《自然》雜志日前發(fā)表由泛林（Lam Research）研究團(tuán)隊投稿的《用于改進(jìn)半導(dǎo)體工藝開發(fā)的人機(jī)協(xié)作》。

該項研究發(fā)現(xiàn)，與僅依靠人類專家相比，人機(jī)協(xié)同可能會將芯片開發(fā)成本降低一半。

作者之一Richard Gottscho表示，“雖然由于人類的專業(yè)知識和解決具有挑戰(zhàn)性的現(xiàn)成問題的能力，人類仍然是必不可少的，但我們的研究結(jié)果表明，‘人類先，電腦后’（human first, computer last）策略可以幫助解決流程開發(fā)的繁瑣，從而加速創(chuàng)新，其影響真的很令人興奮。”

目前，制造微芯片的瓶頸之一是設(shè)計成本不斷增加，復(fù)雜的過程涉及數(shù)百個步驟，仍然由訓(xùn)練有素的工程師負(fù)責(zé)。

理論上，AI算法也可能有助于開發(fā)半導(dǎo)體工藝。然而生成半導(dǎo)體工藝數(shù)據(jù)的成本很高。由于材料、設(shè)備和分析工具的成本，單個實驗的成本可能超過1000美元。

半導(dǎo)體實驗的高成本意味著工程師通常通過測試大約一百種不同的參數(shù)組合或“配方”來開發(fā)半導(dǎo)體工藝，這種有限的數(shù)據(jù)使得很難創(chuàng)建精確到原子尺度的預(yù)測模型。

Gottscho表示，“在3D NAND中創(chuàng)建通孔或蝕刻另一個特征時，工藝工程師面臨著超過100萬億種不同的高縱橫比蝕刻配方，這個數(shù)字簡直是壓倒性的?！?/p>

在這項新研究中，研究人員調(diào)查了人工智能如何降低開發(fā)半導(dǎo)體工藝的成本。具體來說，他們探索了基于稱為貝葉斯推理的統(tǒng)計方法的優(yōu)化算法，其中先驗知識有助于計算不確定選擇可能正確的可能性。當(dāng)數(shù)據(jù)稀缺時，貝葉斯優(yōu)化算法可以證明是有效的，科學(xué)家們之前已經(jīng)研究過它們在其他應(yīng)用中的用途。

為了看看機(jī)器在這項任務(wù)上是否比人類做得更好，科學(xué)家們創(chuàng)造了一種方法來系統(tǒng)地對彼此的表現(xiàn)進(jìn)行基準(zhǔn)測試。在實驗中，參與者包括三名具有博士學(xué)位的高級工程師，每名工程師均具有七年以上的經(jīng)驗；三名擁有博士學(xué)位的初級工程師，每人的工作經(jīng)驗都不到一年；和三名對半導(dǎo)體工藝一無所知的志愿者。

運(yùn)行實驗的科學(xué)家發(fā)現(xiàn)，在采用‘人類先，電腦后’的策略時，通過指導(dǎo)算法，這種混合方法僅需極小成本即可達(dá)到目標(biāo)，僅是人類專家成本的一半。

Gottscho稱，“這項研究強(qiáng)調(diào)了人類工程師和人類創(chuàng)造力的重要性和內(nèi)在價值，但也向我們展示了一種方法，可以擴(kuò)大這些好處，同時通過將它們提供給非常適合任務(wù)的機(jī)器來減少工程中回報率較低的方面，你可以充分利用人類所能提供的最好的東西，以及數(shù)據(jù)科學(xué)和機(jī)器提供的最好的東西，把它們放在一起，創(chuàng)造出一種比單獨(dú)使用任何一個都表現(xiàn)更好的組合?！?/p>