Diffuse to Detect: Generative Diffusion Models for Unsupervised IC Anomaly Detection

Resumo Técnico: Diffuse to Detect: Modelos de Difusão Generativa para Detecção Não Supervisionada de Anomalias em Circuitos Integrados

Declaração do Problema
O artigo aborda o desafio crítico de triar defeitos latentes na fabricação de semicondutores. Defeitos latentes são imperfeições físicas (por exemplo, curtos-circuitos ou circuitos abertos resistivos) que permitem que os dispositivos passem em todos os critérios de teste funcional, mas causam falhas em campo sob estresse operacional. A detecção desses defeitos é difícil devido a três fatores cumulativos:

1. Desequilíbrio de Classes Extremo: As taxas de falha estão frequentemente na faixa de partes por milhão (por exemplo, <0,12% nos conjuntos de dados estudados), tornando o aprendizado supervisionado impraticável devido à falta de dados de anomalias rotulados e à tendência dos classificadores de colapsar para a classe majoritária.
2. Alta Dimensionalidade: Programas de teste modernos geram milhares de recursos de medição paramétrica por dispositivo, criando um espaço de recursos de alta dimensionalidade onde métodos tradicionais baseados em distância ou densidade lutam sem engenharia de recursos cuidadosa.
3. Tolerância Estrita: Os sistemas de triagem devem equilibrar a maximização do recall de anomalias raras contra a minimização de falsos positivos para evitar perda de rendimento, um equilíbrio que a simples definição de limiares frequentemente falha em alcançar.

Os métodos existentes de detecção de anomalias baseados em difusão focaram principalmente em dados de imagem ou dados tabulares de baixa dimensionalidade (por exemplo, TabDDPM), que tratam vetores de recursos como entradas planas e desordenadas. Essas abordagens carecem do viés indutivo estrutural necessário para dados de teste de IC de alta dimensionalidade e semanticamente heterogêneos.

Metodologia
Os autores propõem o Diffuse to Detect, um framework totalmente não supervisionado que incorpora um Transformador de Difusão (DiT) para modelar a distribuição de silício saudável. A metodologia prossegue através das seguintes etapas:

1. Redução de Dimensionalidade e Tokenização:

   • Vetores de medição de alta dimensionalidade bruta ($x \in \mathbb{R}^F$, onde $F \sim 10^3$) são primeiro comprimidos por um codificador MLP de duas camadas em uma representação latente compacta ($h \in \mathbb{R}^{D_r}$, onde $D_r = 128$).
   • Este vetor latente é remodelado em uma sequência estruturada de tokens 2D ($Z_0 \in \mathbb{R}^{C \times L}$), análogo ao embedding de patches em Vision Transformers. Isso permite que o modelo trate os dados de medição como uma sequência em vez de um vetor plano.

2. Codificação Posicional de Dois Níveis:

   • Nível de Recurso: Embeddings sinusoidais fixos são adicionados para codificar a posição dos tokens dentro da sequência latente, capturando a estrutura semântica do fluxo de teste.
   • Nível de Die: Um MLP aprendido e com portão gera um embedding por dispositivo com base nas coordenadas físicas da pastilha ($d_x, d_y$). Isso leva em conta variações espaciais sistemáticas (por exemplo, efeitos de borda versus centro) inerentes aos dados de teste em nível de pastilha.

3. Processo de Difusão:

   • O framework emprega um Transformador de Difusão 1D (DiT1D) como a espinha dorsal de remoção de ruído. Ao contrário dos modelos de difusão tabular padrão que usam MLPs baseados em ResNet, o DiT1D utiliza mecanismos de autoatenção para capturar correlações compostas entre recursos através da sequência de tokens.
   • O modelo é treinado exclusivamente em dispositivos saudáveis usando o objetivo padrão DDPM para prever o ruído adicionado durante o processo de difusão forward.

