Kehadiran perangkat ini menjadi tonggak penting dalam upaya mempercepat pengembangan kecerdasan buatan (AI) di lingkungan akademik. Dengan dukungan GB10 superchip dan sistem operasi DGX OS, DGX Spark sanggup menjalankan model AI hingga 200 miliar parameter. Integrasi dengan ekosistem NVIDIA seperti NeMo, Metropolis, Holoscan, dan Isaac menjadikannya solusi komprehensif untuk berbagai bidang riset.
Sejumlah universitas dan lembaga riset ternama di dunia telah memanfaatkan DGX Spark untuk proyek-proyek besar. Di Antartika, IceCube Neutrino Observatory menggunakannya untuk menjalankan model AI di lokasi terpencil dalam rangka mempelajari neutrino dan fenomena kosmik ekstrem.
Sementara itu, New York University melalui proyek ICARE memanfaatkan Spark untuk evaluasi laporan radiologi dan pengembangan alat pemodelan kausal, dengan tetap menjaga keamanan data medis. Di Harvard University, DGX Spark digunakan oleh Kempner Institute untuk meneliti mutasi genetik yang berkaitan dengan epilepsi, menjembatani eksperimen laboratorium dengan komputasi skala kluster.
Perangkat ini juga mendukung riset robotika di Arizona State University, termasuk pengembangan robot pencarian dan penyelamatan. Di Mississippi State University, Spark memberikan pengalaman langsung bagi mahasiswa dalam membangun dan melatih model AI, sehingga memperkuat kesiapan tenaga kerja masa depan.
University of Delaware memanfaatkannya untuk riset lintas disiplin, mulai dari analisis olahraga hingga ilmu pesisir. Sementara itu, Institute of Science and Technology Austria menggunakan varian ZGX Nano untuk melatih model bahasa besar hingga 7 miliar parameter dengan perangkat lunak open-source. Di Stanford University, Spark digunakan untuk prototipe alur kerja biologi sebelum diperluas ke kluster besar, bahkan menjadi sorotan dalam hackathon Treehacks.
Kehadiran DGX Spark menandai langkah penting dalam demokratisasi akses terhadap teknologi AI. Dengan perangkat ini, institusi pendidikan dapat mempercepat siklus riset dan pembelajaran, menjaga keamanan data sensitif melalui komputasi lokal, serta menjembatani kesenjangan antara komputasi desktop dan superkomputer skala besar.
Cek Berita dan Artikel yang lain di
Google News
