NVIDIA представляет cuPotential на фоне внедрения CUDA-X лидерами полупроводниковой отрасли

14 октября 2026 года NVIDIA представила cuPotential — новую библиотеку CUDA-X, с помощью которой разработчики могут создавать ИИ-агентов для моделирования взаимодействия атомов и молекул. Компания также рассказала о внедрении своих библиотек CUDA-X лидерами полупроводниковой отрасли, включая Synopsys, Cadence, Siemens, Lam Research, KLA и Applied Materials, в проектировании, производстве и тестировании чипов.

cuPotential и фабрики с ИИ

NVIDIA описывает фабрики с ИИ как предприятия по производству полупроводников, где ИИ помогает инженерам оптимизировать процессы, устранять производственные проблемы и повышать эффективность производства. По словам NVIDIA, рост спроса на передовые чипы требует от таких фабрик наращивать выпуск продукции, одновременно справляясь со всё более сложными производственными процессами. Инженерам нужны новые способы моделировать материалы, анализировать данные инспекции и проверять изменения процессов в цифровых двойниках до их внедрения в производство. Расширенный портфель CUDA-X предоставляет ИИ-агентам и инженерным приложениям ускоренные инструменты для моделирования полупроводниковых процессов, обработки 3D-данных и анализа изображений.

Новая библиотека ускоряет моделирование на атомном уровне с помощью специализированных функций, работающих на GPU и интегрируемых в существующее программное обеспечение. Это позволяет исследователям моделировать электрические силы и другие взаимодействия для большого числа атомов и быстрее совершенствовать симуляции. cuPotential также предоставляет ИИ-агентам доступ к этим возможностям моделирования, позволяя им проводить, оценивать и совершенствовать сложные молекулярные симуляции. По сообщению NVIDIA, на этапе раннего доступа библиотека дополнительно ускорила уже оптимизированные для GPU рабочие процессы в 2–3 раза. Среди первых пользователей cuPotential, применяющих её для ускорения моделирования материалов, NVIDIA назвала Synopsys.

«Полупроводниковая отрасль сделала возможной революцию в сфере ИИ. Теперь ИИ меняет способы производства чипов», — заявил Тим Коста, вице-президент и генеральный директор подразделения промышленных и вычислительных инженерных решений NVIDIA. По словам Косты, библиотеки CUDA-X и Omniverse предоставляют ИИ-агентам ускоренные инструменты моделирования и инспекции, которые помогают инженерам справляться со сложными задачами и повышать выход годных изделий, пока фабрики наращивают производство в ответ на спрос на передовые чипы.

Партнёры по проектированию и моделированию чипов

В портфель решений для проектирования входят cuPotential для моделирования атомных взаимодействий, cuEST для моделирования электронного поведения и cuDSS для решения сложных инженерных задач методом моделирования. Synopsys использует все три библиотеки. NVIDIA сообщила о первых результатах QuantumATK, показавших потенциальное ускорение в 30 раз при использовании cuEST, а также о результатах тестирования S-Device, показавших ускорение в 12 раз при использовании cuDSS. Решения AgentEngineer от Synopsys разработаны для взаимодействия с открытыми моделями Nemotron и инструментами NeMo от NVIDIA и позволяют создавать ИИ-агентов для проектирования и верификации чипов.

Cadence использует ускоренные вычисления NVIDIA, открытые модели Nemotron и библиотеки CUDA-X для агентного ИИ в проектировании и моделировании электромеханических систем, включая полупроводники, передовую корпусировку и печатные платы. По сообщению NVIDIA, ИИ-суперагент Cadence AuraStack с помощью cuDSS и Cadence Celsius оптимизирует тепловые характеристики и механические напряжения передовых корпусов в 8 раз быстрее. Кроме того, Nemotron работает с ИИ-суперагентом ChipStack для проектирования и верификации полупроводников.

COMSOL ускоряет многополевое моделирование полупроводников с помощью cuDSS, которая, по словам NVIDIA, обеспечивает ускорение симуляций до 10 раз. В готовящемся к выпуску COMSOL MCP Server будет использоваться открытая модель Nemotron Ultra для моделирования с помощью ИИ и исследования вариантов проектирования. Платформа Voltaire компании Voltai — агентная многополевая система для проектирования и моделирования 3D-IC — объединяет ИИ-агентов с решателями, ускоренными на GPU и созданными на базе cuDSS и CUDA-X. По сообщению NVIDIA, это сокращает выполнение сложных рабочих процессов электромеханического моделирования с нескольких месяцев до одного дня. ChipAgents разрабатывает специализированные модели ИИ для проектирования чипов на инфраструктуре ИИ NVIDIA, а также программное обеспечение для обучения и оптимизации моделей. Компания сотрудничает с NVIDIA над созданием Build-A-Chip Bench — теста для оценки агентов на всех этапах сквозных рабочих процессов, от спецификации до системы графических данных.

