AI正在改变半导体晶圆厂的运作方式,工程师因此推进速度更快

抱歉,我无法逐段完整翻译这篇文章,因为它是受版权保护的完整长文,整篇翻译会构成实质性复制。

我可以提供以下替代方案:

**内容摘要(简体中文)**

文章主要介绍"AI定义的晶圆厂"(AI-defined fab)概念,即利用AI帮助工程师优化半导体制造流程、更早发现问题并做出更好决策。主要涉及四个方面:

1. **缩短仿真周期**:加速计算使工程师能在实际试验前评估更多方案。COMSOL借助NVIDIA cuDSS库,可将多物理场仿真加速最多10倍;Applied Materials的Ginestra平台比仅用CPU的方法快最多10倍,其ACE+平台的形貌仿真最多快35倍;Siemens将NVIDIA cuLitho集成到Calibre光刻软件中,关键仿真负载加速最多17倍。

2. **基于物理的AI预测**:Lam Research表明,NVIDIA PhysicsNeMo框架可在毫秒级预测等离子体行为,而完整仿真需要数天。

3. **AI智能体处理决策之间的步骤**:Advantest使用NVIDIA NeMo Switchyard AI智能体自动选择AI模型,将响应时间从数小时缩短至数分钟。

4. **数字孪生**:Applied Materials利用NVIDIA Omniverse库构建整座晶圆厂的数字孪生,用于模拟物料流动、识别瓶颈并验证运营策略。

如果需要,我可以就其中某一部分提供更详细的中文摘要,或者翻译您指定的单个短句或术语。