KI-beschleunigte Engineering-Workflows für komplexe Produktentwicklung

Engineering-Teams in Branchen wie Halbleiterfertigung, Automotive, Luft- und Raumfahrt sowie industrieller Fertigung stehen vor zunehmender Simulationskomplexität und kürzeren Entwicklungszyklen. In diesem Kontext präsentierte Synopsys auf der NVIDIA GTC 2026 Ergebnisse seiner Zusammenarbeit mit NVIDIA mit Fokus auf KI-gestützte Engineering-Workflows und GPU-beschleunigte Entwicklungstools.

GPU-Computing verändert Engineering-Simulationen
Mit der zunehmenden Softwareorientierung der Produktentwicklung und dem wachsenden Einsatz von Simulationen hängt die Engineering-Performance immer stärker von der effizienten Verarbeitung großer Simulationslasten ab. Die Zusammenarbeit kombiniert NVIDIA GPU-Computing und KI-Frameworks mit Engineering-Software von Synopsys, um Design-, Verifikations- und Multiphysik-Simulationen zu beschleunigen.

Der Ansatz zielt darauf ab, Entwicklungsiterationen zu reduzieren und die Modellgenauigkeit zu verbessern, indem rechenintensive Workloads auf GPU-beschleunigten Plattformen statt auf klassischen CPU-Infrastrukturen ausgeführt werden.

Fortschritte bei Materialmodellierung und Strömungssimulation
Applied Materials nutzt die Integration von Synopsys QuantumATK^® mit NVIDIA cuEST zur Beschleunigung quantenchemischer Simulationen in der Materialforschung. Erste Ergebnisse zeigen eine potenzielle 30-fache Beschleunigung im Vergleich zu CPU-basierten Open-Source-Modellen. Frühere Tests zeigten zudem eine achtfache Beschleunigung bei Simulationen amorpher Materialien mit etwa 25.000 Atomen durch den Einsatz von NVIDIA GPUs.

Im Automotive-Bereich setzte Honda GPU-Beschleunigung für CFD-Simulationen ein. Mit vier GB200 GPUs wurde eine 34-fach höhere Rechenleistung erreicht, während sich die Rechenkosten im Vergleich zu 1.920 cloudbasierten CPU-Kernen um den Faktor 38 reduzierten. Dies verdeutlicht das Potenzial der Migration von Simulationen von CPU- auf GPU-Architekturen.

Chipdesign-Verifikation mit Cloud-GPU-Infrastruktur
Die Skalierung von KI-Systemen erhöht den Bedarf an Hochgeschwindigkeits-Konnektivität und niedrigen Latenzen für den Datentransfer, was detaillierte Schaltungssimulationen erfordert. Astera Labs nutzte Synopsys PrimeSim™ auf NVIDIA B200 GPU-Instanzen über die AWS-Cloud und erreichte eine 3,5-fache Beschleunigung gegenüber CPU-Simulationen.

Der Zugriff auf GPU-Ressourcen über Cloud-Plattformen ermöglicht es Entwicklungsteams, ihre Simulationskapazitäten zu skalieren, ohne eigene Hardware-Infrastruktur aufzubauen, was schnellere Validierungszyklen und eine höhere Designgenauigkeit unterstützt.

Digitale Zwillinge verbinden Simulation und Robotikpraxis
Die Zusammenarbeit umfasst auch die Entwicklung digitaler Zwillinge für Physical-AI-Anwendungen wie Robotik und autonome Systeme. Multiphysik-Simulationen von Synopsys werden mit NVIDIA-Omniverse-basierten Umgebungen kombiniert, um realitätsnahe Simulationsszenarien zu ermöglichen.

Analog Devices, Inc. (ADI) nutzt Simulationsplattformen wie Isaac Sim™, Ansys Mechanical™ und AVxcelerate Sensors™, um Sensoreigenschaften und Robotikinteraktionen zu modellieren. Diese Werkzeuge unterstützen die Entwicklung von taktilen Sensoren, Time-of-Flight-Bildverarbeitungssystemen sowie Robotik-Benchmarks für industrielle Anwendungen, etwa in Rechenzentren und der Automobilfertigung.

Zu den frühen Anwendern gehört Kawasaki Heavy Industries, wo Simulationsumgebungen zur Vorhersage des Roboterverhaltens und zur Generierung synthetischer Trainingsdaten eingesetzt werden. Dies reduziert den Bedarf an wiederholten physischen Tests und beschleunigt Entwicklungsprozesse.

Multi-Agenten-KI für Chipentwicklungsprozesse
Synopsys entwickelt zudem agentenbasierte KI-Workflows für Electronic Design Automation (EDA). Die Plattform AgentEngineer™ nutzt Technologien des NVIDIA Agent Toolkit und unterstützt NVIDIA NIM Inference Services sowie Nemotron-Modelle.

Diese Workflows koordinieren Design- und Verifikationsaufgaben über Hochleistungsrechenumgebungen hinweg und unterstützen Produktivitätssteigerungen in der Chipentwicklung bei wachsender Designkomplexität. Die Plattform führt zudem agentenbasierte Entwicklungsprozesse ein, die speziell auf zukünftige Halbleiterdesign-Anforderungen ausgerichtet sind.

Redigiert von der Industriejournalistin Aishwarya Mambet, mit KI-Unterstützung.

www.synopsys.com