Nvidia已将9款新的支持GPU的超级计算容器添加到它的云服务中了。
Nvidia扩充了Nvidia GPU Cloud(NGC),现在包括35个容器,这一数量在去年发布时基础上翻了三番。
他们瞄准的是负责运行巨大的工作负载、使用机器学习处理数学运算以训练模型或运行模拟的核心工程师。开发人员可以在他们选择的框架中编写程序,然后将模型部署到共享集群上,这样他们的模型就可以运行得更快。
NCG还配备了适用于各种应用的不同软件包。“NGC上提供用于PGI编译器的容器将帮助开发人员构建面向多核CPU和Nvidia Tesla GPU的HPC应用。PGI编译器和工具支持使用OpenACC、OpenMP和CUDA Fortran并行编程来开发性能可移植的HPC应用,”Nvidia在一篇博客文章中这样解释道。
有些像CHROMA一样是用于优化数学和物理模型的,AMBER用于分子模拟,CANDLE用于癌症研究。显然有超过27000个用户注册到NGC的容器注册表。
“自11月的超级计算大会以来,NGC已经增加了9个新的HPC和可视化容器,包括CHROMA、CANDLE、PGI和VMD。除此之外,还有8个容器,包括NAMD、GROMACS以及去年超算大会上推出的ParaView。”
容器让开发人员不需要安装所有必需的不同库和后端程序来部署他们的模型。对于测试模型也很不错,因为研究人员可以在不同的系统上运行各种实验,并检查他们的模拟结果是否相同。
他们还使用不同的以GPU为驱动的工作站进行测试,例如Nvidia的DGX,以及其他云平台如AWS、Google Cloud和Oracle Cloud Infrastructure。
好文章,需要你的鼓励
当AI遇到空间推理难题:最新研究揭示GPT-4等顶尖模型在传送门解谜和立体拼图中集体"挂科",复杂智能远比我们想象的更难实现。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。