AI od Applied Materials slouží při hledání defektů na vyráběných čipech

Dnes už je možné tvořit počítačové čipy, které se skládají z desítek miliard tranzistorů, jež jsou samy stále menší a menší. Při i po výrobě čipů ale následuje vizuální kontrola, v jejímž rámci se hledají případné defekty a klasické optické nástroje již nenabízí dostatečné rozlišení jako nástroje e-beam či multibeam, které ale pracují pomaleji. Společnost Applied Materials se zaměřila právě na tento problém, jenž se v podstatě také týká výroby čipů a její výsledné kapacity.

 

 

Nová ExtractAI založená na hlubokém učení a velkých datech (Big Data) je schopna pracovat se stroji SEMVision G7 a SEMVision G6 (systém e-beam), které vyrábí sama společnost Applied Materials. Firma toto své řešení představuje právě nyní, i když sama uvádí, že už je přibližně rok používá k co nejefektivnějšímu využití daných strojů. Jde tak pochopitelně především o čas, který zabere kontrola každého čipu. 

 

ExtractAI se přitom hodí především v období vývoje nových procesů i čipů, kdy se počítá s vysokou mírou defektnosti a asi není třeba nijak zvlášť zdůrazňovat, že zvláště v tomto případě platí rovnice čas = peníze. Ta se dotýká jak zadavatele výroby, tak i samotné firmy provozující továrny. 

 

 

Počet kroků v celkovém procesu výroby se přitom od roku 2015 celkově téměř zdvojnásobil, což s sebou nese jeden podstatný problém, jak ukazuje tento obrázek. S rostoucím počtem kroků při výrobě rovněž roste nebezpečí, že se budou akumulovat nejdříve malé nepřesnosti, které nakonec vyústí v defektní a nepoužitelný čip. A pokud se má tvořený čip kvůli nutné úspoře času kontrolovat třeba až na konci výroby, těžko někdo zjistí, jak defekty přesně vznikly.

 

To pak znamená ztrátu času i prostředků a zde pak musí výrobci čipů přemýšlet, co se jim vyplatí více. Stoupá pochopitelně i cena stojů pro kontrolu čipů, a to dle Applied Materials o více než polovinu v posledních šesti letech, což pochopitelně zvýšilo i cenu za prohlédnutí jednoho waferu, a to rovněž více než o polovinu. 

 

 

Čili výrobci tu mají dilema, buď risknou vývoj a výrobu s menším počtem kontrol, což bude pravděpodobně znamenat vyšší náklady, anebo budou více kontrolovat (nejlépe po každém kroku), což bude s jistotou dražší, ale třeba ne tolik. Právě díky tomu jim v posledních letech velice přišla vhod technologie EUVL, díky níž počet kroků nerostl tak prudce, nebo se dokonce snížil oproti DUVL a multipatterningu. 

 

Zde tak nastupuje ExtractAI, která sama průběžně učí a adaptuje s využitím výstupů z optických skenerů, který pak porovnává s daty získanými z e-beam systémů SEMVision G6/G7. V podstatě je to podobné, jako když nám DLSS rekonstruuje obraz z nižšího rozlišení do vyššího, neboť i tato AI je vytrénována pomocí snímků s vysokým rozlišením. 

 

 

Ve výsledku je tak možné díky ExtractAI používat rychlé optické skenery a vytrénovanou AI, což znamená značnou úsporu času i peněz, neboť takto je možné provádět více kontrol v celém procesu výroby. ExtractAI má být již používána v jistých továrnách v Jižní Koreji, na Tchaj-wanu a v USA, takže půjde pravděpodobně o Samsung, TSMC a Intel. 

 

Zdroj: Anandtech