能源

2025年 5月 7日
使用 NVIDIA NeMo Curator 構建 Nemotron-CC:一個高質量萬億令牌數據集,用于大型語言模型預訓練,源自 Common Crawl
對于想要訓練先進的 大語言模型 (LLM) 的企業開發者而言,整理高質量的預訓練數據集至關重要。為了讓開發者能夠構建高度準確的 LLM,
2 MIN READ

2025年 2月 20日
聚焦:東京大學使用 NVIDIA Grace Hopper 進行開創性的節能地震研究
超級計算機是推動突破性發現的引擎。從預測極端天氣到推進疾病研究,以及設計更安全、更高效的基礎設施,這些機器可以模擬因規模、
2 MIN READ

2024年 12月 19日
聚焦:Stone Ridge Technology 利用 AWS 上的 NVIDIA PhysicsNeMo 加速油藏模擬工作流
能源勘探中固有的風險和不確定性包括未知的地質參數、流體和巖石屬性的變化、邊界條件和噪聲觀測數據。
3 MIN READ

2024年 11月 21日
聚焦:借助 AVEVA 動態模擬和 NVIDIA Raptor 推進自動駕駛操作
工業工程師正在利用人工智能構建先進的流程模擬解決方案,并加快能源、電力和化學行業實現完全自主運營的進程。
2 MIN READ

2024年 11月 19日
NVIDIA cuDSS 庫推動美國電網優化無障礙發展
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,
2 MIN READ

2024年 10月 23日
利用 NVIDIA CUDA-Q 和 NVIDIA cuDNN 加速太陽能預測的量子算法實現
改善可持續能源的來源是一個全球性問題,具有環境和經濟安全方面的影響。臺灣中原基督教大學電力系統與能源杰出教授 Ying-Yi Hong…
2 MIN READ

2024年 10月 14日
AI 加速電動汽車充電優化,實現規模化提速和成本節省
電動汽車(EV)充電正在獲得一項創新的人工智能算法的推動,這項算法提高了效率,降低了成本,并防止電網在壓力下短路。
1 MIN READ

2024年 10月 9日
NVIDIA Grace CPU 實現全球頂級數據中心性能和突破性能效優勢
NVIDIA 將 NVIDIA Grace CPU 設計為一種新型高性能數據中心 CPU,旨在提供突破性的 能效 ,
2 MIN READ

2024年 9月 24日
聚焦:Petrobras 利用 NVIDIA Grace CPU 加速用于油藏模擬的線性求解器
油藏模擬通過模擬復雜場景并與真實的現場數據進行比較,幫助油藏工程師優化資源勘探方法。這擴展到對枯竭油藏的模擬,
3 MIN READ

2024年 9月 19日
聚焦:SLB 與 NVIDIA 攜手推出能源領域生成式 AI 解決方案
全球能源技術公司 SLB 宣布 ,在與 NVIDIA 的長期合作中,能源行業生成式 AI 解決方案的開發和擴展是一個新的里程碑。
1 MIN READ

2024年 9月 9日
聚焦:Shell 使用 NVIDIA PhysicsNeMo 將 CO2 存儲建模速度提高 100000 倍
隨著世界在應對氣候變化方面的迫切需求,碳捕獲和存儲(CCS)已成為實現凈零排放的關鍵技術。
2 MIN READ

2024年 7月 12日
借助 NVIDIA Grace CPU 提升數學優化性能和能效
數學優化是一種功能強大的工具,可以幫助企業和人們做出更明智的決策,并實現任意數量的目標。這些目標包括提高運營效率、降低成本和提高客戶滿意度。
2 MIN READ

2024年 7月 11日
聚焦:西門子能源公司使用 NVIDIA PhysicsNeMo 將電網資產模擬加速 10000 倍
由于可再生能源發電量不斷增加、能源資源分散和重工業脫碳,世界能源系統變得越來越復雜和分布式。能源生產商面臨的挑戰是,
2 MIN READ

2024年 6月 12日
在 cuBLAS 中引入分組 GEMM API 以及更多性能更新
最新版本 NVIDIA cuBLAS 庫版本 12.5 將繼續為深度學習(DL)和高性能計算(HPC)工作負載提供功能和性能。
2 MIN READ

2024年 6月 10日
聚焦:思科借助 NVIDIA BlueField-3 DPU 提高工作負載安全性和運營效率
隨著網絡攻擊變得越來越復雜,組織必須不斷采用先進的解決方案來保護其關鍵資產。其中一種解決方案是Cisco Secure Workload,
2 MIN READ

2024年 6月 7日
借助 NVIDIA NIM 無縫部署大量 LoRA Adapters
最新的先進基礎大型語言模型 (LLM) 擁有數十億個參數,并已在數萬億個輸入文本標記上進行了預訓練。它們通常在各種用例上都取得了驚人的成果,
2 MIN READ