A fabricação de chips é uma “aplicação ideal” para computação acelerada e AI da NVIDIA, disse o fundador e CEO da NVIDIA, Jensen Huang.
Detalhando como os últimos avanços na computação estão acelerando “a indústria mais importante do mundo”, Huang falou na conferência de semicondutores ITF World 2023 em Antuérpia, Bélgica.
Huang fez seus comentários por vídeo para uma reunião de líderes dos setores de semicondutores, tecnologia e comunicações.
“Estou entusiasmado em ver a computação acelerada da NVIDIA e AI a serviço da indústria mundial de fabricação de chips”, disse Huang ao detalhar como os avanços na computação acelerada, AI e fabricação de semicondutores se cruzam.
AI, Set Up da Computação Acelerada
O aumento exponencial de desempenho da CPU tem sido a dinâmica governante da indústria de tecnologia por quase quatro décadas, disse Huang.
Mas, ao longo dos últimos anos, o design da CPU amadureceu, disse ele. A taxa na qual os semicondutores se tornam mais poderosos e eficientes está diminuindo, mesmo com o aumento da demanda por capacidade de computação.
“Como resultado, a demanda global por computação em cloud está fazendo com que o consumo de energia do data center dispare”, disse Huang.
Huang disse que lutar pelo net zero enquanto suporta os “benefícios inestimáveis” de mais poder computacional requer uma nova abordagem.
O desafio é natural para a NVIDIA, que foi pioneira na computação acelerada, combinando os recursos de processamento paralelo de GPUs com CPUs.
Essa aceleração, por sua vez, desencadeou a revolução da AI. Há uma década, pesquisadores de deep learning, como Alex Krizhevsky , Ilya Sutskever e Geoffrey Hinton, descobriram que as GPUs poderiam ser supercomputadores econômicos.
Desde então, a NVIDIA reinventou seu stack de computação para deep learning, abrindo “oportunidades de vários trilhões de dólares em robótica, veículos autônomos e manufatura”, disse Huang.
Ao descarregar e acelerar algoritmos de computação intensiva, a NVIDIA rotineiramente acelera os aplicativos em 10 a 100 vezes, reduzindo a energia e o custo em uma ordem de magnitude, explicou Huang.
Juntas, a AI e a computação acelerada estão transformando o setor de tecnologia. “Estamos experimentando duas transições simultâneas de plataforma, computação acelerada e AI generativa”, disse Huang.
AI e computação acelerada chegam à fabricação de chips
Huang explicou que a fabricação avançada de chips requer mais de 1.000 etapas, produzindo recursos do tamanho de uma biomolécula. Cada etapa deve ser quase perfeita para produzir uma saída funcional.
“Ciências computacionais sofisticadas são realizadas em todas as etapas para calcular os recursos a serem padronizados e fazer a detecção de defeitos para controle de processo em linha”, disse Huang. “A fabricação de chips é um aplicativo ideal para computação acelerada e AI da NVIDIA.”
Huang descreveu vários exemplos de como as GPUs NVIDIA estão se tornando cada vez mais essenciais para a fabricação de chips.
Empresas como IMS Nanofabrication e NuFlare constroem gravadores de máscaras, máquinas que criam fotomáscaras, estênceis que transferem padrões para wafers, usando feixes de elétrons. A D2S constrói dispositivos de computação multi-rack para gravadores de máscaras. As GPUs NVIDIA aceleram as tarefas computacionalmente exigentes de renderização de padrão e correção de processo de máscara para esses gravadores de máscara.
O fabricante de semicondutores TSMC e os fornecedores de equipamentos KLA e Lasertech usam luz ultravioleta extrema, conhecida como EUV, e luz ultravioleta profunda, ou DUV, para inspeção de máscaras. As GPUs NVIDIA também desempenham um papel crucial aqui, no processamento de modelagem de física clássica e aprendizado profundo para gerar imagens de referência sintéticas e detectar defeitos.
