什麼是半導體數位孿生？

拜登政府最近針對在美國半導體產業使用數位孿生，宣布了一項 2.85 億美元的融資機會。此前，日本與印度在半導體製造方面也採取了類似的投資計畫。在美國，此款項將用於資助數位孿生研究所，政府提供的資金預期將與研究所的成員相匹配。

雖然較廣泛的製造業已經開始使用數位孿生，但對於半導體晶片製造而言，這仍是一項相對較新的技術。最近的白宮計畫的目標是在全美國建立更強大的生態系統，晶片製造商將使用數位孿生來減少對其他國家/地區製程序的依賴，並建立更強大的供應鏈。

數位孿生是能夠實時進行管理的實體或實際過程的虛擬呈現或虛擬模型。虛擬呈現透過感應器串流連線至實體資產，並成為數位孿生，您可在此分析系統過去、現在和未來的行為，以進一步瞭解如何最佳化。

數位孿生使用實體感應器資料建立，可使虛擬環境保持在最新狀態，並使數位孿生體驗與實體資產相同的功能，以即時預測其運作方式。

建立數位孿生需要多層和技術： 

• 基礎架構層，包括實際連接到半導體製造設備的感應器網路
• 通訊基礎架構
• 電腦基礎架構
• 資料儲存基礎架構
• 應用程式啟用層

數位孿生也使用物聯網 (IoT) 和 Edge 平台 (例如 Microsoft、NVIDIA 和 Amazon Web Services (AWS) 提供的平台) 來建立實體系統的虛擬模型。 

最後一層是分析。在此層級中，所有收集的資料都會結合工程見解 (例如從模擬取得的資料)，以建立虛擬呈現或模型，然後用於對系統進行預測，並提供對其運作方式的深入見解。整體而言，數位孿生在決定實體系統應進行的最佳化時，就能做出更好的決策。

半導體製造程序非常專業且全球化。例如，兩個晶圓代工廠 (TSMC 和 Samsung 晶圓代工廠) 約佔全球製造晶片的 70%，而且只有一家公司 (ASML) 製造了幾乎所有極紫外線 (EUV) 微影機，這些都是進階節點製造程序的關鍵技術。 

這種對市場上少數關鍵參與者的依賴可能會導致供應鏈瓶頸，就像我們在 COVID-19 封鎖期間看到的一樣。由於超過 60% 的晶片製造基地位於台灣，因此，地理政治的緊張局勢也可能導致晶片短缺。 

白宮的融資機會可透過在美國開發更多半導體製造廠 (稱為晶圓廠) 來減輕其中一些供應問題。雖然這將從學術機構對任何新數位孿生解決方案執行所需驗證程序開始，但最終目標是透過 Intel 等已資助美國半導體勞動力訓練和教育的公司，瞭解更多的公私合作夥伴關係。

數位孿生透過以下方式使半導體製造程序受益：

• 改善程序的產量
• 讓設備更快上線
• 提供預測維護和智慧製造功能
• 降低維護成本與意外停機時間 

執行此最佳化程度的能力僅限於少數關鍵晶片製造商，但數位孿生可讓更多地區更容易取得這項專有技術。

雖然數位孿生可用於新晶片的設計和原型，但主要優勢將體現在製造和營運中。數位孿生將透過建立個別設備或較大型供應鏈環境的虛擬模型，協助改善程序的輸出。 

考慮 HVAC 與空氣分子污染 (AMC) 過濾系統，以防止敏感晶片製造程序中受到污染。如果未在正確時間更換濾波器，晶片的品質會受到影響，進而導致成本昂貴的重做問題。如果濾波器更換得太快，晶圓廠將會面臨不必要且昂貴的停機時間。數位孿生提供更有效地維護濾波器和 HVAC 系統的方式。

其他可以建模和最佳化的方面包括：

• 氣流網路
• 製造設備每個零件內的元件
• 蝕刻和焊接程序
• 晶圓運作的溫度

晶片製造完成後，可以使用虛擬環境來檢查其運作是否高效。

數位孿生增加價值的其中一個關鍵領域是使用虛擬感應器。數位孿生可讓使用者存取實體感應器無法使用的資料。 

您可以在可存取的興趣點使用實體感應器，然後使用演算法來「虛擬感應」，或模擬實體感應器無法存取的其他環境，只要可用實體資料經過驗證即可。

其中一個範例是透過虛擬感應內部溫度，確保熔爐 (例如 PECVD 中的熔爐) 正常運作。必須嚴格維護晶圓溫度，才能獲得良好的產量。實際感應晶圓表面的溫度並不容易，因為這會影響製造程序。但是，若使用數位孿生，虛擬感應器可在生產期間感測並維持最佳溫度。 

由於這些數位孿生所使用的基礎模型以物理為基礎，因此可以準確預測相當大的運作範圍。此外，貝氏校正等統計校正技術可以改善數位孿生的準確度，例如，在典型的 1,200-2,000 °C 熔爐中只有 1-2 °C 誤差。 

機器學習和神經網路演算法會加強模擬並改善其品質，以確保虛擬感應器盡可能靠近實體感應器。

到目前為止，半導體製造的數位孿生採用率較低。這有一部分是因為難以對複雜的非線性物理模型進行建模。但是，隨著模擬技術的進步，半導體製造設備中的幾個關鍵子系統可以使用最先進的技術進行建模。更大的挑戰在於模型可用性。這是因為設備製造商通常會擁有設備的詳細模型和領域知識，但想要使用設備的晶圓代工廠無法存取此資訊。

數位孿生可提供共用知識的機制，使設備製造商更瞭解營運商如何使用設備，反之亦然。潛在 IP 問題可透過限制存取數位孿生所提供的資訊來解決。

Ansys 專注於將客戶現有的模擬轉換為適用於半導體製造的形式，然後將其插入 IoT 堆疊或邊緣運算。此方法稱為降階建模 (ROM)，採用複雜模擬或現有模擬，並將其轉換為即時模型。 

Ansys 軟體也可以處理測量資料或儀器圖表。這是一個從開始到結束的程序，可驗證數位孿生建立的每個階段，然後進行部署。

Ansys 具有兩個軟體套件，可用於建立數位孿生模組 - Ansys Twin Builder 軟體與 Ansys TwinAI 軟體。您可以將這些套件與其他模擬軟體套件結合使用，以取得更強大的模擬環境。 

Twin Builder 軟體專注於數位孿生的模擬與物理方面，而 TwinAI 軟體則將模擬與資料相結合，以產生準確且不斷發展的數位孿生。機器學習可提升模型的準確度，並確保數位孿生能夠隨設備老化而自行校準，以適應裝置不斷變化的行為。這兩個工具產生數位孿生後，您可以使用容器、Python 應用程式或網頁應用程式將其匯出。使用在 Microsoft 與 AWS 數位孿生平台上預先建立的連接器，可輕鬆進行大規模部署。

隨著白宮計畫減少了半導體製造的障礙，現在正是採取行動的最佳時機。現已存在許多可擴展的技術，因為其他製造業已經採用這些技術。不久之後，我們將開始看到數位孿生在全球半導體產業中大規模推出。

相關資源