인간

Nature 616권, 707~711페이지(2023)이 기사 인용

27,000회 액세스

2 인용

523 알트메트릭

측정항목 세부정보

반도체 칩 제작의 병목 현상 중 하나는 트랜지스터와 메모리 저장 셀을 형성하는 화학 플라즈마 공정을 개발하는 데 필요한 비용이 증가한다는 것입니다1,2. 이러한 프로세스는 여전히 실리콘 웨이퍼에서 허용 가능한 결과를 생성하는 도구 매개변수의 조합을 검색하는 고도로 훈련된 엔지니어를 통해 수동으로 개발됩니다3. 컴퓨터 알고리즘의 과제는 높은 획득 비용으로 인해 제한된 실험 데이터의 가용성으로 인해 원자 수준의 정확도로 예측 모델을 형성하기 어렵다는 것입니다. 여기서는 인공 지능(AI)이 복잡한 반도체 칩 프로세스 개발 비용을 어떻게 줄일 수 있는지 조사하기 위해 베이지안 최적화 알고리즘을 연구합니다. 특히, 반도체 제조 공정 설계를 위해 인간과 컴퓨터의 성능을 체계적으로 벤치마킹하기 위해 제어된 가상 프로세스 게임을 만듭니다. 우리는 인간 엔지니어가 개발 초기 단계에서 뛰어난 반면, 알고리즘은 목표의 엄격한 허용 오차 근처에서 훨씬 더 비용 효율적이라는 것을 발견했습니다. 또한 인간 최초-컴퓨터 최후 전략에서 높은 전문성과 알고리즘을 갖춘 인간 디자이너를 모두 사용하는 전략은 인간 디자이너만 사용하는 경우에 비해 목표 비용을 절반으로 줄일 수 있음을 보여줍니다. 마지막으로 반도체 공정 개발에 인공지능을 도입할 때 해결해야 할 인간과 컴퓨터의 협력에 대한 문화적 과제를 강조합니다.

반도체 칩은 전 세계 모든 인공지능(AI) 시스템의 핵심으로, 나노미터 크기의 트랜지스터와 메모리 셀로 정의되는 디지털 0과 1 상태에서 작동합니다. 실리콘 웨이퍼에 이러한 소형 장치를 제작하는 것은 수백 개의 전문 공정 단계가 포함된 복잡한 제조 공정이며, 그 중 거의 절반은 에칭 및 증착과 같은 복잡한 화학 플라즈마 공정이 필요합니다3. 아이러니하게도 AI를 가능하게 하는 이러한 중요한 프로세스의 개발은 여전히 ​​인간 프로세스 엔지니어가 직관과 경험을 사용하여 수행하며 종종 시행착오를 겪습니다. 새로운 칩을 만들기 위한 프로세스 엔지니어링에 AI를 적용하는 것은 일반적인 관심 대상입니다. 이 활동의 ​​자동화는 AI가 자체적으로 더 많은 것을 구축하는 방법을 효과적으로 학습하는 소위 '특이점' 시나리오를 불러일으킬 수 있기 때문입니다4,5.

AI에는 체스나 바둑 같은 보드 게임을 하는 등 복잡한 작업에서 컴퓨터 알고리즘이 인간을 능가하는 많은 예가 있습니다. 그러나 이러한 경우 컴퓨터는 대량의 저렴한 데이터를 훈련하거나 생성한 후에만 결정을 내립니다. 대조적으로, 실리콘 웨이퍼에 대한 프로세스 데이터를 수집하는 데는 비용이 많이 듭니다. 웨이퍼, 플라즈마 장비 작동 및 전자 현미경에 대한 실험당 천 달러가 넘습니다. 결과적으로 엔지니어는 일반적으로 압력, 전력, 반응성 가스 흐름 및 웨이퍼 온도와 같은 플라즈마 매개변수의 다양한 조합 중에서 약 100개(잠재적으로 수조 개)에 대해서만 테스트하여 반도체 프로세스를 개발합니다. 명확한 규칙이 있는 보드 게임과 달리, 웨이퍼 반응기 시스템은 웨이퍼 재료, 플라즈마 종 및 반응기 부품 사이의 헤아릴 수 없을 만큼 미세한 물리적, 화학적 상호 작용에 의해 제어됩니다8,9. 특정 관심 영역에 대한 충분한 데이터가 없으면 '작은' 데이터 문제10로 알려진 원자 수준의 정확도로 컴퓨터 모델을 형성하기가 어렵습니다. 따라서 AI에 대한 우리의 과제는 숙련된 프로세스 엔지니어에 비해 반도체 프로세스 개발의 목표 달성 비용을 줄이는 것(즉, 수집해야 하는 데이터 수를 최소화하는 것)입니다.

이 작업에서 우리는 숙련된 인간 프로세스 엔지니어와 비교하여 컴퓨터 알고리즘의 성능을 벤치마킹했으며, 훈련되지 않은 컴퓨터가 수집된 데이터에만 액세스할 수 있는 시나리오에 중점을 두었습니다. 컴퓨터 에이전트가 인간과 경쟁하는 체스에 대한 AI 접근 방식에서 영감을 받아 우리는 플레이어(인간 또는 컴퓨터 알고리즘)의 목표가 가장 낮은 목표 비용으로 복잡한 프로세스를 개발하는 프로세스 엔지니어링 게임을 만들었습니다. 실제 웨이퍼를 사용하여 이러한 대회를 운영하는 것은 비용이 많이 들고 결과를 해석하기 어렵게 만드는 들어오는 웨이퍼, 계측 및 처리 장비의 제어할 수 없는 변동성으로 인해 비실용적입니다. 이러한 현실적인 어려움을 극복하기 위해 우리는 동일한 프로세스 공간에서 참가자를 벤치마킹할 수 있는 정교한 가상 플랫폼에서 대회를 운영했습니다.