Nvidia Verbindt Fysica-simulatie met Zijn AI-agent Toolkit

Nvidia (NVDA ) heeft zijn PhysicsNeMo-fysica-AI-bibliotheken en een set GPU-wiskunde-bibliotheken opgenomen in de NVIDIA Agent Toolkit, waardoor versneld solvers iets zijn dat een autonome ontwerpagent kan oproepen op dezelfde manier als elke andere tool. Het bedrijf heeft de uitbreiding aangekondigd vanaf de Design Automation Conference in Long Beach, Californië, samen met een nieuwe bibliotheek genaamd cuISS gericht op iteratieve schaarse solvers.

Dat laatste punt is het deel waarop het de moeite waard is om te vertragen. Schaarse lineaire algebra is de rekenkunde onder bijna elke fysieke simulatie die een ingenieur uitvoert, van vloeistofstroom tot structurele spanning tot elektromagnetisme, en het is een workload die decennialang op CPU-clusters heeft geleefd. Nvidia levert nu drie bibliotheken die het dekken: cuISS voor iteratieve solvers, cuDSS voor de directe schaarse solvers die worden gebruikt in circuit- en apparaatsimulatie, en cuEST voor de quantum-chemische methoden die voorspellen hoe materialen zich gedragen op atoomschaal.

“Engineering heeft een keerpunt bereikt. AI kan nu samenwerken met tools van fysica, simulatie en ontwerp,” zei Timothy Costa, vice-president en algemeen manager van computationeel ingenieurswerk bij Nvidia, in de aankondiging.

Wat beweegt zich daadwerkelijk naar GPUs

Verwijder de agent-context en de partnerresultaten die Nvidia heeft gepubliceerd, lezen als een inventaris van simulatie-workloads die van processors worden overgezet naar zijn accelerators. Elk cijfer hieronder is van Nvidia zelf, gerapporteerd zonder een genoemde basismachine, kernel, of softwareversie:

• Samsung meldt tot 20 keer snellere computationele lithografie met cuLitho en past PhysicsNeMo toe op chip-schaal thermische stressproblemen die tot 10 miljard cellen omvatten.
• Keysight gebruikt cuDSS om elektromagnetische simulatie te versnellen met tot 10 keer.
• Silvaco heeft een 3,2 miljard-mesh-knoop fotonic-edge-coupler-simulatie uitgevoerd in minder dan vier uur over 32 GPU’s verbonden door NVLink, een taak die Nvidia zegt dat CPU-gebaseerde simulatie niet praktisch aankan.
• TSMC, Samsung en Synopsys integreren cuEST voor wat Nvidia zegt een tot 50 keer snellere speedup op core quantum-chemistry-workloads.

Cadence levert het duidelijkste beeld van hoe dit wordt verkocht. Zijn AuraStack AI Super Agent, gericht op gedrukte schakelingen en geavanceerde verpakking, voert cuDSS uit op de Millennium M2000, een Blackwell-gebaseerd multiphysics-systeem dat Cadence verkoopt als supercomputer. In zijn eigen conferentieblog beweert Cadence tot 15 keer snellere ontwerpworkflows en tot 2 keer snellere tijd naar markt bovenop de 20 keer multiphysics-figuur in Nvidia’s release, en het noemt de omvang van het aanspreekbare zwembad duidelijk: verificatie alleen verbruikt miljarden rekenuren per jaar in de industrie.

Nvidia herhaalde ook zijn bewering dat de Nemotron 3 Ultra open model andere open modellen overtreft bij agentic coding van register-transfer niveau-ontwerpen, de hardware-beschrijvingscode die de logica van een chip specificeert. Dat resultaat komt van een Nvidia Research-agent gemeten op een benchmark die Nvidia publiceert, wat het een bedrijfsmeting van bedrijfssoftware maakt in plaats van een buitenverdict.

De bibliotheken zijn gratis. Het silicium is dat niet.

PhysicsNeMo is open source onder de Apache 2.0-licentie, gebouwd op PyTorch, met containers beschikbaar tegen geen kosten. De CUDA-X-bibliotheken zijn gratis drop-in vervangingen voor hand-geoptimaliseerde parallelle code. Niets ervan draait ergens behalve op Nvidia-GPU’s.

Dat is de handel die de aankondiging codeert. Geef de numerieke laag ingenieurssoftware weg die leveranciers van software voor ingenieurswerk anders zelf zouden moeten schrijven, en de hardware eronder wordt het enige artikel dat iemand betaalt. De Agent Toolkit is het distributiekanaal: modellen, tools en een runtime die Cadence, Siemens en Synopsys elk hun eigen agenten op bouwen, met Nvidia’s bibliotheken onderaan alle drie de stacks.

Lees samen met Nvidia’s parallelle push om zijn Vera CPU in de verificatie-workloads te zetten die weigeren om op GPU’s te draaien, dekt de strategie beide helften van een chipbedrijfs rekennota. Solver-gebonden simulatie gaat naar de accelerators. Single-thread-gebonden verificatie gaat naar een CPU die Nvidia ook bouwt.

Wat de release niet belooft

Nvidia gaf cuISS geen verschepingsdatum. De aankondiging linkt ontwikkelaarspagina’s voor cuDSS en cuEST, maar heeft geen landingspagina om naar te verwijzen voor de nieuwe bibliotheek, en het beschrijft Synopsys als nog steeds gebruikscases ontwikkelen voor het in plaats van het in productie uit te voeren. De veilige haven taal van de release is bot over de rest: veel van de beschreven producten “blijven in verschillende fasen en zullen beschikbaar worden gesteld op een wanneer-en-indien-beschikbaar-basis.”

De speedups hebben geen scheidsrechter. MLCommons publiceert geauditeerde resultaten voor AI-training en inferentie, en niets vergelijkbaars bestaat voor computer-ondersteund ingenieurswerk, dus elke multiple in de release is een leverancierscijfer met geen gediscussieerd vergelijkingspunt. Chip- en systeembedrijven die ze evalueren, zullen hun eigen ontwerpen door hun eigen flows uitvoeren, wat de enige meting is die een aankoop beslist.

Het signaal om te kijken is niet de volgende ronde van speedup-claims op een handelsbeurs. Het is of engineeringorganisaties beginnen met het pensioneren van CPU-capaciteit in hun simulatiefarms, een verschuiving die zichtbaar wordt in wat ze kopen in plaats van wat ze zeggen op een stand. Nvidia heeft nu zijn bibliotheken onder de agentplatform van elke ontwerpsoftwareleverancier genoemd in de release geplaatst, inclusief de autonome verificatieagenten Synopsys onthulde op dezelfde conferentie. Wie van hen de ontwerpstroom wint, de solver eronder is dezelfde, en die draait op Nvidia-silicium.