维度网讯，GigaLane（기가레인）利用AI技术成功实现了等离子体蚀刻工艺最佳条件的自动推导，将此前依赖工程师经验和重复实验的工艺开发方式转变为数据驱动模式。该公司由代表Kim Hyun-je（김현제）领导，专注于半导体蚀刻设备领域。
蚀刻工艺是半导体制造中的核心环节，通过等离子体精确去除晶圆上不必要的部分以形成电路图案。随着半导体微细化与高集成度的发展，工程师需要控制的变量呈指数级增长，其中包括压力、源功率、偏压功率、气体种类及每种气体注入量、卡盘温度、背面氦气、工艺时间等多个输入参数。同时，工艺结果必须满足蚀刻量、速度、角度、上下线宽、掩模选择比等6个目标指标。由于变量多且要求严苛，工程师通常需要反复执行大量测试来寻找最佳条件，耗时且消耗大量晶圆。
为解决这一低效问题，GigaLane在国家科学技术研究会融合研究团项目的支持下，采用了韩国核聚变能源研究所等离子体设备智能化研究团自主研发的AI工艺优化工具。研究团队将工程师执行的51个实验数据中剔除异常值后的34个精炼数据输入AI模型学习，仅一次学习即成功推导出同时满足6个工艺目标的最佳条件。若一次学习未达标，系统还构建了重复算法，将新的工艺结果再次输入学习并重新提出最优条件，从而进一步提升工艺开发成功率。此举大幅减少了工艺优化所需的晶圆和工程资源，同时加快了对客户多样化需求的响应速度。
GigaLane计划以此成果为基础，将AI应用扩展至其他工艺，形成数据积累越多开发效率越高的良性循环。公司还将从当前的“输入变量-结果值匹配”阶段推进至更高级别，将设备在工艺过程中产生的实时传感器数据与AI联动，构建半导体设备可自行诊断和校正工艺状态的“自主运营设备”体系。GigaLane相关人士表示，将以数据驱动的工艺优化流程为基础，高效应对全球半导体器件企业的需求，提升市场竞争力。
