<p>在本周于汉堡举行的 ISC 会议上，NVIDIA 推出了新软件，加速科学领域的人工智能，从化学和材料发现到暗物质的搜索。</p>
<p>NVIDIA DAQIRI 库和新的 NVIDIA ALCHEMI NIM 微服务——以及即将推出的 NVIDIA cuPhoton 参考代码——将曾经需要数小时或数天在 CPU 上完成的工作转变为实时的 GPU 加速管道。</p>
<p>它们是 NVIDIA CUDA-X 的一部分，这是一个工具和库的集合，能够在包括人工智能和高性能计算在内的应用领域提供显著更高的性能。</p>
<p>这些性能提升是显著的，并且具有实际影响。在各个学科中，科学家们正在利用人工智能和加速计算，以比以往更快的速度生成数据和洞察。</p>
<p>例如，在 NVIDIA GB200 NVL72 系统上，cuPhoton 加速了从天文台和望远镜加载、读取、处理和分析 FITS 数据——标准的天文文件格式。在早期访问中，cuPhoton 加速了从鲁宾天文台的空间与时间遗产调查（LSST）收集的 FITS 图像的加载和读取速度，达到了 14,900 倍。它还利用 32 个 NVIDIA Grace Blackwell 超级芯片实现了高达 8,400 倍的信号处理和分析速度。</p>
<p>最终，这意味着从 LSST 相机获得更快的洞察——这是有史以来建造的最大数字相机——它捕捉到数十亿个遥远星系的图像，以及更近的、反射光线较少的微弱物体。</p>
<p><img src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/cuPhoton_Demo_ISC26.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/cuPhoton_Demo_ISC26.jpg"/></p>
<p>在早期访问中，cuPhoton 加速了从鲁宾天文台的空间与时间遗产调查收集的图像的加载和读取。</p>
<h2><strong>新软件，从实验室到望远镜</strong></h2>
<p>新软件加速了对暗物质、材料模拟等的研究。</p>
<p><strong>NVIDIA cuPhoton</strong> 是一个参考代码，供科学家从从望远镜、X 射线和激光实验收集的多维数据中提取洞察。它旨在加载、处理、分析和可视化 PB 级的数据，并可以与其他 NVIDIA CUDA-X 技术一起使用，以构建一个端到端的加速管道，适用于天体物理学和天文学等领域的工作。</p>
<p>普林斯顿大学的研究人员与 NVIDIA 合作开发了 cuPhoton，并将与哈佛大学一起使用它来处理和分析从天文台和暗能量调查中收集的大量数据。</p>
<p><strong>NVIDIA DAQIRI</strong>——即集成实时仪器的数据采集——是一个高性能网络库，将数据从快速探测器和传感器流入 NVIDIA 软件。旧系统依赖于固定硬件，当仪器产生数据的速度超过它们保存数据的速度时，可能会丢失数据。DAQIRI 通过处理到达的数据流来保持同步。</p>
<p>一个名为 A-GHOST 的研究项目是由来自 CERN、芝加哥大学和伦敦大学学院的科学家在 CERN openlab 框架下开发的。它利用 DAQIRI 实时运行人工智能，处理 CERN ATLAS 实验记录的碰撞数据。A-GHOST 分析通常会被 ATLAS 拒绝的数据——由于存储限制，超过 99% 的数据——使其能够捕捉到潜在有趣的信号，这些信号否则将会丢失。</p>
<p><strong>NVIDIA ALCHEMI</strong> 包含一系列特定领域的微服务和加速化学和材料发现的工具包，应用于电池材料、催化剂、OLED 显示器、美容产品等多个领域。</p>
<p>NVIDIA 在 3 月份发布了两个 ALCHEMI NIM 微服务，用于批量几何放松（BGR）和批量分子动力学（BMD）。这些 AI 加速工具使研究人员能够同时模拟数百万个分子和材料：BGR 用于寻找其最稳定的结构，BMD 用于模拟它们随时间的运动。</p>
<p>此外，ALCHEMI 预计很快将包括一个广泛使用的维也纳从头模拟软件包（VASP）的微服务，使研究人员能够以更高的 GPU 吞吐量运行材料模拟。通过在单个 GPU 上运行多个 VASP 计算，结合 NVIDIA 多进程服务，该微服务实现了几何优化的 3 倍加速——即寻找材料中原子的最稳定排列的过程。</p>
<p>此外，开发人员和研究人员可以使用 ALCHEMI 工具包加速名为机器学习原子间势的 AI 替代模型的训练，并轻松构建自定义的高性能原子模拟工作流。</p>
<h2><strong>Lila Sciences 如何利用 NVIDIA ALCHEMI 不间断地运行科学方法</strong></h2>
<p>Lila Sciences——正在为生命科学、化学和材料科学构建科学超级智能平台和自主实验室——与 NVIDIA 合作，使用 ALCHEMI 进行高保真磁场模拟，并在 3 月份的 NVIDIA GTC San Jose 上进行了演示。</p>
<p>Lila Sciences 利用 ALCHEMI NIM 微服务的 BGR 将高通量材料筛选的速度提高了 50 倍，识别出更有可能被合成的稳定候选材料。然后，它利用 ALCHEMI VASP 微服务在早期访问中将入围候选材料的磁性属性计算速度提高了 30%。</p>
<p><img src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/lila-image.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="914" height="636" original-src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/lila-image.png"/></p>
<p>Lila Sciences 使用 NVIDIA ALCHEMI 进行材料模拟。上图由 Lila Sciences 提供，展示了从样品中切割出的薄膜样品，这些样品是在溅射系统中合成的，该系统用于在表面上创建超薄、高度均匀的金属或陶瓷涂层。</p>
<p>加速效果是累积的。ALCHEMI 针对 TensorNet 的专用内核使 Lila 在训练和推理中实现了 6 倍的加速，并将内存使用量减少了 3 倍，使得原本需要数周的模拟在几天内完成。</p>
<p>这种方法不是一次运行一个实验，而是同时在 GPU 内存中评估多个材料，并可以推广到以下用例：</p>
<ul>
<li>材料发现 — 大规模筛选新颖、稳定的组合</li>
<li>能源 — 发现用于生产化学品和燃料的活性、丰富的地球催化剂</li>
<li>电磁学 — 理解和预测复杂的磁性行为</li>
</ul>
<p>ALCHEMI 位于模拟层，生成为其余循环提供物理科学数据。</p>
<p>此外，Lila Sciences 利用完整的 NVIDIA 技术栈加速科学发现，使用 NVIDIA Megatron-LM 和 NVIDIA Nemotron 进行训练 — 包括 Nemotron 3 Nano 和 Nemotron 3 Super 开放模型，以及 NeMo RL 和 NeMo Gym 库。该公司还利用 NVIDIA BioNeMo 进行分子生成，使用 NVIDIA Triton 和 NIM 微服务进行推理服务，以及 NVIDIA Omniverse 库进行数字双胞胎。</p>
<p>“这项工作展示了使用强大的计算栈来加速发现，达到单个科学家无法独自实现的规模，” Lila Sciences 的联合创始人兼首席技术官 Andy Beam 说道。</p>
<h2><strong>可用性</strong></h2>
<p>NVIDIA ALCHEMI 工具包和 Toolkit-Ops 可从 Github 和 PyPI 下载。ALCHEMI NIM 微服务可从 NVIDIA NGC 目录下载。ALCHEMI NIM 微服务用于 VASP 预计将在今年夏季晚些时候可用。</p>
<p>DAQIRI 现在可以在 GitHub 上获取。CuPhoton 预计将在今年夏季可用。</p>
<p><em>了解更多关于</em> <em>NVIDIA 科学的 AI</em> _。</p>
<p><em>查看</em> <em>关于软件产品信息的通知</em>。</p>

