Performa yang dijanjikan sangat impresif: satu rak sistem Vera Rubin dapat menghasilkan lebih dari 7 exaflops untuk beban kerja AI dan 5 petaflops untuk komputasi presisi ganda (FP64) murni — setara dengan superkomputer di jajaran TOP500 . CPU Vera sendiri memiliki 88 inti dengan efisiensi daya 2x lipat dibandingkan CPU NVIDIA generasi sebelumnya .
Sebanyak 35 superkomputer baru NVIDIA AI HPC tengah dikembangkan di 23 negara Eropa, menyediakan akses bagi lebih dari 3 juta peneliti . Beberapa institusi yang disebutkan:
Inisiatif ini mencakup pabrik AI, riset iklim dan energi, serta komputasi hybrid kuantum-GPU .
Vera Rubin dirancang sebagai platform HPC dan AI yang konvergen — mampu menjalankan simulasi berbasis fisika tradisional (FP64) dan beban kerja AI pada infrastruktur yang sama .
NVIDIA menggambarkan konvergensi ini sebagai sains yang hidup "di persimpangan simulasi berbasis fisika dan AI — di mana model pengganti machine learning mempercepat model multiskala, AI generatif mengusulkan molekul atau material kandidat untuk validasi fidelitas tinggi, dan pemecah tradisional menghasilkan data pelatihan yang membuat AI menjadi mungkin" .
Performa yang dijanjikan sangat impresif: satu rak sistem Vera Rubin dapat menghasilkan lebih dari 7 exaflops untuk beban kerja AI dan 5 petaflops untuk komputasi presisi ganda (FP64) murni — setara dengan superkomputer di jajaran TOP500 . CPU Vera sendiri memiliki 88 inti dengan efisiensi daya 2x lipat dibandingkan CPU NVIDIA generasi sebelumnya .
Sebanyak 35 superkomputer baru NVIDIA AI HPC tengah dikembangkan di 23 negara Eropa, menyediakan akses bagi lebih dari 3 juta peneliti . Beberapa institusi yang disebutkan:
Inisiatif ini mencakup pabrik AI, riset iklim dan energi, serta komputasi hybrid kuantum-GPU .
Vera Rubin dirancang sebagai platform HPC dan AI yang konvergen — mampu menjalankan simulasi berbasis fisika tradisional (FP64) dan beban kerja AI pada infrastruktur yang sama .
NVIDIA menggambarkan konvergensi ini sebagai sains yang hidup "di persimpangan simulasi berbasis fisika dan AI — di mana model pengganti machine learning mempercepat model multiskala, AI generatif mengusulkan molekul atau material kandidat untuk validasi fidelitas tinggi, dan pemecah tradisional menghasilkan data pelatihan yang membuat AI menjadi mungkin" .