サロゲートモデリング
サロゲートモデリングがチームにもたらす変化
サロゲートモデリングでは、計算コストの高いシミュレーションから得られた結果を用いて、高速なモデルを学習させます。プロセスやデバイスに関する問いに、学習した範囲内でリアルタイムに答えます。TCADの実行自体は必要ですが、答えが必要になるたびに実行するのではなく、モデルを構築するために事前に行います。
これにより、問いを投げかけられる人が変わります。プロセス、インテグレーション、設計のエンジニアは、プロセスの選択が構造やデバイスに及ぼす影響を確認できます。自分でTCADを実行する必要も、実行できる担当者を待つ必要もありません。サロゲートが、学習元の物理モデルより優れたものになることはありません。そのため、Silvacoのサロゲートは、チームがすでに検証したTCAD結果から構築します。
Silvacoの役割
サロゲートの構築と利用は、通常、異なる担当者が行います。
サロゲートの利用
TCADを実行しないプロセス、インテグレーション、設計のエンジニア向け。完成したモデルへの問い合わせには、FTCOワークフロー、TCADライセンス、TCADの専門知識は不要です。TCADチームからXMLモデルカードとして受け取ります。
サロゲートの構築
TCADチームがFTCOワークフロー内で行います。Victory DoEがパラメータ空間をカバーするシミュレーション計画を作成し、Victory ProcessとVictory Deviceが実行します。Victory Analyticsは、ニューラルネットワークまたはガウス過程回帰を使用して結果からモデルを学習させ、SHAPベースの特徴量選択で重要な入力を残します。ファブの測定値もシミュレーションとともに学習データに組み込むことで、実際の生産ラインを反映したモデルを構築できます。
3種類のサロゲートモデル
それぞれが異なる種類の問いに答えます。
構造サロゲート
プロセスシミュレーションの結果から構築します。プロセスパラメータを変更するとデバイス形状がその場で再描画されるため、プロセスシミュレーションを再実行せずに構造の変化を追えます。
パラメトリックサロゲート
デバイスの指標を、それを左右するプロセスパラメータの関数としてモデル化します。重要なパラメータを特定したり、逆に目標を達成するプロセス値を求めたりできます。
曲線サロゲート
完全なI–V曲線をリアルタイムで再現し、変更のたびに特性全体を返します。
回路レベルのサロゲートについては、Utmost IVとコンパクトモデル抽出をご覧ください。
作成と利用
作成は専門家の仕事であり、問いごとに一度行います。利用は、必要に応じて誰でも何度でも行えます。両者の境界は、モデルの限界でもあります。TCADでサンプリングした範囲内では、回答を信頼できます。範囲外の問いは、TCADチームに戻して新たな実行セットを用意します。
用途
エンジニアによる完成したサロゲートの活用用途。
TCADを実行しないプロセスパラメータ探索
プロセスパラメータを変更しながら、重視する結果に影響するパラメータを確認します。
設計目標の達成
モデルに目標を与え、それを達成するプロセス値を取得します。
ばらつきと歩留まりの検討
生産ウェーハにばらつきが現れる前に、モデル上でMonte CarloおよびCpまたはCpk解析を行います。
TCADを使用しないエンジニア向けのTCAD由来の挙動モデル
ファブ側と設計のチームが、シミュレータを習得せずに物理に基づく回答を得られます。
実績とリソース
サロゲートの構築を最初から最後まで確認したい方は、8月のウェビナーからご覧ください。
お客様の実績
2022年2月
Micron TechnologyとFTCO
MicronとSilvacoによる量産規模のデジタルツインへの取り組みは、FTCOページで紹介されています。
ウェビナー
2022年2月
AIを活用したサロゲート：プロセス形状からI‑V曲線まで
各ファウンドリ独自のプロセスでサインオフされた、シリコン実証済みの物理検証。ほかのプロセス向けのデッキも用意されています。
プレスリリース
2022年2月
Silvaco、NVIDIAのAIとアクセラレーテッドコンピューティングを活用し、半導体設計・製造向けの物理ベースのデジタルツインを加速
