将人工智能应用于FTCO™（Fab Technology Co-Optimization）
用试错法进行实验设计（DoE）是工程师优化晶圆制造工艺的常用方法，但晶圆制造不仅昂贵而且耗时，这种方法的迭代成本十分高昂。通常，调整未达到目标的工艺参数，需要数周到数月时间来做实验。
在本次研讨会中，我们将为您介绍一种新方法：FTCO™（Fab Technology Co-Optimization），这一方法已经成功应用于实际生产中。FTCO基于生产工艺中的物理和化学机制，利用人工智能（AI）和机器学习（ML）生成精确的TCAD数字模型（数字孪生）。使用DoE方法测试和分析数字孪生模型，无需进行真实流片，从而大大节省了制造相关的时间和费用。
我们将在本次研讨会上通过案例为您介绍FTCO流程，让您深入了解该流程以及如何助力您或团队的工作。
您将学习到：
- FTCO简介
- 数字孪生
- 机器学习
- FTCO™ (Fab Technology Co-Optimization)
- Silvaco FTCO相关仿真工具介绍
- FTCO用于工艺裕度分析
- 案例：STI沟槽建模和优化
- RTSM：二维结构实时建模工具
- 其他FTCO案例
讲师简介
Christian Caillat 博士
Christian Caillat博士是Silvaco资深CAE，常驻美国爱达荷州博伊西。在2023年6月加入Silvaco之前，他在美光科技（Micron Technology）工作了13年，曾参与或领导了多个项目，例如参与和比利时微电子研究中心（IMEC）合作的新兴存储发展计划、担任3D NAND Cell团队负责人和先进存储建模项目等。
Caillat博士拥有法国格勒诺布尔国立理工学院的电子工程学位和微电子学博士学位。
建议参会人员：
TCAD工程师、晶圆厂工程师、工艺工程师、产品经理和工程管理人员。
时间:
圣克拉拉时间：
2024年7月25日 10:00 – 10:30
巴黎时间：
2024年7月25日 11:00 – 11:30
北京时间：
2024年7月25日 10:00 – 10:30
地点: 线上
语言: 英文