FTCO
ホーム > 製品とワークフロー > AIを活用した製造 > FTCO
Fab Technology Co-Optimization™：プロセスのデジタルツイン
FTCOは、プロセスおよびデバイスシミュレーションの出力をファブの測定データと照合して学習させ、ファブのエンジニアがリアルタイムで問い合わせできるモデルを提供します。
What fab technology co-optimization means
プロセス、デバイス、回路を1つのモデルに統合
プロセス、デバイス、回路は通常、順番に調整されます。各チームが次のチームに確定した結果を渡すため、領域をまたぐトレードオフの発見が遅れます。Fab Technology Co-Optimizationは、この3つを1つのモデルに統合します。トランジスタには有益でも回路レベルでは不利益となるイオン注入量を、まだ変更可能な段階で明らかにします。
デジタルツインとは
製造プロセスを表す、学習済みの非線形モデルです。Victory DoEとVictory Analyticsを通じて繰り返し入力されるシミュレーション結果とファブの測定値から知識を獲得します。デバイスと回路のシミュレーションも学習に組み込むことで、手作業で関係を記述することなく、プロセスパラメータがデバイスや回路の結果に与える影響を対応付けます。
シミュレーション実行ではできないこと
問いを入力すると、ツールを操作している間に答えが返ります。TCADデッキは1回の実行で1つの問いに答え、デッキを記述する担当者が必要です。デジタルツインは、シミュレーションの専門家でないエンジニア向けのインターフェースを通じてリアルタイムに回答します。実際のウェーハで学習サイクルを回すまで待つ必要のあるプロセス判断が減ります。
TCADを置き換えるものではありません。すべての答えは、TCADエンジニアがすでに検証した物理モデルに基づいています。
シミュレーションからデジタルツインまでのFTCOワークフロー
シミュレーションとファブの測定値が学習データになります。実験セットを設計・実行し、結果を使ってモデルを学習させ、
その後モデルへの問い合わせを始めます。
01
シミュレーションと測定
Process, device and circuit runs from the Victory TCAD simulators, next to measured data from your fab.
05
デジタルツイン
設計目標と歩留まりについて、リアルタイムで問い合わせます。
すべての答えが次の実験につながる
デジタルツインは、実験セットで未評価のパラメータ領域など、弱い部分を示します。それを基に第2段階へ戻り、より的確な実験を設計します。繰り返すたびに、モデルは実際のファブに近づきます。
実測シリコンに基づくデジタルツインの校正
シミュレーションは物理的に整合した答えを与えます。ファブは実際の答えを与えます。
校正により、デジタルツインはその違いを学習します。
シミュレーションをシリコンに適合
FTCOは、シミュレーションと実測のプロセスデータを組み合わせて学習します。シミュレータの予測だけでなく、実際のプロセスの挙動に適合させます。Victory Analyticsは、まず実測データを整備し、外れ値を検出して欠損値を補完します。
ご用意いただくもの
モデル化するプロセスの生産データと測定データ、そのプロセス条件、および同じフローのTCADシミュレーションが必要です。必要な量は、変化させるパラメータの数と応答の非線形性によって異なります。お持ちのデータをFTCOの専門家に提示し、対象プロセスに応じた助言を受けてください。
デジタルツインによる
リアルタイムのプロセス最適化
学習済みデジタルツインの4つの活用方法。いずれもリアルタイムで回答し、
同じ問いをシミュレータで評価する場合の再実行を不要にします。
設計目標の達成
必要な設計値から開始します。デジタルツインがそれを達成するプロセスパラメータ値を返すため、適切な結果が出るまでパラメータ空間を掃引する必要がありません。
- データ解析インターフェースでプロセスとデバイスの目標変数をスクリーニングし、選択した設計目標に対する重要なパラメータを自動的に強調表示
工程能力解析
