Nvidia lleva los datos de telescopios y laboratorios al tiempo real

Nvidia intenta hacer por la ciencia lo que las GPU ya hicieron por los videojuegos, el entrenamiento de IA y buena parte de la nube: hacer que la informática lenta resulte vergonzosa. En el ISC 2026 en Hamburgo, la compañía mostró nuevas herramientas de computación científica dirigidas a la astronomía, la física de partículas, la química y la investigación de materiales, con algunas cargas de trabajo funcionando miles de veces más rápido que en CPUs convencionales.

El plato fuerte es cuPhoton, un paquete para datos científicos multidimensionales procedentes de telescopios, sistemas de rayos X y experimentos con láser. En sistemas Nvidia GB200 NVL72, aceleró la carga y lectura de archivos FITS de astronomía hasta 14.900 veces, mientras que el procesamiento de señal y el análisis se ejecutaron hasta 8.400 veces más rápido usando 32 superchips Grace Blackwell. Ese tipo de salto es especialmente relevante para observatorios que se enfrentan a una manguera de datos más que a un flujo ordenado, entre ellos el Observatorio Vera Rubin y su Legacy Survey of Space and Time.

cuPhoton y la avalancha de datos de Vera Rubin

La cámara LSST de Rubin se describe como la cámara digital más grande del mundo, y capturará repetidamente imágenes de miles de millones de galaxias distantes, así como de objetos tenues del Sistema Solar. En la práctica, eso significa que el cuello de botella ya no es el propio telescopio —es lo que sucede después de que termina la exposición. Nvidia afirma que investigadores de Princeton y Harvard ayudaron a desarrollar cuPhoton, lo cual es una señal sensata: la compañía busca credibilidad en un campo al que no le importa lo brillante que luzca el folleto del hardware.

Recomendado

Signal prueba usar teléfonos Android como dispositivos vinculados

También hay un patrón más amplio aquí. Los proyectos de telescopios, desde Rubin hasta futuros instrumentos de sondeo, cada vez se ahogan más en datos a un ritmo que las canalizaciones tradicionales no pueden procesar. Si la pila de software puede mantenerse al día en tiempo real, los astrónomos pueden pasar menos tiempo esperando a que se muevan los archivos y más tiempo decidiendo si el universo ha hecho algo realmente interesante.

DAQIRI convierte datos descartados de detectores en un objetivo

Otra herramienta nueva, DAQIRI, está diseñada para la transmisión a alta velocidad desde sensores y detectores científicos. A diferencia de los sistemas antiguos que pueden perder información cuando los límites de almacenamiento se alcanzan, DAQIRI está concebida para manejar flujos en tiempo real, lo que abre la puerta a analizar datos que de otro modo se tirarían.

Eso importa en el proyecto A-GHOST, donde CERN, la University of Chicago y University College London están usando la biblioteca para analizar datos de ATLAS procedentes del Large Hadron Collider. Nvidia dice que típicamente se descarta más del 99 % de los eventos porque no se puede almacenar el flujo completo, pero el análisis asistido por IA puede inspeccionar también esos eventos rechazados, mejorando las probabilidades de detectar señales raras como las asociadas a la materia oscura.

ALCHEMI se orienta a baterías, catalizadores, OLED y cosméticos

Para la química y la ciencia de materiales, Nvidia está impulsando ALCHEMI, una plataforma compuesta por microservicios para modelado molecular y de materiales. La propuesta es simple: ejecutar cálculos a través de millones de compuestos a la vez y reducir el ciclo entre la idea y el resultado de semanas a días.

Lila Sciences, que está construyendo laboratorios científicos autónomos, dice que ALCHEMI le ayudó a acelerar el descubrimiento de materiales a gran escala en un 50 % y los cálculos de propiedades magnéticas en un 30 %. Tras una optimización adicional con TensorNet, el entrenamiento se volvió seis veces más rápido y el uso de memoria se redujo por un factor de tres. La lista de objetivos es lo bastante amplia como para sonar un poco a folleto corporativo —baterías, catalizadores, pantallas OLED, incluso cosméticos— pero la tendencia subyacente es real: quien controle la pila de simulación más rápida podrá moldear hacia dónde va la próxima ola de inversión en laboratorios.

Las herramientas de computación científica de Nvidia explicadas

La jugada real es más grande que un conjunto de herramientas puntuales. Nvidia intenta convertir sus aceleradores y software en la tubería por defecto para el descubrimiento científico, desde la cúpula del telescopio hasta el túnel del collider y el laboratorio de materiales. Si eso funciona, los investigadores esperan menos y experimentan más; si no, los viejos cuellos de botella basados en CPU seguirán exactamente donde están y el universo seguirá siendo difícil a propósito.

• cuPhoton: carga y lectura de archivos FITS hasta 14.900 veces más rápido en GB200 NVL72.
• cuPhoton: procesamiento de señal y análisis hasta 8.400 veces más rápido con 32 superchips Grace Blackwell.
• DAQIRI: manejo de datos en tiempo real para sensores y detectores científicos.
• ALCHEMI: cálculos paralelos a través de millones de compuestos para la investigación en química y materiales.

La siguiente pregunta es si los laboratorios y observatorios se estandarizarán en la pila de Nvidia lo suficientemente rápido como para que estas ganancias se mantengan. Si lo hacen, la compañía no solo estará suministrando los chips en el motor: estará moldeando cómo se hace la ciencia moderna.