In sintesi
- Nvidia presenta Rubin HPC con oltre 50.000 core CUDA, una nuova GPU progettata per simulazioni scientifiche, ingegneria e analisi dei dati, con disponibilità prevista nel 2028.
- CUDA-X accelera l’analisi astronomica da oltre un mese a otto minuti grazie a cuPhoton.xBeam, utilizzato per elaborare osservazioni dell’Event Horizon Telescope.
- Fusione, farmaci e ricerca oncologica beneficiano di nuove accelerazioni: Nvidia dichiara prestazioni fino a 3 volte superiori nelle simulazioni molecolari e fino a 900 volte nei calcoli spaziali cellulari.
Nvidia porta l’intelligenza artificiale nei laboratori scientifici con una nuova generazione di GPU e librerie software progettate per accelerare simulazioni, analisi astronomiche, ricerca farmaceutica e studi cellulari. Alla conferenza SC26 dedicata al supercalcolo, l’azienda ha annunciato Rubin HPC, un acceleratore con oltre 50.000 core CUDA, accompagnato dall’espansione delle librerie CUDA-X, capaci di ridurre drasticamente i tempi di alcune elaborazioni scientifiche. Il risultato più sorprendente riguarda l’astronomia: operazioni sulle osservazioni dei buchi neri che richiedevano oltre un mese possono essere completate in otto minuti attraverso la tecnologia cuPhoton. La nuova GPU arriverà soltanto nel 2028, mentre le librerie software vengono già utilizzate in progetti di ricerca. Nvidia punta a unificare hardware, algoritmi e agenti AI in un ambiente nel quale le ipotesi scientifiche possano essere verificate attraverso simulazioni sempre più rapide, riducendo i tempi necessari per selezionare esperimenti, materiali e molecole promettenti.
Cosa leggere
Rubin HPC supera 50.000 core CUDA e prepara i supercomputer del 2028
Rubin HPC rappresenta una nuova componente dell’architettura Nvidia Vera Rubin, sviluppata specificamente per il calcolo scientifico ad alte prestazioni. A differenza degli acceleratori prevalentemente orientati all’addestramento e all’inferenza dei modelli AI, questa GPU punta a gestire simulazioni numeriche, matrici sparse e grandi quantità di dati distribuiti. Nvidia dichiara oltre 50.000 core CUDA in un singolo acceleratore, una capacità specializzata nel mantenere elevato il flusso dei calcoli anche quando le informazioni necessarie sono distribuite in memoria. Il progetto introduce un sistema di accelerazione per dati sparsi e la connettività NVLink di settima generazione, destinata a facilitare gli scambi tra GPU.

L’obiettivo non consiste soltanto nell’aumentare la potenza di elaborazione, ma nell’evitare che migliaia di unità computazionali rimangano inutilizzate mentre attendono l’arrivo dei dati. Nvidia non ha comunicato prezzi, consumi specifici o benchmark indipendenti del nuovo processore. La disponibilità è prevista nel 2028, come indicato nell’annuncio ufficiale di Nvidia. Il progetto amplia la strategia già delineata con Vera Rubin NVL72, Groq 3 LPX e NVLink Fusion, spostando una parte dell’attenzione dall’industria dell’intelligenza artificiale ai laboratori scientifici.
Leggi anche: Nvidia e gli agenti AI che guidano i radiotelescopi nella ricerca astronomica.
CUDA-X analizza le osservazioni dei buchi neri in otto minuti
La trasformazione più immediata arriva dalle librerie CUDA-X, che permettono di accelerare algoritmi scientifici senza attendere l’arrivo della nuova GPU. Nvidia presenta cuPhoton.xBeam, una tecnologia destinata all’elaborazione delle osservazioni raccolte dall’Event Horizon Telescope, la rete internazionale di radiotelescopi utilizzata per studiare i buchi neri. Le osservazioni producono enormi quantità di informazioni che devono essere correlate prima della ricostruzione delle immagini.

