GPU，加速計算光刻

計算光刻技術是通過對掩膜、光源的正向或反演優化，降低因光波衍射影響光刻效果的程度。計算光刻是采用計算機模擬、仿真光刻工藝的光化學反應和物理過程，從理論上指導光刻工藝參數的優化。計算光刻通常包括光學鄰近效應 修正（OPC）、光源-掩膜協同優化技術（SMO）、多重圖形技術（MPT）、 反演光刻技術（ILT）等四大技術。

在制造現代半導體器件方面存在許多挑戰，整個行業能夠克服這些挑戰本身就令人驚嘆。從基礎物理到制造工藝再到開發流程，都不乏棘手的問題需要解決。其中一些最大的挑戰出現在用于深亞微米芯片的光刻技術中。最近的一篇文章概述了光刻技術的主要趨勢，并總結了幾個挑戰和新興解決方案。這篇文章聚焦于另一個關鍵挑戰——光刻計算需求的大幅增加——并討論了圖形處理單元（GPU）如何幫助滿足這一需求。

計算需求增加的原因在于通過衍射或工藝效應來補償光刻過程中引入的圖像誤差，隨著芯片設計的日益密集，這個過程需要更長的時間。如果不進行校正，刻在硅上的圖案將無法精確再現設計者繪制的形狀。角落可能會被圓化，線寬可能與預期不同。處理這一問題的傳統方法是使用光學鄰近校正（OPC），它調整邊緣和多邊形，以優化刻蝕特征，盡可能接近設計意圖。

OPC 需要大量的計算，但這通常不是一個主要的問題，因為基于分段的優化，可進行并行處理。更大的問題是，OPC 提供了有限的自由度，在復雜的糾正形狀和用于糾正他們的技術。近年來，逆光刻技術（ILT）作為一種更靈活的方法出現。模式被轉換為像素，以便可以使用基于像素的優化技術。ILT 可以處理更廣泛的形狀和圖案，但它比 OPC 需要更多的計算能力。并行處理被廣泛使用，但用戶報告說，一個 ILT 掩碼可以在多天內消耗超過 10K 個 CPU 核心。

計算光刻的需求不斷增長。每個新的節點意味著每個掩模有更多的多邊形，先進的工藝需要更多的掩模，而使用的形狀變得越來越復雜。鑒于 GPU 提供了巨大的并行性并成功加速了芯片開發過程中的其他幾個步驟，人們自然會想知道它們是否能加速 ILT 的計算。用戶很清楚他們的愿望：使用合理的資源，計算時間不到一天。NVIDIA、臺積電和 Synopsys 之間的近期合作提供了顯著的證據，表明 GPU 可以幫助實現這一目標。這項工作涉及光刻代碼從 CPU 到 GPU 的三個主要轉換：

一些基于圖像的操作自然適合通過直接重寫來實現 GPU 并行化，包括 FFT、卷積和圖像處理。這些操作在下圖中的綠色橢圓形中顯示。

從多邊形/邊/點迭代到基于像素計算的算法，如新模型形式等都被轉移到了 GPU 適配的領域。這些算法如下圖中藍色橢圓所示。將非 GPU 友好型數據結構（如基于多邊形的布爾值和交互、用于創建水平集的多邊形-2-像素算法以及輪廓繪制）遷移到 GPU 代碼。這需要大量的研究、創新和軟件工程。這些結構如下圖中紅色橢圓所示。

過去，基于 CPU 的算法和計算服務器硬件的改進為計算光刻技術提供了 2-4 倍的速度提升。2020 年使用 GPU 的初步實驗表明，ILT 仿真功能的速度提高了 10 倍。如上圖所示，隨后的工作發現許多其他計算，如多邊形和非基于圖像的操作，都適合 GPU。其中一些操作既可用于 OPC，也可用于 ILT，這表明 GPU 可以加快這兩種類型的掩模優化。

NVIDIA、臺積電（TSMC）和 Synopsys 還共同開發了一個新的 GPU 光刻庫，用于 OPC 和 ILT。該庫具有基于多邊形和邊緣的幾何算法、多邊形光柵化、FFT、卷積等特性。在某些類型的功能上，速度比 CPU 快高達 40 倍。從 CPU 到 GPU 的總體加速比，對于單個 ILT「配方」在幾個模板上累積的總運行時間超過 15 倍。使用較少的并行機器，多天的 CPU 運行時間可以縮短到不到一天。

計算光刻技術仍然是一個非?；钴S的研究、開發和部署領域。更多流程和功能將繼續為 GPU 啟用，人工智能機器學習（ML）的應用也在不斷增加，更有效的 CPU+GPU 協同優化也在不斷推進。