de.wedoany.com-Bericht: GigaLane (기가레인) hat mithilfe von KI-Technologie erfolgreich die automatische Ableitung optimaler Bedingungen für Plasma-Ätzprozesse realisiert und damit die bisher auf Ingenieurserfahrung und wiederholten Experimenten basierende Prozessentwicklung in einen datengesteuerten Modus überführt. Das Unternehmen unter der Leitung von CEO Kim Hyun-je (김현제) ist auf Halbleiter-Ätzanlagen spezialisiert.
Der Ätzprozess ist ein zentraler Schritt in der Halbleiterherstellung, bei dem durch Plasma unerwünschte Teile des Wafers präzise entfernt werden, um Schaltungsmuster zu erzeugen. Mit der fortschreitenden Miniaturisierung und höheren Integrationsdichte von Halbleitern steigt die Anzahl der von Ingenieuren zu kontrollierenden Variablen exponentiell an. Dazu gehören unter anderem Druck, Quellenleistung, Biasspannung, Gasarten und deren jeweilige Einspritzmengen, Chiptemperatur, Rückseiten-Helium sowie Prozesszeit. Gleichzeitig müssen die Prozessergebnisse sechs Zielkennzahlen erfüllen: Ätzmenge, Geschwindigkeit, Winkel, obere und untere Linienbreite sowie Maskenselektivität. Aufgrund der vielen Variablen und strengen Anforderungen müssen Ingenieure oft zahlreiche Tests wiederholen, um optimale Bedingungen zu finden, was zeitaufwendig ist und viele Wafer verbraucht.
Um diese Ineffizienz zu beheben, hat GigaLane im Rahmen des Fusionsforschungsprojekts des Nationalen Forschungsrats für Wissenschaft und Technologie ein KI-gestütztes Prozessoptimierungstool eingesetzt, das vom Forschungsteam zur Intelligentisierung von Plasmaanlagen am Korea Institute of Fusion Energy (KFE) eigenständig entwickelt wurde. Das Forschungsteam filterte aus 51 von Ingenieuren durchgeführten Experimenten 34 bereinigte Datenpunkte (nach Ausschluss von Ausreißern) und speiste diese in das KI-Modell ein. Bereits nach einem einzigen Lernvorgang gelang es, optimale Bedingungen zu ermitteln, die alle sechs Prozessziele gleichzeitig erfüllen. Falls der erste Durchlauf nicht die Anforderungen erfüllte, wurde ein iterativer Algorithmus aufgebaut, der die neuen Prozessergebnisse erneut in das Lernen einfließen ließ und verbesserte Bedingungen vorschlug, wodurch die Erfolgsrate der Prozessentwicklung weiter gesteigert wurde. Dies reduziert den Bedarf an Wafern und Ingenieursressourcen für die Prozessoptimierung erheblich und beschleunigt gleichzeitig die Reaktionsfähigkeit auf die vielfältigen Kundenanforderungen.
Auf Basis dieser Ergebnisse plant GigaLane, die KI-Anwendung auf weitere Prozesse auszudehnen und einen positiven Kreislauf zu schaffen, bei dem mit zunehmender Datenmenge die Entwicklungseffizienz steigt. Das Unternehmen wird zudem von der aktuellen Stufe der „Eingabevariablen-Ergebniswert-Zuordnung" auf eine höhere Ebene übergehen, indem es die während des Prozesses von der Anlage erzeugten Echtzeit-Sensordaten mit der KI verknüpft und ein System für „autonome Betriebsanlagen" aufbaut, bei dem Halbleiteranlagen ihren eigenen Prozesszustand selbstständig diagnostizieren und korrigieren können. Ein Vertreter von GigaLane erklärte, dass das Unternehmen auf Basis des datengesteuerten Prozessoptimierungsablaufs effizient auf die Anforderungen globaler Halbleiterbauelemente-Hersteller reagieren und seine Wettbewerbsfähigkeit am Markt steigern werde.
