Nvidia presentó Rubin HPC en la conferencia de supercomputación SC26. Es una GPU nueva dentro de la plataforma NVIDIA Vera Rubin y está diseñada para acelerar la simulación y el procesamiento de datos en flujos de trabajo de ciencia, ingeniería y analítica.

El argumento de la empresa gira en torno a los agentes de IA. A medida que estos ayudan a científicos e ingenieros a explorar más materiales, moléculas y diseños candidatos, dependen de simulaciones para poner a prueba cada idea y decidir el paso siguiente. Rubin HPC está pensada para acelerar esas simulaciones.

¿Qué trae la GPU Rubin HPC?

La ficha que entregó Nvidia tiene tres puntos:

  • Un número récord de núcleos CUDA, más de 50.000 en una sola GPU.
  • Una función de aceleración de datos dispersos (sparse), que mantiene alimentados esos núcleos con datos.
  • Conexión entre GPU con NVIDIA NVLink de séptima generación.

Nvidia no publicó cifras de rendimiento, memoria ni consumo de la GPU en el anuncio.

Simular antes de ir al laboratorio

Los equipos de ciencia e ingeniería simulan los sistemas complejos antes de comprometerse con un experimento o con un prototipo físico. Con agentes en el flujo, esos equipos pueden revisar más candidatos, y eso multiplica la demanda de simulaciones aceleradas por GPU que se necesitan para evaluarlos.

"Para los agentes que abordan ciencia e ingeniería, una simulación más rápida significa un descubrimiento más rápido", dijo Ian Buck, vicepresidente de hiperescala y computación de alto rendimiento de Nvidia. "Rubin HPC acelera las simulaciones que los agentes usan para probar ideas y guiar sus próximos pasos, ayudando a científicos e ingenieros a explorar más posibilidades y acercar los avances".

¿Por qué una GPU distinta para cómputo científico?

Según Nvidia, las cargas de cómputo científico tienen una forma parecida en modelos climáticos, simulaciones de ingeniería, análisis genómico y riesgo financiero. La aplicación entra a un conjunto de datos inmenso, recoge un puñado de valores dispersos, calcula un resultado y repite el ciclo a una escala enorme.

En esas cargas el cuello de botella no es solo cuántas operaciones hace el chip, también cuánto tarda en llegarle el dato. Por eso la empresa describe un diseño equilibrado, que escala el movimiento de datos y el cómputo al mismo tiempo en lugar de aumentar solo la potencia de cálculo.

Ese equilibrio busca que los núcleos CUDA pasen su tiempo calculando y no esperando datos. Nvidia dice que así se aceleran los patrones que se repiten en cualquier simulación, desde las operaciones con matrices dispersas y los cálculos de esténcil hasta los ordenamientos y las reducciones. Esos mismos patrones aparecen en analítica de datos, ciencia e ingeniería, y de ahí sale la apuesta por una GPU de propósito específico con aceleración amplia.

Las bibliotecas y el ciclo de hipótesis

Las bibliotecas NVIDIA CUDA-X ofrecen implementaciones optimizadas de algoritmos complejos que los agentes pueden invocar, incluidos los de simulación y analítica. Nvidia las presenta como el complemento de Rubin HPC.

La idea de la empresa es que una simulación más rápida, pedida por un agente, devuelve resultados antes y acorta el ciclo de hipótesis, simulación y ajuste. Con eso los equipos eligen antes el siguiente paso y llevan al laboratorio solo a los candidatos más prometedores.

Rubin HPC estaría disponible en 2028, según Nvidia.