来源 :广立微Semitronix2024-07-26
AI技术在半导体设计、制造和优化等方面的应用日益深入。在设计阶段，AI可以通过机器学习算法，提高芯片性能和能效。在制造过程中，AI用于预测和检测缺陷，优化生产流程，快速提升良率。同时AI模型可以分析海量制造数据，找出潜在问题并进行预防性维护。Fabless、Fab通过AI赋能大大提高了效率和产品质量。
格科微作为领先的CMOS图像传感器、DDI显示芯片设计公司，面对产品对高性能与高质量的双重需求，携手广立微（Semitronix），引入广立微INFINITY-AI系统（简称INF-AI），为设计制造注入了强大的AI动力，提升产品良率。
INF-AI系统通过深度学习、大数据分析等前沿技术，实现了对生产全周期的精准监控与智能优化，有效识别并解决生产过程中的潜在问题，从而大幅提升产品的良率。
01
简化操作，低门槛享受AI赋能的高效应用
INF-AI系统配备可视化训练营，可视化模型发布，可视化系统配置模块，让新手也能迅速上手。
模型训练从DMS 的数据导入，到智能标注，再到训练结果监控以及最后的测试上线，做到了界面友好，可以快速培训，一键部署上线。
▲ INF-AI 的模型训练
02
AI模型助力准确高效分类
INF-AI 的模型稳定运行，每天上万的照片分析，对于OQA 模型，准确率基本做到了100%，而且可以实时监控。
INF-AI智能量测，智能识别功能，对缺陷进行精准量测，解决了ADI/DFI 给出的defect size不准的问题，在OQA的INK应用中显著提升精准度与效率。
案例分享1：INF-AI提升分类准确性
假设OQA 需求ink 的defect size 是5um，下图四张照片，每次人为分类，是否能保证每次的准确定？
INF-AI 平台智能识别后，避免了人为分类的不稳定性，在size分类的准确性上提升了30%。一方面减少了没必要的INK,一方面降低了较少人为miss 大颗defect的风险。
案例分享2：INF-AI提升分类效率
CIS 出货100% by lot scan，100% take image，机台by lot 存在超过2000张的照片。人为分类一个lot需要0.6h，使用INF-AI 分类后，人为confirm只需要0.02h，效率提升30倍以上。
03
可塑性高，INF-AI满足客制化需求
INF-AI可以智能联动DMS 导入已经分类好的defect，配合DMS相关系统，智能化管理客户出货系统，满足客户的多重需求。
INFINITY-AI
广立微的INFINITY-AI系统（简称INF-AI）是针对半导体制造业的开放式机器学习平台，包括自动缺陷分类(Automatic Defect Classification，ADC)、晶圆图缺陷模式分析（Wafer Pattern Analysis，WPA）等应用，支持用户管理数据，一键训练、评测、部署模型，为半导体制造业AI赋能提供一站式解决方案。