The Pulse
NVIDIA prevede una GPU HPC Rubin per il calcolo scientifico nel 2028
NVIDIA afferma che la GPU HPC Rubin che ha in programma avrà oltre 50.000 core CUDA e dovrebbe essere disponibile nel 2028. Il chip è progettato per simulazioni ed elaborazione dei dati nei flussi di lavoro scientifici e ingegneristici.

NVIDIA prevede una GPU per il calcolo scientifico con oltre 50.000 core CUDA su un singolo chip, che, afferma, accelererà le simulazioni utilizzate dagli agenti di IA in ambito scientifico e ingegneristico. Rubin HPC dovrebbe essere disponibile nel 2028, secondo un post dell’azienda del 16 novembre.
Il chip è stato annunciato a SC26 come parte della piattaforma NVIDIA Vera Rubin. È progettato per la simulazione e l’elaborazione dei dati nei flussi di lavoro scientifici, ingegneristici e di analisi.
Calcolo e trasferimento dei dati
Rubin HPC abbinerà i suoi core CUDA a una capacità di accelerazione dei dati sparsi, pensata per mantenerli alimentati con dati. La GPU utilizzerà la tecnologia NVIDIA NVLink di settima generazione per la connettività da GPU a GPU.
L’azienda descrive il progetto come un tentativo di far crescere il trasferimento dei dati di pari passo con la capacità di calcolo. Afferma che le applicazioni scientifiche spesso raccolgono ripetutamente valori sparsi in grandi insiemi di dati e calcolano risultati: uno schema presente in campi come la modellazione climatica, l’analisi genomica, la simulazione ingegneristica e il rischio finanziario.
I carichi di lavoro comprendono operazioni su matrici sparse, calcoli stencil, ordinamenti e riduzioni. NVIDIA afferma che accelerare queste operazioni ricorrenti può essere d’aiuto nelle simulazioni utilizzate in ambito scientifico e ingegneristico.
Agenti e simulazione
Tra gli utenti a cui è destinata la GPU ci sono scienziati e ingegneri che lavorano con agenti per esplorare materiali, molecole e progetti candidati. NVIDIA afferma che le simulazioni possono mettere alla prova queste idee e contribuire a orientare i passaggi successivi.
«Per gli agenti che affrontano sfide scientifiche e ingegneristiche, simulazioni più rapide significano scoperte più rapide», ha dichiarato Ian Buck, vicepresidente di NVIDIA per l’hyperscale e il calcolo ad alte prestazioni. L’azienda si aspetta che simulazioni più rapide avviate dagli agenti abbrevino il ciclo di formulazione delle ipotesi, simulazione e perfezionamento.
Le librerie CUDA-X di NVIDIA forniscono implementazioni ottimizzate di algoritmi per gli agenti, compresi algoritmi pertinenti alla simulazione e all’analisi. L’azienda afferma che le librerie possono essere utilizzate insieme a Rubin HPC.
La piattaforma Vera Rubin
A giugno, NVIDIA ha descritto Vera Rubin come una piattaforma che combina GPU Rubin e CPU Vera con componenti di rete in un’architettura con raffreddamento diretto a liquido. La piattaforma è pensata per integrare simulazioni ad alta precisione, IA e analisi dei dati per carichi di lavoro come la modellazione climatica, la fluidodinamica computazionale e la chimica quantistica.
In quel comunicato precedente, NVIDIA ha affermato che un supercomputer Vera Rubin con un massimo di 144 GPU potrebbe offrire prestazioni paragonabili a quelle dei sistemi presenti nella lista TOP500 dei supercomputer più potenti.
Secondo il comunicato di giugno, era previsto che il sistema Blue Lion entrasse in funzione nel 2027 presso il Leibniz Supercomputing Centre. L’azienda ha affermato che avrebbe supportato la ricerca in astrofisica, scienze ambientali e scienze della vita, utilizzando simulazioni, machine learning e modelli surrogati.
A giugno, NVIDIA ha dichiarato che i sistemi basati su Vera Rubin NVL4 sarebbero stati disponibili presso produttori di sistemi di tutto il mondo a partire dal quarto trimestre del 2026. NVIDIA afferma che Rubin HPC dovrebbe essere disponibile nel 2028.
Fonti
Aziende in questa notizia
Notizie correlate
- NVIDIA amplia gli strumenti CUDA-X per agenti di IA scientifica
- NVIDIA prevede rack di CPU Vera per il calcolo scientifico nel 2027
- Intel presenta la GPU D270 per l’HPC con dati su benchmark finanziari e di IA
- AWS descrive controlli per gli errori silenti delle GPU nell’addestramento dell’IA
- Agent Substrate punta a una maggiore densità dei carichi di lavoro Kubernetes