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。
封面
前折页
书名页
版权页
前言
目录
第1章 AI极简入门
1.1 AI算法分类
1.1.1 按学习方式分类
1.1.2 按算法类型分类
1.1.3 按任务类型分类
1.2 AI开发环境搭建
1.2.1 Python环境搭建
1.2.2 AI第三方库介绍
1.2.3 AI算法的工作流程
1.3 入门案例
1.3.1 分类任务案例
1.3.2 回归任务案例
第2章 半导体大数据与应用案例
2.1 半导体大数据面临的挑战
2.2 半导体大数据的分析方法与应用场景
2.3 基于Wafer Map大数据的良率检测
2.3.1 Wafer Map分析方法与数据集
2.3.2 Wafer Map的缺陷检测原理
2.3.3 Wafer Map缺陷模式识别与相似性检索
2.3.4 用无监督学习实现Wafer Map缺陷相似度检索
2.4 FDC异常检测
2.4.1 传统FDC方法
2.4.2 基于AI算法的FDC应用
第3章 智能工艺仿真
3.1 光刻工艺仿真与加速
3.1.1 光刻工艺仿真概述
3.1.2 基于CNN的光刻仿真加速
3.2 刻蚀偏差与负载效应
3.2.1 什么是刻蚀偏差
3.2.2 刻蚀的负载效应
3.3 刻蚀偏差模型
3.3.1 传统刻蚀偏差模型
3.3.2 基于回归算法的刻蚀偏差模型
3.3.3 基于CNN的刻蚀偏差模型
第4章 工艺缺陷分析与改善
4.1 影响良率的坏点检测
4.1.1 坏点检测与修正概述
4.1.2 传统坏点检测方法
4.1.3 基于AI的坏点检测方法
4.2 缺陷检测与分类
4.3 OPC相关算法
4.3.1 MB-OPC算法介绍
4.3.2 ILT算法介绍
第5章 智能图像量测
5.1 SEM图像分割
5.1.1 传统图像分割方法
5.1.2 基于U-Net的图像分割方法
5.1.3 基于主动学习提升图像分割效率
5.2 基于AI实现SEM三维形貌估计
5.2.1 SEM量测面临的挑战
5.2.2 单目三维深度估计
5.2.3 基于AI的三维深度估计
5.3 构建TEM分割模型：基于视觉大模型
5.3.1 视觉大模型简介
5.3.2 基于生成数据和微调技术的TEM分割模型
5.4 虚拟量测
5.4.1 三大算法
5.4.2 算法应用
5.4.3 应用在线学习提升自更新能力
第6章 机台智能化
6.1 基于边缘AI提升键合精度
6.1.1 晶圆键合对准难题
6.1.2 改进方法与边缘AI算法部署思路
6.2 RAG赋能机台智能运维
6.2.1 RAG简介
6.2.2 利用RAG实现机台智能运维
第7章 AI在材料性质预测中的应用
7.1 计算化学的现状与工具
7.2 图神经网络与材料性质预测
7.2.1 图神经网络简介
7.2.2 图神经网络在材料性质预测中的应用
后折页
封底
机械工业出版社 京icp备14043556号-1 (署)网出证（京）字第214号 Copyright (C) 2001 CmpBook. All Rights Reserved
电话
邮箱
地址
