GIGABYTE präsentiert AI TOP ATOM-Cluster für wissenschaftliches Rechnen
GIGABYTE demonstriert seine AI TOP ATOM-Lösung mit Vier-Knoten-Clustering, um lokale KI-Leistung und Speicher für komplexe wissenschaftliche Simulationen, einschließlich der Entwicklung von IC-Verpackungstechnologien, zu skalieren.

TAIPEH, 9. Juli 2026 – GIGABYTE hat eine Lösung vorgestellt, die lokale KI-Rechenleistung durch ein Vier-Knoten-Cluster von AI TOP ATOM skaliert. Dieser Ansatz zielt darauf ab, den steigenden Speicher- und Rechenanforderungen komplexerer wissenschaftlicher Simulationen und KI-Workloads gerecht zu werden.
Das Herzstück der Lösung ist das Clustering von AI TOP ATOM-Knoten, die jeweils bis zu 1 PetaFLOP FP4-KI-Leistung und 128 GB Unified Memory bieten. Vier miteinander verbundene Knoten können über einen RoCE-fähigen 200-GbE-Switch speicherintensive Arbeitslasten skalieren, die die Grenzen eines einzelnen Systems übersteigen. Die modulare Architektur ermöglicht eine Skalierung von einem bis zu vier Knoten unter Beibehaltung der lokalen Ausführung und Datenkontrolle.
GIGABYTE demonstrierte die Fähigkeiten der Lösung mit einem KI-gestützten Workflow für wissenschaftliche Simulationen, der in Zusammenarbeit mit NVIDIA entwickelt wurde. Dieser Workflow nutzt NVIDIA NemoClaw-Blueprints und das Nemotron-3-Nano-30B-Modell und kombiniert KI-generierte Hypothesen mit GROMACS-Simulationen über das gesamte Cluster hinweg. Diese Integration zeigt, wie KI die Forschung in Cluster-Computing-Umgebungen vorantreiben kann.
Als Anwendungsbeispiel wird die Lösung für die Entwicklung von Wärmeleitmaterialien (TIM) für fortschrittliche Halbleiterverpackungen eingesetzt. Während eigenständige Systeme typischerweise auf Simulationen von etwa 10 Millionen Atomen beschränkt sind, bevor sie an Speicherlimits stoßen, erweitert ein Vier-Knoten-AI TOP ATOM-Cluster die Simulationskapazität für die Forschung in der IC-Verpackungstechnologie auf über 30 Millionen Atome. Dies erweitert den Anwendungsbereich von AI TOP ATOM von der KI-Entwicklung hin zu wissenschaftlichem Rechnen und Simulationen.