1キロワットに近づく電力を持つAIアクセラレーターは、半導体エンジニアに試験カバレッジの概念を見直すよう迫っている。同じ電力値に到達したからといって、チップが実際に直面する条件で試験されたことが証明されるわけではない。異なる2つの負荷が同じ電力を消費しながら、異なる演算ブロック、メモリーインターフェース、電力分配経路を動作させ、パッケージ内部に異なるホットスポットを生じさせる可能性があるためだ。
2026年9月10日にSemiconductor Engineeringが掲載した分析によると、これらのレベルでの検証は、被試験デバイス（DUT）だけに限定されず、パッケージ、冷却システム、負荷ボード、ソケットと接点、自動試験装置まで含む。記事では、Nordson Test & InspectionのChristopher Randの発言として、これらのシステムのツールは、チップを測定する単なる中立的な手段ではなく、適格性確認と検証の対象となるシステムの一部になったと伝えている。
総電力では危険箇所が分からない
これまでチップ試験は、故障カバレッジと、構造上の欠陥を検出してデバイスを動作限界へ追い込む試験パターンに依存してきた。しかしAdvantestのBrent Bullockは、AIアクセラレーターの検証には、故障カバレッジと熱カバレッジを結び付けることが必要だと考えている。特定のパターンは必要なロジックを試験できても、実際の機能負荷時にチップがさらされる場所と同じ場所に熱を発生させない場合がある。また、その影響が電気的・熱的に現れるほど長く熱を保持しない場合もある。
必ずしもすべてのユニットを最大強度で動作させれば十分というわけではない。電力を考慮したscanテストであっても、機能動作を代表しない同期したスイッチングを生み出す可能性がある。一方、mission-modeとbuilt-in self-testは使用条件により近づけることができるが、エンジニアが検査したい状態を再現する負荷が必要になる。
問題は、1,000ワットという数値が総電力レベルを表すだけで、ダイ上での分配方法を示さないことにある。パッケージ表面の温度は許容範囲に見えても、より小さな領域が、タイミングや長期信頼性に影響するほど高温になっている可能性がある。そのためSynopsysのLang Linは、一般的な表や最大限界値だけに依存せず、実際の設計を実際の負荷で動作させ、デバイス全体の温度を測定することを求めている。
時間もカバレッジの一部
すべての故障メカニズムが同じ時間スケールで現れるわけではない。Bullockは、チップが数百マイクロ秒以内に熱暴走に入る可能性があり、大きな損傷が発生する前に、電圧降下または電流指標を高速に監視して試験を停止する必要があると指摘した。しかし別の問題では、接点の温度が上昇して抵抗が増え、電流を流す能力が低下するまで、数秒間の連続電流が必要になる。
Modus TestのGlenn Cunninghamは、接点が初期の導通試験には合格しても、実際の電流を印加すると故障する可能性があると説明した。また、類似した接点間の抵抗差によって電流が1つの経路に集中し、温度が上昇して、接点、ソケット、デバイスを損傷する可能性のある過大電気ストレス（EOS）に至ることもある。
ここには実務上のトレードオフが生じる。認定試験やバーンイン試験では何年にもわたる動作をシミュレーションできない一方、外部委託の組立・試験企業（OSAT）は生産速度を維持する必要がある。NLM PhotonicsのBrad Boothによれば、システムを無限に稼働させて永遠に動作することを確認することはできない。そのため、試験時間は対象とする故障メカニズムに応じて選択しなければならない。同時に、単一の期間では、高速な熱暴走、接点の加熱、反復的な熱サイクルによる劣化をすべてカバーできないことを認識する必要がある。
チップから試験システム全体へ
この電力レベルでは、故障の原因がシリコンではなく試験経路にある可能性がある。負荷ボード、ソケット、handlerまたはprober、冷却システム、自動試験装置はすべて、動作中に電気的・熱的に変化する。Bullockは、歴史的に行われてきたようにこれらの部品を切り分けるだけでは不十分になったと考えており、実際にデバイスへ到達している状態を把握するため、「完全なスタック」を検査すべきだとしている。
パッケージ自体もさらなる複雑さを加える。熱は電荷キャリアの移動、トランジスターの性能、タイミングを変化させ、電力、熱、応力、タイミングの相互接続されたループを形成する。また、ボイド、層間の早期剥離、界面のクラックは、熱伝導を弱めたり、デバイスが初期の電気試験に合格した後に進展したりする可能性がある。パッケージの反りのような現象は、熱を取り除くと消える場合があるが、応力によって生じた損傷は残る。
そのため、負荷をかける前後に、超音波検査やX線などの技術を用いた非破壊検査が重要になる。欠陥の位置または原因について特定の仮説がある場合には、破壊解析を利用する。
certi.newsの見解：検証は測定から相関へ移行する
実際の変化は、試験に単純により高い電流やより強力な冷却が必要になったことではない。「カバレッジ」の意味が多次元化したことにある。電気的カバレッジを、熱、負荷、空間、時間の各カバレッジと結び付ける必要がある。また、タイミングマージンを、抵抗による電圧降下、温度、部品の劣化と結び付け、各測定を他から切り離して扱わないことが必要だ。
この記事は、こうした関係の検出が研究室のゲートで終わらないことを示している。チップ、システム、データセンター間の相互作用の一部は、認定中に再現することが難しく、フィールド稼働後に初めて現れる可能性がある。そのため、タイミングマージン、電圧降下、電圧変動、サイクルごとの変化を監視することが、デバイス展開後の信頼性を理解するための重要な情報源になる。
基本的な制約は、この見方が信頼性を決定する単一の試験を提示していないことだ。より優れたモデリング、高速な測定装置、電力および冷却経路の特性評価、試験データと実際の負荷条件との関連付けが必要になる。一方、未解決の問題は、生産前にどれだけの情報を収集できるか、そして数千台のデバイスが稼働を開始した後に何を学び続ける必要があるかという点に残る。