NVIDIA DGX Spark デスクトップ スーパーコンピューターは、世界各地の一流機関で、研究室や教員のオフィス、学生のシステムに至るまで、データセンター クラスの AI を届けています。ウィスコンシン大学マディソン校が運営する南極のアイスキューブ ニュートリノ観測所でも、DGX Spark が稼働しています。
コンパクトながらペタフロップ級の性能を持つこのスーパーコンピューターがあれば、臨床レポート評価ツールからロボットの知覚システムまで、大規模な AI アプリケーションのローカル展開を可能にします。その結果、機密データをオンサイトで保持しながら、研究者や学生のイテレーション サイクルを短縮します。
NVIDIA GB10 スーパーチップと NVIDIA DGX オペレーティング システムを搭載した DGX Spark ユニットは、最大 2,000 億パラメーターの AI モデルに対応し、NVIDIA NeMo、Metropolis、Holoscan、Isaac のプラットフォームとシームレスに統合されます。これにより、学生は DGX エコシステムで使用されているものと同じプロフェッショナル品質のツール環境を提供します。
以下では、DGX Spark が世界各地の一流機関で画期的な AI の取り組みをどのように後押ししているかをご紹介します。
アイスキューブ ニュートリノ観測所: 南極での素粒子研究
ウィスコンシン大学マディソン校が南極で運営するアイスキューブ ニュートリノ観測所では、研究者が DGX Spark を活用して AI モデルを実行し、ニュートリノと呼ばれる素粒子の観測データを解析することで、宇宙で最も壊滅的な現象の解明に取り組んでいます。
ウィスコンシン アイスキューブ素粒子天体物理学センターのコンピューティング ディレクター、Benedikt Riedel 氏によると、光波の検出に基づく従来の天文学の手法では、既知の宇宙の約 80% を観測できますが、重力波やニュートリノのような粒子を用いた新たな宇宙探査手法では、超新星や暗黒物質などが関係する極限的な宇宙環境の調査が可能になります。
Riedel 氏は次のように述べています。「南極には工具店などありません。南極は厳密には砂漠で、相対湿度は 5% 未満、標高は 1 万フィートに達するため、電力供給も非常に限られています。そのような極めて遠隔の環境でも、DGX Spark により、AI をコンパートメント化して低コストで容易に展開し、ニュートリノ観測データの AI 解析をローカルで実行できるようになりました」
ニューヨーク大学: エージェント型 AI を活用した放射線レポート
ニューヨーク大学のグローバル AI フロンティア ラボでは、ICARE (解釈可能かつ臨床的根拠に基づく、エージェント ベースのレポート評価) プロジェクトを同ラボの DGX Spark 上でエンドツーエンドで実行しています。ICARE は、連携する AI エージェントと多肢選択問題生成機能を用いて、AI が生成した放射線レポートが専門家のソースとどの程度整合しているかを評価します。これにより、医療画像データをクラウドに送信することなく、リアルタイムの臨床評価と継続的なモニタリングを行えるようになりました。
ニューヨーク大学データ サイエンス センターのファカルティ フェローである Lucius Bynum 氏は次のように述べています。「DGX Spark 上で強力な大規模言語モデル (LLM) をローカルに実行できるようになったことで、ワークフローが大きく変わりました。その結果、迅速に反復しながら、開発している研究ツールを改善することに集中できるようになりました」
さらに、ニューヨーク大学の研究者は、セマンティック因果モデル (臨床変数、画像所見、想定される診断の間の因果関係を示す、構造化された機械可読のマップ) を生成して精緻化するインタラクティブな因果モデリング ツールの一部として、DGX Spark で LLM をローカル実行しています。このローカル実行環境により、チームはクラスター リソースを待つことなく、高度なモデルを迅速に設計、テスト、反復できます。たとえば、データをオンプレミスで保持しなければならない医療分野など、プライバシーとセキュリティに配慮が求められる用途にも対応できます。
ハーバード大学: AI を活用しててんかんの仕組みを解明
ハーバード大学ケンプナー自然知能および人工知能研究所では、神経科学者たちが DGX Spark をコンパクトなデスクトップ スーパーコンピューターとして活用し、脳内の遺伝子変異がてんかんを引き起こすメカニズムを研究しています。研究チームはこのシステムを使うことで、大規模な機関クラスターへのアクセスを待つことなく、複雑な解析をリアルタイムで実行できます。
