Accrochez-vous, car NVIDIA vient de lâcher une bombe à la GTC ! Les nouvelles superchips GB200 et GH200, boostées par les librairies CUDA-X, promettent de révolutionner le travail des scientifiques et ingénieurs. Préparez-vous à des simulations plus rapides, des calculs plus massifs et des découvertes révolutionnaires… le tout, en un temps record !
Des performances décuplées pour la science
Depuis 2006, CUDA d’NVIDIA démocratise l’accès à la puissance du calcul accéléré. Avec plus de 900 librairies CUDA-X et modèles d’IA spécifiques à chaque domaine, NVIDIA facilite l’adoption de cette technologie et propulse des avancées scientifiques incroyables. Aujourd’hui, CUDA-X ouvre de nouvelles portes à des disciplines comme l’astronomie, la physique des particules, la physique quantique, l’automobile, l’aérospatiale et la conception de semi-conducteurs.
Le secret ? Une intégration plus étroite et une coordination automatique entre les ressources CPU et GPU. Résultat : des outils d’ingénierie jusqu’à 11 fois plus rapides et des calculs 5 fois plus importants qu’avec les architectures traditionnelles. De quoi accélérer et améliorer considérablement les flux de travail, de la simulation à l’optimisation de la conception.
L’architecture CPU NVIDIA Grace joue un rôle crucial avec une bande passante mémoire accrue et une consommation d’énergie réduite. Les interconnexions NVIDIA NVLink-C2C offrent une bande passante tellement élevée que le GPU et le CPU peuvent partager la mémoire. Les développeurs peuvent ainsi écrire un code moins spécialisé, traiter des problèmes plus complexes et améliorer les performances des applications.
cuDSS : Le turbo pour les simulations complexes
Les superchips NVIDIA permettent d’exploiter au maximum la puissance des GPU. La librairie NVIDIA cuDSS, par exemple, s’attaque aux simulations d’ingénierie impliquant des matrices creuses, comme l’optimisation de conception ou les simulations électromagnétiques.
Grâce à la mémoire du GPU Grace et à l’interconnexion NVLink-C2C, cuDSS factorise et résout des matrices gigantesques qui ne tiendraient normalement pas dans la mémoire. Les problèmes les plus complexes sont résolus en une fraction du temps ! La mémoire partagée cohérente entre le GPU et le CPU Grace minimise les transferts de données, réduisant considérablement les temps de traitement.
Ansys et Altair ont déjà intégré cuDSS, respectivement dans leur solveur HFSS et OptiStruct, avec des gains de performance impressionnants. HFSS voit ses simulations électromagnétiques accélérées jusqu’à 11 fois, tandis qu’OptiStruct bénéficie d’une accélération substantielle de ses analyses par éléments finis.
Des simulations XXL grâce à la mémoire des superchips
Les interconnexions NVLink-CNC des architectures GB200 et GH200 assurent la cohérence entre les mémoires CPU et GPU, permettant de faire évoluer des applications gourmandes en mémoire sur un seul GPU.
De nombreuses simulations d’ingénierie, notamment pour la conception de moteurs d’avion, nécessitent une résolution massive. Grâce à la possibilité de lire et d’écrire de manière transparente entre les mémoires CPU et GPU, les ingénieurs peuvent facilement implémenter des solveurs hors-cœur pour traiter des données plus volumineuses.
Autodesk, par exemple, a utilisé NVIDIA Warp (un framework Python) pour réaliser des simulations allant jusqu’à 48 milliards de cellules sur huit nœuds GH200, soit 5 fois plus que ce qui était possible avec huit nœuds NVIDIA H100 !
cuQuantum : Propulser la recherche en informatique quantique
L’informatique quantique promet d’accélérer la résolution de problèmes essentiels dans de nombreux domaines. Pour y parvenir, il faut pouvoir simuler des systèmes quantiques extrêmement complexes. C’est là qu’intervient NVIDIA cuQuantum.
Cette librairie accélère les simulations de vecteurs d’état et de réseaux de tenseurs, permettant aux chercheurs de développer dès aujourd’hui des algorithmes pour les ordinateurs quantiques de demain. Intégrée à tous les principaux frameworks d’informatique quantique, cuQuantum offre un gain de performance sans modification de code.
Les architectures GB200 et GH200, avec leur grande mémoire CPU, sont idéales pour ces simulations. Un système GH200 est jusqu’à 3 fois plus rapide qu’un système H100 avec x86 sur les benchmarks d’informatique quantique.
Pour en savoir plus sur les librairies CUDA-X, ne manquez pas la session GTC dédiée à l’accélération des applications sur les GPU NVIDIA Blackwell et le discours d’ouverture de Jensen Huang, PDG de NVIDIA.
