Cadence hevder CFD High Ground med en ny GPU-basert akselerator - Semiwiki

For observatører av EDA-markeder er det en lett oversett mulighet for ny vekst. I dag kommer rundt 50 % av EDA-inntektene fra systemer i stedet for halvlederselskaper, fra datasentre til bilindustri, romfart, energi og andre. I de fleste av disse bransjene avhenger total systemdesign like mye av mekaniske og andre multifysiske optimaliseringer (aerodynamikk, stress, termisk, elektromagnetikk, etc.) som av elektronisk design. Multifysikkanalyse har allerede penetrert halvlederdesign, for eksempel termisk analyse og styring i pakken til i systemet ved bruk av beregningsvæskedynamikk (CFD) for kjøleanalyse. Kort sagt, multifysikk bygger bro mellom elektronisk systemdesign og totalsystemdesign som kritisk for å støtte kraftproduksjon, flyselskaper og bilmarkeder. Som i chipdesign, blir systemproblemer i disse domenene stadig vanskeligere, og krever aktiv og kontinuerlig innovasjon fra løsningsleverandører for å møte moderne designbehov. Ved å utnytte synergier mellom EDA og multifysikkekspertise, hevder Cadence at Millennium-plattformen leverer et fantastisk ytelsesfremskritt for multifysikkanalyse, løser problemer i industriell skala på timer i stedet for uker og åpner store nye vekstmuligheter.

Cadence gjør krav på CFD High Ground med en ny GPU-basert akselerator

En rask lekmannsguide til CFD

CFD simulerer strømmen av en væske (væske eller gass) rundt/gjennom mekaniske strukturer som kretskort, fly, gassturbiner og biler. Uten CFD må disse målingene gjøres på prototyper, for eksempel i vindtunneler, en kostbar og tidkrevende prosess. Med CFD kan ingeniører skifte til venstre (et kjent konsept i EDA), for å studere ytelsen til en digital tvilling mot simulerte væskestrømmer.

Simuleringer er basert på Navier-Stokes differensialligning, kartlagt på tvers av diskrete masker for å muliggjøre numerisk løsning. Masker er designet for finere avstand rundt kritiske soner med grovere avstand andre steder og løper vanligvis til mange millioner elementer. Faktorer som vurderes ved løsning på tvers av nettet inkluderer trykk og temperatur, også viskositet fordi alle væsker strømmer langsommere nær grenser. Kompressibilitet kan være viktig når man vurderer akustikk eller Mach-hastigheter; turbulens er en annen faktor ved høye hastigheter. Disse faktorene har nok innvirkning på mesh- og løsermetoder til at CFD må tilby en familie av teknologiløsninger.

Turbulens er den mest utfordrende tilstanden å simulere nøyaktig. Den mest praktiserte teknikken i industrien i dag utvikler statiske gjennomsnitt, en svak tilnærming for et dynamisk fenomen som kan levere nøyaktig CFD rundt en flyvinge i marsjhøyde, men ikke under opp- eller nedstigning. En annen teknikk kalt Large Eddy Simulation (LES) kan modellere mye mer nøyaktig og dynamisk, men er dyrere i beregningen, noe som gjør omfattende turbulensmodellering gjennom en digital tvilling upraktisk. Derfor har kritiske analyser vært begrenset til ekte fysisk modellering ved bruk av prototyper i vindtunneler, effektive men for tungvinte til å utforske tusenvis av scenarier for optimalisering.

Cadence Authority i CFD og LES

CFD er et høyekspertisedomene med mye historie. Verktøyavdelinger og ofte produktteam er bemannet med hærer av doktorgradsstudenter. Algoritmer for mesh og løsere, sammen med programvare, har utviklet seg betydelig og fortsetter selvfølgelig å utvikle seg. Dette er med andre ord et domene et EDA-selskap må gå inn uorganisk.

