胰岛素、脊髓灰质炎疫苗、元素周期表…各个研究领域的无数发现都起源于学术界。
世界各地的大学和研究机构都是发现和创新的关键力量，教授和研究人员们都在努力探究每个学科所面临的*大难题的答案。
借助强大的GPU计算资源，学者们可以利用人工智能、机器学习和数据科学更迅速地探索各自领域的知识。
AI如何应用于天体物理学和天文学
关于宇宙的起源，以及诸如黑洞之类的宇宙物体的运动，仍然存在着无数的问题。多伦多大学的一个研究小组正在利用深度学习来分析月球陨石坑的卫星图像，帮助科学家们评估太阳系的历史理论。
在SciNet HPC联盟的P8超级计算机所运行的NVIDIA GPU上，神经网络能够在短短几个小时内发现6000个新的陨石坑——这几乎是科学家们几十年来通过手工识别数量的两倍。
在伊利诺伊大学厄巴纳香槟分校的国家超级计算应用中心，研究人员正在利用深度学习来探测和分析引力波，引力波是由黑洞碰撞等大规模恒星事件引起的。
加利福尼亚大学、圣克鲁斯大学和普林斯顿大学的科学家们也一直在使用NVIDIA GPU来更好地了解星系的形成。
GPU服务器在生物学中的应用
深度学习也给科学家们提供了强大的工具来了解地球上的生物。来自美国史密森学会和哥斯达黎加理工学院的研究人员正在使用大数据分析和GPU加速的深度学习进行植物识别，用图像分类模型对博物馆标本中记录的生物体进行分类。
马里兰大学的研究人员正在使用NVIDIA的GPU为系统发育推断提供动力。系统发育推断是对生物体进化史的研究。使用一种叫做BEAGLE的软件工具，研究小组检查了不同病毒之间的潜在联系。
澳大利亚莫纳什大学的研究人员正在开发针对耐抗生素超级细菌的超级药物，使用的是一种被称为低温电子显微镜的技术，这种技术可以让研究人员以极高的分辨率分析分子。使用一台由150多个NVIDIA GPU驱动的超级计算机，该团队能够在几天时间内快速解析图像模型。
AI如何应用于地质学和气象科学
地质学家和气象学家利用数据流分析自然现象，并预测环境随时间的变化情况。
每年发生数以百计的自然灾害，袭击世界不同的角落。虽然有些飓风在登陆前几天就能被预测到，但地震、龙卷风等一些其他飓风的突袭则会让人措不及防。
在加州理工学院，研究人员正在利用深度学习来分析250,000多次地震的图像。这项工作可能会促进地震早期预警系统的开发，该系统可以在地震即将发生时向政府机构、交通官员和能源公司发出警报，让他们有时间通过关闭火车和电力线路来减轻损失。
在自然灾害发生后，深度学习可以用来分析卫星图像以衡量影响，并帮助救援人员向*需要救援的区域采取措施。德国领先的研究中心DFKI正在使用NVIDIA DGX-2人工智能超级计算机来实现这一目标。
气候科学家也在很大程度上依赖GPU来处理复杂的数据集，并预测未来几十年的全球温度。哥伦比亚大学的一名研究人员正在利用深度学习来更好地在气候模型中模拟云，从而使一个分辨率更高的模型能够更好地预测极端降水。
AI在人文学科中的应用
人工智能和GPU加速的用途不仅限于生物和物理科学，还扩展到了考古学、历史学和文学领域。
两千多年前，在一次传说中的火山爆发中，维苏威火山将庞贝和附近的城镇掩埋在火山灰中。这次喷发也击中了一个充满古代文献的图书馆，火山的喷发让热熔岩混在了文献之中。肯塔基大学的一位计算机科学教授开发了一种深度学习工具，可以自动检测这些卷轴的每一层，并几乎可以展开它们，这使得在发现这些卷轴的300多年后，学者们仍然可以阅读上面内容。
对于几个世纪前的文本，人文学科的研究人员通常依靠扫描件或物理页面的照片来以数字化方式阅读这些作品。但这些古老的字体印刷的文本无法通过电脑辨认。因此，学者们不能使用搜索引擎来查找特定的文本段落或分析单词的用法。
欧洲各地的研究人员不再依赖于雇佣人工将手稿转换为打字文本的漫长而昂贵的过程，而是使用人工智能来处理早期德国印刷文本和12世纪梵蒂冈秘密档案馆的教皇信件。
AI如何应用于医药行业
AI和GPU广泛用于医疗健康行业和医学研究。在大学，这些技术也被用于开发用于医学成像、药物发现等领域的新工具。
麻省理工学院的研究人员正在使用神经网络从乳房X光检查中评估乳房密度，创建一个工具来帮助放射科医生读取并提高乳房X光检查密度评估的一致性。
在药物发现领域，深度学习和GPU的计算能力可以帮助科学家挖掘数十亿种潜在的药物化合物，从而更快地发现目前无法治愈的疾病的治疗方法。
匹兹堡大学的一位教授正在使用神经网络来提高分子对接的速度和准确性，这是一种数字模拟药物分子与体内靶蛋白结合的技术。
GPU如何用于物理学
物理学研究人员模拟了一些*棘手、*复杂的分子相互作用，以测试世界如何运作的理论。这些实验需要大量的计算能力——就像普林斯顿大学和葡萄牙里斯本大学所做的深度学习工作一样，研究和预测核聚变反应堆中的等离子体行为。
在聚变反应期间甚至在它们发生前30毫秒预测危险的破坏性事件，这种能力可以帮助科学家对反应实现足够长时间的控制，并利用这种潜在的无碳能源。
在瑞士的伯尔尼大学，一个研究小组正在分析重力对反物质的影响，反物质是一种罕见的物质，它在与普通粒子碰撞时湮灭，释放能量。通过GPU，科学家们能够提高他们在物质 - 反物质碰撞过程中研究粒子相互作用方式的能力。
RAPIDS赋能机器学习和数据分析
除了深度学习，研究人员还非常依赖机器学习和数据分析来推动他们的工作。 RAPIDS由CUDA-X AI GPU加速提供支持，允许数据科学家利用强大的软件库平台挖掘GPU加速的能力。
作为一个开源平台，RAPIDS在*底层集成了Python数据科学库和CUDA。它可以将训练时间从几天缩短到几小时，从几小时缩短到几分钟——因此数据科学家可以更快地迭代他们的分析工作流程，从他们的数据集中提出更多问题并更快地获得答案。
将数据存储在GPU内存中的能力使学者能够使用其数据集尝试不同的算法方法，而无需在GPU内存和主机之间移动数据的耗时过程。 RAPIDS还具有不同软件库之间的互操作性，包括数据分析、机器学习、图形分析和单一数据格式下的深度学习算法。
对教学工具包、NVIDIA深度学习学院和University Ambassador项目感兴趣的教授和研究人员可以访问我们的学术项目网站了解更多信息。