16 ноября 2026 г.
cuPhoton: обработка научных данных на GPU в замере NVIDIA ускорилась в 460 раз
NVIDIA расширила CUDA-X: научные библиотеки получают инструкции для работы через ИИ-агентов.

В замере NVIDIA от 13 ноября cuPhoton.xBeam обработал 10 ТБ за 70 секунд. На CPU та же задача заняла почти 9 часов.
Ускорение получили на системе Vera Rubin NVL72 с 64 GPU и GPUDirect Storage. NVIDIA расширяет набор библиотек для научных расчётов, а разработчики rapids-singlecell добавили инструкции для Claude Code и Codex: агент получает готовые правила работы с инструментом анализа отдельных клеток.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Расчёты на GPU. cuPhoton обрабатывает данные астрономических наблюдений. Для установки GPU-профиля нужны Linux и драйвер с поддержкой CUDA 13. После `git clone https://github.com/NVIDIA/cuPhoton.git` и перехода в каталог `cuPhoton` зависимости устанавливаются командой `uv sync --locked --python 3.12 --extra gpu --extra ximage --extra catalog`.
cuSpa ускоряет построение пространственных графов клеток. По данным NVIDIA от 16 ноября, Memorial Sloan Kettering Cancer Center получил ускорение расчётов клеточных полигонов в 900 раз относительно CPU. Библиотека устанавливается через `python -m pip install cuspa-cu13`, для CUDA 12 используется пакет `cuspa-cu12`. Нужны Python 3.12 или новее, NVIDIA GPU и отдельно установленный CuPy либо PyTorch с поддержкой CUDA.
Подключение к агенту. Для анализа отдельных клеток rapids-singlecell устанавливается командой `pip install 'rapids-singlecell-cu13[rapids]' --extra-index-url=https://pypi.nvidia.com`. Для CUDA 12 нужен пакет `rapids-singlecell-cu12[rapids]`. Поддерживаются Python 3.12–3.14 и NVIDIA GPU.
Команда `rapids-singlecell-install-skills --agent claude` добавляет инструкции для Claude Code, вариант `--agent codex` предназначен для Codex. Перед работой в Jupyter документация предлагает выполнить `rapids-singlecell-check-kernel`. По данным NVIDIA от 16 ноября, Therna Biosciences ускорила обработку данных для разработки терапий в 200 раз, а 10x Genomics встроила фреймворк в Sentira.
Контейнер для CUDA 13 запускается через `docker run --rm -it --gpus all ghcr.io/scverse/rapids-singlecell-cu13:latest bash` и требует NVIDIA Container Toolkit. Разработчики планируют прекратить выпуск собственных Docker-образов и рекомендуют установку через Conda или wheels.
cuPotential доступен в раннем доступе с 14 октября. NVIDIA сообщает об ускорении уже оптимизированных под GPU задач ещё в 2–3 раза. Для квантово-механических расчётов компания также анонсировала добавление Daviator в ALCHEMI: набор GPU-ядер для VASP обещает ускорение до 22 раз и снижение стоимости до 75%, включая малые системы, которые прежде быстрее считались на CPU.
Инструкции rapids-singlecell для Claude Code и Codex уже доступны вместе с командами установки.
Первоисточник