Mithril签下半导体清洗设备AI合同

IT时代网10月11日消息，据The Elec报道，韩国工业 AI 公司 Mithril 与一家韩国半导体设备制造商签署了清洗设备人工智能产品化合同，合同金额 2.3 亿韩元。按计划，双方将在今年年底前于实际设备上完成性能验证，明年起把这套 AI 装入量产清洗设备。

双方的合作从验证起步。Mithril 于今年 2 月和 3 月完成概念验证，在开发启动后的 7 个工作日内搭出测试系统。该 AI 使用 51 片正常晶圆与 4 片缺陷晶圆的数据完成训练，再用 16 组未参与训练的测试数据集评估表现，此后双方签署产品化开发合同。

这套名为 Cleaning AI Brain 的系统实时分析清洗设备运行过程中产生的数据，监测压力、流量、温度、化学浓度、阀门动作、工艺时间与设备运行记录，必要时还会分析泵电流与振动数据。

半导体设备过去通常按单个传感器设定可接受范围来判断工艺是否异常，压力超过某一数值或流量低于阈值时触发报警。但实际存在各读数都落在规格内、工艺已经偏离正常的情况：压力与流量各自合规，两者的变化形态却与常态不同；化学浓度持续单向漂移但未越界；阀门动作慢于往常。这类异常很难靠单条传感器读数发现，Mithril 的 AI 转而学习多个传感器读数共同变化的关系，把偏离既定模式的变动识别为异常征兆。

在给出判断的同时，系统会按影响程度依次列出对异常判定影响最大的传感器，并呈现传感器之间的关联与每片晶圆的异常程度，供现场工程师核对依据。Mithril 还在设计让 AI 进一步判断可能原因并推荐处置方式，对清洗时间、流量等工艺条件给出调整建议，从发现异常到给出建议的响应时间目标为 2 秒以内。

公司设定的性能指标包括：异常检测 F1 分数不低于 0.93，把正常状态误判为异常的比例不超过 1%，真实原因出现在 AI 推荐的前三个原因中的比例不低于 85%，AI 在现场部署后至少保持 90% 的初始训练表现。概念验证阶段的盲测数据未出现漏检，不过量产环境下数据量与运行条件都会增加，误报、漏检、响应时间与长期运行稳定性都将在年底前完成验证。

部署方式上，AI 运行在设备内部而非外部云端。半导体工艺数据包含生产条件、良率与设备运行信息，在设备内处理意味着厂商无需把原始工艺数据发往外部服务器。商业上，Mithril 除收取产品开发费用外，还计划在 AI 随量产设备出货后按每台设备收取授权费，并考虑对模型更新与维护单独收费。清洗工艺验证完成后，公司计划把同类 AI 拓展到刻蚀与化学气相沉积设备。

Mithril 首席执行官表示，仅靠熟练工人把直觉经验传递给后继者存在结构性局限，更可行的做法是把这些经验嵌入设备，同时由现场专家持续校验 AI 的判断。

编辑：林一舟