Cadence se asocia con Nvidia y Google Cloud para expandir su tecnología de IA y robótica.

Cadence Design Systems anunció dos colaboraciones relacionadas con la IA en su evento CadenceLIVE esta semana, ampliando su trabajo con Nvidia y presentando nuevas integraciones con Google CloudLa colaboración con Nvidia se centra en combinar la IA con la simulación basada en la física y la computación acelerada para sistemas robóticos y diseño a nivel de sistema.

Las empresas dijeron que el enfoque apunta al modelado y despliegue en semiconductores e infraestructura de IA a gran escala, incluidos los sistemas robóticos que Nvidia describe como IA física.

🔧 Integración de simulación multifísica y modelos de IA

Cadence está integrando su Herramientas de simulación multifísica y diseño de sistemas Con las bibliotecas CUDA-X de Nvidia, modelos de IA y un entorno de simulación basado en Omniverse, estas herramientas modelan las interacciones térmicas y mecánicas para que los ingenieros puedan evaluar el comportamiento de los sistemas en condiciones de funcionamiento reales. Además, abarcan componentes de infraestructura como redes y sistemas de alimentación, más allá del diseño de chips.

La plataforma combinada permite a los ingenieros simular el comportamiento del sistema antes de su implementación física. Las empresas afirmaron que el rendimiento del sistema depende de cómo interactúan los sistemas de computación, redes y alimentación eléctrica.

🤖 Formación en desarrollo y simulación de robótica

La colaboración también incluye el desarrollo de robótica. Los motores de física de Cadence, que modelan cómo interactúan los materiales del mundo real, se están integrando con los modelos de IA de Nvidia, utilizados para entrenar sistemas robóticos basados ​​en inteligencia artificial en entornos simulados.

"Estamos trabajando con ustedes en la junta directiva en sistemas robóticos." Así lo afirmó Jensen Huang, CEO de Nvidia, durante el evento.

El entrenamiento de robots mediante simulación reduce la necesidad de recopilar datos del mundo real. Las empresas indicaron que estos conjuntos de datos deben generarse con modelos basados ​​en la física, no a partir de sistemas físicos. Los conjuntos de datos generados por simulación se utilizan para entrenar los modelos, y los resultados dependen de la precisión de los modelos físicos subyacentes.

"Cuanto más precisos sean los datos de entrenamiento generados, mejor será el modelo." dijo el director ejecutivo de Cadence, Anirudh Devgan.

Nvidia afirmó que estos sistemas se utilizan para modelar operaciones robóticas complejas y líneas de producción completas mediante entornos digitales físicamente precisos.

☁️ Automatización del diseño de chips en la nube

Por otra parte, Cadence presentó un nuevo agente de IA Diseñado para automatizar las tareas de diseño de chips en etapas avanzadas. El agente se centra en los procesos de diseño físico, traduciendo los diseños de circuitos a implementaciones en silicio. Esta versión se basa en un agente anterior presentado este año para el diseño de chips en la fase inicial, donde los circuitos se definen mediante descripciones similares a código.

El sistema estará disponible a través de Google CloudCadence afirmó que la integración combina sus herramientas de automatización del diseño electrónico con los modelos Gemini de Google para flujos de trabajo automatizados de diseño y verificación. La implementación en la nube permite a los equipos ejecutar estas cargas de trabajo sin depender de infraestructura informática local.

Cadencia Plataforma ChipStack AI Super Agent Utiliza el razonamiento basado en modelos con herramientas de diseño nativas para coordinar tareas en múltiples etapas del diseño. El sistema puede interpretar los requisitos de diseño y ejecutar automáticamente tareas en diferentes etapas del proceso de diseño.

"Ayudamos a construir sistemas de IA, y luego esos sistemas de IA pueden ayudar a mejorar el proceso de diseño." dijo Devgan.

Las empresas indicaron que las herramientas de simulación se utilizan para validar los sistemas en entornos virtuales antes de su implementación física. Los modelos de gemelos digitales permiten a los ingenieros probar las ventajas y desventajas del diseño, evaluar escenarios de rendimiento y optimizar las configuraciones del software. Añadieron que el costo y la complejidad de la infraestructura de centros de datos a gran escala limitan el uso de métodos de implementación por ensayo y error.

⚛️ Anuncio de modelos cuánticos

En un anuncio aparte, Nvidia presentó una familia de modelos de IA cuántica de código abierto llamados NVIDIA IsingLos modelos reciben su nombre del modelo de Ising, un marco matemático utilizado para representar las interacciones en sistemas físicos.

Los modelos están diseñados para brindar soporte. Calibración de procesadores cuánticos y corrección de errores cuánticosNvidia dijo que los modelos ofrecen hasta Rendimiento 2,5 veces más rápido y tres veces mayor precisión en procesos de decodificación utilizados para la corrección de errores.

"La IA es esencial para que la computación cuántica sea práctica." dijo Huang. "Con Ising, la IA se convierte en el plano de control —el sistema operativo de las máquinas cuánticas—, transformando los frágiles cúbits en sistemas de GPU cuántica escalables y fiables."

(Foto por Electrodomésticos Homa)

Véase también: Hyundai se expande al campo de la robótica y los sistemas de IA física.