NVIDIA anunció el 21 de octubre la disponibilidad general de cuDSS, una biblioteca CUDA-X que traslada a GPU la resolución de grandes sistemas dispersos usados en simulaciones de ingeniería y ciencia. La empresa busca acortar los tiempos de cálculo de estas aplicaciones.
Esta operación se repite en análisis técnicos complejos y puede restringir el número de alternativas de diseño que se estudian. Según NVIDIA, su ejecución acelerada permite abordar modelos de mayor tamaño y representaciones más detalladas.

Pruebas en semiconductores, litografía y simulación estructural
Applied Materials informó que cuDSS aceleró hasta 10 veces la resolución de sistemas dispersos en Ginestra frente a métodos basados únicamente en CPU. La plataforma se emplea en simulaciones físicas centradas en defectos para estudiar materiales semiconductores y confiabilidad de dispositivos.
ZEISS SMT registró una aceleración de cuatro veces en una prueba de simulación de plasma para litografía ultravioleta extrema, utilizando COMSOL Multiphysics con cuDSS. La simulación completa terminó en seis días y 14 horas, de acuerdo con los resultados presentados.
Dassault Systèmes comunicó mejoras de entre ocho y diez veces con cuDSS en sus solucionadores de simulación estructural Abaqus y de simulación electromagnética.

Integraciones en programas industriales y ampliación a clústeres
Cadence emplea la biblioteca en Celsius para acelerar análisis térmicos, de tensiones y de deformación en chips avanzados y diseños 3D, con Nokia entre los clientes mencionados. Siemens la utiliza en Simcenter STAR-CCM+ para cálculos de interacción fluido-estructura.
Synopsys incorpora cuDSS a Sentaurus Device para simular chips lógicos, memorias y dispositivos de potencia, una implementación que, según NVIDIA, ayuda a Infineon a modelar dispositivos cada vez más complejos.
Para quienes desarrollan software, cuDSS ofrece interfaces para C, C++, Python y Fortran, con el propósito de incorporarse a aplicaciones de ingeniería, ciencia y optimización. NVIDIA señala que puede operar desde estaciones de trabajo individuales hasta grandes clústeres de cómputo.

