?最关键的点!”
要说差在哪儿,以曾学成现在的水平,那差的多了去了。
要说最关键的点,他沉思了一会儿,说道:“就是对问题的敏锐程度。比如一个新的工艺节点,测试产线放在这儿了,梁松老师的对问题就非常敏锐。
“他手一指,这儿是瓶颈,改进这儿,可以提升良率,那儿可能有问题。排查下去,几乎八九不离十。
“事实上,怎么说呢,当他把问题指出来之后,我去看,大多数时候我也能看出来,甚至能解决。”
“但,就是知道哪儿有问题,才是最关键的是吧?”纪弘笑道:“那今天这个问题呢?你看出来了吗?”
“现在我也能看出来!”曾学成突然明悟:“AI现在扮演的是梁松老师的角色?”
梁松怎么判断问题所在的,纪弘不清楚,可能是直觉,也可能是经验。
但,AI是怎么判断的,纪弘清楚的很——少部分的类思维加上大量的计算,甚至还有一部分推演在里边。
世界模型一直在运行,65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用,流片式仿真的训练也一直在进行。
类推能力,尤其是精密工业领域的类推能力也有了不少的提升。
比如今天发现的这个问题,改进了之后能有多少提升,AI都已经做过类推了。
但方式不重要,能发现问题,能优化和改进才是最关键的。
“能调整吗?”纪弘问道。
“当然能!”曾学成信心十足:“即便是梁松老师在,也是他指出问题,然后我带人实施的。”
“嗯。”纪弘点了点头:“那正好,来吧,试试看。”
设备是不需要动的,而程序的设计和优化,纪弘也带来了神器——完整版本的灵犀。
曾学成带着团队分工协作,很快,优化工作就完成了。
安装,重启,测试当即进行。
“边界更加清晰了。”
高倍显微镜下,样品对比数据很明显。曾学成是这么说的,但纪弘确实没看出来。
“具体如何,还得看良率有没有提升。”纪弘对肉眼观测的东西不太信任,尤其是曾学成,纪弘感觉他太激动了,眼睛开了光环也说不一定。
“那就得等明天才能知道了。”
……
翌日,数据出炉,良品率提升2%。
“才2%?”纪弘很不满意。
“基数是94%啊老大,提高2%到96%已经非常大了好吧!”曾学成已经管纪弘叫上老大了:“如果用四重曝光,提升肯定会更大。
“现在这几条产线都差不多,做四重曝光的良率基本都在55%左右,我们需要测试吗?”
“扔给华为去测吧。”纪弘想了想,他这边的主要工作是层迭ALU的生产,下一步的重点是层迭工艺的推进。
双重四曝光不是地点。
……
就这样,AI
请收藏:https://m.qqgfg.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)