Fab Technology Co-Optimization™：工艺的数字孪生
FTCO 利用工艺和器件仿真的输出，并结合晶圆厂的实测数据进行训练，为晶圆厂工程师提供可实时查询的模型。
What is FTCO?
用一个模型连接工艺、器件和电路
工艺、器件和电路通常依次进行调优。每个团队向下一个团队交付固定的结果，因此跨环节的权衡往往较晚才显现。晶圆厂技术协同优化将三者纳入同一模型。某个注入剂量有利于晶体管却损害电路性能，这类影响会在仍可调整时显现出来。
什么是数字孪生
它是经过训练的制造工艺非线性模型。其知识来自仿真运行和晶圆厂测量数据，这些数据通过 Victory DoE 和 Victory Analytics 反复迭代输入。将器件和电路仿真也纳入训练后，它就能映射工艺参数如何影响器件和电路结果，无需人工编写这些关联。
它能实现单次仿真无法实现的功能
提出问题后，在您仍在使用工具时即可得到答案。TCAD 仿真输入文件每次运行回答一个问题，而且需要能够编写输入文件的人员。数字孪生通过面向非仿真专业工程师的界面实时作答。需要等待实际晶圆试验周期才能作出的工艺决策因此减少。
它并不替代 TCAD。每个答案都源于 TCAD 工程师已经验证的物理机制。
FTCO 工作流程：从仿真到数字孪生
仿真和晶圆厂测量结果成为训练数据。设计并运行一组实验，利用结果训练模型，
然后即可开始向模型提问。
01
仿真与测量
02
设计实验
Victory DoE 可将任意 TCAD 输入设为变量，并规划实验集。
03
运行与收集
实验集通过仿真运行，无需实际晶圆；如有集群，可通过 LSF 分布运行。结果汇集到一张表中。
04
训练模型
Victory Analytics 拟合模型并评估其可靠程度。
05
数字孪生
实时查询设计目标和良率。
利用实测硅片数据校准数字孪生
仿真给出物理上一致的答案，晶圆厂给出真实的答案。
校准使数字孪生了解二者之间的差距。
使仿真拟合硅片实测结果
FTCO 将仿真和实测工艺数据结合训练。拟合反映工艺实际发生的情况，而不仅是仿真器的预期。Victory Analytics 首先清洗实测数据，标记异常值并填补缺失值。
需要准备哪些数据
您希望建模的工艺的生产数据和实测数据、相应的工艺条件，以及同一工艺流程的 TCAD 仿真。所需数据量取决于变化参数的数量和响应的非线性程度，请向 FTCO 专家提供现有数据，以获得适合您工艺的建议。
What you need to bring
利用数字孪生
实时优化工艺
训练完成的数字孪生有四种应用方式。每种方式都能实时回答问题，而向仿真器提出
同样的问题则需要再次运行仿真。
设计目标求解
Parametric Surrogate
从所需的设计值出发，数字孪生返回实现该值的工艺参数值，无需不断扫描参数空间来寻找符合条件的结果。
Which process parameter has the largest impact on threshold voltage?
The surrogate ranks parameter influence and highlights the most sensitive variables.
Evaluate Process Capability
Parametric Surrogate
Assess the impact of manufacturing variation on device and process performance. Parametric surrogates support capability analysis and statistical studies across large parameter populations.
What happens if oxide thickness varies lot to lot?
The surrogate predicts the resulting spread in device and process metrics.
Optimize Multiple Objectives
Parametric Surrogate
Explore trade-offs between competing engineering targets and identify parameter combinations that satisfy multiple constraints simultaneously. Parametric surrogates enable rapid multi-response optimization studies.
Can I improve drive current without exceeding leakage limits?
The surrogate identifies process settings that best satisfy both objectives.
Explore Structure Changes
Structure Surrogate
Interactively visualize how process variations affect geometry and physical structures. Engineers can explore structural changes in real time rather than rerunning full simulation flows.
How does increasing etch time change the profile?
The surrogate instantly predicts the resulting structure geometry.
Predict Complete Device Behavior
Curve Surrogate
Evaluate entire response curves across operating conditions. Curve surrogates predict full device or process responses instead of individual metrics.
How does a process change affect the IV curve?
The surrogate predicts the complete IV response without running a new simulation.
