<p>在本週於漢堡舉行的 ISC 會議上，NVIDIA 推出了新軟件，加速科學領域的人工智能，從化學和材料發現到暗物質的搜索。</p>
<p>NVIDIA DAQIRI 庫和新的 NVIDIA ALCHEMI NIM 微服務——以及即將推出的 NVIDIA cuPhoton 參考代碼——將曾經需要數小時或數天在 CPU 上完成的工作轉變為實時的 GPU 加速管道。</p>
<p>它們是 NVIDIA CUDA-X 的一部分，這是一個工具和庫的集合，能夠在包括人工智能和高性能計算在內的應用領域提供顯著更高的性能。</p>
<p>這些性能提升是顯著的，並且具有實際影響。在各個學科中，科學家們正在利用人工智能和加速計算，以比以往更快的速度生成數據和洞察。</p>
<p>例如，在 NVIDIA GB200 NVL72 系統上，cuPhoton 加速了從天文台和望遠鏡加載、讀取、處理和分析 FITS 數據——標準的天文文件格式。在早期訪問中，cuPhoton 加速了從魯賓天文台的空間與時間遺產調查（LSST）收集的 FITS 圖像的加載和讀取速度，達到了 14,900 倍。它還利用 32 個 NVIDIA Grace Blackwell 超級芯片實現了高達 8,400 倍的信號處理和分析速度。</p>
<p>最終，這意味着從 LSST 相機獲得更快的洞察——這是有史以來建造的最大數字相機——它捕捉到數十億個遙遠星系的圖像，以及更近的、反射光線較少的微弱物體。</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>在早期訪問中，cuPhoton 加速了從魯賓天文台的空間與時間遺產調查收集的圖像的加載和讀取。</p>
<h2><strong>新軟件，從實驗室到望遠鏡</strong></h2>
<p>新軟件加速了對暗物質、材料模擬等的研究。</p>
<p><strong>NVIDIA cuPhoton</strong> 是一個參考代碼，供科學家從從望遠鏡、X 射線和激光實驗收集的多維數據中提取洞察。它旨在加載、處理、分析和可視化 PB 級的數據，並可以與其他 NVIDIA CUDA-X 技術一起使用，以構建一個端到端的加速管道，適用於天體物理學和天文學等領域的工作。</p>
<p>普林斯頓大學的研究人員與 NVIDIA 合作開發了 cuPhoton，並將與哈佛大學一起使用它來處理和分析從天文台和暗能量調查中收集的大量數據。</p>
<p><strong>NVIDIA DAQIRI</strong>——即集成實時儀器的數據採集——是一個高性能網絡庫，將數據從快速探測器和傳感器流入 NVIDIA 軟件。舊系統依賴於固定硬件，當儀器產生數據的速度超過它們保存數據的速度時，可能會丟失數據。DAQIRI 通過處理到達的數據流來保持同步。</p>
<p>一個名為 A-GHOST 的研究項目是由來自 CERN、芝加哥大學和倫敦大學學院的科學家在 CERN openlab 框架下開發的。它利用 DAQIRI 實時運行人工智能，處理 CERN ATLAS 實驗記錄的碰撞數據。A-GHOST 分析通常會被 ATLAS 拒絕的數據——由於存儲限制，超過 99% 的數據——使其能夠捕捉到潛在有趣的信號，這些信號否則將會丟失。</p>
<p><strong>NVIDIA ALCHEMI</strong> 包含一系列特定領域的微服務和加速化學和材料發現的工具包，應用於電池材料、催化劑、OLED 顯示器、美容產品等多個領域。</p>
<p>NVIDIA 在 3 月份發佈了兩個 ALCHEMI NIM 微服務，用於批量幾何放鬆（BGR）和批量分子動力學（BMD）。這些 AI 加速工具使研究人員能夠同時模擬數百萬個分子和材料：BGR 用於尋找其最穩定的結構，BMD 用於模擬它們隨時間的運動。</p>
<p>此外，ALCHEMI 預計很快將包括一個廣泛使用的維也納從頭模擬軟件包（VASP）的微服務，使研究人員能夠以更高的 GPU 吞吐量運行材料模擬。通過在單個 GPU 上運行多個 VASP 計算，結合 NVIDIA 多進程服務，該微服務實現了幾何優化的 3 倍加速——即尋找材料中原子的最穩定排列的過程。</p>
<p>此外，開發人員和研究人員可以使用 ALCHEMI 工具包加速名為機器學習原子間勢的 AI 替代模型的訓練，並輕鬆構建自定義的高性能原子模擬工作流。</p>
<h2><strong>Lila Sciences 如何利用 NVIDIA ALCHEMI 不間斷地運行科學方法</strong></h2>
<p>Lila Sciences——正在為生命科學、化學和材料科學構建科學超級智能平台和自主實驗室——與 NVIDIA 合作，使用 ALCHEMI 進行高保真磁場模擬，並在 3 月份的 NVIDIA GTC San Jose 上進行了演示。</p>
<p>Lila Sciences 利用 ALCHEMI NIM 微服務的 BGR 將高通量材料篩選的速度提高了 50 倍，識別出更有可能被合成的穩定候選材料。然後，它利用 ALCHEMI VASP 微服務在早期訪問中將入圍候選材料的磁性屬性計算速度提高了 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 進行材料模擬。上圖由 Lila Sciences 提供，展示了從樣品中切割出的薄膜樣品，這些樣品是在濺射系統中合成的，該系統用於在表面上創建超薄、高度均勻的金屬或陶瓷塗層。</p>
<p>加速效果是累積的。ALCHEMI 針對 TensorNet 的專用內核使 Lila 在訓練和推理中實現了 6 倍的加速，並將內存使用量減少了 3 倍，使得原本需要數週的模擬在幾天內完成。</p>
<p>這種方法不是一次運行一個實驗，而是同時在 GPU 內存中評估多個材料，並可以推廣到以下用例：</p>
<ul>
<li>材料發現 — 大規模篩選新穎、穩定的組合</li>
<li>能源 — 發現用於生產化學品和燃料的活性、豐富的地球催化劑</li>
<li>電磁學 — 理解和預測複雜的磁性行為</li>
</ul>
<p>ALCHEMI 位於模擬層，生成為其餘循環提供物理科學數據。</p>
<p>此外，Lila Sciences 利用完整的 NVIDIA 技術棧加速科學發現，使用 NVIDIA Megatron-LM 和 NVIDIA Nemotron 進行訓練 — 包括 Nemotron 3 Nano 和 Nemotron 3 Super 開放模型，以及 NeMo RL 和 NeMo Gym 庫。該公司還利用 NVIDIA BioNeMo 進行分子生成，使用 NVIDIA Triton 和 NIM 微服務進行推理服務，以及 NVIDIA Omniverse 庫進行數字雙胞胎。</p>
<p>“這項工作展示了使用強大的計算棧來加速發現，達到單個科學家無法獨自實現的規模，” Lila Sciences 的聯合創始人兼首席技術官 Andy Beam 説道。</p>
<h2><strong>可用性</strong></h2>
<p>NVIDIA ALCHEMI 工具包和 Toolkit-Ops 可從 Github 和 PyPI 下載。ALCHEMI NIM 微服務可從 NVIDIA NGC 目錄下載。ALCHEMI NIM 微服務用於 VASP 預計將在今年夏季晚些時候可用。</p>
<p>DAQIRI 現在可以在 GitHub 上獲取。CuPhoton 預計將在今年夏季可用。</p>
<p><em>瞭解更多關於</em> <em>NVIDIA 科學的 AI</em> _。</p>
<p><em>查看</em> <em>關於軟件產品信息的通知</em>。</p>

