，然后点击“添加到主屏幕” 爱看文学 www.2kwx.com，年近三十，科技立业无错无删减全文免费阅读！
>
世界模型一直在运行，65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用，流片式仿真的训练也一直在进行。
类推能力，尤其是精密工业领域的类推能力也有了不少的提升。
比如今天发现的这个问题，改进了之后能有多少提升，AI都已经做过类推了。
但方式不重要，能发现问题，能优化和改进才是最关键的。
“能调整吗？”纪弘问道。
“当然能！”曾学成信心十足：“即便是梁松老师在，也是他指出问题，然后我带人实施的。”
“嗯。”纪弘点了点头：“那正好，来吧，试试看。”
设备是不需要动的，而程序的设计和优化，纪弘也带来了神器——完整版本的灵犀。
曾学成带着团队分工协作，很快，优化工作就完成了。
安装，重启，测试当即进行。
“边界更加清晰了。”
高倍显微镜下，样品对比数据很明显。曾学成是这么说的，但纪弘确实没看出来。
“具体如何，还得看良率有没有提升。”纪弘对肉眼观测的东西不太信任，尤其是曾学成，纪弘感觉他太激动了，眼睛开了光环也说不一定。
“那就得等明天才能知道了。”
……
翌日，数据出炉，良品率提升2%。
“才2%？”纪弘很不满意。
“基数是94%啊老大，提高2%到96%已经非常大了好吧！”曾学成已经管纪弘叫上老大了：“如果用四重曝光，提升肯定会更大。
“现在这几条产线都差不多，做四重曝光的良率基本都在55%左右，我们需要测试吗？”
“扔给华为去测吧。”纪弘想了想，他这边的主要工作是层迭ALU的生产，下一步的重点是层迭工艺的推进。
双重四曝光不是地点。
……
就这样，AI不断的进行着训练，也不断的对产线相关的数据进行着一次又一次的计算。
而曾学成则是根据AI的反馈结果对产线进行各方面的微调，现在的他已经完全成为了纪弘的跟班了，这与领导无关。
之前跟着梁松，但梁松独特的眼光和技能他学不来，纪弘这儿则是完全不一样，AI在那，用起来非常的简单和方便。
在曾学成的协助下，利用灵犀，他们把各个控制系统的软件和系统也进行了一定程度的重构，各模块儿都加入了AI判定和控制，AI慢慢的融入到了整个生产流程的控制之中。
这也多亏了他们原本就使用的不是官方的系统，而是自己开发的，源码还都在。
重构的过程很顺利，甚至系统的更新都没有影响生产——产线一直在保持低产能运转的状态，甚至都没有停工。
但工艺的提升……
纪弘有点儿不满意。
“提升是不是小了点啊？”这天吃饭的时候，纪弘还跟曾学成抱怨：“只有两个点的良率。”
听纪弘说这样的话，曾学成一口饭没咽下去，直接就喷了，米粒都从鼻孔里出来了：“老大啊，这才几天，你还想提升多大？直接搞定4nm？用EUV？”
纪弘微微摇了摇头，他不懂纪弘在想什么。
这么长的时间，其实真正比较大的调整就只有运动控制那一次，剩下的几乎全都是微调。
这些微调说有效果吧，可能有一点点，都不太明显，甚至是稍微误差一下下的事儿，也就在统计学的概念里，有了一点点的提升。
难道除了发现的那一个问题之外，其他的地方真的全都到极限了？
纪弘总觉得哪里有些不对，因为极限是很难达到的。
举个最简单的例子：用正多边形模拟求圆的面积的问题。
大家都知道，边数越多，正多边形就越接近圆。但如果是人去画，边的数量你不论怎么花那都是有限的。
但如果换计算机来做，上就直接循环执行个几万几十万次，精确度就会有非常大的提升。
产线工艺也是类似的，是一个不断的在逼近极限的过程，前期当然非常简单，随便搞搞就能提升。
