Nvidia Połączyło Symulację Fizyki Z Narzędziem Agent Toolkit

Nvidia (NVDA ) włączyło swoje biblioteki PhysicsNeMo i zestaw bibliotek matematycznych GPU do narzędzia NVIDIA Agent Toolkit, dzięki czemu przyspieszone rozwiązania stały się czymś, co agent projektowy może wywołać tak jak każde inne narzędzie. Firma ogłosiła rozszerzenie na konferencji Design Automation w Long Beach, Kalifornia, wraz z nową biblioteką o nazwie cuISS, skierowaną do rozwiązywania równań liniowych o rzadkiej macierzy.

Ostatni punkt jest tym, nad którym warto się zatrzymać. Rzadka algebra liniowa to arytmetyka pod każdą symulacją fizyczną, którą inżynier uruchamia, od przepływu płynów po naprężenia strukturalne i elektromagnetyzm, i jest to obciążenie, które przez dziesięciolecia funkcjonowało na klastrach procesorów. Nvidia dostarcza teraz trzy biblioteki, które ją obejmują: cuISS do rozwiązywania równań iteracyjnych, cuDSS do bezpośrednich rozwiązywania równań liniowych w symulacji obwodów i urządzeń, oraz cuEST do metod chemii kwantowej, które przewidują, jak materiały zachowują się w skali atomowej.

“Inżynieria osiągnęła punkt zwrotny. AI może teraz współpracować z narzędziami fizyki, symulacji i projektowania”, powiedział Timothy Costa, wiceprezes i dyrektor generalny inżynierii komputacyjnej w Nvidia, w ogłoszeniu.

Czego tak naprawdę dotyczy przeniesienie na GPU

Usuń ramy agenta i wyniki opublikowane przez partnerów Nvidia brzmią jak inwentaryzacja obciążeń symulacji, które są przenoszone z procesorów na akceleratory. Każda liczba poniżej jest własna Nvidia, podana bez nazwanego punktu odniesienia, liczby rdzeni lub wersji oprogramowania:

• Samsung zgłasza do 20-krotnie szybsze obliczenia litografii komputeryzowanej przy użyciu cuLitho i stosuje PhysicsNeMo do problemów termicznych na poziomie układu scalonego, obejmujących nawet 10 miliardów komórek.
• Keysight wykorzystuje cuDSS do przyspieszenia symulacji elektromagnetycznej o maksymalnie 10-krotnie.
• Silvaco uruchomił symulację łącznika krawędziowego fotonicznego o 3,2 miliardzie węzłów siatki w czasie krótszym niż 4 godziny na 32 GPU połączonych przez NVLink, co Nvidia twierdzi, że symulacja oparta na CPU nie mogłaby praktycznie obsłużyć.
• TSMC, Samsung i Synopsys integrują cuEST, co Nvidia określa jako maksymalnie 50-krotny wzrost szybkości podstawowych obciążeń chemii kwantowej.

Cadence dostarcza najwyraźniejszy obraz tego, jak to się sprzedaje. Jego agent AI Super AuraStack, skierowany do płytek drukowanych i zaawansowanego pakowania, uruchamia cuDSS na Millennium M2000, systemie Blackwell opartym na wielu fizykach, który Cadence sprzedaje jako superkomputer. W własnym blogu konferencyjnym Cadence twierdzi, że osiąga do 15-krotnie szybsze przepływy projektowe i do 2-krotnie szybszy czas wejścia na rynek, wraz z 20-krotnim wzrostem wielu fizyk, podanym w ogłoszeniu Nvidia, i określa wielkość puli adresowalnej wprost: sama weryfikacja pochłania miliardy godzin obliczeniowych rocznie w całej branży.

Nvidia powtórzyło również swoje twierdzenie, że model Nemotron 3 Ultra jest najlepszym modelem otwartym w kodowaniu agentywnym na poziomie transferu rejestrów, czyli kodzie opisującym logikę układu. Wynik ten pochodzi z agenta Nvidia Research, zmierzonego na benchmarku, który Nvidia publikuje, co czyni go pomiarem oprogramowania firmy przez samą firmę, a nie werdyktem zewnętrznym.

Biblioteki są bezpłatne. Krzem nie jest.

PhysicsNeMo jest oprogramowaniem otwartym na licencji Apache 2.0, zbudowanym na PyTorch, z kontenerami dostępnymi bezpłatnie. Biblioteki CUDA-X są bezpłatnymi zamiennikami ręcznie zoptymalizowanego kodu równoległego. Żadne z nich nie działa nigdzie indziej niż na GPU Nvidia.

To jest handel, jaki zakodowano w ogłoszeniu. Rozdaj warstwę numeryczną oprogramowania inżynierskiego, które dostawcy oprogramowania w przeciwnym razie musieliby sami napisać, a sprzęt pod spodem staje się jedyną pozycją, za którą ktoś płaci. Agent Toolkit jest kanałem dystrybucji: modele, narzędzia i środowisko uruchomieniowe, które Cadence, Siemens i Synopsys budują swoje agenty, z bibliotekami Nvidia na dole wszystkich trzech stosów.

Czytane razem z równoległym wysiłkiem Nvidia, aby wykorzystać swój procesor Vera w obciążeń weryfikacji, które odmawiają działania na GPU, strategia obejmuje obie połowy rachunku komputacyjnego firmy produkującej układy scalone. Obciążenia symulacji związane z rozwiązywaniem przechodzą na akceleratory. Obciążenia weryfikacji związane z pojedynczym wątkiem przechodzą na procesor CPU, który Nvidia również buduje.

Co ogłoszenie nie zobowiązuje

Nvidia nie podała daty wydania cuISS. Ogłoszenie łączy strony deweloperskie dla cuDSS i cuEST, ale nie ma strony docelowej, na którą można by wskazać nową bibliotekę, i opisuje Synopsys jako nadal rozwijający przypadki użycia, zamiast uruchamiać ją w produkcji. Własny język ogłoszenia jest wyraźny co do reszty: wiele opisanych produktów “pozostaje w różnych stadiach i będzie oferowanych na zasadzie dostępności”.

Przyspieszenia nie mają sędziego. MLCommons publikuje zweryfikowane wyniki szkolenia i inferencji AI, i nic podobnego nie istnieje w inżynierii komputerowej, więc każdy współczynnik w ogłoszeniu jest liczbą dostawcy z nieujawnionym punktem odniesienia. Firmy produkujące układy scalone i systemy, które je oceniają, będą uruchamiać własne projekty w ramach własnych przepływów, co jest jedynym pomiarem, który decyduje o zakupie.

Sygnalizowany sygnał nie jest następną rundą roszczeń dotyczących przyspieszeń na targach. To czy organizacje inżynierskie zaczną wycofywać pojemność CPU w swoich farmach symulacji, co pokazuje się w tym, co kupują, a nie w tym, co mówią na stoisku. Nvidia umieściło teraz swoje biblioteki pod platformą agenta każdego dostawcy oprogramowania projektowego wymienionego w ogłoszeniu, w tym autonomiczne agenty weryfikacji Synopsys, które zostały zaprezentowane na tej samej konferencji. Niezależnie od tego, który z nich wygra przepływ projektowy, rozwiązanie pod spodem jest tym samym i działa na krzemie Nvidia.