近日,浙江大学集成电路学院卓成教授、孙奇研究员团队,提出了一种基于多模态的集成电路设计工艺协同优化大模型:FabGPT。
该工作依托于吴汉明院士牵头的浙江省12吋CMOS成套工艺研发平台,通过少样本学习、多模态驱动的垂直领域知识学习和边缘加速器设计这三项核心技术,实现了精确的缺陷检测及根因分析、多模态IC领域交互问答和轻量化高效部署这三大核心功能。
随着集成电路技术向超高密度方向发展,制造过程中对微小缺陷的容忍度大幅降低,产线的良率提升面临着巨大的挑战。然而,传统基于人工的缺陷检测方法效率低下并且强依赖于人工经验,难以满足集成电路产业对高精度和高效率的要求。
现有的深度学习模型在处理复杂多变的晶圆表面缺陷时,仍然存在误检率高、无法识别新类型缺陷等难题,且无法实现对造成缺陷的原因进行自动化分析。由于产线相关的缺陷数据样本稀少、对缺陷数据的分析强依赖专家,以及对实时性和数据隐私的严格要求,使得自动化缺陷检测和根因分析在集成电路制造产线上的部署难度进一步加大。
研究如何大幅提升缺陷检测的准确性并实现高效、准确的根因分析与知识问答,将成为虚拟制造发展的技术支撑,也是推动集成电路制造智能化升级的重要保障。
该工作面向集成电路虚拟制造需求,遵循少样本学习-知识推理-轻量化部署的技术思路,成功构建了大模型应用于集成电路智造的新范式。
随着集成电路制造工艺的不断演进和超高密度集成技术的发展,FabGPT作为一种创新的集成电路设计工艺协同优化大模型,将在未来的制造领域发挥重要作用。未来,FabGPT不仅能够在晶圆缺陷检测和根因分析中实现更高的精度和效率,还能在IC领域知识检索、问答方面展现出强大的能力。
这一技术突破将为集成电路智造提供新的思路,推动半导体制造领域向智能化、自动化方向的快速发展,成为未来智能制造的关键支撑技术。
封面图片来源:拍信网