Nvidia cuPotential'ı erken erişime açtı: İlk testlerde GPU iş akışlarında 2-3 kat ek hız

Nvidia (NVDA), atomik ve moleküler etkileşimleri ele alan yapay zekâ ajanları geliştirmek için CUDA-X kütüphanesi cuPotential'ı erken erişime açtı. Nvidia, ilk testlerde zaten GPU'lara göre optimize edilmiş iş akışlarına kıyasla 2-3 kat ek hız elde edildiğini bildirdi.

Nvidia, 14 Ekim tarihli açıklamasında 2-3 katlık hız artışının erken erişim testlerinde görüldüğünü belirtti. Karşılaştırma ölçütü, hâlihazırda GPU'lar için optimize edilmiş iş akışlarıydı; bu sonuç yarı iletken fabrikasının tamamındaki üretim hızını göstermiyor.

CUDA-X, Nvidia GPU'larında yapay zekâ, veri işleme, yüksek başarımlı hesaplama ve fizik simülasyonları gibi yoğun hesaplama gerektiren görevleri hızlandıran bir kütüphane ailesi. TokenPost daha önce CUDA-X tabanlı yapay zekâ ajanlarının tasarım doğrulama ve bilgisayar destekli mühendislik otomasyonunda kullanıldığı örnekleri aktarmıştı.

Nvidia, Lam Research'ün (LRCX) üç boyutlu verilerle çalışan NanoVDB'yi SEMulator3D süreç modelleme platformuna entegre etmeyi planladığını açıkladı. Nvidia'nın 14 Ekim 2026 tarihli duyurusuna göre bu entegrasyonun, seçili wafer aşındırma modelleme çalışmalarını 30 kata kadar hızlandırması bekleniyor.

KLA'nın (KLAC) örneği görüntü işlemeyle ilgili. Nvidia, KLA'nın NPP görüntü işleme kütüphanesindeki belirli bir çekirdekle önceki CPU sürümünden 50 kat daha hızlı sonuç aldığını ve bu performansın şirketin kendi ayarladığı uygulamayla benzer düzeyde olduğunu belirtti.

Nvidia, Teradyne'nin (TER) GPU tabanlı prob bakımına yönelik çıkarım işlemlerinin yaklaşık 85 kat hızlandığını bildirdi. Nvidia'nın açıklamasında Advantest'in (Tokyo Borsası: 6857) yapay zekâ ajanları kullanarak yarı iletken test işlerindeki yanıt süresini saatlerden dakikalara indirdiği de aktarıldı.

Bu hız sonuçlarının dayandığı işler ve karşılaştırma koşulları birbirinden farklı. Atomik düzeyde hesaplama, aşındırma modelleme, görüntü işleme çekirdekleri ve ekipman bakımına yönelik çıkarım sonuçları bir araya getirilerek fabrikanın üretkenliğinin veya veriminin aynı oranda arttığı sonucu çıkarılamaz.

Applied Materials (AMAT), malzeme simülasyonu aracı Ginestra'da 10 kata, süreç simülasyonu aracı ACE+'ta ise 35 kata kadar hız artışı bildirdi. Bu değerlerin her biri belirli simülasyon görevlerine ait.

Nvidia'nın temmuz ayındaki teknik dokümanında, bir yoğunluk fonksiyoneli teorisi (DFT) simülasyonunun 64 çekirdekli CPU'da 5 gün sürerken tek bir B200 GPU'da yaklaşık 2 saatte tamamlandığı bir örnek yer aldı. Nvidia ve Applied Materials, üretime geçmeden önce ekipman yerleşimini, lojistik akışını ve darboğazları incelemek için bir fabrika dijital ikizi de sundu.

Nvidia, 31 Mayıs tarihli basın açıklamasında TSMC'nin (TSM) litografi, süreç kontrolü, kusur denetimi ve fabrika operasyonlarının optimizasyonunda Nvidia teknolojilerinden yararlandığını bildirdi. Açıklama, yarı iletken üretim süreçleri ile fabrika operasyonlarını kapsayan uygulama örneklerine yer verdi.

Aynı açıklamada, TSMC'nin litografi hesaplamalarında kullandığı cuLitho'nun CPU tabanlı hesaplamalarla karşılaştırıldığında aynı toplam sahip olma maliyetinde maliyet verimliliğini veya işlem süresini %20-50 iyileştirdiği belirtildi. Sanal fabrika ortamı FabTwin'in kurulması ise o sırada değerlendirme aşamasındaydı.

ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST), imalat sektöründeki dijital ikizlere ilişkin raporunda birlikte çalışabilirlik, doğrulama ve geçerleme, belirsizliğin ölçülmesi, siber güvenlik ve iş gücünün hazırlığını sahada uygulamanın önündeki konular arasında saydı. Rapor, Nvidia'nın açıkladığı münferit performans değerlerini doğrulayan veya çürüten bir çalışma değildi.

Nvidia, atomik düzeyde hesaplamayla ilgili daha önceki bir çalışmasında moleküler dinamik hesaplamalarının 1,7 kata kadar hızlandığı kendi test sonuçlarını paylaşmıştı. O çalışmanın sonuçları ile cuPotential için açıklanan 2-3 katlık hız artışı, farklı görev ve karşılaştırma ölçütlerine dayandığından doğrudan karşılaştırılamıyor.

Nvidia, 14 Ekim tarihli açıklamasında Lam Research'ün NanoVDB entegrasyonunu 2026 sonuna kadar kullanıma sunmayı hedeflediğini belirtti.