Az AI-alapú chipgyár egyre kevésbé futurisztikus ötlet: az NVIDIA szerint a gyorsított számítás, a fizikai alapú mesterséges intelligencia, az AI-ügynökök és a digitális ikrek együtt már most átalakítják a félvezetőgyártás mérnöki munkáját. A cél, hogy a mérnökök kevesebbet várjanak az eredményekre, és több megoldást próbálhassanak ki, mielőtt a gyártósoron fizikai kísérletbe kezdenének.
Miért van szükség az AI-ra a félvezetőgyártásban?
A fejlett chipek iránti kereslet nő, a gyártási folyamatok bonyolultabbak lesznek, a hibahatár pedig szűkül. A mérnököknek meg kell érteniük, hogyan viselkedik egy folyamatmódosítás, hogyan hat egy anyag egy új lépésre, és egy hiba hogyan vezethető vissza a kiváltó okra. Az ilyen elemzések napokig tarthatnak. A fizikai kísérletek a gyártósoron lassúak és drágák, egy téves döntés a hozamra vagy a folyamat minőségére pedig súlyos következményekkel járhat.
Az NVIDIA megfogalmazásában az AI-vezérelt gyár olyan üzem, ahol a mesterséges intelligencia segít a folyamatok optimalizálásában, a problémák korábbi észlelésében és a jobb döntésekben a teljes chipéletciklus alatt. A döntéseket továbbra is a mérnökök hozzák a szakértelmük alapján.
Gyorsabb szimuláció, több kipróbált alternatíva
A gyorsított számítás nemcsak az egyes számításokat gyorsítja, hanem azt is megváltoztatja, hány alternatívát lehet kipróbálni a fizikai tesztek előtt. A multifizikai szimulációk a hő, az elektromos viselkedés és a mechanikai feszültség kölcsönhatásait modellezik.
- COMSOL: az NVIDIA cuDSS könyvtárával akár 10-szeresére gyorsítja a félvezetőgyártási szimulációkat.
- Applied Materials: a Ginestra szimulációs platform a cuDSS-szel akár 10-szer gyorsabb a csak CPU-s megoldásoknál, az ACE+ multifizikai platform pedig az NVIDIA PhysicsNeMo-val akár 35-ször gyorsabb topográfiai szimulációkat ad.
- Siemens: az NVIDIA cuLitho-t építi a Calibre litográfiai szoftverébe, kulcsfontosságú szimulációs feladatokon akár 17-szeres gyorsulással.
A számítási litográfia, amely azt határozza meg, hogyan kerülnek a áramköri minták a szilíciumra, olyan számításigényes, hogy gyártási léptékben CPU-n nem is végezhető el. Itt a gyorsítás tehát magát a lehetőséget teremti meg. Ahogy az Intel gyárvásárlása is mutatja, a gyártókapacitás a szektor egyik kulcskérdése, így minden hatékonyságnövelés számít.
Fizikai alapú AI és ügynökök
A fizikával betanított AI képes megjósolni az anyagok és folyamatok viselkedését anélkül, hogy minden alkalommal teljes szimulációt kellene futtatni. Ez különösen a gyorsított hardveren is drága számításoknál előnyös. Ilyen a plazma, a maratási folyamatokban használt elektromosan töltött gáz, amelynek modellezése egymással kölcsönható elektromos, kémiai és termikus folyamatok egyenleteit igényli.
A Lam Research bemutatta, hogy az NVIDIA PhysicsNeMo keretrendszer ezredmásodpercek alatt megjósolja a plazma viselkedését, szemben a teljes szimuláció napjaival.
Az AI-ügynökök a döntések közötti lépéseket vihetik el. Az Advantest az NVIDIA NeMo Switchyard ügynökeivel automatizálja annak kiválasztását, melyik AI-modellt érdemes használni egy feladathoz. Ez korábban a tesztpadlón akár órákig tartó, kézi folyamat volt, most órákról percekre csökkent a válaszidő.
Digitális ikrek: tesztelés a gyártósor előtt
A digitális ikrek lehetővé teszik, hogy a csapatok virtuális környezetben szimulálják a berendezések konfigurációját, az elrendezést és a folyamatváltozásokat. Ez csökkenti a kísérletezés költségét, főleg ahogy a gyárak egyre összetettebbek. Az Applied Materials az NVIDIA Omniverse könyvtáraival fizikailag pontos digitális ikreket épít teljes gyárakról: szimulálható az anyagmozgás, azonosíthatók a szűk keresztmetszetek, értékelhetők az elrendezések és működési stratégiák. A cég ilyen ikrekkel a kialakítás, az átbocsátás, a költségek és a folyamatirányítás gyári szintű optimalizálását is vizsgálja.
A jövő az NVIDIA szerint ezeknek a képességeknek az összekapcsolása: a gyártási adatok táplálják a modelleket, a modellek értékelik a változtatásokat, az eredmények pedig visszajutnak a döntéshozó mérnökökhöz.
Gyakori kérdések
Mit jelent az AI-alapú chipgyár?
Olyan félvezetőgyártó üzemet, ahol az AI segíti a mérnököket a folyamatok optimalizálásában és a hibák korai felismerésében. A döntéseket az emberek hozzák.
Mennyivel gyorsítja a szimulációt az NVIDIA technológiája?
A forrás szerint a COMSOL és az Applied Ginestra akár 10-szeres, az ACE+ akár 35-szörös, a Siemens Calibre pedig akár 17-szeres gyorsulást ér el.
Mire jó a digitális iker a gyártásban?
Virtuálisan tesztelhetők vele a berendezések, elrendezések és folyamatváltozások, mielőtt fizikai próbára kerülne sor. Ez csökkenti a költségeket.
Forrás: NVIDIA Blog
