NVIDIA ALCHEMI 和 Holoscan 显着加快了材料开发和实验速度

通过 SC25，NVIDIA 将推出 ALCHEMI（一个可加速化学和材料科学研究的计算平台）和 Holoscan（可实现纳米级实时图像处理）。宣布新功能我做到了。

布鲁克海文国家实验室、ENEOS 和 Universal Display Corporation 正在利用这些技术来推进大规模分子探索和高清成像。

在这篇文章中，我们将总结各自的技术要点和工业应用。

ALCHEMI/Holoscan 在 SC25 上宣布

NVIDIA 在 SC25 上推出了 ALCHEMI 和 Holoscan，展示了一个使用 GPU 加速化学和材料科学中的计算处理和实验可视化的计算平台。两者都是为了减轻研究过程的负担。

ALCHEMI 负责加速分子探索和分子动力学，而 Holoscan 是一种在获取传感器数据的同时推进分析和可视化的机制。由于应用不同，这种结构在研究过程中可以一起使用。

研究机构也开始引入，随着GPU的引入，计算处理从预处理到可视化过程加速。其特点是点。本公告表明了这一方向。

加速化学和材料科学发展的新微服务内容

ALCHEMI 包括批量构象异构体搜索和分子动力学，旨在并行处理大量候选分子。它具有即使计算规模很大也不会增加处理时间的结构。

GPU擅长同时处理，ALCHEMI在初始计算过程中体现了这一特点。候选分子的比较可以在短时间内进行，从而提高实验准备的效率。

有了这个机制研究人员可以处理的候选分子数量迅速增加因此ENEOS、UDC等公司利用它进行大规模勘探。

实现实时处理和大规模分子探索的机制

Holoscan具有实时分析所获取数据的功能，目前正在布鲁克海文国家实验室进行操作，以在测量纳米级图像的同时进行确认。这种结构减少了分析等待时间。

ALCHEMI 在预处理中并行评估大量候选分子，Holoscan 在实验过程中处理可视化，加快了研究流程的不同阶段。共同点是GPU基础。

初始过程由 ALCHEMI 支持，测量过程由 Holoscan 加速。已形成，缩短了整体研究流程。

布鲁克海文国家实验室的 Holoscan 支持实时分析

一种获取和处理纳米级图像的新实验方法

在布鲁克海文国家实验室的 NSLS-II，Holoscan 用于在进行分析时获取纳米级图像。该系统允许在使用强大的 X 射线光源进行观察的同时进行处理。

以前，需要使用整个设备获取大量图像，然后进行分析，但 Holoscan 实现了摄影和处理同时进行的实验风格。研究人员可以对观察内容进行一一判断。

在本次操作中在测量过程中识别感兴趣的区域并动态调整实验这很重要，因为减少了每次扫描的等待时间，从而提高了设备​​利用效率。

为什么立即处理获取的数据可以提高研究效率

Holoscan 使用 GPU 流式传输获取的数据，显着减少图像处理延迟。由于可以立即获得分析结果，因此可以快速确定实验方向。

研究人员可以在测量过程中参考分析结果，从而决定每次将观察重点放在样本的何处。这导致实验数量的优化。

由于这种即时处理功能，增加每台设备的研究密度因此，在 NSLS-II 等大型设施中的使用价值正在不断增加。

Holoscan 为大型实验室设施带来的运营优势

NSLS-II 为每条光束线生成大量数据，但 Holoscan 的引入将有助于分散分析负载并减少处理时间。这使得更容易为研究目的进行调整。

通过实时分析，研究人员可以快速掌握所需区域，减少设备运行时间的浪费。结果是单位小时的产出更加科学。

有了这个结构能够有效地使用昂贵的设施这是实施 Holoscan 的一大优势，据说有助于降低运营成本。

ENEOS 通过 ALCHEMI 加速浸入式冷却和催化剂搜索

大规模筛选浸没式冷却新材料

ENEOS 利用 ALCHEMI 的构象搜索和分子动力学来探索下一代数据中心的浸入式冷却液。目的是推进候选比较，这需要大量计算。

据新闻报道，几周内评估了大约 1000 万个候选者，使用 GPU 的并行处理有助于扩大搜索范围。此前，考虑的范围是有限的。

在这个过程中在实验前可以显着缩小候选范围这很重要，因为它减少了实验数量并提高了研究速度。

快速比较候选催化剂的机制

ENEOS还使用ALCHEMI来寻找涉及制氢等析氧反应的催化剂，并并行处理1亿个候选者。 GPU展现出适合大规模筛选的特性。

通过在短时间内比较大量候选者，可以重新设计研究过程，并且将候选者缩小到实验所需范围的流程将更有效地进行。另一个优点是可以在搜索中反映接近实际使用的条件。

由于这些特点ALCHEMI 大大减轻了早期研究的负担这导致了开发速度的提高。

为什么GPU并行处理缩短了研究过程

由于 ALCHEMI 旨在使用多个 GPU 同时处理分子的形状和稳定性，因此即使在处理数百万到数亿个候选物时，也不会显着增加计算时间。初始比较被缩短。

GPU适合并行化结构分析、力场计算等重复处理，适合在预处理阶段筛选大量候选对象。计算过程是研究的关键部分。

这导致初步考虑所需的时间可以缩短。因此，可以更快地完成实验设计和评估周期。它还影响整体发展计划的效率。

Universal Display Corporation 与 ALCHEMI 合作探索下一代 OLED 材料

从大量候选材料中寻找 OLED 材料的计算过程发生变化

UDC引入了ALCHEMI来搜索OLED材料，并通过使用GPU的构象异构体搜索显着提高了候选分子的评估速度。在传统的CPU环境中，搜索范围是有限的。

新闻文章指出，候选分子的组合数量极其庞大，而 GPU 的使用使得在短时间内处理大量候选分子成为可能。搜索范围限制已得到解决。

在这个使用形式中在短时间内缩小有希望的候选材料范围这很重要，并将简化您研究的早期阶段。该结构与UDC的研究结构兼容。

使用 GPU 提高评估速度并改变工作流程

UDC 使用 GPU 来加速分子结构的搜索，与传统方法相比，处理时间显着减少。可以评估的候选人数量增加，研究计划变得更加灵活。

在找到有希望的候选者后，利用分子动力学确认其行为的过程继续进行，并且与加速评估相结合，研究效率进一步提高。 ALCHEMI的结构影响后续工艺。

由于这个流量从候选搜索到模拟的一系列过程可以在短时间内完成材料设计周期现在正在改进。

扩大计算在下一代 OLED 材料开发中的应用

UDC将ALCHEMI纳入蓝色发光材料等下一代OLED的研究中，并将其作为处理大量候选材料的平台进行运营。 GPU技术支持材料探索和物理属性预测。

ALCHEMI 在单一平台上处理大规模探索和详细模拟，简化了验证新成分和结构的过程。这会影响材料研究工作量。

由于这些特点扩大研究人员可以处理的候选人范围因此，UDC 研究的进行方式正在发生变化。搜索的深度和速度是兼容的。

关于我