Производители микросхем начинают осознавать ценность, которую технология генерирования искусственного интеллекта (Gen AI) может привнести в производство полупроводниковых устройств. ИИ нового поколения значительно улучшает классификацию дефектов, прогнозирует необходимое обслуживание оборудования до выхода из строя и помогает работникам вносить корректировки в режиме реального времени. Это может сократить время простоя и производственные затраты, одновременно повышая точность производства.
На недавнем мероприятии SEMI Pacific NW Дэниел Берлингейм, генеральный менеджер и управляющий директор Analog Devices, Inc. (ADI), компания Beaverton Wafer Fab, рассказал о важности искусственного интеллекта нового поколения в производстве пластин, сначала изучив эволюцию промышленных инноваций.
Его заставляющий задуматься лейтмотив осветил тенденции искусственного интеллекта в производстве чипов с теориями о смежном возможном и сравнением с кембрийским взрывом современной промышленной революции.
Последний цикл промышленной революции неофициально начался десять лет назад, в 2014 году. В нем подчеркивается сотрудничество людей и передовых технологий для создания более устойчивого и ориентированного на человека подхода к индустриализации. Он основан на цифровых достижениях 4-й промышленной революции с преобразованиями промышленной структуры за счет использования искусственного интеллекта, Интернета вещей, больших данных и т.д.,
Большинство ранних промышленных революций были отмечены резким улучшением ВВП государств после длительных периодов неизменного или незначительного роста. Берлингейм считает, что это происходит сейчас, поскольку многие возможности ИИ, наконец, превосходят возможности человека в плане письма, распознавания образов, чтения и даже элементарных рассуждений (на изображенном графике)
Рисунок 1: Возможности ИИ относительно производительности человека. (Источник: Burlingame ADI Keynote, мероприятие SEMI Pacific NW в апреле 2024 года
Как искусственный интеллект помогает производителям полупроводников
Берлингейм привел множество способов, с помощью которых ИИ помогает производству полупроводников, начиная с обнаружения дефектов. ИИ нового поколения находил дефекты и связанные с ними классификационные категории легче, чем большинство людей. К этим областям классификации относятся дефекты, вызванные царапинами, частицами, отслоениями, волокнами, неровностями оксида, а также невизуальными блоками и блоками травления. Он представил слайд, на котором было показано значительное увеличение количества пластин, еженедельно классифицируемых поколением искусственного интеллекта, по сравнению с классификацией дефектов человека.
“ХОТЯ МЫ РЕШИЛИ ЭТУ ПРОБЛЕМУ БЕЗ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, С НИМ ВСЕ ПРОШЛО БЫ НАМНОГО БЫСТРЕЕ”.
Дэниел Берлингейм, генеральный директор ADI Beaverton Fab
Поколение ИИ значительно увеличило количество классификаций, что предоставило менеджерам и инженерам фабрик точные данные, на основании которых можно действовать, например, отключать определенные машины и чинить их. Таким образом, профессионалы-производители могут работать бок о бок с искусственным интеллектом на заводе, чтобы улучшить качество, сократить время и снизить затраты.
Другой способ, которым ИИ помогает производителям полупроводников, заключается в сокращении времени простоя оборудования. Берлингейм указал, что для автоматической классификации ошибок на заводе ADI были реализованы большие языковые модели (LLM). Большие языковые модели (LLM) — это тип программы искусственного интеллекта (ИИ), которая может выполнять задачи обработки естественного языка (NLP) с использованием больших объемов данных. Многие отрасли извлекают выгоду из использования LLMS, предлагая более точные возможности прогнозирования технического обслуживания, сокращая время простоя оборудования и затраты на техническое обслуживание.
На практике LLMS предоставляет автоматически генерируемые диаграммы ошибок Парето, которые позволяют команде по оборудованию сосредоточиться на устранении коренных причин выхода оборудования из строя. Эта идея заключается в том, чтобы позволить LLM свободно работать с журналами оборудования, чтобы создать прецедент для инструментов, выходящих из строя из-за многочисленных дефектов, например, радиочастотного сбоя. ИИ можно использовать для устранения трудоемкой административной работы человека, связанной с ручным просмотром журналов и классификацией всех ошибок. Таким образом, работники оборудования могут сосредоточиться в основном на устранении проблемы.
