SemiFA：融合设备遥测的半导体失效分析报告生成

半导体故障分析 (FA) 要求工程师查看检测图像、关联设备遥测、查阅历史缺陷记录并编写结构化报告，这个过程可能会占用每个案例几个小时的专家时间。我们推出 SemiFA，这是一种多Agent多模态框架，可在一分钟内根据半导体检测图像自动生成结构化 FA 报告。 SemiFA 将 FA 分解为四代理 LangGraph 管道：使用 DINOv2 和 LLaVA-1.6 对缺陷形态进行分类和叙述的 DefectDescriber、将 SECS/GEM 设备遥测与从 Qdrant 矢量数据库检索到的历史相似缺陷融合的 RootCauseAnalyzer、分配严重性并估计良率影响的 SeverityClassifier 以及提出纠正性流程调整的 RecipeAdvisor。第五个节点组装 PDF 报告。我们引入了 SemiFA-930，这是一个包含 930 个带注释的半导体缺陷图像的数据集，与九个缺陷类别的结构化 FA 叙述配对，来自程序合成、WM-811K 和 MixedWM38。我们基于 DINOv2 的分类器在 140 个验证图像上实现了 92.1% 的准确率（宏 F1 = 0.917），并且完整的管道在 NVIDIA A100-SXM4-40 GB GPU 上 48 秒内生成完整的 FA 报告。跨四种模态条件的 GPT-4o 判断消融表明，多模态融合在仅图像基线上将根本原因推理提高了 +0.86 个复合点（1-5 尺度），其中设备遥测贡献更大。据我们所知，SemiFA 是第一个将 SECS/GEM 设备遥测集成到视觉语言模型管道中以自动生成 FA 报告的系统。