პროგრამული ბიბლიოთეკა ჯერჯერობით მხოლოდ ადრეული წვდომის ეტაპზეა.
NVIDIA-მ კონფერენცია SEMICON West-ზე ახალი პროგრამული ბიბლიოთეკა cuPotential წარადგინა, რათა ხელოვნური ინტელექტის აგენტებმა ატომებისა და მოლეკულების ურთიერთქმედების სიმულაცია გაცილებით სწრაფად შეძლონ. კომპანიის ოფიციალური პრესრელიზის თანახმად, სიახლე ნახევარგამტარების საწარმოებში, ანუ ეგრეთ წოდებულ AI-defined fab-ებში, პროცესებისა და მზა ჩიპების გამოსავლიანობის ოპტიმიზაციას ისახავს მიზნად. საუბარია ქარხნებზე, სადაც ალგორითმები ინჟინრებს წარმოების ხარვეზების აღმოფხვრასა და ტესტირებაში ეხმარება.
ატომების დონეზე სიმულაცია
ჩიპების წარმოებისას უმნიშვნელოვანესია იმის გათვლა, თუ როგორ მოქმედებს ელექტროსტატიკური და ატომური ძალები მასალებზე. cuPotential არსებულ პროგრამებს GPU-ზე აჩქარებულ ფუნქციებს ამატებს. ადრეული ტესტების მიხედვით, NVIDIA-ს მტკიცებით, ბიბლიოთეკა გრაფიკულ პროცესორებზე უკვე ოპტიმიზებულ სამუშაოებს დამატებით 2-დან 3-ჯერ აჩქარებს. ახალი ხელსაწყო უკვე გამოსცადა Synopsys-მა, რომელიც მას მასალების სიმულაციისთვის იყენებს.
პარტნიორი გიგანტების აჩქარება
cuPotential-ის გარდა, NVIDIA-მ CUDA-X-ის სხვა კომპონენტებიც გააფართოვა. მაგალითად, Lam Research-ი ღია კოდის მქონე 3D მონაცემთა ბიბლიოთეკა NanoVDB-ს იყენებს და ვარაუდობს, რომ ფირფიტების ამოჭმის სიმულაცია SEMulator3D-ში 30-ჯერ აჩქარდება. KLA-ს შემოწმების პროცესში კი NVIDIA NPP-მ ერთ-ერთ ტესტში ძველ პროცესორულ ვერსიებთან შედარებით 50-ჯერ მეტი სისწრაფე აჩვენა.
„ნახევარგამტარების ინდუსტრიამ ხელოვნური ინტელექტის რევოლუცია შესაძლებელი გახადა. ახლა კი AI თავად ცვლის ჩიპების შექმნის პროცესს“, განაცხადა NVIDIA-ს ვიცე-პრეზიდენტმა Tim Costa-მ.
სიახლე ჯერჯერობით მხოლოდ პროგრამისტებისა და საწარმოო პარტნიორების ვიწრო წრისთვისაა ხელმისაწვდომი. Lam Research-ი ინტეგრირებული ფუნქციონალის გამოშვებას 2026 წლის ბოლოსთვის გეგმავს.
| cuPotential აჩქარება ადრეულ ტესტებში | 2-3x (GPU სამუშაოებზე) |
| Lam Research ამოჭმის მოდელირება NanoVDB-ით | 30x-მდე |
| KLA ინსპექცია NPP-ით CPU-სთან შედარებით | 50x-მდე |
| Applied Materials კამერის სიმულაციები | 35x-მდე |
| Synopsys QuantumATK cuEST-ით | 30x |
| Teradyne ზონდის სერვისის ანალიზი | ~85x |
| Cadence თერმული სტრესის ოპტიმიზაცია | 8x |
წყარო: NVIDIA via GlobeNewswire
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.
