
Explorer davantage de molécules, de matériaux ou de variantes d’une pièce ne sert guère si leur évaluation devient le goulet d’étranglement. Avec les agents IA, la multiplication des hypothèses accroît justement la pression sur les machines chargées de les tester.
Présenté à SC26, Rubin HPC est un nouveau GPU de la plateforme NVIDIA Vera Rubin, destiné aux simulations et au traitement des données scientifiques, d’ingénierie et d’analyse. Sa disponibilité est prévue en 2028.
Rubin HPC doit alimenter plus de 50 000 cœurs CUDA

NVIDIA annonce plus de 50 000 cœurs CUDA sur un seul GPU, un record revendiqué par le constructeur. Cette capacité de calcul s’accompagne d’un dispositif d’accélération du traitement des données creuses et d’une interconnexion GPU à GPU reposant sur NVLink de septième génération.
Le point central de l’annonce porte toutefois sur l’équilibre entre calcul et circulation des données. NVIDIA veut faire progresser les deux ensemble, plutôt que d’augmenter uniquement le nombre d’unités de calcul, pour éviter que celles-ci passent leur temps à attendre des données.
Modélisation climatique, simulations d’ingénierie, analyse génomique et calcul du risque financier partagent en effet certains profils d’accès mémoire : l’application prélève quelques valeurs dispersées dans un immense jeu de données, effectue un calcul, puis répète l’opération à très grande échelle. La puissance arithmétique seule ne suffit donc pas à accélérer ces traitements.
Le constructeur vise notamment les opérations sur matrices creuses, les calculs de type stencil, le tri et les réductions. Ces motifs récurrents traversent de nombreuses applications scientifiques et analytiques, ce qui explique le positionnement transversal de ce GPU spécialisé.
Les agents multiplient les simulations à exécuter
Dans le scénario décrit par NVIDIA, les agents aident les chercheurs et les ingénieurs à explorer davantage de candidats avant de lancer une expérience ou de fabriquer un prototype physique. Les simulations servent à évaluer ces propositions, puis à orienter l’étape suivante.
Ian Buck, vice-président chargé de l’hyperscale et du calcul haute performance chez NVIDIA, défend ainsi un lien direct entre la rapidité des simulations et celle des découvertes. L’objectif est de raccourcir la boucle hypothèse, simulation et ajustement, afin de réserver les essais en laboratoire aux pistes les plus prometteuses.
La partie logicielle s’appuie sur les bibliothèques NVIDIA CUDA-X. Elles proposent un ensemble croissant d’implémentations optimisées d’algorithmes complexes, notamment pour la simulation et l’analyse de données, que les agents pourront exploiter avec Rubin HPC.
L’enjeu technique sera moins le nombre de cœurs pris isolément que leur taux d’utilisation sur ces charges aux accès dispersés. NVIDIA ne fournit ici ni mesure de performances applicatives ni détail chiffré sur le sous-système mémoire : l’annonce fixe donc une orientation architecturale, mais ne permet pas encore de quantifier les gains attendus.
Source : NVIDIA