8月6日，Resonac（力森諾科）宣布首次把人工智能（AI）技術與材料開發常用的“第一性原理計算”相結合的新型模擬技術NNP引入CMP漿料對半導體晶圓拋光，保持計算結果高精度的前提下，速度提升10萬倍以上。而這項技術能夠闡明復雜半導體制造工藝中材料的行為，從而促進新材料的快速創造。

CMP漿料拋光硅片表面模擬

近年來，半導體領域技術創新速度不斷加快材料更迭也在加速。人們一般需要通過模擬獲得想法和實驗來有效地進行研究和開發并加速新材料的創造。但是，在半導體制造工藝中，涉及無機、金屬和有機材料，計算材料界面處的相互作用就需要大量的時間和計算能力。特別對于半導體制造至關重要的使用CMP漿料對半導體襯底進行的拋光過程涉及添加劑和磨料等許多分子和原子的存在，并且需要對襯底的復雜形狀進行詳細控制，這非常耗時強烈需要大規模的物理和空間模擬。

人工智能可以對第一性原理計算獲得的數千萬數據進行機器學習，并且可以以與第一性原理計算相媲美的高精度進行大規模模擬，比如AI計算速度為100小時，而第一性原理計算則需要1000多年。Resonac采用尖端的NNP技術來模擬使用CMP漿料對半導體基板進行拋光的過程。因此，通過在納米尺度上精確地可視化復雜界面的行為，就能夠詳細了解僅通過實驗難以掌握的復雜拋光機制。繼而通過闡明詳細的工藝，包括基板形狀和加工條件等周圍環境的影響，就可以更準確地找到提供所需功能的原材料候選者。因為NNP技術對于界面和異質混合物等復雜分析非常有效，Resonac計劃將其應用于CMP漿料以外的半導體材料領域。

編譯整理 YUXI