NVIDIA дала ИИ-агентам физические симуляции и инструменты проектирования чипов
Физические модели стали доступными инструментами агента
NVIDIA переработала PhysicsNeMo в набор библиотек, которые ИИ-агент может вызывать в ходе инженерной задачи. Они предназначены для обучения и запуска настраиваемых моделей, учитывающих физические процессы.
В Agent Toolkit также вошли новые и обновлённые библиотеки CUDA-X. Среди них cuISS и cuDSS для решения больших разреженных систем линейных уравнений, которые встречаются в моделировании устройств, электронных схем и промышленных систем. Библиотека cuEST добавляет расчёты электронной структуры и методы квантовой химии.
За счёт этих компонентов агент может получить задачу, подобрать нужный инструмент, запустить вычисление и обработать результат. Раньше подобная работа требовала отдельных специализированных программ и ручного переключения между ними.
Nemotron 3 Ultra пишет и проверяет аппаратный код
Отдельная часть анонса связана с проектированием микросхем. NVIDIA представила связку открытой модели Nemotron 3 Ultra и исследовательского агента ACE-RTL, который работает с RTL-кодом - описанием цифровых схем на уровне передачи данных между регистрами.
Компания утверждает, что эта связка лидирует среди открытых моделей в тесте Verilog-задач. Агент может генерировать аппаратный код, участвовать в проверке схем и работать с внутренними данными предприятия. Модель допускает дополнительное обучение и локальное развёртывание, что важно для проектов с закрытой документацией.
Результаты теста опубликованы самой NVIDIA. Независимой оценки качества ACE-RTL в реальных проектах пока нет.
Cadence, Siemens и Synopsys автоматизируют инженерные расчёты
Cadence применяет технологии NVIDIA в проектировании печатных плат, упаковке чипов и многофизическом моделировании. Компания заявляет об ускорении отдельных расчётов до 20 раз.
Siemens использует Nemotron, NeMo Gym и библиотеки CUDA-X в агенте Fuse EDA AI Agent. В Solido Characterization Suite такие процессы, по данным компании, ускорили характеризацию библиотек более чем в десять раз и во столько же сократили расходы токенов.
Synopsys показала агентный процесс для теплового моделирования охлаждения GPU. Система самостоятельно настраивает симуляцию в Ansys Icepak, запускает расчёт, а затем обрабатывает результаты.
Все показатели приведены участниками проекта. Они демонстрируют возможный выигрыш в отдельных сценариях, но пока не позволяют оценить стабильность платформы на разных инженерных задачах.
Агентам потребуется проверяемый результат
Инженерные агенты заметно отличаются от универсальных помощников для текста и программного кода. Их ответ можно проверить через физическую модель, симулятор, формальную верификацию схемы или повторный расчёт.
Поэтому такой сценарий выглядит убедительнее многих заявлений об «автономных сотрудниках». Агент получает ограниченную задачу, работает с известными инструментами и выдаёт результат, который допускает численную проверку.
Слабое место остаётся прежним: автоматизация цепочки действий не гарантирует корректности исходных условий. Ошибка в постановке задачи, граничных параметрах или выбранной модели способна дать правдоподобный, но неверный расчёт.
NVIDIA собирает платформу для автономной инженерии
Расширение Agent Toolkit показывает, куда NVIDIA ведёт агентную платформу. Компания связывает языковые модели со своими библиотеками ускоренных вычислений и превращает их в доступные агенту инженерные функции.
Первым крупным рынком становится проектирование электроники, где дорого обходятся ручная настройка симуляций и повторяющиеся проверки. Главной метрикой успеха будет качество результатов после независимой инженерной верификации, а не количество операций, которые агент способен выполнить без участия человека.
Часть представленных функций находится на разных стадиях разработки. Точные сроки их общей доступности NVIDIA не назвала.
