Humain

Nature volume 616, pages 707-711 (2023)Citer cet article

27 000 accès

2 citations

523 Altmétrique

Détails des métriques

L’un des goulots d’étranglement dans la construction de puces semi-conductrices est le coût croissant requis pour développer les processus chimiques au plasma qui forment les transistors et les cellules de stockage de mémoire1,2. Ces processus sont toujours développés manuellement par des ingénieurs hautement qualifiés recherchant une combinaison de paramètres d'outils produisant un résultat acceptable sur la plaquette de silicium3. Le défi pour les algorithmes informatiques est la disponibilité de données expérimentales limitées en raison du coût d’acquisition élevé, ce qui rend difficile la formation d’un modèle prédictif avec une précision à l’échelle atomique. Nous étudions ici les algorithmes d'optimisation bayésiens pour étudier comment l'intelligence artificielle (IA) pourrait réduire le coût de développement de processus complexes de puces semi-conductrices. En particulier, nous créons un jeu de processus virtuel contrôlé pour comparer systématiquement les performances des humains et des ordinateurs pour la conception d'un processus de fabrication de semi-conducteurs. Nous constatons que les ingénieurs humains excellent dans les premières étapes du développement, alors que les algorithmes sont bien plus rentables à proximité des tolérances serrées de la cible. De plus, nous montrons qu’une stratégie utilisant à la fois des concepteurs humains dotés d’une grande expertise et des algorithmes dans une stratégie humaine d’abord – dernier ordinateur peut réduire de moitié le coût pour atteindre l’objectif par rapport à des concepteurs humains uniquement. Enfin, nous soulignons les défis culturels liés au partenariat entre les humains et les ordinateurs qui doivent être abordés lors de l’introduction de l’intelligence artificielle dans le développement de processus de semi-conducteurs.

Les puces semi-conductrices sont au cœur de tous les systèmes d'intelligence artificielle (IA) dans le monde, fonctionnant sur les états numériques 0 et 1 définis par des transistors et des cellules mémoire de taille nanométrique. La fabrication de ces dispositifs miniatures sur des tranches de silicium est un processus de fabrication complexe impliquant des centaines d'étapes spécialisées, dont près de la moitié nécessitent des processus chimiques complexes au plasma, tels que la gravure et le dépôt3. Ironiquement, le développement de ces processus critiques qui permettent l’IA est toujours réalisé par des ingénieurs de processus humains qui utilisent leur intuition et leur expérience, se tournant souvent vers des essais et des erreurs. L'application de l'IA à l'ingénierie des procédés pour créer de nouvelles puces présente un intérêt général, car l'automatisation de cette activité pourrait évoquer des scénarios de ce qu'on appelle la « singularité », dans lesquels l'IA apprend effectivement à se construire davantage4,5.

L'IA possède de nombreux exemples d'algorithmes informatiques surpassant les humains dans des tâches complexes, telles que jouer à des jeux de société tels que les échecs et le Go6,7. Cependant, dans ces cas-là, l’ordinateur ne prend des décisions qu’après s’être entraîné sur ou avoir généré une grande quantité de données peu coûteuses. En revanche, la collecte de données sur les processus des tranches de silicium coûte cher : plus de mille dollars par expérience pour la tranche, le fonctionnement de l'équipement à plasma et la microscopie électronique. Par conséquent, les ingénieurs développent généralement des processus de semi-conducteurs en testant uniquement de l’ordre d’une centaine de combinaisons différentes de paramètres du plasma, sur plusieurs milliards potentiellement, tels que la pression, les puissances, les flux de gaz réactifs et la température des plaquettes. Contrairement aux jeux de société, qui ont des règles claires, les systèmes de réacteurs à tranches sont régis par un nombre inestimable d'interactions physiques et chimiques microscopiques entre le matériau de la tranche, les espèces de plasma et les pièces du réacteur8,9. L'absence de données suffisantes dans une région d'intérêt spécifique rend difficile la création de modèles informatiques avec une précision à l'échelle atomique, ce que l'on appelle un « petit » problème de données10. Ainsi, le défi que nous posons à l’IA est de réduire le coût par rapport à l’objectif (c’est-à-dire minimiser le nombre de données à collecter) du développement d’un processus semi-conducteur par rapport à un ingénieur de processus humain expérimenté.

Dans ce travail, nous avons comparé les performances des algorithmes informatiques par rapport à celles d’ingénieurs de processus humains expérimentés, en nous concentrant sur un scénario dans lequel un ordinateur non formé n’a accès qu’aux données collectées. Inspirés par les approches d'IA des échecs dans lesquelles des agents informatiques rivalisent avec des humains, nous avons créé un jeu d'ingénierie des processus dans lequel l'objectif d'un joueur (humain ou algorithme informatique) est de développer un processus complexe au coût le plus bas possible. Organiser un tel concours en utilisant de vraies tranches serait coûteux et peu pratique en raison de la variabilité incontrôlée des tranches entrantes, de la métrologie et des équipements de traitement qui rendraient difficile l'interprétation des résultats. Pour surmonter ces difficultés pratiques, nous avons organisé le concours sur une plate-forme virtuelle sophistiquée qui permet d'évaluer les participants dans le même espace de processus.