High-sigma Integrated Circuit(IC) 설계는 수억~수십억 개 중 단 몇 개의 불량만 허용합니다. 6-σ 검증을 위해 10억 개 몬테카를로 시뮬레이션이 필요합니다. 하지만 이는 현실적으로 불가능한 수준입니다. InfiniSigma는 신경망을 활용하여 제조과정에서 발생할 수 있는 미세한 변동(Variation)을 사전에 예측하고, 이것이 제품 성능에 미치는 영향을 High-Sigma(6-σ) 수준의 높은 정확도로 분석합니다. 전통적으로 High-Sigma Monte Carlo(HSMC)는 일정 수준 이내의 Variation에서 샘플링하며 한 번 만들어진 모델을 고정적으로 사용하는 정적 모델링 방식을 사용해왔으며 이는 실제 산업 현장에서 발생하는 희귀 불량 케이스를 식별하는데 어려움이 있었습니다. 하지만 InfiniSigma는 AI 기반 지능형 능동 샘플링 방법론을 기반으로 소수의 시뮬레이션 결과를 실시간으로 학습하여, 불량이 발생할 가능성이 가장 높은 '위험 영역'을 지능적으로 찾아내고 그 주변을 집중적으로 탐색하여 불필요한 시뮬레이션 횟수를 극적으로 줄여줍니다.

High-sigma Integrated Circuit (IC) design allows only a few defects among hundreds of millions to billions. For 6-σ verification, 1 billion Monte Carlo simulations are required. However, this is practically impossible. InfiniSigma uses neural networks to predict minute variations that may occur during the manufacturing process in advance, and analyzes their impact on product performance with High-Sigma (6-σ) level accuracy. Traditionally, High-Sigma Monte Carlo (HSMC) has used a static modeling approach that samples within a certain level of variation and uses a fixed model once created, which has been difficult to identify rare defect cases that occur in actual industrial settings. However, InfiniSigma uses an AI-based intelligent active sampling methodology to learn from a small number of simulation results in real-time, intelligently identifying 'risk zones' where defects are most likely to occur and intensively exploring their surroundings to dramatically reduce unnecessary simulation counts.