4. Pontuação de Anomalia:

   • Durante a inferência, uma pontuação de anomalia é derivada do erro de previsão de ruído sobre um conjunto fixo de passos de tempo de difusão de faixa média.
   • Dispositivos que estão fora da distribuição aprendida de silício saudável induzem erros de reconstrução elevados.
   • A abordagem evita a amostragem iterativa para pontuação, exigindo apenas um número fixo de passagens forward, tornando-a adequada para triagem de produção de alto rendimento.

Principais Contribuições

• Primeiro Framework de Difusão para Dados de Teste de IC: O artigo introduz o primeiro framework baseado em modelo de difusão para detecção não supervisionada de anomalias em dados de teste elétrico de IC, eliminando a necessidade de engenharia manual de recursos.
• Tokenização Estruturada e Codificação Posicional: Os autores propõem um esquema inovador de codificação posicional de dois níveis que combina posições de tokens sinusoidais fixas com embeddings de die aprendidos, por dispositivo. Isso codifica tanto a estrutura do fluxo de teste quanto a geometria espacial da pastilha.
• Difusão no Espaço Latente com Transformers: O trabalho demonstra que realizar a difusão em um espaço latente compacto usando um denoiser Transformer supera métodos que difundem no espaço de recursos bruto ou usam denoisers baseados em MLP.

Resultados Experimentais
O framework foi avaliado em dois conjuntos de dados industriais de teste de IC automotivo de 16nm caracterizados por desequilíbrio de classes extremo (taxas de anomalia de 0,22% e 0,12%).

• Desempenho: O modelo DiT1D proposto alcançou desempenho state-of-the-art, superando métodos clássicos (por exemplo, Isolation Forest, PCA), baselines de aprendizado profundo (por exemplo, GANomaly, DAGMM) e baselines de difusão existentes (TabDDPM, variantes DTE).
  • No Conjunto de Dados 1, o DiT1D alcançou um AUROC de 0,771 e um AUCPR de 0,0250, superando significativamente o segundo melhor método (LOF e DTE-IG, respectivamente). Ele recuperou com sucesso 3 de 7 anomalias confirmadas em um limiar de rendimento de 95%, enquanto a maioria das baselines recuperou zero ou uma.
  • No Conjunto de Dados 2, o DiT1D foi o único método a recuperar todas as 7 anomalias presentes na divisão de teste no ponto de operação de rendimento de 95%.
• Estudos de Ablação:
  • Remover o embedding posicional de nível de die causou a maior queda no desempenho (o AUROC diminuiu 0,234), destacando a importância de modelar variações espaciais da pastilha.
  • Remover o autoencoder (difundindo no espaço bruto) degradou severamente o desempenho, confirmando a necessidade de compressão latente para dados de alta dimensionalidade.
  • Substituir o Transformer por uma espinha dorsal MLP (estilo TabDDPM) resultou em AUROC e recall mais baixos, validando o benefício da autoatenção para capturar correlações entre tokens.

Significado e Alegações
O artigo alega que o Diffuse to Detect oferece uma solução robusta para as metas de qualidade "Zero Defeito" exigidas nos setores automotivo e de computação de alto desempenho. Ao aproveitar modelos de difusão generativos treinados exclusivamente em dados saudáveis, a abordagem:

• Elimina a necessidade de anomalias rotuladas, abordando a escassez de dados de defeitos em processos maduros.
• Evita a engenharia manual de recursos, que historicamente foi um gargalo em pipelines de qualidade de semicondutores.
• Fornece interpretabilidade: Através de resíduos de reconstrução no espaço latente, o método permite a localização de falhas. Os autores observam que esses resíduos podem ser mapeados de volta para programas de teste específicos, oferecendo aos engenheiros de teste insights acionáveis sobre as causas raiz (por exemplo, identificando desvios específicos de medição de fuga) sem exigir conhecimento da representação latente.

O trabalho se posiciona como um passo significativo para a frente na aplicação de modelagem generativa avançada às restrições específicas de dados de teste de semicondutores de alta dimensionalidade, espacialmente correlacionados e extremamente desequilibrados.