上周在 NVIDIA GTC 上，Jensen Huang 在計算性能方面展示了 the vision for realizing multi-Million-X speedups 。這一突破可以解決數據密集型研究中面臨的計算需求挑戰，幫助科學家進一步開展工作。
利用百萬倍計算加速解決難題
百萬 X 開啟了潛力的新世界，其應用非常廣泛。 NVIDIA 目前的例子包括加速藥物發現、準確模擬氣候變化以及推動制造業的未來。
藥物發現
NVIDIA 、加州理工學院和初創公司 Entos 的研究人員將機器學習和物理相結合，創建了 OrbNet ，將分子模擬速度提高了許多數量級。因此， Entos 可以將其藥物發現模擬速度提高 1000 倍，在 3 小時內完成本應花費 3 個多月時間的任務。
氣候變化
上周，Jensen Huang 宣布了 創建 Earth 2 的計劃 ，在 Omniverse 中構建了一個地球的數字孿生兄弟。世界上最強大的人工智能超級計算機將致力于模擬氣候模型，預測全球變暖對全球不同地區的影響。隨著時間的推移，了解這些變化有助于人類在區域層面規劃和緩解這些變化。
未來制造業
地球不是 NVIDIA 啟動的第一個數字孿生項目。研究人員已經在構建城市和 factories 的物理精確數字雙胞胎。模擬前沿仍然年輕，充滿潛力，等待計算中催化劑質量的增加。
分享您的百萬倍挑戰
使用# MyMillionX 和標簽 @NVIDIAHPCDev 在 Facebook 、 LinkedIn 或 Twitter 上分享您是如何使用百萬計算的。
英偉達開發者社區已經在改變世界，用技術來解決困難的挑戰。
下面是幾個值得注意的例子。
改變世界的社區
南極洲的智能水道、更安全的公共交通和生態監測
約翰·巴塞勒米的工作是跨學科的，涵蓋了多種行業。作為臥龍崗大學數字生活實驗室的負責人，他的目標是提供創新的 AIOT 解決方案，以支持倫理和隱私兼容的人工智能。
目前， Barthelemy 正在進行一系列項目，包括智能水道計算機視覺應用程序，該應用程序可實時檢測雨水堵塞情況，幫助城市預防城市范圍內的問題。
目前正在多個城市部署的另一個項目是 AI camera software ，該項目通過攻擊性姿態建模檢測并報告悉尼火車上的暴力事件。
用于遠程監測南極洲陸地環境的 AIoT 平臺也在建設中。該平臺圍繞 NVIDIA Jetson Xavier NX edge 計算機構建，將用于監測苔蘚床的演變。苔蘚床的健康狀況是氣候變化影響的早期指標。收集的數據還將為保護南極環境未來研究社區開發的各種模型提供信息，特別是水文學和小氣候模型。
連接： LinkedIn 。
從未見過的 SARS-CoV-2 視圖
NVIDIA 研究人員和 14 個合作伙伴成功開發了一個平臺，在原子水平上探索氣溶膠和氣溶膠病毒的組成、結構和動力學。
這項工作克服了以前在原子和分子水平上檢查氣溶膠的能力有限，模糊了我們對空氣傳播的理解。利用該平臺，該團隊產生了一系列關于 SARS-CoV-2 δ變異的新發現。
這些突破極大地擴展了多尺度計算顯微鏡在實驗方法上的能力。該項目的全部影響尚未實現。
物種識別、環境監測和自適應流媒體
Albert Bifet 博士是懷卡托大學人工智能研究所的主任、巴黎人工智能研究所的大數據教授。
Bifet 還領導 TAIAO project ，這是一個數據科學項目，使用 NVIDIA DGX A100 構建物種識別的深度學習模型。他正在 Python 共同開發一個名為 River 的新機器學習庫，用于在線/流式機器學習，并建立一個新的數據存儲庫，以提高環境數據科學的再現性。
此外， TAIAO 的研究人員正在建立新的方法來計算 XGBoost 基于 GPU 的 SHAP 值，并開發一種新的自適應流式 XGBoost 。
連接： Website 。
醫學成像、治療機器人和 NLP 抑郁癥檢測
Ekapol Chungsuwanich 博士目前的興趣屬于醫學成像領域，包括胸部 x 光和組織病理學技術。然而，在過去幾年中，他的工作跨越了許多行業，包括 NLP 、 ASR 和醫療成像。
去年， Chungsuwanich 和他的團隊開發了塔架架構，只需圖像級注釋就可以學習精確的 pixel-level object location 。這是部署在泰國各地的醫院，提供快速 COVID-19 嚴重程度評估，并促進結核病篩查高危社區。
此外，他還在研制 NLP 和 ASR 醫療用機器人，包括語音治療助手和具有抑郁癥檢測功能的呼叫中心機器人。他的初創公司 Gowajee 還為泰語提供最先進的 ASR 和 TTS 。這些項目已經使用 NVIDIA NeMo 框架創建并部署在英偉達 Jetson Nan O 設備上。
連接： Website 。
萬億原子量子精確分子動力學模擬
圖 5 。原子徑向截斷用于生成描述符，表示為指紋。
來自南佛羅里達州大學、 NVIDIA 、桑迪亞國家實驗室、 NELSC 和皇家理工學院的研究人員合作生產了一種具有原子間電位的 SNAMPS 訓練的機器學習內核，命名為 SNAP （頻譜鄰域分析電位）。
SNAP 被發現在 0-50mbar 或 300-20000 開爾文的巨大壓力 – 溫度范圍內是準確的。峰值分子動力學性能比之前在 200 億原子系統上的記錄高出 22 倍，并在 Summit 上模擬了一天 1ns 。
該項目獲得了戈登·貝爾獎決賽資格， SNAP MD 近乎完美的弱伸縮性突出了在即將到來的 exascale 平臺上啟動量子精確 MD 到萬億原子模擬的潛力。這大大擴展了 X 射線自由電子激光衍射實驗的科學回報。
生物信息學、智慧城市和轉化研究
Ng See Kion 博士一直在尋找大數據。一位經驗豐富的數據科學家， KION 也是新加坡國立大學的實踐教授和翻譯研究主任。
目前，他的辦公桌上的項目利用英偉達 NeMo 框架涵蓋 NLP 為土著和白話語言跨越新加坡和新西蘭。 Kion 也正在研究 2019 冠狀病毒疾病的追蹤和爆發，智能社會事件感知，以及評估新媒體中信息的可信度。
連接： Website
?
