Chip-Simulationen auf NVIDIA-GPUs bis zu 35-mal schneller

NVIDIA hat in einem einzigen Blogbeitrag gleich mehrere industrielle Implementierungen seiner Bibliotheken in Engineering-Software für die Halbleiterfertigung zusammengefasst. Die praktischste davon betrifft nicht nur die Mikroelektronik. In COMSOL Multiphysics 6.4 ist der GPU-Solver NVIDIA cuDSS in den Standardsatz der Solver integriert und eignet sich für jedes ein- oder multiphysikalische Modell. Bereits fertige Berechnungen lassen sich ohne Änderung der Physikeinstellungen auf die Grafikkarte übertragen, und bei Halbleiteraufgaben erreicht COMSOL nach Angaben von NVIDIA eine Beschleunigung um bis zu 10-mal.

Die übrigen Partner nennen höhere Zahlen. Siemens integriert NVIDIA cuLitho in das Lithografie-Paket Calibre und erzielt bei zentralen Berechnungen eine bis zu 17-fache Beschleunigung. Applied Materials berichtet von einer 35-fachen Beschleunigung von Topografie-Simulationen in der Plattform ACE+. Advantest hat mit Hilfe von KI-Agenten von NVIDIA die Reaktionszeit in einem Testbereich von Stunden auf Minuten verkürzt.

COMSOL verlagert den Solver für alle Lizenzen auf die Grafikkarte

Bei der Finite-Elemente-Methode geht die meiste Zeit für das mehrfache Lösen großer dünn besetzter Gleichungssysteme auf. Solche Systeme entstehen bei der impliziten Zeitintegration, bei Iterationen des nichtlinearen Solvers, in der Eigenfrequenzanalyse und bei parametrischen Durchläufen. Wie Tyler Donegan im COMSOL-Blog vom 14. Oktober 2026 schreibt, beschleunigt der direkte Sparse-Solver cuDSS genau diese Phase durch die Speicherbandbreite und die Parallelität der GPU. Der Gewinn dürfte daher umso deutlicher ausfallen, je mehr solcher wiederkehrenden Lösungsschritte eine Aufgabe enthält.

Nehmen wir einen Ingenieur, der die Parameter einer Prozesskammer abstimmt und einen Sweep über Dutzende Geometrievarianten mit Wärme, Elektrik und mechanischen Spannungen durchlaufen lässt. Früher musste er zwischen einer Vereinfachung des Modells und nächtlichen CPU-Berechnungen wählen. Jetzt lässt sich dasselbe Projekt ohne Umbau des Modells auf der Grafikkarte starten. COMSOL nennt die Voraussetzungen direkt:

• Der GPU-Solver und das Training surrogater neuronaler Netzmodelle auf der GPU gehören bei allen Lizenztypen zur Standardinstallation;
• benötigt werden lediglich eine kompatible NVIDIA-Grafikkarte und Treiber;
• die zeitexplizite Berechnung der Druckakustik auf der GPU ist mit dem Acoustics Module verfügbar.

Die Zahl „bis zu 10-mal“ ist eine zusammenfassende Einschätzung aus dem Material von NVIDIA. In eigenen Tests von COMSOL an Halbleitermodellen mit der Grafikkarte NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB lag der Zuwachs gegenüber bewährten CPU-Konfigurationen je nach Aufgabe zwischen gut dem Zweifachen und dem 13-Fachen. Der tatsächliche Gewinn hängt davon ab, welchen Anteil der Berechnung das Lösen der linearen Systeme einnimmt.

Applied Materials beschleunigt die Kette von den Atomen bis zur Fertigungshalle

Applied Materials bindet die Bibliotheken von NVIDIA auf mehreren Ebenen gleichzeitig ein. Die Plattform Ginestra arbeitet mit cuDSS bis zu 10-mal schneller als allein auf Prozessoren. Im technischen Blog von NVIDIA vom 26. Juli 2026 wird präzisiert, dass sich damit Tausende virtueller Experimente zu Materialkombinationen und Reaktionspfaden durchspielen lassen. Dort wird auch eine Messung für Berechnungen nach der Dichtefunktionaltheorie mit der Bibliothek cuEST angeführt: Eine Aufgabe, die auf 64 CPU-Kernen fünf Tage lief, wird auf einer einzelnen NVIDIA B200 in etwa zwei Stunden gelöst, das sind rund 55-mal schneller.

