Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

競争の激しい半導体製造業界において、高精度な欠陥検出・分類能力は極めて重要です。かつて欠陥分類自動化（ADC）の主流であった従来の畳み込みニューラルネットワーク（CNN）は、現代のチップ製造の要求に追いつくのに苦戦しています。これらのシステムは、膨大なラベル付きデータセットと頻繁な再学習を必要とするにもかかわらず、新しい種類の欠陥に直面した際に効果的に一般化できないことがよくあります。

ADCプロセスを強化するため、NVIDIAは、ビジョン言語モデル（VLM）やビジョン基盤モデル（VFM）など、生成AIを活用したツールスイートを導入しました。これらのモデルをNVIDIA TAOファインチューニングツールキットと組み合わせることで、より柔軟で効率的な欠陥分類アプローチを実現します。Cosmos ReasonなどのVLMは、ウェーハマップ画像を解釈し、自然言語による説明を提供し、根本原因分析のためのインタラクティブなQ&Aセッションを実施できます。これは、欠陥検出における精度と説明可能性の両面において、大きな前進を意味します。

半導体業界は、NV-DINOv2のようなモデルの自己教師学習機能からも恩恵を受けています。このモデルは、膨大な量のラベルなし画像で学習できるため、最小限の再学習で新たな欠陥の種類を認識し、変化するプロセス条件に適応することができます。NVIDIA TAO Toolkitはこれらのモデルの微調整を容易にし、特定の製造シナリオにおけるパフォーマンスをさらに向上させます。

NVIDIAの半導体製造向けAIの進歩は、欠陥分類の精度を向上させるだけでなく、手作業による検査への依存度を低減します。よりインテリジェントで自動化されたシステムへの移行は、チップ製造における生産性と歩留まりの向上につながると期待されています。業界が進化を続ける中、NVIDIAのジェネレーティブAI搭載ツールは、電子機器の複雑さが増す中で、よりスマートで効率的な製造工場の基盤を築いています。