Applied Materials 与英伟达合作，加速 AI 时代的材料模拟

来源：半导体盒原文链接

专属客服号

微信订阅号

大数据治理

全面提升数据价值

赋能业务提质增效

正文共：2404字；预计阅读时间：7分钟

编译自：

Applied Materials Accelerates Materials Simulation for the AI Era in Collaboration with NVIDIA

实验室的深夜往往以同样的方式开始：一名工程师注视着原子尺度的模拟缓慢接近答案——这种材料会奏效吗？随着人工智能推动计算需求的爆发式增长，这个问题变得愈发紧迫。

为人工智能时代提供动力将需要在能效性能方面实现阶跃式提升。

作为半导体行业材料工程领域的领导者，Applied Materials 深刻认识到，要应对这一挑战，需要比以往更快、更精准地理解、评估和优化材料。这一迫切需求推动着Applied Materials 与英伟达展开合作，通过 GPU 加速的材料模拟，正以更快的速度将原子层面的见解转化为现实世界的创新。

Delivering Energy-Efficient AI with HfO₂

利用氧化铪（HfO₂）实现高能效人工智能

很少有材料能比氧化铪（HfO₂）更能说明这一挑战。十多年来，氧化铪一直是高k金属栅堆叠结构中栅介质的黄金标准。它通过减少泄漏同时保持性能，推动了晶体管的尺寸缩小——并且在行业向全环绕栅（GAA）晶体管以及高能效AI所需的下一代 3D架构过渡的过程中，仍然是基础性材料。

然而，这种性能是由肉眼无法看到的相互作用所决定的。一旦材料被整合到设备中，即使是结构、界面或缺陷方面埃级的变化，也可能对功率、性能和可靠性产生巨大影响。要在加工单晶圆之前尽早捕捉到这些影响，就需要精确的、基于物理的材料模拟。

Modeling Molecules for Atomic-level Insight

为原子级洞察建模分子

在制造环节之前，Applied Materials 的研究人员就将材料模拟作为其研发过程的一部分，以评估大量候选电介质、界面和材料替代品。在确定合适的分子后，Applied Materials 还必须实现在制造规模下，于真空室内对该材料进行可靠的沉积。

这需要对复杂化学反应进行精确控制，在这种控制中，大量气体分子在原子尺度上与固体表面相互作用，从而形成新材料。为了优化这些反应，Applied Materials 采用了先进的反应发现技术。这些基于物理学的模拟远超化学直觉，使工程师能够找到降低加工温度和减少杂质的途径——这两者对产量、性能和成本都至关重要。

Surging Compute Demands in Materials Simulation

材料模拟中激增的计算需求

在一个多阶段化学过程中，仅一个步骤就可能需要进行多达数千次的反应路径搜索——本质上是对所有可能的反应路线进行压力测试，以找到最高效的那条。为支持这项工作，密度泛函理论（DFT）成为材料模拟的行业标准——它简化了复杂的量子力学，使电子行为的可处理预测成为可能。

从历史上看，DFT 模拟是在 CPU 上执行的，其计算强度极高，通常需要数小时到数天才能完成，在某些情况下甚至需要数周或更长时间。这些较长的运行时间迫使科学家们只能将高精度方法用于小型到中等规模的系统，从而限制了它们在大规模工业工作流程中的应用。

Accelerating Materials Simulation with GPU Compute

借助GPU计算加速材料模拟

这正是 Applied Materials
与 NVIDIA 展开合作的意义所在。NVIDIA 最近推出了cuEST</b0，这是一款 CUDA-X 库，可将核心电子结构计算转移到 GPU 上。通过加速 DFT 建模过程中要求最高的步骤，cuEST 在保持所需精度的同时，显著缩短了模拟时间。

将 cuEST 整合到模拟工作流程中，显著缩短了评估和优化周期。在评估材料候选物时，一项原本在 64 个 CPU 核心上需要5天完成的典型模拟，现在在 NVIDIA B200 GPU 上 2 小时就能完成。在接下来的阶段，一项在 400 个 CPU 核心上进行约15,000 次路径搜索的反应发现运行——之前需要 1.5 周——在 NVIDIA B200 GPU 上仅需5小时就能完成。

这些 55 倍加速的模拟解锁了更广阔的设计空间，使团队能够评估更多的材料候选物，并深入探究更复杂的反应网络。其结果是更快的迭代速度和更早地收敛于最优解决方案。

随着基于光刻的缩放技术带来的回报逐渐减少，性能提升越来越取决于材料工程——包括复杂 3D 器件架构中的新型电介质、半导体和界面。在这种环境下，快速且高保真的材料模拟对于维持创新而言比以往任何时候都更加关键。

Advancing Energy-Efficient AI with High Velocity Co-Innovation

以高速协同创新推动高能效人工智能发展

与英伟达的此次合作体现了 Applied Materials
通过EPIC平台在全球范围内实现高速协同创新的战略。通过在安全环境中尽早与客户、合作伙伴和学术界开展并行合作，Applied Materials
能够深入了解客户的发展路线图，从而更好地指导研发投资。同时，合作伙伴也能提前接触到 Applied Materials
的研发成果组合，这加快了双方的学习、验证进程，并提升了合作影响力。

速度至关重要。将一项技术从研究阶段推向大规模生产通常需要 10 到 15 年的时间——但人工智能的能源挑战刻不容缓，而且没有任何一家
能够单独解决这个问题。通过将 Applied Materials
的材料专业知识与 NVIDIA 的 cuEST 增强型计算相结合，此次合作将电子结构建模从实验室推向了晶圆厂，将基础科学转化为高能效技术，为我们日常使用的设备提供动力。