用于半导体制造的基于物理的生成人工智能：通过构建在生成模型中实施严格的物理约束

arXiv:2606.11247v1 公告类型：新 摘要：生成模型越来越多地用于为物理系统提出设计、数据和控制操作，但许多此类系统受到严格的物理约束而不是感知合理性的控制。半导体制造提供了严格的测试用例：生成的掩模、布局、合成缺陷数据和工艺配方必须遵守光刻、传输、反应和器件物理约束，因为物理无效的样品不仅质量低而且无法使用。本观点认为，半导体制造面临着更广泛的计算科学挑战，即受限物理领域的生成式人工智能必须通过构造获得物理信息，而不仅仅是通过事后过滤进行纠正。我们调查了新兴的架构工具包，包括物理信息扩散、偏微分方程约束变分模型、神经算子先验和遵守守恒定律的生成网络，并展示了它如何与可微分光刻、TCAD、过程模拟和自主实验联系起来。我们确定了生成模型和基于物理的模拟器之间的四种集成模式，并提出了一个以物理保真度基准、可微模拟器基础设施以及物理设计和制造的多模态基础模型为中心的研究议程。核心主张是分析性而非修辞性的：物理有效性是成功的约束性标准，通过构造来强制执行它的架构应该会优于事后过滤的架构，而晶圆厂是这种区别最明显的环境。