Los investigadores del Instituto Tecnológico de Massachussets (MIT) y la Universidad China de Hong Kong han utilizado el aprendizaje automático para construir un simulador digital que imita un proceso de fabricación de fotolitografía específico. La fotolitografía implica la manipulación de la luz para grabar con precisión características en una superficie y se usa comúnmente para fabricar chips de computadora y dispositivos ópticos, como lentes.
La nueva técnica utiliza datos reales recopilados del sistema de fotolitografía, por lo que puede modelar con mayor precisión cómo el sistema fabricaría un diseño. Los investigadores integran este simulador en un marco de diseño, junto con otro simulador digital que emula el rendimiento del dispositivo fabricado en tareas posteriores, como la producción de imágenes con cámaras computacionales. Estos simuladores conectados permiten al usuario producir un dispositivo óptico que se adapte mejor a su diseño y alcance el mejor rendimiento de la tarea.
Esta técnica podría ayudar a los científicos e ingenieros a crear dispositivos ópticos más precisos y eficientes para aplicaciones como cámaras móviles, realidad aumentada, imágenes médicas, entretenimiento y telecomunicaciones. Y debido a que el proceso de aprendizaje del simulador digital utiliza datos del mundo real, se puede aplicar a una amplia gama de sistemas de fotolitografía.
Uso de la red neuronal
La fotolitografía implica proyectar un patrón de luz sobre una superficie, lo que provoca una reacción química que graba características en el sustrato. Sin embargo, el dispositivo fabricado termina con un patrón ligeramente diferente debido a minúsculas desviaciones en la difracción de la luz y pequeñas variaciones en la reacción química.
Para solucionar este problema, los investigadores del MIT construyeron un simulador de fotolitografía utilizando ecuaciones basadas en la física como base, al que incorporaron una red neuronal entrenada con datos experimentales reales del sistema de fotolitografía de un usuario. A esta técnica se le denomina litografía neuronal. Esta red neuronal es un tipo de modelo de aprendizaje automático, basado en el cerebro humano, que aprende a compensar muchas de las desviaciones específicas del sistema.
Los investigadores recopilaron datos para su método generando muchos diseños, que cubren una amplia gama de tamaños y formas de características, que fabrican utilizando el sistema de fotolitografía. Las estructuras finales son medidas y comparadas con las especificaciones de diseño, para emparejar esos datos con el fin de utilizarlos para entrenar una red neuronal para su simulador digital.
Componentes del simulador de litografía digital
El simulador de litografía digital consta de dos componentes separados: un modelo óptico que captura cómo se proyecta la luz sobre la superficie del dispositivo y un modelo resistente que muestra cómo ocurre la reacción fotoquímica para producir características en la superficie.
En una tarea posterior, los investigadores conectaron este simulador de fotolitografía aprendido a un simulador basado en la física que predice cómo se desempeñará el dispositivo fabricado en esta tarea, por ejemplo, cómo una lente difractiva difractará la luz que incide sobre ella.
El usuario especifica los resultados que desea que logre un dispositivo. Posteriormente, estos dos simuladores trabajan juntos dentro de un marco más amplio que muestra al usuario cómo hacer un diseño que alcanzará esos objetivos de rendimiento.