La fabricación de chips es una “aplicación ideal” para la computación acelerada e IA de NVIDIA, dijo el martes el fundador y director ejecutivo de NVIDIA, Jensen Huang.
Al detallar cómo los últimos avances en computación están acelerando «la industria más importante del mundo», Huang habló en la conferencia de semiconductores ITF World 2023 en Amberes, Bélgica.
Huang pronunció sus comentarios por video ante una reunión de líderes de las industrias de semiconductores, tecnología y comunicaciones.
“Estoy encantado de ver la computación acelerada de NVIDIA y la IA al servicio de la industria mundial de fabricación de chips”, dijo Huang al detallar cómo se cruzan los avances en la computación acelerada, la IA y la fabricación de semiconductores.
IA, Set up de la Computación Acelerada
El aumento exponencial del rendimiento de la CPU ha sido la dinámica rectora de la industria de la tecnología durante casi cuatro décadas, dijo Huang.
Pero en los últimos años, el diseño de la CPU ha madurado, dijo. La velocidad a la que los semiconductores se vuelven más potentes y eficientes se está desacelerando, incluso cuando la demanda de capacidades informáticas se dispara.
“Como resultado, la demanda global de computación en la nube está provocando que el consumo de energía del centro de datos se dispare”, dijo Huang.
Huang dijo que luchar por el cero neto y al mismo tiempo respaldar los «beneficios invaluables» de una mayor potencia informática requiere un nuevo enfoque.
El desafío encaja perfectamente con NVIDIA, que fue pionera en computación acelerada, combinando las capacidades de procesamiento paralelo de las GPU con las CPU.
Esta aceleración, a su vez, desencadenó la revolución de la IA. Hace una década, investigadores de deep learning como Alex Krizhevsky , Ilya Sutskever y Geoffrey Hinton descubrieron que las GPU podrían ser supercomputadoras rentables.
Desde entonces, NVIDIA ha reinventado su pila informática para el deep learning, abriendo «oportunidades multimillonarias en robótica, vehículos autónomos y fabricación», dijo Huang.
Al descargar y acelerar los algoritmos de cómputo intensivo, NVIDIA acelera rutinariamente las aplicaciones entre 10 y 100 veces mientras reduce la energía y el costo en un orden de magnitud, explicó Huang.
Juntas, la IA y la computación acelerada están transformando la industria de la tecnología. “Estamos experimentando dos transiciones de plataforma simultáneas: computación acelerada e IA generativa”, dijo Huang.
La IA y la Computación Acelerada Llegan a la Fabricación de Chips
Huang explicó que la fabricación avanzada de chips requiere más de 1000 pasos, produciendo características del tamaño de una biomolécula. Cada paso debe ser casi perfecto para producir un resultado funcional.
“Se realizan ciencias computacionales sofisticadas en cada etapa para calcular las características que se modelarán y detectar defectos para el control de procesos en línea”, dijo Huang. “La fabricación de chips es una aplicación ideal para la computación acelerada e IA de NVIDIA”.
Huang describió varios ejemplos de cómo las GPU NVIDIA se están volviendo cada vez más integrales para la fabricación de chips.
Empresas como IMS Nanofabrication y NuFlare construyen escritores de máscaras (máquinas que crean fotomáscaras, plantillas que transfieren patrones a obleas) utilizando haces de electrones. D2S construye dispositivos informáticos de varios bastidores para escritores de máscaras. Las GPU de NVIDIA aceleran las tareas computacionalmente exigentes de representación de patrones y corrección de procesos de máscaras para estos escritores de máscaras.
El fabricante de semiconductores TSMC y los proveedores de equipos KLA y Lasertech utilizan luz ultravioleta extrema, conocida como EUV, y luz ultravioleta profunda, o DUV, para la inspección de máscaras. Las GPU NVIDIA también juegan un papel crucial aquí, en el procesamiento del modelado de física clásica y el deep learning para generar imágenes de referencia sintéticas y detectar defectos.
