Nvidia lança Rubin HPC com 50 mil núcleos para acelerar ciência
Na SC26, em Chicago, Nvidia apresentou o chip Rubin HPC, com mais de 50 mil núcleos CUDA e novo NVLink, além de bibliotecas e IA voltadas a acelerar pesquisas em astrofísica, biologia, fusão e computação quântica.

Tecnologia
Nvidia apresenta novo chip com alta capacidade de processamento para impulsionar pesquisas científicas avançadas.
Leia também: Orquestração autônoma em Kubernetes reduz 80% do custo de IA
A Nvidia aproveitou a conferência de supercomputação SC26, em Chicago, para apresentar o Rubin HPC, novo chip gráfico com mais de 50 mil núcleos CUDA e foco em pesquisa científica, e uma leva de bibliotecas de software e modelos de inteligência artificial pensados para encurtar drasticamente o tempo de simulações em áreas como astrofísica, biologia, fusão nuclear e computação quântica.
Qual é o novo chip Rubin da Nvidia apresentado na SC26?
O Rubin HPC é o próximo chip gráfico de alto desempenho da Nvidia voltado a centros de pesquisa, com mais de 50 mil núcleos CUDA, aceleração de dados esparsos e nova geração do NVLink para interligar GPUs e CPUs em supercomputadores científicos.
Ele é uma evolução da atual linha Rubin, que já traz mais de 28 mil núcleos CUDA e 898 núcleos Tensor, otimizados para grandes modelos de linguagem. Com o Rubin HPC, a Nvidia mira diretamente cargas de trabalho de simulação numérica pesada e análise de dados em larga escala, típicas de laboratórios de física, química, clima e engenharia.
A empresa planeja começar a enviar o Rubin HPC em 2028, dando tempo para universidades, institutos e centros de supercomputação adaptarem códigos e infraestruturas. Até lá, o foco é preparar o terreno com bibliotecas e fluxos de trabalho já acelerados em GPU.
Quais são as principais características do chip Rubin para HPC?
O Rubin HPC se destaca pela combinação de densidade de núcleos, largura de banda de comunicação e otimização para dados esparsos, padrão em projetos científicos que lidam com matrizes cheias de zeros, como mapas do céu ou modelos biológicos altamente detalhados.
O chip terá mais de 50 mil núcleos CUDA, salto em relação aos mais de 28 mil do Rubin atual, mantendo ênfase nos 898 núcleos Tensor para treinar e rodar grandes modelos de IA. Ele virá com uma nova versão do NVLink, o canal de comunicação que conecta GPUs entre si e a CPUs; a geração atual já atinge 3,6 terabits por segundo de transferência por placa.
Outro ponto é o recurso de “aceleração de dados esparsos”, desenhado para lidar com datasets em que zeros representam ausência de informação relevante — por exemplo, regiões do espaço sem estrelas visíveis em observações astronômicas. Ao tratar esses zeros de forma mais eficiente, o chip tende a economizar memória e ciclos de processamento.
“Para agentes que atuam em ciência e engenharia, simulações mais rápidas significam descobertas mais rápidas”, resumiu Ian Buck, vice-presidente de hyperscale e computação de alto desempenho da Nvidia. Segundo ele, o Rubin HPC “acelera as simulações usadas para testar ideias e guiar próximos passos, ajudando cientistas e engenheiros a explorar mais possibilidades e aproximar avanços”.
Quais bibliotecas de pesquisa científica a Nvidia lançou junto com o chip Rubin?
Embora o Rubin HPC só chegue ao mercado em 2028, as novidades de software apresentadas na SC26 já estão disponíveis — e são elas que devem gerar impacto imediato em laboratórios.
Para astrofísica, a Nvidia lançou o cuPhoton.xBeam, biblioteca desenhada para analisar dados do Event Horizon Telescope, rede internacional de observatórios dedicada ao estudo de buracos negros. A empresa afirma que tarefas de análise que levavam cerca de um mês podem ser concluídas em oito minutos ao rodar em GPUs com cuPhoton.xBeam.
Na mesma linha, o cuPhoton.xLens foca em simulações de plasma em reatores de fusão, etapa crítica para projetar e operar máquinas capazes de gerar energia a partir da fusão nuclear. A ideia é permitir ciclos de simulação mais curtos, ajudando equipes a testar parâmetros de confinamento e estabilidade com mais rapidez.
