Cadence kooperiert mit Nvidia und Google Cloud, um die KI- und Robotiktechnologie auszubauen.

Cadence Design Systems kündigte diese Woche auf seiner CadenceLIVE-Veranstaltung zwei Kooperationen im Bereich KI an und erweitert damit seine Arbeit mit Nvidia und die Einführung neuer Integrationen mit Google CloudDie Partnerschaft mit Nvidia konzentriert sich auf die Kombination von KI mit physikbasierter Simulation und beschleunigtem Rechnen für Robotersysteme und Systemdesign.

Die Unternehmen gaben an, dass der Ansatz auf die Modellierung und den Einsatz in Halbleitern und großflächiger KI-Infrastruktur abzielt, einschließlich Robotersystemen, die Nvidia wie folgt beschreibt: Physikalische KIDie

🔧 Integration von Multi-Physik-Simulationen und KI-Modellen

Cadence integriert seine Multiphysikalische Simulations- und Systemdesignwerkzeuge Mithilfe von Nvidias CUDA-X-Bibliotheken, KI-Modellen und der Omniverse-basierten Simulationsumgebung modellieren die Tools thermische und mechanische Wechselwirkungen, sodass Ingenieure das Systemverhalten unter realen Betriebsbedingungen beurteilen können. Sie gehen über das Chipdesign hinaus und decken auch Infrastrukturkomponenten wie Netzwerk- und Stromversorgungssysteme ab.

Die kombinierte Plattform ermöglicht es Ingenieuren, das Systemverhalten vor der physischen Implementierung zu simulieren. Die Unternehmen gaben an, dass die Systemleistung davon abhängt, wie Rechen-, Netzwerk- und Stromversorgungssysteme zusammenarbeiten.

🤖 Robotikentwicklung und Simulationstraining

Die Zusammenarbeit umfasst auch die Robotikentwicklung. Die Physik-Engines von Cadence, die die Wechselwirkungen realer Materialien modellieren, werden mit den KI-Modellen von Nvidia verknüpft, die zum Training KI-gesteuerter Robotersysteme in simulierten Umgebungen verwendet werden.

„Wir arbeiten im Vorstand mit Ihnen an Robotersystemen.“ sagte Nvidia-CEO Jensen Huang während der Veranstaltung.

Das Training von Robotern in Simulationen reduziert den Bedarf an realen Daten. Die Unternehmen gaben an, dass diese Datensätze mithilfe physikalischer Modelle generiert werden müssen, die nicht aus realen Systemen stammen. Simulationsgenerierte Datensätze dienen dem Training der Modelle, wobei die Ergebnisse von der Genauigkeit der zugrunde liegenden physikalischen Modelle abhängen.

„Je genauer die generierten Trainingsdaten sind, desto besser wird das Modell sein.“ sagte Cadence-CEO Anirudh Devgan.

Nvidia erklärte, dass diese Systeme dazu dienen, komplexe Roboteroperationen und ganze Produktionslinien mithilfe physikalisch präziser digitaler Umgebungen zu modellieren.

☁️ Chipdesign-Automatisierung in der Cloud

Unabhängig davon stellte Cadence ein neues Produkt vor. KI-Agent Dieser Agent wurde entwickelt, um Aufgaben in späteren Phasen des Chipdesigns zu automatisieren. Er konzentriert sich auf die physikalischen Layoutprozesse und übersetzt Schaltungsentwürfe in Siliziumimplementierungen. Diese Version baut auf einem bereits in diesem Jahr eingeführten Agenten für das Front-End-Chipdesign auf, bei dem Schaltungen in codeähnlichen Beschreibungen definiert werden.

Das System wird verfügbar sein über Google CloudCadence erklärte, die Integration verbinde seine Tools für die elektronische Designautomatisierung mit Googles Gemini-Modellen für automatisierte Design- und Verifizierungs-Workflows. Die Cloud-Bereitstellung ermöglicht es Teams, diese Workloads auszuführen, ohne auf lokale Recheninfrastruktur angewiesen zu sein.

Cadence's ChipStack AI Super Agent Plattform Das System nutzt modellbasiertes Schließen in Verbindung mit nativen Designwerkzeugen, um Aufgaben in mehreren Designphasen zu koordinieren. Es kann Designanforderungen interpretieren und Aufgaben in verschiedenen Phasen des Designprozesses automatisch ausführen.

„Wir helfen beim Aufbau von KI-Systemen, und diese KI-Systeme können dann dazu beitragen, den Designprozess zu verbessern.“ Devgan sagte.

Die Unternehmen gaben an, dass Simulationstools zur Validierung von Systemen in virtuellen Umgebungen vor der physischen Implementierung eingesetzt werden. Digitale Zwillingsmodelle ermöglichen es Ingenieuren, Design-Kompromisse zu testen, Leistungsszenarien zu bewerten und Softwarekonfigurationen zu optimieren. Sie fügten hinzu, dass die Kosten und die Komplexität großflächiger Rechenzentrumsinfrastrukturen den Einsatz von Trial-and-Error-Irrtum-Implementierungsmethoden einschränken.

⚛️ Ankündigung von Quantum Models

In einer separaten Ankündigung stellte Nvidia eine Familie von Open-Source-Quanten-KI-Modellen vor, die NVIDIA IsingDie Modelle sind nach dem Ising-Modell benannt, einem mathematischen Rahmenwerk zur Darstellung von Wechselwirkungen in physikalischen Systemen.

Die Modelle sind so konzipiert, dass sie Folgendes unterstützen: Kalibrierung des Quantenprozessors und Korrektur von QuantenfehlernNvidia gab an, dass die Modelle bis zu … leisten. 2,5-mal schnellere Leistung Und dreifach höhere Genauigkeit in Dekodierungsprozessen, die zur Fehlerkorrektur verwendet werden.

„Künstliche Intelligenz ist unerlässlich, um Quantencomputing praktisch nutzbar zu machen.“ Huang sagte. „Mit Ising wird KI zur Steuerungsebene – zum Betriebssystem von Quantenmaschinen – und verwandelt fragile Qubits in skalierbare und zuverlässige Quanten-GPU-Systeme.“

(Foto von Homa Haushaltsgeräte)

Siehe auch: Hyundai expandiert in die Bereiche Robotik und physikalische KI-Systeme.