2026 年软件股最大的争议仍在发酵：AI agent 会不会取代按席位收费的 SaaS 模式？资金持续从软件轮向芯片，微软仍距高点约 27%，Salesforce、Workday 年内深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"过头、企业不会一夜换掉几十年的软件。软件正被 AI 吃掉，还是跌出了黄金坑？你站软件，还是站芯片？

<p>2026 年软件股最大的争议仍在发酵：AI agent 会不会取代按席位收费的 SaaS 模式？资金持续从软件轮向芯片，微软仍距高点约 27%，Salesforce、Workday 年内深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"过头、企业不会一夜换掉几十年的软件。软件正被 AI 吃掉，还是跌出了黄金坑？你站软件，还是站芯片？</p>

SaaS 被 AI 吃掉？软件 vs 芯片站队

英伟达

2 倍做多 NVDA ETF - T-Rex

1.5 倍做空英伟达 ETF - Tradr

<p>NVIDIA 在 ISC 大会上发布了新的 AI 软件，以加速科学研究。主要发布的工具包括用于实时天文数据处理的 cuPhoton、用于粒子物理学高速数据采集的 DAQIRI，以及用于加速材料和化学发现的 ALCHEMI NIM 微服务。这些工具利用 GPU 加速，显著缩短了天体物理学、化学和材料科学等领域的计算时间</p>

