Спрос на передовые чипы растет. Процессы их создания становятся сложнее. А допустимая погрешность уменьшается.
Для инженеров понимание того, как поведет себя изменение процесса, как материал будет взаимодействовать с новым этапом и как дефект связан с первопричиной — это важнейшие и сложные задачи в производстве полупроводников, и такой анализ может занимать дни. Физические эксперименты на линии фабрики идут медленно и стоят дорого. Ошибка в оценке выхода годной продукции или качества процесса имеет вполне реальные последствия.
ИИ трансформирует производство полупроводников, влияя на то, что могут делать инженеры — и как быстро.
Ускоренные вычисления сокращают время симуляции, позволяя инженерам оценивать больше альтернатив до того, как переходить к физическим испытаниям.
Физически обоснованный ИИ помогает инженерам прогнозировать поведение процессов без необходимости каждый раз запускать полномасштабную симуляцию.
ИИ-агенты берут на себя последовательности инженерных задач, которые раньше отнимали часы.
А цифровые двойники позволяют командам тестировать изменения в виртуальной среде до проведения физических испытаний.
В совокупности эти возможности описывают фабрику, определяемую ИИ: производственное предприятие, где ИИ помогает инженерам оптимизировать процессы, раньше выявлять проблемы и принимать более эффективные решения на протяжении всего жизненного цикла производства чипов. Инженеры руководят процессом и принимают решения на основе своей экспертизы, тратя меньше времени на ожидание результатов.
Более короткие циклы симуляции меняют то, что могут исследовать инженеры
Ускоренные вычисления не просто ускоряют отдельные расчеты — они меняют количество альтернатив, которые инженеры могут протестировать перед принятием окончательного решения.
Мультифизические симуляции моделируют взаимодействия между физическими эффектами, такими как теплопередача, электрическое поведение и механическое напряжение.
Используя библиотеку NVIDIA cuDSS, поставщик программного обеспечения для мультифизического моделирования COMSOL ускоряет такие симуляции для производства полупроводников вплоть до 10 раз. Это помогает инженерам оптимизировать оборудование и процессы, сравнивать альтернативы и решать, какие изменения стоит протестировать физически.
Applied Materials и NVIDIA сотрудничают с целью ускорения поиска материалов на атомном уровне и разработки процессов. Благодаря интеграции NVIDIA cuDSS платформа симуляций Ginestra от Applied работает до 10 раз быстрее, чем подходы, использующие только CPU. А с помощью NVIDIA PhysicsNeMo мультифизическая платформа ACE+ от Applied обеспечивает симуляцию топографии до 35 раз быстрее.
В некоторых случаях ускорение не просто сокращает время расчета — оно вообще делает его возможным. Вычислительная литография, которая определяет способ прорисовки схем на кремнии, включает в себя расчеты, слишком ресурсоемкие для выполнения на CPU в масштабах производства. Siemens интегрирует NVIDIA cuLitho в свое ПО для литографии Calibre, обеспечивая до 17-кратное ускорение ключевых задач симуляции. Это расширяет возможности инженеров по проверке до того, как пластина отправится в печать.
Таким образом, более быстрые расчеты помогают исследователям изучать поведение материалов и пути реакций, влияющие на полупроводниковые процессы нового поколения.
Прогнозирование поведения процессов без запуска каждой симуляции
В дополнение к ускорению симуляций, обученный на основе физики ИИ может предсказывать поведение материалов и процессов без необходимости каждый раз выполнять полномасштабную симуляцию.
Наиболее заметен этот эффект в сложных расчетах, которые обходятся дорого даже на ускоренном оборудовании.
Плазма — электрически заряженный газ, используемый в процессах травления полупроводников — является одним из таких примеров. Моделирование поведения плазмы требует решения уравнений, отражающих взаимодействие электрических, химических и термических процессов, из-за чего повторные симуляции стоят дорого. Компания Lam Research продемонстрировала, что фреймворк NVIDIA PhysicsNeMo способен прогнозировать поведение плазмы за миллисекунды по сравнению с днями для полной симуляции, предоставляя инженерам более быстрый способ изучения условий процесса без необходимости каждый раз перезапускать всю модель.
Агенты берут на себя этапы между принятием решений
Инженеры преобразуют аналитику в решения: дорабатывают проект, расследуют сбой при тестировании, корректируют производственный процесс и многое другое.
ИИ-агенты могут помочь выполнить шаги, лежащие между этими решениями.
Оценка того, какую модель ИИ применить к конкретной задаче — один из таких примеров: последовательный ручной процесс, который может отнимать часы на испытательном участке.
Advantest использует ИИ-агенты NVIDIA NeMo Switchyard для автоматизации этого выбора, сокращая время отклика с часов до минут.
Тестирование изменений на заводе до того, как они попадут на линию
Цифровые двойники позволяют командам симулировать конфигурации оборудования, планировку и изменения процессов в виртуальной среде перед проведением физических испытаний. Это снижает затраты на эксперименты, особенно по мере того, как фабрики становятся сложнее, а ставки при неверном изменении растут.
Applied Materials использует библиотеки NVIDIA Omniverse для создания физически точных цифровых двойников целых фабрик. Команды могут симулировать перемещение материалов, выявлять узкие места и оценивать планировку и стратегии работы, расширяя виртуальное экспериментирование от отдельных процессов до работы завода в целом.
Связанный контур
Будущее производства полупроводников заключается в объединении этих возможностей: использовании производственных данных для наполнения моделей и моделей для оценки изменений, с последующим возвратом полученных выводов инженерам, принимающим производственные решения.
В этом и заключается суть фабрики, определяемой ИИ: где ИИ помогает людям учиться на каждом производственном цикле и применять эти знания быстрее.
Узнайте, как NVIDIA работает с лидерами полупроводниковой отрасли на протяжении всего жизненного цикла чипа.
