Nvidia Kobler Fysikk-Simulering Inn I Sitt AI-Agent Verktøy

Nvidia (NVDA ) har foldet sine PhysicsNeMo fysikk-AI-biblioteker og et sett med GPU-matematikk-biblioteker inn i NVIDIA Agent Toolkit, og gjort akselererte solvere til noe en autonom designagent kan kalle på samme måte som den kaller på andre verktøy. Selskapet annonserte utvidelsen fra Design Automation Conference i Long Beach, California, sammen med en ny bibliotek kalt cuISS rettet mot iterative sparse solvere.

Det siste punktet er det som er verdt å gå langsommere på. Sparse lineær algebra er aritmetikken under nesten hver fysisk simulering en ingeniør kjører, fra fluidstrøm til strukturell strekk til elektromagnetisme, og det er en arbeidsbyrde som har levd på CPU-kluster i tiår. Nvidia leverer nå tre biblioteker som dekker dette: cuISS for iterative solvere, cuDSS for direkte sparse solvere brukt i krets- og enhetssimulering, og cuEST for kvantekjemi-metodene som forutsier hvordan materialer oppfører seg på atomsk skala.

“Ingeniørarbeid har nådd et vendepunkt. AI kan nå arbeide med verktøy for fysikk, simulering og design,” sa Timothy Costa, visepresident og generaldirektør for beregningsingeniørarbeid hos Nvidia, i annonseringen.

Hva som faktisk flyttes over på GPU-er

Fjern agent-rammen og partnerresultatene Nvidia publiserte, og les som en oversikt over simuleringarbeidsbyrder som flyttes fra prosessorer og over på akseleratorene. Hver figur under er Nvidias egen, rapportert uten en navngitt basis-maskin, kjerneantall eller programversjon:

• Samsung rapporterer opptil 20 ganger raskere beregningslithografi ved hjelp av cuLitho, og anvender PhysicsNeMo til chip-skala termisk-stress-problemer som omfatter opptil 10 milliarder celler.
• Keysight bruker cuDSS til å øke elektromagnetisk simulering med opptil 10 ganger.
• Silvaco kjørte en 3,2 milliards-mesh-nøkkel fotonic edge coupler-simulering på under fire timer over 32 GPU-er koblet sammen med NVLink, en jobb Nvidia sier CPU-basert simulering ikke praktisk kan håndtere.
• TSMC, Samsung og Synopsys integrerer cuEST for hva Nvidia sier er opptil 50 ganger raskere på core kvantekjemi-arbeidsbyrder.

Cadence gir det klareste bildet av hvordan dette selges. Deres AuraStack AI Super Agent, rettet mot trykte kretskort og avansert pakking, kjører cuDSS på Millennium M2000, et Blackwell-basert multiphysics-system Cadence selger som en superdatamaskin. I deres egen konferanseblogg hevder Cadence opptil 15 ganger raskere design-arbeidsflyter og opptil 2 ganger raskere tid til markedet, i tillegg til de 20 ganger raskere multiphysics-tall i Nvidias utgivelse, og det sier størrelsen på den adresserbare poolen åpenhjertig: verifisering alene forbruker milliarder av beregnings-timer årlig over hele industrien.

Nvidia gjentok også sitt krav på at Nemotron 3 Ultra åpne modell overstiger andre åpne modeller på agenter som koder for register-overføringsnivå-design, hardware-beskrivelseskoden som spesifiserer en chips logikk. Det resultatet kommer fra en Nvidia Research-agent målt på en benchmark Nvidia publiserer, noe som gjør det til et selskapsmål på selskapets egen programvare, snarere enn en utenforliggende dom.

Bibliotekene er gratis. Silikonet er ikke det.

PhysicsNeMo er åpen kilde under Apache 2.0-lisensen, bygget på PyTorch, med containere tilgjengelig uten kostnad. CUDA-X-bibliotekene er gratis erstatninger for hånd-optimalisert parallell kode. Ingen av dem kjører noen andre steder enn på Nvidia-GPU-er.

Det er byttet som annonseringen koder. Gi bort den numeriske lag-engineeringsprogramvaren som leverandører ellers må skrive selv, og maskinvaren under blir den eneste posten noen betaler for. Agent Toolkit er distribusjonskanalen: modeller, verktøy og en kjøringsmiljø som Cadence, Siemens og Synopsys hver bygger sine egne agenter på toppen av, med Nvidias biblioteker som sitter på bunnen av alle tre stakkene.

Les sammen med Nvidias parallele fremstøt til å plassere sin egen CPU i verifisingsarbeidsbyrdene som nektar å kjøre på GPU-er, dekker strategien begge halvdelene av en chipselskaps beregningsregning. Solver-bundet simulering går til akseleratorene. Enkelt-tråd-bundet verifisering går til en CPU som Nvidia også bygger.

Hva utgivelsen ikke forplikter seg til

Nvidia ga cuISS ingen leveringsdato. Annonseringen linker til utvikler-sider for cuDSS og cuEST, men har ingen landingsside å peke på for det nye biblioteket, og beskriver Synopsys som fortsatt utvikler bruksområder for det, snarere enn å kjøre det i produksjon. Utgivelsens egen safe-harbor-språk er åpent om resten: mange av de beskrevne produktene “forblir i ulike stadier og vil bli tilbudt på en når-og-hvis-tilgjengelig basis”.

Forbedringene har ingen dommer heller. MLCommons publiserer auditede resultater for AI-trening og inferens, og ingenting lignende finnes for datamaskin-støttet ingeniørarbeid, så hver multiplikator i utgivelsen er en leverandør-tall uten noen åpenbart sammenligningspunkt. Chipselskaper og system-selskaper som vurderer dem vil kjøre sine egne design gjennom sine egne arbeidsflyter, noe som er den eneste målingen som bestemmer en kjøp.

Signalet å se på er ikke det neste runden av forbedringskrav på en handelsmesse. Det er om ingeniør-organisasjoner begynner å pensjonere CPU-kapasitet i sine simulerings-farm, en endring som vises i hva de kjøper snarere enn hva de sier på en messe. Nvidia har nå plassert sine biblioteker under agent-plattformen til hver design-programvare-leverandør nevnt i utgivelsen, inkludert de autonome verifiserings-agenter Synopsys avduket på samme konferanse. Uansett hvilken som vinner design-arbeidsflyten, solveren under er den samme, og den kjører på Nvidia-silikon.