米NVIDIA、半導体設計・製造のAI化を加速　CUDA-Xやデジタルツインで「AI定義ファブ」構築へ

何が発表されたのか

米NVIDIAがYouTube公式チャンネル等で公開した映像資料および技術情報によると、同社は半導体業界向けに加速コンピューティングと物理AI（Physical AI）を組み合わせた一連のソリューション群を統合提供し、次世代の製造拠点である「AI定義ファブ（AI-defined fab）」の実現に向けた技術基盤を発表・提示しました。先端半導体の需要拡大に伴い、数兆・数千兆規模のトランジスタを集積する現代のチップ設計・製造プロセスは極めて複雑化しています。

今回提示された枠組みは、NVIDIA CUDA-Xライブラリ、物理AIシミュレーション、Omniverseを活用したデジタルツイン、自律型AIエージェント、そして視覚言語モデル「NVIDIA Cosmos」を横断的に連携させることで、設計から生産ラインの保全、ウエハ検査までの最適化を図るものです。既存の個別のEDA（設計自動化）ツールや検査装置の最適化にとどまらず、工場全体（ファブ）を包括的なデジタルツインとしてモデル化し、リアルタイムなフィードバックループを構築する点が新しいアプローチとなります。

研究段階のコンセプト提示にとどまらず、TSMC、Foxconn（鴻海精密工業）、Pegatron、Applied Materials、Lam Research、Micron Technology、Wistronといった世界主要な半導体メーカーおよび製造装置メーカーとの実用的な連携ソリューションとして展開されています。

発表された機能・アップデートの全容

1. CUDA-XライブラリとAI物理モデルによるシミュレーション35倍加速

半導体製造装置内の物理・化学現象は非常に複雑であり、熱流体やプラズマ挙動の計算には膨大なコンピューティングリソースが必要でした。NVIDIA CUDA-Xライブラリ群とAI物理（AI Physics）モデルの導入により、シミュレーションにおける計算上のボトルネックが解消されます。Applied Materialsのチャンバーシミュレーションの事例では、従来のCPUベースでのシミュレーションと比較して最大35倍の高速化が達成されました。AI物理モデルは過去のシミュレーションデータと実効実験データを同時に学習することにより、高精度な予測値を瞬時に導き出します。これにより、エンジニアは試作工程に入る前に膨大な設計オプションを仮想空間で探索できるようになります。

2. Omniverse基盤のデジタルツインによる「ファブ全体」の最適化

半導体工場（ファブ）全体のデジタルツイン構築において、NVIDIAのOmniverse技術が中核的な役割を果たします。製造装置、ウエハ搬送システム、計測機器、検査ラインといった個別のシステムを共通のバーチャル空間に統合します。動画内のデモ画面では、Applied Materialsなどの工場レイアウトがリアルタイムでデジタルツイン化されており、搬送ロボットや作業員の動きを含めた最適な運用計画を事前に検証する様子が確認できます。物理的な工場ラインを改修・変更する前に、デジタルツイン上でボトルネックを修正することで、ライン停止のリスクや設備投資の無駄を極限まで削減できます。

3. NemotronやKumo等を活用した自律型AIエージェントと予測保全

製造プロセスの運用において、機器の予期せぬトラブルは重大な損失をもたらします。NVIDIAはLLM/SLMモデル（Nemotronなど）や予測モジュール（Kumo Anomaly、Kumo Forecast、NDUSなど）を組み合わせた「AIエージェント」システムを提示しました。デモ画面内の「Diagnosis（診断）」パネルでは、エンジニアが会話型インターフェースを通じて機器の状態を問いかけると、システムがセンサー履歴と予測モデルに基づき「30サイクル後に異常な挙動が発生する可能性がある」といった早期警告（Early warning）を出力する動きが示されました。さらにトラブルシューティングの手順も自動生成し、オペレーターの判断を強力に支援します。

4. 人間と安全に協調する物理AIロボティクスと「PEGAVERSE」のリアルタイム制御

Lam ResearchやPegatron、Foxconnなどの現場では、多関節ロボットアームや無人搬送車（AMR）がAIによって制御され、人間と安全に並行して作業を行っています。デモ映像では、Pegatronが構築した「PEGAVERSE」というシミュレーション環境と実機の連動が示されています。CPU上へのサーマルペースト（熱伝導塗料）の自動塗布工程において、塗布量が目標値（500.0 μL）に対して不一致（FAIL）を起こした際、システムが原因を即座に検出し「ロボットアームの動作速度が遅すぎるため、速度を6.0から10.0に引き上げるべき」という改善提案をチャット形式で表示し、実機の塗布精度を自動修復・維持する様子が具体的に示されました。

5. 視覚言語モデル「NVIDIA Cosmos」によるウエハ欠陥検査の高度化

ウエハの表面検査および欠陥分類において、NVIDIAの視覚言語モデル（VLM）である「NVIDIA Cosmos」が導入されています。従来のルールベースの画像処理や単純なCNN（畳み込みニューラルネットワーク）と比較して、極めて高い推論精度を発揮します。デモ画面では、複雑なパターンが刻まれたウエハ表面の微細な欠陥やパターン異常を検出し、ウエハマップ全体における欠陥の分布傾向を解説付きで出力する機能が公開されました。Cosmosはウエハ欠陥の分類において96%以上の分類精度を達成しており、検査結果は即座に学習モデルへフィードバックされ、精度の継続的な向上サイクルが形成されます。