<p>At the ISC conference running in Hamburg this week, NVIDIA is introducing new software that speeds AI for science, from chemistry and materials discovery to the search for dark matter.</p>
<div class="lb-trans"><p>在本周于汉堡举行的 ISC 会议上，NVIDIA 推出了新软件，加速科学领域的人工智能，从化学和材料发现到暗物质的搜索。</p>
</div><p>The NVIDIA DAQIRI library and new NVIDIA ALCHEMI NIM microservices — as well as the NVIDIA cuPhoton reference code, coming soon — turn work that once took hours or days on CPUs into real-time, GPU-accelerated pipelines.</p>
<div class="lb-trans"><p>NVIDIA DAQIRI 库和新的 NVIDIA ALCHEMI NIM 微服务——以及即将推出的 NVIDIA cuPhoton 参考代码——将曾经需要数小时或数天在 CPU 上完成的工作转变为实时的 GPU 加速管道。</p>
</div><p>They’re a part of NVIDIA CUDA-X, a collection of tools and libraries that deliver dramatically higher performance across application domains, including AI and high-performance computing.</p>
<div class="lb-trans"><p>它们是 NVIDIA CUDA-X 的一部分，这是一个工具和库的集合，能够在包括人工智能和高性能计算在内的应用领域提供显著更高的性能。</p>
</div><p>These performance gains are large and have real impact. Across disciplines, scientists are using AI and accelerated computing to generate data and insights with instruments and surveys faster than ever.</p>
<div class="lb-trans"><p>这些性能提升是显著的，并且具有实际影响。在各个学科中，科学家们正在利用人工智能和加速计算，以比以往更快的速度生成数据和洞察。</p>
</div><p>For example, running on NVIDIA GB200 NVL72 systems, cuPhoton speeds loading, reading, processing and analysis of FITS data — the standard astronomical file format — from observatories and telescopes. In early access, cuPhoton accelerated loading and reading of FITS images collected by the Rubin Observatory’s Legacy Survey of Space and Time (LSST) by 14,900x. It also enabled up to 8,400x faster signal processing and analysis using 32 NVIDIA Grace Blackwell superchips.</p>
<div class="lb-trans"><p>例如，在 NVIDIA GB200 NVL72 系统上，cuPhoton 加速了从天文台和望远镜加载、读取、处理和分析 FITS 数据——标准的天文文件格式。在早期访问中，cuPhoton 加速了从鲁宾天文台的空间与时间遗产调查（LSST）收集的 FITS 图像的加载和读取速度，达到了 14,900 倍。它还利用 32 个 NVIDIA Grace Blackwell 超级芯片实现了高达 8,400 倍的信号处理和分析速度。</p>
</div><p>Ultimately, this means faster insights from the LSST camera — the largest digital camera ever built — which captures images of billions of far-away galaxies, as well as closer, faint objects that don’t reflect much light.</p>
<div class="lb-trans"><p>最终，这意味着从 LSST 相机获得更快的洞察——这是有史以来建造的最大数字相机——它捕捉到数十亿个遥远星系的图像，以及更近的、反射光线较少的微弱物体。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/cuPhoton_Demo_ISC26.jpg" alt="" original-src="https://blogs.nvidia.com/wp-content/uploads/2026/06/cuPhoton_Demo_ISC26.jpg"/></p>
<p>In early access, cuPhoton accelerated loading and reading of images collected by the Rubin Observatory’s Legacy Survey of Space and Time.</p>
<div class="lb-trans"><p>在早期访问中，cuPhoton 加速了从鲁宾天文台的空间与时间遗产调查收集的图像的加载和读取。</p>
</div><h2><strong>New Software, From the Lab Bench to the Telescope</strong></h2>
<div class="lb-trans"><h2><strong>新软件，从实验室到望远镜</strong></h2>
</div><p>The new software accelerates research on dark matter, materials simulation and more.</p>
<div class="lb-trans"><p>新软件加速了对暗物质、材料模拟等的研究。</p>
</div><p><strong>NVIDIA cuPhoton</strong> is a reference code for scientists looking to extract insights from multidimensional data collected from telescopes, X-rays and laser experiments. It’s built to load, process, analyze and visualize petabytes of data, and can be used alongside other NVIDIA CUDA-X technologies to build an end-to-end accelerated pipeline for work in fields including astrophysics and astronomy.</p>
<div class="lb-trans"><p><strong>NVIDIA cuPhoton</strong> 是一个参考代码，供科学家从从望远镜、X 射线和激光实验收集的多维数据中提取洞察。它旨在加载、处理、分析和可视化 PB 级的数据，并可以与其他 NVIDIA CUDA-X 技术一起使用，以构建一个端到端的加速管道，适用于天体物理学和天文学等领域的工作。</p>
</div><p>Researchers at Princeton University collaborated with NVIDIA to develop cuPhoton and will use it — along with Harvard University — for processing and analysis of massive data collected from observatories and dark energy surveys.</p>
<div class="lb-trans"><p>普林斯顿大学的研究人员与 NVIDIA 合作开发了 cuPhoton，并将与哈佛大学一起使用它来处理和分析从天文台和暗能量调查中收集的大量数据。</p>
