NVIDIAは2026年11月3日(現地時間)、半導体製造におけるAIの活用が進み、エンジニアの作業効率が向上していることをNVIDIA Blogで公開した。加速コンピューティングがシミュレーション時間を短縮し、物理ベースAIがプロセス挙動を予測。AIエージェントとデジタルツインも活用され、製造プロセスの最適化と迅速な意思決定を支援する。
NVIDIAによると、高度なチップの需要が増加し、製造プロセスが複雑化する中で、エラーマージンは縮小している。これに対し、AIが半導体製造を変革し、エンジニアの能力と作業速度に影響を与えている。加速コンピューティングはシミュレーション時間を短縮し、エンジニアは物理的な試行に移行する前に多くの代替案を評価可能になった。物理ベースAIは、毎回完全なシミュレーションを実行することなくプロセス挙動を予測し、AIエージェントはエンジニアリングタスクのシーケンスを処理する。デジタルツインは、物理的な試行に移行する前に仮想環境で変更をテストすることを可能にする。これらの機能は、AIがプロセス最適化、問題の早期発見、製造チップライフサイクル全体での意思決定支援に貢献する「AI-defined fab」を構成する。
多重物理シミュレーションにおいて、NVIDIA cuDSSライブラリを使用する多重物理ソフトウェアプロバイダーのCOMSOLは、半導体製造向けシミュレーションを最大10倍高速化している。Applied MaterialsとNVIDIAの協業により、NVIDIA cuDSSを統合したAppliedのGinestraシミュレーションプラットフォームはCPUのみのアプローチと比較して最大10倍高速に稼働し、NVIDIA PhysicsNeMoを活用するAppliedのACE+多重物理プラットフォームは、地形シミュレーションを最大35倍高速化する。Siemensは、NVIDIA cuLithoを同社のCalibreリソグラフィソフトウェアに統合し、主要なシミュレーションワークロードで最大17倍の加速を実現する。
物理ベースAIの活用では、Lam ResearchがNVIDIA PhysicsNeMoフレームワークを用いてプラズマ挙動をミリ秒単位で予測可能にした。これは、完全なシミュレーションに数日かかる計算と比較して大幅な短縮となる。Applied MaterialsはNVIDIA Omniverseライブラリを基盤とするデジタルツインを構築し、レイアウト、スループット、コスト、プロセス制御における工場レベルの最適化をシミュレートする。AdvantestはNVIDIA NeMo Switchyard AIエージェントを使用してAIモデル選択を自動化し、応答時間を数時間から数分に短縮した。また、Applied MaterialsはNVIDIA Omniverseライブラリを活用し、工場全体の物理的に正確なデジタルツインを構築。これにより、材料の流れをシミュレートし、ボトルネックを特定し、運用戦略を評価することが可能になる。
参考: NVIDIA Blog (AI) (アーカイブ) — 2026年11月4日 01:00 (JST)
原文ハイライト"AI is transforming semiconductor manufacturing, impacting what engineers can do — and how fast."