cuPotential của NVIDIA mở rộng có trọng tâm bộ CUDA-X: tập hợp các thành phần nguyên thủy được tối ưu cho GPU, giúp mô phỏng nguyên tử và phân tử nhanh hơn, đồng thời dễ tích hợp hơn vào chuỗi công cụ dành cho nhà phát triển. Thay vì phải chạy các tác vụ chậm trên CPU được thiết kế riêng hoặc tự tinh chỉnh các kernel GPU, cuPotential cung cấp các hàm có thể tích hợp ngay để tính toán lực và thế tương tác liên nguyên tử ở quy mô lớn. Với các nhóm bán dẫn mô hình hóa vật liệu, màng mỏng, tương tác plasma hay biên dạng khắc, công nghệ này giảm trở ngại khi chạy nhiều mô phỏng dựa trên giả thuyết, đồng thời giúp kỹ sư đưa phản hồi ở cấp độ nguyên tử vào quy trình thiết kế sớm hơn.
Thay đổi đáng kể nhất không chỉ nằm ở tốc độ thô, mà còn ở cách tốc độ này định hình lại quy trình làm việc. Khi mô phỏng nguyên tử giảm từ hàng giờ hoặc hàng ngày xuống còn vài phút, các tác nhân AI có thể chạy hàng loạt thí nghiệm ứng viên, đánh giá kết quả bằng các mô hình thay thế đã học và nối tiếp các bước tối ưu bằng suy luận biểu tượng hoặc suy luận dựa trên học máy. NVIDIA cho biết trong giai đoạn truy cập sớm, cuPotential tăng tốc thêm 2–3 lần so với mã vốn đã được tối ưu cho GPU; khi kết hợp với các thư viện CUDA-X khác (cuEST, cuDSS, NanoVDB, NPP), hiệu quả tổng thể tăng mạnh hơn nhiều ở các công đoạn liên quan như mô phỏng buồng, xử lý voxel 3D và phân tích kiểm tra. Nhờ đó, các chính sách tác nhân vốn bị giới hạn bởi chi phí mô phỏng có thể phát huy tác động lớn hơn.
Các nhà cung cấp EDA và thiết bị lớn đã bắt đầu tích hợp những thành phần này — điều quan trọng vì nhà máy bán dẫn là một hệ thống gồm các tương tác vật lý và dữ liệu đan xen. Cadence, Synopsys, Applied Materials, Lam Research và KLA đang sử dụng thư viện CUDA-X để rút ngắn chu kỳ từ thiết kế đến thẩm định, tự động hóa phân tích nguyên nhân gốc trong khâu kiểm tra và mở rộng bản sao số phục vụ tối ưu hóa thiết bị lẫn quy trình. Với lãnh đạo sản phẩm và R&D, điều này đồng nghĩa với việc phát hiện sớm hơn các điểm yếu trong thiết kế, thực hiện thí nghiệm ảo sát thực tế hơn với vật liệu và công thức quy trình mới, cũng như đánh giá các biện pháp cải thiện năng suất bằng cách để tác nhân lên kế hoạch thử nghiệm thay vì chỉ chạy từng mô phỏng riêng lẻ.
Việc ứng dụng công nghệ này đặt ra những lựa chọn thực tế: nên giao phần nào của quy trình cho tác nhân, kiểm soát chi phí tính toán ra sao và khi nào nên tin vào mô hình thay thế thay vì chạy mô phỏng vật lý đầy đủ. Các nhóm cần trang bị khả năng theo dõi luồng dữ liệu để tác nhân truy cập được kết quả mô phỏng đã thẩm định, tích hợp thư viện chạy trên GPU vào quy trình CI và xây dựng cơ chế an toàn để ngăn tác nhân đề xuất những thay đổi sản xuất chưa được kiểm chứng. Nhà đầu tư và đơn vị vận hành nên kỳ vọng nguồn vốn sẽ được phân bổ cho các cụm mô phỏng tích hợp GPU, công cụ thẩm định mô hình và thí nghiệm kết hợp môi trường số với thực tế — thay vì chỉ mua thêm giấy phép EDA.