</div><p><strong>NVIDIA DAQIRI</strong> — short for Data Acquisition for Integrated Real-time Instruments — is a high-performance networking library that streams data from fast detectors and sensors into NVIDIA software. Older systems are tied to fixed hardware and can drop data when instruments produce it faster than they can save it. DAQIRI keeps up by handling the stream as it arrives.</p>
<div class="lb-trans"><p><strong>NVIDIA DAQIRI</strong>——即集成实时仪器的数据采集——是一个高性能网络库，将数据从快速探测器和传感器流入 NVIDIA 软件。旧系统依赖于固定硬件，当仪器产生数据的速度超过它们保存数据的速度时，可能会丢失数据。DAQIRI 通过处理到达的数据流来保持同步。</p>
</div><p>A research project called A-GHOST was developed by scientists from CERN, the University of Chicago and University College London, in the framework of CERN openlab. It uses DAQIRI to run AI in real time on collision data recorded by the ATLAS Experiment at CERN. A-GHOST analyses data that would normally be rejected by ATLAS — over 99% of it, due to storage constraints — allowing it to catch potentially interesting signals that would otherwise be lost.</p>
<div class="lb-trans"><p>一个名为 A-GHOST 的研究项目是由来自 CERN、芝加哥大学和伦敦大学学院的科学家在 CERN openlab 框架下开发的。它利用 DAQIRI 实时运行人工智能，处理 CERN ATLAS 实验记录的碰撞数据。A-GHOST 分析通常会被 ATLAS 拒绝的数据——由于存储限制，超过 99% 的数据——使其能够捕捉到潜在有趣的信号，这些信号否则将会丢失。</p>
</div><p><strong>NVIDIA ALCHEMI</strong> comprises a collection of domain-specific microservices and a toolkit for accelerating chemical and materials discovery, with applications across battery materials, catalysts, OLED displays, beauty products and more.</p>
<div class="lb-trans"><p><strong>NVIDIA ALCHEMI</strong> 包含一系列特定领域的微服务和加速化学和材料发现的工具包，应用于电池材料、催化剂、OLED 显示器、美容产品等多个领域。</p>
</div><p>NVIDIA released in March two ALCHEMI NIM microservices for batched geometry relaxation (BGR) and batched molecular dynamics (BMD). These AI-accelerated tools let researchers simulate millions of molecules and materials at once: BGR to find their most stable structures, BMD to simulate how they move over time.</p>
<div class="lb-trans"><p>NVIDIA 在 3 月份发布了两个 ALCHEMI NIM 微服务，用于批量几何放松（BGR）和批量分子动力学（BMD）。这些 AI 加速工具使研究人员能够同时模拟数百万个分子和材料：BGR 用于寻找其最稳定的结构，BMD 用于模拟它们随时间的运动。</p>
</div><p>In addition, ALCHEMI is expected to soon include a microservice for the widely used Vienna Ab initio Simulation Package (VASP), enabling researchers to run materials simulations with higher GPU throughput. By running multiple VASP calculations on a single GPU with the NVIDIA Multi-Process Service, the microservice achieves a 3x speedup for geometry optimization — the process of finding the most stable arrangement of atoms in a material.</p>
<div class="lb-trans"><p>此外，ALCHEMI 预计很快将包括一个广泛使用的维也纳从头模拟软件包（VASP）的微服务，使研究人员能够以更高的 GPU 吞吐量运行材料模拟。通过在单个 GPU 上运行多个 VASP 计算，结合 NVIDIA 多进程服务，该微服务实现了几何优化的 3 倍加速——即寻找材料中原子的最稳定排列的过程。</p>
</div><p>Plus, developers and researchers can use the ALCHEMI Toolkit to accelerate training of AI surrogate models called machine learning interatomic potentials and easily build custom, high-performance atomistic simulation workflows.</p>
<div class="lb-trans"><p>此外，开发人员和研究人员可以使用 ALCHEMI 工具包加速名为机器学习原子间势的 AI 替代模型的训练，并轻松构建自定义的高性能原子模拟工作流。</p>
</div><h2><strong>How Lila Sciences Runs the Scientific Method Nonstop With NVIDIA ALCHEMI</strong></h2>
<div class="lb-trans"><h2><strong>Lila Sciences 如何利用 NVIDIA ALCHEMI 不间断地运行科学方法</strong></h2>
</div><p>Lila Sciences — which is building a scientific superintelligence platform and autonomous lab for life sciences, chemistry and materials science — collaborated with NVIDIA on a high-fidelity magnet simulation using ALCHEMI, demoed at NVIDIA GTC San Jose in March.</p>
<div class="lb-trans"><p>Lila Sciences——正在为生命科学、化学和材料科学构建科学超级智能平台和自主实验室——与 NVIDIA 合作，使用 ALCHEMI 进行高保真磁场模拟，并在 3 月份的 NVIDIA GTC San Jose 上进行了演示。</p>
</div><p>Lila Sciences accelerated high-throughput materials screening by 50x using the ALCHEMI NIM microservice for BGR, identifying stable candidates that have higher chances of being synthesized. It then accelerated the calculation of magnetic properties by 30% for shortlisted candidates using the ALCHEMI VASP microservice in early access.</p>
