AI辅助芯片制造：算法与工程化落地

1）中国工程院院士吴汉明、国家杰青龙世兵教授、长鑫科技总裁曹堪宇、长鑫科技高级副总裁李严峰联袂推荐  

2）半导体头部大厂总监级与高工级专家撰写，“产业难题”与“AI落地”双线贯通  

3）立足六大真实场景，全景呈现AI技术落地逻辑，助读者突破产业瓶颈，激发创新思路

4）结合工艺与算法原理图、关键思路与代码实现，帮读者解决工艺或落地难题，不会因技术门槛太高而半途而废

本书是一部系统解析AI技术赋能半导体制造的专业指南，全面打通了从案例分析到工程落地的全链路。立足中国芯片产业的现实困境，全书紧扣“产业难题”与“AI落地”两大核心脉络，为半导体研发工程师及算法工程师等从业者，清晰勾勒出AI赋能半导体制造的产业全景与工程实践路径。

阅读本书，你将收获：

解析AI算法体系与极简入门案例，助你快速厘清繁杂的AI算法、核心特性、应用场景及主流工具，建立清晰全景认知。

掌握AI算法在晶圆大数据应用、光刻、刻蚀、量测、检测、材料预测六大制造场景的工程化应用方法。

学会在半导体真实场景中选择、构建和优化AI模型，实现从数据处理到部署落地的全流程贯通。

了解传统工艺方法与AI方法的边界，具备在实际项目中理性组合技术路线的能力。

掌握视觉大模型、图神经网络、RAG、边缘AI等前沿技术在制造场景的落地思路。

建立“AI赋能半导体研发”的系统认知，助力中国半导体产业在先进制程方向取得突破。

本书适合的读者群体：半导体研发工程师、有意进入半导体行业的算法工程师、集成电路相关专业高校师生，以及半导体设备、材料、运维领域的技术人员。

贾若然：某半导体公司智能研发部门经理，高级工程师，曾任科大讯飞智慧城市算法研发总监。主要研究方向为时空大数据挖掘与计算机视觉，获AI领域专利授权30余项。2022年进入半导体行业，专注于AI技术在半导体图形图像分析、工艺仿真等方向的融合应用

刘忠明：某头部半导体公司工艺研发总负责人，高级工程师。先后任职于国内外多家头部半导体企业，拥有多年集成电路工艺开发与研发管理经验。聚焦DRAM先进制程与智能研发的交叉前沿，已获全球授权专利80余项，曾获工业和信息化部授予的“先进制造技术人才”荣誉。

杨益：某半导体企业战略部门总监，正高级工程师。曾任三星电子韩国总部首席工程师，参与制定超宽带通信多项国际标准，已获美国、韩国专利授权共70余项。2022年入选安徽省百人计划，2023年入选国家人才计划青年项目。

黄雪峰：某半导体企业图像组组长。拥有多年半导体领域计算机视觉与深度学习实践经验，在纳米级制造工艺的缺陷检测与量测方向积累了丰富技术成果，致力于将前沿AI技术落地于半导体先进制程场景。

孙侠：某半导体企业算法专家。专注于APC先进过程控制、虚拟量测、智能管控等全流程技术方案的研判、架构设计、算法迭代及量产落地实施，致力于依托半导体产线真实工艺数据搭建智能化制程优化体系，助力工厂提升制程稳定性与产品良率。

本书特色是工程应用，通过AI与集成电路制造结合的若干例子，使读者初步了解AI技术应用的场景和方法，有助于了解AI对集成电路领域发展的促进作用。

—— 吴汉明，中国工程院院士、浙江大学集成电路学院院长

在高校科研与教学实践中，普遍存在理论与算法能力强、产业与场景接触少的瓶颈。多数师生缺少学习半导体工业的真实工艺痛点、生产难题和落地需求的资料，导致学术研究与产业实际存在脱节。本书立足半导体一线产业场景，聚焦技术落地应用，系统梳理了AI在半导体研发、生产、运维及新材料研发领域的应用体系。

本书立足实战、兼顾前沿，有机融合智能算法与工业场景，清晰呈现了半导体产业的真实技术逻辑与应用路径，可为高校微电子、AI相关专业师生提供研究方向参考。

—— 龙世兵，中国科学技术大学微电子学院执行院长

当下半导体产业已进入极致制程与智能升级的关键阶段，AI是突破工艺瓶颈、提升研发与制造效率、实现产业提质增效的关键。本书紧扣产业落地，立足半导体真实产业场景，系统构建了AI赋能半导体研发、生产、运维、材料创新的完整体系。全书紧贴实战，兼顾入门性与前沿性，深度融合当下主流智能算法与工业技术，有效打通了AI技术落地半导体产业的应用壁垒。本书可供产业工程师、科研人员参考借鉴，也可为行业智能化转型提供清晰的实践路径，对推动半导体产业数智化升级具有良好的参考价值。

