ความต้องการชิปขั้นสูงที่เพิ่มขึ้น ทำให้การวิเคราะห์กระบวนการผลิตเซมิคอนดักเตอร์เป็นขั้นตอนที่ท้าทายและอาจใช้เวลาหลายวัน ซึ่ง AI เข้ามาช่วยให้การวิเคราะห์เหล่านี้สามารถทำได้รวดเร็วกว่ามาก
วงจรการจำลองที่สั้นลงเปิดโอกาสให้สำรวจมากขึ้น
การคำนวณทางแสง (Computational lithography) ซึ่งกำหนดรูปแบบวงจรบนซิลิกอนนั้นต้องใช้การคำนวณที่ซับซ้อนเกินกว่าที่ CPU จะทำได้ในระดับการผลิต
การทำนายพฤติกรรมกระบวนการโดยไม่ต้องรันจำลองทุกครั้ง
การจำลองพฤติกรรมของพลาสมาต้องแก้สมการที่ซับซ้อน ซึ่ง Lam Research ได้แสดงให้เห็นว่าเฟรมเวิร์ก NVIDIA PhysicsNeMo สามารถทำนายพฤติกรรมพลาสมาได้ในระดับมิลลิวินาที เทียบกับการจำลองเต็มรูปแบบที่อาจใช้เวลาหลายวัน
การทดสอบการเปลี่ยนแปลงในโรงงานก่อนถึงสายการผลิต
การสร้าง Digital Twin ของโรงงานด้วย NVIDIA Omniverse libraries ช่วยให้สามารถจำลองการไหลของวัสดุ ค้นหาคอขวด และตรวจสอบกลยุทธ์การทำงานก่อนนำไปใช้จริง
วงจรที่เชื่อมต่อกัน
อนาคตของการผลิตเซมิคอนดักเตอร์คือการเชื่อมโยงความสามารถเหล่านี้เข้าด้วยกัน โดยใช้ข้อมูลการผลิตป้อนเข้าสู่โมเดล และใช้โมเดลในการประเมินการเปลี่ยนแปลง ก่อนนำผลลัพธ์กลับไปให้วิศวกรตัดสินใจในกระบวนการผลิต
ศัพท์ที่ควรรู้
- Semiconductor Fabs – โรงงานผลิตเซมิคอนดักเตอร์ขนาดเล็กที่ผลิตชิป
- Computational lithography – กระบวนการคำนวณที่กำหนดรูปแบบวงจรบนชิลิคอน
- NVIDIA PhysicsNeMo – เฟรมเวิร์กของ NVIDIA ที่ใช้ทำนายพฤติกรรมของพลาสมาได้อย่างรวดเร็ว
- NVIDIA Omniverse – ไลบรารีที่ใช้สร้าง Digital Twin หรือแบบจำลองเสมือนของโรงงานผลิต
ที่มา: NVIDIA Blog