Secondo Nvidia, un’elaborazione che richiedeva oltre un mese può essere completata in otto minuti, grazie all’accelerazione GPU. Il risultato riguarda la correlazione dei dati, non l’intero processo scientifico necessario per ottenere e validare un’immagine astronomica. La tecnologia è stata utilizzata su osservazioni dei getti astronomici J1924 e 3C279, mentre l’azienda descrive prospettive di ricostruzione in tempo reale per oggetti come Messier 87*. Le elaborazioni possono utilizzare sistemi multi-GPU distribuiti oppure configurazioni compatte come Nvidia DGX Spark. Il risultato, illustrato nella presentazione originale delle librerie CUDA-X, mostra come il calcolo accelerato possa incidere direttamente sui tempi di analisi delle osservazioni.
Dalla fusione nucleare ai nuovi farmaci: le simulazioni diventano più rapide
La ricerca sulla fusione nucleare costituisce un’altra applicazione strategica. Simulare il comportamento del plasma a temperature di milioni di gradi richiede risorse computazionali enormi, mentre gli esperimenti producono dati che devono essere interpretati rapidamente. I ricercatori di Pacific Fusion utilizzano cuPhoton.xLens per analizzare e visualizzare le simulazioni mentre vengono eseguite, senza attendere necessariamente la conclusione dell’intero processo. Nvidia prevede inoltre l’integrazione con agenti basati su Nemotron, eseguiti localmente, per interrogare i risultati e orientare le analisi.
Nel settore farmaceutico entra invece in gioco cuPotential, sviluppato a partire dai lavori del Flatiron Institute della Simons Foundation e di D. E. Shaw Research. Nvidia dichiara accelerazioni fino a tre volte nei software di simulazione molecolare, accompagnate da miglioramenti nella stabilità dei calcoli. L’obiettivo è individuare interazioni tra molecole, studiare potenziali siti di legame e valutare composti promettenti prima degli esperimenti di laboratorio. Tra le organizzazioni coinvolte nell’adozione figurano Schrödinger, Fathom Therapeutics e Terray Therapeutics. Le prestazioni dichiarate riguardano specifici carichi di lavoro e non equivalgono a una riduzione automatica dei tempi di sviluppo dei farmaci.
Ricerca oncologica e materiali: accelerazioni fino a 900 volte
Le applicazioni biologiche mostrano risultati altrettanto rilevanti. cuSpa, una nuova libreria open source, accelera fino a 900 volte rispetto alle CPU alcuni calcoli sui poligoni cellulari, utilizzati per generare grafi spaziali destinati allo studio dei tessuti. Tra i progetti interessati figurano quelli del Memorial Sloan Kettering Cancer Center, impegnato nella ricerca oncologica. L’ambiente rapids-singlecell, sviluppato con scverse, permette invece analisi cellulari accelerate: Therna Biosciences riferisce elaborazioni fino a 200 volte più rapide in uno specifico processo di ricerca terapeutica. Nvidia indica inoltre risultati fino a 84 volte superiori nelle ricerche di sequenze proteiche eseguite con la libreria HMMER accelerata su GPU presso Basecamp Research. Nel campo dei materiali, Daviator promette calcoli quantomeccanici fino a 22 volte più veloci e costi fino al 75% inferiori nelle configurazioni considerate. Il sistema entrerà nell’ecosistema Nvidia ALCHEMI, ampliando le possibilità di simulazione dei materiali a livello atomico. Si tratta di risultati differenti, ottenuti su attività specifiche, che non possono essere sommati né generalizzati a ogni laboratorio.
Continua con:
Nvidia accelera la ricerca scientifica con 80 sistemi AI tra Europa, Stati Uniti e Asia
la CPU Vera e i supercomputer exascale per la ricerca europea.
Nvidia vuole controllare l’infrastruttura della scoperta scientifica
Rubin HPC e CUDA-X delineano una strategia industriale che supera la semplice vendita di GPU. Nvidia punta a fornire agli istituti di ricerca un ambiente integrato nel quale acceleratori, librerie numeriche e agenti AI cooperino per formulare ipotesi, eseguire simulazioni e interpretare risultati. Il potenziale interessa anche università, centri scientifici e imprese italiane che utilizzano infrastrutture HPC, ma gli annunci di SC26 non specificano disponibilità nazionali, costi di accesso o accordi con istituzioni italiane.

Rimangono inoltre aperte questioni legate alla dipendenza da piattaforme proprietarie, ai consumi energetici e alla verificabilità indipendente delle prestazioni. La velocità computazionale non sostituisce la validazione scientifica: ottenere risultati in pochi minuti permette di sperimentare più rapidamente, ma non garantisce automaticamente nuove scoperte. La direzione industriale è comunque evidente: con Rubin HPC previsto nel 2028 e CUDA-X già al centro delle applicazioni scientifiche, Nvidia vuole diventare non soltanto il fornitore dei processori dell’intelligenza artificiale, ma anche l’infrastruttura tecnologica sulla quale costruire una parte crescente della ricerca scientifica mondiale.
Iscriviti alla Newsletter
Non perdere le analisi settimanali: Entra nella Matrice Digitale.
Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.









