엔비디아, TSMC와 시높시스 생산 단계에 컴퓨팅 리소그래피 플랫폼 지원:: 보드나라

엔비디아(CEO 젠슨 황)가 TSMC와 시높시스(Synopsys)에 엔비디아 컴퓨팅 리소그래피 플랫폼(NVIDIA computational lithography platform)을 지원한다고 발표했다. 이로써 TSMC와 시높시스는 차세대 첨단 반도체칩의 제조를 가속화하고 기존의 제조기술의 한계를 뛰어넘을 수 있는 기반을 마련했다.

세계적인 파운드리 선도업체인 TSMC와 미국의 반도체 설계 선도 기업 시높시스는 엔비디아 cu리소(cuLitho)를 반도체칩의 제조 속도를 높이기 위해 소프트웨어, 제조 공정과 시스템에 통합했으며, 향후 차세대 엔비디아 블랙웰 아키텍처 GPU를 지원할 계획이다.

또한, 엔비디아는 GPU 가속 컴퓨팅 리소그래피용 라이브러리인 cu리소를 강화하는 새로운 생성형 AI 알고리즘을 도입했다. 이를 통해 현재의 CPU 기반 방식보다 반도체 제조 공정을 획기적으로 개선했다.

컴퓨팅 리소그래피는 반도체 제조 공정에서 가장 컴퓨팅 자원이 많이 필요한 작업으로, 매년 수십억 시간 동안 CPU를 사용해 처리된다. 반도체 칩 생산에서 중요한 단계인 일반적인 마스크 세트(mask set)는 3천만 시간 이상의 CPU 연산 시간을 필요로 할 수 있기 때문에 반도체 파운드리 내에 대규모 데이터 센터를 운영할 필요가 있다. 이제는 가속 컴퓨팅을 통해, 350개의 엔비디아 H100 시스템이 40,000개의 CPU 시스템을 대체할 수 있게 되면서 생산 시간을 단축하는 동시에 비용, 공간과 전력을 절감할 수 있다.

TSMC CEO인 웨이저쟈(C.C. Wei)는 "TSMC 워크플로우에 GPU 가속 컴퓨팅을 통합하기 위해 엔비디아와 협력한 결과로 성능의 비약적인 향상, 처리량의 획기적인 개선, 사이클 시간 단축, 전력 요구량 감소라는 성과를 거두었다. 우리는 이 컴퓨팅 리소그래피 기술을 활용해 반도체 확장의 핵심 요소를 주도하기 위해 엔비디아 cu리소를 TSMC의 생산에 도입하고 있다"고 말했다.

작년에 cu리소를 도입한 TSMC는 혁신적인 패터닝 기술에 새로운 장을 열 수 있었다. 엔비디아와 TSMC, 양사는 공동 협업을 통해 cu리소를 테스트하면서 반도체 칩 패턴의 일종인 곡선형 플로우의 작업 속도를 45배, 더 전통적인 맨해튼 형태의 플로우의 작업 속도는 거의 60배 향상시키는 성과를 냈다. 이 두 가지 플로우는 서로 차이가 있는데, 곡선형(curvilinear) 플로우는 반도체 마스크의 형태가 곡선으로 이루어진 디자인 방식인 반면, 맨해튼 플로우는 마스크 형태가 오직 수평 또는 수직선으로만 구성되도록 제한되는 디자인 방식이다.

시높시스는 컴퓨팅 리소그래피의 성능을 가속화하는 첨단 기술을 제공하는 선도기업이다. 엔비디아 cu리소 소프트웨어 라이브러리에서 실행되는 시높시스 프로테우스(Synopsy Proteus™) 광학 근접 보정 소프트웨어는 현재 CPU 기반 방식에 비해 계산 워크로드 속도를 크게 높인다. TSMC와 같은 제조업체는 프로테우스 마스크 합성 제품을 사용해 근접 보정(proximity correction), 보정을 위한 모델 구축, 보정과 미보정 IC 레이아웃 패턴에 대한 근접 효과 분석에서 탁월한 정밀도, 효율성과 속도를 달성해 칩 제조 공정을 혁신적으로 개선할 수 있다.

엔비디아는 생성형 AI를 적용하는 알고리즘을 개발하여 cu리소 플랫폼의 가치를 더욱 향상시켰다. 새로운 생성형 AI 워크플로우는 이미 cu리소로 가속화된 기존 프로세스에 더해 처리 속도를 2배 더 빠르게 향상시킨다. 생성형 AI를 적용하면 빛의 회절을 역이용해 완벽에 가깝게 설계한 역 마스크(inverse mask) 혹은 역 솔루션(inverse solution)을 생성할 수 있다. 그런 다음 최종 마스크는 전통적이고 물리적으로 엄밀한 방법을 통해 만들어지며, 이는 전체 OPC(광학 근접 보정) 프로세스를 두 배로 가속화한다.

반도체 제조 공정에서의 많은 변화들이 현재 OPC의 수정을 필요로 하며, 이는 필요한 컴퓨팅 양을 증가시키고 반도체 제조 개발 주기에서 병목 현상을 만들어낸다. 이러한 비용과 병목 현상은 cu리소가 제공하는 가속 컴퓨팅과 생성형 AI를 통해 경감될 수 있으며, 반도체 제조 공장은 가용 컴퓨팅 용량과 엔지니어링의 리소스를 더욱 효율적으로 배분하고, 이를 통해 2nm(나노미터) 이상의 신기술 개발에 더욱 새로운 솔루션을 설계할 수 있다.