人工智能团队合作或可大幅削减芯片开发成本

LAM RESEARCH

当涉及到开发制造微芯片的新方法时，最好的方法可能不是单独依靠人类或计算机开发的设计，而是将两者融合在一起。一项新的研究发现，与仅依靠人类专家相比，这种合作可能会将成本降低一半。

该研究的资深作者Richard Gottscho说：“虽然由于人类的专业知识和解决具有挑战性的现成问题的能力，人类仍然是必不可少的，但我们的研究结果表明[人先机后（human first–computer last，HF–CL）策略可以帮助解决流程开发的繁琐方面，从而大大加快加速创新，随着芯片制造商寻求克服与缩放3D NAND、FinFETS、DRAM和其他设备相关的挑战，其影响真的很令人兴奋。”

目前，制造微芯片的瓶颈之一是开发制造晶体管和存储单元的半导体工艺的成本越来越高。这些复杂的过程，每一个都涉及数百个步骤，仍然是由训练有素的工程师手动构思的。

人工智能在复杂任务中的表现优于人类，例如国际象棋和围棋等棋盘游戏，这表明计算机算法也可能有助于开发半导体工艺。然而，为了在棋盘游戏中打败人类，计算机接受了大量廉价数据的训练。相比之下，生成半导体工艺数据的成本很高。由于材料、设备和分析工具的成本，单个实验的成本可能超过1000美元。

半导体实验的高成本意味着，工程师通常通过测试一百种不同的组合或“配方”来开发半导体工艺，例如制造器件的机器的等离子体压力和晶片温度。这种有限的数据使得很难创建一个精确到原子尺度的预测模型。

Gottscho说：“当在3D NAND器件中创建存储器孔或蚀刻另一个器件特征时，工艺工程师面临着超过100万亿种不同的高纵横比蚀刻方案。这个数字简直让人应接不暇。”

在这项新的研究中，研究人员调查了人工智能如何降低开发半导体工艺的成本。具体来说，他们探索了基于贝叶斯推理统计方法的优化算法，在贝叶斯推理中，先验知识有助于计算不确定选择可能正确的可能性。当数据稀缺时，贝叶斯优化算法可以被证明是有效的，科学家之前已经研究过它们在半导体行业的其他应用。

为了观察机器在这项任务上是否会比人类做得更好，科学家们创造了一种方法来系统地相互比较它们的性能。受国际象棋和围棋计算机进步的启发，该研究的主要作者、Lam Research的技术总经理Keren Kanarik建议开发一款游戏作为比较的试验台。

在实验中，玩家在实验室模拟器上工作，在那里他们被要求蚀刻一个记忆孔，这是二氧化硅膜上的一个沟槽，用于创建记忆单元。目标是用尽可能少的钱找到一种制作具有特定深度、宽度和形状的记忆孔的方法。

玩家是三个计算机算法；三名具有博士学位的人类高级工程师，每个人都有七年以上的经验；三名具有博士学位的人类初级工程师，每个人的经验都不到一年；以及三名对半导体工艺一无所知的人类志愿者。在每一轮结束时，玩家提交一批一个或多个方法。每个方法的晶圆和测量成本为1000美元，每个批次的工具操作成本为1000美元。

最好的玩家是一名人类高级工程师，他在总成本为105000美元后制作了所要求的记忆孔。在300次计算机尝试中，只有13次（不到5%）击败了这位人类专家。总而言之，仅靠算法就无法赢得与人类专家的竞争。科学家们发现，要取得相同的进展，人类高级工程师所需的成本大约是人类初级工程师的一半。

科学家发现，每个人类工程师的工作分为两个阶段。在最初的粗略调整阶段，他们在实现目标方面表现出快速的进步，而在后来的微调阶段，他们为了同时实现所有期望的目标而进展缓慢。

研究人员表示，计算机算法之所以失败，是因为它们缺乏专业知识，因此浪费了探索大量可能性的实验。因此，他们测试了一种策略，即最好的玩家在“人先机后”的场景中指导算法。他们发现，这种混合方法只需5.2万美元就可以达到目标，不到人类专家成本的一半。

这项新的研究表明，人类工程师可能在粗略调整的早期阶段表现出色，因为他们可以利用自己的经验和直觉。在努力达到精确目标的微调后期，计算机算法可能会被证明更具成本效益。

Gottscho说：“这项研究强化了人类工程师和人类创造力的重要性和内在价值，但也向我们展示了一种方法，你可以充分利用人类所能提供的，以及数据科学和机器所提供的，将它们结合在一起，创造出一种比单独使用任何一种都更好的组合。”

科学家们指出，未来的研究可以系统地调查何时最好将人类的工作交给计算机来完成。他们补充说，人类与计算机的合作可能也会带来文化挑战。例如，研究发现，虽然人类工程师在不同的实验中经常只改变一两个参数，但计算机可能会在没有解释的情况下改变更多，人类可能会发现很难接受他们不理解的方法。

Gottscho说：“人工智能和计算机处理信息的方式对大多数人来说是违反直觉的。要想让非传统的‘人先机后’方法取得成功，过程工程师需要抵制对机器过程的干预。这可能需要改变人类行为。更好地理解人工智能方法可能有助于工程师信任机器的发现，并最终为未来利用计算机算法带来更大的潜在机会。”

3月8日，科学家们在《自然》杂志上在线详细介绍了他们的发现。