- Konu Yazar
- #1
Yarı İletken ve Otonom Sistemlerde GPU Hızlandırmalı Simülasyonlar
Modern mikroelektronik tasarım ve çok alanlı fiziksel simülasyonlar, nanometre altı litografi düğümlerine, çoklu kalıp 3D paketlemeye ve gerçek zamanlı fiziksel yapay zeka testlerine ölçeklenirken hesaplama darboğazlarıyla karşılaşıyor. Geleneksel CPU mimarileri, yoğun kısmi diferansiyel denklemleri ve hacimsel optik modelleri kabul edilebilir tasarım döngüsü süreleri içinde işlemek için yetersiz kalıyor, bu da mühendislik ekiplerini sayısal hassasiyet ve simülasyon hızı arasında ödün vermeye zorluyor.
Synopsys ve NVIDIA İş Birliği
Synopsys, NVIDIA GTC Berlin'de, 50'den fazla NVIDIA CUDA-X kütüphanesi ve çerçevesiyle entegre edilmiş 20'den fazla GPU destekli elektronik tasarım otomasyonu (EDA) ve çoklu fizik simülasyon aracından oluşan genişletilmiş portföyünü sergiledi. Bu mühendislik girişimi, hesaplama yoğun TCAD (Teknoloji Bilgisayar Destekli Tasarım), sonlu fark zaman alanı (FDTD) elektro-optik çözücüler, optik ışın izleme ve otonom araç güvenliği doğrulama iş akışlarını doğrudan GPU hızlandırmalı bilgi işlem mimarilerine taşımaya odaklanıyor.
Yarı İletken Üretimi ve Cihaz Fiziği Çözücüleri
Gelişmiş düğüm yarı iletkenlerde fiziksel ölçekleme, derin süreç emülasyonu ve cihaz modellemesi gerektirir. TCAD iş akışlarında, aşırı voltaj gradyanları altında elektrik alan dağılımlarını, taşıyıcı taşınımını ve termal kaçışı hesaplamak, büyük seyrek doğrusal denklem sistemlerini çözmeyi içerir.
- Infineon Örneği: Infineon, Synopsys Sentaurus Device'ı NVIDIA cuDSS (CUDA Direct Sparse Solver) kütüphanesiyle birlikte kullanarak, yeni nesil güç elektroniğinde 3D elektriksel arıza analizi için simülasyon süresinde 12 kat azalma sağladı.
- Imec Örneği: Avrupa araştırma kurumu Imec, Synopsys S-Litho hesaplamalı litografi yazılımını süreç modelleme akışlarına entegre etti. NVIDIA CUDA-X hızlandırmalı kütüphaneleri kullanarak, Imec, geleneksel CPU ortamlarına kıyasla Yüksek-NA EUV kıyaslama iş yüklerinde 40 kata kadar yürütme hızı artışı ölçtü.
Otomotiv Sensör Simülasyonu ve İzlenebilir Fonksiyonel Güvenlik
Otonom sürüş doğrulaması, sanal ortamların sensör uyaranlarını doğrudan otonom sürüş algılama yığınlarına yansıttığı kapalı döngü doğrulamayı gerektirir.
- Synopsys, doğrulama paketini NVIDIA Halos SAFE güvenlik güvence çerçevesiyle entegre ederek doğrulanabilir bir güvenlik yaşam döngüsü iş akışı oluşturdu.
- T-Systems İş Birliği: Optik dış aydınlatma simülasyonu için Synopsys, T-Systems ile iş birliği yaparak, FORVIA HELLA tarafından onaylanan bir otomotiv aydınlatma iş yükünü T-Systems'ın egemen Endüstriyel Yapay Zeka Bulutu'nda çalıştırdı. Ansys Speos aracılığıyla NVIDIA GPU düğümlerinde Monte Carlo optik ışın izleme çalıştırmak, toplam simülasyon süresini CPU kümelerinde 4,5 saatten 19 dakikanın altına düşürdü.
Fotonik Alıcı-Verici ve Yüksek Yoğunluklu Optik Ara Bağlantı Tasarımı
Yapay zeka veri merkezi kümeleri, bakır kanal kaybı, dağılım ve termal dağılım sınırlarını aşmak için optik ara bağlantılar talep ediyor. Entegre silikon fotonik tasarımı, binlerce zaman adımında alt dalga boyu uzaysal ızgaralar üzerinde Maxwell'in kıvrım denklemlerini ayrıştıran 3D sonlu fark zaman alanı (FDTD) yöntemleri aracılığıyla tam dalga elektromanyetik modelleme gerektirir.
- iPronics Örneği: iPronics, Amazon Web Services (AWS) altyapısında NVIDIA H100 GPU kümelerinde Ansys Lumerical FDTD'yi dağıttı. GPU hızlandırmalı elektromanyetik çözücü, 96 çekirdekli bir CPU taban çizgisine kıyasla 13 kat hızlanma sağladı.
- Alcyon Photonics Örneği: Alcyon Photonics, entegre silikon fotonik alıcı-vericileri, yönlü kuplörleri ve geniş bant yönlendirme alt sistemlerini modellemek için Ansys Lumerical'ı entegre etti.
Ek Bilgiler: GPU Hızlandırmanın Mimari Geçişi
EDA içinde GPU hızlandırmalı bilgi işleme geçişi, dağıtılmış, bellek bant genişliği kısıtlı CPU kümelerinden, devasa paralel heterojen mimarilere doğru bir mimari geçişi temsil ediyor. NVIDIA cuDSS'nin tanıtılması, GPU tensör ve CUDA çekirdekleri için optimize edilmiş toplu çoklu cepheli Cholesky, LU ve LDLT çarpanlarına ayırmaları uygulayarak bu sorunu ele alıyor.
Rekabetçi EDA Ortamı
- Cadence Design Systems: Palladium Z2/Z3 donanım emülasyon platformlarını ve Cadence Millennium Enterprise Multiphysics Platformunu geliştirdi. Millennium platformu, özel GPU bilgi işlem cihazlarını tescilli sonlu hacim hesaplamalı akışkan dinamiği (CFD) ve aerodinamik çözücülerle eşleştirerek mekanik ve çoklu fizik modellemede 20 ila 100 kat hızlanma sağlıyor.
- Siemens EDA: Calibre nmPlatform (optik yakınlık düzeltmesi ve makine öğrenimi destekli DRC için) ve Questa doğrulama platformu gibi belirli doğrulama düğümlerinde GPU hızlandırmasını kullanıyor. Siemens, yüksek çekirdekli kurumsal sunucu CPU'ları arasında dağıtılmış çoklu iş parçacığını vurgularken, Synopsys GPU hızlandırmasını TCAD matris çözücüler, sonlu fark zaman alanı fotoniği ve fiziksel aydınlatma simülasyonu boru hatları genelinde genişletti.
