Vera-Rubin-Architektur Nvidia erweitert Plattform für KI und wissenschaftliche Simulationen

Anbieter zum Thema

NVIDIA

RITTAL GmbH & Co. KG

Vertiv GmbH

Kentix GmbH

Nvidia stellt der „ISC 2026“ in Hamburg die nächste Generation seiner KI-Supercomputerplattform vort. Neben der Vera-Rubin-Architektur kündigte das Unternehmen Software für wissenschaftliche Simulationen und den Ausbau der europäischen KI-Infrastruktur an.

Nach Angaben von Nvidia werden derzeit 35 KI-Supercomputer in Europa aufgebaut oder sind bereits angekündigt. Auf der „ISC“ in Hamburg stellte das Unternehmen neben dieser Entwicklung auch die nächste Generation seiner KI-Plattform vor.

KI-Hardware mit Vera-Rubin-Techniken

Mehr Nvidia in Dell-Servern

Vera Rubin: mehr Bandbreite, mehr Präzision

Nvidia präsentierte die Vera-Rubin-Architektur in der Ausbaustufe „Rubin NDL“: Ein einzelnes Rack fasst bis zu 144 GPUs und liefert über sieben KI-Exaflops. Für wissenschaftliche Simulationen stellt die Plattform fünf Petaflops FP64-Leistuing bereit. Gegenüber Blackwell steigt die Speicherbandbreit um den Faktor 2,8. Pro Rack stehen 41 Terabyte High-Bandwidth-Memory-4-Kapazität (HBM4) mit drei Petabytes pro Sekunde Durchsatz zur Verfügung.

Anwendungen Forschung hier kommt's dann zum Einsatz

Nach Angaben von Nvidia profitiert vor allem wissenschaftliches Rechnen von der höheren Speicherbandbreite. Das Unternehmen nennt unter anderem Strömungssimulationen mit „Helm-Lb“, seismische Berechnungen durch „Full-Waveform Inversion (FWI)“ sowie globale Klimamodelle auf Basis von „Icon“. Je nach Anwendung sollen Berechnungen zwei- bis viermal schneller ablaufen als auf der „Blackwell“-Generation.

Agentische KI erhöht den Bedarf an Simulationen

Nvidia führt den Architektursprung auf veränderte Rechenlasten zurück. Agentische KI-Systeme planen Experimente eigenständig, erzeugen Programmcode und führen wiederholt Simulationen aus. Dadurch steigt nach Angaben des Unternehmens der Bedarf an Simulationsrechenleistung deutlich. Gleichzeitig wachsen die Anforderungen an Speicherbandbreite, Latenz und Vernetzung.

Als frühes Beispiel nennt Nvidia das „Universal Research and Scientific Agent“-System (Ursa) am Los Alamos National Laboratory, das knapp 14.000 Kandidatenmoleküle für energiedichte Verbindungen in zehn Minuten bewertete, und zwar inklusive chemischer Zusammenfassung und Übergabe an menschliche Reviewer.

Jupiter: drei Durchbrüche mit einer Maschine

Nvidia verweist zudem auf mehrere Forschungsprojekte, die auf dem Supercomputer „Jupiter“ am Forschungszentrum Jülich umgesetzt wurden. In der Neurowissenschaft hat die „Brain Initiative Alliance“ mit dem Modell „Cytonet“ erstmals das gesamte menschliche Gehirn auf Zellebene kartiert.

Wettlauf um CMOS-basierte Spin-Qubit-Chips

In Jülich entsteht ein Quantencomputer auf CMOS-Grundlage von Infineon

Optimal

Das Forschungszentrum Jülich kauft seinen D-Wave-Quanten-Annealer

86 Milliarden Neuronen, 100 Billionen synaptische Verbindungen. In der Klimaforschung simuliert ein internationales Team den vollständigen Erdkreislauf inklusive Kohlenstoffzyklus auf einem Kilometer Auflösung mit dem Icon-Modell und erreichte 145,7 simulierte Tage pro Echtzeittag.

Diese Arbeit erhielt den „ACM Gordon Bell Prize 2025“ für Klimamodellierung. Im Quantencomputing gelang auf Jupiter die erste vollständige Simulation eines universellen 50-Qubit-Quantencomputers. Ein System, das eine Billiarde Parameter verfolgt und nach Angaben von Nvidia bislang kein realer Quantenrechner leisten kann.

Software für Chemie, Teilchenphysik und Astronomie

Ergänzend zur Hardware kündigte Nvidia drei Softwarepakete innerhalb der „Cuda-X“-Plattform, einer Sammlung spezialisierter Softwarebibliotheken und Werkzeuge für wissenschaftliches Rechnen und KI, an. Sie richten sich an unterschiedliche wissenschaftliche Anwendungsbereiche.

Nvidia stellt drei neue Softwarepakete vor:

• „Alchemy“ richtet sich an Chemie- und Materialforschung: Eine Microservice-Komponente simuliert Millionen von Molekülstrukturen, eine zweite ermöglicht Hochdurchsatz-Screening neuer Verbindungen. Leela Sciences hat damit die Suche nach seltenerdefreien Permanentmagneten für Elektromobilität um den Faktor 50 beschleunigt.

• „Daiquiri“ verbindet wissenschaftliche Sensoren direkt mit KI-Inferenz: Am „CERN Atlas“-Experiment werden FPGAs für niedriglatenzbezogenes Routing eingesetzt, während GPUs tiefe Lernmodelle ausführen. Das soll den bisher nutzbaren Anteil an Kollisionsdaten über die bisherige Zwei-Prozent-Grenze heben.

• „Cuphoton" verarbeitet petabyte-skalige Kamera- und Teleskopbilder. In Tests mit 32 „Grace-Blackwell“-Superchips war das Laden und Lesen von Bildern 15.000-mal schneller als bisher, die Signalverarbeitung bis zu 8.000-mal.

Auf der Dell Technolgies World 2026 sagt CTO Roese: „Die Tools daten, nicht heiraten“

Dell in der KI-Ära – Das Rack ist (nicht) das Produkt

Funktionen zur Kalibrierung und Quantenfehlerkorrektur

Das KI-Modell Nvidia Ising hilft bei der Quanten­computer­entwicklung

Tensordyne-Mitgründer Gilles Backhus im Interview

Tensordyne will Nvidia mit neuer KI-Architektur heraus­fordern

(ID:50878619)