🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

NVIDIA는 ISC에서 cuPhoton, DAQIRI, ALCHEMI를 소개하며 천문 데이터 처리, 실시간 실험 데이터 분석, 화학·재료 시뮬레이션을 GPU 기반 파이프라인으로 크게 가속한다고 밝혔다.

📌 핵심 요약

• NVIDIA는 함부르크에서 열린 ISC 콘퍼런스에서 과학용 AI를 가속하는 새 소프트웨어로 DAQIRI, ALCHEMI NIM 마이크로서비스, 곧 공개될 cuPhoton reference code를 소개했다.
• cuPhoton은 천문 관측 데이터의 표준 형식인 FITS 데이터를 로딩·읽기·처리·분석하는 데 쓰이며, Rubin Observatory의 LSST 이미지 처리에서 로딩·읽기 14,900배, 신호 처리·분석 최대 8,400배 가속 사례가 제시됐다.
• DAQIRI는 빠른 검출기와 센서에서 나오는 데이터를 NVIDIA 소프트웨어로 실시간 스트리밍하는 네트워킹 라이브러리로, CERN ATLAS 실험 데이터에서 버려질 수 있는 신호를 AI로 실시간 분석하는 A-GHOST 프로젝트에 활용된다.
• ALCHEMI는 화학·재료 발견을 위한 도메인 특화 마이크로서비스와 툴킷으로, BGR·BMD, VASP 마이크로서비스, 머신러닝 원자간 포텐셜 훈련 지원을 통해 대규모 분자·재료 시뮬레이션을 가속한다.
• Lila Sciences는 ALCHEMI를 활용해 재료 스크리닝을 50배, 자기 특성 계산을 30% 가속했고, TensorNet용 특화 커널로 훈련·추론을 6배 빠르게 하며 메모리 사용량을 3분의 1로 줄였다고 소개됐다.

🧩 주요 포인트

1. NVIDIA는 함부르크에서 열린 ISC 콘퍼런스에서 과학용 AI를 가속하는 새 소프트웨어로 DAQIRI, ALCHEMI NIM 마이크로서비스, 곧 공개될 cuPhoton reference code를 소개했다.
2. cuPhoton은 천문 관측 데이터의 표준 형식인 FITS 데이터를 로딩·읽기·처리·분석하는 데 쓰이며, Rubin Observatory의 LSST 이미지 처리에서 로딩·읽기 14,900배, 신호 처리·분석 최대 8,400배 가속 사례가 제시됐다.
3. DAQIRI는 빠른 검출기와 센서에서 나오는 데이터를 NVIDIA 소프트웨어로 실시간 스트리밍하는 네트워킹 라이브러리로, CERN ATLAS 실험 데이터에서 버려질 수 있는 신호를 AI로 실시간 분석하는 A-GHOST 프로젝트에 활용된다.
4. ALCHEMI는 화학·재료 발견을 위한 도메인 특화 마이크로서비스와 툴킷으로, BGR·BMD, VASP 마이크로서비스, 머신러닝 원자간 포텐셜 훈련 지원을 통해 대규모 분자·재료 시뮬레이션을 가속한다.
5. Lila Sciences는 ALCHEMI를 활용해 재료 스크리닝을 50배, 자기 특성 계산을 30% 가속했고, TensorNet용 특화 커널로 훈련·추론을 6배 빠르게 하며 메모리 사용량을 3분의 1로 줄였다고 소개됐다.

🧠 상세 정리

1. ISC에서 공개된 과학용 AI 가속 소프트웨어

NVIDIA는 이번 ISC 콘퍼런스에서 화학, 재료 발견, 암흑물질 탐색 등 과학 연구를 빠르게 만들기 위한 새 소프트웨어를 소개했다. 핵심은 NVIDIA DAQIRI 라이브러리, NVIDIA ALCHEMI NIM 마이크로서비스, 그리고 곧 공개될 NVIDIA cuPhoton reference code다. 글은 이 도구들이 CPU에서 몇 시간 또는 며칠 걸리던 작업을 실시간 GPU 가속 파이프라인으로 바꿀 수 있다고 설명한다. 이 소프트웨어들은 AI와 고성능 컴퓨팅 분야의 성능을 높이는 CUDA-X 도구와 라이브러리 묶음의 일부로 제시된다.

2. cuPhoton과 천문 관측 데이터 처리 가속

cuPhoton은 망원경, X선, 레이저 실험에서 수집되는 다차원 데이터로부터 통찰을 뽑아내기 위한 reference code로 소개된다. 특히 천문학에서 널리 쓰이는 FITS 데이터를 로딩, 읽기, 처리, 분석, 시각화하는 데 초점을 둔다. NVIDIA GB200 NVL72 시스템에서 cuPhoton은 Rubin Observatory의 Legacy Survey of Space and Time 이미지 로딩과 읽기를 초기 접근 단계에서 14,900배 가속했다고 글은 밝힌다. 또한 32개의 NVIDIA Grace Blackwell superchip을 사용해 신호 처리와 분석을 최대 8,400배 빠르게 했으며, 이는 LSST 카메라가 포착하는 먼 은하와 희미한 근거리 천체 데이터에서 더 빠른 통찰을 얻는 데 연결된다.

3. 대규모 관측·실험 데이터를 다루는 연구 협력

cuPhoton은 천체물리학과 천문학 같은 분야에서 페타바이트 규모 데이터를 처리하기 위한 엔드투엔드 가속 파이프라인의 한 구성요소로 설명된다. Princeton University 연구진은 NVIDIA와 협력해 cuPhoton 개발에 참여했으며, Harvard University와 함께 관측소 및 암흑에너지 조사에서 나온 대규모 데이터를 처리하고 분석하는 데 사용할 예정이다. 글은 이 협력이 단순한 속도 개선이 아니라 거대한 관측 장비와 조사 프로젝트가 생산하는 데이터 흐름을 실제 연구 분석으로 연결하는 문제를 다룬다고 보여준다. 즉 cuPhoton의 역할은 파일을 빠르게 여는 수준을 넘어, 관측 데이터에서 과학적 신호를 찾아내는 전체 작업 흐름을 가속하는 데 있다.

