AI Transformeert De Semiconindustriefabrieken

De vraag naar geavanceerde chips stijgt en de productieprocessen worden steeds complexer. Voor ingenieurs is het cruciaal om te begrijpen hoe veranderingen in processen zich gedrag, hoe materialen interageren met nieuwe stappen en hoe defecten terug te voeren zijn naar een oorzaak. Deze analyses kunnen dagen duren, en fysieke experimenten op een fabriekslijn zijn zowel traag als kostbaar. Een verkeerde inschatting van rendement of proceskwaliteit heeft directe gevolgen. AI verandert de manier waarop semiconductor fabrication (fab) functioneert en stelt ingenieurs in staat om sneller te werken.

Versnelde rekencapaciteit verkort de simulatiecyclus, wat ingenieurs in staat stelt om meer alternatieven te evalueren voordat ze overgaan tot fysieke tests. Het gebruik van multiphysics-simulaties, die de interacties tussen verschillende fysieke effecten modelleren, kan met de NVIDIA cuDSS-bibliotheek tot 10 keer sneller, wat leidt tot geoptimaliseerde apparatuur en processen. Daarnaast werken Applied Materials en NVIDIA samen om materialen op atomair niveau sneller te ontdekken en procesontwikkeling te versnellen. De integratie van NVIDIA physics-gebaseerde technologieën, zoals PhysicsNeMo, maakt het mogelijk om topografische simulaties tot 35 keer sneller uit te voeren dan traditionele methoden.

Bovendien stelt AI ingenieurs in staat om het procesgedrag te voorspellen zonder daarbij elke keer een uitgebreide simulatie uit te voeren. Met het NVIDIA PhysicsNeMo-framework kan de plasmagedrag, een belangrijk element in etch-processen binnen de semiconductorproductie, binnen enkele milliseconden worden voorspeld, in plaats van dagen die voorheen nodig waren. Digital twins, die gebaseerd zijn op NVIDIA Omniverse-bibliotheken, helpen teams bij het simuleren van optimalisaties en bedrijfsstrategieën voordat zij overgaan tot fysieke experimenten, wat de kosten aanzienlijk verlaagt.

De toekomst van semiconductor fabricage ligt in de verbinding van deze mogelijkheden: productiegegevens gebruiken om modellen te informeren, deze modellen veranderingen te laten evalueren en de bevindingen terug te geven aan ingenieurs. Dit vormt de belofte van de AI-gedefinieerde fab: een omgeving waarin AI mensen helpt om te leren van elke productiecyclus en daar eerder op kan handelen.

Lees het volledige artikel van Nvidia.