《自然》杂志日前发表由泛林（Lam Research）研究团队投稿的《用于改进半导体工艺开发的人机协作》。

该项研究发现，与仅依靠人类专家相比，人机协同可能会将芯片开发成本降低一半。

作者之一Richard Gottscho表示，“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，‘人类先，电脑后’（human first, computer last）策略可以帮助解决流程开发的繁琐，从而加速创新，其影响真的很令人兴奋。”

目前，制造微芯片的瓶颈之一是设计成本不断增加，复杂的过程涉及数百个步骤，仍然由训练有素的工程师负责。

理论上，AI算法也可能有助于开发半导体工艺。然而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大约一百种不同的参数组合或“配方”来开发半导体工艺，这种有限的数据使得很难创建精确到原子尺度的预测模型。

Gottscho表示，“在3D NAND中创建通孔或蚀刻另一个特征时，工艺工程师面临着超过100万亿种不同的高纵横比蚀刻配方，这个数字简直是压倒性的。”

在这项新研究中，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，他们探索了基于称为贝叶斯推理的统计方法的优化算法，其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证明是有效的，科学家们之前已经研究过它们在其他应用中的用途。

为了看看机器在这项任务上是否比人类做得更好，科学家们创造了一种方法来系统地对彼此的表现进行基准测试。在实验中，参与者包括三名具有博士学位的高级工程师，每名工程师均具有七年以上的经验；三名拥有博士学位的初级工程师，每人的工作经验都不到一年；和三名对半导体工艺一无所知的志愿者。

运行实验的科学家发现，在采用‘人类先，电脑后’的策略时，通过指导算法，这种混合方法仅需极小成本即可达到目标，仅是人类专家成本的一半。

Gottscho称，“这项研究强调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，可以扩大这些好处，同时通过将它们提供给非常适合任务的机器来减少工程中回报率较低的方面，你可以充分利用人类所能提供的最好的东西，以及数据科学和机器提供的最好的东西，把它们放在一起，创造出一种比单独使用任何一个都表现更好的组合。”