同研究所共同ディレクターの Bernardo Sabatini 氏が率いるチームは、興奮性ニューロンと抑制性ニューロンの約 6,000 の変異を研究し、タンパク質構造と神経機能の予測マップを構築しています。このマップは、次に研究室で検証すべき変異体を決定するための指針となります。
DGX Spark は同大学において、ベンチトップとクラスター規模のコンピューティングをつなぐ橋渡し役を担っています。研究者はまず、単一の DGX Spark でワークフローと所要時間を検証し、その後、うまくいったパイプラインを大規模な GPU クラスターへと拡張し、大規模なタンパク質スクリーニングを行っています。
アリゾナ州立大学: キャンパス規模のイノベーションを実現
アリゾナ州立大学は、複数の DGX Spark システムをいち早く導入した大学のひとつです。現在、これらのシステムは、メモリーケア、交通安全、持続可能エネルギーの取り組みなど、キャンパス全体の AI 研究を支えています。
コンピューティングおよび拡張知能学部の准教授 Yezhou “YZ” Yang 氏が率いるアリゾナ州立大学のチームは、DGX Spark を活用して、知覚とロボティクス分野の高度な研究を推進しています。たとえば、AI 対応の捜索救助用ロボット犬や、視覚障がいのあるユーザーのための支援ツールなどへの応用に取り組んでいます。
ミシシッピ州立大学: コンピューター サイエンスとエンジニアリングの学生の支援
ミシシッピ州立大学のコンピューター サイエンスおよびエンジニアリング学部では、次世代 AI エンジニアのための実践的な学習プラットフォームとして DGX Spark が活用されています。
同大学の DGX Spark に対する熱意は、研究室が主導するアウトリーチ活動にも表れています。その一環として、応用 AI の発展や AI 人材の育成、州全体での現実世界の AI 実験の推進に取り組む研究室が作成した開封動画も公開されています。
デラウェア大学: 分野を超えた研究の変革
ASUS が DGX Spark を搭載した Ascent GX10 を初めてデラウェア大学に納入した際、コンピューター情報科学の教授であり、ファースト ステート AI 研究所の所長も務める Sunita Chandrasekaran 氏は、「研究に革新をもたらすシステム」と評しました。このシステムを導入したことで、スポーツ分析や沿岸科学などの分野にまたがるチームが、高額なクラウド リソースに頼ることなく、キャンパス内で大規模 AI モデルを直接実行できるようになりました。各教育機関は、GX10 を導入する前に、ASUS バーチャル ラボ プログラムを通じてパフォーマンスをリモートでテストできます。
オーストリア科学技術研究所: 小型デスクトップでの大規模 LLM のトレーニング
オーストリア科学技術研究所 (ISTA) の研究チームは、NVIDIA DGX Spark をベースにしたコンパクトなシステム、HP ZGX Nano AI Station を使い、デスクトップ上で直接 LLM のトレーニングとファインチューニングを行っています。同研究チームのオープンソース ソフトウェア LLMQ によって最大 70 億パラメーターのモデルでの作業が可能になり、より多くの学生や研究者が先進的な LLM トレーニングを利用できるようになりました。
ZGX Nano には 128GB のユニファイド メモリが搭載されており、LLM 全体とトレーニング データをシステム内に保持できるため、コンシューマー向け GPU で通常必要とされる複雑なメモリ管理が不要です。その結果、より迅速に作業を進め、機密データをオンプレミスで保つことができます。LLMQ ソフトウェアに関する ISTA の研究論文はこちらをご覧ください。
スタンフォード大学: プロトタイピングのためのパイプライン
スタンフォード大学の研究チームは、DGX Spark を活用して、完全なトレーニングと評価パイプラインのプロトタイピングを行い、生物学用エージェント「Biomni」のワークフローをローカルで実行してから、大規模な GPU クラスターへと拡張しています。これにより、モデル開発とベンチマークを高速に繰り返すことが可能になり、ラボ環境での複雑な分析や実験計画を自動化できます。
同研究チームによると、DGX Spark は大規模クラウド GPU インスタンスと同等のパフォーマンスを発揮しています。ワークロード全体をデスクトップ上で実行した状態で、Ollama 経由で MXFP4 の 1,200 億パラメーターの gpt-oss モデルを動かしたところ、1 秒あたり約 80 トークンでした。
DGX Spark の導入方法や購入オプションについては、こちらのウェブページをご確認ください。