NVIDIA 借助 CUDA-X 数据科学推进制造业中的机器学习
realtime news Jun 18, 2025 15:17
NVIDIA 利用 CUDA-X 数据科学优化芯片制造工作流程，应对数据集不平衡等挑战，提升模型性能。
根据 NVIDIA 开发者博客作者 Divyansh Jain 最近的博文，NVIDIA 处于将机器学习（ML）和数据科学整合在其制造流程中的前沿，变革其制造流程。该公司利用其 CUDA-X 库来增强芯片制造工作流程，从晶圆制造到封装芯片测试的复杂任务。
通过机器学习优化制造
这家半导体巨头在其制造阶段生成大量数据，将这些数据转化为可操作的见解对于维持质量、吞吐量和成本效率至关重要。NVIDIA 开发了强大的 ML 管道，利用 CUDA-X 库（如 NVIDIA cuDF 和 NVIDIA cuML）进行快速的数据处理和模型训练，解决关键问题如缺陷检测和测试优化。
应对类别不平衡
关注制造的 ML 中的一个重大挑战是处理不平衡数据集，其中大部分单元通过测试，而只有一小部分未通过。这种不平衡可能会影响模型训练。NVIDIA 通过采用目标抽样方法来解决这个问题，包括合成少数类过采样 (SMOTE) 和分层欠采样，这些过程使用 CUDA-X 库加速实现，使得在 GPU 内存中直接进行高效的模型实验。
先进的评估指标
在高度不平衡的情况下，标准指标如准确性可能导致误导。NVIDIA 使用如加权准确性和精确召回曲线下的面积等指标来更好地评估模型性能。这些指标帮助突出模型的真正预测能力，确保最大限度减少假阳性。
增强可解释性
除了性能之外，可解释性和可操作性在操作环境中也至关重要。NVIDIA 依赖于 cuML 的特征重要性工具以识别高影响力特征以供查阅，帮助消除冗余测试步骤。此外，GPU 加速的 SHAP 实现提供特征贡献的见解，增强模型透明度和信任。
未来方向
NVIDIA 继续扩大其在制造业中的 ML 能力，并在即将到来的博客文章中承诺提供更多见解。公司计划探索高级特征工程技术和业务意识评估指标，以期通过 ML 驱动的见解赋能操作工程。有关更多信息，请参阅 NVIDIA 开发者博客 上的原始博文。
Image source: Shutterstock.jpg)
