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，可以大大加速集成电路的纳米级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。

集成电路或微芯片是现代电子产品的基石，它们不断的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，使用传统成像技术检查和测试它们变得更加困难。

一种对纳米级组件成像的有前途的方法是同步加速器X射线叠层摄影层析成像术，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，需要样品和探测器的精确定位，并且可能需要数小时甚至数天才能完成一次重建。

为了加快这一过程，麻省理工学院和阿贡大学的研究人员转向了机器学习。他们训练了一个神经网络来预测物体的准确重建，所用时间仅为通常所需时间的一小部分。他们的网络称为APT或AttentionalPtycho-Tomography，它利用在集成电路内部发现的典型模式形式的正则化先验，以及X射线通过物体传播的物理学。

“神经网络能够从少量数据中学习并进行概括，这使我们能够快速成像和重建集成电路，”该论文的第一作者IksungKang说。研究人员指出，他们的方法显着减少了成像所需的总数据采集和计算时间。他们在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，而通常需要几个小时。

“这种新方法可能是质量保证的有效解决方案，”他们说。“通过加速成像过程，我们还可以让晶圆厂连接到同步加速器X射线源。”

研究人员指出，他们的方法可能对包括材料科学和生物成像在内的多个领域产生重大影响。“我们的研究解决了纳米级物体(例如集成电路)的无创X射线成像的关键挑战，”主要作者说。“我们相信我们的物理辅助和注意力利用机器学习框架可以适用于纳米级成像的其他分支。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：成像射线X