Accélérer l'échelle nanométrique X

Sep 11, 2023

1 juin 2023

Cet article a été révisé conformément au processus éditorial et aux politiques de Science X. Les éditeurs ont mis en évidence les attributs suivants tout en garantissant la crédibilité du contenu :

fact-vérifié

publication à comité de lecture

source fiable

relire

par l'Académie chinoise des sciences

Des chercheurs du MIT et du Laboratoire national d'Argonne ont mis au point une technique d'apprentissage automatique qui pourrait considérablement accélérer le processus d'imagerie par rayons X à l'échelle nanométrique des circuits intégrés, révolutionnant potentiellement la façon dont nous fabriquons et testons l'électronique.

Les circuits intégrés, ou micropuces, sont les éléments constitutifs de l'électronique moderne, et leur miniaturisation continue a conduit à des dispositifs de plus en plus complexes et puissants. Cependant, à mesure que les composants de ces puces rétrécissent, il devient plus difficile de les inspecter et de les tester à l'aide de techniques d'imagerie traditionnelles.

Une méthode prometteuse pour l'imagerie des composants à l'échelle nanométrique est la tomographie ptychographique aux rayons X synchrotron, qui utilise des rayons X à haute énergie pour pénétrer le matériau et créer des images détaillées de la structure interne. Cependant, l'imagerie par rayons X est un processus lent qui nécessite un positionnement précis de l'échantillon et du détecteur, et peut prendre des heures voire des jours pour obtenir une seule reconstruction.

Pour accélérer ce processus, les chercheurs du MIT et d'Argonne se sont tournés vers l'apprentissage automatique. Ils ont formé un réseau de neurones pour prédire des reconstructions précises des objets en une fraction du temps qu'il faudrait normalement. Leur réseau s'appelle APT ou Attentional Ptycho-Tomography, qui utilise des priors de régularisation sous la forme de modèles typiques trouvés dans les intérieurs de circuits intégrés, et la physique de la propagation des rayons X à travers l'objet.

"Le réseau de neurones est capable d'apprendre à partir d'une petite quantité de données et de généraliser, ce qui nous permet d'imager et de reconstruire rapidement les circuits intégrés", a déclaré Iksung Kang, l'auteur principal de l'article. Les chercheurs ont noté que leur approche réduisait considérablement le temps total d'acquisition de données et de calcul nécessaire à l'imagerie. Ils ont testé leur technique sur de vrais circuits intégrés et ont pu capturer des images détaillées en quelques minutes seulement, par rapport aux heures que cela prendrait normalement.

"Cette nouvelle méthode pourrait être une solution efficace pour l'assurance qualité", ont-ils déclaré. "En accélérant le processus d'imagerie, nous pouvons également permettre aux fabs de se connecter aux sources de rayons X synchrotron."

Les chercheurs ont noté que leur approche pourrait avoir des implications importantes pour une variété de domaines, y compris la science des matériaux et l'imagerie biologique. "Notre recherche aborde un défi critique dans l'imagerie par rayons X non invasive d'objets à l'échelle nanométrique, tels que les circuits intégrés", a déclaré l'auteur principal. "Nous pensons que notre cadre d'apprentissage automatique assisté par la physique et utilisant l'attention pourrait être applicable à d'autres branches de l'imagerie à l'échelle nanométrique."

Les travaux sont publiés dans la revue Light: Science & Applications.

Plus d'information: Iksung Kang et al, Ptycho-Tomographie attentionnelle (APT) pour l'imagerie tridimensionnelle à rayons X à l'échelle nanométrique avec un temps d'acquisition et de calcul de données minimal, Light: Science & Applications (2023). DOI : 10.1038/s41377-023-01181-8

Informations sur la revue :Lumière : science et applications

Fourni par l'Académie chinoise des sciences