Emergence AI: одного LLM для повышения выхода годных чипов недостаточно
Продолжение поста

Это позволяет получать ответы, которые можно формально доказать, — в отличие от вероятностных ответов обычных LLM.

ИИ-агенты Emergence AI анализируют данные функционального и параметрического тестирования, которые есть у fabless-производителей, и ищут закономерности сразу по всему портфелю продуктов. Нитта привёл пример: среди 1500 продуктов у 30% обнаружен одинаковый дефект в блоке кольцевого осциллятора — агент фиксирует паттерн и предлагает перепроектировать этот блок. По словам Нитты, такой масштаб анализа недоступен человеку.

Помимо дефектов в дизайне, агенты разбирают источники аномалий выхода годных: проблема в процессе на фабрике, в конструкции или в тестировании. Отдельно разбираются случаи некорректного контакта зондовых карт, требующие повторного тестирования.

Emergence AI также начала работу в области передовой упаковки чипов (advanced packaging). Здесь агентам предстоит решать физические задачи: например, рассчитывать методом конечных элементов, как несовпадение коэффициентов теплового расширения (КТР) меди и стеклянной подложки приводит к разрушению при термоциклировании, и предлагать изменения — от перепроектирования переходных отверстий до увеличения толщины лайнера.

По словам Нитты, компания активно ведёт переговоры с несколькими производителями в сфере advanced packaging и в течение 2–3 месяцев планирует объявить о ряде партнёрств, которые могут оформиться в меморандумы о взаимопонимании. Работа непосредственно с фабриками пока находится на самом раннем этапе.

Источник: EE Times Japan (🇯🇵)

#EmergenceAI #NeuroFormalAI #полупроводники #искусственныйинтеллект