但工艺越先进，再想提升就越复杂。
但，这条产线给纪弘的感觉就是，它真的已经趋近于极限了。
难道梁松真就这么厉害？
他随手指一指，就能发现所有的瓶颈？就能解决所有的问题？就能让产线上的每一个流程和数据都逼近极限？
这有点儿离谱了吧？
还是说他也将所有数据循环执行了几万几十万次，算出的最优解？
纪弘问了曾学成这个问题，曾学成当即说道：
“产线的数字化模拟肯定是有的，但那个东西主要是数字，隐藏在数字中的有哪些问题，还是需要人去判断的。跟老大的这个AI比差太远了，完全不是一个层次的东西。”
纪弘明白了，这就不对。
人再怎么挑，细微之处总是会被忽略掉的，也不能挑干挑净，尤其是个个都几乎达到极限。
不过他也没有纠结这个，回头找个机会去拜访梁松，问问就知道了。
他现在的主要任务是，利用AI加上曾学成，在现在的基础上，实现层迭ALU的生产工艺。
“光刻产线这边的的难度其实不大，”曾学成对层迭ALU的布局已经做到了心中有数：
“关键核心就是晶圆上下联通位置的精准预留，现在我们改进了控制算法，精度完全可以满足。
“更大的问题应该是在封装那边，现在的导通技术是上下一体垂直导通。但，层迭ALU的话，要复杂非常多。”
卷耳智微那边已经发过来了一批测试版图样例，曾学成已经看到了，按照布局设计，多层硅晶圆之间，某个点可能一层和二层需要导通，但和三层不需要导通，四层五层可能又需要导通。
这样搞个几十层，而且需要导通的点位又十分密集，一个精度控制不好，可能整个晶圆就废了。
“ALU运算器毕竟比存储器复杂，想要每层都完全一致是不可能的，但是，也没你想的那么复杂，虽然每两层的导通点位都不一样，但是还是具有一定的规律性的。”
纪弘笑道：“精度控制，现在的硬件是能满足需求的，至于密集和复杂的问题，就交给AI吧，无非就是算力的事儿，不行多加点显卡。”
(本章完)
>
世界模型一直在运行，65nm以下级别的智能EDA工具灵韵在各大高校实验室也已经开始使用，流片式仿真的训练也一直在进行。
类推能力，尤其是精密工业领域的类推能力也有了不少的提升。
比如今天发现的这个问题，改进了之后能有多少提升，AI都已经做过类推了。
但方式不重要，能发现问题，能优化和改进才是最关键的。
“能调整吗？”纪弘问道。
“当然能！”曾学成信心十足：“即便是梁松老师在，也是他指出问题，然后我带人实施的。”
“嗯。”纪弘点了点头：“那正好，来吧，试试看。”
设备是不需要动的，而程序的设计和优化，纪弘也带来了神器——完整版本的灵犀。
曾学成带着团队分工协作，很快，优化工作就完成了。
安装，重启，测试当即进行。
“边界更加清晰了。”
高倍显微镜下，样品对比数据很明显。曾学成是这么说的，但纪弘确实没看出来。
“具体如何，还得看良率有没有提升。”纪弘对肉眼观测的东西不太信任，尤其是曾学成，纪弘感觉他太激动了，眼睛开了光环也说不一定。
“那就得等明天才能知道了。”
……
翌日，数据出炉，良品率提升2%。
“才2%？”纪弘很不满意。
“基数是94%啊老大，提高2%到96%已经非常大了好吧！”曾学成已经管纪弘叫上老大了：“如果用四重曝光，提升肯定会更大。
“现在这几条产线都差不多，做四重曝光的良率基本都在55%左右，我们需要测试吗？”
“扔给华为去测吧。”纪弘想了想，他这边的主要工作是层迭ALU的生产，下一步的重点是层迭工艺的推进。
双重四曝光不是地点。
……
就这样，AI不断的进行着训练，也不断的对产线相关的数据进行着一次又一次的计算。