In der Plattform ACE+ wird die Beschleunigung anders erreicht. Das Framework PhysicsNeMo verwandelt die Ergebnisse multiphysikalischer Simulationen in digitale Zwillinge, die in Echtzeit arbeiten. Die Topografie wird bis zu 35-mal schneller modelliert, und Parameter lassen sich interaktiv untersuchen. Einen ähnlichen Ansatz hat Lam Research gezeigt: Nach Angaben von NVIDIA sagt PhysicsNeMo das Verhalten des Plasmas in Ätzprozessen innerhalb von Millisekunden voraus, während eine vollständige Simulation Tage dauert.

Die obere Ebene dieser Kette sind digitale Zwillinge ganzer Fabriken auf den Bibliotheken von Omniverse. Darin modelliert Applied Materials den Materialfluss, sucht Engstellen und vergleicht Layouts und Betriebsstrategien, noch bevor an der realen Linie etwas verändert wird.

Lithografie und Test

In der Computational Lithography, also bei der Berechnung, wie das Schaltungsmuster auf das Silizium übertragen wird, spricht NVIDIA von Aufgaben, die für CPUs im Produktionsmaßstab zu schwer sind. Die Integration von cuLitho in Siemens Calibre liefert eine bis zu 17-fache Beschleunigung zentraler Workloads. Laut NVIDIA erweitert das den Kreis dessen, was Ingenieure vor dem Belichten des Wafers prüfen können. Welche Aufgaben genau und auf welcher Hardware diese Zahl erreicht wurde, wird in den Materialien nicht offengelegt.

Advantest nutzt Agenten von NVIDIA NeMo Switchyard, um das KI-Modell für die jeweilige Aufgabe auszuwählen. In einem Testbereich war dies ein sequenzieller manueller Prozess, der Stunden dauerte, jetzt kommt die Antwort in Minuten. Details zum Prozess selbst und zur Lizenz von NeMo Switchyard finden sich in den Materialien nicht.

Die Gesamtidee formuliert NVIDIA so:

„Die Zukunft der Halbleiterfertigung liegt in der Verbindung dieser Fähigkeiten: Produktionsdaten speisen die Modelle, die Modelle bewerten Änderungen, und die Erkenntnisse gehen zurück an die Ingenieure, die die Entscheidungen über die Produktion treffen.“

Wem das außerhalb der Fabriken nützt

Für die meisten Leser aus dem Engineering ist COMSOL die wichtigste Nachricht in diesem Paket. Der Solver arbeitet mit jedem multiphysikalischen Modell, einschließlich Aufgaben außerhalb der Mikroelektronik, und benötigt keine separate Lizenz. Für den Besitzer einer Workstation mit einer passenden NVIDIA-Grafikkarte genügt es der Beschreibung nach, auf 6.4 zu aktualisieren und die Zeiten an der eigenen Aufgabe zu vergleichen. Dabei beruht die Beschleunigung auf CUDA und ist auf Grafikkarten von NVIDIA ausgelegt.

Die Zahlen von Applied Materials, Siemens und Lam Research beziehen sich auf geschlossene Industriepakete, und von außen sind sie schwer zu überprüfen. Der Ansatz mit physikgestützt trainierten Modellen, wie in ACE+ und im Plasma-Beispiel von Lam Research, hat seinen Preis. Die schnelle Antwort ist vermutlich erst nach dem Training an Ergebnissen vollständiger Simulationen möglich, vollständige Berechnungen sind dafür also weiterhin nötig. Die 35-fache Beschleunigung bezieht sich aller Wahrscheinlichkeit nach auf die Untersuchung von Parametern innerhalb eines bereits erschlossenen Bereichs; die Berechnung neuer Physik von Grund auf erfordert weiterhin eine vollständige Simulation.

Wessen Ergebnis bei der GPU-Beschleunigung beeindruckt Sie mehr?

• NVIDIA: bis zu 10-mal
• Siemens: bis zu 17-mal