実際のばらつきが歩留まりに与える影響を、生産ラインで顕在化する前に把握します。Monte CarloおよびCp/Cpkの検討は、生産ウェーハではなくデジタルツインに対して実行します。
- ロットごとに酸化膜厚がドリフトしていませんか。デジタルツインは、そのドリフトがプロセスとデバイスの指標に生じさせるばらつきを示します。
仮想実験
重視する設計目標に実際に影響するプロセスパラメータを特定します。デジタルツインがプロセスとデバイスの変数をスクリーニングし、重要な変数を強調表示します。
- プロセスパラメータの変更は、画像間の補間ではなく物理ベースの学習データに基づいて、構造ビューに即座に反映されます
対話型構造モデリング
プロセスパラメータを変更すると、構造ビューが直ちに再描画されます。表示される構造は、画像の補間ではなく物理ベースの学習データから得られます。
- 例えば、エッチングパラメータを変更すると、エッチング形状が変わります。
サロゲートモデルの構築方法と限界
サロゲートとは学習済みモデルそのものを指し、再実行が不要になったシミュレーションの高速な代替モデルです。
実験計画に基づいて構築
Victory DoEは、計画されたシミュレーション実行セットでパラメータ空間をサンプリングし、結果を1つの表に収集します。Victory Analyticsは、データに適したニューラルネットワークまたはガウス過程回帰モデルをフィッティングします。
実験セットの設計に力を注いでください。十分な領域をカバーすれば一般的なフィッティングでも役立ちますが、サンプリングしていない領域を復元できるフィッティング手法はありません。
構築後の活用
サロゲートの評価にはTCAD実行ではなく関数呼び出しを用います。これにより、リアルタイムの設計目標探索やMonte Carlo歩留まり解析が実用的になります。どちらも、シミュレーションとして実行待ちに登録するには多すぎる回数の評価を必要とします。また、完成したサロゲートは、シミュレーションを自ら実行しないエンジニアにも利用できます。
モデルの限界
サロゲートは、実験セットがカバーした領域内で信頼できます。その外側では、回答の根拠が弱まります。サンプリングした範囲を把握することも、モデルの管理の一部です。
学習データの系統誤差も引き継ぎます。利用の前に実測シリコンに基づいて校正してください。
FTCOを支えるツール
2つのツールが機械学習を担当し、Victory TCADシミュレータが学習の基となる
物理データを提供します。すべてSilvacoのAIを活用した製造ポートフォリオに含まれます。
Victory Analytics
半導体の研究、開発、製造向けに構築された機械学習解析。デジタルツインを学習させ、その上で最適化を実行します。
Victory DoE
実験を設計し、すべてのシミュレーションプロジェクトの結果を1か所にまとめ、Victory Analyticsで利用できるようにします。
Victory TCAD Lab
Victory ProcessとVictory Deviceは、デジタルツインの学習に使用するプロセスとデバイスのデータを生成します。Victory Visualでは、すべての結果を2Dと3Dで確認できます。
メモリデバイス向けにMicron Technologyと共同構築
FTCOは、メモリ開発で生じるプロセス上の課題を中心に、Micron Technology, Inc.との協業を通じて形作られました。
メモリ | デジタルツイン
2024年4月
Micron Technology
Micronのエンジニアは、FTCOデジタルツインを使用してメモリ製品の設計と技術探索を加速しています。デジタルツインは、Micronの生産データと、エッチング、成膜、機械的応力の物理ベースシミュレーションから学習します。TCADチーム以外のエンジニアも、プロセス、設計、歩留まりの最適化を自ら行えます。
「SilvacoのAIおよびデジタルツインソリューションにより、メモリとストレージにおける画期的な進歩を加速できています。」
Dr. Gurtej Sandhu、Technology Pathfinding担当プリンシパルフェロー、Micron Technology, Inc.
