NVIDIA ha presentado cuPotential, una biblioteca de software para acelerar simulaciones de interacciones entre átomos y moléculas. El anuncio del 14 de octubre sitúa la herramienta dentro de una estrategia más amplia para aplicar computación acelerada e inteligencia artificial al diseño, la fabricación y la inspección de semiconductores.
La compañía afirma que las pruebas de acceso anticipado han logrado acelerar entre dos y tres veces ciertos trabajos que ya estaban optimizados para GPU. Es una comparación importante: la referencia no es necesariamente un programa antiguo ejecutado solo en CPU, sino un proceso que ya utilizaba aceleración. El resultado anunciado sigue dependiendo de las tareas ensayadas.
Simular materiales antes de cambiar una fábrica
cuPotential proporciona funciones que los desarrolladores pueden incorporar a su software para modelar fuerzas eléctricas y otras interacciones a escala atómica. Synopsys figura entre los primeros usuarios citados por NVIDIA. La biblioteca está en acceso anticipado, una fase distinta de una disponibilidad general sin restricciones.
Una simulación permite explorar cómo se comportaría un sistema bajo unas condiciones determinadas. Su utilidad industrial está en comparar opciones antes de trasladarlas al mundo físico. Sin embargo, calcular más deprisa no demuestra por sí solo que el modelo represente mejor la realidad: la velocidad y la validación del resultado siguen siendo cuestiones separadas.
De los átomos a los patrones del chip
La fabricación de un semiconductor reúne problemas de escalas muy diferentes. La documentación de cuLitho, otra biblioteca de NVIDIA, describe la litografía computacional como una combinación de física electromagnética, fotoquímica, geometría y optimización. Su trabajo ayuda a preparar los patrones con los que se forman estructuras sobre las obleas.
Al reducir el tamaño de esas estructuras, los efectos ópticos obligan a corregir los patrones de las máscaras. El dibujo utilizado en el proceso necesita compensaciones para que el resultado físico se aproxime a la forma buscada. Esa es la clase de cálculo que cuLitho acelera. No es la misma tarea que modelar interacciones atómicas con cuPotential, aunque ambas formen parte del desarrollo de chips.
La inspección también necesita procesar imágenes
En otra fase aparece NPP, la colección de funciones de NVIDIA para procesar imágenes y señales. Incluye operaciones como filtrado, conversión de color, transformaciones geométricas y comparación de imágenes. Su documentación identifica la inspección industrial como uno de los usos posibles.
Estas funciones permiten preparar y analizar datos visuales. Aplicadas a una línea industrial pueden formar parte de un sistema que busque defectos, pero una biblioteca de procesamiento no equivale por sí sola a una fábrica autónoma. Hace falta integrarla con equipos, datos y criterios de decisión específicos.
El anuncio conecta esas piezas bajo la idea de fábricas apoyadas en IA. Lo verificable por ahora es la presentación de herramientas y los resultados concretos que comunica su proveedor. Los multiplicadores de rendimiento no deben trasladarse al tiempo total de fabricación de un chip ni interpretarse como una mejora garantizada para cualquier instalación. Acelerar una etapa puede ser útil sin acelerar en la misma proporción todas las demás.
