Партнёры Nvidia также сообщили о возможности ускорения отдельных симуляций травления пластин до 30 раз и обработки изображений — до 50 раз
14 октября Nvidia представила библиотеку cuPotential на выставке SEMICON West. Она является частью программной платформы CUDA-X и предназначена для ускорения симуляций, используемых при разработке полупроводниковых материалов и производственных процессов. Согласно информации от компании, в первых тестах библиотека показала увеличение скорости расчётов в 2–3 раза по сравнению с уже оптимизированными для графических процессоров программными решениями. В данный момент библиотека доступна в режиме раннего доступа, и её реальная производительность зависит от конкретных моделей и методов расчёта.
Атомные симуляции помогают воспроизводить взаимодействия, электрические силы и химические реакции, от которых зависят свойства материалов и точность производства микросхем. Чем сложнее структура чипа, тем больше вычислений необходимо для оценки поведения материала на различных этапах производства. Например, компания Synopsys уже использует cuPotential для моделирования материалов. Другой партнёр Nvidia, Lam Research, планирует интегрировать библиотеку NanoVDB с открытым исходным кодом в свою систему моделирования производственных процессов SEMulator3D. Она предназначена для обработки трёхмерных объёмных данных, включая моделирование травления кремниевых пластин. По информации от Lam Research, некоторые расчёты могут ускориться до 30 раз.
Lam Research также рассматривает внедрение платформы PhysicsNeMo, которая позволяет дополнять физические модели прогнозами на основе искусственного интеллекта. По информации Nvidia, в отдельных исследованиях плазмы удалось сократить время расчёта с нескольких дней до миллисекунд. Другие партнёры также сообщили о значительных результатах: Synopsys объявила об ускорении отдельных расчётов в программе S-Device в 12 раз с помощью библиотеки cuDSS, а KLA — о повышении скорости обработки изображений до 50 раз по сравнению с предыдущими версиями на центральных процессорах. Подобные методы могут быть использованы для проверки поверхности кремниевых пластин и выявления мельчайших дефектов структуры.
Эти достижения относятся к различным программам, задачам и исходным условиям, поэтому их нельзя рассматривать как результаты единого сравнительного теста. Ускорение отдельной симуляции само по себе не гарантирует пропорционального увеличения выхода качественных чипов, снижения себестоимости или повышения производительности всей фабрики. Кроме того, вычислительные модели необходимо проверять экспериментально: более быстрый расчёт не обязательно более точно отражает реальный производственный процесс.
Nvidia планирует развивать автоматизацию этих задач с помощью ИИ-агентов, которые смогут подготавливать симуляции, запускать вычисления, проверять и анализировать результаты. Это должно содействовать ускорению разработки материалов и технологий производства полупроводников без необходимости постоянного обращения к физическим экспериментам.
20 октября 2026, 15:56Системные платы, память, чипсетыNvidiaDarth SaharaNvidiaИсточники:igorslab
Не пропускайте наши новостиДобавьте сайт в предпочитаемые источники, чтобы видеть нас чащеДобавить в Google
Источник