Симуляция физического мира для роботов
Компания Cadence объявила о расширении сотрудничества с Nvidia. Основное внимание уделяется объединению искусственного интеллекта с физическим моделированием. Это необходимо для создания и тестирования сложных робототехнических систем и полупроводниковой инфраструктуры.
Инструменты Cadence позволяют моделировать тепловые и механические взаимодействия. Это дает инженерам возможность проверить, как оборудование будет вести себя в реальных условиях эксплуатации, еще до того, как оно будет физически изготовлено.
Технологии также применяются для обучения роботов в виртуальной среде. Вместо сбора данных в реальном мире компании используют высокоточные физические модели. Чем точнее эти модели, тем эффективнее обучаются системы «физического ИИ».
Цифровые двойники в промышленности
Nvidia уже предоставляет свои инструменты для создания цифровых двойников — виртуальных копий реальных объектов. Крупные производители робототехники, такие как ABB Robotics, FANUC, YASKAWA и KUKA, используют эти технологии для виртуального запуска производственных линий.
Такой подход позволяет тестировать сложные операции и целые производственные циклы в программном обеспечении. Это снижает риски и затраты, связанные с методом проб и ошибок при развертывании реального оборудования.
Автоматизация проектирования чипов
Cadence представила нового ИИ-агента для автоматизации финальных этапов проектирования микросхем. Если предыдущие системы помогали на этапе создания схем, то новый инструмент отвечает за перевод этих схем в физическую структуру на кремнии.
Новая технология будет доступна через Google Cloud. Интеграция инструментов проектирования Cadence с моделями Gemini от Google позволит командам выполнять задачи по проектированию и проверке в облаке, не полагаясь на собственные вычислительные мощности.
Платформа ChipStack AI Super Agent использует логические рассуждения для координации задач на разных этапах проектирования. По данным компании, в первых случаях применения это позволило повысить производительность в 10 раз.
Развитие квантовых вычислений
В рамках своих анонсов Nvidia также представила семейство моделей NVIDIA Ising для квантового ИИ. Эти модели предназначены для калибровки квантовых процессоров и исправления ошибок.
Использование ИИ в этой области позволяет ускорить процессы декодирования в 2,5 раза и повысить точность в три раза. Это делает квантовые системы более надежными и масштабируемыми.
Что это значит
Развитие инструментов симуляции и облачных ИИ-агентов позволяет инженерам перенести процесс тестирования сложных систем — от роботов до микросхем — в виртуальную среду, что значительно ускоряет разработку и снижает затраты на ошибки.