AI ปฏิวัติโรงงานเซมิคอนดักเตอร์ เร่งการทำงานวิศวกรให้เร็วขึ้น

ความต้องการชิปขั้นสูงกำลังเพิ่มสูงขึ้นอย่างต่อเนื่อง ในขณะที่กระบวนการผลิตมีความซับซ้อนมากขึ้นและมีขอบเขตความผิดพลาดที่ยอมรับได้น้อยลงอย่างมาก

สำหรับวิศวกร การทำความเข้าใจว่าการเปลี่ยนแปลงกระบวนการจะส่งผลอย่างไร วัสดุจะมีปฏิกิริยากับขั้นตอนใหม่ๆ อย่างไร และความบกพร่องเชื่อมโยงกลับไปสู่สาเหตุหลักได้อย่างไร ถือเป็นขั้นตอนที่สำคัญและท้าทายที่สุดในการผลิตเซมิคอนดักเตอร์ ซึ่งโดยปกติการวิเคราะห์เหล่านี้อาจใช้เวลาหลายวัน เนื่องจากการทดลองทางกายภาพบนสายการผลิตในโรงงาน (fab line) นั้นทำได้ช้าและมีค่าใช้จ่ายสูง การตัดสินใจผิดพลาดเกี่ยวกับผลผลิต (yield) หรือคุณภาพจึงส่งผลกระทบอย่างรุนแรง

ปัจจุบัน AI กำลังเข้ามาเปลี่ยนแปลงการผลิตเซมิคอนดักเตอร์ โดยส่งผลโดยตรงต่อขีดความสามารถและความรวดเร็วในการทำงานของวิศวกรผ่านเทคโนโลยีหลัก ดังนี้:

• Accelerated computing ช่วยย่นเวลาการทำ simulation ทำให้วิศวกรประเมินทางเลือกได้มากขึ้นก่อนเริ่มการทดลองจริง
• Physics-based AI ช่วยคาดการณ์พฤติกรรมของกระบวนการได้โดยไม่ต้องรัน simulation เต็มรูปแบบทุกครั้ง
• AI agents จัดการลำดับงานวิศวกรรมที่เคยต้องใช้เวลาหลายชั่วโมงให้เสร็จสิ้นได้รวดเร็ว
• digital twins ช่วยให้ทีมงานทดสอบการเปลี่ยนแปลงในสภาพแวดล้อมเสมือนจริงก่อนลงมือจริง

ขีดความสามารถเหล่านี้รวมกันเป็นสิ่งที่เรียกว่า AI-defined fab หรือโรงงานผลิต semiconductor ที่ AI ช่วยวิศวกรปรับแต่งกระบวนการให้เหมาะสม ตรวจพบปัญหาได้เร็วขึ้น และตัดสินใจได้ดีขึ้นตลอดวงจรการผลิต โดยวิศวกรยังคงเป็นผู้ควบคุมงานและตัดสินใจตามความเชี่ยวชาญ แต่ใช้เวลาน้อยลงในการรอคำตอบ

รอบการทำ Simulation ที่สั้นลงเปลี่ยนขอบเขตการสำรวจของวิศวกร

Accelerated computing ไม่ได้เพียงแค่เร่งความเร็วในการคำนวณเท่านั้น แต่มันเปลี่ยนจำนวนทางเลือกที่วิศวกรสามารถทดสอบได้ก่อนการลงมือจริง โดยเฉพาะการทำ Multiphysics simulations ที่จำลองการปฏิสัมพันธ์ระหว่างผลกระทบทางกายภาพต่างๆ เช่น ความร้อน ไฟฟ้า และความเค้นเชิงกล

ด้วยการใช้ไลบรารี NVIDIA cuDSS ผู้ให้บริการซอฟต์แวร์อย่าง COMSOL สามารถเร่งความเร็วการทำ simulation สำหรับการผลิตเซมิคอนดักเตอร์ได้สูงสุดถึง 10 เท่า ช่วยให้วิศวกรปรับปรุงอุปกรณ์และเปรียบเทียบทางเลือกได้อย่างมีประสิทธิภาพ

Applied Materials และ NVIDIA ยังได้ร่วมมือกันเพื่อเร่งการค้นพบวัสดุระดับอะตอม โดยการรวม NVIDIA cuDSS เข้ากับแพลตฟอร์ม Ginestra ของ Applied ทำให้รันได้เร็วขึ้นสูงสุด 10 เท่าเมื่อเทียบกับ CPU และด้วย NVIDIA PhysicsNeMo แพลตฟอร์ม ACE+ ยังสามารถจำลองสภาพภูมิประเทศ (topography simulations) ได้เร็วขึ้นถึง 35 เท่า

