Modelos y plataformas de IA

Nvidia Incorpora la Simulación de Física en su Kit de Herramientas de Agentes de Inteligencia Artificial

mm
Añade Unite.AI a tus fuentes preferidas en Google

Nvidia (NVDA ) ha integrado sus bibliotecas de física y inteligencia artificial PhysicsNeMo y un conjunto de bibliotecas de matemáticas de GPU en el Kit de Herramientas de Agentes de Nvidia, lo que permite que los solvers acelerados sean algo que un agente de diseño autónomo pueda llamar de la misma manera que llama a cualquier otra herramienta. La empresa anunció la expansión desde la Conferencia de Automatización de Diseño en Long Beach, California, junto con una nueva biblioteca llamada cuISS dirigida a solvers esparsos iterativos.

Esos últimos elementos son los que vale la pena destacar. El álgebra lineal esparsa es la aritmética que subyace a casi todas las simulaciones físicas que un ingeniero ejecuta, desde el flujo de fluidos hasta el estrés estructural y la electromagnética, y es una carga de trabajo que ha vivido en clusters de CPU durante décadas. Nvidia ahora ofrece tres bibliotecas que cubren esto: cuISS para solvers iterativos, cuDSS para solvers esparsos directos utilizados en la simulación de circuitos y dispositivos, y cuEST para los métodos de química cuántica que predicen cómo se comportan los materiales a escala atómica.

“La ingeniería ha alcanzado un punto de inflexión. La inteligencia artificial puede trabajar ahora con herramientas de física, simulación y diseño”, dijo Timothy Costa, vicepresidente y gerente general de ingeniería computacional en Nvidia, en el anuncio.

Qué es lo que realmente se está moviendo hacia las GPUs

Si se elimina el marco del agente y se leen los resultados de los socios publicados por Nvidia, se puede ver como un inventario de cargas de trabajo de simulación que se están transfiriendo de los procesadores a sus aceleradores. Cada figura a continuación es de Nvidia y se informa sin una máquina base con nombre, recuento de núcleos o versión de software:

  • Samsung informa hasta 20 veces más rápido la litografía computacional utilizando cuLitho, y está aplicando PhysicsNeMo a problemas de estrés térmico a escala de chip que abarcan hasta 10 mil millones de celdas.
  • Keysight está utilizando cuDSS para acelerar la simulación electromagnética hasta 10 veces.
  • Silvaco ejecutó una simulación de acoplador de bordes fotónicos de 3,2 mil millones de nodos de malla en menos de cuatro horas en 32 GPUs conectadas por NVLink, un trabajo que Nvidia dice que la simulación basada en CPU no podría manejar prácticamente.
  • TSMC, Samsung y Synopsys están integrando cuEST para lo que Nvidia afirma es hasta 50 veces más rápido en cargas de trabajo de química cuántica básica.

Cadence ofrece la imagen más clara de cómo se vende esto. Su Agente de Superinteligencia AI AuraStack, dirigido a placas de circuito impreso y embalaje avanzado, ejecuta cuDSS en el sistema de multiphysics Millennium M2000, un sistema Blackwell que Cadence vende como supercomputadora. En su propio blog de la conferencia, Cadence afirma hasta 15 veces más rápido los flujos de diseño y hasta 2 veces más rápido el tiempo de comercialización, además de la cifra de 20 veces de multiphysics en el lanzamiento de Nvidia, y establece claramente el tamaño de la piscina dirigida: solo la verificación consume miles de millones de horas de cómputo al año en toda la industria.

Nvidia también repitió su afirmación de que el modelo abierto Nemotron 3 Ultra supera a otros modelos abiertos en la codificación agente de diseños de nivel de registro de transferencia, el código de descripción de hardware que especifica la lógica de un chip. Ese resultado proviene de un agente de investigación de Nvidia medido en una referencia de benchmark que Nvidia publica, lo que lo convierte en una medición de software de la empresa en lugar de un veredicto externo.

Las bibliotecas son gratuitas. El silicio no lo es.

PhysicsNeMo es de código abierto bajo la licencia Apache 2.0, construido sobre PyTorch, con contenedores disponibles sin costo. Las bibliotecas CUDA-X son reemplazos gratuitos para el código paralelo ajustado a mano. Nada de esto se ejecuta en ningún lugar excepto en las GPUs de Nvidia.

Esos son los términos del acuerdo que se ocultan en el anuncio. Regalar el software de ingeniería de capas numéricas que los proveedores de software de ingeniería de otro modo tendrían que escribir ellos mismos, y el hardware subyacente se convierte en el único artículo que alguien paga. El Kit de Herramientas de Agentes es el canal de distribución: modelos, herramientas y un entorno de ejecución que Cadence, Siemens y Synopsys están construyendo sus propios agentes sobre, con las bibliotecas de Nvidia sentadas en la parte inferior de las tres pilas.

Leído junto con el impulso paralelo de Nvidia para poner su CPU Vera en las cargas de trabajo de verificación que se niegan a ejecutarse en las GPUs, la estrategia cubre ambas mitades de la factura de cómputo de una empresa de chips. La simulación limitada por solvers se dirige a los aceleradores. La verificación limitada por subprocesos se dirige a una CPU que Nvidia también construye.

Qué es lo que el lanzamiento no se compromete a hacer

Nvidia no dio una fecha de lanzamiento para cuISS. El anuncio enlaza páginas de desarrolladores para cuDSS y cuEST, pero no tiene una página de aterrizaje para señalar la nueva biblioteca, y describe a Synopsys como aún en desarrollo de casos de uso para ella en lugar de ejecutarla en producción. El lenguaje de seguro del lanzamiento es directo sobre el resto: muchos de los productos descritos “permanecen en varias etapas y se ofrecerán según estén disponibles”.

Los aceleradores no tienen árbitro. MLCommons publica resultados auditados para el entrenamiento y la inferencia de inteligencia artificial, y nada comparable existe para la ingeniería asistida por computadora, por lo que cada múltiplo en el lanzamiento es un número de proveedor sin un punto de comparación divulgado. Las empresas de chips y sistemas que los evalúan estarán ejecutando sus propios diseños a través de sus propios flujos, lo que es la única medición que decide una compra.

La señal que hay que observar no es la próxima ronda de afirmaciones de aceleración en un espectáculo comercial. Es si las organizaciones de ingeniería comienzan a jubilar la capacidad de CPU en sus granjas de simulación, un cambio que se muestra en lo que compran en lugar de lo que dicen en un stand. Nvidia ha colocado ahora sus bibliotecas debajo de la plataforma de agente de cada proveedor de software de diseño nombrado en el lanzamiento, incluidos los agentes de verificación autónomos de Synopsys que se presentaron en la misma conferencia. Cualquiera que gane el flujo de diseño, el solver debajo es el mismo, y se ejecuta en silicio de Nvidia.

Theo Nash es un especialista generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.