Новый импульс для литографии: ускорение вычислений и искусственный интеллект

Автор: Денис Аветисян

В статье рассматривается, как сочетание передовых вычислительных технологий и искусственного интеллекта открывает новые возможности для повышения скорости, точности и энергоэффективности в процессе производства полупроводников.

Исследование демонстрирует до 57-кратного ускорения вычислений, улучшение технологических окон и снижение выбросов углекислого газа в литографии.

Несмотря на экспоненциальный рост вычислительных потребностей в современной науке, масштабирование транзисторов отстает, что приводит к неустойчивому увеличению затрат и энергопотребления. В данной работе, ‘Transforming Computational Lithography with AC and AI — Faster, More Accurate, and Energy-efficient’, представлен новый подход к вычислительной литографии, использующий ускоренные вычисления (AC) и искусственный интеллект (AI) для достижения до 57-кратного ускорения и повышения точности моделирования. Достигнутое улучшение технологического окна на 35% и снижение ошибки позиционирования краев на 19% подтверждено экспериментами на кремниевых пластинах в IMEC. Не является ли эта комбинация AC и AI ключом к устойчивому развитию вычислительной литографии и, шире, к решению задач научного моделирования в эпоху больших данных?

Предел Масштабирования: Надвигающийся Кризис в Литографии

Закон Мура, долгое время определявший экспоненциальный рост производительности полупроводников, сталкивается с фундаментальными ограничениями как физического, так и экономического характера. Исторически, этот закон предсказывал удвоение числа транзисторов на кристалле примерно каждые два года, стимулируя инновации и снижение стоимости вычислительной техники. Однако, по мере приближения к физическим пределам миниатюризации, дальнейшее уменьшение размеров транзисторов становится всё более сложной и дорогостоящей задачей. Преодоление этих ограничений требует не только разработки новых материалов и технологий, но и переосмысления подходов к проектированию и производству микросхем, поскольку поддержание темпов, заданных законом Мура, становится всё менее реалистичным и экономически оправданным.

Традиционная вычислительная литография, несмотря на свою сложность и усовершенствованность, все чаще становится узким местом в производстве микросхем. По мере уменьшения размеров элементов, требуемая точность и детализация шаблонов экспоненциально возрастают, что приводит к колоссальному росту вычислительной нагрузки. Каждый новый техпроцесс требует экспоненциально больше времени и ресурсов для моделирования и оптимизации процесса переноса рисунка на кремниевую пластину. Сложность алгоритмов, необходимых для коррекции искажений и обеспечения необходимого разрешения, достигает предела возможностей современных вычислительных систем, что замедляет темпы инноваций и увеличивает стоимость производства. Данное обстоятельство ставит под вопрос дальнейшее следование принципам закона Мура, поскольку существующие методы моделирования перестают эффективно справляться с задачами, связанными с созданием все более миниатюрных и сложных микрочипов.

Ограничения в области литографии создают серьезную угрозу дальнейшему развитию микрочипов и, как следствие, производительности вычислительных систем. Традиционные методы переноса рисунка на кремниевые пластины приближаются к своим физическим пределам, что замедляет темпы миниатюризации и усложняет разработку новых поколений процессоров. Необходимость преодоления этих барьеров требует принципиально нового подхода к формированию микросхем, перехода от существующих технологий к инновационным методам, таким как экстремальная ультрафиолетовая литография (EUV) или исследования альтернативных технологий переноса рисунка, что позволит сохранить динамичное развитие микроэлектроники и обеспечить дальнейший прогресс в области вычислительной техники.

NVIDIA cuLitho: Ускоренные Вычисления для Будущего Литографии

Платформа NVIDIA cuLitho предлагает принципиально новый подход к решению вычислительно-интенсивных задач литографии, используя преимущества гетерогенных вычислений. Традиционные методы литографии требуют огромных вычислительных ресурсов, ограничивая скорость разработки и производства микросхем. cuLitho переносит критически важные этапы литографического процесса на графические процессоры (GPU), что позволяет значительно снизить вычислительную нагрузку и ускорить процесс моделирования и оптимизации. Это достигается за счет параллельной обработки данных и использования специализированных алгоритмов, разработанных для архитектуры GPU, что обеспечивает повышение эффективности и пропускной способности по сравнению с традиционными CPU-ориентированными решениями.

Платформа NVIDIA cuLitho переосмысливает базовые литографические примитивы — оптику, геометрию и оптимизацию — для достижения максимальной эффективности и пропускной способности. Традиционные алгоритмы литографии требуют интенсивных вычислений, особенно при работе со сложными конструкциями чипов. cuLitho применяет принципы параллельных вычислений и аппаратного ускорения для оптимизации каждого этапа литографического процесса. Это включает в себя переработку моделей оптики для более быстрой и точной симуляции, использование алгоритмов геометрии, адаптированных для GPU, и применение передовых методов оптимизации, способных эффективно обрабатывать большие объемы данных. Переосмысление этих примитивов позволяет значительно сократить время вычислений и повысить производительность при производстве микросхем.