支撑 FTCO 的工具
两款工具负责机器学习工作，Victory TCAD 仿真器提供其学习所依据的
物理机制。它们都属于 Silvaco 的 AI 驱动的制造产品组合。
Victory Analytics
面向半导体研究、开发和制造的机器学习分析工具，用于训练数字孪生并基于其运行优化。
Victory DoE
设计实验，并将每个仿真项目的结果集中保存，供 Victory Analytics 使用。
Victory TCAD Lab
Victory Process 和 Victory Device 生成数字孪生学习所需的工艺和器件数据，Victory Visual 则支持以 2D 和 3D 方式检查每项结果。
与 Micron Technology 合作，面向存储器件构建
FTCO 通过与 Micron Technology, Inc. 合作，围绕存储器开发中的工艺问题逐步成形。
存储器 | 数字孪生
2024 年 4 月
Micron Technology
Micron 的工程师使用 FTCO 数字孪生，加快存储产品的设计和前期技术探索。数字孪生从 Micron 的生产数据以及刻蚀、沉积和机械应力的物理仿真中学习。TCAD 团队之外的工程师也能够亲自开展工艺、设计和良率优化。
“Silvaco 的 AI 和数字孪生解决方案使我们能够加速在内存和存储领域取得突破性进展。”
Gurtej Sandhu 博士，Micron Technology, Inc. 技术探索首席院士
FTCO 资源
关于晶圆厂技术协同优化的会议演讲和网络研讨会，以及介绍其起源的 SEMI
访谈。
会议演讲
如何利用 Victory Analytics 和机器学习校准 TCAD 数据
Silvaco 现场应用工程师 Stefania Carapezzi 博士介绍如何使用 Victory Analytics 中的机器学习校准 TCAD 数据。
会议演讲
AI 将 EDA 提升到新水平
现任 Silvaco 首席执行官 Walden (Wally) Rhines 博士探讨 AI 将如何推动电子设计自动化的发展。
网络研讨会 · SEMI
开发碳化硅 DMOSFET：数字孪生设计参考流程
由 SEMI 主办的碳化硅 DMOSFET 开发网络研讨会。
Conference talk
SURGE 2025
How to Utilize Victory Analytics and Machine Learning to Calibrate TCAD Data
Dr. Stefania Carapezzi, Field Applications Engineer at Silvaco, on calibrating TCAD data with machine learning in Victory Analytics.
Conference talk
SURGE 2025
AI Takes EDA to the Next Level
Dr. Walden (Wally) Rhines, now Silvaco's CEO, on where AI is taking electronic design automation.
Webinar · SEMI
Developing Silicon Carbide DMOSFETs: A Digital Twin Design Reference Flow
A SEMI-hosted webinar on silicon carbide DMOSFET development.
网络研讨会
在晶圆厂技术协同优化（FTCO™）中应用人工智能
Silvaco 关于在晶圆厂技术协同优化中应用 AI 的网络研讨会。
访谈 · SEMI
在晶圆厂技术协同优化中应用 AI
SEMI 与 Silvaco 前首席执行官 Babak Taheri 博士探讨 FTCO。
演示资料 · PDF
SURGE 2025
FTCO 概述
在一份文档中了解完整的 FTCO 工作流程。
咨询 FTCO 专家
告诉我们您希望为哪种工艺构建数字孪生，以及目前已有哪些相关数据。
不同分组条件下的测量结果以及需要权衡的参数，是很好的起点。
FTCO 专家将回复您，说明针对该工艺的具体要求。
常见问题
什么是 FTCO？
FTCO 是 Fab Technology Co-Optimization（晶圆厂技术协同优化）的缩写。它利用仿真结果和实测数据训练晶圆厂工艺的非线性模型，直至模型成为数字孪生。晶圆厂和工艺工程师随后可实时查询模型，无需等待 TCAD 专家运行新的仿真。
半导体制造中的数字孪生是什么？
它是代替真实工艺的已训练模型。它从仿真和晶圆厂测量数据中学习，然后预测工艺变化如何影响结构、器件和良率。工程师可先在软件中试验变更，再进行实际晶圆加工。
代理模型如何构建，精度如何？
Victory DoE 在参数空间内运行一组经过设计的仿真。Victory Analytics 对结果拟合神经网络或高斯过程回归模型，然后评估拟合效果。精度取决于实验集对查询区域的覆盖程度，以及是否利用实测数据进行了校准。
如何利用真实硅片数据校准数字孪生？
数字孪生结合晶圆厂实测数据和仿真结果进行训练，而不仅仅依赖仿真。因此，其预测能够反映产线实际生产的结果。Victory Analytics 在训练前筛查实测数据，识别异常值并填补缺失数据，避免少量错误读数使拟合产生偏差。