أخبار ar.wedoany.com، نجحت شركة GigaLane (기가레인) في تحقيق الاستنتاج التلقائي للظروف المثلى لعملية النقش بالبلازما باستخدام تقنيات الذكاء الاصطناعي، مما حول أسلوب تطوير العمليات الذي كان يعتمد سابقًا على خبرة المهندسين والتجارب المتكررة إلى نموذج قائم على البيانات. تركز الشركة، التي يرأسها الممثل كيم هيون-جي (김현제)، على مجال معدات نقش أشباه الموصلات.
تُعد عملية النقش مرحلة أساسية في تصنيع أشباه الموصلات، حيث يتم من خلالها إزالة الأجزاء غير الضرورية من رقاقة السيليكون بدقة باستخدام البلازما لتشكيل الدوائر الكهربائية. مع تطور أشباه الموصلات نحو التصغير وزيادة التكامل، تزايد عدد المتغيرات التي يحتاج المهندسون إلى التحكم فيها بشكل هائل، وتشمل هذه المتغيرات: الضغط، وقدرة المصدر، وقدرة الانحياز، وأنواع الغازات وكمية حقن كل غاز، ودرجة حرارة الحامل، وهليوم الظهر الخلفي، ووقت العملية، وغيرها من معلمات الإدخال. في الوقت نفسه، يجب أن تلبي نتائج العملية ستة مؤشرات مستهدفة، وهي: كمية النقش، والسرعة، والزاوية، وعرض الخط العلوي والسفلي، ونسبة اختيار القناع. نظرًا لكثرة المتغيرات وصعوبة المتطلبات، يضطر المهندسون عادةً إلى إجراء عدد كبير من الاختبارات المتكررة للعثور على الظروف المثلى، مما يستغرق وقتًا طويلاً ويستهلك كميات كبيرة من رقائق السيليكون.
ولمعالجة مشكلة عدم الكفاءة هذه، استخدمت GigaLane، بدعم من مشروع فريق البحث التكاملي التابع للجمعية الوطنية للبحث العلمي والتكنولوجيا، أداة تحسين العمليات بالذكاء الاصطناعي التي طورتها ذاتيًا فرقة أبحاث ذكاء معدات البلازما التابعة لمعهد أبحاث الطاقة النووية الكوري. قام فريق البحث بإدخال 34 بيانات مكررة بعد استبعاد القيم الشاذة من 51 تجربة أجراها المهندسون إلى نموذج الذكاء الاصطناعي للتعلم، ونجح من خلال تعلم واحد فقط في استنتاج الظروف المثلى التي تلبي الأهداف الستة للعملية في آن واحد. في حال لم يحقق التعلم الأول النتيجة المطلوبة، قام النظام ببناء خوارزمية تكرارية، حيث يتم إدخال نتائج العملية الجديدة مرة أخرى للتعلم وإعادة اقتراح الظروف المثلى، مما يزيد من نسبة نجاح تطوير العملية. أدى هذا الإجراء إلى تقليل كبير في عدد رقائق السيليكون والموارد الهندسية اللازمة لتحسين العملية، مع تسريع الاستجابة للاحتياجات المتنوعة للعملاء.
تخطط GigaLane، بناءً على هذه النتائج، لتوسيع نطاق تطبيق الذكاء الاصطناعي ليشمل عمليات أخرى، مما يخلق دورة إيجابية تزداد فيها كفاءة التطوير كلما زادت البيانات المتراكمة. كما ستنتقل الشركة من المرحلة الحالية المتمثلة في "مطابقة متغيرات الإدخال مع نتائج القيم" إلى مستوى أكثر تقدمًا، من خلال ربط بيانات المستشعرات اللحظية التي تولدها المعدات أثناء العملية بالذكاء الاصطناعي، لبناء نظام "معدات تشغيل ذاتي" قادر على تشخيص وتصحيح حالة العملية بشكل مستقل. صرح مسؤول في GigaLane أن الشركة ستعتمد على عملية تحسين العمليات القائمة على البيانات للاستجابة بكفاءة لاحتياجات شركات أجهزة أشباه الموصلات العالمية، مما يعزز قدرتها التنافسية في السوق.
