Производството на масово произвеждан полупроводников продукт включва огромно количество инженерна работа. По време на фазата на процеса и проектирането на чипа, екипът по научноизследователска и развойна дейност взема решения, които по-късно ще повлияят както на производителността на чипа, така и върху процента на дефектите. Изкуственият интелект позволява намаляване на инженерните грешки и проучване на по-жизнеспособни опции в по-кратки срокове.

За да подпомогне инженерите на всички етапи от внедряването и производството на чипове, Nvidia представи концепцията за така наречените AI-defined fab – „фабрики за полупроводници, контролирани от изкуствен интелект“. Не става въпрос за напълно автономни фабрики (въпреки че някой ден това ще стане), а за интегриране на изкуствен интелект в проектирането на процесите, физическото моделиране, контрола на качеството и управлението на производството.

Според визията на компанията, ускорените изчисления, моделите за машинно обучение, обучени върху физическите закони на нашия свят, агентите с изкуствен интелект и дигиталните двойници ще позволят на инженерите по-бързо да валидират технологичните решения, да идентифицират потенциалните причини за дефектите и да намалят броя на скъпоструващите експерименти директно на производствената линия. „Дигиталната“ технология е напълно способна да спести дни и седмици експерименти в реалния свят и да предотврати фатални грешки.

Една от областите на приложение е ускоряването на многофизичните симулации, които едновременно отчитат топлопреноса, електрическите процеси и механичните напрежения. COMSOL използва библиотеката Nvidia cuDSS, за да ускори подобни изчисления при разработването на полупроводниково оборудване и производствени процеси – заявените подобрения в производителността могат да достигнат до десет пъти.

Сътрудничеството на Nvidia с Applied Materials се простира до моделиране на материали в атомен мащаб: платформата Ginestra, използваща cuDSS, е до десет пъти по-бърза от решенията, базирани само на процесор, докато системата ACE+, използваща PhysicsNeMo, ускорява моделирането на повърхностната топография до 35 пъти. Друг пример е литографията: Siemens интегрира библиотеката cuLitho в своя софтуер Calibre, постигайки до 17 пъти ускорение за определени изчислителни задачи.

Друг подход включва използването на ИИ модели, обучени върху резултатите от физически симулации. Това позволява прогнозиране на поведението на технологичните процеси без повторно изпълнение на пълно изчислително моделиране, използвайки само прогнози, като по този начин се елиминира необходимостта от скъпоструващо тестване на съществуващите производствени линии.

Например, Lam Research използва Nvidia PhysicsNeMo, за да предскаже поведението на плазмата, използвана при плазмено ецване на силициеви пластини. Такива изчисления изискват отчитане на взаимодействието на електрическите, химичните и термичните процеси. Според Nvidia, моделът е способен да произвежда прогнози за милисекунди, в сравнение с дните, необходими както за пълномащабен реален експеримент, така и за пълно преизчисляване. Това може дори да се счита за интуиция, въпреки че е твърде рано да се говори за това в ИИ приложенията.

AI агентите и дигиталните двойници допълват тази система на нива на тестване и управление на производството. Advantest използва Nvidia NeMo Switchyard агенти, за да избира автоматично подходящите AI модели при анализа на резултатите от тестовете на полупроводниците. Според Nvidia това намалява времето, необходимо за извършване на тези операции, от часове на минути.

Applied Materials, от своя страна, използва библиотеките Nvidia Omniverse, за да създава цифрови двойници на цели фабрики. Във виртуална среда е възможно да се симулира потокът на материали, разположението на оборудването, производителността на секциите и потенциалните пречки, като се валидират промените, преди да се внедрят в реално съоръжение.

Според Nvidia, обединените усилия за прехвърляне на ключови инженерни отговорности за управление на производството към изкуствения интелект полагат основите за нов подход към производството на чипове, при който инженерите запазват контрола върху технологичните решения, но получават резултатите от анализа значително по-бързо. В крайна сметка това ще позволи по-бързото производство на по-добра и по-висококачествена електроника и компютри.