—— 曹堪宇，长鑫科技股份集团有限公司总裁

半导体制造的精进之路，离不开工艺积淀与智能技术的双向赋能。AI已成为突破制程瓶颈、提升良率与生产效率的核心抓手。本书作者基于自身实践，紧扣产业实战场景，将算法原理与芯片制造全流程深度结合，兼具理论价值与落地指导意义。希望本书能牵引和助力更多半导体从业者利用和实践 AI，推动中国半导体产业不断升级。

—— 李严峰，长鑫科技股份集团有限公司高级副总裁、AI创新中心负责人

目　　录　Contents　

前言

第1章　AI极简入门1

1.1　AI算法分类1

1.1.1　按学习方式分类3

1.1.2　按算法类型分类4

1.1.3　按任务类型分类7

1.2　AI开发环境搭建10

1.2.1　Python环境搭建10

1.2.2　AI第三方库介绍11

1.2.3　AI算法的工作流程16

1.3　入门案例21

1.3.1　分类任务案例21

1.3.2　回归任务案例26

第2章　半导体大数据与应用案例44

2.1　半导体大数据面临的挑战44

2.2　半导体大数据的分析方法与应用

场景46

2.3　基于Wafer Map大数据的良率

检测48

2.3.1　Wafer Map分析方法与

数据集48

2.3.2　Wafer Map的缺陷检测

原理52

2.3.3　Wafer Map缺陷模式识别与相似性检索53

2.3.4　用无监督学习实现Wafer

 Map缺陷相似度检索64

2.4　FDC异常检测68

2.4.1　传统FDC方法68

2.4.2　基于AI算法的FDC

应用70

第3章　智能工艺仿真84

3.1　光刻工艺仿真与加速84

3.1.1　光刻工艺仿真概述84

3.1.2　基于CNN的光刻仿真

加速85

3.2　刻蚀偏差与负载效应96

3.2.1　什么是刻蚀偏差96

3.2.2　刻蚀的负载效应97

3.3　刻蚀偏差模型98

3.3.1　传统刻蚀偏差模型99

3.3.2　基于回归算法的刻蚀偏差

模型104

3.3.3　基于CNN的刻蚀偏差

模型112

第4章　工艺缺陷分析与改善116

4.1　影响良率的坏点检测116

4.1.1　坏点检测与修正概述116

4.1.2　传统坏点检测方法119

4.1.3　基于AI的坏点检测

方法121

4.2　缺陷检测与分类123

4.3　OPC相关算法131

4.3.1　MB-OPC算法介绍132

4.3.2　ILT算法介绍133

第5章　智能图像量测141

5.1　SEM图像分割142

5.1.1?传统图像分割方法143

5.1.2　基于U-Net的图像

分割方法146

5.1.3　基于主动学习提升图像

分割效率156

5.2　基于AI实现SEM三维形貌

估计158

5.2.1　SEM量测面临的挑战158

5.2.2　单目三维深度估计160

5.2.3　基于AI的三维深度估计161

5.3　构建TEM分割模型：基于视觉

大模型167

5.3.1　视觉大模型简介168

5.3.2　基于生成数据和微调技术的

TEM分割模型169

5.4　虚拟量测170

5.4.1　三大算法172

5.4.2　算法应用173

5.4.3　应用在线学习提升自更新

能力182

第6章　机台智能化186

6.1　基于边缘AI提升键合精度186

6.1.1　晶圆键合对准难题187

6.1.2　改进方法与边缘AI算法

部署思路189

6.2　RAG赋能机台智能运维192

6.2.1　RAG简介192

6.2.2　利用RAG实现机台智能

运维193

第7章　AI在材料性质预测中的

应用202

7.1　计算化学的现状与工具203

7.2　图神经网络与材料性质预测205

7.2.1　图神经网络简介205

7.2.2　图神经网络在材料性质

预测中的应用207

Preface　前　　言

为什么写作本书

