Immagine AI

In occasione della conferenza internazionale Supercomputing 2026 (SC26), organizzata a Chicago, NVIDIA ha presentato DGX Spark HPC Developer Kit, una configurazione hardware destinata allo sviluppo locale di applicazioni di calcolo scientifico ad alte prestazioni e di intelligenza artificiale distribuita. Il sistema è costituito da quattro unità DGX Spark interconnesse, che mettono complessivamente a disposizione 512 GB di memoria e 20 TB di spazio di archiviazione NVMe. La piattaforma è progettata per consentire ai ricercatori di sviluppare, verificare e ottimizzare applicazioni scientifiche multi-nodo prima del loro trasferimento verso infrastrutture di supercalcolo di maggiori dimensioni. Ciascuna unità comunica direttamente con due nodi adiacenti, attraverso una topologia di rete ad anello che non richiede l’installazione di uno switch esterno. La disponibilità di un cluster locale permette di effettuare sperimentazioni sul parallelismo computazionale, sulla distribuzione dei dati e sulle comunicazioni tra nodi senza occupare necessariamente le risorse condivise dei centri di supercalcolo durante le fasi preliminari dello sviluppo.

NVIDIA prevede di affiancare alla configurazione hardware una guida operativa dedicata all’installazione e all’utilizzo del proprio HPC SDK, l’insieme di compilatori, librerie e strumenti software sviluppati per la realizzazione di applicazioni scientifiche accelerate mediante GPU. Tra gli ambienti contemplati figura LAMMPS, software utilizzato per le simulazioni di dinamica molecolare e lo studio delle proprietà fisiche dei materiali, associato alla libreria Kokkos per la gestione del parallelismo su differenti architetture computazionali. I ricercatori potranno sperimentare algoritmi in precisione FP32 e in precisione mista, verificando il comportamento numerico delle applicazioni prima della loro esecuzione su infrastrutture più estese. Un ulteriore ambito di utilizzo riguarda l’integrazione degli agenti AI nei workflow scientifici, affidando loro la preparazione dei dati di ingresso, l’avvio delle simulazioni e l’organizzazione dei risultati, mantenendo in capo ai ricercatori la validazione delle condizioni sperimentali e delle conclusioni.

NVIDIA ha illustrato anche alcune applicazioni scientifiche già sviluppate utilizzando singole unità DGX Spark. Kvantify, attraverso le librerie NVIDIA cuQuantum, ha eseguito simulazioni mediante reti tensoriali di circuiti quantistici comprendenti fino a 70 qubit e 975 porte logiche, nell’ambito dello studio dell’energia dello stato fondamentale della penicillina. CYRAN AI utilizza invece la propria libreria PixelFlux per accelerare la decodifica delle immagini satellitari in formato JPEG 2000, mentre OpenFold ha sperimentato il fine-tuning di OpenFold3 per migliorare le previsioni delle strutture associate alle interazioni tra proteine e ligandi.

Presso l’Università della California a Berkeley, il Rubin Lab ha utilizzato DGX Spark e il modello genomico Evo 2 per prevedere caratteristiche batteriche a partire dalle sequenze genetiche, ottenendo i risultati 15 volte prima rispetto al precedente workflow, anche grazie all’eliminazione delle attese di accesso al cluster. L’Hartwig Group ha invece effettuato il fine-tuning mediante LoRA del modello Nemotron 3 Super 120B-A12B, utilizzando la quantizzazione NVFP4 per eseguire localmente sessioni di addestramento della durata compresa tra otto e 24 ore. Il nuovo kit è già commercializzato attraverso NVIDIA e i partner OEM, mentre la guida specifica per HPC SDK verrà distribuita successivamente.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy