Xecs FA2IR

FA2IR baut auf dem Penta/Euripides-Projekt FA4.0 auf, das die Effizienz von künstlicher Intelligenz (KI)-Algorithmen bei der Fehleranalyse (FA) erfolgreich demonstriert hat. Ziel des FA2IR-Projekts ist es, verbesserte KI-basierte Methoden für die Mikroelektronik-Fehleranalyse zu entwickeln und FA-Datenbanken KI-fähig zu machen. Der Ansatz des Projekts für die Datenbankinfrastrukturen ist aufgrund der Umsetzung des FAIR-Datenprinzips (Findable, Accessible, Interoperable, Reusable) und neuer Methoden für die KI-basierte Datenbanksuche einzigartig. Die neuartigen und verbesserten Datenstrukturen werden eine Standardisierung der Daten und Interoperabilität der Datenbanken gewährleisten. Dafür werden FA-Ontologie und ein allgemein akzeptiertes Datenformat eingesetzt, um Unternehmen und Lieferanten den mühelosen Austausch von Daten zu ermöglichen, während gleichzeitig ein effektiver Schutz der vertraulichen Informationen gewährleistet wird. Die Verknüpfung von Datenbanken innerhalb der Wertschöpfungskette der Halbleiterentwicklung und -produktion wird ein tieferes Verständnis von Fehlermodus ermöglichen, einschließlich der Fehlerprognose in der Design- und Qualifikationsphase neuer Produkte auf der Grundlage vorhandenen Wissens von vergleichbaren älteren Produkten. Darüber hinaus werden verbesserte KI-basierte Methoden für die Fehleranalyse, wie Bild- und Signalanalyse, Textklassifizierung usw., entwickelt. Die durchschnittliche Analysezeit wird reduziert, und ein höheres Maß an Datenstandardisierung kann auf Basis der Projektergebnisse erreicht werden.

Das ILH ist an der Erforschung und Entwicklung neuartiger KI-basierter korrelativer Datenanalysetechniken beteiligt, einschließlich multimodaler Modelle. Spezifische Anwendungsszenarien umfassen multimodale Machine-Learning-Modelle mit Zeitbereichsreflektometrie (Time Domain Reflectometry, TDR) oder temperatursensitiven elektrischen Parameter (TSEP) Signalmodalitäten, die eine präzisere und nicht-destruktive Fehlererkennung in Halbleiterbauelementen mit breitem Bandabstand ermöglichen werden. Zusätzlich werden durch die Zusammenarbeit mit nationalen und internationalen Partnern KI-fähige Datenbankinfrastrukturen und standardisierte Ontologien für das Gebiet der Fehleranalyse in Halbleiterkomponenten etabliert. Ziel ist es, automatisierte Prozesse für die Datenverarbeitung und -integration zu ermöglichen und die Fehleranalyse in Halbleiterbauelementen effizienter und genauer zu gestalten.

Deutschland: Infineon (including Uni Klagenfurth), Bosch, Zeiss, Fraunhofer IWMS, PVA TePLA, Matworks, University of Stuttgart

Schweden: RISE, Ericsson,  Gimic,  Alstom

Niederlande: NXP, Maser