Na biologia, a Nvidia está liberando o código do cuSpa, biblioteca que acelera cálculos de polígonos celulares, usados para estudar a forma e as interações entre células em tecidos. A companhia também passou a oferecer o rapids-singlecell em formato containerizado, facilitando a adoção por grupos que analisam grandes volumes de dados de célula única sem precisar ajustar manualmente dependências de software.
IA científica: Nemotron 3.5 Super VL ganha pacote dedicado
Além do hardware e das bibliotecas numéricas, a Nvidia apresentou o pacote Nemotron para Ciência, uma coleção de modelos e fluxos de trabalho de IA voltados a problemas científicos.
No centro do pacote está o Nemotron 3.5 Super VL, modelo de linguagem aberto com 124 bilhões de parâmetros, mas que ativa apenas cerca de 10% deles a cada inferência, para reduzir custo computacional. O modelo é derivado da arquitetura Mamba-2, apontada pela empresa como mais eficiente que o Transformer tradicional para esse tipo de tarefa.
O Nemotron para Ciência chega com fluxos de pós-treinamento já prontos, permitindo que pesquisadores adaptem o modelo a domínios específicos, como química computacional, materiais, clima ou biologia estrutural. O pacote inclui ainda quase 50 mil perguntas relacionadas à química, pensadas para treinar e avaliar o desempenho de agentes de IA em problemas químicos.
“Nemotron para Ciência oferece modelos abertos, dados científicos e receitas de pós-treinamento para construir agentes especializados que raciocinam sobre problemas científicos e usam ferramentas aceleradas CUDA-X para transformar ideias em descobertas”, afirmou Buck.
Entenda o contexto
O pacote anunciado em Chicago reforça a estratégia da Nvidia de ir além do hardware e oferecer um ecossistema completo para ciência computacional, combinando chips, bibliotecas numéricas e modelos de IA adaptados a domínios específicos.
Na prática, o objetivo é reduzir o tempo entre coleta de dados, simulação, análise e publicação de resultados, algo que, em áreas como astrofísica e biologia de sistemas, ainda pode levar meses ou anos devido ao volume e à complexidade dos dados.
Expansão da suíte CUDA-Q e aposta em computação quântica
Na computação quântica, a Nvidia ampliou a suíte CUDA-Q, conjunto de ferramentas que faz a ponte entre processadores clássicos e hardware quântico. As novidades incluem novos blocos de construção para desenvolvimento de software quântico e um algoritmo voltado à mitigação de erros em qubits.
A empresa também anunciou uma parceria com a IBM e o Fermilab, ligado ao Departamento de Energia dos Estados Unidos, para criar uma plataforma modular de codesign quântico. O ambiente vai combinar sistemas DGX B200 da Nvidia com hardware quântico da IBM, com o objetivo de permitir a pesquisadores projetar e testar algoritmos de correção de erros e outros softwares quânticos em uma arquitetura híbrida.
A expectativa é que esse tipo de plataforma ajude a encurtar o caminho entre protótipos acadêmicos de algoritmos quânticos e aplicações práticas, em áreas como química de materiais, otimização e criptografia pós-quântica.
Como o chip Rubin da Nvidia vai impactar a pesquisa científica?
O impacto esperado do Rubin HPC e do novo ecossistema de software da Nvidia é reduzir de semanas para horas — ou até minutos — o tempo de muitas simulações e análises que hoje travam em limites de hardware.
Com mais de 50 mil núcleos CUDA e comunicação de até 3,6 terabits por segundo por placa na geração atual do NVLink, clusters baseados em Rubin e sucessores devem permitir rodar múltiplas hipóteses em paralelo, refinar modelos numéricos com mais dados e explorar parâmetros que antes eram descartados por falta de capacidade computacional.
Esse ganho interessa especialmente a centros acadêmicos, institutos nacionais de pesquisa e indústrias intensivas em ciência aplicada, como energia, farmacêutica, aeroespacial e de novos materiais. Ao mesmo tempo, pressiona concorrentes de hardware e software científico a acelerar seus próprios roadmaps para não perder relevância.
As primeiras reações de pesquisadores e parceiros institucionais na SC26 são positivas, destacando tanto o salto de desempenho prometido pelo Rubin HPC quanto o fato de as bibliotecas cuPhoton.xBeam, cuPhoton.xLens, cuSpa, rapids-singlecell e o pacote Nemotron para Ciência já permitirem ganhos imediatos em projetos que lidam com grandes volumes de dados esparsos.


