多多读书

手机浏览器扫描二维码访问

第982章 陈总你们准备好了吗（第2页）

em引擎进行快速验证。”

画面中，代表电磁干扰的红色区域在“盘古”引擎的驱动下迅速变为安全的绿色，迭代速度比传统方法快了数十倍。

“而李维明博士的精密器件模型，则通过‘混沌’总线，直接赋能钟耀祖团队的‘伏羲’ai时序收敛助手。

‘伏羲’不再依赖粗略的时序模型，而是基于接近物理真实的器件行为进行预测和优化。

结果就是——”

陈默展示出一组对比数据：

“在balong

5000

lna模块的最终版图上，我们不仅将偏差从0。18%压到了0。05%以内，远超设计预期，而且将时序收敛的迭代次数从平均35次压缩到了惊人的3次。

冯总，海思的同事告诉我，他们节省了将近三周的调试时间。”

冯庭波眼中精光爆射，忍不住脱口而出：“是的，整整三周！”

这对于争分夺秒的芯片流片窗口期，价值无可估量。

陈默微笑颔首：“这就是协同的力量，也是自主工具链深度整合带来的降维打击。”

“其次，是关于孟教授提到的计算光刻算力地狱。”

陈默语气转为铿锵：

“opc（光学临近校正）确实是n+1多重曝光下的噩梦。

传统方法耗时数周，且精度难以保证。”

他切换到一个极具视觉冲击力的界面：

一边是传统opc校正后依然存在毛刺和畸形的图形，另一边则是光滑完美、如同艺术品的修正结果。

“钟耀祖团队，基于其强大的ai算法底蕴，开发了‘女娲’ai-opc系统。

基于自研异构计算架构和新算法，在处理n+1复杂度版图时，计算效率已达国际主流工具95%，且在特定图形补偿精度上有5-10%优势。

自研工具与自研pdk的深度定制优势，是外购工具无法比拟的。

另外它采用深度强化学习与生成对抗网络（gan）结合的方式，不再是机械地遵循规则，而是‘理解’光刻机的成像物理过程，直接生成最优的校正图形。”

陈默展示了一组震撼的数据：

“在balong

5000的某个关键层，采用‘女娲’系统，将opc计算时间从传统的14天缩短到18小时，同时校正精度提升40%，有效预测并规避了3处潜在的光刻热点。

这意味着，我们不仅能更快地拿到可生产的掩膜版，更能从源头提升流片良率。”

孟良凡激动地直接站了起来：

“18小时？！陈总，你确定这是基于我们n+1工艺复杂规则的结果？

这。。。。。。这简直是奇迹！”

作为工艺专家，他太清楚这背后意味着什么了。

陈默淡然一笑：

“孟教授，奇迹源于积累。

‘女娲’系统的训练，离不开张哲博士3d

em引擎提供的精确电磁场数据，以及李维明博士团队提供的器件物理边界条件。

是他们夯实了基础，钟耀祖的ai才能挥洒自如。

系统的训练也是近期才完成的。”