SemiFA：自律的な半導体故障解析レポート生成のためのエージェント型マルチモーダルフレームワーク

要旨: 半導体の故障解析（FA）では、エンジニアが検査画像を調べ、装置テレメトリを関連付け、過去の欠陥記録を参照し、構造化されたレポートを書かなければならず、このプロセスは1件あたり専門家の時間を数時間消費することがあります。私たちは、半導体の検査画像から1分未満で自律的に構造化されたFAレポートを生成する、エージェント型マルチモーダルフレームワークであるSemiFAを提示します。SemiFAはFAを4つのエージェントからなるLangGraphパイプラインに分解します。DINOv2とLLaVA-1.6を用いて欠陥の形態を分類し描写するDefectDescriber、SECS/GEMの装置テレメトリと、Qdrantのベクトルデータベースから取得した歴史的に類似した欠陥を融合するRootCauseAnalyzer、重大度を割り当てて歩留まりへの影響を推定するSeverityClassifier、そして是正のためのプロセス調整を提案するRecipeAdvisorです。さらに5番目のノードがPDFレポートを組み立てます。9つの欠陥クラスにわたって構造化されたFAナラティブと対になった、注釈付き半導体欠陥画像930枚からなるデータセットSemiFA-930を導入します。これは、手順合成、WM-811K、MixedWM38から得ています。DINOv2ベースの分類器は、140枚の検証画像に対して92.1%の精度を達成します（macro F1 = 0.917）。また、完全なパイプラインは、NVIDIA A100-SXM4-40 GB GPU上で48秒で完全なFAレポートを生成します。GPT-4oによる、4つのモダリティ条件でのアブレーション評価では、マルチモーダル融合が、画像のみのベースラインに対して根本原因の推論を+0.86の複合ポイント（1〜5スケール）改善し、装置テレメトリがより負荷の大きい（寄与の大きい）モダリティであることが示されました。私たちの知る限り、SemiFAは、SECS/GEMの装置テレメトリを視覚と言語のモデルパイプラインに統合し、自律的にFAレポートを生成する最初のシステムです。