Samsung et Synopsys: l'accélération du GPU assure la vitesse des entreprises de semi-conducteurs 4 commentaires
Image: nvidia
Le fabricant de semi-conducteurs Samsung Semiconductor et la société de logiciels de conception de semi-conducteurs Synopsys voient l'accélération GPU sur NVIDIA HARD et Software Énormes sauts dans le calcul des masques d'exposition et la simulation des circuits. Pour le GTC 2025, ils ont donné un aperçu des expériences précédentes.
Après ASML, TSMC et Synopsys ont été initialement mentionnés en tant que supporters de la bibliothèque de logiciels pour le calcul accéléré par le GPU des masques d'exposition pour l'annonce initiale de Nvidia Culitho, Samsung Semiconductor veut désormais l'utiliser en production.
Culitho accélère la lithographie informatique
Nvidia culitho devrait soutenir et accélérer la lithographie informatique, c'est-à-dire les calculs de correction de proximité optique (OPC) et la technologie de lithographie inverse (ILT), qui ont jusqu'à présent été effectués sur des processeurs et ont pris beaucoup de temps. Comme dans de nombreuses industries, les GPU devraient également effectuer ces calculs à l'avenir et le Times sera massivement réduit. La lithographie informatique explique les rapports sur l'annonce originale et pour une utilisation en série chez Synopsys et TSMC.
Samsung réduit le temps de calcul à un sixième
En général, les calculs OPC pourraient également être accélérés à l'aide de GPU, la bibliothèque de logiciels Culitho, l'une des plus de 400 dans le portefeuille Cuda-X de NVIDIA, peut conduire à une accélération supplémentaire ou assurer initialement d'énormes sauts par rapport au calcul du processeur pur.
Calcul du masque avec les GPU à Samsung Figure 1 sur 2
Dans la photolithographie, Samsung Semiconductor a pu réduire le temps de calcul de l'inférence avec le soutien des GPU à un quart, plus tard avec Culitho à un sixième. Culitho est également utilisé pour de nouveaux processus de gravure, qui sont également plus souvent adaptés à l'entreprise que le processus de lithographie, qui pourrait réduire de moitié le délai d'exécution (ACT), c'est-à-dire le temps de traitement. Selon la société, le calcul est basé sur un cluster GPU avec A100.
15 fois la vitesse de la synopsiques
L'intelligence artificielle est également utilisée dans plusieurs domaines pour la synopsie de la société de logiciels de conception de semi-conducteurs (EDA). Par exemple, la société propose à ses clients dans son propre logiciel un copilote (Synopsys.ai Copilot) qui peut répondre aux questions, générer des scripts ou créer des résumés.
Nvidia Culitho a initialement assuré un OPC et un ILT avec des accélérateurs A100 pour un facteur de calcul 5x plus rapide, avec la nouvelle synopsie H100 atteint une accélération de 15 fois et pour passer à H200, la société prédit une augmentation d'un facteur 20X par rapport au calcul du CPU.
Synopsys Copilot Image 1 sur 3
La simulation des circuits prend des jours
Synopsys s'appuie également sur les GPU de NVIDIA pour la simulation des circuits et l'analyse des membres RC au sein de leur propre logiciel Primesim. Pour l'analyse des membres RC du réseau de livraison de puissance (PDN), c'est-à-dire l'alimentation électrique utilisant le silicium via (TSV) en utilisant l'exemple d'une pile HBM multicouche, Synopsys compte plus de 70 millions de membres RC dans l'alimentation et 10 millions de MOSFET pour les couches HBM réelles qui doivent être examinées pour les erreurs. Cette tâche dans le Primesim de Synopsys lors de l'utilisation de processeurs, 14 heures avec un GH 200 et seulement 6 heures avec quatre GH200 occupent 30 heures.
Réseau de livraison de puissance chez HBM à Synopsys Image 1 sur 4
Chez Flash, il y a plus de 40 millions de membres RC de l'alimentation électrique plus 150 millions de transistors à effet sur le terrain (FET). Là, pour l'analyse utilisant le processeur, il faut 104 heures, 39 heures avec Nvidias A100 et 23 heures avec quatre accélérateurs AMPERE. Pour un SRAM, l'analyse du réseau de livraison de puissance avec 400 millions et donc beaucoup plus de membres RC occupe le CPU pendant 19 jours. En utilisant le GPU H100, le processus peut être réduit à 6 jours ou trois H100 à 3 jours, presque sept fois plus court.
Techastuce a reçu des informations sur cet article de Nvidia dans le cadre d'un événement du fabricant de San Jose, en Californie. Le coût d'arrivée, le départ et cinq logements hôteliers ont été supportés par l'entreprise. Il n'y avait aucune influence du fabricant ni une obligation de signaler.
Sujets: Intelligence artificielle de l'industrie des semi-conducteurs Nvidia Nvidia GTC 2025 Processeurs Samsung Source: Nvidia, Samsung, Synopsys
Marc décrypte les processeurs en testant leurs performances pour le gaming, la création de contenu et l’intelligence artificielle.
