AI人機協作降半導體製程開發成本(2)

製造半導體晶片的瓶頸之一，是開發電晶體和記憶體儲存單元的化學電漿製程所需的成本越來越高。這些製程仍然是由訓練有素的工程師以人工方式進行開發，透過尋找機台上的參數組合，以便在矽晶圓上產出可接受的結果。 (承前文)實驗團隊執行製程虛擬遊戲，將該製程的模擬參數化，然後使用基於物理和經驗的關係將輸入機台參數組合「配方」與虛擬晶片上的輸出蝕刻結果相關聯，將其從現有資料校準到專有的特徵輪廓模擬器中。該遊戲的目的是找到一種配方，使此配方能夠產出符合目標的輸出指標，並最小化達成此目標的成本。 人類基準測試 接續上篇的虛擬製程遊戲，在人類基準測試的目標成本的基準是由人類玩家決定的。志願者包括六名擁有物理科學博士學位的專業製程工程師：三位擁有七年以上經驗的資深工程師，和三位擁有不到一年經驗的助理工程師。 工程師們根據他們之前對製程趨勢和電漿參數依賴關係的瞭解，利用機械性假設來設計其實驗。選擇一個平均為四個配方的批次規模，在95%的配方選擇中使用單變數或雙變數參數變換。作為參考，三名無相關製程經驗的人員也參與其中。 製程工程師的軌跡如圖2所示。其軌跡定性地顯示出相似的路徑，漸進式地朝著目標推進。將其表徵為兩個階段：粗略調整和精細調整。粗略調整指的是最初朝著目標的方向快速改進，而精細調整指的是在軌跡末端的緩慢推進，工程師們努力同時滿足所有輸出指標。要取得相同的進度，資深工程師所需的成本大約是助理工程師的一半。獲勝的人類參與者是1號資深工程師，目標成本為105,000美元，如圖2的插圖所示。這是團隊中的「專家」人類基準。 圖2　人類工程師的遊戲軌跡。軌跡是由「方法」中定義的進度追蹤器進行監測。當進度追蹤器為0時，表示達到目標。資深工程師的軌跡以實線表示，助理工程師的軌跡以虛線表示。插圖中標示出獲勝專家(資深工程師1)的軌跡，顯示了HF–CL策略中使用的轉移點A至E。AU表示任意單位 電腦演算法基準測試 參加這場比賽的電腦演算法為貝氏最佳化演算法，這是一種適合於昂貴黑盒函數的常用機器學習方法[12-14]。這類演算法已經在半導體產業的其他應用中進行了研究[15-17]。團隊選擇了三種不同的貝氏最佳化：(1)Algo1使用馬可夫鏈(Markov...