商品描述
本書是一部系統解析AI技術賦能半導體制造的專業指南，全面打通了從案例分析到工程落地的全鏈路。立足中國芯片產業的現實困境，全書緊扣“產業難題”與“AI落地”兩大核心脈絡，為半導體研發工程師及算法工程師等從業者，清晰勾勒出AI賦能半導體制造的產業全景與工程實踐路徑。
閱讀本書，你將收獲：
解析AI算法體系與極簡入門案例，助你快速厘清繁雜的AI算法、核心特性、應用場景及主流工具，建立清晰全景認知。
掌握AI算法在晶圓大數據應用、光刻、刻蝕、量測、檢測、材料預測六大制造場景的工程化應用方法。
學會在半導體真實場景中選擇、構建和優化AI模型，實現從數據處理到部署落地的全流程貫通。
了解傳統工藝方法與AI方法的邊界，具備在實際項目中理性組合技術路線的能力。
掌握視覺大模型、圖神經網絡、RAG、邊緣AI等前沿技術在制造場景的落地思路。
建立“AI賦能半導體研發”的系統認知，助力中國半導體產業在先進制程方向取得突破。
本書適合的讀者群體：半導體研發工程師、有意進入半導體行業的算法工程師、集成電路相關專業高校師生，以及半導體設備、材料、運維領域的技術人員。
作者簡介
賈若然：某半導體公司智能研發部門經理， 工程師，曾任科大訊飛智慧城市算法研發總監。主要研究方向為時空大數據挖掘與計算機視覺，獲AI領域專利授權30餘項。2022年進入半導體行業，專註於AI技術在半導體圖形圖像分析、工藝仿真等方向的融合應用<br />劉忠明：某頭部半導體公司工藝研發總負責人， 工程師。先後任職於 外多家頭部半導體企業，擁有多年集成電路工藝開發與研發管理經驗。聚焦DRAM 制程與智能研發的交叉前沿，已獲 授權專利80餘項，曾獲 授予的“ 制造技術人才”榮譽。<br />楊益：某半導體企業戰略部門總監，正 工程師。曾任三星電子韓國總部首席工程師，參與制定超寬帶通信多項 標準，已獲美國、韓國專利授權共70餘項。2022年入選安徽省百人計劃，2023年入選 人才計劃青年項目。<br />黃雪峰：某半導體企業圖像組組長。擁有多年半導體領域計算機視覺與深度學習實踐經驗，在納米級制造工藝的缺陷檢測與量測方向積累了豐富技術成果，致力於將前沿AI技術落地於半導體 制程場景。<br />孫俠：某半導體企業算法專家。專註於APC 過程控制、虛擬量測、智能管控等全流程技術方案的研判、架構設計、算法疊代及量產落地實施，致力於依托半導體產線真實工藝數據搭建智能化制程優化體系，助力工廠提升制程穩定性與產品良率。
目錄大綱
前言
第1章 AI極簡入門1
1.1 AI算法分類1
1.1.1 按學習方式分類3
1.1.2 按算法類型分類4
1.1.3 按任務類型分類7
1.2 AI開發環境搭建10
1.2.1 Python環境搭建10
1.2.2 AI第三方庫介紹11
1.2.3 AI算法的工作流程16
1.3 入門案例21
1.3.1 分類任務案例21
1.3.2 回歸任務案例26
第2章 半導體大數據與應用案例44
2.1 半導體大數據面臨的挑戰44
2.2 半導體大數據的分析方法與應用
場景46
2.3 基於Wafer Map大數據的良率
檢測48
2.3.1 Wafer Map分析方法與
數據集48
2.3.2 Wafer Map的缺陷檢測
原理52
2.3.3 Wafer Map缺陷模式識別與相似性檢索53
2.3.4 用無監督學習實現Wafer
Map缺陷相似度檢索64
2.4 FDC異常檢測68
2.4.1 傳統FDC方法68
2.4.2 基於AI算法的FDC
應用70
第3章 智能工藝仿真84
3.1 光刻工藝仿真與加速84
3.1.1 光刻工藝仿真概述84
3.1.2 基於CNN的光刻仿真
加速85
3.2 刻蝕偏差與負載效應96
3.2.1 什麼是刻蝕偏差96
3.2.2 刻蝕的負載效應97
3.3 刻蝕偏差模型98
3.3.1 傳統刻蝕偏差模型99
3.3.2 基於回歸算法的刻蝕偏差
模型104
3.3.3 基於CNN的刻蝕偏差
模型112
第4章 工藝缺陷分析與改善116
4.1 影響良率的壞點檢測116
4.1.1 壞點檢測與修正概述116
4.1.2 傳統壞點檢測方法119
4.1.3 基於AI的壞點檢測
方法121
4.2 缺陷檢測與分類123
4.3 OPC相關算法131
4.3.1 MB-OPC算法介紹132
4.3.2 ILT算法介紹133
第5章 智能圖像量測141
5.1 SEM圖像分割142
5.1.1?傳統圖像分割方法143
5.1.2 基於U-Net的圖像
分割方法146
5.1.3 基於主動學習提升圖像
分割效率156
5.2 基於AI實現SEM三維形貌
估計158
5.2.1 SEM量測面臨的挑戰158
5.2.2 單目三維深度估計160
5.2.3 基於AI的三維深度估計161
5.3 構建TEM分割模型：基於視覺
大模型167
5.3.1 視覺大模型簡介168
5.3.2 基於生成數據和微調技術的
TEM分割模型169
5.4 虛擬量測170
5.4.1 三大算法172
5.4.2 算法應用173
5.4.3 應用在線學習提升自更新
能力182
第6章 機臺智能化186
6.1 基於邊緣AI提升鍵合精度186
6.1.1 晶圓鍵合對準難題187
6.1.2 改進方法與邊緣AI算法
部署思路189
6.2 RAG賦能機臺智能運維192
6.2.1 RAG簡介192
6.2.2 利用RAG實現機臺智能
運維193
第7章 AI在材料性質預測中的
應用202
7.1 計算化學的現狀與工具203
7.2 圖神經網絡與材料性質預測205
7.2.1 圖神經網絡簡介205
7.2.2 圖神經網絡在材料性質
預測中的應用207
