Victory Analytics
ホーム > ソリューション > FTCO > Victory Analytics
Victory Analytics：半導体データ向けの機械学習解析
シミュレーション結果とファブデータを、問い合わせ可能なモデルに変換します。プロセスの課題に対する答えを得るために、専門家による結果の解釈を待つ必要がなくなります。
Victory Analyticsの機能
Victory Analyticsは、半導体チームが研究、開発、製造で使用する機械学習解析ソフトウェアです。データを入力すると、整備と可視化、有用な特徴量の選択、回帰モデルとニューラルネットワークモデルのフィッティングを行い、複数の目標を同時に達成する設定を見つけます。デバイスのキャラクタライズ、プロセスフロー、ファブ装置のレシピなど、個別のモジュールに利用できます。また、生産ライン全体の歩留まり改善にも利用でき、生産データを対象に故障検出・分類や統計的プロセス制御を行います。
生データから意思決定へ
データの前処理
モデル化の前に外れ値を検出し、欠損値を補完します。データセット生成ではカテゴリ変数と重複入力を特定し、その後、決定木フォレストによるフィルタリングでモデルの学習に使用する特徴量を選択します。
モデリング
ニューラルネットワーク、決定木、従来の統計手法を組み合わせた多変量解析を実行します。ニューラルネットワークは、非線形活性化関数を持つ教師ありのフィードフォワード型で、多項式回帰では捉えられない挙動に適合できます。非線形データセットにはガウス過程回帰を使用し、過少適合と過学習の間で適合度を維持するようにパラメータを調整できます。
解析
Sobolおよび決定木フォレストによる感度解析で、出力に影響する入力に順位を付けます。多段階分類でカテゴリ型の結果を扱います。生産ラインから得られたデータには、AR項とMA項に加え、季節性を含む時系列解析を適用します。モデルの評価とデータ傾向解析により、適合結果をどの程度信頼できるかを判断できます。
実験計画
コンピュータでD最適実験計画を生成し、費用をかけて実行する各実験から、できるだけ多くの情報を得られるようにします。
最適化
Levenberg-MarquardtやHooke-Jeevesなどの局所手法、または焼きなまし法、パラレルテンパリング、遺伝的アルゴリズム、差分進化法などの大域的手法を選択できます。適切な選択は、モデルの非線形性と入出力の数によって異なります。望ましさ解析は出力目標を1つのスコアにまとめ、すべての目標を一度に最適化できるようにします。
自動化
可視化機能を内蔵しているため、作業と同じ環境でデータを確認できます。Pythonインターフェースでフロー全体をスクリプト化でき、学習ループの2回目にはその利便性を実感できます。
フロー内での位置付け
入力
Victory TCADシミュレータの出力、ファブの生産データ、測定データ、またはこれら3つの任意の組み合わせ。
出力先
FTCO,, では、学習済みモデルが、ほかのエンジニアも問い合わせできるサロゲートモデルやデジタルツインになります。Victory DoEは、学習ループの次の実行ラウンドを計画し、結果を戻します。Utmost IVは同じ測定データからSPICEモデルのパラメータを抽出します。
用途
適用事例を見る
カンファレンス講演
2022年2月
Victory Analyticsと機械学習を活用したTCADデータの校正方法
フィールドアプリケーションエンジニアのDr Stefania Carapezziが、FDr. Stefania Carapezzi、Silvacoのフィールドアプリケーションエンジニアが、Victory Analyticsの機械学習によるTCADデータの校正方法を示します。TCOワークフローで最も重要な役割を担うこのツールについて紹介します。モデルについて読むだけでなく、構築を予定している方におすすめのセッションです。
ウェビナー
2022年2月
Fab Technology Co-Optimization（FTCO™）への人工知能の適用
ファブデータとTCADデータから製造工程の機械学習モデルを構築するFTCOフローを、具体例とともに紹介します。
製品概要 · PDF
2022年2月
Victory Analytics – 機械学習ベースの解析ツール
すべての機能を、チームに共有できる1つの資料にまとめています。
解析が行き詰まっているデータセットをご相談ください
要因を切り分けられなかったDoEや、学習データにしか
適合しないモデルかもしれません。Victory Analyticsにはダウンロード版やセルフサービスの試用版はありません。アプリケーション
エンジニアがお客様のデータで設定し、課題に一緒に取り組みます。
よくある質問
Victory Analyticsは何を行いますか。
半導体データに統計モデルと機械学習モデルをフィッティングし、重要な入力とその設定値を示します。単一のデバイスやプロセス工程、および生産ライン全体とその歩留まりという2つの規模で利用できます。
どのような機械学習手法を使用しますか。
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。
Victory Analyticsの利用にはSilvaco TCADが必要ですか。
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。
シミュレーション結果だけでなく生産データも扱えますか。
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。
望ましさ解析とは何ですか。
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。
Victory Analyticsを自動化またはスクリプト化できますか。
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。
TCADスイートのその他の製品
Fab Technology Co-Optimization (FTCO)
実験計画からデジタルツインまで、Victory Analyticsが担うワークフロー。
Victory DoE
モデルにデータを供給する実験セットを計画し、実行します。
Victory Visual
TCADの結果を対話的に確認します。
Silvaco TCAD
データの物理的な側面を生成するプロセスおよびデバイスシミュレーション。