KLA, Applied Materials e Hitachi High-Tech usam GPUs NVIDIA em seus sistemas de revisão e inspeção de wafer óptico e e-beam.
E em março, a NVIDIA anunciou que está trabalhando com TSMC, ASML e Synopsys para acelerar a litografia computacional.
A litografia computacional simula as equações de Maxwell do comportamento da luz passando pela ótica e interagindo com fotorresistentes, explicou Huang.
A litografia computacional é o maior workload computacional no projeto e fabricação de chips, consumindo dezenas de bilhões de horas de CPU anualmente. Centros de dados maciços funcionam 24 horas por dia, 7 dias por semana, para criar retículas para novos chips.
Apresentado em março, o NVIDIA cuLitho é uma biblioteca de software com ferramentas e algoritmos otimizados para litografia computacional acelerada por GPU.
“Já aceleramos o processamento em 50 vezes”, disse Huang. “Dezenas de milhares de servidores de CPU podem ser substituídos por algumas centenas de sistemas NVIDIA DGX, reduzindo energia e custos em uma ordem de grandeza.”
A economia reduzirá as emissões de carbono ou permitirá que novos algoritmos ultrapassem 2 nanômetros, disse Huang.
Qual é o próximo?
Qual é a próxima onda de IA? Huang descreveu um novo tipo de AI, “ AI incorporada”, ou sistemas inteligentes que podem entender, raciocinar e interagir com o mundo físico.
Ele disse que os exemplos incluem robótica, veículos autônomos e até chatbots que são mais inteligentes porque entendem o mundo físico.
Huang ofereceu ao seu público uma olhada no NVIDIA VIMA, uma AI incorporada multimodal. O VIMA, disse Huang, pode executar tarefas a partir de prompts de texto visual, como “reorganizar objetos para corresponder a esta cena”.
Ele pode aprender conceitos e agir de acordo, como “Isto é um widget”, “Isso é uma coisa” e então “Coloque este widget naquela coisa”. Ele também pode aprender com as demonstrações e permanecer dentro dos limites especificados, disse Huang.
O VIMA é executado em NVIDIA AI e seu gêmeo digital é executado em NVIDIA Omniverse , uma plataforma de desenvolvimento e simulação 3D. Huang disse que a IA informada pela física poderia aprender a emular a física e fazer previsões que obedeçam às leis da física.
Os pesquisadores estão construindo sistemas que mesclam informações dos mundos real e virtual em grande escala.
A NVIDIA está construindo um gêmeo digital do nosso planeta, chamado Earth-2 , que primeiro preverá o clima, depois o clima de longo alcance e, eventualmente, o clima. A equipe Earth-2 da NVIDIA criou o FourCastNet , um modelo de IA de física que emula os padrões climáticos globais 50 a 100.000 vezes mais rápido.
FourCastNet é executado em NVIDIA AI, e o gêmeo digital Earth-2 é construído em NVIDIA Omniverse.
Tais sistemas prometem enfrentar o maior desafio de nosso tempo, como a necessidade de energia limpa e barata.
Por exemplo, pesquisadores da Autoridade de Energia Atômica do Reino Unido e da Universidade de Manchester estão criando um gêmeo digital de seu reator de fusão, usando física-IA para emular a física do plasma e a robótica para controlar as reações e sustentar a queima do plasma.
Huang disse que os cientistas poderiam explorar hipóteses testando-as no gêmeo digital antes de ativar o reator físico, melhorando o rendimento de energia, a manutenção preditiva e reduzindo o tempo de inatividade. “A IA de física de plasma do reator é executada na NVIDIA AI e seu gêmeo digital é executado no NVIDIA Omniverse”, disse Huang.
Esses sistemas prometem novos avanços na indústria de semicondutores. “Estou ansioso pela física, IA, robótica e digital twins baseados no Omniverse ajudando a avançar no futuro da fabricação de chips”, disse Huang.