NAIRR科学计划重塑科研格局，由NVIDIA AI基础设施驱动

NVIDIA Blog 2026/06/22 13:00 新闻

nairr scientific-research ai-infrastructure nvidia dgx foundation-models energy-storage

摘要

由NVIDIA AI基础设施支持的NAIRR试点计划已支持超过700个研究项目，包括开发用于流体模拟的Walrus基础模型和用于储能的MIST分子基础模型。

<div id="bsf_rt_marker"></div>过去两年，美国国家科学基金会（U.S. National Science Foundation）的 <a href="https://blogs.nvidia.com/blog/national-ai-research-resource-pilot/">国家人工智能研究资源（NAIRR）试点计划</a>已在全美推动了超过700个项目的创新研究——涵盖蛋白质预测和传染病暴发管理。 NVIDIA通过一项基于云的资源为NAIRR试点做出贡献，该资源为研究人员提供至少四台<a target="_blank" href="https://www.nvidia.com/en-us/data-center/dgx-platform/">NVIDIA DGX</a>节点的专用访问权限，为期至少一个月。NVIDIA还提供技术支持，帮助研究人员入职并全程协助他们的项目。 借助NVIDIA的AI基础设施支持和提供专用资源的DGX参考架构，研究人员缩短了工作流程时间，并发现了突破性技术，这些技术将重塑和推动医疗、农业和能源等行业的发展。 通过NAIRR在全美开展科学探索和发现的潜力是无限的。以下是几个NAIRR项目的更多详情。 <h2>Polymathic AI的Well数据集助力物理模拟</h2> 仿真到现实的管道正成为各行业越来越常见的部署方法，因为它们更安全、成本效益更高。 Polymathic AI——一个由Flatiron Institute、剑桥大学和劳伦斯伯克利国家实验室的国际科学家组成的联盟——借助<a target="_blank" href="https://www.nvidia.com/en-us/data-center/solutions/accelerated-computing/">NVIDIA GPU</a>和<a target="_blank" href="https://www.nvidia.com/en-us/data-center/nvlink/">NVIDIA NVLink互连技术</a>，利用其名为“Well”的大规模数据集，正在加强物理流体类模拟。该数据集将用于训练迄今为止最大、应用最广泛的流体行为基础模型。 这个名为<a target="_blank" href="https://polymathic-ai.org/blog/walrus/">Walrus</a>的基础模型已与其数据、代码和预训练权重一起公开发布。 Polymathic AI的方法建立在先前物理预训练环境的工作基础上，解决了当前在规模和预训练多样性方面的局限性。该研究小组还计划探索缩放定律，以帮助加速开发更强大的科学应用基础模型。 <h2>密歇根大学的储能融合模型</h2> 能源是社会的基础，需要设计新颖高效的材料用于储能和转换。 密歇根大学航空工程系教授Venkat Viswanathan领导的研究人员正在开发一个模型融合框架，将特定领域的分子AI和通用大语言模型结合起来。目标是帮助计算科学家更轻松地探索化学空间，用自然语言提出化学相关问题，并识别有前景的材料用于下一代能源技术。 分子基础模型系列MIST（Molecular Insight SMILES Transformers）专为跨化学空间的发现和探索而设计。 MIST模型在大量未标记的分子数据集上进行了预训练，并使用了一种新颖的分词器Smirk，以更好地从分子表示中捕获核、电子、几何、同位素和立体化学信息。MIST模型已在超过400个结构-性质关系上进行了微调，并且在涵盖电化学、量子化学、生理学和其他领域的基准测试中，能够达到或超越最先进的性能。 MIST是在研究人员通过NAIRR分配获得的40-GPU NVIDIA DGX集群上开发的，并在ALCF的Polaris集群上额外使用了200,000个NVIDIA GPU小时。该团队使用NVIDIA的NGC PyTorch容器来支持不同集群上可复现的GPU加速开发。 <img fetchpriority="high" decoding="async" class="alignnone wp-image-94852 size-full" src="https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250.jpg" alt="" width="1920" height="1080" srcset="https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250.jpg 1920w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-960x540.jpg 960w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-1680x945.jpg 1680w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-1280x720.jpg 1280w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-1536x864.jpg 1536w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-1290x725.jpg 1290w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-630x354.jpg 630w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-300x169.jpg 300w, https://blogs.nvidia.com/wp-content/uploads/2026/06/hpc-press-ai-for-science-1920x1080-plasma-reactor-4462250-400x225.jpg 400w" sizes="(max-width: 1920px) 100vw, 1920px" /> 将MIST与通用LLM融合，使精确的量子化学计算更广泛地可及，并加速了储能和转换系统的设计，这些系统对于实现交通领域的广泛电气化（例如重型和航空部门）至关重要。 <h2>波士顿大学的传染病检测BEACON AI管道</h2> 传染病可能在社区中迅速传播，导致疫情激增。 波士顿大学的<a target="_blank" href="https://www.bu.edu/hic/">Hariri计算研究所和新发传染病中心</a> 正在利用NVIDIA加速计算，通过AI管道训练和评估一个LLM，以支持一个名为BEACON（生物威胁出现、分析与通信网络）的疫情监测计划。 该LLM正在使用大量关于传染病和易流行优先病原体的文档语料库进行训练，以s

