AI & MACHINE LEARNING

ซูเปอร์คอมพิวเตอร์ JUPITER โชว์พลังระดับ Exascale ในการสร้างแผนที่สมองและจำลองภูมิอากาศ

NVIDIA Blog22 Jun 2026
1 min read
Key Takeaways
  • JUPITER แสดงให้เห็นว่าพลังการประมวลผลระดับ Exascale สามารถเร่งงานวิจัยตั้งแต่ระดับเซลล์สมองไปจนถึงการจำลองสภาพอากาศโลกทั้งระบบ

ทำไมเรื่องนี้ถึงสำคัญ

ซูเปอร์คอมพิวเตอร์ระดับ Exascale ช่วยแก้ปัญหาที่เคยเป็นไปไม่ได้ในอดีตให้สามารถทำได้จริง ความเร็วและขนาดของหน่วยความจำในระบบนี้ช่วยให้นักวิทยาศาสตร์สามารถมองเห็นความซับซ้อนของโลกและร่างกายมนุษย์ในรายละเอียดที่ไม่เคยเห็นมาก่อน

JUPITER ซึ่งตั้งอยู่ที่ Forschungszentrum Jülich ประเทศเยอรมนี เป็นซูเปอร์คอมพิวเตอร์ระดับ Exascale เครื่องแรกของยุโรปที่ใช้ชิป NVIDIA Grace Hopper และระบบเครือข่าย Quantum-X800 โดยในช่วงปีที่ผ่านมาได้พิสูจน์ความสามารถผ่านโครงการวิจัยระดับโลก 4 โครงการ

ความสำเร็จที่สำคัญ ได้แก่ การสร้าง CytoNet ซึ่งเป็น Foundation Model สำหรับแผนที่สมองมนุษย์ระดับเซลล์ที่ประมวลผลข้อมูลกว่า 6.5 เพตาไบต์ภายใน 5 วัน และการจำลองภูมิอากาศโลกด้วยความละเอียด 1 กิโลเมตรที่ครอบคลุมทั้งมหาสมุทรและบรรยากาศ นอกจากนี้ยังสร้างสถิติโลกในการจำลองคอมพิวเตอร์ควอนตัมขนาด 50 คิวบิต ซึ่งเป็นหัวใจสำคัญในการออกแบบอัลกอริทึมสำหรับอนาคต

สรุปประเด็นหลัก

CytoNet สร้างแผนที่สมองมนุษย์ระดับเซลล์ที่เชื่อมโยงโครงสร้างเซลล์กับหน้าที่ของสมอง

แบบจำลอง ICON ทำสถิติโลกจำลองภูมิอากาศโลกแบบละเอียดสูง 1 กม. ได้ภายใน 24 ชม.

การจำลองคอมพิวเตอร์ควอนตัม 50 คิวบิต ทำลายสถิติเดิมด้วยสถาปัตยกรรมหน่วยความจำร่วม CPU-GPU

นวัตกรรมและเทคโนโลยี

models

CytoNet Foundation Model

โมเดลพื้นฐานสำหรับการวิเคราะห์โครงสร้างสถาปัตยกรรมของสมองมนุษย์ในระดับเซลล์

research

ICON Climate Model

แบบจำลองภูมิอากาศโลกที่ผสานรวมระบบบก น้ำ และอากาศเข้าด้วยกันที่ความละเอียดสูงที่สุด

infrastructure

JUQCS-50 Quantum Simulator

ระบบจำลองควอนตัม 50 คิวบิตที่ทำงานบนซูเปอร์คอมพิวเตอร์แบบคลาสสิก

Developer Impact
นักพัฒนาด้านควอนตัมและวิศวกรระบบจะได้เห็นตัวอย่างการใช้ Unified Memory ระหว่าง CPU และ GPU เพื่อประมวลผลข้อมูลที่ใหญ่เกินกว่าหน่วยความจำของ GPU เพียงอย่างเดียว
Keywords
#jupiter supercomputer #exascale #grace hopper #quantum simulation #climate modeling
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Blog