Computing sostenibile

Siemens Gamesa sfrutta la piattaforma digital twin di NVIDIA, basata su Omniverse e framework IA come Modulus, per creare modelli virtuali altamente accurati di interi parchi eolici. Ciò consente una simulazione rapida e in tempo reale del posizionamento delle turbine e degli effetti di scia, ottimizzando i layout per aumentare la produzione di energia fino al 20% rispetto ai progetti precedenti e tagliando i tempi di simulazione da settimane a minuti.

Accelerando questo processo, Siemens Gamesa può massimizzare la produzione di energia pulita, ridurre i costi operativi e sostenere in modo più efficace la transizione globale verso le energie rinnovabili.

La litografia computazionale, un passaggio fondamentale nella produzione di chip, richiede una potenza di calcolo enorme e i metodi tradizionali basati su CPU sono diventati un collo di bottiglia poiché i carichi di lavoro superano rapidamente la scalabilità dell'hardware. 

CuLitho di NVIDIA sfrutta l'accelerazione basata su GPU sull'architettura Hopper™ per accelerare la litografia di 40 volte, ridurre i requisiti energetici e di spazio rispettivamente di 9 volte e 8 volte e ridurre il tempo di elaborazione della maschera da settimane a una notte. In collaborazione con leader come TSMC, ASML e Synopsys, cuLitho sta trasformando la produzione di silicio, rendendo possibili nuove tecniche avanzate e contribuendo a rendere le tecnologie dei semiconduttori più efficienti, prevedibili ed economiche.

La fluidodinamica computazionale industriale (CFD) è estremamente intensiva in termini di risorse ed energia e consuma circa 25 miliardi di ore di core CPU all'anno. Adottando l'accelerazione con GPU e i framework basati su IA come NVIDIA PhysicsNeMo™, i principali fornitori di software e piattaforme CFD ora ottengono simulazioni fino a 36 volte più veloci, riducendo drasticamente il consumo di energia e i costi rispetto ai tradizionali sistemi basati solo su CPU. Ad esempio, l'esecuzione di cluster accelerati da GPU può generare un risparmio di 19 milioni di dollari e 37 GWh di energia rispetto a infrastrutture CPU equivalenti, rendendo la CFD ad alta fedeltà molto più sostenibile e supportando le iniziative aziendali per ridurre le emissioni di carbonio e raggiungere lo zero netto.

L'acceleratore NVIDIA RAPIDS™ per Apache Spark utilizza le GPU per accelerare flussi completi di analisi e data science, consentendo alle aziende di completare i carichi di lavoro Spark fino a 6 volte più velocemente senza cambiare il codice. Ciò si traduce in costi di infrastruttura fino a 5 volte inferiori e in un consumo energetico 6 volte inferiore, il che aiuta le organizzazioni a risparmiare in media quasi 125 milioni di dollari e a ridurre il consumo energetico di 10 GWh rispetto alle soluzioni basate solo su CPU. Grazie all'utilizzo di analisi scalabili, efficienti e interattive per casi d'uso come la previsione della domanda e il rilevamento delle frodi, l'acceleratore supporta sia le informazioni avanzate sia gli obiettivi di sostenibilità.

Il rendering di effetti visivi e animazioni di alta qualità richiede risorse ed energia estremamente elevate, consumando quasi 10 miliardi di ore di core CPU all'anno e creando emissioni di carbonio significative. 

Passando all'accelerazione con GPU NVIDIA RTX™, gli studi leader hanno ottenuto un aumento delle prestazioni fino a 46 volte, riducendo al contempo il consumo energetico di 10 volte e le spese in conto capitale di 6 volte rispetto alle farm di rendering basate su CPU. Questo cambiamento consente agli studi di realizzare scene fotorealistiche in modo più rapido e sostenibile, con il potenziale di risparmiare all'industria 900 milioni di dollari e 215 GWh di energia in tutto il mondo.