KLA, Applied Materials y Hitachi High-Tech utilizan GPU NVIDIA en sus sistemas de inspección y revisión de obleas ópticas y haces de electrones.
Y en marzo, NVIDIA anunció que está trabajando con TSMC, ASML y Synopsys para acelerar la litografía computacional.
La litografía computacional simula las ecuaciones de comportamiento de la luz de Maxwell que pasan a través de la óptica e interactúan con fotoprotectores, explicó Huang.
La litografía computacional es el mayor workload computacional en el diseño y la fabricación de chips, y consume decenas de miles de millones de horas de CPU al año. Los centros de datos masivos funcionan las 24 horas del día, los 7 días de la semana para crear retículas para nuevos chips.
Presentado en marzo, NVIDIA cuLitho es una biblioteca de software con herramientas y algoritmos optimizados para litografía computacional acelerada por GPU.
“Ya hemos acelerado el procesamiento 50 veces”, dijo Huang. “Decenas de miles de servidores de CPU pueden reemplazarse por unos pocos cientos de sistemas NVIDIA DGX, lo que reduce la energía y el costo en un orden de magnitud”.
Los ahorros reducirán las emisiones de carbono o permitirán que los nuevos algoritmos vayan más allá de los 2 nanómetros, dijo Huang.
¿Que Sigue?
¿Cuál es la próxima ola de IA? Huang describió un nuevo tipo de IA : » IA incorporada», o sistemas inteligentes que pueden comprender, razonar e interactuar con el mundo físico.
Dijo que los ejemplos incluyen robótica, vehículos autónomos e incluso chatbots que son más inteligentes porque entienden el mundo físico.
Huang ofreció a su audiencia un vistazo a NVIDIA VIMA, una IA incorporada multimodal. VIMA, dijo Huang, puede realizar tareas a partir de indicaciones de texto visual, como «reorganizar objetos para que coincidan con esta escena».
Puede aprender conceptos y actuar en consecuencia, como «Esto es un widget», «Eso es una cosa» y luego «Pon este widget en esa cosa». También puede aprender de las demostraciones y mantenerse dentro de límites específicos, dijo Huang.
VIMA se ejecuta en NVIDIA AI, y su gemelo digital se ejecuta en NVIDIA Omniverse , una plataforma de simulación y desarrollo 3D. Huang dijo que la IA informada por la física podría aprender a emular la física y hacer predicciones que obedezcan las leyes físicas.
Los investigadores están construyendo sistemas que combinan información de mundos reales y virtuales a gran escala.
NVIDIA está construyendo un gemelo digital de nuestro planeta, llamado Earth-2 , que primero predecirá el clima, luego el clima a largo plazo y, finalmente, el clima. El equipo Earth-2 de NVIDIA ha creado FourCastNet , un modelo de IA de física que emula los patrones climáticos globales entre 50 y 100 000 veces más rápido.
FourCastNet se ejecuta en NVIDIA AI y el gemelo digital Earth-2 está integrado en NVIDIA Omniverse.
Dichos sistemas prometen abordar el mayor desafío de nuestro tiempo, como la necesidad de energía limpia y barata.
Por ejemplo, los investigadores de la Autoridad de Energía Atómica del Reino Unido y la Universidad de Manchester están creando un gemelo digital de su reactor de fusión, utilizando física-IA para emular la física del plasma y la robótica para controlar las reacciones y mantener el plasma en llamas.
Huang dijo que los científicos podrían explorar hipótesis probándolas en el gemelo digital antes de activar el reactor físico, mejorando el rendimiento energético, el mantenimiento predictivo y reduciendo el tiempo de inactividad. “La IA de física de plasma del reactor se ejecuta en NVIDIA AI, y su gemelo digital se ejecuta en NVIDIA Omniverse”, dijo Huang.
Dichos sistemas prometen nuevos avances en la industria de los semiconductores. “Espero que la física, la IA, la robótica y los gemelos digitales basados en Omniverse ayuden a avanzar en el futuro de la fabricación de chips”, dijo Huang.