Tesla

  • CUDA Y EL GPU COMPUTING
  • APLICACIONES PARA LA GPU
  • GPUs PARA SERVIDORES Y ESTACIONES DE TRABAJO
Aplicaciones para la GPU
Divider

EDA (diseño automatizado)

El EDA implica un conjunto diverso de algoritmos y aplicaciones de software necesarios para el diseño de complejos productos semiconductores y de electrónica de próxima generación. El aumento en la complejidad de los diseños VLSI supone un desafío significativo para EDA; el rendimiento de aplicación no se escala eficazmente desde que las ganancias de rendimiento de los microprocesadores se han visto afectadas por los aumentos de problemas de potencia y fabricabilidad que acompañan a la escala. Los sistemas digitales suelen validarse distribuyendo tareas de simulación lógica entre inmensos clusters de servidores durante semanas a la vez. Sin embargo, el rendimiento de la simulación a menudo se queda atrás, generando verificaciones incompletas y errores funcionales no detectados. Así pues, no debe sorprender que la industria de los semiconductores no deje de buscar soluciones de simulación más rápidas.

Las recientes tendencias en alta capacidad computacional (HPC) explotan cada vez más las GPUs multinúcleo como ventaja competitiva mediante el uso de las GPU como un coprocesador de CPU masivamente paralelo para acelerar las simulaciones computacionalmente intensivas de EDA, entre ellas las simulaciones Verilog, de integridad de señal y electromagnética, de litografía computacional, simulación de circuito de SPICE y otras.

 

Simulación Verilog en GPUs con RocketSim

Simulación Verilog en GPUs con RocketSim [Más información]
(Fuente: Tomer Ben-David, Rocketick, Israel)

 

Simulación EM de onda completa acelerada por GPU para analizar la diafonía en el lado opuesto del paquete

Simulación EM de onda completa acelerada por GPU para analizar la diafonía en el lado opuesto del paquete (Fuente: Martin Timm, CST, Alemania)

Simulación Verilog en GPUs con RocketSim

 
 
 
 

MATLAB es una marca registrada de The MathWorks, Inc.
ArrayFire es una marca comercial de AccelerEyes

 
 
 
 
CUDA y el GPU Computing

Qué es el GPU Computing
Hechos sobre el GPU computing
Programación para la GPU
Arquitectura de GPU Kepler
Computación en la nube con las GPUs
Contacto

Qué es CUDA
Escaparate de aplicaciones CUDA
Formación en CUDA
Centros de Excelencia CUDA
Centros de Investigación de CUDA
Centros de Enseñanza de CUDA

Aplicaciones para la GPU

Aplicaciones para GPUs Tesla
Casos de estudio sobre Tesla
Directivas de OpenACC
Prueba de GPUs Tesla

GPUs Tesla para servidores
y estaciones de trabajo

Por qué elegir Tesla
Soluciones Tesla para servidor
Soluciones Tesla para estaciones
de trabajo

Plataforma de desarrollo integrado
Comprar GPUs Tesla

Noticias e información
sobre Tesla

Documentación sobre los
productos Tesla

Características del software
para Tesla

Herramientas de desarrollo de
software para Tesla

NVIDIA y la investigación
Alertas de Tesla

Síguenos en la red

NVIDIA Blog Blog de NVIDIA
Facebook Facebook
Twitter @NVIDIA_ES
YouTube YouTube