利用交替当前与AI进行计算光刻--更快、更准、更高效
信号处理
2026-02-18 v1 人工智能
应用物理
摘要
从气候科学到药物发现，科学计算的需求在最近几年呈显著增长——由更大的数据集、更复杂的模型以及更高的仿真保真度驱动。这种增长速度远远超过晶体管扩展的速度，导致成本、能源消耗和排放量不可持续地上升。半导体制造也不例外。计算光刻——涉及在衍射受限条件下将电路转移到硅中——是半导体制造中最大的工作负载。它也随着微型化在埃仑措施时代的推进而变得异常复杂，需要更精确的建模、复杂的校正以及更广泛的解空间探索。加速计算（AC）通过大幅度释放计算和功率预算来提供解决方案。AI通过作为计算密集步骤的高保真替代品来增强这些收益。它们共同提供了一个可持续的、下一代科学工作负载计算平台。这种新范式需要对软件堆栈进行根本性的重新设计。对于计算光刻，NVIDIA cuLitho重新塑造了核心原语——衍射光学、计算几何、多变量优化、数据处理——以实现变革性的57倍端到端加速。除了显著更快的周期之外，这一扩展的计算预算使得更严谨的解决方案成为可能，包括曲线掩模、高数值孔径极紫外（high-NA EUV）光刻以及亚原子模型。我们重新投入一小部分剩余的计算资源以包括通过光校正以获得更好的工艺韧性。IMEC的硅实验显示与传统方法相比具有显著的优势——工艺窗口提升35%，边缘定位误差提升19%。这是一个量化的首次芯片级演示，展示了AC和AI在硅片上对光刻的优势。
引用
@article{arxiv.2602.15036,
title = {Transforming Computational Lithography with AC and AI -- Faster, More Accurate, and Energy-efficient},
author = {Saumyadip Mukhopadhyay and Kiho Yang and Kasyap Thottasserymana Vasudevan and Mounica Jyothi Divvela and Selim Dogru and Dilip Krishnamurthy and Fergo Treska and Werner Gillijns and Ryan Ryoung han Kim and Kumara Sastry and Vivek Singh},
journal= {arXiv preprint arXiv:2602.15036},
year = {2026}
}