Nvidia ускорит производство чипов с помощью ИИ и цифровых двойников

За выпуском массового полупроводникового продукта стоит огромный пласт инженерной работы. На этапе проектирования техпроцессов и чипов сотрудники НИОКР принимают решения, которые позже скажутся как на характеристиках чипов, так и на уровне брака. ИИ даёт возможность уменьшить число инженерных ошибок и рассмотреть больше удачных вариантов с меньшими затратами времени.

• Концепция AI-defined fab внедряет искусственный интеллект в проектирование, моделирование и контроль качества.
• Использование библиотек Nvidia cuDSS и PhysicsNeMo ускоряет физическое моделирование до 35 раз.
• Прогнозирование плазменного травления от Lam Research занимает миллисекунды вместо дней.
• Цифровые двойники фабрик на базе Omniverse позволяют тестировать изменения в виртуальной среде.

Концепция AI-defined fab и ускорение физического моделирования

Для помощи инженерам на всех этапах внедрения и производства чипов Nvidia представила концепцию так называемых AI-defined fab — фабрик полупроводников, управляемых искусственным интеллектом. Речь идёт о внедрении ИИ в проектирование технологических процессов, моделирование физических явлений, контроль качества и управление производством. Ускоренные вычисления, модели машинного обучения и цифровые двойники позволяют инженерам быстрее проверять технологические решения и сокращать количество дорогостоящих экспериментов.

Одно из ключевых направлений заключается в ускорении многопрофильного физического моделирования, учитывающего теплопередачу, электрические процессы и механические напряжения. Компания COMSOL использует библиотеку Nvidia cuDSS для ускорения таких расчётов при разработке полупроводникового оборудования с приростом производительности до десяти раз. В свою очередь, сотрудничество Nvidia с Applied Materials охватывает моделирование материалов на атомном уровне: платформа Ginestra работает до десяти раз быстрее решений на центральных процессорах.

ИИ-модели, литография и прогнозирование за миллисекунды

Система ACE+ от Applied Materials с применением PhysicsNeMo ускоряет моделирование формирования рельефа поверхности до 35 раз. Siemens интегрирует библиотеку cuLitho в программное обеспечение Calibre, получая ускорение отдельных вычислительных задач до 17 раз. Другой подход заключается в применении ИИ-моделей, обученных на результатах физических симуляций для прогнозирования процессов без повторного выполнения полного вычислительного моделирования.

Ярким примером стало применение Nvidia PhysicsNeMo компанией Lam Research для прогнозирования поведения плазмы при плазменном травлении кремниевых пластин. Расчёты, требующие учёта электрических, химических и тепловых процессов, теперь выдают прогноз за миллисекунды вместо нескольких дней. Это исключает необходимость проведения долгих реальных экспериментов и повторных сложных расчётов на производственной линии.

Цифровые двойники и агенты для управления производством

ИИ-агенты и цифровые двойники дополняют общую экосистему на уровне тестирования и управления производством микросхем. Компания Advantest задействует агентов Nvidia NeMo Switchyard для автоматического выбора ИИ-моделей при анализе результатов испытаний, что сокращает время операций с часов до минут. Applied Materials создаёт при помощи библиотек Nvidia Omniverse цифровые двойники целых заводов для тестирования логистики и оборудования.

Внедрение подобных технологий создаёт основу для нового подхода к производству полупроводников, где инженеры сохраняют стратегический контроль, но получают результаты расчетов в разы быстрее. Это позволяет минимизировать уровень брака и ускорить появление на рынке более качественной электроники.