FTCOのリソース
Fab Technology Co-Optimizationに関するカンファレンス講演やウェビナー、およびその誕生の背景を紹介するSEMIの
インタビュー。
カンファレンス講演
SURGE 2025
Victory Analyticsと機械学習を活用したTCADデータの校正方法
SilvacoのフィールドアプリケーションエンジニアDr. Stefania Carapezziが、Victory Analyticsの機械学習によるTCADデータの校正を紹介します。
カンファレンス講演
SURGE 2025
AIがEDAを次の段階へ
現在SilvacoのCEOを務めるDr. Walden (Wally) Rhinesが、AIによる電子設計自動化の今後の方向性を語ります。
ウェビナー · SEMI
炭化ケイ素DMOSFETの開発：デジタルツイン設計リファレンスフロー
炭化ケイ素DMOSFET開発に関するSEMI主催のウェビナー。
ウェビナー
Fab Technology Co-Optimization（FTCO™）への人工知能の適用
Fab Technology Co-OptimizationでのAI活用に関するSilvacoのウェビナー。
インタビュー · SEMI
Fab Technology Co-OptimizationへのAIの適用
SEMIが、Silvacoの元CEOであるDr. Babak TaheriにFTCOについてインタビューします。
プレゼンテーション · PDF
SURGE 2025
FTCOの概要
FTCOのワークフロー全体を1つの資料で紹介。
FTCOの専門家に相談
デジタルツインを作成したいプロセスと、すでにお持ちのデータをお知らせください。
条件を分けた実験の測定値や、トレードオフを検討しているパラメータが出発点になります。
FTCOの専門家が、対象プロセスに必要な事項をご案内します。
よくある質問
FTCOとは何ですか。
FTCOはFab Technology Co-Optimizationの略です。シミュレーション結果と測定データを用いて、デジタルツインとして機能するまでファブのプロセスの非線形モデルを学習させます。その後、ファブやプロセスのエンジニアは、TCAD専門家による新しいシミュレーションの実行を待たずに、リアルタイムでモデルに問い合わせできます。
半導体製造におけるデジタルツインとは何ですか。
実際のプロセスを代替する学習済みモデルです。シミュレーションとファブの測定値から学習し、プロセス変更が構造、デバイス、歩留まりに及ぼす影響を予測します。エンジニアは、実際のウェーハに適用する前に、ソフトウェア上で変更を試すために使用します。
サロゲートモデルはどのように構築され、精度はどの程度ですか。
Victory DoEは、パラメータ空間全体にわたって計画されたシミュレーションセットを実行します。Victory Analyticsは、結果にニューラルネットワークまたはガウス過程回帰をフィッティングし、その適合度を評価します。精度は、実験セットが対象領域をどれだけ十分にカバーしているか、および実測データによる校正に依存します。
実際のシリコンに基づいてデジタルツインをどのように校正しますか。
デジタルツインはシミュレーションだけでなく、ファブの実測データとシミュレーション結果を組み合わせて学習します。これにより、生産ラインで実際に得られた結果に沿った予測が可能になります。Victory Analyticsは学習前に実測データをスクリーニングし、外れ値の検出と欠損値の補完を行うため、少数の不適切な測定値がフィッティングを歪めることを防ぎます。
FTCOの利用にはSilvaco TCADが必要ですか。
A TCAD engineer typically sets up the simulations the digital twin learns from, using Victory DoE and Victory Analytics, and trains it against your fab data. Once it’s trained, process and fab engineers who don’t run TCAD themselves query it directly, through an interface built for non-specialists.
どのツールが含まれますか。
FTCO runs on Victory Analytics for training and optimization and on Victory DoE for experiment design. Victory Visual displays the results. Victory TCAD simulators such as Victory Process and Victory Device supply the physics the digital twin learns from, and your own fab measurements supply the calibration.
関連情報
Silvaco TCAD
FTCOの基盤となるエンジン：プロセス、デバイス、メッシュ生成、原子レベル解析、抽出
サロゲートモデリング
サロゲートの種類と、完成したモデルの利用方法
AIを活用した製造
4つの製品ファミリーと、それらにおけるFTCOの位置付け