Durante SC26 NVIDIA presenta il DGX Spark HPC Developer Kit, una configurazione di quattro sistemi DGX Spark pensata per sviluppare e correggere localmente carichi di lavoro scientifici e di IA prima di trasferirli su sistemi più grandi. L’annuncio descrive un anello ConnectX-7, 512 GB di memoria e 20 TB di storage NVMe complessivi, oltre a esempi di applicazioni e progetti di ricerca (NVIDIA).

Il kit porta il DGX Spark dal singolo sistema a una configurazione per il calcolo HPC distribuito. Per il contesto sulla piattaforma di base, NeoTeo ha già raccontato il DGX Spark.

Per valutare il kit, conta che il software del tuo progetto possa distribuire il lavoro tra più nodi: i 512 GB sono la capacità complessiva dei quattro sistemi.

Quattro nodi in un anello diretto

Ogni sistema si collega ai due nodi vicini tramite ConnectX-7; secondo NVIDIA, la topologia ad anello non richiede uno switch di rete separato. I 512 GB di memoria e i 20 TB di storage NVMe sono totali del cluster, distribuiti fra i quattro nodi.

NVIDIA afferma che NVFP4 consente di distribuire sui quattro sistemi modelli con un massimo di 700 miliardi di parametri. Si tratta di una capacità dichiarata per il deployment del modello, non di una misura delle prestazioni di un’applicazione specifica.

Le applicazioni e i progetti citati da NVIDIA

Per le dimostrazioni eseguite sui quattro sistemi, NVIDIA indica LAMMPS con Kokkos, usato per simulazioni dei materiali, e NAMD, per la dinamica molecolare. L’azienda cita separatamente altri progetti che usano DGX Spark, distinguendoli così dalle dimostrazioni sul kit a quattro nodi.

Tra questi, NVIDIA riferisce che Kvantify ha eseguito su un singolo DGX Spark simulazioni di chimica quantistica a reti tensoriali su circuiti fino a 70 qubit e 975 gate. CYRAN AI usa DGX Spark per decodificare immagini satellitari di grandi dimensioni in formato JPEG 2000. NVIDIA descrive anche flussi assistiti da agenti che preparano gli input per le simulazioni, avviano le esecuzioni e ne riassumono i risultati perché gli scienziati li esaminino.

Altri casi citati dall’azienda riguardano il Rubin Lab dell’IGI, che usa DGX Spark ed Evo 2 per prevedere caratteristiche batteriche, e l’Hartwig Group dell’Università della California a Berkeley, che usa un singolo DGX Spark con quantizzazione NVFP4 su un modello di classe 120 miliardi di parametri. Per il Rubin Lab, NVIDIA riferisce risultati ottenuti 15 volte prima rispetto a un flusso precedente che comprendeva una coda di 11 ore su un cluster; per il gruppo Hartwig, descrive l’uso del sistema per evitare code di più giorni.

Software HPC e canali di vendita

NVIDIA annuncia inoltre un playbook per installare HPC SDK, con compilatori accelerati dalla GPU per C, C++ e Fortran, librerie e strumenti per il passaggio di messaggi. L’azienda indica NVIDIA Marketplace e i partner hardware come canali di vendita del kit.

NVIDIA porta l’IA locale a casa con DGX Spark, RTX Spark e Perplexity