半导体制造被誉为现代工业的“皇冠明珠”，其复杂性和精密性在全球制造业中无出其右。从硅砂到芯片制造的整个过程，涉及的工序超过千道，每一步都需要纳米级的精度控制，且涉及数百种材料的复杂交互。这使得半导体生产线成为全球最精密的人造系统之一。每一片晶圆的制造过程都包括光刻、刻蚀、沉积、掺杂等关键环节，任何一个环节的微小波动都可能对最终产品的良率产生指数级的影响。随着摩尔定律所描述的晶体管密度增长趋势的逐渐放缓，半导体制造工艺节点正在逼近物理极限，中国半导体产业在全球竞争中暴露出“设计并跑，制造受制”的短板。尽管华为海思等公司在芯片设计领域达到了国际领先水平，但在制造环节，尤其是先进制程（如7nm及以下）的产业化方面，仍然面临巨大挑战。中芯国际等制造企业在14nm以下制程的突破上进展缓慢，主要原因包括以下方面。

底层EDA（Electronics Design Automation，电子设计自动化）软件薄弱：国产EDA工具在14nm及以上工艺节点上已取得一定的进展，部分企业在5nm工艺节点上也有所突破，但在先进制程（如2nm）方面的短板仍然较为明显，需要进行持续的技术研发和创新。

底层工艺研发能力薄弱：中国在半导体制造的核心工艺技术方面仍然依赖国外，尤其是在光刻、刻蚀等关键环节，自主研发能力不足。

高端设备与材料依赖进口：光刻机、刻蚀机、先进光刻胶等关键设备和材料严重依赖进口，特别是在地缘政治博弈加剧的背景下，这些“工艺命脉”受到严重制约。

因此，我们希望读者通过阅读本书，能够在AI与半导体的交叉领域找到创新突破口，助力中国半导体实现研发加速，在全球半导体竞争中开拓新局面。

AI不会替代工程师，但善用AI的工程师必将淘汰固守传统者。期待每一位读者都能在书中找到破局之法，共同书写中国半导体产业的“逆袭史诗”。半导体产业的未来，属于那些能够将物理世界的精密制造与数字世界的智能算法深度融合的探索者。

读者对象

本书主要面向利用先进AI技术赋能集成电路智能制造的半导体研发工程人员、有意向进入半导体行业发展的算法工程师，以及寻求技术攻坚方向的高等院校师生等。

如何阅读本书

本书聚焦旨在构筑起AI赋能半导体制造与研发的完整知识框架。

第1章首先对AI算法进行了分类介绍，包括学习方式、算法类型及任务类型的划分，帮助读者建立全面的AI知识框架；随后详细讲解如何搭建AI开发环境，并通过入门案例展示AI算法的基本工作流程，旨在帮助初学者快速上手。

第2章先探讨了半导体大数据面临的挑战，并强调了先进节点对精度的要求；接着介绍了半导体大数据的分析方法与应用场景，最后介绍了基于Wafer Map大数据的良率检测和FDC异常检测实践，展示了AI技术在提升生产效率和质量方面的巨大潜力。

第3章阐述光刻工艺仿真的重要性以及基于CNN的方法实现光刻仿真加速，同时讨论了刻蚀过程中的刻蚀偏差与负载效应，提出了利用传统回归算法与现代深度学习方法（CNN）优化刻蚀偏差模型的策略，旨在提高工艺仿真的准确性和效率。

第4章深入分析了影响良率的坏点检测技术和基于AI的改进方案，进一步探讨了缺陷检测与分类技术的落地，最后介绍了强化学习在OPC相关算法中的应用，以期为提升制造工艺质量和效率提供新思路。

第5章分别介绍了SEM图像分割技术、基于AI实现SEM三维形貌估计方法、基于视觉大模型构建TEM分割模型的思路以及如何实现虚拟量测，展现了AI技术在提升图像量测精度和效率方面的无限可能。

第6章聚焦于如何借助边缘AI提升键合精度，以及如何使用RAG（检索增强生成）技术实现机台的智能运维，体现了AI技术在提升机台智能方面的重要作用。

第7章概述了计算化学的现状与工具，并重点介绍了图神经网络在预测材料性质方面的应用，展示了AI技术在加速新材料发现中的关键作用。

勘误与支持

由于笔者水平有限，书中难免存在疏漏，还望读者不吝提出意见和建议，你可以通过邮件与我联系。

致谢

感谢选择本书的读者。愿你以AI为剑，以数据为盾，投身这场关乎国家竞争力的技术突围。星辰大海，虽远必至；以智赋能，破壁而生。

贾若然