2026 年軟件股最大的爭議仍在發酵：AI agent 會不會取代按席位收費的 SaaS 模式？資金持續從軟件輪向芯片，微軟仍距高點約 27%，Salesforce、Workday 年內深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"過頭、企業不會一夜換掉幾十年的軟件。軟件正被 AI 吃掉，還是跌出了黃金坑？你站軟件，還是站芯片？

<p>2026 年軟件股最大的爭議仍在發酵：AI agent 會不會取代按席位收費的 SaaS 模式？資金持續從軟件輪向芯片，微軟仍距高點約 27%，Salesforce、Workday 年內深跌。但 Wedbush 的 Dan Ives 直呼"末日想象"過頭、企業不會一夜換掉幾十年的軟件。軟件正被 AI 吃掉，還是跌出了黃金坑？你站軟件，還是站芯片？</p>

SaaS 被 AI 吃掉？軟件 vs 芯片站隊

英偉達

2 倍做多 NVDA ETF - T-Rex

1.5 倍做空英偉達 ETF - Tradr

<p>NVIDIA 在 ISC 大會上發佈了新的 AI 軟件，以加速科學研究。主要發佈的工具包括用於實時天文數據處理的 cuPhoton、用於粒子物理學高速數據採集的 DAQIRI，以及用於加速材料和化學發現的 ALCHEMI NIM 微服務。這些工具利用 GPU 加速，顯著縮短了天體物理學、化學和材料科學等領域的計算時間</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>在本週於漢堡舉行的 ISC 會議上，NVIDIA 推出了新軟件，加速科學領域的人工智能，從化學和材料發現到暗物質的搜索。</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 庫和新的 NVIDIA ALCHEMI NIM 微服務——以及即將推出的 NVIDIA cuPhoton 參考代碼——將曾經需要數小時或數天在 CPU 上完成的工作轉變為實時的 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>它們是 NVIDIA CUDA-X 的一部分，這是一個工具和庫的集合，能夠在包括人工智能和高性能計算在內的應用領域提供顯著更高的性能。</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>這些性能提升是顯著的，並且具有實際影響。在各個學科中，科學家們正在利用人工智能和加速計算，以比以往更快的速度生成數據和洞察。</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 系統上，cuPhoton 加速了從天文台和望遠鏡加載、讀取、處理和分析 FITS 數據——標準的天文文件格式。在早期訪問中，cuPhoton 加速了從魯賓天文台的空間與時間遺產調查（LSST）收集的 FITS 圖像的加載和讀取速度，達到了 14,900 倍。它還利用 32 個 NVIDIA Grace Blackwell 超級芯片實現了高達 8,400 倍的信號處理和分析速度。</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>最終，這意味着從 LSST 相機獲得更快的洞察——這是有史以來建造的最大數字相機——它捕捉到數十億個遙遠星系的圖像，以及更近的、反射光線較少的微弱物體。</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>在早期訪問中，cuPhoton 加速了從魯賓天文台的空間與時間遺產調查收集的圖像的加載和讀取。</p>
</div><h2><strong>New Software, From the Lab Bench to the Telescope</strong></h2>
<div class="lb-trans"><h2><strong>新軟件，從實驗室到望遠鏡</strong></h2>
</div><p>The new software accelerates research on dark matter, materials simulation and more.</p>
<div class="lb-trans"><p>新軟件加速了對暗物質、材料模擬等的研究。</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> 是一個參考代碼，供科學家從從望遠鏡、X 射線和激光實驗收集的多維數據中提取洞察。它旨在加載、處理、分析和可視化 PB 級的數據，並可以與其他 NVIDIA CUDA-X 技術一起使用，以構建一個端到端的加速管道，適用於天體物理學和天文學等領域的工作。</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>普林斯頓大學的研究人員與 NVIDIA 合作開發了 cuPhoton，並將與哈佛大學一起使用它來處理和分析從天文台和暗能量調查中收集的大量數據。</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>——即集成實時儀器的數據採集——是一個高性能網絡庫，將數據從快速探測器和傳感器流入 NVIDIA 軟件。舊系統依賴於固定硬件，當儀器產生數據的速度超過它們保存數據的速度時，可能會丟失數據。DAQIRI 通過處理到達的數據流來保持同步。</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>一個名為 A-GHOST 的研究項目是由來自 CERN、芝加哥大學和倫敦大學學院的科學家在 CERN openlab 框架下開發的。它利用 DAQIRI 實時運行人工智能，處理 CERN ATLAS 實驗記錄的碰撞數據。A-GHOST 分析通常會被 ATLAS 拒絕的數據——由於存儲限制，超過 99% 的數據——使其能夠捕捉到潛在有趣的信號，這些信號否則將會丟失。