NVIDIA presentó el DGX Spark HPC Developer Kit en SC26, la conferencia anual de supercomputación que se realiza esta semana en Chicago. El kit está dirigido a investigadores, académicos y desarrolladores.

Se trata de un clúster de cuatro nodos formado por equipos NVIDIA DGX Spark, cada uno conectado en forma directa con sus dos vecinos en un anillo. NVIDIA anunció además una guía de instalación del NVIDIA HPC SDK que publicará pronto. La idea es que los investigadores tengan en su escritorio un lugar para correr cargas científicas de varios nodos, modelos de IA y agentes, en vez de esperar turno en un clúster de GPU compartido. Cada nodo lleva el superchip GB10 Grace Blackwell.

¿Qué trae el kit?

El kit escala de un equipo, o nodo, hasta cuatro, conectados entre sí por la red ConnectX-7 de NVIDIA sin necesidad de comprar ni configurar un switch de red.

Con los cuatro nodos suma 512 GB de memoria combinada y 20 TB de almacenamiento NVMe, capacidad que permite repartir modelos y cargas científicas por todo el clúster. Con el formato NVFP4, los investigadores pueden desplegar en forma local modelos de hasta 700.000 millones de parámetros repartidos en los cuatro DGX Spark, como DeepSeek V4.1.

Según NVIDIA, con esa capacidad en el escritorio, los investigadores que tienen una cuota fija de cómputo y de servidores ya no esperan en una cola por cada trabajo. Los equipos pueden desarrollar y depurar por su cuenta, guardar las horas de servidor para las corridas de producción y mantener en sus propias instalaciones los resultados aún no publicados y los conjuntos de datos privados.

La guía del NVIDIA HPC SDK llevará al clúster DGX Spark los compiladores de C, C++ y Fortran acelerados por GPU, las bibliotecas y las herramientas de paso de mensajes (MPI), las mismas herramientas de desarrollo que se usan en los supercomputadores con hardware de NVIDIA. Con eso, los equipos pueden compilar y probar aplicaciones científicas en cuatro nodos, revisar cómo se reparten el cómputo y los datos y depurar problemas de comunicación antes de pasar a sistemas más grandes.

¿Qué software científico ya corre en él?

NVIDIA mostró cargas de trabajo con los cuatro equipos, entre ellas LAMMPS con Kokkos para simulación de materiales y NAMD para dinámica molecular. La comunidad de DGX Spark validó además GROMACS para dinámica molecular, OpenFOAM para dinámica de fluidos, WRF para modelos meteorológicos y microservicios NVIDIA NIM como OpenFold3 y Boltz-2, que predicen estructuras biomoleculares.

Sobre DGX Spark también corren un nuevo conjunto de datos abierto y recetas de postentrenamiento para Nemotron 3.5 Super VL, que sirven para adaptar el modelo a ciencias de la vida y química dentro de una infraestructura que controla la propia organización.

Usos que propone NVIDIA

NVIDIA plantea tres tipos de trabajo para el kit.

  • Flujos asistidos por agentes que preparan los datos de entrada de una simulación, lanzan las corridas y resumen los resultados, mientras los científicos validan la configuración y las conclusiones.
  • Entrenar modelos de IA que aproximan simulaciones lentas y usarlos para afinar el diseño de un ala hacia la mínima resistencia aerodinámica.
  • Reducir una simulación de 10 millones de celdas a las 50 a 500 dimensiones que de verdad importan, antes de comprometer horas de supercomputador.

Casos de uso informados

  • Kvantify usa NVIDIA cuQuantum y reporta simulaciones de redes tensoriales de circuitos de química cuántica con hasta 70 qubits y 975 compuertas en un solo DGX Spark. Las midió con circuitos generados para calcular la energía del estado fundamental de la penicilina.
  • CYRAN AI, una empresa derivada del IIT Delhi, usa DGX Spark y su biblioteca PixelFlux para acelerar la decodificación JPEG 2000 de imágenes satelitales grandes, lo que permite análisis geoespacial local.
  • OpenFold muestra cómo ajustar OpenFold3 en un DGX Spark para mejorar la predicción de estructuras de proteína y ligando en el descubrimiento de fármacos.
  • El Rubin Lab del IGI, en la Universidad de California en Berkeley, usa un DGX Spark y el modelo NVIDIA Evo 2 para predecir rasgos de bacterias a partir de secuencias genómicas, comparando representaciones de modelos de lenguaje genómicos y de proteínas contra los métodos clásicos. Sin las 11 horas de cola del clúster, los resultados llegaron 15 veces antes.
  • El Hartwig Group de UC Berkeley usa un DGX Spark para ajustar con LoRA el modelo Nemotron 3 Super 120B-A12B en aprendizaje automático para química, entrenando una cabeza de predicción con valores experimentales. Con cuantización NVFP4, el laboratorio hizo caber un modelo de la clase de 120.000 millones de parámetros en un solo equipo y se saltó colas de varios días, lo que le permite encadenar entrenamientos continuos de 8 a 24 horas.

¿Dónde se compra?

El kit se exhibe en SC26 y ya está a la venta. Los productos DGX Spark y sus cables se venden a través de los principales fabricantes asociados y también en NVIDIA Marketplace. NVIDIA no publicó el precio del kit en el anuncio.

Los socios son Acer, ASUS, Dell Technologies, GIGABYTE, H3C, HP, Lenovo, MSI y xFusion.

La guía para compilar y correr el NVIDIA HPC SDK, el kit de desarrollo de software de NVIDIA para cómputo científico, llegará pronto. Cuando esté disponible, dará a los científicos una plataforma local para desarrollar aplicaciones de GPU de varios nodos, explorar algoritmos en FP32 y de precisión mixta, y correr simulaciones de dinámica molecular y de materiales con LAMMPS y Kokkos antes de escalar a sistemas de centro de datos.