半导体光学计量技术的下一代人工智能:一篇评论
Weiwang Xu1, Houdao Zhang1, Lingjing Ji1
1Shanghai Precision Measurement Semiconductor Technology, Inc., Shanghai 210700, China.
Micromachines
|August 28, 2025
概括
人工智能与光学光谱学相结合,为安格斯特罗姆级半导体制造计量提供了突破. 在智能计量技术进步的数据质量和模型通用化方面仍然存在挑战.
科学领域:
- 半导体制造业
- 测量学
- 光学光谱学
- 人工智能
背景情况:
- 传统的计量技术在安格斯特罗姆尺度半导体制造和3D集成方面面临准确性,速度和非破坏性的局限性.
- 光学光谱显示出有希望的结果,但在复杂的制造环境中遇到技术障碍.
- 对于下一代半导体制造,需要先进的智能计量解决方案至关重要.
研究的目的:
- 将AI光学光谱集成范式分类为:前置代理建模,反向预测,物理信息神经网络 (PINN) 和多级架构.
- 将AI光学光谱效率与工业计量学挑战进行比较,例如工具对工具 (T2T) 匹配和高面比 (HAR) 结构特征.
- 确定未来智能半导体计量技术发展的未解决瓶.
主要方法:
- 应用到光学光谱的AI算法的分类 (替代模型,反向建模,PINN,多级网络).
- 对每个AI光学光谱途径的实施有效性和局限性的方法性评估.
- 使用J-profiler软件5.0验证工业计量场景中的AI技术的应用案例研究.
主要成果:
- 人工智能光谱融合在解决关键工业挑战方面表现出显著的有效性,包括工具对工具 (T2T) 匹配.
- 人工智能技术为半导体计量提供了技术突破,
- 主要挑战仍然存在,包括数据真实性,数据集不足以及跨规模兼容性问题.
结论:
- 人工智能和光学光谱的整合对于半导体计量学的发展至关重要.
- 未来的研究必须专注于增强模型的概括性,优化数据策略,并以准确度平衡实时性能.
- 解决目前的瓶将催化向智能驱动的先进半导体制造转型.
