Výrobci čipů přesouvají AI přímo do továren, slibované zrychlení musí obstát v kvalitě výroby

Nvidia 3. listopadu představila několik příkladů, v nichž výrobci polovodičových zařízení používají výpočty s umělou inteligencí přímo při návrhu a řízení továren. Firma staví nabídku na platformách PhysicsNeMo a Omniverse a na grafických procesorech. Cílem je nahradit část pomalých fyzikálních simulací rychlejšími náhradními modely, vytvořit digitální dvojčata výrobních kroků a pomoci technikům vyhodnocovat data ze zařízení. U plazmových procesů Nvidia uvádí zkrácení některých simulací z dnů na milisekundy. Lam Research používá prostorovou reprezentaci NanoVDB při modelování selektivního leptání a hovoří až o třicetinásobném zrychlení. Advantest podle článku zkrátil výběr vhodného modelu pro testování čipů z hodin na minuty. Applied Materials pracuje s digitálními dvojčaty procesů. Údaje pocházejí od dodavatelů zapojených do ekosystému Nvidia a nebyly zveřejněny jako jednotné nezávislé srovnání. Význam pro evropský průmysl je širší než samotná výroba čipů. Podobný postup lze použít tam, kde fyzikální simulace omezuje rychlost návrhu a odstávka zařízení je drahá. Náhradní model může rychle prověřit mnoho variant a přesný výpočet nebo experiment se použije jen na nejlepší kandidáty. Hodnota vzniká kratším časem do stabilního procesu, menším počtem zmetků a vyšším využitím zařízení, nikoli počtem spuštěných modelů. Zrychlení výpočtu ale není totéž jako zlepšení výroby. Model naučený na známých stavech může selhat při novém materiálu, opotřebeném senzoru nebo změně dodavatele. Milisekundová odpověď pouze rychleji reprodukuje chybu, pokud je fyzika nebo vstupní data nesprávná. Podnik proto potřebuje rozsah platnosti, průběžné porovnání s měřením a možnost vrátit řízení do bezpečného režimu. Kritické zásahy nesmějí záviset na jediné černé skříňce. Ekonomické posouzení má zahrnout náklady na výpočetní infrastrukturu, integraci s výrobními systémy, čištění historických dat, validaci a údržbu modelu. Dodavatelský řetězec přidává otázku vlastnictví procesních dat a závislosti na formátu digitálního dvojčete. Pokud se model stane součástí řízení kvality, změna verze vyžaduje stejnou kázeň jako změna výrobního receptu. Redakční závěr: AI se v polovodičových továrnách posouvá od kancelářské pomoci k fyzickému procesu s vysokou cenou chyby. Slibované násobky jsou užitečné vodítko, nikoli rozpočet. Vedení má požadovat zkoušku na vlastních datech, měřit výtěžnost, odstávky a energii a smluvně zajistit export dat i modelových stop. Úspěšný pilot je ten, který zlepší stabilitu výroby, ne ten, který pouze urychlí simulaci. Pro dodavatele zařízení vzniká obchodní otázka, zda prodávat model jako součást stroje, předplatné nebo službu s garantovaným výsledkem. Každá varianta jinak rozděluje riziko chyby, náklady na aktualizace a odpovědnost za výrobu. Pojmy k vysvětlení Náhradní model: Rychlejší aproximace složitého fyzikálního výpočtu. Digitální dvojče: Datový a výpočetní obraz fyzického zařízení nebo procesu. Výtěžnost: Podíl vyrobených kusů splňujících požadovanou kvalitu. Rozsah platnosti: Podmínky, ve kterých byl model ověřen jako použitelný.

Výrobci čipů přesouvají AI přímo do továren, slibované zrychlení musí obstát v kvalitě výroby

Celé znění článku máte k dispozici po registraci na Abravito