NVIDIAは2026年11月16日、科学・工学分野のシミュレーションや大規模データ解析に向けたGPU「Rubin HPC」を、スーパーコンピューティング分野の国際会議SC26で発表した。Vera Rubinプラットフォームに属するGPUで、1基当たり5万超のCUDAコアを搭載する計画だ。さらに、メモリ上の離れた位置にあるデータへのアクセスを高速化する疎データ加速機能と、GPU間を接続する第7世代NVLinkを組み合わせ、2028年の提供を見込む。

科学技術計算では、膨大なデータから必要な値を取り出して演算し、その処理を繰り返すことが多い。NVIDIAは演算器を増やすだけでなく、演算器へのデータ供給やGPU間のデータ転送も強化する方針だ。11月15〜20日にシカゴで開催されるSC26では、AIエージェントが利用するCUDA-Xライブラリの拡充も発表した。GPUがシミュレーションを実行し、AIエージェントがその結果をもとに次の候補を選ぶことで、科学研究や製品開発の効率化を目指す。

AD

5万超のCUDAコアを生かす3つの技術

Rubin HPCの特徴は、演算を担うCUDAコア、必要なデータを演算器に供給する疎データ加速機能、複数GPU間の通信を担う第7世代NVLinkの3つに整理できる。NVIDIAの11月16日付の発表で示された主な仕様は以下の通りだ。

役割 対象 公表仕様
演算処理 単一GPUの演算器 5万超のCUDAコア
データ供給 メモリ上に散在するデータへのアクセス 疎データ加速
GPU間通信 複数GPU間のデータ転送 第7世代NVLink

なお、疎データ加速機能の内部構造や具体的な性能向上率は公表されていない。

CUDAコア数は演算器の規模を表す一方、NVLinkはGPU間のデータ転送に関わる技術であり、それぞれ役割が異なる。NVIDIAが重視しているのは、演算器がデータの到着を待つ時間を減らし、計算に使える時間を増やすことだ。演算器そのものの性能に加え、必要なデータを各コアに供給する仕組みやGPU間の通信を強化することで、演算能力を効率よく活用できるようにする。ただし、実際の性能は処理内容やデータ配置、計算精度、GPU間通信の条件によって変わるため、比較にはこれらの条件をそろえる必要がある。

NVIDIAは、気候モデル、工学シミュレーション、ゲノム解析、金融リスク計算などに共通する課題として、大規模なデータセットから必要な値を集めて演算を繰り返す処理を挙げている。データ全体が巨大であっても、個々の計算で参照する値はメモリ上の離れた場所に存在する場合がある。こうした処理では、CUDAコアを増やしても必要なデータが届くまでの待ち時間が長ければ、演算能力の向上を十分に生かせない。

具体的な対象には、疎行列演算、ステンシル計算、ソート、リダクションなどがある。ステンシル計算は周囲の格子点の値を参照して各点を更新する処理で、流体解析や気象シミュレーションなどに使われる。リダクションは、多数の値を合計するなどして一つの結果にまとめる処理だ。これらの計算では、演算に必要なデータの読み出しや結果の受け渡しが性能を左右するため、NVIDIAは演算能力とデータ転送性能の両方を強化する方針を示している。

AIエージェントと科学シミュレーションを組み合わせ、仮説検証を高速化

NVIDIAがRubin HPCと並行して進めているのが、AIエージェントによる科学シミュレーションの活用だ。材料や分子、工学設計などの候補を探索するAIエージェントは、シミュレーションを実行して結果を評価し、その情報をもとに次の仮説や設計変更を選ぶ。NVIDIAは、シミュレーションを高速化することで、研究者や技術者が次に試す候補をより早く絞り込み、実験や設計の効率を高められると説明している。

こうした処理を支えるのが、GPU向けに最適化されたアルゴリズムやライブラリを集めたCUDA-Xだ。GPUが計算を実行し、CUDA-XライブラリがAIエージェントから呼び出すシミュレーションや分析処理を担う。NVIDIAは同日発表したCUDA-Xライブラリの拡充で、分子シミュレーションや核融合研究を例に、計算結果を次の研究判断につなげる活用方法を紹介した。

分子シミュレーション向けの「cuPotential」は、薬剤などの候補を実際の実験に進める前に、計算によって評価するためのライブラリだ。NVIDIAによると、既存のシミュレーションソフトウェアを最大3倍高速化するとともに、計算の安定性と精度も改善するという。分子間の相互作用の強さを計算したり、分子が結合する場所を探索したりする用途が想定されている。こうした処理を高速化できれば、候補の評価を繰り返し、次に試す対象を決めるまでの時間を短縮できる。ただし、最大3倍という数値について、比較環境や測定条件の詳細は発表されていない。

核融合研究を手がけるPacific Fusionの事例では、シミュレーションの終了を待たず、計算中に結果を解析する方法が紹介された。同社の研究者は「cuPhoton.xLens」を利用し、プラズマシミュレーションの実行中にデータを抽出して可視化している。NVIDIAは、この処理全体を同じシステム上で動作するNemotronベースのローカルAIエージェントに接続できると説明する。計算中に得られた情報を対話的に解析し、その結果を次のシミュレーションへ反映することで、核融合炉のターゲットやチャンバーの設計判断に役立てる構想だ。

cuPotentialが個々のシミュレーションを高速化するのに対し、Pacific Fusionの事例は、計算中の解析から次の試行へと進む時間の短縮を目指している。いずれもCUDA-Xの活用例であり、2028年の提供を予定するRubin HPC上で得られた成果ではない。NVIDIAは、こうしたソフトウェア技術と次世代GPUの計算能力を組み合わせることで、仮説の立案、シミュレーション、結果の評価、設計の修正という一連の作業を高速化しようとしている。

AD

2028年の提供に向け、実際のアプリケーション性能が焦点に

Rubin HPCは2028年の提供が見込まれているが、現時点では導入判断に必要な仕様の多くが明らかになっていない。科学技術計算で重要となる倍精度浮動小数点演算(FP64)の性能をはじめ、メモリ容量や帯域幅、消費電力、価格、具体的なシステム構成などは未公表だ。実際に利用する研究機関や企業にとっては、必要な計算精度とデータ規模に対応できることに加え、既存のアプリケーションをどれだけ高速化できるかが重要になる。

特にAIエージェントと組み合わせる場合、評価すべきなのはGPU単体の演算速度だけではない。必要なデータの読み出しやGPU間通信、シミュレーション結果の解析、その結果に基づく次の試行の選択まで含めた処理時間が重要になる。NVIDIAが掲げる5万超のCUDAコアとデータ転送技術の強化がどれほど効果を発揮するかは、実際の科学技術計算アプリケーションで、仮説検証の一連の作業にかかる時間をどこまで短縮できるかによって評価されることになる。