AI jaagt chipfabrieken aan: simulaties tot 35 keer sneller

Het maken van moderne computerchips wordt steeds ingewikkelder. Elke nieuwe generatie chips heeft kleinere, preciezere structuren nodig, terwijl de vraag naar geavanceerde chips voor AI en elektronica blijft stijgen. Een foutje in het productieproces is daardoor steeds kostbaarder: een verkeerde instelling kan een hele productiebatch onbruikbaar maken. Traditioneel testen fabrikanten nieuwe processtappen fysiek op de productielijn, wat traag en duur is. Chipgigant NVIDIA laat nu zien hoe kunstmatige intelligentie dat proces ingrijpend verandert, in samenwerking met grote spelers in de sector zoals Applied Materials, Siemens, Lam Research en het simulatiebedrijf COMSOL.

Rekenen met AI-chips versnelt ontwerptests

Een belangrijk onderdeel van chipontwikkeling is simulatie: met computermodellen voorspellen hoe materialen en processen zich gedragen, zonder dat er meteen een echte fysieke test nodig is. Dat soort berekeningen, bekend als multiphysics-simulaties, houden rekening met warmte, elektrische stroom en mechanische spanning tegelijk. Door deze berekeningen te laten draaien op speciale AI-chips in plaats van gewone processoren, gaat het tot tien keer sneller, meldt simulatiebedrijf COMSOL. Ook Applied Materials ziet met zijn simulatieplatform Ginestra een vergelijkbare versnelling, en voor het natekenen van microscopische chipstructuren op een laag silicium — een proces dat computational lithografie heet — meldt softwarebedrijf Siemens een versnelling tot zeventien keer. Daardoor kunnen ingenieurs veel meer ontwerpvarianten doorrekenen voordat een dure testwafer daadwerkelijk geproduceerd wordt.

Voorspellen in plaats van telkens opnieuw rekenen

Soms is zelfs versneld rekenen nog te traag. Daarom trainen bedrijven AI-modellen die, op basis van de natuurkundige wetten achter een proces, direct een voorspelling geven zonder de hele simulatie opnieuw te draaien. Een voorbeeld is plasma-etsen, een techniek waarbij een elektrisch geladen gas gebruikt wordt om patronen in een chip te etsen. Fabrikant Lam Research liet zien dat een AI-model het gedrag van plasma binnen milliseconden kan voorspellen, tegenover dagen voor een volledige simulatie. Dat geeft ingenieurs veel sneller inzicht in welke instellingen wel of niet werken.

Digitale tweelingen en AI-agenten nemen taken over

Naast simulaties zet de sector ook digitale tweelingen in: virtuele, levensechte nabouwsels van een hele fabriek, waarin teams materiaalstromen, knelpunten en indelingen kunnen testen voordat ze iets in de echte fabriek veranderen. Applied Materials gebruikt zulke digitale tweelingen al om hele productielijnen te optimaliseren. Daarnaast nemen AI-agenten — computerprogramma's die zelfstandig een reeks taken uitvoeren — steeds meer routinematig werk over. Testbedrijf Advantest gebruikt zo'n AI-agent om automatisch het juiste AI-model te kiezen voor een testtaak, wat de responstijd van uren naar minuten terugbrengt. Volgens NVIDIA is de volgende stap het verbinden van al deze AI-toepassingen tot één doorlopende leercyclus, waarin productiedata continu modellen verbetert en ingenieurs sneller de juiste beslissingen kunnen nemen.