NVIDIA hat auf der in Hamburg stattfindenden ISC-Konferenz eine neue Suite an KI-gestützter Software für wissenschaftliche Forschung vorgestellt. Die Bibliotheken und Mikrodienste transformieren rechenintensive Prozesse in Echtzeit-Pipelines auf GPU-Basis und umfassen cuPhoton für die Astronomie, DAQIRI für den Datenexport und ALCHEMI für die Materialwissenschaft. Alle Lösungen sind integraler Bestandteil von NVIDIA CUDA-X und zielen darauf ab, Simulationen und Datenauswertungen von Tagen auf Sekunden zu beschleunigen. Mit cuPhoton ermöglicht NVIDIA die Verarbeitung von Petabytes an multidimensionalen Teleskop- und Röntgendaten. In Zusammenarbeit mit der Princeton und Harvard University beschleunigt die Software das Laden und Lesen von FITS-Bilddaten des Rubin Observatory durch die Legacy Survey of Space and Time um das 14.900-Fache. Zudem wurden Signalverarbeitung und Analyse um bis zu 8.400-Fache gesteigert, was schnellere Einblicke in ferne Galaxien und schwache Himmelskörper erlaubt. Die Verfügbarkeit ist für diesen Sommer geplant. Für die Teilchenphysik stellt NVIDIA mit DAQIRI eine Hochgeschwindigkeits-Netzwerkbibliothek vor, die Echtzeit-Datenströme von Detektoren ohne Datenverlust verarbeitet. Bisherige Systeme stießen hier oft an Hardwaregrenzen. Das CERN-Projekt A-GHOST nutzt DAQIRI, um KI-Modelle direkt in den Datenaustausch des ATLAS-Experiments zu integrieren. Dadurch können über 99 Prozent der zuvor verworfenen Kollisionsdaten analysiert werden, was die Entdeckung neuer physikalischer Signale ermöglicht. DAQIRI ist bereits ab sofort auf GitHub verfügbar. Im Bereich Chemie und Materialforschung erweitert ALCHEMI das Software-Ökosystem um domänenspezifische Mikrodienste und ein Entwickler-Toolkit. Die NIM-Dienste für geometrische Relaxation und molekulare Dynamik ermöglichen die gleichzeitige Simulation von Millionen chemischer Strukturen. Das Biotech-Unternehmen Lila Sciences setzt ALCHEMI bereits ein und beschleunigt das Material-Screening um den Faktor 50. Für magnetische Berechnungen sanken die Anforderungen um 30 Prozent. Dank TensorNet-Kernel verkürzten sich Trainingszeiten für KI-Ersatzmodelle um das Sechsfache bei gleichzeitig dreifach reduziertem Speicherverbrauch. Eine NIM-Integration für das VASP-Paket ist für den Sommer angekündigt. Das ALCHEMI-Toolkit steht über GitHub und PyPI bereit, die NIM-Mikrodienste im NGC-Katalog. Die neuen Werkzeuge adressieren zentrale Engpässe in der modernen Wissenschaft und etablieren einen durchgängig beschleunigten Arbeitsfluss von der Laborsimulation bis zur astronomischen Beobachtung.