而曾学成则是根据AI的反馈结果对产线进行各方面的微调，现在的他已经完全成为了纪弘的跟班了，这与领导无关。
之前跟着梁松，但梁松独特的眼光和技能他学不来，纪弘这儿则是完全不一样，AI在那，用起来非常的简单和方便。
在曾学成的协助下，利用灵犀，他们把各个控制系统的软件和系统也进行了一定程度的重构，各模块儿都加入了AI判定和控制，AI慢慢的融入到了整个生产流程的控制之中。
这也多亏了他们原本就使用的不是官方的系统，而是自己开发的，源码还都在。
重构的过程很顺利，甚至系统的更新都没有影响生产——产线一直在保持低产能运转的状态，甚至都没有停工。
但工艺的提升……
纪弘有点儿不满意。
“提升是不是小了点啊？”这天吃饭的时候，纪弘还跟曾学成抱怨：“只有两个点的良率。”
听纪弘说这样的话，曾学成一口饭没咽下去，直接就喷了，米粒都从鼻孔里出来了：“老大啊，这才几天，你还想提升多大？直接搞定4nm？用EUV？”
纪弘微微摇了摇头，他不懂纪弘在想什么。
这么长的时间，其实真正比较大的调整就只有运动控制那一次，剩下的几乎全都是微调。
这些微调说有效果吧，可能有一点点，都不太明显，甚至是稍微误差一下下的事儿，也就在统计学的概念里，有了一点点的提升。
难道除了发现的那一个问题之外，其他的地方真的全都到极限了？
纪弘总觉得哪里有些不对，因为极限是很难达到的。
举个最简单的例子：用正多边形模拟求圆的面积的问题。
大家都知道，边数越多，正多边形就越接近圆。但如果是人去画，边的数量你不论怎么花那都是有限的。
但如果换计算机来做，上就直接循环执行个几万几十万次，精确度就会有非常大的提升。
产线工艺也是类似的，是一个不断的在逼近极限的过程，前期当然非常简单，随便搞搞就能提升。
但工艺越先进，再想提升就越复杂。
但，这条产线给纪弘的感觉就是，它真的已经趋近于极限了。
难道梁松真就这么厉害？
他随手指一指，就能发现所有的瓶颈？就能解决所有的问题？就能让产线上的每一个流程和数据都逼近极限？
这有点儿离谱了吧？
还是说他也将所有数据循环执行了几万几十万次，算出的最优解？
纪弘问了曾学成这个问题，曾学成当即说道：
“产线的数字化模拟肯定是有的，但那个东西主要是数字，隐藏在数字中的有哪些问题，还是需要人去判断的。跟老大的这个AI比差太远了，完全不是一个层次的东西。”
纪弘明白了，这就不对。
人再怎么挑，细微之处总是会被忽略掉的，也不能挑干挑净，尤其是个个都几乎达到极限。
不过他也没有纠结这个，回头找个机会去拜访梁松，问问就知道了。
他现在的主要任务是，利用AI加上曾学成，在现在的基础上，实现层迭ALU的生产工艺。
“光刻产线这边的的难度其实不大，”曾学成对层迭ALU的布局已经做到了心中有数：
“关键核心就是晶圆上下联通位置的精准预留，现在我们改进了控制算法，精度完全可以满足。
“更大的问题应该是在封装那边，现在的导通技术是上下一体垂直导通。但，层迭ALU的话，要复杂非常多。”
卷耳智微那边已经发过来了一批测试版图样例，曾学成已经看到了，按照布局设计，多层硅晶圆之间，某个点可能一层和二层需要导通，但和三层不需要导通，四层五层可能又需要导通。
这样搞个几十层，而且需要导通的点位又十分密集，一个精度控制不好，可能整个晶圆就废了。
“ALU运算器毕竟比存储器复杂，想要每层都完全一致是不可能的，但是，也没你想的那么复杂，虽然每两层的导通点位都不一样，但是还是具有一定的规律性的。”
纪弘笑道：“精度控制，现在的硬件是能满足需求的，至于密集和复杂的问题，就交给AI吧，无非就是算力的事儿，不行多加点显卡。”
(本章完)