用机器学习加速集成电路的纳米级X射线成像
发布时间：2023-06-02 08:00:00 阅读数： 92
(A) 同步辐射X射线层析成像是一种能够对纳米级结构进行三维成像的技术。(B) 通过使用比黄金标准更少的断层扫描，加速了这一过程。(C) 然后可以采用机器学习算法来生成高质量的集成电路重建，即使信息有限。资料来源：Iksung Kang
来自麻省理工学院和阿贡国家实验室的研究人员开发了一种机器学习技术，可以大大加快集成电路的纳米级X射线成像过程，有可能彻底改变我们制造和测试电子产品的方式。
集成电路，或称微芯片，是现代电子产品的组成部分，它们的持续小型化导致了越来越复杂和强大的设备。然而，随着这些微芯片组件的缩小，使用传统的成像技术来检查和测试它们变得更加困难。
对纳米级元件进行成像的一个有前途的方法是同步辐射X射线层析成像，它使用高能X射线穿透材料并创建内部结构的详细图像。然而，X射线成像是一个缓慢的过程，需要对样品和探测器进行精确的定位，并且可能需要几个小时甚至几天的时间才能得到一个重建。
为了加快这一过程，麻省理工学院和阿贡的研究人员转向了机器学习。他们训练了一个神经网络，以预测物体的精确重建，而所需时间只是通常情况下的一小部分。他们的网络被称为APT或Attentional Ptycho-Tomography，它利用了在集成电路内部发现的典型模式的正规化先验，以及X射线在物体中传播的物理学。
"论文的主要作者Iksung Kang说："神经网络能够从少量的数据中学习并进行归纳，这使我们能够快速对集成电路进行成像和重建。研究人员指出，他们的方法大大减少了成像所需的总数据采集和计算时间。他们在一个真实的集成电路上测试了他们的技术，并且能够在短短几分钟内捕捉到详细的图像，而这通常需要几个小时。
"他们说："这种新方法可以成为质量保证的一个有效解决方案。"通过加速成像过程，我们还可以使工厂连接到同步辐射X射线源"。
研究人员指出，他们的方法可能对各种领域产生重大影响，包括材料科学和生物成像。"我们的研究解决了纳米级物体（如集成电路）的无创X射线成像的一个关键挑战，"主要作者说。"我们相信，我们的物理学辅助和利用注意力的机器学习框架可以适用于纳米级成像的其他分支。"
这项工作发表在《光》杂志上： 科学与应用
参考资料：Iksung Kang et al, Attentional Ptycho-Tomography (APT) for three-dimensional nanoscale X-ray imaging with minimal data acquisition and computation time, Light: Science & Applications (2023). DOI: 10.1038/s41377-023-01181-8
