NVIDIA GPU에서 칩 시뮬레이션이 최대 35배 빨라졌다

NVIDIA가 반도체 생산용 엔지니어링 소프트웨어에 자사 라이브러리를 적용한 여러 산업 사례를 블로그 한 편에 모아 소개했다. 그중 가장 실용적인 사례는 마이크로일렉트로닉스에만 국한되지 않는다. COMSOL Multiphysics 6.4에서는 NVIDIA cuDSS GPU 솔버가 표준 솔버 세트에 내장돼 단일 물리 또는 다중 물리 모델 전반에 쓸 수 있다. 이미 완성된 계산은 물리 설정을 바꾸지 않고 그래픽 카드로 옮길 수 있으며, NVIDIA에 따르면 반도체 문제에서 COMSOL은 최대 10배의 가속을 얻는다.

나머지 파트너들은 더 높은 수치를 제시한다. Siemens는 NVIDIA cuLitho를 리소그래피 패키지 Calibre에 통합해 핵심 계산에서 최대 17배의 가속을 얻는다. Applied Materials는 ACE+ 플랫폼에서 지형(topography) 시뮬레이션이 35배 빨라졌다고 밝혔다. Advantest는 NVIDIA의 AI 에이전트를 이용해 테스트 구역의 응답 시간을 수 시간에서 수 분으로 줄였다.

COMSOL, 모든 라이선스에서 솔버를 그래픽 카드로 이전

유한요소법에서는 크고 희소한 연립방정식을 여러 번 푸는 데 가장 많은 시간이 든다. 이런 계는 음함수 시간 적분, 비선형 솔버의 반복 계산, 고유진동수 해석, 파라메트릭 스윕에서 나타난다. 2026년 10월 14일 COMSOL 블로그에 타일러 도니건(Tyler Donegan)이 쓴 바에 따르면, 직접 희소 솔버 cuDSS는 GPU의 메모리 대역폭과 병렬성을 활용해 바로 이 단계를 가속한다. 따라서 문제에 이런 반복 계산이 많을수록 이득이 더 뚜렷해질 것으로 보인다.

공정 챔버의 파라미터를 조정하며 열, 전기, 기계적 응력을 포함해 수십 가지 형상 변형에 대해 스윕을 돌리는 엔지니어를 생각해 보자. 이전에는 모델을 단순화하느냐, CPU로 밤새 계산하느냐를 두고 선택해야 했다. 이제는 같은 프로젝트를 모델을 재구성하지 않고 그래픽 카드에서 실행할 수 있다. COMSOL은 조건을 분명히 밝히고 있다.

GPU 솔버와 GPU에서의 대리(surrogate) 신경망 모델 학습은 모든 라이선스 유형의 표준 설치에 포함된다.
호환되는 NVIDIA 그래픽 카드와 드라이버만 있으면 된다.
GPU에서의 시간 명시적 압력 음향 계산은 Acoustics Module이 있어야 사용할 수 있다.

'최대 10배'라는 수치는 NVIDIA 자료에 실린 일반화된 평가다. COMSOL이 NVIDIA RTX Pro 6000 Blackwell Max-Q 96GB 그래픽 카드로 반도체 모델을 직접 테스트한 결과, 검증된 CPU 구성과 비교한 향상 폭은 문제에 따라 2배 남짓에서 13배까지였다. 실제 이득은 전체 계산에서 선형 연립방정식 풀이가 차지하는 비중에 따라 달라진다.

Applied Materials, 원자부터 작업 현장까지 사슬 전체를 가속

Applied Materials는 NVIDIA의 라이브러리를 여러 층위에 동시에 접목한다. cuDSS를 쓰는 Ginestra 플랫폼은 프로세서만 쓸 때보다 최대 10배 빠르게 동작한다. 2026년 7월 26일자 NVIDIA 기술 블로그는 이를 통해 재료 조합과 반응 경로에 대한 수천 건의 가상 실험을 돌릴 수 있다고 설명한다. 같은 글에는 cuEST 라이브러리를 이용한 밀도범함수 이론 계산의 측정치도 실려 있다. CPU 64코어에서 5일이 걸린 문제가 NVIDIA B200 한 장에서 약 두 시간 만에 풀리는데, 이는 약 55배에 해당한다.

