Nvidia a présenté le Rubin HPC au SC26 à Chicago, un gpu destiné aux simulations scientifiques et doté de plus de 50.000 cœurs CUDA. La puce arrivera sur le marché en 2028, accompagnée de nouvelles bibliothèques logicielles et d’un pack d’IA pour les chercheurs.
Nvidia a présenté le Rubin HPC lors de la conférence de supercalcul SC26. La puce fait partie de la plateforme Vera Rubin et doit accélérer les simulations et le traitement de données pour la science, l’ingénierie et l’analyse. Le gpu Rubin standard compte 28.672 cœurs CUDA, la nouvelle variante en compte donc presque le double.
Nous constatons que Nvidia ne dit encore rien de la structure physique. Le nombre de cœurs laisse supposer que la puce se compose, comme le Rubin Ultra, de quatre dies, mais ce n’est pas confirmé.
Ce que le Rubin HPC doit pouvoir faire
Le Rubin HPC reçoit une nouvelle génération de la liaison NVLink, la septième. La version actuelle transfère 3,6 térabits par seconde par gpu. S’y ajoute une fonction pour les données creuses (sparse data), des jeux de données contenant beaucoup de zéros. Elles sont fréquentes en biologie et en astrophysique, par exemple lorsqu’un télescope représente par des zéros les zones de l’espace sans étoiles visibles.
Ian Buck, vice-président hyperscale et calcul haute performance chez Nvidia, déclare : « Pour les agents d’IA qui s’attaquent à des problèmes scientifiques et techniques, une simulation plus rapide signifie des découvertes plus rapides. » Selon lui, le Rubin HPC accélère les simulations grâce auxquelles les agents testent des idées et déterminent leurs prochaines étapes.

Nvidia reste muet pour l’instant sur la capacité mémoire et la bande passante. Les performances FP64, qui comptent pour les calculs scientifiques classiques, restent elles aussi inconnues. HPCwire souligne que Nvidia a ajouté peu de FP64 au fil des dernières générations et a surtout renforcé les précisions inférieures. AMD y répond avec son MI430X, qui sortira en 2027 avec 288 téraflops en FP64.
Dion Harris, senior director HPC et infrastructure d’IA hyperscale chez Nvidia, affirme dans une interview qu’il s’agit d’utiliser le bon outil pour chaque tâche.
Des logiciels pour l’astronomie et la biologie
La puce s’accompagne de nouvelles bibliothèques dans CUDA-X. Avec cuPhoton.xBeam, les astrophysiciens analysent les données de l’Event Horizon Telescope. Selon Nvidia, une analyse qui prenait auparavant un mois ne dure plus que huit minutes. La bibliothèque sœur cuPhoton.xLens simule le plasma dans les réacteurs à fusion.
Pour la biologie, Nvidia publie cuSpa en open source. La bibliothèque accélère les calculs avec des polygones cellulaires, qui permettent aux chercheurs d’étudier la structure des cellules et leurs interactions. Au Memorial Sloan Kettering Cancer Center, ce serait 900 fois plus rapide que sur des cpu. Le rapids-singlecell existant est désormais aussi disponible sous forme de conteneur.
Nemotron for Science réunit le modèle ouvert Nemotron 3.5 Super VL et des workflows prêts à l’emploi pour le post-entraînement. Le modèle compte 124 milliards de paramètres et en active environ un dixième à la fois. Un jeu de données comptant près de 50.000 questions de chimie sert à entraîner et à évaluer les modèles.
Racks Vera et plateforme quantique
Pour les charges de travail gourmandes en cpu, un rack de 192 cpu Vera, d’environ 300 To de mémoire et de 1 Po de stockage sera proposé. Dell, HPE, Lenovo et Supermicro commercialiseront ces racks à partir de début 2027. Le centre allemand de calcul climatique DKRZ a choisi Vera pour son supercalculateur HLRE-5, qui doit entrer en service début 2028.
Nvidia a aussi annoncé une collaboration avec IBM et le Fermilab américain pour une plateforme quantique modulaire. Elle combine des systèmes DGX B200 avec du matériel quantique d’IBM, afin que les chercheurs puissent développer des algorithmes de correction d’erreurs pour les qubits. CUDA-Q a par ailleurs reçu de nouveaux blocs de construction et un algorithme qui limite les erreurs de qubits.
Disponibilité
Le Rubin HPC sortira en 2028. Il n’y a pas encore de prix conseillés ni de spécifications pour la mémoire et le FP64. D’ici là, les chercheurs peuvent se mettre au travail avec les bibliothèques logicielles et Nemotron for Science.
