半導体業界は、ますます厳しくなる課題に直面している。先端チップの需要は高まり続け、製造プロセスは複雑化し、許容される誤差は縮小している。エンジニアにとって、プロセス変更がどのように振る舞うか、材料が新しいステップでどのように相互作用するか、欠陥がどのように根本原因に結びつくかを理解することは、半導体製造における重要かつ困難なステップであり、これらの分析には数日かかることがある。ファブラインでの物理実験は遅く費用もかかるため、歩留まりやプロセス品質に関する誤った判断は現実の結果を招く。人工知能は半導体製造を変革し、エンジニアができることとそのスピードに影響を与えている。
加速コンピューティングはシミュレーション時間を短縮し、エンジニアが物理試験に踏み切る前に多くの代替案を評価できるようにする。物理ベースのAIは、毎回完全なシミュレーションを実行することなく、プロセスの挙動を予測するのに役立つ。AIエージェントは、かつて数時間を要した一連のエンジニアリングタスクを処理する。デジタルツインにより、チームは物理試験に踏み切る前に仮想環境で変更をテストできる。これらの能力を合わせると「AI定義のファブ」が描かれる。これは、AIがエンジニアのプロセス最適化、問題の早期発見、チップ製造ライフサイクル全体にわたるより良い意思決定を支援する半導体製造工場である。エンジニアは専門知識に基づいて作業を指示し意思決定を行うが、答えを待つ時間は減る。
加速コンピューティングは個々の計算を速くするだけでなく、エンジニアが決定を下す前にテストできる代替案の数を変える。マルチフィジックスシミュレーションは、伝熱、電気的挙動、機械的応力などの物理効果間の相互作用をモデル化する。マルチフィジックスソフトウェアプロバイダーのCOMSOLは、NVIDIA cuDSSライブラリを使用して、半導体製造向けのこのようなシミュレーションを最大10倍加速している。これにより、エンジニアは装置やプロセスを最適化し、代替案を比較し、どの変更を物理的にテストするかを決定できる。Applied MaterialsとNVIDIAは、原子スケールの材料探索とプロセス開発を加速するために協力している。NVIDIA cuDSSを統合することで、AppliedのGinestraシミュレーションプラットフォームはCPUのみのアプローチより最大10倍高速に動作する。また、NVIDIA PhysicsNeMoにより、AppliedのACE+マルチフィジックスプラットフォームは最大35倍高速なトポグラフィシミュレーションを提供する。
場合によっては、加速は計算時間を短縮するだけでなく、計算自体を可能にする。回路パターンをシリコンに印刷する方法を定義する計算リソグラフィは、生産規模でCPU上で完了するには計算負荷が高すぎる。SiemensはNVIDIA cuLithoをCalibreリソグラフィソフトウェアに統合し、主要なシミュレーションワークロードで最大17倍の加速を実現している。これにより、ウェーハが印刷される前にエンジニアが検証できる範囲が広がる。したがって、より高速な計算は、研究者が次世代半導体プロセスに影響を与える材料挙動や反応経路を探索するのに役立つ。
シミュレーションの加速に加えて、物理に基づいて訓練されたAIは、毎回完全なシミュレーションを実行することなく、材料やプロセスの挙動を予測できる。その効果は、加速ハードウェア上でもコストが高い複雑な計算で最も顕著に現れる。半導体エッチングプロセスで使用される帯電ガスであるプラズマは一例である。プラズマ挙動のモデリングには、電気的、化学的、熱的プロセスの相互作用を捉える方程式を解く必要があり、繰り返しシミュレーションはコストがかかる。Lam Researchは、NVIDIA PhysicsNeMoフレームワークが完全なシミュレーションでは数日かかるプラズマ挙動をミリ秒で予測できることを実証し、毎回完全なモデルを再実行することなくプロセス条件を探索するより迅速な方法をエンジニアに提供した。Applied Materialsは、NVIDIA Omniverseライブラリ上に構築されたデジタルツインを使用して、レイアウト、スループット、コスト、プロセス制御のファブレベルの最適化をシミュレーションしている。
エンジニアは分析を意思決定に変える。設計の修正、テスト失敗の調査、生産プロセスの調整などである。AIエージェントは、これらの意思決定間のステップを実行するのに役立つ。特定のタスクにどのAIモデルを適用するかの評価は一例である。これはテストフロアで数時間を要する可能性のある逐次的な手動プロセスである。AdvantestはNVIDIA NeMo Switchyard AIエージェントを使用してこの選択を自動化し、応答時間を数時間から数分に短縮している。
デジタルツインにより、チームは物理試験に踏み切る前に、装置構成、レイアウト、プロセス変更を仮想環境でシミュレーションできる。これにより実験コストが削減される。特にファブが複雑化し、誤った変更のリスクが高まるにつれて重要である。Applied MaterialsはNVIDIA Omniverseライブラリを使用して、ファブ全体の物理的に正確なデジタルツインを構築している。チームは材料の移動をシミュレーションし、ボトルネックを特定し、レイアウトと運用戦略を評価できる。これにより仮想実験が個々のプロセスを超えて、工場全体の動作にまで拡張される。
半導体製造の未来は、これらの能力を接続することにある。生産データをモデルに反映し、モデルで変更を評価し、その結果を生産意思決定を行うエンジニアに戻す。これが「AI定義のファブ」の約束である。AIが人々の各生産サイクルからの学習を支援し、その知識に基づいてより迅速に行動できるようにする。