
Розширення NVIDIA Agent Toolkit для інженерії
NVIDIA розширила свій інструментарій NVIDIA Agent Toolkit, інтегрувавши перероблені бібліотеки NVIDIA PhysicsNeMo та оновлені бібліотеки NVIDIA CUDA-X. Це розширення надає розробникам можливість створювати автономних інженерів ШІ, які володіють навичками фізики ШІ, прискореними розв'язувачами та можливостями квантової хімії.
За словами Тімоті Кости, віцепрезидента та генерального менеджера з обчислювальної інженерії в NVIDIA, інженерія досягла переломного моменту, де ШІ може працювати з інструментами фізики, симуляції та проєктування. Це дозволяє розробникам створювати агентних інженерів, які використовують фізику, виконують складні симуляції та генерують високоточні дані для інновацій у проєктуванні чипів та систем.
Ключові можливості нових бібліотек
- Навички фізики ШІ: Бібліотеки NVIDIA PhysicsNeMo допомагають агентам навчати та розгортати настроювані моделі фізики ШІ для складних завдань проєктування та симуляції.
- Ітераційні розріджені розв'язувачі: Нова бібліотека NVIDIA cuISS (CUDA Iterative Sparse Solvers) прискорює великі розріджені лінійні системи у фізичних та інженерних симуляціях, забезпечуючи гнучкість та продуктивність на GPU.
- Прямі розріджені розв'язувачі: NVIDIA cuDSS (CUDA Direct Sparse Solvers) прискорює великі, складні розріджені лінійні системи, що є центральними для автоматизації електронного проєктування (EDA) та наукових симуляцій.
- Квантова хімія: NVIDIA cuEST (CUDA Electronic Structure Theory) забезпечує високоточні симуляції квантової хімії, інтегруючи методи теорії функціоналу густини (DFT) та пост-DFT у виробничі робочі процеси.
NVIDIA Nemotron 3 Ultra для кодування чипів
NVIDIA Nemotron 3 Ultra є лідером серед відкритих моделей у агентному кодуванні рівня регістрових передач (RTL), що є критично важливим для проєктування чипів. Завдяки агенту ACE-RTL від NVIDIA Research, Nemotron 3 Ultra демонструє високу точність та ефективність у завданнях кодування RTL. Модель може бути донавчана на власних даних та розгорнута локально або на власних серверах, забезпечуючи підприємствам більший контроль, налаштування та конфіденційність даних.
Застосування в індустрії
Провідні компанії вже використовують розширені компоненти NVIDIA Agent Toolkit для розробки автономних інженерів ШІ:
- Cadence використовує NVIDIA Nemotron, прискорені обчислення та бібліотеки CUDA-X для автономного проєктування передової упаковки та друкованих плат (PCB), досягаючи до 20 разів швидшої багатофізичної продуктивності.
- Synopsys застосовує NVIDIA Agent Toolkit, мікросервіси NIM, моделі Nemotron та бібліотеки NeMo Gym для створення прискорених агентних робочих процесів у проєктуванні чипів та систем.
- Siemens використовує NVIDIA NeMo Gym, моделі Nemotron та бібліотеки CUDA-X з Siemens Fuse EDA AI Agent для оркестрації багатоінструментальних та багатоагентних робочих процесів у напівпровідниковій, 3D-IC, PCB та системній інженерії.
- Samsung використовує NVIDIA cuLitho та бібліотеки CUDA-X для 20-кратного підвищення продуктивності в обчислювальній літографії та NVIDIA PhysicsNeMo для аналізу термічних напружень на рівні чипа.
- ChipAgents створює доменні агенти ШІ для проєктування та верифікації чипів, донавчаючи моделі NVIDIA Nemotron.
- Silvaco використовує прискорені обчислення NVIDIA для масштабування високоточної 3D оптичної симуляції, виконавши симуляцію 3,2 мільярда вузлів сітки за менш ніж чотири години на 32 GPU.
- Keysight використовує NVIDIA cuDSS для прискорення електромагнітних симуляцій до 10 разів.
- Samsung, Synopsys та TSMC інтегрують NVIDIA cuEST у свої GPU-прискорені конвеєри для прискорення ключових робочих навантажень квантової хімії до 50 разів.
Що це означає для розробників
Розробники тепер можуть використовувати розширений NVIDIA Agent Toolkit, включаючи PhysicsNeMo та CUDA-X бібліотеки, для створення автономних інженерів ШІ, які володіють навичками фізики, прискореними розв'язувачами та можливостями квантової хімії. Це дозволяє їм розробляти спеціалізовані інженерні помічники ШІ для складних завдань проєктування чипів, систем та промислової інженерії.
Ключові факти
-
NVIDIA розширила Agent Toolkit, додавши бібліотеки PhysicsNeMo та CUDA-X.
-
Нові можливості дозволяють створювати автономних інженерів ШІ з навичками фізики, прискореними розв'язувачами та квантовою хімією.
-
NVIDIA Nemotron 3 Ultra лідирує серед відкритих моделей у агентному кодуванні RTL для проєктування чипів.
-
Бібліотеки CUDA-X включають cuISS (ітераційні розріджені розв'язувачі), cuDSS (прямі розріджені розв'язувачі) та cuEST (квантова хімія).
-
Провідні компанії, такі як Cadence, Synopsys, Siemens, Samsung, ChipAgents, Silvaco та Keysight, вже використовують ці технології для прискорення інженерних робочих процесів.
Джерела
Попередні статті

Пентагон оновив базу даних втрат, змінивши категорію та переглянувши цифри
Пентагон оновив свою публічну базу даних втрат, переглянувши цифри та запровадивши нову категорію «Overseas Operations» замість «Operation Epic Fury».

Пентагон змінює дані про втрати: невідповідності у звітах про війну з Іраном
Пентагон зіткнувся з питаннями щодо послідовності даних про втрати у війні з Іраном, змінюючи класифікацію та кількість загиблих і поранених на своєму сайті.

Оптимізація розробки ПЗ за допомогою розподілу ролей між моделями ШІ
Використання різних моделей ШІ для планування, кодування, рев'ю та тестування дозволяє виявляти більше дефектів, уникати залежності від одного постачальника та покращувати якість коду.
Наступні статті

Huawei запускає платформу Xinghe AI CloudCampus SaaS у Південній Африці для прискорення цифрової трансформації
Huawei представила нову платформу Xinghe AI CloudCampus SaaS у Південній Африці, спрямовану на зниження бар'єрів для впровадження ШІ та сприяння цифровій трансформації регіону.

Криптовалюти зростають на тлі паузи в конфлікті США та Ірану: аналітики прогнозують «дно» ринку
Провідні криптовалюти, включаючи Bitcoin та Ethereum, зросли на тлі призупинення бойових дій між США та Іраном, а аналітики прогнозують ймовірне досягнення «дна» ринку.

Військова доктрина як основа для багатоагентних систем кодування
Автор переосмислив архітектуру своїх агентів кодування, застосувавши принципи Військового процесу прийняття рішень (MDMP), що призвело до створення більш надійної та керованої системи.