第175章 这AI显然是进化了！ (第1/2页)
　　
　　“我再确认一下，”纪弘问道：“申总这边是提供了一个DUV的成熟方案，然后按照自己的理解，升级了一套EUV的方案，对吧？”
　　
　　“是这样的没错！”申再平心里此刻也有了一定的猜测了，但这个猜测过于大胆，于是小心翼翼谨谨慎慎的思索了一番，最终重重的点了点头。
　　
　　“然后就是，各大零部件供应商的子系统相关数据，”纪弘看向了张博，这方面的东西是他在记录。
　　
　　“嗯。”张博拿出了自己的平板电脑，找出了相应的工作笔记：“我和刘院士来到这里，第一时间就利用科学院的关系，联系和整合了EUV光刻机所能用到的所有零部件的供应商。
　　
　　“也是第一时间拿到了他们的产品文档和参数，尤其是科学院的相关科研院所非常支持我们，产品研发的全流程数据都给我们了。
　　
　　“而这些都用于了AI的训练。”孙博说道：“还有这个，你看看。”
　　
　　孙博递过来的，赫然是他这一段时间的心得，也就是那本《如何驾驭类思维AI——以EUV光刻机的研发进程为例》。
　　
　　光刻机研发过程中的整体AI训练他并没有整理，但是各个零部件是怎么突破的，他这里边记录的就非常清楚。
　　
　　比如，光源系统。
　　
　　“钛宝石13.5 nm极紫外光源系统是科学院下属的几個研究院联合好几所大学共同研发的，我们拿到这套系统的时候，它实际还不完善。”
　　
　　孙博介绍道：“最起码用于光刻机是不够的，高次谐波产生的过程能量转换效率还非常低，无法维持光源的长期稳定。科学院也想了很多方案，但最终都没有解决。
　　
　　“我们来看看，对于这个零部件，AI是怎么思考的。”孙博已经习惯了说这样的话，在他的眼里，AI就是在思考：
　　
　　“看这里，它首先判断光源不稳定的因素是温度漂移。”
　　
　　“等等。”纪弘打断了他：“你怎么知道AI是这么判断的？”
　　
　　“计算出来的啊！”孙博理所当然的说道：“截取这些结果片段，通过模型与函数分析，后续的这些改进都是围绕控温进行的。”
　　
　　孙博说着，还展示了他的数学运算成果，一个一个函数、模型、方法那是演化缭乱，纪弘也是直接摆了摆手让他收起来。
　　
　　既然是通过定点采样然后通过数学模型计算出来的，他就不看了。孙博在数学方面的造诣实在是太高，看也看不懂，但是结果应该是没有什么问题。
　　
　　“但是，控温没有解决问题。”孙博接着说道：“预计AI推演了得有十几万次，然后不得不放弃了这个方案。”
　　
　　纪弘点了点头，他刚刚在整理数据的时候也发现这里的这个AI模型具有的一种独特的性质——会放弃。
　　
　　“但是你知道吗，我后来问了我光电所的一个同事，他们的思路也是控温，而且直到现在还在不断的尝试。”
　　
　　对于科研人员来说，一次又一次的失败才是常态，什么时候能够成功，那不仅要靠实力，有时候还需要一点点的运气。
　　
　　哪怕是爱迪生，在发明灯泡的时候，也尝试了上千种的材料进行上千次的尝试才成功的。
　　
　　人尚且如此，AI就更不用说了，尝试几万十几万次失败那是非常正常的事情。
　　
　　但是，AI尝试是几万次的耗时，一天半！
　　
　　孙博惊为天人也是因为此——一天半，这个时间，科学院的那些人写一次方案的时间都不够！
　　
　　你这边一次都没搞完，AI模拟，十几万次都过去了！
　　
　　这样的差距，怎么能不令人绝望？
　　
　　“绝望什么？”纪弘笑道：“AI的存在就是为人类提供效率支撑的啊！而且，AI的模拟推演，不一定百分百精准，他只是把可能性最大的方法给实验人员筛出来了，然后再去实际生产验证。最终还是要走实际验证这一步的。”
　　
　　下边的东西纪弘就看的非常明白了，温控未能起效，AI也是尝试了非常多的其他方案，而其他方案所需要的设备和硬件的参数和数据，更是需要实验室的工作人员去补充。
　　
　　这些参数和数据应该是务必要求精准的，一旦有差，结果可能就会谬以千里了。
　　
　　“也不尽是如此，”孙博立即又找出了一个案例：“比如这组数据，我们的工作人员在输入的过程中出错了，哪怕几重校验都没发现。
　　
　　“但是你看，AI推演了几轮，就告警了，它认为这个数据偏离不符合一般分布，直接让我们确认。”
　　
　　“用的数学分析的方法？”纪弘问道，他知道，数学统计和分析在一定程度上是能够筛出异常数据的。
　　
　　“是。”孙博又说道：“但是这种计算，我做不到。或者说，我做不到那么快。”
　　
　　“跟AI比速度，你才叫找虐呢！”纪弘嘀咕了一句，然后继续往后看AI的处理，AI最终敲定的方案是：
　　
　　引入校准光路，标定以及引导光路搭建与调节。
　　
　　而这个方案，实施起来非常之简单，只需要在驱动激光的同轴光路上，加入一个单模低功率绿光激光器就可以了。
　　
　　不仅如此，这个方案还可以同时应用于稳定控制系统的标定。
　　
　　最终形成了这么一套光束稳定控制系统，完成了相关的方案。
　　
　　AI是怎么解决光源长期稳定运行这个问题的，纪弘虽然感兴趣，但他更感兴趣的，是这个分支的AI发生的这些个变化以及应用。
　　
　　根据申再平的工作记录，以及张博按照AI的需求提供的各个零部件的参数以及整理出来的相关资料，依据这次EUV光刻机的研发进程，纪弘总结了如下的步骤：
　　
　　第一步：将DUV光刻机的成熟方案当作素材输入到了训练库中。
　　
　　第二步：类思维AI将这个成熟方案分解成了若干个模块。
　　
　　第三步：单独升级其中的关键模块，甚至每一个模块。
　　
　　第四步：将升级过后的模块替换掉步骤一当中的原始模块。
　　
　　第五步：重复第一步。
　　
　　……
　　
　　“你们看似只提供了一套DUV的成熟方案，和供应商的能够应用于EUV的零部件，AI其实已经循环迭代无数次了。
　　
　　“不仅EUV光刻机的整体是如此，很多零部件的解决方案也是类似于这样的过程。
　　
　　“都是经过几万十几万甚至更多次数的推演，才最终给我们提供的最优选择。这个最优选择，几乎就是成功的选择。”
　　
　　AI的过往历史训练数据十分庞大，仅仅整理出一部分，就耗费了一众人一个星期的时间。而纪弘也是得出了这样的结论。
　　
　　
　　
　　（本章未完，请点击下一页继续阅读）