查看原文

查看缓存全文

缓存时间: 2026/06/22 13:32

# NAIRR科学计划重塑科研，由NVIDIA AI基础设施支撑来源：https://blogs.nvidia.com/blog/nairr-scientific-research-ai-infrastructure/ 过去两年里，美国国家科学基金会（U.S. National Science Foundation）的国家人工智能研究资源（NAIRR）试点项目(https://blogs.nvidia.com/blog/national-ai-research-resource-pilot/)已推动全美超过700个项目的创新研究——涵盖蛋白质预测和传染病暴发管理等领域。 NVIDIA通过一项云资源为NAIRR试点提供了支持，使研究人员能够专用至少四个NVIDIA DGX(https://www.nvidia.com/en-us/data-center/dgx-platform/)节点至少一个月。NVIDIA还提供技术支持，帮助研究人员在项目全程进行入驻和协作。借助NVIDIA的AI基础设施支持和提供专用资源的DGX参考架构，研究人员缩短了工作流时间，并发现了将重塑和推动医疗、农业、能源等行业的前沿技术。通过NAIRR在全美范围内进行科学探索和发现的潜力是无限的。下面进一步了解几个NAIRR项目。 ## **Polymathic AI的Well数据集助力物理模拟** 仿真到现实（sim-to-real）的管线在各行业中越来越普遍，成为一种更安全、更经济的部署方式。 Polymathic AI——一个由Flatiron研究所、剑桥大学和劳伦斯伯克利国家实验室的国际科学家组成的联盟——借助NVIDIA GPU(https://www.nvidia.com/en-us/data-center/solutions/accelerated-computing/)和NVIDIA NVLink互连技术(https://www.nvidia.com/en-us/data-center/nvlink/)，正在通过其名为“Well”的大规模数据集加强物理流体类模拟。该数据集将用于训练迄今为止最大、最通用的流体行为基础模型。这个名为Walrus(https://polymathic-ai.org/blog/walrus/)的基础模型已公开发布，包括其数据、代码和预训练权重。 Polymathic AI的方法建立在物理预训练环境的先前工作之上，解决了当前规模化和预训练多样性的局限性。研究小组还计划探索缩放定律，以加速开发更强大的科学应用基础模型。 ## **密歇根大学储能融合模型** 能源是社会的基础，需要设计新颖高效的材料用于能源存储与转换。密歇根大学的研究人员，由航空航天工程系的Venkat Viswanathan教授领导，正在开发一个模型融合框架，结合了领域特异性分子AI和通用大型语言模型。目标是帮助计算科学家更轻松地探索化学空间，用自然语言提出化学具体问题，并识别有前景的下一代能源技术材料。分子基础模型系列MIST（分子洞察SMILES变换器）专为化学空间的发现和探索而设计。 MIST模型在大量未标记分子数据集上预训练，并使用新型分词器Smirk，更好地从分子表示中捕获核、电子、几何、同位素和立体化学信息。MIST模型在400多个结构-性能关系上进行了微调，在电化学、量子化学、生理学等领域的基准测试中可达到或超越最先进性能。 MIST是在一个40-GPU的NVIDIA DGX集群上开发的，该集群是研究人员通过NAIRR分配获得的，另外还在ALCF的Polaris集群上使用了20万NVIDIA GPU小时。团队使用NVIDIA的NGC PyTorch容器来支持不同集群上的可复现GPU加速开发。将MIST与通用LLM融合使精确的量子化学计算更广泛可及，并加速了能源存储和转换系统的设计，从而实现交通领域（如重型运输和航空部门）的广泛电气化。 ## **波士顿大学用于传染病检测的BEACON AI管线** 传染病可能在社区迅速传播，导致疫情暴发。波士顿大学的Hariri计算研究所和新兴传染病中心(https://www.bu.edu/hic/)正在使用NVIDIA加速计算训练和评估一个LLM，通过一个AI管线支持名为BEACON（生物威胁出现、分析和通信网络）的疫情监测项目。该LLM正在使用大量传染病和易流行优先病原体的文档进行训练，以支持从事BEACON的现场专家和疫情分析师的工作。该模型将能够分析全球范围内关于新兴疾病暴发的在线帖子，提取特征用于下游分类和优先级排序。BEACON将处理来自多种来源的信号——包括全球疾病追踪平台HealthMap、新闻和社交媒体推送、主题专家以及通过社区板或社交媒体进行的个人通信——生成简洁的疫情报告。这些全面的疫情分析可以为新兴传染病的临床实践指南提供信息，并识别需要更多数据的缺口。国际部署的医生、政府组织和学术研究人员已经在使用BEACON模型快速识别和治疗传染病。 “当你与传染病专家谈论我们开发这个管线之前他们做的事情时，他们以前撰写一份报告需要几个小时，”波士顿大学Hariri计算研究所所长Ioannis Paschalidis说，“现在，生成一份报告大约只需两分钟。” ## **NAIRR与NVIDIA遍布全美** 最新的科学研究不止于此。许多其他大学——包括哈佛(https://www.nvidia.com/en-us/case-studies/harvard-medical-school/)、斯坦福(https://www.nvidia.com/en-us/case-studies/stanford-marlowe/)、科罗拉多州立大学(https://www.nvidia.com/en-us/case-studies/colorado-state-university/)等——正在借助NAIRR和NVIDIA开创科学突破。随着科学家更广泛地获得AI和加速计算，构建更安全、更健康国家的创新比以往任何时候都更加切实可行。 *了解更多关于**NAIRR试点项目*(https://blogs.nvidia.com/blog/national-ai-research-resource-pilot/)*，并探讨NVIDIA如何推动**学术研究*(https://www.nvidia.com/en-us/industries/higher-education-research/)*。*

NAIRR科学计划重塑科研格局，由NVIDIA AI基础设施驱动

相似文章

NVIDIA加入NSF州级和区域AI中心计划，以扩大全美的AI研究与教育

从材料模拟到实验天文学，全新NVIDIA AI软件推动科学发现

NVIDIA与Ineffable Intelligence合作，共同构建强化学习基础设施的未来

NVIDIA大规模解锁AI算力，邀请合作伙伴助力AI基础设施建设

NSF续期对MIT领导的AI与物理研究所的资助，拓展发现新模式

提交意见反馈