Pensando em melhorar a precisão e a eficiência na fabricação de chips e dispositivos ópticos, pesquisadores do MIT e da Universidade Chinesa de Hong Kong usaram aprendizado de máquina para construir um simulador digital que imita um processo específico de fabricação de fotolitografia.
De acordo com o MIT News, os pesquisadores integram o simulador em uma estrutura de design, juntamente com outro simulador digital que simula o desempenho do dispositivo fabricado em tarefas posteriores, como a produção de imagens com câmeras computacionais.
A técnica pode ajudar cientistas e engenheiros a criarem dispositivos ópticos mais precisos e eficientes para aplicações como câmeras móveis, realidade aumentada, imagens médicas, entretenimento e telecomunicações. E como o pipeline de aprendizagem do simulador digital utiliza dados do mundo real, ele pode ser aplicado a uma ampla gama de sistemas de fotolitografia.
“Essa ideia parece simples, mas as razões pelas quais as pessoas nunca tentaram isso antes é que os dados reais podem ser caros e não há precedentes sobre como coordenar efetivamente o software e o hardware para construir um conjunto de dados de alta fidelidade”, diz Cheng Zheng, estudante de graduação em engenharia mecânica.
Litografia neural
A fotolitografia envolve a projeção de um padrão de luz em uma superfície, o que causa uma reação química que grava características no substrato. No entanto, o dispositivo fabricado acaba com um padrão ligeiramente diferente devido a minúsculos desvios na difração da luz e pequenas variações na reação química.
Como a fotolitografia é complexa e difícil de modelar, muitas abordagens de projeto existentes dependem de equações derivadas da física. Estas equações gerais dão uma ideia do processo de fabricação, mas não conseguem capturar todos os desvios específicos de um sistema de fotolitografia. Isso pode fazer com que os dispositivos tenham desempenho inferior no mundo real.
Continua depois da publicidade |
Para esta técnica, que eles chamam de litografia neural, os pesquisadores do MIT constroem seu simulador de fotolitografia usando equações baseadas na física como base e, em seguida, incorporam uma rede neural treinada em dados experimentais reais do sistema de fotolitografia de um usuário. Essa rede neural, um tipo de modelo de aprendizado de máquina vagamente baseado no cérebro humano, aprende a compensar muitos dos desvios específicos do sistema.
Simuladores duplos
O simulador de litografia digital consiste em dois componentes separados: um modelo óptico que captura como a luz é projetada na superfície do dispositivo e um modelo de resistência que mostra como ocorre a reação fotoquímica para produzir características na superfície.
Em uma tarefa posterior, o usuário especifica os resultados que deseja que o dispositivo alcance. Então, esses dois simuladores trabalham juntos dentro de uma estrutura maior que mostra ao usuário como fazer um projeto que atinja essas metas de desempenho.
Melhor qualidade de imagem
Eles testaram essa técnica fabricando um elemento holográfico que gera uma imagem de borboleta quando a luz incide sobre ela. Quando comparado com dispositivos projetados usando outras técnicas, seu elemento holográfico produziu uma borboleta quase perfeita que combinava mais com o design. Eles também produziram lentes de difração multinível, que apresentavam melhor qualidade de imagem do que outros dispositivos.
No futuro, os pesquisadores querem aprimorar seus algoritmos para modelar dispositivos mais complicados e também testar o sistema usando câmeras de consumo. Além disso, eles querem expandir sua abordagem para que ela possa ser usada com diferentes tipos de sistemas de fotolitografia, como sistemas que utilizam luz ultravioleta profunda ou extrema.
