本文报道了光刻初创公司 Substrate 在将谷歌 DeepMind 的 AlphaEvolve 编程智能体引入其 X 射线计算光刻堆栈后取得的成果：在一个月内将工作负载运行速度提升 680%，计算成本降低 97%，内存用量降低 94%。通过在不破坏物理规律前提下降低计算分辨率并调整代码数据类型，相关工作负载可在谷歌 TPU 上高效运行，且能自动探索数十万个潜在算法改进点，支持一次光刻实现 12nm 特征尺寸的双向 M1 金属互联层（相当于 High NA EUV 水平）。Substrate 认为此案例展示了模型与芯片协同进化在计算智能与半导体工艺优化中的潜力。
4 月 9 日消息，Substrate 是一家以 X 射线为光源的光刻技术初创企业，在当地时间本月 7 日的博客中，这家公司表示谷歌 DeepMind 的 AlphaEvolve 编程智能体极大程度优化了其计算光刻技术堆栈。
通过引入 AlphaEvolve，Substrate 在短短一个月的时间内将其计算光刻工作负载运行速度提升 680%、计算成本降低 97%、内存用量降低 94%。
在保持底层物理规律不被破坏的同时，AlphaEvolve 大幅降低了计算光刻所需的分辨率，同时代码数据类型的调整也让此类工作负载适合在算力成本谷歌 TPU 上运行，更不用提 Substrate 团队现在可自动化探索数十万个潜在算法改进点。
AlphaEvolve 支持 Substrate 仅以一次光刻就实现了 12nm 特征尺寸的双向 M1 金属互联层，这相当于 High NA EUV 系统的水平。而 AI 技术的引入使得 Substrate 可提前掌握技术的弱点和改进方法，而不需要大量反复的实际测试。
Substrate 表示，正是 AlphaEvolve 让该公司比以往任何时候都更清楚地认识到，模型与芯片协同进化是计算智能的未来。