仁寶與陽明交大攜手國網中心 量子啟發式演算法突破半導體先進製程的光罩設計瓶頸

國立陽明交通大學光子與微影實驗室（NYCU PAL Lab）團隊夥伴，余沛慈教授（右二），方柏勛博士生（右三）。陽明交通大學

半導體製程持續微縮，微影技術的重要性與挑戰日益顯著。面對逼近物理極限的圖形解析度，傳統光罩設計機制的能力逐漸不足，為突破既有限制，仁寶電腦攜手陽明交通大學光電工程學系，結合量子啟發式演算法與國網中心提供的高效能運算（HPC）資源，啟動以反向光罩為設計核心的創新研究專案，期望建立可擴充、模組化的「量子相容光罩優化平台」，為先進半導體製程的光罩設計提供全新技術路徑。

仁寶電腦資深研究員蔡宗軒表示，在研究半導體產業的過程中了解到，微影技術是半導體製程的核心環節，與晶片圖形轉印精度與量產良率息息相關。隨著製程節點不斷縮小，在光學繞射與像差效應影響下，傳統光罩設計面臨「解析度極限」挑戰。

對此目前業界普遍採用光學鄰近效應修正（OPC）與光罩形貌優化技術，但傳統梯度優化演算法存在三大限制，包括容易陷入局部最小值、收斂速度緩慢，以及對大規模資料處理效率不佳，這些問題直接導致設計週期拉長、光罩成本攀升，影響整體製造效能。

建構量子啟發式優化平台  國網中心H100助攻成效斐然

針對上述挑戰，陽明交通大學光子與微影實驗室(NYCU-PAL) 成功將光罩優化問題轉換為QUBO（Quadratic Unconstrained Binary Optimization）形式，使其適用於量子退火器求解。

該實驗室博士班成員方柏勛指出，透過QUBO建模，複雜的光罩優化問題可充分發揮量子退火器搜尋優勢，有效跳脫局部最小值困境，對組合優化問題特別有效。然而當前D-Wave量子退火系統受量子位元數量限制，存在變數規模瓶頸。

為突破此限制，在國科會晶創EDA專案計畫的支持下，NYCU-PAL與仁寶提出「量子相容優化框架」，運用仁寶自研的Compal GPU Annealer搭配NVIDIA GPU執行量子啟發式演算法。此方法模擬量子退火機制的搜尋策略，不僅克服量子位元限制，更能處理半導體先進製程所需的大規模光罩優化任務。

方柏勛提到，仁寶自研的Compal GPU Annealer為模擬量子退火過程的運算平台，採用CUDA技術並支援多卡GPU平行運算，部署於雲端或地端以提供彈性服務。陽明交大則專精於反向光罩演算法設計，雙方合作聚焦於Segment-based Mask Optimization（光罩分段式優化），期望結合雙方技術優勢，在準確度與運算效率間取得最佳平衡。

在國網中心H100 GPU資源的支援下，仁寶電腦與陽明交通大學成功建構量子啟發式優化平台原型，並實現顯著效能突破。實驗結果顯示，該平台在運算速度上較傳統方法提升近20倍，優化品質平均提升約30%，大幅超越原先預期。

為充分發揮H100 GPU架構效能，團隊針對系統運算流程實施多項最佳化策略，包括記憶體池化（memory pooling），預先配置GPU記憶體區塊以減少執行期分配開銷；並導入多執行緒流並行處理機制（multi-stream concurrency），透過CUDA Streams分配工作負載、提升平行處理效率。

此外，也結合非阻塞記憶體傳輸與混合精度計算等技術，優化資料搬移效率與運算精度彈性。綜合這些策略，成功將Tensor Core與CUDA Core的使用率提升至90%以上，整體運算效能接近線性擴展，展現高度可擴充性與實務落地的潛力。

此專案目前已完成兩個代表性應用案例驗證。在光罩圖形優化比較實驗中，Compal GPU Annealer收斂時間僅為傳統方法的一半，實現近2倍加速，在圖形邊緣精度上優於傳統方法約30%。

與D-Wave量子退火系統的效能比較，Compal GPU Annealer在中大規模問題上表現與D-Wave持平或略勝，且不受量子位元限制，在目前量子硬體尚未普及的過渡期，提供可落地、可擴展的替代解決方案。

對於未來規劃，蔡宗軒與方柏勛均表示，接下來希望可繼續使用國網中心H100 GPU資源，短期將聚焦於計算流程最佳化，中期計畫從小範圍設計單元擴展至完整晶片優化任務；長期而言，技術亦可望延伸應用至 193nm浸潤式與EUV微影等高階先進製程節點，為台灣半導體產業技術升級注入新動能。

隨著量子啟發式演算法與高效能運算平台的整合更加成熟，此跨領域合作模式可望帶動產業新思維，開啟製程設計與運算架構協同進化的新篇章。