[转载]案例分享 | Lumotive使用Ansys Lumerical FDTD完成LCM仿真

j%=X ps  
Ansys bL/DjsZ@  
3? F~H  
“ OxN[w|2\4  
Lumerical提供的基于AWS的仿真解决方案有效帮助Lumotive在不增加额外成本，且不降低精度的前提下，成功将设计周期缩短2-3个数量级。 6o4Y]C2W{1  
%a']TX  
@;}vK=6L  
Lumotive的目标是实现新兴自动驾驶领域感知系统的彻底革新，这是一家为自动驾驶行业研发固态激活雷达（LiDAR）芯片的初创公司，今年3月新推出一项新的技术 “基于超材料的激光雷达光束控制技术” ，通过这一技术设计的半导体芯片可以减小LiDAR系统的尺寸并降低生产成本。  Lr0:yo  
@W-0ybv  
Lumotive这项专利创新技术方案被称为 “液晶超表面（LCM）技术” ，其LiDAR产品就使用了这种先进的波束控制技术，通过在亚马逊弹性计算云上使用Ansys Lumerical FDTD对LCM技术实现了进一步的设计和优化。Lumotive的创新使基于LCM的波束控制技术从相对不成熟的阶段向前迈进了一大步。激光雷达系统研发的成功，需要能对LCM设计的波束控制进行快速并准确地建模和性能验证，其中最重要的一项就是要找到一种有效的方法可以实现在纳米尺度上预测各向异性介电常数及液晶响应。 D.gD4g_O/  
i@mS8%|l  
|!{Y:f;  
t8M\  
lN*beOj  
此前，Lumotive在仿真LCM性能时遇到的主要难题是，需要对大面积光学器件进行建模，需要精确到纳米尺度，能充分体现CMOS的工艺变化。具体而言，需要在宏观尺度长度（> 100 um）且精度低至纳米级（< 5 nm）上捕获光学属性，这一要求导致Lumotive的计算复杂性大幅提升，又因为内部实际计算资源的不足，他们需要为这项高计算仿真设计目标找到一种新的替代解决方案。 z! :0%qu  
jcHyRR1R  
经过对多种大规模仿真加速HPC解决方案的探索和对比，Lumotive最终采用了Lumerical FDTD支持的基于AWS云平台的加速计算解决方案，主要原因是Lumerical FDTD与Amazon云解决方案的组合方案，可充分发挥两者优势，Lumerical FDTD计算精准，运行实时性能优良，且能充分发挥HPC计算的灵活性，利于成本控制。 2d&]V]:R*  
5&qBG@Hw]  
为了实现极具挑战的设计目标，Lumotive还采用了Lumerical定制化工作流程，Lumerical Python API为流程中非常关键的一个工具，开源工具接口为用户提供了先进且更方便的优化和后处理功能，充分满足运行的可扩展性和互操作性。Lumotive资深LiDAR工程师Prasad Iyer表示：“我们在超表面每一纳米尺寸设计中使用Ansys Lumerical FDTD + AWS + Python API方案，可以有效达到CMOS制造公差兼容。” -^q;e]+J  
^G4@cR.An  
AWS为用户提供了一种极易操作且安全可靠，可按计算需求选择的Web选择界面。用户可方便快捷地根据自身需要购买计算时间，可使用多个大型服务器，只需按实际使用时间付费。这种灵活性对Lumotive很有吸引力，因为他们只有在研发周期的特定时间段内需要使用大量计算资源，再加上Lumerical FDTD本身具有较高的灵活性，通过设置，允许用户同时调用多台服务器运行大规模的并行仿真，可极大加快仿真速度，同样的成本也允许用户在一台服务器上通过运行更长时间来实现。 {@hJPK8  
f4$sH/ 2#v  
高性能Ansys Lumerical FDTD可与EC2实现无缝协作，几分钟即可启动运算。启动一个典型的FDTD仿真例子仅需简单的几个步骤，比如先创建虚拟私有云，再完成安全设置与许可证授权，最后定义一个启动模板；另一个性价比高的解决方案是可以在没有图形界面的Amazon Linux上运行Ansys Lumerical FDTD engine，只需要把预备仿真文件存储在S3中，可省去在云端来回的传输成本。因此，除了完整的Lumerical FDTD外，Lumerical提供的一种更灵活的“云计算授权包”（Cloud pack licenses）选项以方便云计算用户，帮助用户实现在关键设计周期降低成本且实现大规模计算的目标。 U7HfDDh  
ZmmX_!M  
通过借助Lumerical HPC解决方案，Lumotive快速通过AWS平台实现了仿真设计目标。Lumerical FDTD允许用户将一项大型仿真任务采用分布式的方式，同时调用多个计算机核进行仿真，可达到极高的并行运算水平。这种快速扩展使Lumotive能够将其设计时间缩短2-3个数量级，又完全不会降低其准确性，经过对比，此前在其工作站上运行仿真要耗费数小时，后来仅需几分钟就能完成。 h.q9p!  
w@pJ49  
此外，除了工作流程的改进和仿真性能的优化外，Lumerical Python API对于Lumotive后续多项独立工艺参数及约束的设计优化目标也起到关键作用。Lumerical Python API进一步使Lumotive可使用最先进的开源优化算法，既能保持仿真结果的高准确度，又能最大限度地优化液晶超表面（LCM）技术的实际性能。 aNP\Q23D  
J vq)%t8q>  
Lumerical HPC解决方案采用AWS云平台为Lumotive提供了低成本，可扩展且灵活的解决方案，帮助Lumotive确保其液晶超 .. 7[I +1  
D7=Irz!O\7  

未注册仅能浏览部分内容，查看全部内容及附件请先 登录 或 注册