<div class="lb-trans"><p>Lila Sciences 利用 ALCHEMI NIM 微服务的 BGR 将高通量材料筛选的速度提高了 50 倍，识别出更有可能被合成的稳定候选材料。然后，它利用 ALCHEMI VASP 微服务在早期访问中将入围候选材料的磁性属性计算速度提高了 30%。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://blogs.nvidia.com/wp-content/uploads/2026/06/lila-image.png" alt="" original-src="https://blogs.nvidia.com/wp-content/uploads/2026/06/lila-image.png"/></p>
<p>Lila Sciences conducts materials simulation with NVIDIA ALCHEMI. The image above, courtesy of Lila Sciences, depicts film coupons cut out from a sample synthesized in a sputterer, a system for creating ultrathin, highly uniform coatings of metals or ceramics onto a surface.</p>
<div class="lb-trans"><p>Lila Sciences 使用 NVIDIA ALCHEMI 进行材料模拟。上图由 Lila Sciences 提供，展示了从样品中切割出的薄膜样品，这些样品是在溅射系统中合成的，该系统用于在表面上创建超薄、高度均匀的金属或陶瓷涂层。</p>
</div><p>The speedups compound. ALCHEMI’s specialized kernels for TensorNet gave Lila a 6x speedup in training and inference and reduced memory usage by 3x, enabling simulations that previously took weeks in just days.</p>
<div class="lb-trans"><p>加速效果是累积的。ALCHEMI 针对 TensorNet 的专用内核使 Lila 在训练和推理中实现了 6 倍的加速，并将内存使用量减少了 3 倍，使得原本需要数周的模拟在几天内完成。</p>
</div><p>Instead of running one experiment at a time, this approach evaluates multiple materials simultaneously in GPU memory and can be generalized for use cases spanning:</p>
<div class="lb-trans"><p>这种方法不是一次运行一个实验，而是同时在 GPU 内存中评估多个材料，并可以推广到以下用例：</p>
</div><ul>
<li>Materials discovery — screening novel, stable compositions at scale</li>
<li>Energy — discovering active, earth-abundant catalysts for producing chemicals and fuels</li>
<li>Electromagnetics — understanding and predicting complex magnetic behaviors</li>
</ul>
<div class="lb-trans"><ul>
<li>材料发现 — 大规模筛选新颖、稳定的组合</li>
<li>能源 — 发现用于生产化学品和燃料的活性、丰富的地球催化剂</li>
<li>电磁学 — 理解和预测复杂的磁性行为</li>
</ul>
</div><p>ALCHEMI sits at the simulation layer, generating the physical-science data that feeds the rest of the loop.</p>
<div class="lb-trans"><p>ALCHEMI 位于模拟层，生成为其余循环提供物理科学数据。</p>
</div><p>In addition, Lila Sciences accelerates scientific discovery with the full NVIDIA stack, using NVIDIA Megatron-LM and NVIDIA Nemotron for training — including the Nemotron 3 Nano and Nemotron 3 Super open models, as well as the NeMo RL and NeMo Gym libraries. The company also taps into NVIDIA BioNeMo for molecular generation, NVIDIA Triton and NIM microservices for inference serving, and NVIDIA Omniverse libraries for digital twins.</p>
<div class="lb-trans"><p>此外，Lila Sciences 利用完整的 NVIDIA 技术栈加速科学发现，使用 NVIDIA Megatron-LM 和 NVIDIA Nemotron 进行训练 — 包括 Nemotron 3 Nano 和 Nemotron 3 Super 开放模型，以及 NeMo RL 和 NeMo Gym 库。该公司还利用 NVIDIA BioNeMo 进行分子生成，使用 NVIDIA Triton 和 NIM 微服务进行推理服务，以及 NVIDIA Omniverse 库进行数字双胞胎。</p>
</div><p>“The work showcases using a powerful computing stack assembled to accelerate discovery at a scale no individual scientist could achieve alone,” said Andy Beam, cofounder and chief technology officer of Lila Sciences.</p>
<div class="lb-trans"><p>“这项工作展示了使用强大的计算栈来加速发现，达到单个科学家无法独自实现的规模，” Lila Sciences 的联合创始人兼首席技术官 Andy Beam 说道。</p>
</div><h2><strong>Availability</strong></h2>
<div class="lb-trans"><h2><strong>可用性</strong></h2>
</div><p>The NVIDIA ALCHEMI Toolkit and Toolkit-Ops are available for download from Github and PyPI. ALCHEMI NIM microservices are available for download from the NVIDIA NGC catalog. The ALCHEMI NIM microservice for VASP is expected to be available later this summer.</p>
<div class="lb-trans"><p>NVIDIA ALCHEMI 工具包和 Toolkit-Ops 可从 Github 和 PyPI 下载。ALCHEMI NIM 微服务可从 NVIDIA NGC 目录下载。ALCHEMI NIM 微服务用于 VASP 预计将在今年夏季晚些时候可用。</p>
</div><p>DAQIRI is now available on GitHub. CuPhoton is expected to be available this summer.</p>
<div class="lb-trans"><p>DAQIRI 现在可以在 GitHub 上获取。CuPhoton 预计将在今年夏季可用。</p>
</div><p><em>Learn more about</em> <em>NVIDIA AI for science</em> <em>.</em></p>
<div class="lb-trans"><p><em>了解更多关于</em> <em>NVIDIA 科学的 AI</em> _。</p>
</div><p><em>See</em> <em>notice</em> <em>regarding software product information.</em></p>
<div class="lb-trans"><p><em>查看</em> <em>关于软件产品信息的通知</em>。</p>
</div>

