ArticleBrian Caulfield·2026년 11월 17일·0

Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents

Quick Summary

NVIDIA의 이언 벅은 시카고 SC26에서 시뮬레이션을 과학 컴퓨팅의 기반으로 두고, 연구자가 자체 시스템에서 쓸 수 있는 Nemotron for Science, 에이전트 연산을 지원하는 Vera CPU와 Rubin HPC GPU, IBM·Fermilab과의 양자 오류 정정 연구 협력 계획을 발표했다.

Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents 관련 대표 이미지

🖼️ 인포그래픽

Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents의 핵심 내용을 4단계로 요약한 인포그래픽
Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

NVIDIA의 이언 벅은 시카고 SC26에서 시뮬레이션을 과학 컴퓨팅의 기반으로 두고, 연구자가 자체 시스템에서 쓸 수 있는 Nemotron for Science, 에이전트 연산을 지원하는 Vera CPU와 Rubin HPC GPU, IBM·Fermilab과의 양자 오류 정정 연구 협력 계획을 발표했다.

📌 핵심 요약

  • Nemotron for Science는 공개 모델 Nemotron 3.5 Super VL에 공개 화학 데이터셋과 생명과학·화학용 후속 학습 방법을 결합했다. 벅에 따르면 아르곤 국립연구소는 이 도구로 만든 에이전트를 활용해 새로운 결합 부위 두 곳을 찾아냈다.
  • 벅은 DGX Spark 한 대에서 하룻밤 동안 GROMACS 테스트 사례의 81%를 복구한 사례를 소개했다. Nsight AI Porting Agent는 약 1억 5천만 토큰을 사용해 기상 모델 WRF의 루틴 하나를 GPU로 이식했고, 해당 루틴의 속도가 5배 넘게 향상됐다고 밝혔다.
  • 독일 기후컴퓨팅센터(DKRZ)는 2028년 초로 예정된 슈퍼컴퓨터 HLRE-5에 Vera CPU를 선정했다. 2028년 출시가 예상되는 Rubin HPC는 FP64부터 FP4까지 지원하며, 벅에 따르면 CUDA 코어가 5만 개를 넘어 Hopper의 약 3배다.
  • NVIDIA·IBM·Fermilab은 양자 오류 정정과 응용 연구를 위한 공동 설계 플랫폼을 추진한다고 발표했다. 벅은 JUPITER 시뮬레이션에서 논리 연산 한 단계에 필요한 연산 수가 10분의 1로 줄었다고 설명했다.
  • 벅은 양자 디코딩 지연 시간을 약 300마이크로초에서 10마이크로초로 줄이는 것이 목표라고 밝혔다. 별도 성과로 CUDA-Q 알고리즘 TCBP-JOBS가 오류 정정 연구의 계산 시간을 12주에서 45분으로 단축했다고 보고했다.

🧩 주요 포인트

  1. 공개 모델과 자체 시스템 실행을 결합해 연구자가 데이터와 모델을 직접 관리하면서 에이전트를 활용할 수 있다.
  2. 에이전트가 모델 실행 사이에 도구를 호출하고 결과를 수집하므로, 벅은 과학 연산을 가속하는 GPU와 함께 이 작업을 맡는 CPU의 역할을 강조했다.
  3. 양자 오류 정정에서는 논리 연산에 필요한 연산 수, 연구 계산 시간, 디코딩 지연 시간이 서로 다른 지표다. 발표에는 시뮬레이션 결과와 향후 달성 목표가 함께 제시됐다.

🧠 상세 정리

1. SC06의 CUDA에서 SC26의 과학 에이전트까지

NVIDIA에서 하이퍼스케일 및 고성능 컴퓨팅을 담당하는 이언 벅 부사장은 월요일 시카고 SC26 특별 연설에서 20년 전 플로리다주 탬파에서 열린 SC06을 돌아봤다. 당시 튜토리얼에서 처음으로 CUDA를 공개 발표했고, 지금은 NVIDIA가 제공하는 CUDA-X 라이브러리가 1,000개를 넘는다고 말했다. 벅은 시뮬레이션이 앞으로도 과학 컴퓨팅의 기반이 될 것으로 봤다. 이번에 소개한 에이전트는 연구자의 시스템에서 실험을 계획하고 코드를 실행하며 결과를 확인하는 소프트웨어다. 그는 AI와 에이전트, 향후의 양자 컴퓨팅이 시뮬레이션과 함께 쓰일 것으로 전망했다.

2. 연구자가 자체 시스템에서 실행하는 Nemotron for Science

Nemotron for Science는 공개 모델 Nemotron 3.5 Super VL과 새로 공개한 화학 데이터셋, 생명과학과 화학에 맞춘 후속 학습 방법을 한데 묶은 도구다. 연구자는 DGX Spark나 워크스테이션, 소속 기관의 슈퍼컴퓨터에서 이를 실행할 수 있다. 벅이 자체 시스템 실행의 이점으로 강조한 것은 연구자가 데이터와 모델을 모두 직접 보유한다는 점이다. 벅에 따르면 아르곤 국립연구소에서 이 도구로 만든 에이전트는 가설을 세우고 검토하면서 실행할 시뮬레이션을 골랐고, 그 과정에서 새로운 결합 부위 두 곳을 찾아냈다.