ในบางกรณี การเร่งความเร็วช่วยให้การคำนวณที่เป็นไปไม่ได้กลับเป็นไปได้ เช่น Computational lithography ซึ่งกำหนดการพิมพ์ลวดลายวงจรลงบนซิลิกอนที่มีการคำนวณซับซ้อนเกินกว่า CPU จะรับมือได้ในระดับการผลิตจริง โดย Siemens ได้รวม NVIDIA cuLitho เข้ากับซอฟต์แวร์ Calibre ของตน มอบความเร็วเพิ่มขึ้นสูงสุด 17 เท่าในงาน simulation หลัก ช่วยให้นักวิจัยสำรวจพฤติกรรมวัสดุสำหรับเซมิคอนดักเตอร์รุ่นต่อไปได้กว้างขวางขึ้น

คาดการณ์พฤติกรรมกระบวนการโดยไม่ต้องรัน Simulation ซ้ำ

นอกจากการเร่งความเร็วแล้ว AI ที่ฝึกฝนด้วยหลักฟิสิกส์ยังสามารถคาดการณ์พฤติกรรมของวัสดุและกระบวนการได้โดยไม่ต้องรัน simulation เต็มรูปแบบทุกครั้ง ซึ่งมีประโยชน์มากในการคำนวณที่ซับซ้อนและมีต้นทุนสูง

ตัวอย่างที่ชัดเจนคือ พลาสมา (Plasma) ก๊าซมีประจุที่ใช้ในการกัดเซาะ (etch) ชิป ซึ่งการจำลองพฤติกรรมต้องแก้สมการไฟฟ้า เคมี และความร้อนที่ซับซ้อน Lam Research แสดงให้เห็นว่าเฟรมเวิร์ก NVIDIA PhysicsNeMo สามารถคาดการณ์พฤติกรรมพลาสมาได้ในหลักมิลลิวินาที จากเดิมที่ต้องใช้เวลานานหลายวัน ช่วยให้วิศวกรสำรวจสภาวะของกระบวนการได้รวดเร็วอย่างไม่เคยมีมาก่อน

Applied Materials ใช้ digital twins ที่สร้างบน NVIDIA Omniverse เพื่อจำลองการเพิ่มประสิทธิภาพในระดับโรงงาน ทั้งผังโรงงาน (layout), ปริมาณงาน (throughput), ต้นทุน และการควบคุมกระบวนการ

เอเจนท์จัดการขั้นตอนระหว่างการตัดสินใจ

วิศวกรต้องเปลี่ยนผลการวิเคราะห์ให้เป็นการตัดสินใจ เช่น การแก้ไขการออกแบบหรือตรวจสอบความล้มเหลว ซึ่ง AI agents สามารถเข้ามาช่วยจัดการขั้นตอนปลีกย่อยระหว่างกระบวนการเหล่านั้นได้

ตัวอย่างเช่น Advantest กำลังใช้ AI agents จาก NVIDIA NeMo Switchyard เพื่อเลือกโมเดล AI ที่เหมาะสมกับงานโดยอัตโนมัติ ช่วยลดเวลาตอบสนองจากที่เคยต้องทำด้วยตัวเองหลายชั่วโมงเหลือเพียงไม่กี่นาที

ทดสอบการเปลี่ยนแปลงในโลกเสมือนก่อนลงสู่สายการผลิต

Digital twins ช่วยให้ทีมงานจำลองการกำหนดค่าอุปกรณ์และผังโรงงานในสภาพแวดล้อมเสมือนจริง ลดต้นทุนและความเสี่ยงจากการเปลี่ยนแปลงที่ผิดพลาดในโรงงานที่มีความซับซ้อนสูง

Applied Materials ใช้ ไลบรารี NVIDIA Omniverse สร้าง digital twins ของโรงงานที่มีความแม่นยำทางกายภาพ เพื่อจำลองการไหลของวัสดุ ระบุจุดคอขวด และประเมินกลยุทธ์การดำเนินงานในภาพรวมก่อนการติดตั้งจริง

วงจรที่เชื่อมถึงกันอย่างสมบูรณ์

อนาคตของการผลิตเซมิคอนดักเตอร์อยู่ที่การเชื่อมโยงข้อมูลจากการผลิตจริงกลับไปปรับปรุงโมเดล และใช้โมเดลประเมินการเปลี่ยนแปลงเพื่อส่งต่อให้วิศวกรตัดสินใจ นี่คือหัวใจของ AI-defined fab ที่ AI จะช่วยให้มนุษย์เรียนรู้และดำเนินการจากข้อมูลในทุกรอบการผลิตได้รวดเร็วยิ่งขึ้น

สำรวจวิธีการที่ NVIDIA กำลังทำงานร่วมกับผู้นำด้านเซมิคอนดักเตอร์ ตลอดวงจรชีวิตของชิป