ManuTalkThai ศูนย์รวมข่าว Industrial Technology ออนไลน์ในประเทศไทย
อุตสาหกรรมเซมิคอนดักเตอร์คือผู้อยู่เบื้องหลังการเติบโตของเทคโนโลยี AI และในวันนี้ AI กำลังย้อนกลับมาพลิกโฉมวิธีการสร้างชิปเสียเอง เมื่อโรงงานผลิตทั่วโลกกำลังก้าวเข้าสู่ยุคของ “AI-Defined Fabs” ซึ่งใช้ระบบปัญญาประดิษฐ์เข้ามาช่วยวิศวกรออกแบบกระบวนการ แก้ปัญหา และเพิ่มประสิทธิภาพการผลิตในทุกขั้นตอน
ด้วยความซับซ้อนของการผลิตชิปขั้นสูง วิศวกรจำเป็นต้องจำลองพฤติกรรมของวัสดุและทดสอบการเปลี่ยนแปลงต่างๆ ในโลกดิจิทัล (Digital Twins) ก่อนนำไปใช้ในสายการผลิตจริง NVIDIA จึงได้ยกระดับชุดเครื่องมือ CUDA-X libraries เพื่อติดปีกให้ AI Agents และแอปพลิเคชันทางวิศวกรรมทำงานได้เร็วและแม่นยำยิ่งขึ้น โดยมีเครื่องมือชิ้นสำคัญ ได้แก่:
- NVIDIA cuPotential: ไลบรารีใหม่ล่าสุดที่เปิดให้ AI Agents ใช้จำลองการทำปฏิกิริยาระดับอะตอมและโมเลกุล ซึ่งมีความซับซ้อนสูงมาก ในช่วงทดสอบเบื้องต้น เครื่องมือนี้ช่วยเร่งความเร็วการทำงานที่ปรับแต่งบน GPU ไว้แล้วให้ไวขึ้นไปอีก 2-3 เท่า
- NanoVDB: ไลบรารีโอเพนซอร์สสำหรับประมวลผลข้อมูล 3D ที่เข้ามาช่วยเร่งการจำลองกระบวนการสร้างชิป โดยบริษัทอย่าง Lam Research สามารถทำความเร็วในการจำลองการกัดแผ่นเวเฟอร์ (Wafer-etch) ได้เพิ่มขึ้นสูงสุดถึง 30 เท่า
- NVIDIA NPP & RAPIDS cuDF: เครื่องมือประมวลผลภาพและชุดข้อมูลขนาดใหญ่บน GPU ที่ช่วยให้ระบบตรวจสอบและหาข้อบกพร่องของชิปทำงานได้แบบเรียลไทม์ ตัวอย่างเช่น KLA สามารถเร่งความเร็วระบบตรวจสอบได้ถึง 50 เท่าเมื่อเทียบกับระบบ CPU เดิม
การขับเคลื่อนครั้งนี้ได้รับการตอบรับจากเครือข่ายผู้นำในอุตสาหกรรมอย่างครบวงจร ไม่ว่าจะเป็น Applied Materials, Cadence, Siemens, Synopsys, Teradyne และ Advantest ที่นำขุมพลังการประมวลผลเร่งความเร็วของ NVIDIA ไปใช้ครอบคลุมตั้งแต่การออกแบบแพ็กเกจจิ้ง การจำลองการไหลเวียนของวัสดุในโรงงาน ไปจนถึงการใช้ AI ประเมินการซ่อมบำรุงหัววัดล่วงหน้าก่อนที่จะเกิดความเสียหาย
เทคโนโลยีเหล่านี้กำลังย่นระยะเวลาการทำงานที่เคยใช้เวลาหลายเดือนให้จบลงในวันเดียว หรือจากหลายวันเหลือเพียงระดับมิลลิวินาที ซึ่งเป็นจิ๊กซอว์ชิ้นสำคัญที่จะช่วยให้โรงงานเซมิคอนดักเตอร์สามารถผลิตชิปได้เร็วขึ้น ลดอัตราของเสีย และขยายกำลังการผลิตเพื่อรองรับความต้องการเทคโนโลยีขั้นสูงของโลกที่พุ่งสูงขึ้นอย่างต่อเนื่อง
