Physics-informed generative AI for semiconductor manufacturing: Enforcing hard physical constraints in generative models by construction
यह शोध पत्र तर्क देता है कि सेमीकंडक्टर विनिर्माण के लिए, जनरेटिव एआई मॉडलों को पोस्ट-हॉक फ़िल्टरिंग पर निर्भर रहने के बजाय निर्माण के माध्यम से कठोर भौतिक बाधाओं को लागू करना चाहिए, और यह भौतिक रूप से वैध डिज़ाइन और प्रक्रिया अनुकूलन के लिए भौतिकी-सूचित आर्किटेक्चर को सिमुलेशन इंफ्रास्ट्रक्चर के साथ एकीकृत करने हेतु एक आर्किटेक्चरल टूलकिट और अनुसंधान एजेंडा की रूपरेखा प्रस्तुत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मुख्य विचार: केवल एक चित्र बनाना नहीं, बल्कि एक फैक्ट्री बनाना
कल्पना कीजिए कि आप एक AI को चीजें डिजाइन करना सिखा रहे हैं।
- कला की दुनिया में: यदि आप AI से एक बिल्ली बनाने के लिए कहते हैं, और वह छह पैरों वाली बिल्ली बना देता है, तो आप हंस सकते हैं और कह सकते हैं, "यह थोड़ा अजीब है, लेकिन फिर भी यह एक प्यारी तस्वीर है।" AI यहाँ बच निकलता है क्योंकि एकमात्र नियम यह है कि "क्या यह दिखने में अच्छा है?"
- सेमीकंडक्टर (चिप) की दुनिया में: यदि आप AI से एक कंप्यूटर चिप डिजाइन करने के लिए कहते हैं, और वह एक ऐसा सर्किट बनाता है जिसमें एक तार बहुत पतला है जो बिजली ले जाने के लिए पर्याप्त नहीं है, तो परिणाम केवल "अजीब" नहीं होता। वह बेकार कचरा होता है। चिप काम ही नहीं करेगी।
यह पेपर तर्क देता है कि हम चिप निर्माण को एक कला परियोजना की तरह नहीं मान सकते। हम केवल यह उम्मीद नहीं कर सकते कि AI सही दिखने का अनुमान लगाए और उम्मीद करे कि वह काम करेगा। इसके बजाय, हमें AI को इस तरह बनाना चाहिए कि वह गलती न कर सके, भले ही वह करना चाहे।
समस्या: "पोस्ट-इट नोट" फ़िल्टर
वर्तमान में, कई लोग चिप डिजाइन के लिए मानक AI (वह प्रकार जो कविताएँ लिखता है या चित्र बनाता है) का उपयोग करने की कोशिश करते हैं। वे यह करते हैं:
- AI एक डिज़ाइन का अनुमान लगाता है।
- वे यह जाँचने के लिए कि क्या यह काम करता है, एक अत्यंत जटिल भौतिकी सिमुलेशन (physics simulation) चलाते हैं।
- यदि यह विफल हो जाता है, तो वे इसे फेंक देते हैं और फिर से प्रयास करते हैं।
लेखक इसे "Post-Hoc Filtering" (बाद में सुधार करना) कहते हैं। वे इसकी तुलना एक ऐसे शेफ से करते हैं जो भोजन पकाता है, उसे चखता है, महसूस करता है कि वह जहरीला है, और फिर उसे कूड़ेदान में फेंक देता है। यह बहुत बर्बादी भरा और धीमा है।
चिप निर्माण में, यह एक आपदा है क्योंकि:
- दांव बहुत ऊंचे हैं: एक छोटी सी त्रुटि का मतलब है लाखों डॉलर के चिप्स का नुकसान।
- डेटा दुर्लभ है: हमारे पास लाखों "विफल चिप्स" की तस्वीरें नहीं हैं जिससे AI को यह सिखाया जा सके कि क्या नहीं करना है।
- भौतिकी सख्त है: आप "95% काम करने वाला" चिप नहीं रख सकते। यह या तो 100% काम करने वाला होता है या 0%।
समाधान: "निर्माण द्वारा भौतिकी-सूचित" (Physics-Informed by Construction)
यह पेपर इन AI मॉडलों को बनाने का एक नया तरीका प्रस्तावित करता है। AI को जवाब का अनुमान लगाने और फिर उसे जाँचने के लिए सिखाने के बजाय, हमें भौतिकी के नियमों को सीधे AI के मस्तिष्क में बनाना चाहिए।
इसे इस तरह सोचें:
- पुराना तरीका (कला का छात्र): छात्र एक पुल बनाता है। शिक्षक गणित की जाँच करता है, देखता है कि पुल ढह जाएगा, और कहता है, "फिर से कोशिश करो।"
- नया तरीका (इंजीनियर): छात्र को ऐसे बिल्डिंग ब्लॉक्स दिए जाते हैं जो केवल उन तरीकों से फिट होते हैं जो एक स्थिर पुल बनाते हैं। छात्र भौतिक रूप से एक ढहने वाला पुल नहीं बना सकता, भले ही वह कोशिश करे।
लेखक इसे "Physics-Informed by Construction" कहते हैं। AI को इस तरह डिज़ाइन किया गया है कि वह जो कुछ भी बनाता है, वह स्वचालित रूप से भौतिकी के नियमों (जैसे प्रकाश, बिजली और गर्मी) का पालन करता है।
टूलकिट: हम इसे कैसे करेंगे?
