什么是半导体数字孪生？

拜登政府近期宣布了一项2.85亿美元的资助计划，旨在推动美国半导体行业利用数字孪生技术。此前，日本和印度也推出了类似的半导体制造投资计划。在美国，这笔资金将用于资助一个数字孪生研究所，预计该研究所的成员机构将提供等额配套资金。

尽管更广泛的制造业已经开始使用数字孪生技术，但对于半导体芯片制造而言，它仍然是一项相对较新的技术。白宫最近提出的倡议旨在构建一个更强大的全美生态系统，让芯片制造商利用数字孪生技术减少对其他国家制造工艺的依赖，并建立更稳健的供应链。

什么是数字孪生？
数字孪生是现实世界实体或过程的虚拟表示或模型，可以进行实时管理。该虚拟表示通过传感器数据流与物理资产连接，形成数字孪生体。利用数字孪生体，可以分析系统过去、现在和未来的行为，从而更好地了解如何优化系统。

什么是半导体数字孪生
数字孪生真实资产流程
数字孪生体是利用物理传感器数据构建的，它能够保持虚拟环境的最新状态，并使数字孪生体能够体验与物理资产相同的事物，从而实时预测其行为。

数字孪生生态系统的关键要素

基于仿真和混合分析
物联网/边缘平台
资产和基础设施
构建数字孪生体需要多个层面和技术：

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
应用使能层
数字孪生还利用物联网 (IoT) 和边缘平台（例如微软、英伟达和亚马逊网络服务 (AWS) 提供的平台）来构建物理系统的虚拟模型。

最后一层是分析层。在这一层，所有收集到的数据都与工程洞察（例如从仿真中获得的洞察）相结合，构建虚拟表示或模型，该模型可用于预测系统并深入了解其运行机制。总而言之，数字孪生技术有助于在确定物理系统优化方案时做出更明智的决策。

白宫倡议的重要性
半导体制造工艺高度专业化且全球化。例如，两家晶圆代工厂（台积电和三星晶圆代工）占据了全球约70%的芯片产量，而几乎所有对先进节点制造工艺至关重要的极紫外（EUV）光刻机都由一家公司（阿斯麦）生产。

这种对少数几家关键市场参与者的依赖可能会导致供应链瓶颈，就像我们在新冠疫情封锁期间看到的那样。由于超过60%的芯片制造位于台湾，地缘政治紧张局势也可能导致芯片短缺。

白宫提供的资金支持有望通过在美国建设更多半导体制造厂（简称晶圆厂）来缓解部分供应方面的担忧。虽然这项工作最初将由学术机构对任何新的数字孪生解决方案进行必要的验证，但最终目标是通过英特尔等公司建立更多公私合作关系。英特尔目前已在美国资助半导体行业的劳动力培训和教育。

制造与运营：数字孪生的目标
数字孪生技术通过以下方式使半导体制造工艺受益：

提高工艺收率
加快设备上线速度
提供预测性维护和智能制造能力
降低维护成本和计划外停机时间
执行这种程度的优化的能力一直仅限于少数几家主要的芯片制造商，但数字孪生技术可以让世界更多地区的人们更容易获得这种专业知识。

虽然数字孪生技术可用于设计和制作新芯片原型，但其主要优势将体现在制造和运营环节。数字孪生技术通过创建单个设备或整个供应链环境的虚拟模型，有助于提高生产效率。

在敏感的芯片制造过程中，应考虑暖通空调（HVAC）和空气分子污染（AMC）过滤系统，以防止污染。如果过滤器更换不及时，芯片质量会受到影响，导致昂贵的返工。如果更换过早，晶圆厂将面临不必要的昂贵停机时间。数字孪生技术提供了一种更高效地维护过滤器和暖通空调系统的方法。

其他可以建模和优化的方面包括：

气体流动网络
每台制造设备内部的组件
蚀刻和焊接工艺
晶圆的工作温度
芯片制造完成后，可以使用虚拟环境来检查其是否高效运行。

为什么半导体行业应该关注数字孪生技术？
数字孪生技术的一个关键价值体现在其与虚拟传感器的结合使用上。数字孪生技术能够提供仅凭物理传感器无法获取的数据。

您可以在易于接近的兴趣点使用物理传感器，然后使用算法“虚拟感知”或模拟物理传感器可能无法触及的其余环境——只要可用的物理数据经过验证即可。

例如，通过虚拟感应内部温度来确保熔炉（例如PECVD熔炉）正常运行。晶圆的温度需要严格控制才能获得良好的良率。直接在晶圆表面进行物理温度感应并不容易，因为这会影响制造过程。然而，利用数字孪生技术，虚拟传感器可以在生产过程中感应并维持最佳温度。

由于这些数字孪生模型所采用的底层模型基于物理学原理，因此它们能够对相当大范围的运行条件进行精确预测。此外，诸如贝叶斯校准之类的统计校准技术可以提高数字孪生模型的精度——例如，在典型的 1200-2000 °C 的炉子中，误差仅为 1-2 °C。

机器学习和神经网络算法增强了仿真效果，提高了仿真质量，以确保虚拟传感器尽可能接近物理传感器。

为半导体行业构建数字孪生体所面临的挑战
目前，数字孪生技术在半导体制造领域的应用仍然有限。这部分是由于复杂非线性物理过程建模的难度较大。然而，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已经可以采用最先进的技术进行建模。更大的挑战在于模型的可用性。这是因为设备制造商通常拥有关于设备的详细模型和领域知识，但希望使用这些设备的代工厂却无法获取这些信息。

数字孪生技术可以提供一种知识共享机制，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。潜在的知识产权问题可以通过限制或限定对数字孪生所提供信息的访问来解决。

Ansys解决方案引领半导体制造行业发展
Ansys专注于将客户现有的仿真模型转换为适用于半导体制造的形式，然后将其集成到物联网协议栈或边缘计算平台中。这种方法称为降阶建模（ROM），它将复杂的仿真模型或现有仿真模型转换为实时模型。

Ansys软件还可以处理测量数据或仪器图。它是一个从头到尾的流程，在部署之前验证数字孪生构建的每个阶段。

Ansys 提供两款可协同使用的软件包，用于构建数字孪生模型——Ansys Twin Builder和Ansys TwinAI。您可以将它们与其他仿真软件包结合使用，以构建更强大的仿真环境。

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，生成精确且不断演进的数字孪生模型。机器学习提高了模型的精度，并确保数字孪生能够随着设备老化而自动校准，以适应设备行为的变化。这两个工具生成数字孪生后，您可以将其导出为容器、Python 应用或 Web 应用。由于预置了与 Microsoft 和 AWS 数字孪生平台的连接器，因此可以轻松大规模部署。

随着白宫出台降低半导体制造门槛的举措，现在正是行动之时。许多可用于规模化生产的技术已经存在，因为其他制造业早已采用这些技术。相信不久之后，我们就能看到数字孪生技术在全球半导体行业大规模应用。