De acordo com pt.wedoany.com-A GigaLane (기가레인) conseguiu automatizar a derivação das condições ideais para o processo de gravação por plasma utilizando tecnologia de IA, transformando o desenvolvimento de processos, que antes dependia da experiência dos engenheiros e de experimentos repetitivos, em um modelo orientado por dados. A empresa, liderada pelo representante Kim Hyun-je (김현제), é especializada em equipamentos de gravação de semicondutores.
O processo de gravação é uma etapa central na fabricação de semicondutores, removendo com precisão partes desnecessárias do wafer por meio de plasma para formar circuitos. Com a miniaturização e o aumento da integração dos semicondutores, o número de variáveis que os engenheiros precisam controlar cresceu exponencialmente, incluindo parâmetros de entrada como pressão, potência da fonte, potência de polarização, tipo de gás e quantidade de injeção de cada gás, temperatura do chuck, hélio traseiro e tempo de processo. Ao mesmo tempo, os resultados do processo devem atender a seis indicadores-alvo: quantidade de gravação, velocidade, ângulo, largura de linha superior e inferior, e seletividade da máscara. Devido ao grande número de variáveis e aos requisitos rigorosos, os engenheiros geralmente precisam realizar repetidamente uma infinidade de testes para encontrar as condições ideais, o que consome tempo e muitos wafers.
Para resolver essa ineficiência, a GigaLane, com o apoio do projeto do grupo de pesquisa de fusão do Conselho Nacional de Pesquisa em Ciência e Tecnologia, adotou uma ferramenta de otimização de processos baseada em IA desenvolvida de forma independente pelo grupo de pesquisa de inteligência de equipamentos de plasma do Instituto de Pesquisa em Energia de Fusão Nuclear da Coreia. A equipe de pesquisa inseriu 34 dados refinados, após a remoção de valores atípicos dos 51 dados experimentais executados pelos engenheiros, no modelo de IA para aprendizado. Com apenas um ciclo de aprendizado, conseguiu derivar com sucesso as condições ideais que atendem simultaneamente aos seis objetivos do processo. Caso o primeiro aprendizado não atingisse a meta, o sistema também construiu um algoritmo repetitivo, reinserindo os novos resultados do processo no aprendizado e propondo novamente as condições ótimas, aumentando ainda mais a taxa de sucesso do desenvolvimento do processo. Isso reduziu significativamente os wafers e os recursos de engenharia necessários para a otimização do processo, ao mesmo tempo que acelerou a resposta às diversas demandas dos clientes.
Com base nesses resultados, a GigaLane planeja expandir a aplicação da IA para outros processos, criando um ciclo virtuoso onde o acúmulo de dados aumenta a eficiência do desenvolvimento. A empresa também avançará do estágio atual de "correspondência entre variáveis de entrada e valores de resultado" para um nível mais alto, integrando dados de sensores em tempo real gerados pelo equipamento durante o processo com a IA, construindo um sistema de "equipamento de operação autônoma" onde o próprio equipamento de semicondutores pode diagnosticar e corrigir o estado do processo. Um representante da GigaLane afirmou que, com base no processo de otimização orientado por dados, a empresa responderá eficientemente às demandas das empresas globais de dispositivos semicondutores, aumentando sua competitividade no mercado.
