A fizikai AI Koreában kikerül a laborokból: az NVIDIA a Samsung, a Kakao Mobility és az LG Electronics projektjein keresztül segíti, hogy a gyorsított számítástechnika, a mesterséges intelligencia és a szimuláció valódi gyártási és közlekedési környezetben is működjön. A félvezetőgyártástól a robotikán át az önvezető autókig három nagy vállalat mutatott be konkrét eredményeket vagy terveket.
Samsung: gyorsabb félvezetőfejlesztés AI-fizikával
A Samsung Electronics bővíti az NVIDIA-val folytatott együttműködését. A munka az anyagkutatást, a gyártási folyamatok fejlesztését és az eszközmérnöki feladatokat is lefedi. A technology computer-aided design (TCAD) területén a cég az NVIDIA cuISS és cuDSS megoldásaival gyorsítja a ritka lineáris rendszereket érintő számításokat. A folyamat- és optikai szimulációk is kaphatnak GPU-gyorsítást.
Anyagkutatás és hőtani szimuláció
A Samsung sMOL platformja bizonyos kvantumkémiai számításokat az NVIDIA cuEST segítségével akár ötszörös sebességgel futtatott végponttól végpontig. A cég az NVIDIA cuEquivariance-t is vizsgálja: ez az atomisztikus AI-modellek tanításában és futtatásában használt tenzorműveleteket gyorsíthatja.
A chipszintű hő- és mechanikai elemzési munkafolyamatokat az NVIDIA PhysicsNeMo segítségével fejleszti. Az egyik AI-homogenizációs esetben az AI által becsült effektív anyagtulajdonságok, a durvább rács és a GPU-gyorsítás együtt nagyjából 1600-szoros gyorsulást hozott. A szimuláció ideje egy 32 magos CPU-n futtatott finomrácsos megoldás nagyjából 18 órájáról 41 másodpercre csökkent a GPU-s, durvább rácsos változatnál.
A jövőben az NVIDIA Agent Toolkit összekapcsolhatná ezeket az eszközöket és AI-modelleket, így a mérnöki ágensek elemzéseket futtathatnának és tervezési változatokat hasonlíthatnának össze. Az NVIDIA mesterséges intelligenciás gyártási munkáiról az AI-alapú chipgyárról szóló cikkünkben is írtunk.
Kakao Mobility: level 4 önvezetés Szöulban
A Kakao Mobility az NVIDIA önvezetős számítási és biztonsági technológiáira építve fejlesztene level 4 szintű rendszert. A saját vezetési szoftvert és a szöuli Gangnam negyedben szerzett üzemeltetési tapasztalatot kapcsolják össze az NVIDIA járműplatformjával.
- NVIDIA Hyperion: referenciaplatform járműszenzorokhoz és számítási kapacitáshoz, NVIDIA DRIVE AGX Thor alapokon.
- NVIDIA Halos: a biztonságot támogatja az önvezető technológia fejlesztése és validálása során.
- Kiindulási járművek: a Kia célzottan épített modelljei.
A cél a jövőbeli level 4 mobilitási szolgáltatások támogatása Koreában.
LG Electronics: robottanítás és gyárszimuláció
Az NVIDIA és az LG Electronics valós gyártási környezetben mutatta be az NVIDIA Isaac GR00T-alapú robotos manipulációt és gyártási feladatokat az LG CLOiD robotjával. A megvalósított fizikai AI adatkör (data flywheel) összeköti a valós adatgyűjtést, az NVIDIA Cosmos-alapú adatbővítést, a GR00T-modell tanítását, az NVIDIA Jetson AGX Thor fedélzeti számítást és a szimulációs kiértékelést.
Ez újrahasznosítható munkafolyamatokat teremt a CLOiD képességeinek további fejlesztéséhez és validálásához. A csapatok egy megismételhető folyamatot finomítanak a gyártásban használt robotok tanítására, értékelésére és javítására.
Gyakori kérdések
Mit jelent itt a fizikai AI?
Olyan AI-alkalmazásokat, amelyeket szimulációval és gyorsított számítással a valós gyártásba, robotokba és járművekbe visznek át.
Mekkora gyorsulást ért el a Samsung?
Egy AI-homogenizációs esetben nagyjából 1600-szorosat: 18 óráról 41 másodpercre csökkent a szimulációs idő.
Milyen járművekkel kezd a Kakao Mobility?
A kezdeti fejlesztés Kia célzottan épített járművei köré szerveződik, NVIDIA Hyperion platformmal.
Forrás: NVIDIA Blog
