Современная электроника №7/2023

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 27 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 7 / 2023 мость без явных преимуществ алгорит - ма . Оптимальная производительность HF–CL для всех алгоритмов находится в точке C. Algo3 значительно превос - ходит другие алгоритмы , что связано либо с гибкостью моделей гауссовых процессов , либо с его иной функцией сбора данных , поскольку было пока - зано , что алгоритм с более низкой доверительной границей превосхо - дит функцию EI [23]. HF–CL с Algo3 устанавливает новый эталон со сред - ней целевой стоимостью 52 000 долла - ров США , что составляет чуть менее половины затрат , требуемых только экспертом . Таким образом , стратегия HF–CL с использованием эксперта в партнёрстве с Algo3 выиграла соревнование , надёж - но снизив целевые затраты на разра - ботку процесса плазменного травления по сравнению с экспертным эталоном . Объяснение результатов Виртуальная среда процессов предоставляет средства для тести - рования различных подходов к разработке технологий в полупро - водниковой промышленности , дея - тельность , которая в реальной лаборатории была бы чрезмерно дорогостоящей . Производительность людей с разным уровнем квалифи - кации – от экспертов до новичков – обеспечивает качественные точки сравнения одного и того же процесса . Результаты показывают , что старшие инженеры - технологи разрабатыва - ют процессы примерно вдвое дешев - ле , чем младшие инженеры - техноло - ги , что указывает на важность знания предметной области в нашей отрасли . Компьютерные алгоритмы без какой - либо предварительной подготовки показали низкую производительность по сравнению с экспертом : менее 5% всех их траекторий достигают цели при более низкой стоимости дости - жения цели . Это подтверждает наши первоначальные ожидания , что ком - пьютерные алгоритмы , запускаемые с нуля , не выдерживают конкуренции – они могут достичь поставленной цели , но со слишком высокими издержка - ми . Это проявление проблемы « малых данных ». Мы просто не можем позво - лить себе достаточный объём данных , необходимый компьютеру для точного предсказания метода процесса . Ключевым результатом этого иссле - дования является успех стратегии HF– CL. Эта стратегия основана на том , что эксперт имеет преимущество на ранней стадии разработки процесса , а компьютерный алгоритм превосхо - дит человека на более поздней стадии . Было показано , что благодаря сочета - нию этих преимуществ HF–CL снижа - ет затраты на достижение цели вдвое по сравнению с одним только экспер - том . Преимущество человека - эксперта объясняется важностью знания пред - метной области , которого не хватало этим алгоритмам для качественной навигации по , казалось бы , безгра - ничным возможностям выбора мето - дов . Может показаться интуитивным , что человеческое руководство помогает компьютерам , но если алгоритмы луч - ше справляются с огромными сложны - ми задачами , предположительно , они могли бы доминировать в начале раз - работки [24]. Вместо этого компьютер - ные алгоритмы становятся компетент - ными только после предоставления соответствующих данных и , желатель - но , также с ограниченным диапазоном . Принцип HF–CL напоминает ранние попытки решения проблем ИИ с пред - положением , что его можно приме - нять и в других ситуациях с неболь - шим объёмом данных . Например , на заре компьютерных шахмат ( до эпо - хи больших данных ) первая програм - ма в 1951 году была развёрнута толь - ко для двух последних ходов , тогда как начальные ходы остаются в основном такими же , как те , что определяются людьми [6]. В фолдинге белков метод направленной эволюции , получивший Нобелевскую премию , также требует « подходящей отправной точки », обо - значенной людьми [25]. Хотя эффективность HF–CL может показаться очевидной в ретроспекти - ве , результаты показывают , что страте - гия работает только при определённых обстоятельствах . Даже при наличии партнёрства с опытным инженером успех HF-CL сильно зависит от того , в какой момент человек передаст эста - фету компьютеру : если слишком рано , алгоритмам будет не хватать доста - точного руководства ; если слишком поздно , человек становится факто - ром повышенных затрат . Этот прин - цип воплощён в выпуклой V- образной зависимости от дополнительных экс - пертных данных на рис . 3. Наша интер - претация формы V заключается в том , что глубина представляет максималь - ную экономию средств по сравнению с экспертом , тогда как вершина пред - ставляет собой оптимальную точку перехода от человека к компьютеру . Левая часть V соответствует улучшен - ной производительности алгоритмов с большим количеством данных . Эта часть V согласуется с ранее опубли - Рис . 3. Целевая стоимость с использованием стратегии HF–CL 0 23 100 100 80 80 60 60 40 40 20 20 0 A A A B B B C C C D D D E E E 0 Без человека Без человека Без человека Экспертный бенчмарк Показатели успеха (%) Дополнительные данные от эксперта Дополнительные данные от эксперта Дополнительные данные от эксперта Целевая стоимость (1000$) 31 76 46 50 Средняя целевая стоимость (1000$)