L'application de l'IA aux chaînes de production semble facile, mais s'avère difficile.

Selon les experts, le plus grand défi du développement de l'IA pour l'industrie des semi-conducteurs aujourd'hui est de faire en sorte que le modèle fonctionne de manière précise et stable directement sur la chaîne de production.

Des experts appliquent l'IA au développement des puces semi-conductrices - Photo : UMICH

Ce sujet a été largement abordé lors de l'atelier « Solutions d'intelligence artificielle (IA) dans l'industrie des semi-conducteurs » organisé par le Centre d'innovation du Département des sciences et technologies de Hô Chi Minh-Ville le 5 août après-midi.

Les experts se sont concentrés sur la recherche de capacités de mise en œuvre pratiques dans les environnements de production, ce qui est considéré comme le principal obstacle aujourd'hui.

L'expert Duong Quang Huy, ingénieur chez Ascendas Systems, a déclaré que dans les chaînes de production modernes, en particulier les chaînes de production de semi-conducteurs, les modèles d'IA sont nécessaires pour détecter les erreurs de production.

Par exemple, les ingénieurs peuvent utiliser des outils comme Deep Network Designer pour construire, visualiser et affiner des réseaux neuronaux, ou Classification Learner pour expérimenter différents algorithmes et choisir le modèle qui correspond le mieux aux ensembles de données du monde réel.

Selon M. Huy, la difficulté réside dans la capacité du modèle à conserver la même précision qu'en laboratoire lors du transfert du modèle de l'environnement d'entraînement à une véritable chaîne de production.

Car les algorithmes peuvent atteindre une précision de 99 % dans un environnement simulé, mais ne détectent pas les défauts réels des produits sur la chaîne de montage pour des raisons simples telles que les reflets, la poussière ou la légère rotation d'un composant.

« Le défi du développement de l'IA ne réside pas dans l'algorithme, mais dans le passage du laboratoire à la réalité », a affirmé M. Huy.

L'expert Duong Quang Huy présente à l'atelier - Photo : TRONG NHAN

Selon les experts, l'une des solutions fondamentales et décisives consiste à standardiser les données d'entrée et à constituer des ensembles de données d'entraînement précis.

La plupart des erreurs de déploiement du modèle proviennent de données d'entrée incohérentes, telles que des images surexposées, déformées ou floues, des conditions d'éclairage différentes de l'environnement d'entraînement ou des composants légèrement déplacés.

Pour résoudre ce problème, l'expert Duong Quang Huy recommande de standardiser les données d'image avant l'entraînement, notamment en équilibrant la lumière, en ajustant les angles, en améliorant le contraste et en supprimant le bruit.

Dans le même temps, un étiquetage précis à l'aide d'outils ou d'une combinaison d'étiquetage manuel et automatique aide le modèle à apprendre les véritables caractéristiques de l'erreur, au lieu d'être perturbé par des caractéristiques non pertinentes.

Lors de cet événement, Tran Kim Duy Lan, directrice de Navagis en Inde, a souligné un autre paradoxe du développement de l'IA. D'une part, l'IA peut réduire de 30 % le temps de conception des puces et augmenter la productivité des usines jusqu'à 25 %. D'autre part, les centres de données exploitant l'IA devraient consommer jusqu'à 21 % de l'électricité mondiale d'ici 2030.

Dans ce contexte, M. Lan a souligné l'importance de passer de modèles d'IA centralisés à des modèles distribués au niveau de l'appareil, notamment l'IA en périphérie et l'IA embarquée. Il s'agit d'une tendance stratégique essentielle pour garantir la pérennité des technologies.

Avec l'IA embarquée, les données sont traitées directement sur l'appareil (caméra intelligente, microcontrôleur, carte embarquée, etc.) au lieu d'être intégralement transmises vers le cloud. Cela permet de réduire la bande passante et la latence, d'améliorer la confidentialité et, surtout, de diminuer la consommation d'énergie par tâche d'un facteur 100 à 1 000 grâce à la suppression des étapes de traitement intermédiaires.

Le marché mondial de l'IA atteint 1 811 milliards de dollars américains.

Lors de la conférence, les experts ont également présenté les derniers rapports sur le développement de l'IA, le marché mondial devant atteindre 1 811 milliards de dollars américains d'ici 2030. Parallèlement, l'industrie des semi-conducteurs vise à atteindre la barre des 1 000 milliards de dollars américains au cours de la même période.

À l'heure actuelle, la combinaison de l'IA et des semi-conducteurs est considérée comme un « double moteur » pour la nouvelle révolution industrielle, notamment parce que les tendances de l'IA active, de l'IA multimodale et de l'IA générative et durable redéfinissent les besoins en matière de conception, d'optimisation et de test des puces.

POIDS

Source : https://tuoitre.vn/ung-dung-ai-trong-day-chuyen-san-xuat-tuong-de-ma-kho-20250805160542772.htm