Becca Zandstein – NVIDIA 技術博客

借助 NVIDIA cuEquivariance 和 NVIDIA NIM 微服務加速分子建模

Wed, 11 Jun 2025 08:09:39 +0000

隨著 AlphaFold2 等模型的出現，對加速推理和訓練分子 AI 模型的需求激增。對速度的需求帶來了獨特的計算挑戰，包括算法復雜性、內存效率和嚴格的準確性要求。為解決這一問題，NVIDIA 與合作伙伴合作提供加速解決方案，例如更快的 equivariant 操作和更快的 MSA 生成。今天，我們發布了 cuEquivariance 中的新內核和 NVIDIA NIM 微服務，以加速分子 AI 模型的訓練和推理，例如由 MIT 和 Recursion 開發的開源基礎模型 Boltz-2。這些加速有助于開發更復雜的分子 AI 系統，并更快地大規模了解分子結構。 NVIDIA cuEquivariance 是一個 CUDA-X 庫，旨在加速 MACE、Allegro、NequIP 和 DiffDock 等幾何感知神經網絡的苛刻計算。

Source

]]>

借助 NVIDIA cuBLAS 12.9 提高矩陣乘法速度和靈活性

Thu, 01 May 2025 07:04:57 +0000

NVIDIA CUDA-X 數學庫助力開發者為 AI、科學計算、數據處理等領域構建加速應用。 CUDA-X 庫的兩個最重要的應用是訓練和推理 LLM，無論是用于日常消費者應用，還是用于藥物研發等高度專業化的科學領域。要在 NVIDIA Blackwell 架構上高效訓練 LLM 和執行具有突破性性能的推理任務，多個 CUDA-X 庫不可或缺。 cuBLAS 是一個 CUDA-X 庫，可提供高度優化的內核，用于執行最基本的線性代數任務，例如矩陣乘法 (matmuls) ，這些任務對于 LLM 訓練和推理至關重要。 NVIDIA CUDA 工具包 12.9 中新推出的 cuBLAS 支持進一步優化 cuBLAS matmul 性能的新功能。它還通過調整浮點精度和利用模擬的基礎模組，實現了更大的靈活性，以平衡準確性和能效等需求。本文將介紹 cuBLAS 12.9…

Source

]]>

NVIDIA cuDSS 庫推動美國電網優化無障礙發展

Tue, 19 Nov 2024 09:08:57 +0000

隨著電力需求不斷增長，電網的電力系統優化（PSO）對于確保高效的資源管理、可持續性和能源安全至關重要。東部互聯是北美的主要電網，由大約 70,000 個節點組成 (圖 1)。除了規模龐大之外，此類電網的優化還因災難性天氣事件和發電中斷等不確定性而變得復雜。 PSO 通常涉及解決大規模非線性優化問題，例如交變電流最優功率流（ACOPF）模型，這些模型通常包含數百萬個變量和約束。實時獲得準確的結果對于保持電網穩定性和效率至關重要，但這是一項極其困難的任務。 Sungho Shin 教授 (MIT)、François Pacaud 教授 (MINES Paris – PSL) 和博士后研究員 Alexis Montoison (ANL) 一直在開發非線性優化算法和求解器，這些算法和求解器使用 NVIDIA 工具來解決大規模 PSO 和其他復雜的非線性優化問題。

Source

]]>

NVIDIA cuEquivariance 數學庫助力藥物和材料研發加速

Mon, 18 Nov 2024 07:35:26 +0000

用于科學的 AI 模型通常經過訓練，可以預測自然界的運作方式，例如預測生物分子的結構或可能成為下一種電池材料的新固態的性質。這些任務需要高精度和準確性。科學領域的 AI 更具挑戰性的原因在于，高度準確和精確的科學數據往往稀缺，這與從多個資源中大量獲取的文本和圖像不同。鑒于對解決方案的高需求和有限的資源，研究人員轉而采用創新方法，例如將自然法則嵌入 AI 模型中，提高其準確性以及減少對數據的依賴。去年取得成功的一種方法是將科學問題的對稱性嵌入 AI 模型。這些神經網絡架構在等變神經網絡（Equivariant Neural Networks，ENN）下廣受歡迎，使用對稱相關變換下的等變數學概念構建而成。簡而言之，ENN 旨在了解問題的基本對稱性。例如，如果 ENN 的輸入進行了旋轉，輸出也將相應旋轉。這意味著，即使以不同的方向呈現，模型也可以識別相同的物體或圖案。

Source

]]>