事例の概要
| 企業 | TSMC（台湾積体電路製造） |
|---|---|
| 地域 | その他 |
| 業種 | 電子・半導体 |
| 企業規模 | 大企業 |
| 用途 | 外観検査 |
| 使われた技術 | NVIDIA Metropolis・TAO によるウェハ欠陥検出、CUDA-X による計算リソグラフィ・工程制御・ファブスケジューリング |
| 関連する製品・サービス | — |
成果
取り組みの内容
半導体の前工程では、回路の微細化に伴い、検出すべき欠陥がナノメートル級になっています。ウェハ1枚あたりの検査画像は膨大で、欠陥の分類を人が行うには限界があり、AIによる分類と検出の自動化が進んできた領域です。
NVIDIAは2026年6月のGTC Taipeiで、TSMCが映像・画像AIの基盤Metropolisと、学習済みモデルを自社データで調整するツールTAOを使い、ナノメートル級の欠陥を検出していると紹介しました（業界メディアの報道）。あわせて、GPU向けのライブラリ群CUDA-Xを、計算リソグラフィ、工程制御、ファブのスケジューリングに使っているとされています。
検出の精度や処理時間、歩留まりへの効果などの数値は公表されていません。
半導体工場は、ウェハIDと装置ログでデータが最もそろった業種の一つです。それでも欠陥の検出から原因の特定、工程条件の修正までをつなぐには、検査結果と装置の稼働データを同じキーで結びつける基盤が前提になります。
この事例から読み取れること
- 欠陥検出だけでなくリソグラフィやスケジューリングまで同じ計算基盤で扱う点は、ファブ全体でGPU計算を共有する方向を示していると読める
- 汎用の学習済みモデルを自社データで調整するTAOの使い方は、学習データを一から集める負担を減らす手段として参考になる
- 精度の数値が公表されていないため、技術の方向性を知る事例として扱い、効果の根拠には使わないのが適切といえる
本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。
