NVIDIA推出cuPotential：把原子级仿真交给AI智能体，落到半导体材料与器件

NVIDIA 在 10 月 14 日发布 cuPotential ，这是一个面向原子与分子相互作用模拟的 CUDA-X 库，供开发者构建能在材料与工艺环节做仿真的 AI 智能体，目前处于抢先体验阶段。库把 GPU 加速函数做成可嵌入既有软件的模块，用于模拟大批量原子条件下的电学作用力等相互作用，并让智能体自己完成一轮模拟的执行、评估与迭代。

NVIDIA 面向「 AI 定义晶圆厂」的软件栈示意   图片来源： NVIDIA

公告列出多家半导体厂商的使用情况。Synopsys 在 材料仿真 中使用 cuPotential ，同时用 cuEST 做电子行为建模、用 cuDSS 求解工程仿真，早期 QuantumATK 测试显示 cuEST 带来约 30 倍加速，S-Device 基准中 cuDSS 带来 12 倍加速。Lam Research 计划年内在 SEMulator3D 工艺建模平台中集成开源三维数据格式 NanoVDB，用于部分刻蚀工艺建模。NVIDIA 称 cuPotential 在抢先体验测试中让本已针对 GPU 优化的流程再快 2 至 3 倍。

除材料侧，这批工具还覆盖版图与工艺环节：cuLitho 用于芯片图形的印刷计算加速，PhysicsNeMo 用于训练物理 AI 模型，二者与 Omniverse 一起构成厂商所说的「AI 定义晶圆厂」软件栈的一部分——工程师先在 数字孪生 里跑工艺改动，再决定哪些参数值得上机验证。

材料与 器件仿真 的瓶颈长期在算力。第一性原理级别的原子尺度计算复杂度随原子数快速上升，过去常用削减模型规模的办法换时间，代价落在精度上。把这类计算搬上 GPU 并封装成可被智能体调用的库，改变的是单轮仿真的迭代速度：一次可以扫过更多组分与温度点，而不是靠经验挑几个算。这类加速能否真正进入工艺开发流程，取决于势函数与模型在具体材料体系上的精度是否能与实验数据对照，以及仿真、量测与工艺参数之间的闭环能不能稳定建立。

主题：材料