</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> 包含一系列特定領域的微服務和加速化學和材料發現的工具包，應用於電池材料、催化劑、OLED 顯示器、美容產品等多個領域。</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 月份發佈了兩個 ALCHEMI NIM 微服務，用於批量幾何放鬆（BGR）和批量分子動力學（BMD）。這些 AI 加速工具使研究人員能夠同時模擬數百萬個分子和材料：BGR 用於尋找其最穩定的結構，BMD 用於模擬它們隨時間的運動。</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 預計很快將包括一個廣泛使用的維也納從頭模擬軟件包（VASP）的微服務，使研究人員能夠以更高的 GPU 吞吐量運行材料模擬。通過在單個 GPU 上運行多個 VASP 計算，結合 NVIDIA 多進程服務，該微服務實現了幾何優化的 3 倍加速——即尋找材料中原子的最穩定排列的過程。</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，開發人員和研究人員可以使用 ALCHEMI 工具包加速名為機器學習原子間勢的 AI 替代模型的訓練，並輕鬆構建自定義的高性能原子模擬工作流。</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 不間斷地運行科學方法</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——正在為生命科學、化學和材料科學構建科學超級智能平台和自主實驗室——與 NVIDIA 合作，使用 ALCHEMI 進行高保真磁場模擬，並在 3 月份的 NVIDIA GTC San Jose 上進行了演示。</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 微服務的 BGR 將高通量材料篩選的速度提高了 50 倍，識別出更有可能被合成的穩定候選材料。然後，它利用 ALCHEMI VASP 微服務在早期訪問中將入圍候選材料的磁性屬性計算速度提高了 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 進行材料模擬。上圖由 Lila Sciences 提供，展示了從樣品中切割出的薄膜樣品，這些樣品是在濺射系統中合成的，該系統用於在表面上創建超薄、高度均勻的金屬或陶瓷塗層。</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>加速效果是累積的。ALCHEMI 針對 TensorNet 的專用內核使 Lila 在訓練和推理中實現了 6 倍的加速，並將內存使用量減少了 3 倍，使得原本需要數週的模擬在幾天內完成。</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>這種方法不是一次運行一個實驗，而是同時在 GPU 內存中評估多個材料，並可以推廣到以下用例：</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>材料發現 — 大規模篩選新穎、穩定的組合</li>
<li>能源 — 發現用於生產化學品和燃料的活性、豐富的地球催化劑</li>
<li>電磁學 — 理解和預測複雜的磁性行為</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 位於模擬層，生成為其餘循環提供物理科學數據。</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 技術棧加速科學發現，使用 NVIDIA Megatron-LM 和 NVIDIA Nemotron 進行訓練 — 包括 Nemotron 3 Nano 和 Nemotron 3 Super 開放模型，以及 NeMo RL 和 NeMo Gym 庫。該公司還利用 NVIDIA BioNeMo 進行分子生成，使用 NVIDIA Triton 和 NIM 微服務進行推理服務，以及 NVIDIA Omniverse 庫進行數字雙胞胎。</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>“這項工作展示了使用強大的計算棧來加速發現，達到單個科學家無法獨自實現的規模，” Lila Sciences 的聯合創始人兼首席技術官 Andy Beam 説道。</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 可從 Github 和 PyPI 下載。ALCHEMI NIM 微服務可從 NVIDIA NGC 目錄下載。ALCHEMI NIM 微服務用於 VASP 預計將在今年夏季晚些時候可用。</p>
</div><p>DAQIRI is now available on GitHub. CuPhoton is expected to be available this summer.</p>
<div class="lb-trans"><p>DAQIRI 現在可以在 GitHub 上獲取。CuPhoton 預計將在今年夏季可用。</p>
</div><p><em>Learn more about</em> <em>NVIDIA AI for science</em> <em>.</em></p>
<div class="lb-trans"><p><em>瞭解更多關於</em> <em>NVIDIA 科學的 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>關於軟件產品信息的通知</em>。</p>
</div>

