【應材專家晶片談】晶片縮小的同時,成本卻急遽上升?
應材技術專家Regina Freed分享,
因為先進製程含有許多材料層,
而這些種類不同、尺寸不一的材料層,
最終卻要完好地相互連接,並且要一致地縮小架構,
提高了晶片工藝技術的複雜性。
Q1 沒有達到上述兩個條件會如何?
造成邊緣位置錯誤 (Edge placement errors, EPE),提高電阻值並降低效能,導致良率下降。
-
Q2 有什麼方法可以解決呢?
過去透過各個製程步驟來改善,但應材從材料本質切入解決,還協助客戶減少製程步驟、降低研發成本,並加速進入市場!
-
Q3 進行先進製程中會遇到什麼問題嗎?
應材專家提出先進製程會遇到的三大挑戰及解決方案!
1️⃣ 使用四重圖案化技術縮小時,多次的沉積及蝕刻會增加成本和複雜性外,也會劣化特徵尺寸 (critical dimension) 的解析度。
解決方案 👉 方形間隔側牆 (Square Spacers)
2️⃣ 傳統的微影及蝕刻技術不論在水平或是垂直方向,圖形之間的距離均有最小極限。當需求無法滿足時,製造商就被迫增加製程步驟來彌補其不足。
解決方案 👉 橫向蝕刻 (Lateral Etch)
3️⃣ 為了解決邊緣位置錯誤 (EPE),進行沉積時將面臨兩項挑戰,一為晶圓的潔淨度,二為材料垂直沉積時,也會增加水平的厚度。因為這些挑戰,大部份的選擇性沉積膜必須非常薄。
解決方案 👉 選擇性製程技術 (Selective Processing)
-
專家用圖文、影像、數據讓你一清二楚 →
http://blog.appliedmaterials.com/materials-enabled-patterning
by 應材圖案化技術部門協理Regina
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「processing圖形」的推薦目錄:
- 關於processing圖形 在 台灣應用材料公司 Applied Materials Taiwan Facebook 的最佳解答
- 關於processing圖形 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於processing圖形 在 紀老師程式教學網 Facebook 的最讚貼文
- 關於processing圖形 在 コバにゃんチャンネル Youtube 的最佳解答
- 關於processing圖形 在 大象中醫 Youtube 的最讚貼文
- 關於processing圖形 在 大象中醫 Youtube 的最讚貼文
- 關於processing圖形 在 Oreilly歐萊禮中文圖書, profile picture - Facebook 的評價
processing圖形 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
AI演算法模型於交通運輸市場應用
科技產業資訊室 (iKnow) - 何思穎、張小玫 發表於 2020年4月28日
由於大眾對汽車及駕駛員安全、運輸成本降低以及自駕車發展的關注度日益提升,導致人工智慧(AI)在運輸市場中快速成長。2017年市場價值為14億美元,預計到2023年將達35億美元,2018-2023年的複合年均成長率(CAGR)為16.5%。AI在運輸業中涉及電腦視覺(computer vision)、深度學習(deep learning)和自然語言處理(natural language processing)。
AI系統將會嵌入攝影機、雷達偵測(RADAR)感測器以及光達(LiDAR)等硬體設備,進而安裝在測試中的全自動駕駛車內,包括AI應用程式分為:人機界面(HMI)和先進駕駛輔助系統(ADAS)。AI產品分為軟體和硬體。2013-2017年以軟體主導了市場且預計2018-2023年期間也將持續主導地位,這要歸因於HMI應用程式中,軟體作為平台部署的情形成長,譬如Microsoft Azure。