Третий тип вариантов использования ИИ в производстве пластин был направлен на улучшение процессов. ИИ может использовать большие наборы данных для многомерных корреляций или корреляций высокого порядка. Такие корреляции расширяют концепцию парных корреляций до взаимосвязей между тремя или более переменными. При правильном использовании многомерное решение задач корреляции может сократить время достижения улучшенных результатов с кварталов или лет до нескольких дней. Берлингейм привел наглядный пример.
“Эту проблему было трудно решить”, — отметил Берлингейм. “Мы столкнулись с утечкой диода во время параметрического или приемочного тестирования. Утечка диода была связана с количеством оставшегося оксида после пространственного травления.”
“Но это была не вся история. Мы поняли, что это многовариантная проблема. Один и тот же дефект диода включался или выключался при различных условиях имплантации. Только после того, как мы добрались до решения задач на основе моделей, мы смогли создать изображение, которое показало, что нитритный стрингер присутствует, когда он не полностью вытравлен. Когда ваша высокочастотная подрезка и последующая очистка недостаточно высоки, распорная планка может подняться, и условия имплантации могут привести вас в режим отказа или из него. В этом случае нитрид не является полностью изолирующим, поэтому он будет соединять соседнюю область P + с n-скважиной, вызывая этот ток утечки. Хотя мы решили эту проблему без искусственного интеллекта, с ним все прошло бы намного быстрее. ”
Рисунок 2: Возможности ИИ для улучшения процессов в производстве пластин. (Источник: Burlingame ADI Keynote, мероприятие SEMI Pacific NW в апреле 2024 года.)
Последняя область, в которой ИИ внес бы вклад в производство пластин для улучшения выхода. Если выход партии пластин ниже этого предела, например, три сигмы, что приводит к потере выхода на 30%, то кто-то должен исследовать проблему. Но как насчет всех остальных промежуточных участков, других отклонений от базовой линии?
Искусственный интеллект может использовать многовариантную регрессию для анализа производственных циклов с использованием различных комбинаций производственного оборудования и технологических камер. С помощью искусственного интеллекта 30%-ная потеря продукции с одной партии теперь увеличивается до 5%-ной прибыли с каждой партии, которая работает на заводе.
Смежные возможности
Оцифровка, Интернет вещей и обработка больших массивов данных являются важнейшими элементами пятой промышленной революции. Когда производственная среда полностью подключена к Интернету и использует ИИ, операции могут быть адаптированы для выполнения в различных конфигурациях. Например, работу можно настроить на максимальную эффективность за счет экономии энергии, минимального потребления электроэнергии или сбалансировать эффективность производства. Теперь практически любое предприятие можно перевести на цели устойчивого развития.
На этом этапе Берлингейм представил теорию смежного возможного (TAP), впервые представленную Стюартом Кауфманом из Пенсильванского университета. Первоначально связанная с биологическими системами, теория предсказывает длительный период почти полного отсутствия изменений, за которым следует стремительный рост и связи за конечный промежуток времени.
Он использовал углерод в качестве примера, чтобы помочь визуализировать эту абстрактную идею. Углерод, самый распространенный элемент в организме человека, составил основу человеческого тела около 300 000 лет назад. Углерод взаимодействовал с другими составляющими организма, создавая людей во время так называемого кембрийского взрыва, события, в результате которого на эволюционную сцену вырвалось большое разнообразие животных. Но как это связано с промышленной революцией?
Берлингейм сопоставил теорию смежного возможного с промышленной революцией (IR), отметив, что потребовалось 300 000 лет, чтобы достичь первого IR, 160 лет, чтобы достичь второго, 110 лет, чтобы достичь третьего, 30 лет для четвертого и 14 лет, чтобы достичь пятого.
Это означает, что мы живем в эпоху кембрийского технологического взрыва и невообразимого количества данных. Для обработки всех данных потребуется ИИ, что обеспечит будущее, которое мы никогда не считали возможным и не можем полностью представить. Но что мы точно знаем, так это то, что будущее приведет к очень быстрым изменениям.