Cadence s'associe à Nvidia et Google Cloud pour développer ses technologies d'IA et de robotique.

Cadence Design Systems a annoncé deux collaborations liées à l'IA lors de son événement CadenceLIVE cette semaine, élargissant ainsi son travail avec Nvidia et en introduisant de nouvelles intégrations avec Google CloudLe partenariat avec Nvidia vise à combiner l'IA avec la simulation physique et le calcul accéléré pour les systèmes robotiques et la conception au niveau système.

Les entreprises ont indiqué que cette approche vise la modélisation et le déploiement dans les semi-conducteurs et les infrastructures d'IA à grande échelle, y compris les systèmes robotiques que Nvidia décrit comme IA physique.

🔧 Intégration de la simulation multiphysique et des modèles d'IA

Cadence intègre ses outils de simulation multiphysique et de conception de systèmes Grâce aux bibliothèques CUDA-X de Nvidia, aux modèles d'IA et à l'environnement de simulation Omniverse, ces outils modélisent les interactions thermiques et mécaniques. Ils permettent ainsi aux ingénieurs d'évaluer le comportement des systèmes en conditions réelles d'utilisation. Leur champ d'application s'étend au-delà de la conception de puces et couvre également les composants d'infrastructure tels que les réseaux et les systèmes d'alimentation.

Cette plateforme intégrée permet aux ingénieurs de simuler le comportement du système avant son déploiement physique. Les entreprises ont indiqué que les performances du système dépendent du fonctionnement conjoint des systèmes de calcul, de réseau et d'alimentation.

🤖 Formation en développement et simulation robotique

Cette collaboration inclut également le développement de la robotique. Les moteurs physiques de Cadence, qui modélisent les interactions des matériaux réels, sont associés aux modèles d'IA de Nvidia utilisés pour entraîner des systèmes robotiques pilotés par l'IA dans des environnements simulés.

« Nous collaborons avec vous au sein du conseil d'administration sur les systèmes robotiques. » a déclaré Jensen Huang, PDG de Nvidia, lors de l'événement.

L'entraînement des robots par simulation réduit le besoin de collecter des données réelles. Les entreprises précisent que ces ensembles de données doivent être générés à l'aide de modèles physiques et non issus de systèmes physiques. Ces données issues de la simulation servent à entraîner les modèles, et les résultats dépendent de la précision des modèles physiques sous-jacents.

« Plus les données d'entraînement générées sont précises, meilleur sera le modèle. » a déclaré Anirudh Devgan, PDG de Cadence.

Nvidia a indiqué que ces systèmes sont utilisés pour modéliser des opérations robotiques complexes et des lignes de production complètes à l'aide d'environnements numériques physiquement précis.

☁️ Automatisation de la conception de puces sur le cloud

Par ailleurs, Cadence a lancé un nouveau Agent IA Conçu pour automatiser les tâches de conception de puces en phase finale, cet agent se concentre sur le routage physique, traduisant les schémas de circuits en implémentations sur silicium. Cette version s'appuie sur un agent précédent, lancé cette année, dédié à la conception de puces en amont, où les circuits sont définis par des descriptions de type code.

Le système sera disponible via Google CloudCadence a indiqué que cette intégration combine ses outils d'automatisation de la conception électronique avec les modèles Gemini de Google pour des flux de travail automatisés de conception et de vérification. Le déploiement dans le cloud permet aux équipes d'exécuter ces charges de travail sans dépendre d'une infrastructure informatique sur site.

Cadence Plateforme ChipStack AI Super Agent Le système utilise un raisonnement basé sur des modèles et des outils de conception natifs pour coordonner les tâches à différentes étapes de la conception. Il peut interpréter les exigences de conception et exécuter automatiquement les tâches à chaque étape du processus.

« Nous contribuons à la construction de systèmes d'IA, et ces systèmes d'IA peuvent ensuite contribuer à améliorer le processus de conception. » Devgan a dit.

Les entreprises ont indiqué que les outils de simulation servent à valider les systèmes dans des environnements virtuels avant leur déploiement physique. Les jumeaux numériques permettent aux ingénieurs de tester les compromis de conception, d'évaluer différents scénarios de performance et d'optimiser les configurations logicielles. Elles ont ajouté que le coût et la complexité des infrastructures de centres de données à grande échelle limitent le recours aux méthodes de déploiement empiriques.

⚛️ Annonce concernant les modèles quantiques

Dans une annonce distincte, Nvidia a présenté une famille de modèles d'IA quantique open source appelés NVIDIA IsingCes modèles tirent leur nom du modèle d'Ising, un cadre mathématique utilisé pour représenter les interactions dans les systèmes physiques.

Les modèles sont conçus pour soutenir étalonnage des processeurs quantiques et correction des erreurs quantiquesNvidia a déclaré que les modèles offrent jusqu'à Performances 2,5 fois plus rapides et précision trois fois supérieure dans les processus de décodage utilisés pour la correction d'erreurs.

« L’IA est essentielle pour rendre l’informatique quantique pratique. » Huang a dit. « Avec Ising, l'IA devient le plan de contrôle – le système d'exploitation des machines quantiques – transformant les qubits fragiles en systèmes GPU quantiques évolutifs et fiables. »

(Photo par Appareils Homa)

Voir aussi : Hyundai se développe dans les systèmes de robotique et d'IA physique