英伟达在德国汉堡举行的计算科学国际会议"ISC"上，发布了一组旨在加速科学研究的全新软件。从化学、材料探索到暗物质搜寻，目标是把过去在 CPU 上需要数小时甚至数天的处理，借助 GPU 提升到接近实时的速度。核心是"cuPhoton""DAQIRI""ALCHEMI"三款产品，它们都作为英伟达软件平台"CUDA-X"的一部分提供[1][2]。
让天文数据快上一个数量级的"cuPhoton"
cuPhoton 是一套参考代码（作为开发起点的示例实现），用于读取、处理、分析并可视化来自望远镜、X 射线和激光实验的多维数据[1]。它能帮助天体物理学和天文学领域处理 PB 级的海量数据。
实际效果体现在数字上。在英伟达旗舰系统"GB200 NVL72"上运行时，cuPhoton 在早期使用阶段把 FITS（天文领域标准使用的数据格式）的读取速度最高提升了 14,900 倍[1]。处理对象是鲁宾天文台大规模观测计划"LSST"采集的图像数据。在使用 32 块"Grace Blackwell"超级芯片的配置下，信号处理与分析最高加快了 8,400 倍。LSST 所用的相机被称为迄今为止建造的最大数字相机之一，从遥远的星系到几乎不反射光线的暗弱天体都能拍摄。
cuPhoton 由英伟达与普林斯顿大学共同开发，并将与哈佛大学一起，用于处理和分析来自天文台和暗能量巡天的大量数据[1]。预计今年夏季正式提供。
实时处理此前被丢弃的实验数据的"DAQIRI"
DAQIRI（Data Acquisition for Integrated Real-time Instruments 的缩写）是一款高性能网络库，可把来自高速探测器和传感器的数据顺畅地导入英伟达软件[1]。传统机制受限于特定硬件，当仪器产生数据的速度超过保存速度时，就会出现丢失。DAQIRI 通过即时接收并转发数据来应对这一难题。
具体例子是欧洲核子研究中心（CERN）的研究项目"A-GHOST"。该项目由来自 CERN、芝加哥大学和伦敦大学学院（UCL）的研究人员在 CERN openlab 框架下推进，利用 DAQIRI 对 CERN 的 ATLAS 实验记录的对撞数据实时应用 AI[1]。受存储容量限制，ATLAS 记录的数据通常有 99% 以上会被丢弃，而 A-GHOST 的目标正是从中捕捉被埋没的有价值信号。DAQIRI 已在 GitHub 上公开。
把材料与化学探索并行化的"ALCHEMI"
ALCHEMI 是一组用于加速化学和材料探索的专用微服务，以及配套的开发工具包[1][3]。其设想的应用涵盖电池材料、催化剂、OLED 显示屏、化妆品等广泛领域。英伟达在 3 月发布了两种 NIM 微服务（把特定 AI 功能切分封装、可按需调用的形式），分别用于批量几何弛豫（BGR，寻找稳定结构）和批量分子动力学（BMD，再现分子运动）[1]。由此可以一次性模拟数百万规模的分子和材料。
作为实例，正在开发自主研究平台的 Lila Sciences 利用 ALCHEMI 的 BGR 微服务，把有前景材料的筛选速度提升了 50 倍[1]。它还把入围候选的磁性计算加快了 30%，并通过 ALCHEMI 的专有处理使 AI 模型的训练与推理提速 6 倍、内存占用降至三分之一。此前需要数周的模拟，如今几天即可完成。
此外，在把原子排列调整到最稳定形态的几何优化方面，面向广泛使用的"VASP"的微服务预计将于今年夏季新增——通过在一块 GPU 上同时运行多项计算，预期可获得 3 倍提速[1]。ALCHEMI 的工具包可在 GitHub 和 PyPI 获取，NIM 微服务则可从英伟达的目录"NGC"下载。
总结
英伟达在 ISC 上公开的 cuPhoton、DAQIRI 与 ALCHEMI，都是 CUDA-X 的一部分，旨在高速处理科学研究现场产生的海量数据。把天文数据读取最高提速 14,900 倍的 cuPhoton、实时处理此前被丢弃的实验数据的 DAQIRI、把材料筛选加快 50 倍的 ALCHEMI，都伴随具体成果一同亮相。让研究者能够更快、更多地验证假设的趋势，有望推动新药研发、新材料和宇宙观测等领域的进展。
出典:https://blogs.nvidia.com/blog/ai-for-science-software-cuda/
出典:https://www.nvidia.com/en-us/technologies/cuda-x/
出典:https://developer.nvidia.com/cuda/cuda-x-libraries/alchemi
