什么是半导体数字孪生？

拜登政府最近宣布了2.85亿美元的资助机会，用于在美国半导体行业应用数字孪生。此前，日本和印度也对半导体制造业采取了类似的投资计划。在美国，这笔资金将用于资助一家数字孪生研究所，而政府提供的资金预计也会由研究所成员进行配比。

虽然更广泛的制造业已经开始使用数字孪生，但对于半导体芯片制造而言，这仍然是一项相对较新的技术。白宫最近的计划旨在在整个美国建立更强大的生态系统，芯片制造商将利用数字孪生来减少对其他国家制造工艺的依赖，并建立更稳健的供应链。

数字孪生是物理实体或流程的虚拟表示或模型，可进行实时管理。虚拟表示，会通过传感器流连接到物理资产，并成为数字孪生，您可以在其中分析系统的过去、现在和未来行为，以更好地了解如何优化系统。

数字孪生是利用物理传感器数据构建的，这些数据可使虚拟环境保持最新状态，并使数字孪生能够同步感知物理资产的运行状态，从而实时预测其行为方式。

构建数字孪生，需要在多个层和技术方面进行部署： 

• 基础设施层，包括物理连接到半导体制造设备的传感器网络
• 通信基础设施
• 计算机基础设施
• 数据存储基础设施
• 应用支持层

数字孪生还利用物联网（IoT）和边缘平台，例如微软、NVIDIA和亚马逊云科技（AWS）提供的平台，来构建物理系统的虚拟模型。 

最后一层是分析。在这一层中，所有收集的数据都与工程洞察（例如从仿真中获得的数据）都将结合，以构建虚拟表示或模型，然后，将能够使用这些虚拟表示或模型对系统进行预测，并深入了解其工作原理。总之，在确定应对物理系统进行哪些优化时，数字孪生有助于做出更好的决策。

半导体制造工艺高度专业化和全球化。例如，两家代工厂（台积电和三星Foundry）生产的芯片约占全球总产量的70%，此外，只有一家公司（ASML）生产对先进节点制造工艺至关重要的几乎所有极紫外线（EUV）光刻机。 

这种对市场上少数关键参与者的依赖，可能导致供应链瓶颈，就像我们在COVID-19疫情封锁期间所看到的那样。由于超过60%的芯片制造总部都在台湾地区，因此地缘政治紧张关系也可能导致芯片短缺。 

白宫提供的资助机会可以通过在美国建立更多半导体制造工厂（称为晶圆厂）来缓解其中一些供应问题。虽然这将从学术机构对任何新的数字孪生解决方案执行所需的验证流程开始，但最终目标是通过英特尔等公司发掘更多公私合作伙伴关系，英特尔已经在资助美国的半导体员工培训和教育。

数字孪生通过以下方式惠及半导体制造工艺：

• 提高工艺的良率
• 加快设备上线速度
• 提供预测性维护和智能制造功能
• 减少维护成本和意外停机时间 

目前只有少数关键芯片制造商才能够执行这种优化水平，但数字孪生可以让世界更多地区更容易获得这种专业技术。

虽然数字孪生可用于新型芯片的设计和原型制作，但其主要优势将体现在制造和运营中。数字孪生将通过创建单个设备或更大供应链环境的虚拟模型，帮助改进流程的输出。 

考虑HVAC和空气分子污染（AMC）过滤系统，这些系统用于防止在敏感芯片制造流程中受到污染。如果没有在正确的时间更换过滤器，芯片的质量将受到影响，从而导致成本高昂的返工。而如果过早地更换过滤器，工厂将面临不必要且成本高昂的停机。数字孪生提供了一种更高效地维护过滤器和HVAC系统的方法。

可以建模和优化的其他方面包括：

• 气流网络
• 每个制造设备内部的组件
• 蚀刻和焊接过程
• 晶圆加工时的温度

在芯片制造完成后，虚拟环境可用于检查其是否有效运行。

数字孪生增值的一个关键领域是与虚拟传感器的结合使用。数字孪生可提供仅凭物理传感器无法获得的数据。 

您可以在可访问的关键点部署物理传感器，以采集数据，然后利用算法对物理传感器无法覆盖的环境进行“虚拟感知”或仿真（前提是可用的物理数据经过验证）。

其中一个示例是，通过虚拟感知内部温度，确保熔炉（例如PECVD中的熔炉）正常运行。晶圆的温度需要严格保持，才能获得较高的良率。对晶圆表面的温度进行物理感知并非易事，因为这会影响制造流程。然而，利用数字孪生技术，虚拟传感器可以在生产过程中感知并保持最佳温度。 

由于这些数字孪生中使用的基础模型基于物理场，因此可以对相当大的运行范围做出准确的预测。此外，贝叶斯校准等统计校准技术可以提高数字孪生的准确性，例如，在典型的1,200-2,000°C熔炉中，误差仅为1-2°C。 

机器学习和神经网络算法可增强仿真并提高仿真质量，以确保虚拟传感器尽可能接近物理传感器。

到目前为止，半导体制造中对数字孪生的采用率还很低。部分原因是，复杂的非线性物理场建模具有难度。不过，随着仿真技术的进步，半导体制造设备中的一些关键子系统可以使用先进技术进行建模。更大的挑战在于模型的可访问性。这是因为，设备制造商通常掌握有关设备的详细模型和相关领域知识，但想要使用这些设备的代工厂却无法访问这些信息。

数字孪生可以提供一种实现知识共享的机制，使设备制造商能够更好地了解操作人员如何使用设备，反之亦然。其可以通过约束或限制对数字孪生所提供信息的访问，来解决潜在的IP问题。

Ansys专注于将客户现有的仿真结果转换为适合半导体制造的形式，然后将其集成到物联网架构或边缘计算环境中。这种方法被称为降阶建模（ROM），其可以将复杂的仿真或现有仿真转换为实时模型。 

Ansys软件还可以处理测量数据或仪表图。这是一个从头到尾的流程，可在部署之前对数字孪生构建的各个阶段进行验证。

Ansys提供两个软件包，可同时用于构建数字孪生模型——Ansys Twin Builder软件和Ansys TwinAI软件。其可以与其他仿真软件结合使用，实现更可靠的仿真环境。 

Twin Builder软件专注于数字孪生的仿真和物理方面，而TwinAI软件则将仿真与数据相结合，以生成准确且不断更新的数字孪生模型。机器学习提高了模型的准确性，并确保数字孪生可以根据设备老化过程中不断变化的行为进行自我校准。这两个工具生成数字孪生后，您可以使用容器、Python应用或Web应用将其导出。凭借Microsoft和AWS数字孪生平台的预置连接器，可轻松进行大规模部署。

随着白宫计划减少半导体制造的壁垒，现在正是采取行动的时候。由于其他制造业已经采用了该技术，因此许多规模化技术已经存在。相信在不久之后，我们将会看到数字孪生技术在全球半导体行业被大规模应用。

相关资源