从智能手机到笔记本电脑，在当今的数字世界中，我们依靠连接性。这些机器的平稳运行的基本要素之一是硅芯片-半导体，这是电子电路的重要组成部分。它们也很昂贵。
随着技术规模的不断扩大，它可以实现更小，更快和更节能的电子产品。器件的尺寸正逼近原子的大小，并且具有更小的原型，要保持与以前相同的产量，已经成为挑战。最终效果?更高的成本不可避免地会传递给消费者。
需要开发新的缺陷识别和缓解策略，以保持半导体制造的效率，并使计算机和智能手机等设备的价格更便宜。阿萨德·奥贝拉伊(AssadOberai)，南加州大学维特比航空航天与机械工程系休斯教授，该校研究临时副院长，他和他的同事设计了一种深度学习算法，可以识别半导体中的缺陷，对这些缺陷进行分类并在它们中进行映射发生。
他说：“想象一下，给房子布线。如果发生一次短路，那么整个系统将无法正常工作。同样的事情在这里也适用。”
他建议，不要等待缺陷发生并在批次中复制，而应使用这种深度学习算法在问题发生时进行标记。Oberai的研究生DhruvPatel和IBMResearch的半导体技术研究员RaviBonam在发表于《微/纳米光刻学报》上的研究中，使用深度学习算法来识别缺陷的出现。例如，假设正在打印一条实线。如果该行中断，则将其视为不完整或错误。在深学习算法当这样的中断时，也正是突破位于可以识别。
Patel，USC维特比博士。机械工程专业的学生，也是研究团队的一部分，并在2019年2月与Oberai和Bonam共同撰写的SPIE光刻会议上获得了最佳学生论文荣誉奖。
这个怎么运作
与半导体制造一样，在半导体制造中，任何事情都会出错。Oberai说：“您可能会得到自己不想要的东西，在这种情况下，这些缺陷将意味着特定的芯片无用，必须扔掉。”
“目前存在的用于执行此操作的工具是基于经验的或基于规则的，因此适应性很差。如果先打印一条电路然后再打印另一条电路，则必须返回并手动调整规则以确保它会重新工作。”Oberai说。他还说，当前的工具会收到很多误报，这意味着没有缺陷的区域将被标记并调查。但是，或者，如果您不保守，则会错过很多缺陷。
Oberai说：“敏感性和特异性之间的权衡是一个困难的过程。您不想以缺陷来结束，但是您也不想花费时间和资源来检查误报。”
在与IBM合作完成的研究中，该团队能够实现高灵敏度(97%)和高特异性(100%)，以及快速，准确的缺陷定位。
