Samsung och Synopsys: GPU-acceleration säkerställer hastighet för halvledarföretag 4 kommentarer
Bild: nvidia
Halvledartillverkaren Samsung Mjukvaruföretaget Synopsys för halvledar- och halvledardesign ser GPU-acceleration på NVIDIA HARD och Software Stora steg i beräkning av exponeringsmasker och kretssimulering. För GTC 2025 gav de en översikt över tidigare erfarenheter.
Efter att ASML, TSMC och Synopsys initialt nämndes som anhängare av mjukvarubiblioteket för GPU-accelererad beräkning av exponeringsmasker för det första Nvidia Culitho-meddelandet, vill Samsung Semiconductor nu använda det i produktionen.
Culitho accelererar beräkningslitografi
Nvidia culitho förväntas stödja och accelerera beräkningslitografi, det vill säga beräkningar av optisk närhetskorrigering (OPC) och invers litografiteknik (ILT), som hittills har utförts på processorer och har tagit lång tid. Som i många branscher förväntas även GPU:er utföra dessa beräkningar i framtiden och Times kommer att minska kraftigt. Datorlitografi förklarar rapportering om det ursprungliga tillkännagivandet och för seriell användning hos Synopsys och TSMC.
Samsung minskar beräkningstiden till en sjättedel
Generellt sett skulle OPC-beräkningar också kunna accelereras med GPU:er, mjukvarubiblioteket Culitho, ett av fler än 400 i NVIDIAs Cuda-X-portfölj, kan leda till ytterligare acceleration eller initialt säkerställa enorma språng jämfört med ren CPU-beräkning.
Maskberäkning med Samsung GPU:er Figur 1 av 2
Inom fotolitografi kunde Samsung Semiconductor minska slutledningsberäkningstiden med stöd av GPU:er till en fjärdedel, senare med Culitho till en sjättedel. Culitho används också för nya gravyrprocesser, som också oftare är affärsvänliga än litografiprocessen, vilket kan halvera ledtiden (ACT), dvs. handläggningstiden. Enligt företaget baseras beräkningen på ett GPU-kluster med A100.
15 gånger hastigheten för synopser
Artificiell intelligens används också inom flera områden för halvledardesign (EDA) programvaruöversikt. Till exempel erbjuder företaget sina kunder en copilot (Synopsys.ai Copilot) i sin egen mjukvara som kan svara på frågor, generera skript eller skapa sammanfattningar.
Nvidia Culitho säkerställde initialt OPC och ILT med A100-acceleratorer för en faktor 5x snabbare beräkning, med den nya sammanfattningen uppnår H100 en speedup på 15x och för att uppgradera till H200 förutspår företaget en ökning med en faktor 20X jämfört med CPU-beräkning.
Synopsys Copilot Bild 1 av 3
Kretssimulering tar dagar
Synopsys förlitar sig också på NVIDIA GPU:er för kretssimulering och RC-medlemsanalys i sin egen Primesim-mjukvara. För analysen av RC-medlemmarna i strömförsörjningsnätverket (PDN), det vill säga strömförsörjningen som använder kisel via (TSV) med exemplet med en flerskikts HBM-stack, har Synopsys mer än 70 miljoner RC-medlemmar i strömförsörjningen och 10 miljoner MOSFET:er för de faktiska HBM-lagren som måste undersökas för fel. Denna uppgift i Synopsys Primesim när du använder processorer, 14 timmar med en GH 200 och endast 6 timmar med fyra GH200s tar 30 timmar.
Strömleveransnätverk hos HBM på Synopsys Bild 1 av 4
På Flash finns det mer än 40 miljoner RC-strömförsörjningsmedlemmar plus 150 miljoner fälteffekttransistorer (FET). Där tar det för analysen med processorn 104 timmar, 39 timmar med Nvidias A100 och 23 timmar med fyra AMPERE-acceleratorer. För en SRAM, analysera kraftleveransnätverket med 400 miljoner och därför många fler RC-medlemmar ockuperar CPU:n i 19 dagar. Med H100 GPU kan processen reduceras till 6 dagar eller tre H100 till 3 dagar, nästan sju gånger kortare.
Techtip fick information om den här artikeln från Nvidia som en del av ett evenemang av tillverkaren i San Jose, Kalifornien. Kostnaden för ankomst, avresa och fem hotellboenden stod för företaget. Det fanns inget inflytande från tillverkaren eller någon anmälningsplikt.
Ämnen: Nvidia Semiconductor Industry Artificiell Intelligens Nvidia GTC 2025 Samsung-processorer Källa: Nvidia, Samsung, Synopsys
Marc analyserar processorer genom att testa deras prestanda för spel, innehållsskapande och artificiell intelligens.