Платформа NVIDIA cuLitho обеспечивает возможность исследования более сложных конструкций и повышения выхода годной продукции за счет значительного увеличения вычислительной мощности. В частности, при использовании Optical Proximity Correction (OPC) наблюдается ускорение в 57 раз по сравнению с традиционными CPU-вычислениями. Это позволяет производителям исследовать и реализовывать более сложные схемы, оптимизировать топологию чипов и снижать дефекты при производстве, что напрямую влияет на снижение себестоимости и повышение производительности конечного продукта.

Ускоренные вычисления позволяют преодолеть ограничения закона Амдала, что обеспечивает существенный прирост производительности в задачах литографии. Закон Амдала гласит, что общая скорость выполнения задачи ограничена последовательной частью алгоритма, которую нельзя распараллелить. Используя графические процессоры (GPU) и специализированные библиотеки, такие как NVIDIA cuLitho, можно значительно увеличить долю вычислений, выполняемых параллельно, минимизируя влияние последовательных операций и достигая, таким образом, экспоненциального увеличения общей производительности. Это особенно важно для сложных литографических процессов, где объем вычислений огромен, а оптимизация скорости является критически важной для повышения пропускной способности и снижения затрат.

Искусственный Интеллект: Усиление Точности Литографического Процесса

Искусственный интеллект, в частности методы глубокого обучения и генеративного ИИ, играет ключевую роль в оптимизации производительности cuLitho. Алгоритмы ИИ применяются для улучшения точности моделирования аэриального изображения и коррекции с фокусом, что позволяет повысить точность формирования рисунка и снизить ошибку позиционирования границ (Edge Placement Error, EPE). Интеграция ИИ позволяет значительно ускорить и повысить эффективность процессов физической верификации дизайна (DRC) и проверок правил маски (MRC). Это приводит к повышению стабильности процесса на 35% (увеличение глубины резкости) и снижению ошибки CD на пластинах на 19%, что обеспечивает более точное моделирование, оптимизированные проекты и, как следствие, более высокое качество микросхем.

Алгоритмы искусственного интеллекта значительно повышают эффективность ключевых процессов, таких как моделирование воздушного изображения и коррекция по глубине резкости. Оптимизация этих процессов посредством ИИ позволяет достичь более высокой точности формирования рисунка на кремниевой пластине и снизить ошибку позиционирования границ элементов (Edge Placement Error, EPE). В частности, алгоритмы ИИ позволяют точнее прогнозировать влияние дифракции света при экспонировании, что необходимо для создания высококачественных микросхем с требуемой плотностью и производительностью. Использование ИИ в этих процессах позволяет учитывать сложные взаимодействия между светом, маской и фоторезистом, что традиционными методами является затруднительным.

Интеграция искусственного интеллекта (ИИ) значительно ускоряет и повышает точность процессов физической верификации проекта (DRC) и проверок правил формирования маски (MRC). Традиционно, эти процессы требовали значительных вычислительных ресурсов и времени для проверки соответствия дизайна микросхемы заданным технологическим ограничениям. Использование алгоритмов ИИ, в частности, методов машинного обучения, позволяет автоматизировать обнаружение нарушений правил проектирования и оптимизировать процесс их исправления. Это достигается за счет обучения моделей ИИ на больших объемах данных, что позволяет им эффективно выявлять сложные дефекты и сокращать время, необходимое для выполнения DRC и MRC, обеспечивая более быструю и надежную разработку микросхем.

Интеграция алгоритмов искусственного интеллекта позволила добиться улучшения технологического окна на 35%, что эквивалентно увеличению глубины резкости. Одновременно с этим, зафиксировано снижение ошибки критических размеров на кремниевых пластинах (wafer CD error) на 19%. Данные показатели напрямую влияют на точность моделирования, оптимизацию проектных решений и, как следствие, на повышение качества выпускаемых микросхем. Улучшение технологического окна расширяет допустимые отклонения параметров процесса, упрощая производство и повышая выход годных изделий. Снижение ошибки критических размеров обеспечивает соответствие изготовленных структур проектным требованиям, что критически важно для функциональности и надежности микрочипов.