Cadence startet her i 2021 med en rekke oppkjøp. Disse inkluderer NUMECA med sterke meshing- og løserteknologier og et etablert rykte innen marine- og turbomaskineri. Kort tid etter kjøpte Cadence Pointwise med bevist styrke innen CFD-masking og etablerte seg i luftfarts- og forsvarsmarkedene. På slutten av 2022 kjøpte de Cascade Technologies, en Stanford spinout med overbevisende teknologi for LES. Gjennom disse oppkjøpene har Cadence bygget en stall av fullblodsteknologi og eksperter innen CFD, noe som bidrar til deres etablerte styrke i andre aspekter av multifysikk. Men det ser ut til at de ikke stoppet der.

Bransjer er desperate etter høyere LES-ytelse for mer nøyaktig digital tvillingmodellering. Som ett eksempel går 50 % av energien som forbrukes av en bil til å overvinne aerodynamisk luftmotstand, noe som direkte påvirker ICE-drivstoffforbruket eller EV-rekkevidden. Designere trenger digitale tvillinger for å simulere over tusenvis av driftsforhold for å finne og optimalisere de mange små forbedringene de kan gjøre rundt bilstrukturen for å redusere luftmotstand. Hvordan gikk Cadence opp til dette behovet?

Cadence Millennium M1 og Fidelity LES Solver

CFD er veldig parallelliserbar, så en åpenbar løsning er å kjøre en jobb på tvers av mange server/CPU-klynger. Dette var allerede mulig på store CPU-farmer eller superdatamaskiner, men kostnadene blir uoverkommelige når du kjører komplekse LES-algoritmer over veldig store masker med eksperimenter over tusenvis av kjøringer. Å overvinne denne barrieren har vært en av driverne til utviklingen av Millennium M1, Cadences første GPU-baserte akselerator.

Cadence har en bevist merittliste innen maskinvareakselerasjon over flere generasjoner av Palladium- og Protium-plattformene for maskinvareverifisering. De har utarbeidet design, drift og forsyningskjede kinks for å bygge disse plattformene, og de har etablert infrastruktur for å gi skybasert tilgang. (Alle plattformer inkludert Millennium kan også kjøpes for analyse på stedet.) Å utvide denne ekspertisen til en GPU-basert plattform er både åpenbart og genialt. I ett slag (selv om jeg er sikker på at det tok dem tid å komme dit 😀) kan de akselerere CFD-simuleringer. Ved å legge til nye generative AI-metoder for design- og analyseutforskning, hevder de gir opptil 100X designeffekt i nøyaktighet, hastighet og skalering med mye lavere effekt sammenlignet med massiv CPU-serverparallellisme. Maskinvareakselerasjon fra Cadence maskinvarekunnskap kombinert med genAI-ekspertise fra både EDA- og CFD-team viser synergien som kreves for å levere den aktive og kontinuerlige innovasjonen jeg nevnte tidligere.

Utviklingen av CFD-algoritmer har også vært veldig aktiv. Programvaren er designet fra grunnen av for å være GPU-native. Problemforberedelse for analyse inkluderer lav-touch-optimalisert mesh-generering. Og det er nye numeriske metoder for å sikre høy stabilitet i LES-simuleringer (normalt utsatt for ufysisk oppførsel i turbulensmodellering).

Denne muligheten er tilgjengelig i dag for CFD multifysikkmodellering, i skyen eller lokalt.

Millennium er ikke bare for CFD

Det er åpenbart at en GPU-basert akselerator skal kunne mer enn å akselerere CFD. Det kan akselerere endelige elementanalyser som stress, termisk diffusjon og elektromagnetikk. Den kan også kjøre generativ AI. Men hvorfor ikke bare bruke en av de gigantiske hyperscaler GPU-bankene til det formålet? For meg er en grunn ganske enkelt tilgjengelighet og ventetid i konkurranse med chatboter og kreative bildeapper. På samme måte er det vanskelig å tro at applikasjonsspesifikk finjustering på toppen av et massemarkeds LLM-modeller kan tjene den høye kompleksiteten, høye nøyaktigheten og domenespesifikke behovene til moderne EDA- og multifysikkprogramvare. Dedikert maskinvare er veien å gå, tilgjengelig via skyen eller i lokale installasjoner.

Det blir veldig interessant å se hvilke muligheter Millennium vil tilby i fremtiden både for elektronisk design og for multifysikk. Du kan lære mer HER.