論文の概要: Automated Discovery of Laser Dicing Processes with Bayesian Optimization for Semiconductor Manufacturing

• arxiv url: http://arxiv.org/abs/2511.23141v1
• Date: Fri, 28 Nov 2025 12:46:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.891484
• Title: Automated Discovery of Laser Dicing Processes with Bayesian Optimization for Semiconductor Manufacturing
• Title（参考訳）: 半導体製造のためのベイズ最適化によるレーザダイシングプロセスの自動発見
• Authors: David Leeftink, Roman Doll, Heleen Visserman, Marco Post, Faysal Boughorbel, Max Hinne, Marcel van Gerven,
• Abstract要約: 本稿では,産業用LASER1205ディクショニングシステム上で製造可能なレーザディクショニングプロセスの自動化について紹介する。 素のシリコンおよび製品ウェハでは、生産速度、ダイ強度、構造的整合性において専門家の基準線に適合または超えるような、実現可能な構成を自律的に提供する。
• 参考スコア（独自算出の注目度）: 1.0777414809254018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Laser dicing of semiconductor wafers is a critical step in microelectronic manufacturing, where multiple sequential laser passes precisely separate individual dies from the wafer. Adapting this complex sequential process to new wafer materials typically requires weeks of expert effort to balance process speed, separation quality, and material integrity. We present the first automated discovery of production-ready laser dicing processes on an industrial LASER1205 dicing system. We formulate the problem as a high-dimensional, constrained multi-objective Bayesian optimization task, and introduce a sequential two-level fidelity strategy to minimize expensive destructive die-strength evaluations. On bare silicon and product wafers, our method autonomously delivers feasible configurations that match or exceed expert baselines in production speed, die strength, and structural integrity, using only technician-level operation. Post-hoc validation of different weight configurations of the utility functions reveals that multiple feasible solutions with qualitatively different trade-offs can be obtained from the final surrogate model. Expert-refinement of the discovered process can further improve production speed while preserving die strength and structural integrity, surpassing purely manual or automated methods.
• Abstract（参考訳）: 半導体ウェハのレーザーダイシングはマイクロエレクトロニクス製造において重要なステップであり、複数のシーケンシャルレーザーがウェハから正確に個別のダイを通過させる。 この複雑なシーケンシャルなプロセスを新しいウエハ素材に適用するには、プロセスのスピード、品質の分離、材料の整合性のバランスをとるために、数週間の専門的な努力が必要である。 本稿では,産業用LASER1205ディクショニングシステム上で製造可能なレーザディクショニングプロセスの自動化について紹介する。 本研究では,高次元・制約された多目的ベイズ最適化タスクとして問題を定式化し,高価な破壊死強度評価を最小化するために,逐次2段階の忠実度戦略を導入する。 素シリコンおよび製品ウエハ上では,技術レベルの操作のみを用いて,製造速度,ダイ強度,構造的整合性といった専門家の基準値に適合あるいは超えるような,実現可能な構成を自律的に提供する。 実用関数の異なる重み構成のポストホックな検証により、最終的なサロゲートモデルから、質的に異なるトレードオフを持つ複数の実現可能な解が得られることが明らかになった。 発見されたプロセスのエキスパートリファインメントは、死の強さと構造的整合性を保ちながら、純粋に手動または自動化された手法を超越しながら、生産速度をさらに向上させることができる。

関連論文リスト

• Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production [2.087827281461409]
  鉄鋼プラントのサステナビリティ, 効率, コスト効果を改善するために, スマートマニュファクチャリングのためのディジタルツインベースのアプローチについて検討する。 当社のシステムは,プロセスからリアルタイムセンサデータを,収束したネットワークインフラストラクチャ上でディジタルツインに取り込み,マイクロサービスエッジ計算プラットフォームを基盤としている。 当社のアプローチの鍵となるのは、機械学習操作(MLOps)駆動システムで使用されているDeep Reinforcement学習ベースのエージェントで、システム状態とデジタルツインを自律的に関連付け、プラントの電力設定を最適化することを目的とした修正動作を特定する。
  論文  参考訳（メタデータ） (2025-11-19T05:29:43Z)
• Neuro-inspired automated lens design [49.79054309060706]
  OptiNeuroは、さまざまな初期構造を生成し、徐々にレンズを除去する新しい自動レンズ設計フレームワークである。 複雑な非球面レンズの設計を完全に自動化することにより、OptiNeuroは準人間レベルの性能を示し、人間の介入を最小限に抑えた複数の実行可能な候補を特定する。
  論文  参考訳（メタデータ） (2025-10-11T03:14:56Z)
• AutoChemSchematic AI: Agentic Physics-Aware Automation for Chemical Manufacturing Scale-Up [2.5875933818780363]
  現在のAIシステムは、重要なエンジニアリングスキーマを確実に生成することはできない。 産業用PFDとPIDの自動生成のためのクローズドループ物理対応フレームワークを提案する。 本研究では,本フレームワークが高忠実度でシミュレータ検証されたプロセス記述を生成することを示す。
  論文  参考訳（メタデータ） (2025-05-30T13:32:00Z)
• Reinforcement Learning on Reconfigurable Hardware: Overcoming Material Variability in Laser Material Processing [3.958366734801974]
  本研究では,実時間実行を実現するためにフィールドプログラマブルゲートアレイ上に実装された,レーザプロセス制御のための新しいリアルタイム強化学習手法を提案する。 具体的には、このアルゴリズムは各一意な表面特性に対する正しいパワープロファイルを学習し、手動の最適定電力戦略よりも大幅に改善された。 このアプローチは、レーザープロセスの自動化と最適化において大きな進歩を示し、複数の産業で応用される可能性がある。
  論文  参考訳（メタデータ） (2025-01-31T12:51:55Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• One-Step Diffusion Distillation via Deep Equilibrium Models [64.11782639697883]
  本稿では,拡散モデルを初期雑音から得られた画像に直接蒸留する簡易かつ効果的な方法を提案する。 本手法は,拡散モデルからノイズ/イメージペアのみによる完全オフライントレーニングを可能にする。 GET は FID スコアの点で 5 倍の ViT と一致するので,DEC アーキテクチャがこの能力に不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-12T07:28:40Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。