在GTC上，NVIDIA为普林斯顿大学和马拉加大学颁发了20万美元的全球影响力大奖奖金，以表彰他们在解决社会、人道主义和环境问题方面的开创性研究成果。
普林斯顿大学天体物理学系的研究人员利用深度学习证实了未来核聚变能量供应的可行性，并借此获得了10万美元的全球影响力大奖奖金。
该项目的研究教授William Tang带领的团队在超过0.5 pb的数据集上充分发挥GPU的作用，改进了欧洲联合环状反应炉（JET，全球领先的托卡马克装置）的实验测量预测技术。
热核聚变等离子体的建造通常需要耗资数十亿美元，为避免损失，对其中发生的危险中断事件的预测非常关键。由于时间有限，要在中断发生之前的30毫秒之内进行干预，以通过等离子体控制预留缓冲时间。
普林斯顿大学的研究人员在20个NVIDIA Tesla K20 GPU上部署其FRNN深度学习软件，以提高准确性，同时将执行时间缩短至一小时以内。而此前采用CPU时，这项任务需耗时一天。
Tang代表其团队在NVIDIA的GPU技术大会期间领取了大奖。
了解更多内容，您可以阅读关于普林斯顿大学团队研究项目的文章。
马拉加大学同获全球影响力大奖
西班牙马拉加大学的研究团队采用GPU改进了海啸早期预警系统，并凭借这一成就获得了10万美元的全球影响力大奖奖金。
为表彰其团队基于GPU加速海啸模拟的创新数值模型，NVIDIA为其颁发了大奖。该大学的副教授兼微分方程小组成员Jorge Macías代表其团队领取了奖金。
Tsunami-HySEA使用了加勒比海中的潜在震源区来生成对可能发生的海啸事件的模拟
该系统名为Tsunami-HySEA，可用于海啸早期预警系统框架中的模拟。该模型的最终目标是在未来的海啸中拯救生命和预防灾害。
敬请阅读关于马拉加大学团队研究项目的文章，了解详细内容。
2018年度全球影响力大奖（NVIDIA’s 2018 Global Impact Award）共收到了来自6个国家的14份申请。今年其它入围者还包括麻省总医院，其在急诊室中采用深度学习对气胸和其他危急情况进行更快速的预筛选；以及华盛顿大学，其采用深度学习扩展了MRI机器的实用性。