AI與機器學習對於半導體產業來說，其重要性究竟在哪裡，又將如何改變半導體產業？CTIMES特別為讀者專訪了KLA 資深副總裁暨行銷長 Oreste Donzella，探討AI對於半導體產業所能帶來的改變。

半導體架構的不斷發展和新材料的興起，對於將機器學習用於預測元件性能和良率將提出了一項重大挑戰。

機器學習對於半導體工業的重要性是什麼？機器學習如何協助製程優化？

機器學習對於半導體工業的發展至關重要。隨著公差範圍變得極窄，先進的半導體製造商需要利用來源於製程和製程控制設備的所有資料，從而優化製程窗口並加速良率提升。圖案疊對控制就是一個很好的例子，因其將設計、晶圓和製程的資料相結合並用以減少殘餘疊對誤差，並因此達到設計和製程公差的要求。此外，從300mm晶圓廠開始，所有晶圓廠設備中都安裝了多個傳感器，所採集的信號用於構建機器學習模型，以做出良率預期並優化生產率。

在採用新材料和諸如3D NAND這樣的新技術時，應該如何保證AI和機器學習的準確性？

半導體架構的不斷發展和新材料的興起，對於將機器學習用於預測元件性能和良率將提出了一項重大挑戰。這其中除了3D NAND之外，還包括先進邏輯、多種圖案技術等。為了確保准確性，機器學習的模型必須穩定，並且對其開發必須採用足夠的相關資料。

隨著機器學習的使用，我們正在放棄人類控制事物的能力。因為每個循環中的設計都不盡相同，這會在重複模擬或循環間相關性分析中引起變化和不確定性嗎？

這完全取決於模型的穩固性。事實上，機器學習能夠協助發現那些會在傳統的採用嚴格管制界限的統計跟?中漏網的趨勢和偏移。除了構建穩固的模型外，製程工程師還必須確保根據已知的製程或設計變化對模型作出調整。

隨著IC設計和製造的複雜性日益增加，機器學習如何協助客戶實現良率提升和成本節約？

半導體製造商在開發新技術和加速良率和產量提升方面正面對著重大挑戰。機器學習技術基於極大數量的相關資料，因而可以幫助優化生產力，並且加速良率提升以及降低總體成本。

主要的半導體客戶是否已經廣泛採用機器學習？亦或它只是用於某些先進製程步驟？

半導體客戶已經開始將機器學習用於量產良率、量產優化和製程控制 – 而這僅僅是開始。隨著工廠設備產生更多相關資料，模型也日益精確。我預計這種趨勢在未來幾年會加強。

您能否就KLA在機器學習方面的進展分享一些見解？

KLA使用機器學習已經有很長一段時間了。設備模擬中採用機器學習技術，用於光學CD模型和程式設置。自動化缺陷分類功能中也採用了機器學習，目前該功能在我們大多數先進的檢測和檢視產品都可供選用。我們也開始開發用於缺陷檢測中的機器學習 - 不僅僅是分類 – 利用對半導體圖像處理中的進展。我們的新一代檢測平台中將提供這些新的演算法。