Современная электроника №7/2023

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 24 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 7 / 2023 Объединение человека и машины для совершенствования полупроводниковых технологий Одним из узких мест в создании полупроводниковых чипов является растущая стоимость , необходимая для разработки химических плазменных процессов , которые формируют транзисторы и ячейки памяти [1, 2]. Эти процессы до сих пор разрабатываются вручную с участием высококвалифицированных инженеров , которые ищут комбинацию параметров инструмента , дающую приемлемый результат на кремниевой пластине [3]. Проблемой для компьютерных алгоритмов является доступность экспериментальных данных , крайне ограниченных из - за высоких затрат на их получение , что затрудняет формирование прогностической модели с точностью до атомного масштаба . Мы изучаем байесовские алгоритмы оптимизации , чтобы выяснить , как искусственный интеллект ( ИИ ) может снизить стоимость разработки сложных технологических процессов полупроводниковых микросхем . В частности , мы создали контролируемую виртуальную игру для систематического сравнения производительности людей и компьютеров при проектировании процесса производства полупроводников . Мы обнаружили , что инженеры - люди преуспевают на ранних стадиях разработки , в то время как эффективность алгоритмов возрастает по мере приближения к цели . Кроме того , мы показываем , что стратегия , использующая как проектировщиков - людей с большим опытом , так и алгоритмы в стратегии « сначала человек – компьютер в последнюю очередь », может снизить стоимость достижения цели вдвое по сравнению с разработкой силами одних только людей . Наконец , мы выделяем культурные и этические проблемы в вопросах кооперации людей с компьютерами , которые необходимо решить при внедрении искусственного интеллекта в разработку полупроводниковых технологий . Керен Канарик , Войцех Осовецкий , Ю Лу и другие Перевод : Александр Малыгин Введение Полупроводниковые чипы лежат в основе каждой системы искусственно - го интеллекта ( ИИ ) в мире , работая с цифровыми состояниями «0» и «1», определяемыми нанометровыми тран - зисторами и ячейками памяти . Изго - товление этих миниатюрных устройств на кремниевых пластинах представля - ет собой сложный производственный процесс , включающий сотни специа - лизированных технологических опера - ций , почти половина которых требу - ет сложных химических плазменных процессов , таких как травление и осаж - дение [3]. По иронии судьбы , разра - ботка этих критически важных про - цессов , обеспечивающих работу ИИ , по - прежнему осуществляется инжене - рами - технологами , которые использу - ют свою интуицию и опыт , часто при - бегая к методу проб и ошибок . Вопрос допуска ИИ к разработке процессов для создания новых чипов представляет общий интерес , поскольку автоматиза - ция этой деятельности может вызвать сценарии так называемой « сингуляр - ности », при которой ИИ эффективно учится самовоспроизводству [4, 5]. Есть множество примеров компью - терных алгоритмов , превосходящих людей в сложных задачах , таких как демонстрация мастерства в настоль - ных играх , например в шахматах и го [6, 7]. Однако в этих случаях компью - тер принимает решения только после обучения на большом количестве не столь дорогих данных . Напротив , сбор данных о процессах на кремни - евых пластинах обходится недёшево : более тысячи долларов США за экс - перимент для пластины , работы плаз - менного оборудования и электронной микроскопии . Следовательно , инжене - ры обычно разрабатывают полупрово - дниковые процессы , тестируя только порядка сотни из потенциально мно - гих триллионов различных комбина - ций параметров плазмы , таких как дав - ление , мощность , потоки реактивного газа и температура пластины . В отли - чие от настольных игр , которые име - ют чёткие правила , системы пластина – реактор управляются бесчисленным количеством микроскопических физи - ческих и химических взаимодействий между материалом пластины , частица - ми плазмы и частями реактора [8, 9]. Отсутствие достаточного количества данных в конкретной интересующей области затрудняет формирование компьютерных моделей с точностью до атомного масштаба , что известно как проблема « малых данных » [10]. Таким образом , задача , которую мы ставим перед ИИ , состоит в том , чтобы сни - зить целевую стоимость ( то есть свести к минимуму количество данных , кото - рые необходимо собрать ) разработки полупроводникового процесса по срав - нению с разработкой опытным инже - нером - технологом . В этой работе мы сравнили произво - дительность компьютерных алгорит - мов с опытными инженерами - техно - логами , сосредоточив внимание на сценарии , в котором неподготовлен - ный компьютер имеет доступ только к собранным данным . Вдохновлённые подходами ИИ к шахматам , в которых программные агенты соревнуются с людьми , мы создали игру по разработ - ке процессов , в которой цель игрока – человека или компьютерного алгорит - ма – состоит в том , чтобы разработать сложный процесс с наименьшими затратами на достижение цели . Про - ведение такого соревнования с исполь - зованием настоящих пластин было бы дорогим и непрактичным из - за некон - тролируемой изменчивости поступа - ющих пластин , метрологического и технологического оборудования , что