Présentation du Rubin HPC

Nvidia a présenté le futur GPU Rubin HPC lors de la conférence SC26. Le modèle actuel de la gamme possède 898 cœurs Tensor et plus de 28 000 cœurs CUDA, mais la version Rubin prévue pour 2028 affichera plus de 50 000 cœurs CUDA. Cette multiplication de cœurs vise à soutenir à la fois les modèles de langage large (LLM) et les simulations scientifiques, où le parallélisme massif est essentiel. Le GPU sera équipé d’une itération améliorée de NVLink, capable de transférer 3,6 terabits par seconde entre chaque carte et le CPU, ce qui réduit les goulets d’étranglement de bande passante dans les clusters de calcul.

Architecture et accélérations spécifiques

Rubin HPC introduit une fonction d’« accélération des données parcelles », ciblant les jeux de données très creux, fréquents en biologie ou en astrophysique. En traitant les zéros de façon optimisée, le GPU évite des opérations inutiles et améliore le débit effectif. Cette approche repose sur des circuits dédiés qui détectent les motifs de sparsité et réorientent les calculs vers les valeurs non nulles, limitant la consommation d’énergie et la latence. Le design conserve toutefois la même fréquence d’horloge que les GPU précédents, ce qui implique que les gains proviennent principalement du parallélisme accru et de la gestion de la bande passante.

Nouveaux outils logiciels pour la recherche scientifique

Le lancement s’accompagne d’une mise à jour de la suite CUDA‑X. Le module cuPhoton.xBeam accélère l’analyse des données du réseau Event Horizon Telescope, passant d’un mois de traitement à huit minutes grâce à des kernels CUDA optimisés pour la transformée de Fourier et la détection de sources. CuPhoton.xLens, quant à lui, simule les plasmas de fusion en exploitant les 898 cœurs Tensor pour les calculs de champs électromagnétiques. En biologie, le code open‑source cuSpa accélère les calculs de polygones cellulaires, tandis que rapids‑singlecell est distribué sous forme de conteneur, facilitant son déploiement sur les clusters DGX. Enfin, le bundle Nemotron for Science, basé sur le LLM Nemotron 3.5 Super VL (124 milliards de paramètres, activation d’environ 10 % des poids), utilise le moteur Mamba‑2, plus efficace que le Transformer classique, et propose près de 50 000 questions chimiques pour le post‑entraînement ciblé.

Implications pour l’informatique quantique et limites

CUDA‑Q a reçu de nouveaux blocs de construction et un algorithme de mitigation d’erreurs de qubits, renforçant la liaison entre GPU et processeurs quantiques. Nvidia collabore avec IBM et le Fermilab pour créer une plateforme de codesign quantique modulaire, associant les systèmes DGX B200 aux processeurs quantiques d’IBM. Cette intégration vise à offrir un environnement de test pour les algorithmes de correction d’erreurs, mais dépendra de la disponibilité des qubits à faible taux d’erreur, un facteur encore limité par la technologie actuelle. De plus, le Rubin HPC ne sera commercialisé qu’en 2028, ce qui repousse l’accès aux performances annoncées pour plusieurs années.