From Materials Simulation to Experimental Astronomy, New NVIDIA AI Software Unlocks Scientific Discoveries

- NVIDIA 在汉堡 ISC 大会上推出新软件，加速科学中的 AI 应用。  
- 新工具将 CPU 的数小时工作缩短为 GPU 加速的实时处理。  
- 科学家在多个领域中实现数据生成与分析速度显著提升。

NVIDIA Blog

南方两倍做多英伟达

英伟达期权收益策略 ETF - YieldMax

1 倍做空英伟达 ETF - Direxion

2 倍做空 NVDA ETF - T-Rex

南方两倍做空英伟达

2 倍做多英伟达 ETF - GraniteShares

2 倍做多英伟达 ETF - Direxion

2 倍做空 NVDA ETF - GraniteShares

ProShares Ultra NVDA

2 倍做多英伟达 ETF - Leverage Shares

Leverage Shares 2x Cpd Acclrtd NVDAMnETF

NVDA 周配息 ETF - Roundhill

GraniteShares YieldBOOST NVDA ETF

xETFs NVDA Daily Income ETF

NVDA 期权收益策略 ETF - YieldMax

XI二南英伟-U

2 倍做多 MAG7 指数 ETF - Roundhill

半导体 ETF - VanEck Vectors

费城交易所 半导体 ETF - iShares

半导体 3 倍做多 - Direxion

Invesco PHLX Semiconductor ETF

标普半导体 ETF - SPDR

动态半导体 ETF - Invesco

纳斯达克半导体 ETF - First Trust

NVIDIA Corporation

从材料模拟到实验天文学，新的 NVIDIA AI 软件正在推动科学发现