3. 분자 시뮬레이션 설정 복구부터 기상 코드 이식까지

벅은 에이전트가 이미 쓰이고 있는 사례로 소프트웨어 복구, 전파망원경 관측, 기상 코드 이식을 들었다. 스웨덴 왕립공과대학(KTH)의 에이전트는 DGX Spark 한 대에서 하룻밤 동안 잘못된 GROMACS 설정을 스스로 고쳐 테스트 사례의 81%를 복구했다. SETI 연구소의 앨런 망원경 배열에서는 에이전트가 메탄올 스펙트럼선을 그래프로 나타내고 도플러 편이에 맞춰 관측 주파수를 스스로 다시 조정했다고 설명했다. NVIDIA의 Nsight AI Porting Agent는 기상 연구·예측 모델 WRF의 루틴 하나를 GPU로 이식하는 데 약 1억 5천만 토큰을 사용했으며, 벅이 보고한 5배 넘는 속도 향상은 이 루틴에 해당한다.

4. 에이전트의 도구 호출을 맡는 Vera CPU와 과학 연산용 Rubin HPC

벅은 에이전트가 모델 실행 사이에 도구를 호출하고 연산 결과를 수집·평가할 때 CPU를 사용한다고 설명했다. 독일 기후컴퓨팅센터(DKRZ)는 2028년 초로 예정된 슈퍼컴퓨터 HLRE-5에 Vera CPU를 선정했으며, 텍사스 첨단컴퓨팅센터에서도 앞서 Vera 기반 시스템을 발표했다. 이어 소개한 Rubin HPC는 과학·공학·분석·AI용으로 설계한 Vera Rubin 플랫폼의 GPU로, 2028년 출시가 예상된다. FP64부터 FP4까지의 정밀도와 희소 데이터 연산 가속을 지원하고 7세대 NVIDIA NVLink로 연결된다. 벅에 따르면 CUDA 코어는 5만 개가 넘어 Hopper의 약 3배다.

5. JUPITER 시뮬레이션과 양자 컴퓨팅 공동 설계 계획

벅은 율리히의 JUPITER 슈퍼컴퓨터에서 양자 오류 정정에 쓰이는 매직 상태 배양(magic state cultivation) 기법을 시뮬레이션한 결과를 소개했다. 그에 따르면 이 기법을 쓰면 논리 연산 한 단계를 수행하는 데 필요한 연산 수를 10분의 1로 줄일 수 있으며, 해당 연구 결과는 CUDA-Q에 반영되는 중이다. NVIDIA와 IBM, 페르미 국립가속기연구소(Fermilab)는 오류 정정과 양자 응용 연구를 지원하는 공동 설계 플랫폼도 추진한다고 발표했다. NVIDIA와 IBM은 이를 위해 NVIDIA DGX B200 시스템과 IBM의 양자 컴퓨터를 결합하고 있으며, 여기에는 IBM Quantum Nighthawk 기반 시스템도 포함된다.

6. 양자 디코딩의 시간 지표와 Lambda의 광 스위치 도입

벅은 양자 디코딩의 지연 시간을 현재 약 300마이크로초에서 10마이크로초로 줄이는 것을 목표로 제시했다. 이와 별도로 새 CUDA-Q 디코딩 알고리즘 TCBP-JOBS를 사용해 오류 정정 연구에 필요한 계산 시간이 12주에서 45분으로 단축됐다고 밝혔다. 따라서 45분은 연구 계산에 걸린 시간이고, 10마이크로초는 디코딩 과정에서 달성하려는 지연 시간이다. 연설 말미에는 NVIDIA Photonics의 광학 부품 통합 패키징 스위치를 초기에 배치한 곳 중 하나로 Lambda를 소개했다. 벅은 비트 오류와 링크 연결이 반복적으로 끊겼다 복구되는 현상을 기준으로 이 스위치의 신뢰성이 15배라고 설명했다.

🧾 핵심 주장 / 시사점

  • 벅이 제시한 과학 에이전트의 역할은 시뮬레이션 전후까지 이어진다. 아르곤 사례에서는 가설 검토와 시뮬레이션 선택을, GROMACS 사례에서는 실행을 막는 설정 오류의 복구를 맡았다.
  • GPU 이식 사례에서 비용과 성과를 해석하는 단위는 WRF의 루틴 하나다. 약 1억 5천만 토큰은 이식 과정에 사용한 양이고, 5배 넘는 속도 향상은 이식한 루틴에서 보고된 결과다.
  • 양자 컴퓨팅 발표에서는 성과의 단계가 중요하다. JUPITER의 연산 수 감소는 시뮬레이션 결과이고, 세 기관의 공동 설계 플랫폼은 추진 계획이며, 디코딩 지연 시간 10마이크로초는 목표다.

✅ 액션 아이템

  • GROMACS의 81% 복구율을 인용할 때 DGX Spark 한 대에서 하룻밤 동안 수행한 테스트 결과라는 조건을 함께 명시한다.
  • Rubin HPC의 사양을 정리할 때 CUDA 코어 수가 Hopper의 약 3배라는 설명과 2028년 출시 전망을 구분한다.
  • 양자 오류 정정 성과를 설명할 때 TCBP-JOBS의 연구 계산 시간 단축과 디코딩 지연 시간 10마이크로초 목표를 구분한다.

❓ 열린 질문

  • GROMACS 테스트 사례 가운데 에이전트가 복구한 81%와 복구하지 못한 사례는 어떤 점에서 달랐는가?
  • Nsight AI Porting Agent가 WRF 루틴 하나에서 달성한 5배 넘는 속도 향상은 다른 WRF 루틴에서도 재현되는가?
  • TCBP-JOBS가 연구 계산 시간을 12주에서 45분으로 줄인 성과는 디코딩 지연 시간 10마이크로초 목표와 어떤 관련이 있는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.