NVIDIA 的 cuPyNumeric 提升科学研究的 GPU 加速能力

对于科学界而言，NVIDIA 推出了 cuPyNumeric，这是一款新的加速计算库，旨在帮助研究人员利用 GPU 的力量进行数据分析。据 NVIDIA 称，这一创新使科学家能够在从基于 CPU 的笔记本电脑到 GPU 加速的超级计算机上运行 Python 代码，从而提高他们快速处理大型数据集的能力。

无缝过渡到 GPU 加速

cuPyNumeric 的设计使科学家能够在无需具备计算机科学高级专业知识的情况下过渡到 GPU 加速。通过利用熟悉的 NumPy 接口，研究人员可以将 cuPyNumeric 应用于现有代码，确保性能和可扩展性，而无需进行大规模代码修改。该库支持 NVIDIA 的 GH200 Grace Hopper 超级芯片，并提供自动资源配置和改进内存扩展等功能，这对于高效处理复杂数据至关重要。

研究机构的广泛采用

一些知名机构已将 cuPyNumeric 集成到其研究工作流程中，在数据处理能力方面取得了显著提升。例如，SLAC 国家加速器实验室利用 cuPyNumeric 加速 X 射线实验，显著缩短了分析时间。这一改进使研究人员能够进行并行分析，从而优化实验时间并加快发现速度。

其他值得注意的采用者包括洛斯阿拉莫斯国家实验室，该实验室使用该库增强数据科学和机器学习算法，以及澳大利亚国立大学，该大学利用它扩展气候模型的优化算法。同样，斯坦福大学的湍流研究中心和麻萨诸塞大学波士顿分校也分别利用 cuPyNumeric 进行流体动力学求解器和线性代数计算。

提升各领域的计算效率

cuPyNumeric 能够将计算从单个 GPU 扩展到超级计算机而无需更改代码，这是依赖 Python 的数据科学家的游戏规则改变者。NumPy 每月下载量超过 3 亿，已成为数值计算的基石，而 cuPyNumeric 的无缝集成有望造福于从天文学到核物理的广泛应用。

印度国家支付公司也受益于 cuPyNumeric 的能力，在处理交易数据时实现了 50 倍的速度提升，这有助于更高效地检测洗钱活动。

NVIDIA 继续通过在重大会议（如超算大会 2024）上提供 cuPyNumeric 的现场演示和工作坊来支持科学界，确保研究人员具备充分利用 GPU 加速计算潜力所需的资源。