Устойчивые Инновации: Зеленое Будущее Полупроводникового Производства

Технология NVIDIA cuLitho вносит существенный вклад в принципы устойчивых вычислений благодаря кардинальному снижению вычислительной нагрузки. Традиционные процессы литографии, необходимые для создания микросхем, требуют огромных объемов энергии и вычислительных ресурсов. CuLitho, используя инновационные алгоритмы и методы, значительно оптимизирует эти процессы, позволяя достичь тех же результатов при существенно меньших затратах энергии. Это не только снижает эксплуатационные расходы, но и минимизирует воздействие на окружающую среду, способствуя более экологичному производству полупроводников. По сути, cuLitho демонстрирует, что повышение эффективности и устойчивость могут идти рука об руку, создавая более ответственное и экологически чистое будущее для технологической отрасли.

Снижение энергопотребления в процессе производства полупроводников напрямую влияет на уменьшение углеродного следа, что особенно актуально в свете растущих экологических проблем. Переход к более эффективным технологиям, таким как cuLitho от NVIDIA, позволяет значительно сократить количество энергии, необходимой для моделирования и оптимизации микросхем. Это не только снижает финансовые затраты, но и способствует уменьшению выбросов парниковых газов и зависимости от ископаемого топлива. Подобный подход демонстрирует возможность достижения экологической устойчивости в высокотехнологичной отрасли, где традиционно высокое энергопотребление является серьёзной проблемой. Уменьшение нагрузки на электросети также способствует более рациональному использованию ресурсов и снижению общей экологической нагрузки на планету.

Повышенная эффективность вычислительных процессов позволяет значительно расширить возможности моделирования и оптимизации конструкций полупроводников. Благодаря этому, разработчики способны более тщательно анализировать различные варианты, выявляя и устраняя недостатки на ранних стадиях проектирования. В результате, значительно сокращается расход материалов, необходимых для производства, и оптимизируется распределение ресурсов. Этот подход не только снижает финансовые затраты, но и минимизирует негативное воздействие на окружающую среду, поскольку уменьшается количество отходов и повышается эффективность использования сырья. Таким образом, увеличение вычислительной эффективности способствует более рациональному и устойчивому производству полупроводников.

Инновационный подход к производству полупроводников демонстрирует возможность одновременного технологического прогресса и заботы об окружающей среде. Внедрение передовых методов позволило добиться впечатляющих результатов: потребление энергии снижено на 89% — с 37,6 МВт до 2,9 МВт. Это, в свою очередь, привело к 13-кратному сокращению выбросов, связанных с вычислительными процессами, и 12-кратному уменьшению занимаемой серверными стойками площади. Такое значительное снижение воздействия на окружающую среду подтверждает, что эффективные технологии способны не только повышать производительность, но и способствовать устойчивому развитию отрасли, минимизируя её экологический след.

Исследование демонстрирует, что даже самые передовые системы, такие как вычислительная литография, подвержены влиянию времени и требуют постоянной адаптации. Подобно тому, как любое улучшение со временем устаревает, ускорение вычислений и применение искусственного интеллекта в литографии — это лишь временное решение, требующее дальнейшей оптимизации. Как заметил Давид Юм: «Разум есть лишь система связанных между собой представлений». В контексте данной работы, система представлений, формирующая процесс литографии, постоянно эволюционирует под воздействием новых технологий, а улучшение процесса, достигаемое за счет ускоренных вычислений, лишь временно отодвигает неизбежное старение системы. Важно помнить, что поддержание оптимального «процессного окна» требует постоянного анализа и совершенствования, а не однократного улучшения.

Что же дальше?

Представленная работа демонстрирует ускорение, но не отмену энтропии. Ускорение вычислительной литографии посредством аппаратно-ускоренных вычислений и искусственного интеллекта — это лишь локальное замедление неумолимого течения времени, затрачиваемого на создание все более сложных структур. Каждый исправленный “баг” — это лишь момент истины на временной кривой, а технический долг, накопленный в прошлом, становится закладкой, которую приходится оплачивать настоящим. Вопрос не в достижении абсолютной скорости, а в управлении скоростью старения системы.

Остается нерешенной проблема масштабируемости. Увеличение сложности схем требует экспоненциального роста вычислительных ресурсов. Искусственный интеллект, безусловно, помогает оптимизировать процессы, но он же требует все больше энергии для обучения и функционирования. Поэтому, ключевой задачей видится не просто увеличение скорости, а поиск принципиально новых подходов к снижению энергопотребления и повышению устойчивости систем.

Будущие исследования должны быть направлены на создание самообучающихся и самовосстанавливающихся систем литографии. Необходимо перейти от реактивного исправления ошибок к проактивному предвидению и предотвращению. Иначе, гонка за скоростью и точностью лишь ускорит наступление момента, когда системы исчерпают свой ресурс и потребуют полной замены. Ведь каждая система стареет — вопрос лишь в том, сделает ли она это достойно.

Оригинал статьи: https://arxiv.org/pdf/2602.15036.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-02-18 12:55

🚀 Квантовые новости