仁宝与阳明交大携手国网中心 量子启发式演算法突破半导体先进制程的光罩设计瓶颈

国立阳明交通大学光子与微影实验室（NYCU PAL Lab）团队夥伴，余沛慈教授（右二），方柏勋博士生（右三）。阳明交通大学

半导体制程持续微缩，微影技术的重要性与挑战日益显着。面对逼近物理极限的图形分辨率，传统光罩设计机制的能力逐渐不足，为突破既有限制，仁宝电脑携手阳明交通大学光电工程学系，结合量子启发式演算法与国网中心提供的高效能运算（HPC）资源，启动以反向光罩为设计核心的创新研究专案，期望建立可扩充、模块化的「量子兼容光罩优化平台」，为先进半导体制程的光罩设计提供全新技术路径。

仁宝电脑资深研究员蔡宗轩表示，在研究半导体产业的过程中了解到，微影技术是半导体制程的核心环节，与芯片图形转印精度与量产良率息息相关。随着制程节点不断缩小，在光学绕射与像差效应影响下，传统光罩设计面临「分辨率极限」挑战。

对此目前业界普遍采用光学邻近效应修正（OPC）与光罩形貌优化技术，但传统梯度优化演算法存在三大限制，包括容易陷入局部最小值、收敛速度缓慢，以及对大规模数据处理效率不佳，这些问题直接导致设计周期拉长、光罩成本攀升，影响整体制造效能。

建构量子启发式优化平台  国网中心H100助攻成效斐然

针对上述挑战，阳明交通大学光子与微影实验室(NYCU-PAL) 成功将光罩优化问题转换为QUBO（Quadratic Unconstrained Binary Optimization）形式，使其适用于量子退火器求解。

该实验室博士班成员方柏勋指出，透过QUBO建模，复杂的光罩优化问题可充分发挥量子退火器查找优势，有效跳脱局部最小值困境，对组合优化问题特别有效。然而当前D-Wave量子退火系统受量子位元数量限制，存在变量规模瓶颈。

为突破此限制，在国科会晶创EDA专案计划的支持下，NYCU-PAL与仁宝提出「量子兼容优化框架」，运用仁宝自研的Compal GPU Annealer搭配NVIDIA GPU执行量子启发式演算法。此方法模拟量子退火机制的查找策略，不仅克服量子位元限制，更能处理半导体先进制程所需的大规模光罩优化任务。

方柏勋提到，仁宝自研的Compal GPU Annealer为模拟量子退火过程的运算平台，采用CUDA技术并支持多卡GPU平行运算，部署于云端或地端以提供弹性服务。阳明交大则专精于反向光罩演算法设计，双方合作聚焦于Segment-based Mask Optimization（光罩分段式优化），期望结合双方技术优势，在准确度与运算效率间取得最佳平衡。

在国网中心H100 GPU资源的支持下，仁宝电脑与阳明交通大学成功建构量子启发式优化平台原型，并实现显着效能突破。实验结果显示，该平台在运算速度上较传统方法提升近20倍，优化品质平均提升约30%，大幅超越原先预期。

为充分发挥H100 GPU架构效能，团队针对系统运算流程实施多项最佳化策略，包括存储器池化（memory pooling），预先配置GPU存储器区块以减少执行期分配开销；并导入多执行绪流并行处理机制（multi-stream concurrency），透过CUDA Streams分配工作负载、提升平行处理效率。

此外，也结合非阻塞存储器传输与混合精度计算等技术，优化数据搬移效率与运算精度弹性。综合这些策略，成功将Tensor Core与CUDA Core的使用率提升至90%以上，整体运算效能接近线性扩展，展现高度可扩充性与实务落地的潜力。

此专案目前已完成两个代表性应用案例验证。在光罩图形优化比较实验中，Compal GPU Annealer收敛时间仅为传统方法的一半，实现近2倍加速，在图形边缘精度上优于传统方法约30%。

与D-Wave量子退火系统的效能比较，Compal GPU Annealer在中大规模问题上表现与D-Wave持平或略胜，且不受量子位元限制，在目前量子硬件尚未普及的过渡期，提供可落地、可扩展的替代解决方案。

对于未来规划，蔡宗轩与方柏勋均表示，接下来希望可继续使用国网中心H100 GPU资源，短期将聚焦于计算流程最佳化，中期计划从小范围设计单元扩展至完整芯片优化任务；长期而言，技术亦可望延伸应用至 193nm浸润式与EUV微影等高端先进制程节点，为台湾半导体产业技术升级注入新动能。

随着量子启发式演算法与高效能运算平台的整合更加成熟，此跨领域合作模式可望带动产业新思维，开启制程设计与运算架构协同进化的新篇章。