🇺🇸 Горизонты технологий. Производство микросхем. Упаковка. Применение ИИ. Выход годных. США

Нейроформальный ИИ поможет поднять производство микросхем?

В период дефицита полупроводников, чуть не все производственные мощности по производству микроэлектроники в мире задействованы близко к пределу их пропускной способности. Но ресурсы для повышения производительности еще остаются, помимо активного строительства новых производственных предприятий. Многого можно добиться, если повысить «выход годных» (yield) - этот показатель описывает – какая доля кристаллов на пластине получается качественной и может быть использована в дальнейшем производстве микросхем.

Темой активно занимается американский стартап Emergence AI. В основе идеи – применение так называемого «нейроформального ИИ», который сочетает генеративные возможности больших языковых моделей и строгость символического ИИ: генеративный алгоритм предлагает решение, символический ИИ его проверяет. На выходе получается ответ, который в значительной степени гарантирован и проверяем. Термин «нейроформальный ИИ» пока что не является устоявшимся, но подход представляется весьма интересным

Приведу цитату из публикации канала Techpublisher: «ИИ-агенты Emergence AI анализируют данные функционального и параметрического тестирования, которые есть у безфабричных производителей, и ищут закономерности сразу по всему портфелю продуктов. … среди 1500 продуктов у 30% обнаружен одинаковый дефект в блоке кольцевого осциллятора - агент фиксирует паттерн и предлагает перепроектировать этот блок». Такой масштаб анализа недоступен человеку, но посилен ИИ.

В зоне внимания не только дизайн ИИ-агенты Emergence AI ведут поиск источников аномалий выхода годных – в производственных процессах, конструкции, тестировании. Может быть замечен случай некорректного контакта зондовых карт. Компания начала работать и в области анализа передовой упаковки чипов – с той же задачей – предложить изменения, которые скажутся на качестве конечных продуктов, а, значит, и на себестоимости изделий.

ИИ-поиск паттернов ошибок по большим массивам тестов и портфелям продуктов позволяет находить системные дефекты, недоступные человеку, и устранять их в дизайне, процессе или тестировании. Это повышает выход годных с каждой пластины без роста мощностей, обеспечивая производителям чипов существенный выигрыш в экономике производства. ||

✓ Подпишитесь на RUSmicro в Telegram | в Макс