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

- NVIDIA 在漢堡 ISC 大會上推出新軟件，加速科學中的 AI 應用。  
- 新工具將 CPU 的數小時工作縮短為 GPU 加速的實時處理。  
- 科學家在多個領域中實現數據生成與分析速度顯著提升。

NVIDIA Blog

南方兩倍做多英偉達

英偉達期權收益策略 ETF - YieldMax

1 倍做空英偉達 ETF - Direxion

2 倍做空 NVDA ETF - T-Rex

南方兩倍做空英偉達

2 倍做多英偉達 ETF - GraniteShares

2 倍做多英偉達 ETF - Direxion

2 倍做空 NVDA ETF - GraniteShares

ProShares Ultra NVDA

2 倍做多英偉達 ETF - Leverage Shares

Leverage Shares 2x Cpd Acclrtd NVDAMnETF

NVDA 週配息 ETF - Roundhill​

GraniteShares YieldBOOST NVDA ETF

xETFs NVDA Daily Income ETF

NVDA 期權收益策略 ETF - YieldMax

XI二南英偉-U

2 倍做多 MAG7 指數 ETF - Roundhill

半導體 ETF - VanEck Vectors

費城交易所 半導體 ETF - iShares

半導體 3 倍做多 - Direxion

Invesco PHLX Semiconductor ETF

標普半導體 ETF - SPDR

動態半導體 ETF - Invesco

納斯達克半導體 ETF - First Trust

NVIDIA Corporation

從材料模擬到實驗天文學，新的 NVIDIA AI 軟件正在推動科學發現