Cadence Design Systems a annoncé cette semaine deux collaborations liées à l’IA lors de son événement CadenceLIVE, élargissant son travail avec Nvidia et introduisant de nouvelles intégrations avec Google Cloud. Le partenariat Nvidia se concentre sur la combinaison de l’IA avec la simulation basée sur la physique et le calcul accéléré pour les systèmes robotiques et la conception au niveau système.
Les sociétés ont déclaré que l’approche visait 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 une IA physique.
Cadence intègre ses outils de simulation multiphysique et de conception de systèmes aux bibliothèques CUDA-X, aux modèles d’IA et à l’environnement de simulation basé sur Omniverse de Nvidia. Les outils modélisent les interactions thermiques et mécaniques afin que les ingénieurs puissent évaluer le comportement des systèmes dans des conditions de fonctionnement réelles. Ils vont également au-delà de la conception de puces pour couvrir les composants d’infrastructure tels que les réseaux et les systèmes d’alimentation. La plateforme combinée permet aux ingénieurs de simuler le comportement du système avant le déploiement physique. Les sociétés ont déclaré que les performances du système dépendent de la manière dont les systèmes de calcul, de réseau et d’alimentation fonctionnent ensemble.
La collaboration comprend également le développement de la robotique. Les moteurs physiques de Cadence, qui modélisent la façon dont les matériaux du monde réel interagissent, sont liés aux modèles d’IA de Nvidia utilisés pour former des systèmes robotiques pilotés par l’IA dans des environnements simulés.
« Nous travaillons avec vous au sein du conseil d’administration sur les systèmes robotiques », a déclaré Jensen Huang, PDG de Nvidia, lors de l’événement.
La formation des robots à la simulation réduit le besoin de collecte de données réelles. Les entreprises ont déclaré que ces ensembles de données doivent être générés avec des modèles basés sur la physique et non issus de systèmes physiques. Les ensembles de données générés par simulation sont utilisés pour entraîner des modèles, les résultats dépendant 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 déclaré que les sociétés de robotique industrielle utilisent ses cadres de simulation Isaac et ses outils de jumeaux numériques basés sur Omniverse pour tester les systèmes robotiques avant leur déploiement. Des sociétés telles qu’ABB Robotics, FANUC, YASKAWA et KUKA intègrent ces outils de simulation dans des flux de travail de mise en service virtuelle pour tester les systèmes de production dans les logiciels avant le déploiement physique.
Nvidia a déclaré que ces systèmes sont utilisés pour modéliser des opérations robotiques complexes et des lignes de production entières à l’aide d’environnements numériques physiquement précis.
Automatisation de la conception de puces sur le cloud
Par ailleurs, Cadence a introduit un nouvel agent d’IA conçu pour automatiser les tâches ultérieures de conception de puces. L’agent se concentre sur les processus de configuration physique, traduisant les conceptions de circuits en implémentations sur silicium. Cette version s’appuie sur un agent antérieur introduit cette année pour la conception de puces frontales, où les circuits sont définis dans des descriptions de type code. Ce système antérieur gère la conception des circuits, tandis que le nouvel agent se concentre sur la traduction de ces conceptions en configurations physiques sur silicium.
Le système sera disponible via Google Cloud. Cadence a déclaré que l’intégration combine ses outils d’automatisation de la conception électronique avec les modèles Gemini de Google pour les flux de travail automatisés de conception et de vérification. Le déploiement cloud permet aux équipes d’exécuter ces charges de travail sans dépendre d’une infrastructure de calcul sur site.
La plateforme ChipStack AI Super Agent de Cadence utilise un raisonnement basé sur des modèles avec des outils de conception natifs pour coordonner les tâches dans plusieurs étapes de conception. Le système peut interpréter les exigences de conception et exécuter automatiquement des tâches à différentes étapes du processus de conception.
Cadence a signalé des gains de productivité jusqu’à 10 fois supérieurs lors des premiers déploiements dans les tâches de conception et de vérification. La société n’a pas divulgué les implémentations spécifiques des clients.
« Nous aidons à créer des systèmes d’IA, et ces systèmes d’IA peuvent ensuite contribuer à améliorer le processus de conception », a déclaré Devgan.
Les sociétés ont déclaré que les outils de simulation sont utilisés pour valider les systèmes dans des environnements virtuels avant le déploiement physique. Les modèles de jumeaux numériques permettent aux ingénieurs de tester les compromis de conception, d’évaluer les scénarios de performances et d’optimiser les configurations logicielles.
Ils ont ajouté que le coût et la complexité de l’infrastructure des centres de données à grande échelle limitent le recours à des méthodes de déploiement par essais et erreurs.
Annonce des modèles quantiques
Dans une annonce distincte, Nvidia a présenté une famille de modèles d’IA quantique open source appelée NVIDIA Ising. Les modèles portent le nom du modèle d’Ising, un cadre mathématique utilisé pour représenter les interactions dans les systèmes physiques.
Les modèles sont conçus pour prendre en charge l’étalonnage des processeurs quantiques et la correction des erreurs quantiques. Nvidia a déclaré que les modèles offrent des performances jusqu’à 2,5 fois plus rapides et une précision trois fois supérieure dans les processus de décodage utilisés pour la correction des erreurs.
« L’IA est essentielle pour rendre l’informatique quantique pratique », a déclaré Huang. « 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 Homa Appareils)
