Человек

Nature, том 616, страницы 707–711 (2023 г.) Процитировать эту статью

27 тысяч доступов

2 цитаты

523 Альтметрика

Подробности о метриках

Одним из узких мест в создании полупроводниковых чипов является рост затрат, необходимых для разработки химических плазменных процессов, которые формируют транзисторы и ячейки памяти1,2. Эти процессы по-прежнему разрабатываются вручную высококвалифицированными инженерами, которые ищут комбинацию параметров инструментов, которая дает приемлемый результат на кремниевой пластине3. Проблемой для компьютерных алгоритмов является доступность ограниченных экспериментальных данных из-за высокой стоимости приобретения, что затрудняет формирование прогнозной модели с точностью до атомного масштаба. Здесь мы изучаем алгоритмы байесовской оптимизации, чтобы выяснить, как искусственный интеллект (ИИ) может снизить стоимость разработки сложных процессов изготовления полупроводниковых чипов. В частности, мы создаем управляемую виртуальную игру, позволяющую систематически сравнивать производительность людей и компьютеров при разработке процесса производства полупроводников. Мы обнаружили, что инженеры-люди преуспевают на ранних стадиях разработки, тогда как алгоритмы гораздо более экономичны при жестких допусках цели. Кроме того, мы показываем, что стратегия, использующая как дизайнеров-людей с высоким уровнем опыта, так и алгоритмы в стратегии «человек первый – компьютер последний», может снизить целевые затраты вдвое по сравнению с использованием только дизайнеров-людей. Наконец, мы подчеркиваем культурные проблемы взаимодействия людей с компьютерами, которые необходимо решать при внедрении искусственного интеллекта в разработку полупроводниковых процессов.

Полупроводниковые чипы лежат в основе каждой системы искусственного интеллекта (ИИ) в мире, работая в цифровых состояниях 0 и 1, определяемых транзисторами и ячейками памяти нанометрового размера. Изготовление этих миниатюрных устройств на кремниевых пластинах — сложный производственный процесс, включающий сотни специализированных технологических операций, почти половина из которых требует сложных химических плазменных процессов, таких как травление и осаждение3. По иронии судьбы, разработка этих важнейших процессов, обеспечивающих работу ИИ, по-прежнему осуществляется инженерами-технологами, использующими свою интуицию и опыт, часто прибегая к методу проб и ошибок. Применение ИИ в технологическом процессе создания новых чипов представляет общий интерес, поскольку автоматизация этой деятельности может вызвать сценарии так называемой «сингулярности», при которой ИИ эффективно учится создавать больше самого себя4,5.

У ИИ есть множество примеров того, как компьютерные алгоритмы превосходят людей в решении сложных задач, таких как игра в настольные игры, такие как шахматы и Го6,7. Однако в этих случаях компьютер принимает решения только после обучения или генерации большого количества недорогих данных. Напротив, сбор технологических данных о кремниевых пластинах стоит дорого: более тысячи долларов за эксперимент по пластине, работу плазменного оборудования и электронную микроскопию. Следовательно, инженеры обычно разрабатывают полупроводниковые процессы, проверяя только порядка сотни — из потенциально многих триллионов — различных комбинаций параметров плазмы, таких как давление, мощность, потоки реактивного газа и температура пластины. В отличие от настольных игр, которые имеют четкие правила, системы пластина-реактор управляются бесчисленным количеством микроскопических физических и химических взаимодействий между материалом пластины, видами плазмы и частями реактора8,9. Отсутствие достаточных данных в конкретной интересующей области затрудняет формирование компьютерных моделей с точностью атомного масштаба, известную как «маленькая» проблема с данными10. Таким образом, задача, которую мы ставим перед ИИ, состоит в том, чтобы снизить целевые затраты (то есть минимизировать количество данных, которые необходимо собрать) при разработке полупроводникового процесса по сравнению с опытным инженером-технологом.

В этой работе мы сравнили производительность компьютерных алгоритмов с опытными инженерами-технологами, сосредоточив внимание на сценарии, в котором неподготовленный компьютер имеет доступ только к собранным данным. Вдохновленные подходами ИИ к шахматам, в которых компьютерные агенты соревнуются с людьми, мы создали игру, в которой цель игрока — человека или компьютерного алгоритма — разработать сложный процесс с наименьшими затратами на достижение цели. Проведение такого соревнования с использованием реальных пластин было бы дорогостоящим и непрактичным из-за неконтролируемой изменчивости поступающих пластин, метрологии и технологического оборудования, что затруднило бы интерпретацию результатов. Чтобы преодолеть эти практические трудности, мы провели соревнование на сложной виртуальной платформе, которая позволяет сравнивать участников в одном и том же пространстве процессов.