NVIDIA Vera Rubin: Nieuwe supercomputer belooft doorbraak in wetenschap en AI

Op ISC High Performance 2026 in Hamburg, Duitsland, heeft NVIDIA het Vera Rubin-acceleratieplatform onthuld, dat speciaal is ontwikkeld voor wetenschappelijke supercomputing. Het combineert NVIDIA Rubin-GPU's en Vera-CPU's, verbonden via NVLink-C2C, in een volledig geïntegreerd systeem dat zowel traditionele simulaties als AI-workloads aankan .

Een enkel rack van Vera Rubin levert meer dan 7 exaflops aan AI-prestaties en 5 petaflops aan native dubbele precisie (FP64). Dit wordt mogelijk gemaakt door maximaal 144 GPU's – een prestatie die vergelijkbaar is met systemen op de TOP500-lijst . De Vera-CPU heeft 88 cores met een 2x hogere prestatie-per-watt verhouding ten opzichte van eerdere NVIDIA-CPU's .

Belangrijkste prestaties

• Native FP64 dubbele precisie voor traditionele HPC-simulaties, mogelijk gemaakt door de Rubin-GPU-architectuur .
• NVL4-configuratie: Supermicro's DCBBS Blueprint, gebaseerd op Vera Rubin NVL4, ondersteunt tot 1.152 NVIDIA Rubin-GPU's en 576 NVIDIA Vera-CPU's in één schaalbare eenheid .
• 3,2 MW schaalbare eenheid met DLC-2 Direct Liquid Cooling, die 362 kW per rack ondersteunt .
• Het Rubin-platform (eerder aangekondigd op CES 2026) levert tot 10x lagere inferentiekosten en 4x minder GPU's voor het trainen van Mixture-of-Experts-modellen in vergelijking met het Blackwell-platform .
• Het platform is geïntegreerd met NVIDIA CUDA-X-bibliotheken, NVIDIA NIM-microservices, NVIDIA AI Enterprise-software en NVIDIA Quantum InfiniBand-netwerken .

Onderzoeksinstituten die Vera Rubin-systemen inzetten

Er worden 35 nieuwe NVIDIA AI HPC-supercomputers ontwikkeld in 23 Europese landen. Deze systemen voorzien meer dan 3 miljoen onderzoekers van rekenkracht . Genoemde instituten zijn:

• Barcelona Supercomputing Center – EuroHPC AI Factory
• BavariaAI – Blue Swan-systeem
• IT4Innovations (IT4I) – Tsjechië
• HLRS (High-Performance Computing Center Stuttgart) – HammerHAI-systeem
• NAISS – Mimer EuroHPC AI Factory, Zweden
• CINECA (Italië)
• Fraunhofer FOKUS (Duitsland)
• Jülich Supercomputing Centre (Forschungszentrum Jülich)

Deze systemen worden ingezet voor AI-fabrieken, klimaat- en energieonderzoek, en hybride quantum-GPU-computing .

Industriële partnerschappen en productie

• Supermicro: Leverde het eerste end-to-end DCBBS Blueprint voor HPC, gebaseerd op het NVIDIA Vera Rubin NVL4-platform, met vloeistofgekoelde racks en volledige integratie .
• Corning: Meerjarig partnerschap om de Amerikaanse productie van geavanceerde optische connectiviteitsoplossingen voor AI-infrastructuur uit te breiden, met drie nieuwe fabrieken in North Carolina en Texas .
• Industriële softwareleiders (Cadence, Dassault Systèmes, PTC, Siemens, Synopsys): Brengen CUDA-X, Omniverse en GPU-versnelde tools naar productie- en engineering-workflows .
• Siemens: Uitgebreid partnerschap om een AI-versneld industrieel besturingssysteem te bouwen voor ontwerp, engineering, productie en toeleveringsketens .

AI-integratie met traditionele wetenschappelijke simulatie

Vera Rubin is ontworpen als een geconvergeerd HPC- en AI-platform – het draait zowel traditionele op fysica gebaseerde simulaties (FP64) als AI-workloads op dezelfde infrastructuur .

• PhysicsNeMo: NVIDIA's AI-fysica framework voor CFD, thermische analyse, klimaat- en weermodellering wordt ondersteund op Vera Rubin. Het gebruikt machine learning-surrogaten om multischaalmodellen te versnellen en traditionele solvers om trainingsdata voor AI te genereren .
• Klimaatmodellering: Vera Rubin versnelt klimaatsimulaties door native FP64-solvers te combineren met AI-gestuurde emulatie en data-assimilatie .
• Computational fluid dynamics (CFD): Het platform maakt AI-versnelde CFD mogelijk, waarbij neurale surrogaten iteratieve solverloops versnellen, terwijl dubbele precisie voor validatie behouden blijft .
• Energie-exploratie: Seismische beeldvorming, reservoirsimulatie en modellering van hernieuwbare energie profiteren van AI die kandidaat-scenario's voorstelt, terwijl traditionele FP64-solvers deze valideren .

NVIDIA beschrijft deze convergentie als wetenschap die leeft "op het snijvlak van fysica-gebaseerde simulatie en AI – waar machine learning-surrogaten multischaalmodellen versnellen, generatieve AI kandidaat-moleculen of materialen voorstelt voor hifi-validatie, en traditionele solvers de trainingsdata genereren die AI mogelijk maken" .