8月6日，Resonac（力森诺科）宣布首次把人工智能（AI）技术与材料开发常用的“第一性原理计算”相结合的新型模拟技术NNP引入CMP浆料对半导体晶圆抛光，保持计算结果高精度的前提下，速度提升10万倍以上。而这项技术能够阐明复杂半导体制造工艺中材料的行为，从而促进新材料的快速创造。

CMP浆料抛光硅片表面模拟

近年来，半导体领域技术创新速度不断加快材料更迭也在加速。人们一般需要通过模拟获得想法和实验来有效地进行研究和开发并加速新材料的创造。但是，在半导体制造工艺中，涉及无机、金属和有机材料，计算材料界面处的相互作用就需要大量的时间和计算能力。特别对于半导体制造至关重要的使用CMP浆料对半导体衬底进行的抛光过程涉及添加剂和磨料等许多分子和原子的存在，并且需要对衬底的复杂形状进行详细控制，这非常耗时强烈需要大规模的物理和空间模拟。

人工智能可以对第一性原理计算获得的数千万数据进行机器学习，并且可以以与第一性原理计算相媲美的高精度进行大规模模拟，比如AI计算速度为100小时，而第一性原理计算则需要1000多年。Resonac采用尖端的NNP技术来模拟使用CMP浆料对半导体基板进行抛光的过程。因此，通过在纳米尺度上精确地可视化复杂界面的行为，就能够详细了解仅通过实验难以掌握的复杂抛光机制。继而通过阐明详细的工艺，包括基板形状和加工条件等周围环境的影响，就可以更准确地找到提供所需功能的原材料候选者。因为NNP技术对于界面和异质混合物等复杂分析非常有效，Resonac计划将其应用于CMP浆料以外的半导体材料领域。

编译整理 YUXI

来源：360powder.com