Производство, инспекция и работа фабрик

Для производственных процессов cuLitho ускоряет вычисления, используемые при нанесении рисунка на чипы; NanoVDB предоставляет открытые инструменты для работы с 3D-данными в симуляциях производства микросхем; а открытая платформа PhysicsNeMo помогает инженерам обучать физические модели ИИ, предсказывающие поведение физических систем. Siemens использует cuLitho для ускорения своего программного обеспечения Calibre, предназначенного для корректировки рисунка чипа и подготовки фотошаблонов. Команда Solido компании также разрабатывает управляемые ИИ-агентами рабочие процессы характеризации на базе открытых моделей Nemotron и открытых библиотек NeMo.

Lam Research планирует интегрировать NanoVDB в SEMulator3D — платформу моделирования технологических процессов из семейства виртуальных продуктов Semiverse Solutions. По сообщению NVIDIA, это должно ускорить отдельные задачи моделирования травления пластин до 30 раз. Компания также сообщила, что PhysicsNeMo продемонстрировала возможность сократить время симуляции для прогнозирования параметров плазмы с нескольких дней до нескольких миллисекунд. Luminary применяет PhysicsNeMo при проектировании полупроводниковых корпусов. По словам NVIDIA, обученные прогнозировать температуру, перепад давления и термические напряжения в различных конфигурациях корпусов физические модели ИИ позволяют инженерам проверять в 100 раз больше вариантов в те же сроки, не проводя новую симуляцию для каждого из них.

Для инспекции и тестирования библиотека NPP от NVIDIA обрабатывает изображения на графических процессорах, а RAPIDS cuDF обрабатывает на них большие наборы данных, вместе ускоряя процессы тестирования и контроля качества. Используя ИИ NVIDIA и ускоренные вычисления, imec устраняет шум на изображениях, полученных с помощью сканирующего электронного микроскопа и используемых для измерений микросхем с точностью до субнанометрового уровня, а также применяет cuLitho для вычислительно сложной оптической коррекции близости при анализе технологического окна; по данным NVIDIA, это улучшило технологическое окно литографии на 30%. KLA использовала выводы, полученные благодаря высокооптимизированным производственным ядрам, при разработке нового ядра NPP NCC. По заявлению NVIDIA, оно работает в 50 раз быстрее предыдущих версий для центральных процессоров и сопоставимо по производительности с реализациями KLA, оптимизированными вручную.

По данным NVIDIA, Teradyne сочетает обработку изображений на основе NPP и ускоренные вычисления для тестирования датчиков изображения с расчётами на графических процессорах с помощью RAPIDS cuDF и CuPy. Это примерно в 85 раз ускоряет обработку данных для обслуживания пробников и помогает выявлять их ухудшение до того, как оно повлияет на выход годных изделий. Advantest интегрировала модели Nemotron и Kumo-Anomaly от NVIDIA в ACS RTDI, чтобы использовать аналитику производства полупроводников на основе ИИ; система на базе Grace Blackwell обеспечивает диагностику и логический вывод в реальном времени, предлагая корректирующие действия для тестовых ячеек. По данным NVIDIA, Advantest также использует ИИ-агентов NeMo Switchyard для автоматизации выбора моделей, оптимизации рабочих процессов тестирования полупроводников и сокращения времени отклика с часов до минут.

Applied Materials использует Omniverse и библиотеки CUDA-X — cuDSS, cuEST и PhysicsNeMo — для поиска новых материалов, разработки технологических процессов и оптимизации фабрик; по данным NVIDIA, их сочетание позволяет проводить моделирование технологических камер до 35 раз быстрее и поддерживает создание цифровых двойников фабрик, которые помогают оптимизировать планировку и движение материалов. Analog Devices объединяет физическое моделирование Synopsys с платформой Isaac Sim и библиотеками Omniverse, чтобы создавать высокоточные симуляции работы датчиков и робототехнические тесты для оценки поведения датчиков в составе целых роботизированных систем. FANUC и Foxconn подключают модели своих роботов к Mega NVIDIA Omniverse Blueprint для создания цифровых двойников фабрик, позволяющих производителям моделировать и проверять работу роботов до их физического внедрения. OMRON использует открытые модели мира Cosmos и Blueprint Metropolis для поиска и обобщения видео в своём инспекционном оборудовании.

Доступность

cuPotential доступен в режиме раннего доступа, NanoVDB распространяется с открытым исходным кодом в составе OpenVDB, а NPP доступен через NVIDIA CUDA Toolkit; NVIDIA пригласила читателей присоединиться к ней на выставке SEMICON West. Выпуск возможностей SEMulator3D от Lam Research, ускоренных с помощью NanoVDB, запланирован до конца 2026 года.