交通運輸之AI演算法模型,如下:
類神經網路(ANNs)
說明:類人腦之神經網路,透過先前的經驗和變化權重的資料點(data point)來做出決策。類神經網路可以透過處理大量資料解決複雜的問題,檢測非線性關係。
用途:部份較複雜的全球定位系統(GPS)透過GPS、加速儀(accelerometer)和磁量計(magnetometer)搜集資料,利用類神經網路來決定運輸模式。類似於人類透過多個資料點的考量來「感受」距離。此外,在公共場合中應用類神經網路模型可以幫助預測公車抵達公車站的時間。
類免疫系統(AIS)
說明:該演算法的靈感來自於人類生物學,特別是人體如何對又稱為抗原的致病原(disease-causing agent)做出反應。AIS模擬了人體免疫系統的特徵抽取(feature extraction)、圖形辨識(pattern recognition)、學習和記憶。
用途:AIS在圖形辨識、異常檢測(anomaly detection)、分群(clustering)、最佳化(optimization)、規劃(planning)和排程(scheduling)。工程師利用AIS創建了即時調整支援系統,以在網路受到干擾時,幫助公共運輸網路找到解決方案。
模糊邏輯模型(Fuzzy Logic Model)
說明:模擬人類的決策制訂而來的,模糊邏輯指定資料於0到1之間的數值以展現不確定性。該系統已經使用了30多年,最適用於條件模糊且每個動作的結果都是未知的情況。
用途:模糊邏輯具有模擬曖昧且不明確的交通及運輸規劃問題的潛力,同時具備交通控制應用程式,因為模糊邏輯可以在十字路口發出時間訊號,決定汽車應該停留的時間長度。
蟻群最佳化演算法(ACO)
說明:該演算法模擬了蟻群的行為,就是螞蟻根據自己選擇較短路徑以及其他路徑的螞蟻透過費洛蒙分享經驗的選擇方式。該機制幫助螞蟻在兩點之間找尋最快路線。在電腦科學中,這個問題也被稱為旅行推銷員問題(Traveling Salesman Problem),其中一個推銷員必須拜訪X個城鎮,然後以最小的成本回到起點。
用途:蟻群演算法可以用於選擇更好的公共交通巴士路徑,也可以用於沿途接客的共乘平台,如:Uber Pool。
蜂群最佳化演算法(BCO)
說明:與ACO相似,該算法以蜜蜂的集體覓食運動為例,體現了有組織的團隊工作、協作和緊密溝通。蜜蜂在蜂巢內的運動幫助科學家最佳化汽車的移動。
用途:蜂群演算法可以用於最佳化旅行路徑,減少通勤時間、等待次數、延遲以及空氣/噪音汙染。如:AirB&B
企業合資及併購活動方面,大型汽車OEM製造商正收購具技術取向的新創產業,並且從自動駕駛卡車及其他商業用車輛切入市場。譬如,特斯拉於2017年11月推出具有半自動功能的電動卡車(semi-truck)。此外,nuTonomy Inc.、TuSimple Inc.和Nauto Inc.等新創企業也正著手製造配有自動駕駛系統的商用車和客車。因此,製造商跨業整合會越來越多及著重安全性考量的自駕車技術,正在擴展市場的進步。
附圖:圖、AI演算法模型於交通運輸市場應用
圖、AI在全球運輸市場中價值成長
資料來源:https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=16578
processing圖形 在 紀老師程式教學網 Facebook 的最讚貼文
[學習資源] 莫煩 Python:Python 與 機器學習的免費影音教學網站(簡中)
網站總網址: https://is.gd/yknI1f
--------(本文開始)--------
大家好!前幾天分享了我製作的「機器學習」課程的第一章講義,有一些朋友詢問,有沒有值得推薦的機器學習網站?最好還是中文、免費的?
