Cadence Design Systems anunció recientemente dos colaboraciones significativas en el ámbito de la inteligencia artificial y la robótica durante su evento CadenceLIVE. Esta expansión incluye un fortalecimiento de su asociación con Nvidia y la incorporación de nuevas integraciones con Google Cloud.
La alianza con Nvidia se centra en la fusión de la inteligencia artificial con simulaciones basadas en la física y el uso de computación acelerada para sistemas robóticos y diseño a nivel de sistema. Ambas compañías afirmaron que esta estrategia apunta a la modelación y el despliegue en semiconductores y en una infraestructura de inteligencia artificial a gran escala, la cual incluye sistemas robóticos que Nvidia clasifica como IA física.
Cadence está integrando sus herramientas de simulación multiphísica y diseño de sistemas con las bibliotecas CUDA-X de Nvidia, así como con modelos de inteligencia artificial y su entorno de simulación basado en Omniverse. Estas herramientas permiten modelar interacciones térmicas y mecánicas, lo que permite a los ingenieros evaluar el comportamiento de los sistemas bajo condiciones operativas reales. Además, la colaboración se extiende más allá del diseño de chips, abarcando componentes de infraestructura como redes y sistemas de energía.
La plataforma combinada permite a los ingenieros simular el comportamiento del sistema antes de su implementación física. Según las empresas, el rendimiento del sistema depende de cómo operan conjuntamente los sistemas de computación, redes y energía. La colaboración también incluye el desarrollo de robótica, donde los motores físicos de Cadence, que modelan cómo interactúan los materiales en el mundo real, se vinculan con los modelos de inteligencia artificial de Nvidia que se utilizan para entrenar sistemas robóticos impulsados por IA en entornos simulados.
“Estamos trabajando con ustedes en la pizarra sobre sistemas robóticos”, afirmó el CEO de Nvidia, Jensen Huang, durante el evento. Entrenar robots en simulación reduce la necesidad de recolectar datos en el mundo real. Las empresas mencionaron que estos conjuntos de datos deben generarse con modelos basados en la física, y no recolectarse de sistemas físicos. Los conjuntos de datos generados por simulación se utilizan para entrenar modelos, y los resultados dependen de la precisión de los modelos físicos subyacentes. “Cuanto más preciso sea el (dato de entrenamiento generado), mejor será el modelo”, expresó el CEO de Cadence, Anirudh Devgan.
Nvidia indicó que las empresas de robótica industrial están utilizando sus marcos de simulación Isaac y herramientas digitales de gemelos basadas en Omniverse para probar sistemas robóticos antes de su implementación. Compañías como ABB Robotics, FANUC, YASKAWA y KUKA están integrando estas herramientas de simulación en flujos de trabajo de puesta en marcha virtual para probar sistemas de producción en software antes de su despliegue físico. Nvidia destacó que estos sistemas se utilizan para modelar operaciones complejas de robots y líneas de producción enteras utilizando entornos digitales físicamente precisos.
En otra línea, Cadence presentó un nuevo agente de inteligencia artificial diseñado para automatizar tareas de diseño de chips en etapas avanzadas. Este agente se centra en los procesos de diseño físico, traduciendo diseños de circuitos en implementaciones en silicio. Esta nueva herramienta se suma a un agente anterior lanzado este año para el diseño de chips en la etapa inicial, donde los circuitos se definen en descripciones similares a código. Mientras que el sistema anterior se encargaba del diseño de circuitos, el nuevo agente se enfoca en traducir esos diseños en disposiciones físicas en silicio. Este sistema estará disponible a través de Google Cloud.
Cadence afirmó que esta integración combina sus herramientas de automatización de diseño electrónico con los modelos Gemini de Google para flujos de trabajo automatizados de diseño y verificación. La implementación en la nube permite a los equipos ejecutar esas cargas de trabajo sin depender de infraestructura computacional local. La plataforma ChipStack AI Super Agent de Cadence utiliza razonamiento basado en modelos con herramientas de diseño nativas para coordinar tareas en múltiples etapas del diseño. Este sistema puede interpretar requisitos de diseño y ejecutar automáticamente tareas en diferentes fases del proceso de diseño. Cadence reportó aumentos de productividad de hasta 10 veces en las primeras implementaciones en tareas de diseño y verificación, aunque no se revelaron implementaciones específicas de clientes.
“Ayudamos a construir sistemas de inteligencia artificial, y luego esos sistemas pueden mejorar el proceso de diseño”, dijo Devgan. Las empresas afirmaron que las herramientas de simulación se utilizan para validar sistemas en entornos virtuales antes de su implementación física. Los modelos de gemelos digitales permiten a los ingenieros probar compensaciones de diseño, evaluar escenarios de rendimiento y optimizar configuraciones en software. Además, señalaron que el costo y la complejidad de la infraestructura de centros de datos a gran escala limitan el uso de métodos de implementación de prueba y error.
En otro anuncio, Nvidia presentó una familia de modelos de inteligencia artificial cuántica de código abierto llamada NVIDIA Ising. Estos modelos, que llevan el nombre del modelo de Ising, un marco matemático utilizado para representar interacciones en sistemas físicos, están diseñados para respaldar la calibración de procesadores cuánticos y la corrección de errores cuánticos. Nvidia aseguró que los modelos ofrecen hasta 2.5 veces más rendimiento y tres veces mayor precisión en los procesos de decodificación utilizados para la corrección de errores. “La inteligencia artificial es esencial para hacer que la computación cuántica sea práctica”, afirmó Huang. “Con Ising, la inteligencia artificial se convierte en el plano de control, el sistema operativo de las máquinas cuánticas, transformando qubits frágiles en sistemas cuánticos-GPU escalables y confiables.”