4. DAQIRI와 실시간 계측 데이터 분석

DAQIRI는 Data Acquisition for Integrated Real-time Instruments의 약자로, 빠른 검출기와 센서에서 나오는 데이터를 NVIDIA 소프트웨어로 스트리밍하는 고성능 네트워킹 라이브러리다. 글은 기존 시스템이 고정된 하드웨어에 묶여 있고, 장비가 저장 가능한 속도보다 빠르게 데이터를 만들면 일부 데이터를 잃을 수 있다고 설명한다. DAQIRI는 데이터가 도착하는 즉시 스트림을 처리해 이런 병목에 대응하는 방식으로 제시된다. CERN, University of Chicago, University College London 과학자들이 CERN openlab 프레임워크에서 개발한 A-GHOST 프로젝트는 DAQIRI를 사용해 ATLAS Experiment의 충돌 데이터를 실시간 AI로 분석하며, 저장 제약 때문에 보통 버려지는 99% 이상의 데이터에서도 흥미로운 신호를 포착하려 한다.

5. ALCHEMI를 통한 화학·재료 시뮬레이션 가속

NVIDIA ALCHEMI는 화학 및 재료 발견을 빠르게 하기 위한 도메인 특화 마이크로서비스와 툴킷 모음으로 소개된다. 적용 분야로는 배터리 소재, 촉매, OLED 디스플레이, 뷰티 제품 등이 언급된다. 3월에 공개된 ALCHEMI NIM 마이크로서비스에는 batched geometry relaxation과 batched molecular dynamics가 포함되며, 각각 안정적인 구조 탐색과 시간에 따른 움직임 시뮬레이션을 위해 수백만 개의 분자와 재료를 한꺼번에 다루도록 돕는다. 추가로 VASP용 마이크로서비스가 곧 포함될 예정이며, NVIDIA Multi-Process Service를 통해 단일 GPU에서 여러 VASP 계산을 실행해 geometry optimization에서 3배 속도 향상을 달성한다고 설명된다.

6. Lila Sciences 사례와 가용성

Lila Sciences는 생명과학, 화학, 재료과학을 위한 과학적 슈퍼인텔리전스 플랫폼과 자율 실험실을 구축하는 회사로 소개되며, NVIDIA와 ALCHEMI 기반 고충실도 자석 시뮬레이션을 협력했다. 이 회사는 BGR용 ALCHEMI NIM 마이크로서비스로 고처리량 재료 스크리닝을 50배 가속해 합성 가능성이 높은 안정 후보를 찾았고, 초기 접근 단계의 ALCHEMI VASP 마이크로서비스로 선별 후보의 자기 특성 계산을 30% 빠르게 했다. TensorNet용 특화 커널은 훈련과 추론을 6배 가속하고 메모리 사용량을 3배 줄여, 몇 주 걸리던 시뮬레이션을 며칠 안에 수행할 수 있게 했다고 설명된다. 글 말미에서는 ALCHEMI Toolkit과 Toolkit-Ops가 GitHub와 PyPI에서 제공되고, ALCHEMI NIM은 NVIDIA NGC catalog에서 받을 수 있으며, DAQIRI는 GitHub에서 이용 가능하고 cuPhoton은 여름 공개 예정이라고 정리한다.

🧾 핵심 주장 / 시사점

• 이 글의 핵심은 단일 과학 애플리케이션이 아니라 데이터 획득, 로딩, 처리, 분석, 시뮬레이션, 추론 서빙까지 이어지는 과학 연구 파이프라인 전반의 GPU 가속이다.
• cuPhoton과 DAQIRI 사례는 과학 장비가 만들어내는 데이터 양과 속도가 기존 저장·처리 방식의 한계를 넘어서고 있으며, 실시간 처리 능력이 연구 기회의 일부가 되고 있음을 보여준다.
• ALCHEMI와 Lila Sciences 사례는 재료 연구에서 한 번에 하나의 실험을 수행하는 방식보다 GPU 메모리 안에서 여러 후보를 동시에 평가하는 방식이 스크리닝과 후속 계산을 크게 빠르게 만들 수 있음을 강조한다.

✅ 액션 아이템

• cuPhoton 공개 코드 기준으로 FITS 로딩·읽기·처리·분석 흐름을 정비해 LSST 사례의 14,900배·8,400배 가속 수치를 정합성 검증한다.
• DAQIRI를 고속 검출기·센서 스트림에 결합해 A‑GHOST식 실시간 AI 분석으로 유실 위험 신호 선별 기준을 정의한다.
• ALCHEMI 연동에서 BGR·BMD·VASP와 ML 원자간 포텐셜 학습 범위를 조정해 50배 스크리닝, 30% 자기 특성 가속, TensorNet 6배 및 메모리 3분의1 절감 근거를 추적한다.

❓ 열린 질문

• cuPhoton 공개 코드의 상용 도입 시 LSST 대비 14,900배 로딩·읽기, 8,400배 분석 가속 수치가 실제로 유지되는가?
• DAQIRI 스트리밍에서 AI가 처리하는 버려질 가능성 신호의 오탐·미탐 균형은 어떤 기준으로 판단할 것인가?
• ALCHEMI(BGR·BMD, VASP, TensorNet용 커널) 조합이 Lila Sciences의 50배·30%·6배, 메모리 3분의1 성능 개선을 재현할 수 있는가?