Ускорение наномасштаба X
1 июня 2023 г.
Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:
проверенный фактами
рецензируемое издание
надежный источник
корректура
Китайской академии наук
Исследователи из Массачусетского технологического института и Аргоннской национальной лаборатории разработали метод машинного обучения, который может значительно ускорить процесс получения наноразмерных рентгеновских изображений интегральных схем, потенциально совершив революцию в способах производства и тестирования электроники.
Интегральные схемы, или микрочипы, являются строительными блоками современной электроники, и их продолжающаяся миниатюризация привела к созданию все более сложных и мощных устройств. Однако по мере того, как компоненты этих микрочипов уменьшаются, их становится все труднее проверять и тестировать с использованием традиционных методов визуализации.
Одним из многообещающих методов визуализации наноразмерных компонентов является синхротронная рентгеновская птихографическая томография, которая использует высокоэнергетические рентгеновские лучи для проникновения в материал и создания детальных изображений внутренней структуры. Однако рентгеновская визуализация — это медленный процесс, требующий точного позиционирования образца и детектора, и получение одной реконструкции может занять часы или даже дни.
Чтобы ускорить этот процесс, исследователи Массачусетского технологического института и Аргонна обратились к машинному обучению. Они обучили нейронную сеть прогнозировать точные реконструкции объектов за долю времени, которое обычно требуется. Их сеть называется APT или Внимательная Птихо-Томография, которая использует регуляризирующие априорные данные в виде типичных закономерностей, обнаруженных внутри интегральных схем, и физику распространения рентгеновских лучей через объект.
«Нейронная сеть способна учиться на небольшом объеме данных и обобщать, что позволяет нам быстро отображать и реконструировать интегральные схемы», — сказал Иксунг Канг, ведущий автор статьи. Исследователи отметили, что их подход значительно сокращает общее время сбора данных и вычислений, необходимое для визуализации. Они протестировали свою технику на реальных интегральных схемах и смогли получить подробные изображения всего за несколько минут, по сравнению с часами, которые обычно это занимает.
«Этот новый метод может стать эффективным решением для обеспечения качества», — сказали они. «Ускоряя процесс визуализации, мы также можем позволить фабрикам подключаться к источникам синхротронного рентгеновского излучения».
Исследователи отметили, что их подход может иметь значительные последствия для различных областей, включая материаловедение и биологическую визуализацию. «Наше исследование направлено на решение важной проблемы неинвазивной рентгеновской визуализации наноразмерных объектов, таких как интегральные схемы», — сказал ведущий автор. «Мы считаем, что наша система машинного обучения, основанная на физике и использовании внимания, может быть применима и к другим областям наномасштабной визуализации».
Работа опубликована в журнале Light: Science & Applications.
Больше информации: Иксунг Канг и др., Внимательная психотомография (APT) для трехмерной наноразмерной рентгеновской визуализации с минимальным временем сбора данных и вычислений, Light: Science & Applications (2023). DOI: 10.1038/s41377-023-01181-8
Информация журнала:Свет: наука и приложения
Предоставлено Китайской академией наук