哈哈~雖然大家提出的要求,有時候會讓我去扶額頭上的三條線,不過我還是很努力地幫各位找到一個包含「Python」、「機器學習」的影音教學網站。而且還是講中文、免費的!那就是「莫煩 Python」這個網站。
這個網站的總網址,我已經提供在最上面了( https://is.gd/yknI1f )。底下我會講一大堆網址,不過都可以從上述總網址存取得到。我提供一堆網址的原因,就只是帶大家逛一圈這個網站而已。
首先,作為程式開發的作業系統,Linux 是最棒的了!不僅完全免費,而且資源豐富。一些軟體,只要打開命令列視窗,輸入「sudo apt-get install 軟體名稱」,不一會兒,它就裝好了。連「下一步、下一步...」都不用按!可惜很多朋友聽到要用命令列視窗,就退三步不想用。太可惜了!莫煩 Python 這個網站幫大家準備了 Linux 的簡易教學課程。全程都有影片,講中文。各位可以參考這裡:
https://is.gd/HVYpqM
再來,很多人都想學習原始碼版本控管軟體 Git,這邊也有完整的影音教學:
https://is.gd/V40jlO
接下來就是 Python 這個語言的學習了。這個網站也提供了「基礎」、「多工」、「視窗程式設計」三個主題的 Python 語法教學。算得上是相當全面的學習資源了:
https://is.gd/X7T8E9
其次,想學機器學習,一定得有訓練機器學習模型的資料,以及熟練機器學習三大函式庫:NumPy、Pandas、Matplotlib。所以,底下這個網頁,會完整幫您打好機器學習的基礎知識:
https://is.gd/7IWHLL
最後,就是大家想學的機器學習。網址在這裡:
https://is.gd/bitBnm
不過它排列的順序有點亂。我會推薦大家用以下的順序來學:
1. 機器學習通用:SciKit-Learn ( https://is.gd/0OEfaQ )
2. 有趣的機器學習 ( https://is.gd/Betq11 )
3. 強化學習 Reinforcement Learning ( https://is.gd/SgBW9v )
4. 從頭開始實踐機器學習 ( https://is.gd/PTqX7p )
5. 神經網絡:TensorFlow( https://is.gd/tjKAph )
6. 神經網絡:PyTorch( https://is.gd/TS3Yvb )
7. 神經網絡:Theano( https://is.gd/By7QiB )
8. 神經網絡:Keras( https://is.gd/bsGYaW )
最後,幫大家整理一下,我認為這個網站最佳的學習順序:
Part 1. 程式設計工具
1. Linux 作業系統: https://is.gd/HVYpqM
2. Git 原始碼版本控管工具: https://is.gd/V40jlO
Part 2. Python 語言
1. 基礎語法: https://is.gd/DqjjVr
2. 多工(Multi-threading): https://is.gd/LoBUm1
3. 多工(Multi-Processing): https://is.gd/Gr8fKf
4. 圖形使用者介面(GUI)程式設計--使用 tkinter: https://is.gd/06oUHz
Part 3. 資料收集&處理
1. NumPy & Pandas: https://is.gd/sToqS9
2. MatPlotLib: https://is.gd/ZWUw0T
3. 網路爬蟲: https://is.gd/Zf6uPv
Part 4. 機器學習
1. 機器學習通用:SciKit-Learn: https://is.gd/0OEfaQ
2. 有趣的機器學習: https://is.gd/Betq11
3. 強化學習 Reinforcement Learning: https://is.gd/SgBW9v
4. 從頭開始實踐機器學習: https://is.gd/PTqX7p
5. 神經網絡:TensorFlow: https://is.gd/tjKAph
6. 神經網絡:PyTorch: https://is.gd/TS3Yvb
7. 神經網絡:Theano: https://is.gd/By7QiB
8. 神經網絡:Keras: https://is.gd/bsGYaW
另外,可以考慮我在 YOTTA 平台開設的 Python 線上學習課程。一門課程,除了 Python 基礎語法外,還包含「計算機概論」、「Git & GitHub」等主題。目前獲得 15 位同學評價,一律評等為 5 星!希望大家喜歡!課程首頁在此:
https://is.gd/nF4yBi
希望大家喜歡今天的分享!請大家多多按讚鼓勵、轉發分享。或追蹤我的 FB、YouTube、以及 Instagram 喔~
---------------
Facebook 粉絲頁(歡迎追蹤): https://goo.gl/N1z9JB
YouTube 頻道(歡迎訂閱): https://goo.gl/pQsdCt
Instagram 日常生活: https://goo.gl/nBHzXC
processing圖形 在 Oreilly歐萊禮中文圖書, profile picture - Facebook 的推薦與評價
【新書報到】 Processing 讓你輕輕鬆鬆就能學會程式設計,有了Processing 這個簡單的程式語言,你可以繪圖、建立動畫以及互動式圖形。 本書會讓你直接切入好玩又具創意 ... ... <看更多>