Silvacoは、完全な物理シミュレーションと併用する、カスタマイズ可能なAIサロゲートモデルをNVIDIA PhysicsNeMo上に構築する計画です。
記事 · パワーデバイス
2022年2月
AIを活用したFTCOによる次世代パワー技術の加速
FTCOが大規模シミュレーションと実験計画を機械学習サロゲートと組み合わせ、ワイドバンドギャップパワーデバイスの開発を加速する方法。
ウェビナー · パワーデバイス
2022年2月
次世代パワー技術の加速
校正済みTCADから機械学習サロゲートにデータを供給して最適化した、SiC DMOS、縦型GaN、p-GaN HEMTの事例。
ウェビナー · フォトニクス
2022年2月
FTCO™とデジタルツインによる、製造を考慮したフォトニック集積回路シミュレーションの高速化
ファブを考慮したプロセスパラメータでフォトニックデバイスをシミュレーションし、Victory Analyticsによるサロゲートモデリングを通じてデジタルツインへ展開します。
ファウンドリの設計環境整備について詳しく
記事 · 2026年9月
ノーマリオフp-GaN HEMTの動的RDS(on)、リーク、降伏、およびMLベースの設計探索に向けた予測TCADモデリング
ウェビナー · 2026年10月
Utmost IVによるTCADを考慮したSPICEモデル抽出：製造からサロゲート回路モデリングまで
すべてのサロゲートは、繰り返し尋ねられる
問いから始まる
チームが毎週尋ねているプロセスやデバイスの問いは何ですか。また、誰がその
答えを待っていますか。当社のエンジニアが、サロゲートの適合性と、その構築に必要な事項を
ご説明します。
サロゲートモデリングに関する質問
サロゲートモデルとは何ですか。
サロゲートモデルは、計算コストの高いシミュレーションが生成した結果から学習した、高速な近似モデルです。半導体分野では、プロセスパラメータを調整すると、シミュレーションで得られるはずの構造、デバイス指標、または完全なI–V曲線を返します。答えはリアルタイムに得られますが、学習した範囲内に限られます。
サロゲートモデルとデジタルツインの違いは何ですか。
ニューラルネットワーク（教師あり、フィードフォワード、非線形活性化）、ガウス過程回帰、決定木とフォレスト、古典的な多変量統計という4系統の手法を利用します。感度解析にはSobol指数または決定フォレストを使用します。オプティマイザは、Levenberg-Marquardt法やHooke-Jeeves法などの局所手法から、遺伝的アルゴリズムや差分進化法などの大域的手法まで対応します。
サロゲートモデルは誰が作成し、誰が使用しますか。
実行にも、工場レベルの業務にも必要ありません。Victory Analyticsは、シミュレーション工程なしで、生産データと測定データを単独で解析できます。TCADシミュレーション出力を追加すると、物理と製造データの両方から同時にモデルを学習できます。
サロゲートモデルはどの程度の精度で信頼できますか。
はい。工場レベルの用途である異常検出・分類と統計的プロセス制御は、生産データを直接扱います。FTCO内では、Victory Analyticsがシミュレーションデータと製造データを組み合わせて学習するため、得られるデジタルツインには物理と実際の製造ラインの結果がともに反映されます。
サロゲートモデルの利用にはTCADライセンスが必要ですか。
複数の出力を同時に最適化する方法です。各出力について理想値への近さをスコア化し、それらを1つの望ましさ指数にまとめます。これにより、手作業でトレードオフに順位を付ける代わりに、オプティマイザは単一の数値を最大化できます。
学習にはどのようなデータが必要ですか。
はい。データの読み込み、学習、スコア評価、最適化まで、ワークフロー全体に対応するPythonインターフェースを利用できます。スクリプト化はFTCO業務で効果を発揮します。モデルがデジタルツインとして使えるようになるまで、学習、次の実験群の実行、再学習を繰り返します。
関連情報
FTCO
サロゲートとデジタルツインを構築するワークフロー。
Victory DoE
サロゲートが学習するシミュレーション実行を計画します。
Victory Analytics
モデルを学習させ、感度解析を実行します。
TCAD
すべてのサロゲートが学習する物理的基盤となる、プロセス・デバイスシミュレーション。