ACE+ 플랫폼에서는 가속을 다른 방식으로 달성한다. PhysicsNeMo 프레임워크는 다중 물리 시뮬레이션 결과를 실시간으로 작동하는 디지털 트윈으로 바꾼다. 지형 모델링은 최대 35배 빨라지고, 파라미터는 대화형으로 탐색할 수 있다. Lam Research도 비슷한 접근을 보여줬다. NVIDIA에 따르면 PhysicsNeMo는 식각 공정에서 플라즈마의 거동을 밀리초 단위로 예측하는데, 전체 시뮬레이션은 며칠이 걸린다.

이 사슬의 최상위는 Omniverse 라이브러리로 만든 공장 전체의 디지털 트윈이다. Applied Materials는 여기서 자재 이동을 모델링하고, 병목을 찾고, 실제 라인을 바꾸기 전에 배치와 운영 전략을 비교한다.

리소그래피와 테스트

회로 패턴이 실리콘에 어떻게 전사되는지를 계산하는 계산 리소그래피 분야에서 NVIDIA는 양산 규모에서 CPU로는 너무 무거운 작업들을 언급한다. cuLitho를 Siemens Calibre에 통합하면 핵심 워크로드가 최대 17배 빨라진다. NVIDIA는 이로써 엔지니어가 웨이퍼를 노광하기 전에 확인할 수 있는 범위가 넓어진다고 말한다. 정확히 어떤 작업을 어떤 장비에서 돌려 이 수치를 얻었는지는 자료에 공개되지 않았다.

Advantest는 특정 작업에 맞는 AI 모델을 고르기 위해 NVIDIA NeMo Switchyard 에이전트를 활용한다. 테스트 구역에서는 이것이 수 시간이 걸리는 순차적 수동 작업이었지만, 지금은 수 분 만에 답이 나온다. 공정 자체나 NeMo Switchyard 라이선스에 대한 세부 내용은 자료에 없다.

NVIDIA는 전체 구상을 이렇게 정리한다.

«반도체 생산의 미래는 이러한 역량들을 결합하는 데 있다. 생산 데이터가 모델을 먹이고, 모델이 변경을 평가하며, 그 결론이 생산에 관한 의사결정을 내리는 엔지니어에게 돌아간다.»

공장 밖에서는 누구에게 유용할까

엔지니어 독자 대다수에게 이 묶음에서 가장 중요한 소식은 COMSOL이다. 이 솔버는 마이크로일렉트로닉스 밖의 문제까지 포함해 모든 다중 물리 모델에서 작동하며, 별도의 라이선스를 요구하지 않는다. 설명으로 보면, 적절한 NVIDIA 그래픽 카드를 갖춘 워크스테이션 사용자는 6.4로 업데이트한 뒤 자신의 문제에서 시간을 비교해 보면 된다. 다만 이 가속은 CUDA 기반이며 NVIDIA 그래픽 카드를 전제로 한다.

Applied Materials, Siemens, Lam Research의 수치는 폐쇄형 산업용 패키지에 관한 것이어서 외부에서 검증하기 어렵다. ACE+와 Lam Research의 플라즈마 사례처럼 물리로 학습한 모델을 쓰는 접근에는 그 나름의 비용이 따른다. 빠른 응답은 전체 시뮬레이션 결과로 학습을 마친 뒤에야 가능할 것이므로, 그러려면 전체 계산이 여전히 필요하다. 35배 가속은 이미 탐색이 끝난 영역 안에서 파라미터를 살펴보는 경우에 해당하는 것으로 보이며, 새로운 물리를 처음부터 계산하려면 여전히 전체 시뮬레이션이 필요하다.

GPU 가속 결과 중 어느 쪽이 더 인상적인가?