NVIDIA推出cuEST量子化学加速库

本周，NVIDIA 发布了 NVIDIA cuEST。这是一款全新的 NVIDIA CUDA-X 库，可将电子结构计算迁移到 GPU 上执行。应用材料公司、三星、新思科技和 TSMC 已率先采用。

如今，一个先进芯片会包含超过 500 亿个晶体管。在工程设计芯片时，需要思考一个原子尺度上的基础物理问题：电子如何键合、如何迁移，以及它们如何在仅有数个原子厚度的薄膜中相互作用。

NVIDIA 工业与计算工程总经理 Tim Costa 表示：“随着半导体微缩逼近材料的物理极限，行业亟需大幅提升计算性能，以对新一代芯片设计中的量子力学过程进行仿真。借助 NVIDIA cuEST，行业领导者能够突破量子计算瓶颈，将高保真化学建模直接应用于生产流程，从而加速半导体创新。”

行业影响

Applied Materials：应用材料公司使用 cuEST 加速的密度泛函理论（DFT）来建模复杂结构、预测材料特性并研究反应路径。

三星：三星将 cuEST 集成到其原本已基于 GPU 加速的内部流程中，使关键量子化学工作负载的端到端性能最高再提升 5 倍。

新思科技：借助 cuEST 和 QuantumATK，新思科技扩展了其功能，支持基于高斯型基组的 DFT，使半导体工作流程中的仿真速度提升最高可达 30 倍。

TSMC：TSMC 使用 cuEST 的加速量子化学能力，推进下一代硅基设计工艺的发展。

从实验室走向晶圆厂

原子尺度建模最常用的方法是密度泛函理论。DFT 在精度与可扩展性之间取得了良好平衡，但其计算成本较高，限制了其在工业中的广泛应用，导致大多数应用仍停留在科研阶段。借助 cuEST，NVIDIA 使高精度量子化学在工业规模和实际生产流程中变得可行。

在过去，行业主要依赖 CPU 集群来运行这些仿真，对包括栅极介电材料和互连金属在内的候选材料进行评估，通常需要以批处理方式运行数小时甚至数天。

cuEST 提供了优化例程，使 GPU 能够加速基于高斯基组的 DFT 计算中的核心矩阵运算，包括重叠积分、动能、核吸引、库仑以及交换关联。它还支持从标准广义梯度近似到杂化泛函等多种泛函近似方法，使工程师能够在计算成本与精度之间进行权衡。

NVIDIA 对 cuEST 的目标是：将高保真材料建模从实验室带到晶圆厂。

欢迎在 GTC 上参观 NVIDIA 展台和 Synopsys 展台以了解更多 cuEST 信息，通过专题会议：“下一代发现：面向科学的代理式 AI、AI 驱动仿真与 GPU 加速化学”，进一步探索。