पेपर इस तरह के AI को बनाने के लिए कई "उपकरणों" को सूचीबद्ध करता है:
- गाइडेड डिफ्यूजन (Guided Diffusion): कल्पना कीजिए कि एक मूर्तिकार पत्थर के ब्लॉक को तराश रहा है। केवल बेतरतीब ढंग से छैनी चलाने के बजाय, AI एक "चुंबक" (भौतिकी के नियम) द्वारा निर्देशित होता है जो हर चरण में छेनी को सही आकार की ओर खींचता है।
- डिफरेंशिएबल सिम्युलेटर्स (Differentiable Simulators): आमतौर पर, कंप्यूटर सिमुलेशन 'ब्लैक बॉक्स' की तरह होते हैं; आप नंबर डालते हैं, और उत्तर बाहर आते हैं। पेपर चाहता है कि ये बॉक्स "पारदर्शी" हों ताकि AI देख सके कि उत्तर कैसे निकाला गया और तुरंत गलतियों से सीख सके।
- कठोर बाधाएं (Hard Constraints): यह एक वीडियो गेम की तरह है जहाँ आप वास्तव में मैप से बाहर नहीं जा सकते। AI को इस तरह प्रोग्राम किया गया है कि यदि कोई डिज़ाइन नियम तोड़ता है (जैसे तार बहुत पतला है), तो AI उस डिज़ाइन को उत्पन्न ही नहीं कर पाएगा।
AI और भौतिकी को जोड़ने के चार तरीके
पेपर AI की "रचनात्मकता" और भौतिकी की "सख्ती" को मिलाने के चार विशिष्ट तरीके सुझाता है:
- रेसिपी लेखक: एक AI जो निर्माण निर्देश (रेसिकी) लिखता है लेकिन लगातार एक "नियम पुस्तिका" द्वारा जांचा जाता है ताकि यह सुनिश्चित हो सके कि फैक्ट्री की मशीनें वास्तव में वह कर सकें जो AI कहता है।
- नकली दोष जनरेटर (Fake Defect Generator): केवल टूटे हुए चिप्स की रैंडम तस्वीरें बनाने के बजाय, AI यह सिम्युलेट करने के लिए भौतिकी का उपयोग करता है कि एक चिप वास्तव में कैसे टूटती है (जैसे, गर्मी के कारण दरार आना)। यह अन्य AI सिस्टमों के लिए वास्तविक प्रशिक्षण डेटा बनाता है।
- रिवर्स डिज़ाइनर: चिप डिजाइन करने और फिर परीक्षण करने के बजाय, AI लक्ष्य से शुरू होता है (जैसे, "मुझे एक चिप चाहिए जो 5GHz पर चले") और पीछे की ओर काम करता है, यह सुनिश्चित करने के लिए भौतिकी का उपयोग करता है कि डिज़ाइन संभव है।
- यूनिवर्सल ट्रांसलेटर: एक भविष्य का लक्ष्य जहाँ एक विशाल AI टेक्स्ट, ब्लूप्रिंट और भौतिकी सिमुलेशन को एक साथ समझता है, ताकि एक इंजीनियर बस कह सके, "एक तेज़ चिप बनाओ," और AI जटिल अनुवाद को संभाल ले।
रोडमैप: क्या होना आवश्यक है?
लेखक कहते हैं कि हमें केवल "स्मार्ट दिखने वाले" AI बनाने के बजाय "स्मार्ट होने वाले" AI बनाने पर ध्यान केंद्रित करना चाहिए। वे तीन चरणों वाली योजना प्रस्तावित करते हैं:
- अभी (2026-2027): AI के लिए एक "रिपोर्ट कार्ड" बनाएं। इसे इस आधार पर ग्रेड न दें कि डिज़ाइन कितने सुंदर दिखते हैं, बल्कि इस आधार पर ग्रेड दें कि कितने डिज़ाइन भौतिकी परीक्षण में पास होते हैं।
- मध्य अवधि (2027-2030): बेहतर "फिजिक्स इंजन" बनाएं जिनसे AI सीधे सीख सके। वर्तमान में, कारखाने जिन उपकरणों का उपयोग करते हैं, वे AI के लिए सीखना बहुत धीमा और जटिल है। हमें उन्हें "AI-फ्रेंडली" बनाने की आवश्यकता है।
- दीर्घ अवधि (2030+): एक विशाल, साझा AI मॉडल बनाएं जो चिप्स के बारे में सब कुछ जानता हो, टेक्स्ट निर्देशों से लेकर भौतिकी सिमुलेशन तक, जिसे कई कंपनियां मिलकर प्रशिक्षित करें।
निचोड़
पेपर का मुख्य संदेश सरल है: चिप निर्माण में, आप बनाए जाने के बाद बुरे विचारों को फ़िल्टर नहीं कर सकते; आपको उन्हें बनाए जाने से रोकना होगा।
यदि हम ऐसा AI बनाते हैं जो कोड की पहली पंक्ति से ही भौतिकी के नियमों का सम्मान करता है, तो हमें ऐसे उपकरण मिलेंगे जिन पर इंजीनियर अगली पीढ़ी के कंप्यूटर बनाने के लिए भरोसा कर सकते हैं। यदि हम ऐसा नहीं करते हैं, तो हमें केवल ऐसे उपकरण मिलेंगे जो डेमो में प्रभावशाली दिखते हैं लेकिन वास्तविक फैक्ट्री में विफल हो जाते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।