Как сообщает NVIDIA, спрос на передовые чипы растёт, процессы их производства усложняются, а цена инженерной ошибки — например, неверного решения по качеству процесса или выходу исправных изделий — становится всё выше. Компания описывает концепцию «ИИ-определённой фабрики» (AI-defined fab): завода, где ИИ помогает инженерам оптимизировать процессы, раньше находить проблемы и принимать решения на всём цикле производства чипов, при этом итоговые решения остаются за людьми.
Один из элементов — ускоренные вычисления. Разработчик инженерного ПО COMSOL с библиотекой NVIDIA cuDSS ускоряет мультифизические симуляции для полупроводниковой отрасли до 10 раз. Applied Materials интегрировала cuDSS в платформу Ginestra — она работает до 10 раз быстрее, чем на центральных процессорах, а платформа ACE+ с NVIDIA PhysicsNeMo рассчитывает топографию до 35 раз быстрее. Siemens встраивает NVIDIA cuLitho в литографический софт Calibre и получает до 17-кратного ускорения ключевых расчётов: вычислительная литография, которая определяет, как рисунки схем переносятся на кремний, на CPU в производственном масштабе практически не выполнялась.
Второй элемент — ИИ, обученный на физических данных: он предсказывает поведение материалов и процессов без полного расчёта. Lam Research показала, что фреймворк NVIDIA PhysicsNeMo предсказывает поведение плазмы — заряженного газа, используемого при травлении чипов — за миллисекунды, тогда как полная симуляция занимает дни.
Третий элемент — ИИ-агенты, которые выполняют промежуточные инженерные задачи. Advantest применяет агентов NVIDIA NeMo Switchyard для автоматического выбора ИИ-модели под задачу тестирования: время реакции сократилось с часов до минут.
Наконец, цифровые двойники — виртуальные копии оборудования и целых фабрик — позволяют проверять изменения до внедрения на линии. Applied Materials строит на библиотеках NVIDIA Omniverse физически точные двойники заводов, чтобы моделировать движение материалов, находить «узкие места» и оценивать планировку и операционные стратегии.
Будущее полупроводникового производства NVIDIA видит в связке этих технологий: данные с производства обучают модели, модели оценивают изменения, а инженеры быстрее получают ответы и применяют их на практике.
