NVIDIA/nvalchemi-toolkit-ops）已可从GitHub和PyPI下载。ALCHEMI NIM微服务可从NVIDIA NGC（https://catalog.ngc.nvidia.com/）目录下载。ALCHEMI VASP NIM微服务预计将于今年夏季晚些时候提供。 DAQIRI现已在GitHub（https://github.com/NVIDIA/daqiri）上提供。CuPhoton预计将于今年夏季发布。 *了解更多关于**NVIDIA AI for science*（https://blogs.nvidia.com/blog/tag/science/）的信息。 *请参阅**软件产品信息声明*（https://www.nvidia.com/en-eu/about-nvidia/terms-of-service/）。