NVIDIA и Applied Materials ускоряют инновации в полупроводниковых материалах с помощью ИИ

NVIDIA и Applied Materials объявили о совместном проекте по созданию сквозной цифровой модели разработки полупроводниковых материалов. Рост вычислительных нагрузок ИИ требует от полупроводниковой индустрии беспрецедентной производительности, и даже небольшие задержки в производстве приводят к значительным финансовым потерям. Новый подход сочетает физическое моделирование, машинное обучение и GPU-ускорение для ускорения разработки материалов на атомном уровне.

Проблема материаловедения в эпоху ИИ

По мере замедления геометрического масштабирования транзисторов прогресс в полупроводниках всё больше зависит от инноваций в материалах: диэлектриках, проводниках и других тонких плёнках. На атомном уровне даже незначительные вариации в свойствах материала могут кардинально повлиять на производительность устройства. Традиционные методы проб и ошибок требуют дорогостоящих физических экспериментов и занимают недели.

Applied Materials решает эту задачу с помощью платформы Ginestra — симуляционной платформы, основанной на физике и учитывающей дефекты материала. Платформа соединяет свойства материалов и дефекты с прогнозируемой производительностью устройств. Одно из ключевых применений — ускоренная оценка электрических характеристик транзисторов на основе детального понимания атомной структуры.

GPU-ускорение: 55-кратный прирост скорости

Точное прогнозирование на атомном уровне требует использования теории функционала плотности (DFT) — отраслевого стандарта для моделирования электронной структуры. DFT крайне требовательна к вычислительным ресурсам. На системах NVIDIA B200 симуляции, которые ранее занимали пять дней на 64 ядрах CPU, теперь выполняются примерно за два часа на одном GPU — ускорение примерно в 55 раз. Сложные задачи поиска реакций, требующие тысяч вычислений, ускоряются ещё сильнее.

Ginestra в сочетании с библиотеками CUDA-X позволяет перенести значительную часть материаловедческого инжиниринга в симуляционную среду. Инженеры могут расширять пространство поиска, сокращать зависимость от дорогостоящих экспериментов и ускорять открытие оптимальных материалов для конкретных применений.

От моделирования к производству

После выявления перспективных материалов следующий вызов — перенос этих результатов в повторяемые производственные процессы с высоким выходом годных изделий. Производство полупроводников управляется тесно связанной физикой: потоки жидкости, теплопередача, химические реакции и плазменные процессы — все эти факторы влияют на конечный результат.

С GPU-ускорением симуляции ACE+ (топография) работают до 35 раз быстрее, сжимая workflow, занимавшие дни, в результаты того же дня. Инженеры могут динамически исследовать изменения параметров и мгновенно видеть результаты, что принципиально ускоряет цикл разработки и оптимизации производственных процессов.

Это сотрудничество демонстрирует, как комбинация GPU-вычислений, симуляционного ПО и ИИ трансформирует полупроводниковую индустрию, позволяя преодолеть физические ограничения традиционных методов разработки материалов.