ניו-טק מגזין | ספטמבר 2018

נקבעים על פי התוצאה שאותה נרצה לקבל, ושלב ההפעלה או ה'חיזוי' בו האלגוריתם מופעל בזמן אמת. תכונה חשובה של כל אלגוריתם מסוג זה היא רמת הקיבולת שלו, תכונה המתארת את יכולתו לתפקד נכונה עבור מסדי נתונים המתארים תופעות פשוטות (קיבולת נמוכה) או מסובכות (קיבולת גבוהה). ככל שקיבולת האלגוריתם גבוהה יותר, כך אימון האלגוריתם כרוך בקביעת פרמטרים רבים יותר. לדוגמא עבור תיאור בעיית תגובה לינארית נידרש לאלגוריתמי רגרסיה לינארית, אולם לתרגום שפה ו/או זיהוי סוגי עצמים בתמונות טבעיות נידרש לאלגוריתמים מסוג רשתות נוירונים עמוקות. אימון אלגוריתם עם קיבולת גבוהה דורש הרבה נתונים ולכן גם יכולת חישובית גבוהה. זוהי הסיבה לכך שאלגוריתמים אלה מיושמים לרוב במערכות מחשב המכונות 'ביג דאטה'. אלו מסוגלות לשמור כמויות דאטה בהיקפי פטה-בייטים ואקסה-בייטים, וניחנות ביכולות חישוב וניהול מבוזרות (כלומר אימון האלגוריתם יכול להתבצע במקביל על תת קבוצות שונות של נתונים וכך להפחית את זמן החישוב). הזמינות היחסית גבוהה של נתונים, של מערכות השמירה והניהול שלהם, ושל יכולות חישוב, הובילו בעשור האחרון למספר פריצות דרך בתחומים שונים כגון אלה של ראייה ממוחשבת ועיבוד שפה טבעית, המבוססות על שימוש באלגוריתמים אלה ובמערכות ביג-דאטה. למידת מכונה במטרולוגיה אופטית של ממדים קריטיים supervised אלגוריתמי למידת מכונה מסוג מאומנים לחזות נכונה את ערכי הפרמטרים הפיסיקליים של השבב בהינתן אותות אופטיים המוחזרים ממנו. זאת ללא צורך במודל פיסיקלי וגיאומטרי תלת ממדי של השבב ובכך ייחודם המאפשר להשתמש בהם גם במקרים בהם השימוש במשוואות מקסוול הוא קשה במיוחד בשל מבנים תלת ממדים בעלי יחס עומק-רוחב גדול או כשהמבנה הנבחן איננו מחזורי. בנוסף, היעדר המודל התלת ממדי מחליש את השפעתם של אילוצים פיסיקליים בין

חתימות ספקטרליות באותות האופטיים, שבתורם עלולים להקשות על בניית פתרון אלגוריתמי. לדוגמא, השילוב בין מכשיר Integrated מטרולוגיה משולב-תהליך ( ) עם אלגוריתם מבוסס Metrology : IM פתרון משוואות מקסוול, עלול להתקשות בחיזוי של עומק של תהליך איכול מצע הסיליקון. זאת כיוון שבסביבה תלת מימדית מסובכת המכילה הרבה דרגות חופש גאומטריות, יש צורך בשילוב של הרבה עבודת מומחה ובהרבה סוגים של אותות אופטיים שונים כדי לפתור קורלציות ספקטרליות. לעומתו, במקרה כזה, אלגוריתם למידת מכונה יתאמן למצוא קשרים סטטיסטיים (לדוגמא בין עומק איכול ה'חור' בסיליקון לרוחבו), וינצלם על מנת לחזות נכונה את עומק האיכול; זאת אפילו עם עושר האותות . בנוסף IM האופטיים המוגבל של מכשיר ה- לכך, היעדר התערבות מומחה הופכת את האלגוריתמים לכאלו היכולים להפוך לאוטומטיים. השימוש באלגוריתמי למידת מכונה ומערכות ביג-דאטה מאפשר לחזות פרמטרים פיסיקליים קשים למדידה באמצעים אופטיים, ומספק את היכולת לייצר פתרון שלם באמצעות אלגוריתמי אוטומציה ובנוכחות מערכת ביג-דאטה. בעשור האחרון נכחנו לראות עושר רב של OCD פתרונות מסוג למידת מכונה בתחום ה- ) ניתן לראות את 1( . בגרף APC ובתחום ה- הדיוק של אלגוריתם למידת מכונה המאומן i 500 על אותות אופטיים של מכשיר מסוג של חברת נובה (מכונה לה ערוץ מדידה אחד המאיר ואוסף את האור בניצב לדגימה בשני קיטובים מאונכים זה לזה) כדי לחזות את עוביו של מבנה תלת ממדי שנמדד על ידי ). ניתן לראות SEM מיקרוסקופ אלקטרוני ( את יכולת האלגוריתם לשחזר באמצעים , שהיא SEM אופטיים את רזולוציית ה- בסדר גודל של ננומטר בודד ופחות. השחזור הוא מצוין ושגיאתו כחצי ננומטר. ) מוצג הדיוק של אלגוריתם 2( בגרף

פרוסת סיליקון בתמונת פתיחה: « בכניסתה למכשיר מדידה אופטי מתקדם של חברת נובה T600-MMSR מסוג מכשירי מדידה.

כללי יותר, מידע מלא על המבנה התלת ממדי שיצר התהליך. מכשירי מדידה אלה, ביחד עם אלגוריתמי מדידה מספקים פתרונות של מטרולוגיה אופטית של OCD - Optical Critical ממדים קריטיים ( .) Dimension הוא OCD חלק בלתי נפרד מפתרון ה- אלגוריתם הפיענוח של הקרינה המוחזרת מהמבנה שנמדד. סוג אחד ומרכזי של אלגוריתמי פענוח כאלה מבוסס פתרון נומרי של משוואות מקסוול שמתארות את השדות האלקטרומגנטיים המעורבים בקרינה המוקרנת על השבב וזו המוחזרת ממנו. בקצרה, אלגוריתמים אלה מחשבים את תכונות ההחזרה של המבנה התלת ממדי של השבב ואת תלותן בגאומטריה. אז, האות האופטי המדוד מושווה למחושב ואלגוריתמי אופטימיזציה מוצאים את הגדלים הגאומטריים עבורם ההשוואה היא מיטבית. היסוד הפיסיקלי והגאומטרי של שיטה זו הוא מרכזה כך שעל מפתח האלגוריתם תחילה לפתח מודל תלת ממדי של השבב וסביבתו, זאת מתוך הכרת התהליך הפיסיקלי, אז לקבוע את ערוצי המדידה המיטביים עבור מדידה של הגודל הגאומטרי הרצוי ואז לקבוע את הפרמטרים הנומריים הכרוכים בפתרון משוואות מקסוול. זהו תהליך מורכב הדורש מומחיות אלגוריתמית ואפליקטיבית, אולם בסופו מקבל המפתח מודל פיסיקלי מלא את השבב ותגובתו האופטית לקרינה.

למידת מכונה, בינה מלאכותית וביג דאטה

בלמידת מכונה מפותחים אלגוריתמי חיזוי המבוססים נתונים בלבד, וזאת כתת-תחום של בינהמלאכותית. כלאלגוריתםשל למידת מכונה נתון באחד משני שלבים של הפעלה: שלב 'אימון המודל' בו פרמטרי האלגוריתם

27 l New-Tech Magazine