16.12.2021 - Max-Planck-Institut für Intelligente Systeme

Maschinelles Lernen beschleunigt industriellen Optimierungsprozess

Minimierung von Defekten in ALD-Passivierungsschichten mit nur zwei Schritten durch Bayes'sche Optimierung

Ein interdisziplinäres Forscherteam des Max-Planck-Instituts für Intelligente Systeme, des Max-Planck-Instituts für Festkörperforschung, der Technischen Universität München und der Robert Bosch GmbH setzt Methoden des Bayes'schen Maschinellen Lernens ein, um den Optimierungsprozess von Kupferbeschichtungen für Mikrochips zu beschleunigen. Auf diese Weise kann das Verfahren im Vergleich zu einem herkömmlichen Optimierungsansatz um das Fünfzehnfache beschleunigt werden.

Mikrochips sind praktisch fester Bestandteil eines jeden elektrischen Produkts. Ein Metall, das bei der Herstellung dieser Chips sehr häufig zum Einsatz kommt, ist Kupfer. Das weiche Metall ist für die Herstellung von Mikrochip-Produkten unverzichtbar, da es Strom und Wärme hervorragend leitet. Damit jedoch Kupfer sein volles Potenzial entfalten kann, darf es nicht korrodieren. Daher wird bei der Herstellung von Mikrochips das Kupfer mit einer dünnen Schicht Aluminiumoxid überzogen. Dieser Verkapselungsprozess nennt sich Atomic Layer Deposition – kurz ALD.

Die Optimierung des Beschichtungsprozesses ist langwierig und kostspielig

Die Beschichtung von Kupfer ist ein schwieriges Verfahren. Es erfordert viel technisches Know-how, viele Stunden manuelle Arbeit und zahlreiche Versuche, um die optimalen Parameter zu finden, damit am Ende die Schicht fehlerfrei (d. h. ohne Löcher, Dellen oder Lücken) und möglichst dünn aufgetragen ist. Das ist erstens wichtig, weil ein Mikrochip gerade mal so groß ist wie eine Hausstaubmilbe, es also nur wenig Platz gibt. Zweitens ist Aluminiumoxid kostspielig: Bei der Produktion von Tausenden, wenn nicht gar Millionen von Mikrochips, machen sich selbst ein paar Nanometer in der Gewinnspanne bemerkbar. Drittens sind Löcher, Lücken und Dellen unerwünschte Einfallstüren für Korrosion.

Ein interdisziplinäres Team von Forschenden des Max-Planck-Instituts für Intelligente Systeme, des Max-Planck-Instituts für Festkörperforschung, der Technischen Universität München und der Robert Bosch GmbH – einem Industriepartner im Forschungsverbund Cyber Valley – hat eine Methode entwickelt, Defekte in der Schicht zu minimieren, den Optimierungsprozess zu beschleunigen und die Kosten für die Beschichtung von Kupfer zu senken. Sie setzten Bayes'sche Methoden des maschinellen Lernens ein und beschleunigten so den Optimierungsprozess um das Fünfzehnfache.

Bayes'sche Optimierung

„Unebenheiten in der Beschichtung können durch eine dickere Beschichtung reduziert werden, aber das kostet mehr und die Schicht nimmt immer größeren Raum ein. Für Ingenieure sind viele Iterationen erforderlich, um die ideale Beschichtung mit wenigen bis gar keinen Fehlern zu finden. In der Industrie dauert es noch länger, Wochen oder Monate, und kostet daher Tausende von Euro pro Iteration. Daher ist es eine große Leistung, den Optimierungsprozess durch Bayes'sche Optimierung von 30 oder 40 Arbeitsschritten auf nur zwei oder drei zu reduzieren“, sagt Gül Dogan, Doktorandin der Abteilung für Moderne Magnetische Systeme am Max-Planck-Institut für Intelligente Systeme (MPI-IS) und der Robert Bosch GmbH. Sie ist Erstautorin der Publikation Bayesian Machine Learning for Efficient Minimization of Defects in ALD Passivation Layers, die in der Zeitschrift Applied Materials and Interfaces veröffentlicht wurde.

„Wir nutzen maschinelles Lernen, um bessere Ergebnisse zu erzielen als konventionelle Optimierungsmethoden. Unser Algorithmus arbeitet mit den Experten zusammen und lernt aus ihren Erfahrungen – mit Erfolg: Wir haben in dem Aluminiumoxid-Schutzfilm so gut wie keine Porosität und reduzieren damit die Korrosion erheblich“, ergänzt Sinan Demir, Doktorand der Abteilung für Physische Intelligenz am MPI-IS, die von Prof. Metin Sitti geleitet wird.

Wie gut die Beschichtung gelingt, hängt von mehreren Parametern ab: wie lange die Kupferoberfläche mit einem Ar/H2-Plasma vorbehandelt und damit gereinigt wird, von der Abscheidetemperatur von über 200 °C und der Pulsdauer von 60 ms beim Aufbringen des Aluminiumoxids. Alle Parameter und ihr Zusammenspiel beeinflussen die Korrosionsbeständigkeit. Der Algorithmus ist in der Lage, den optimalen Parametersatz in nur wenigen Iterationen zu finden.

Gelerntes auf andere Prozesse übertragen

„Nehmen wir an, die Leistung des Optimierungsprozesses ist durch diese orangefarbene Funktion in Abbildung 1 definiert. Nehmen wir an, dass unsere Parameter den Optimierungsprozess entsprechend dieser Funktion beeinflussen. Wir beginnen ohne jegliches Vorwissen. Wenn wir neue Datenpunkte sammeln – die blauen Marker im unteren Bild – aktualisieren wir die Vorhersage über das System. Auf der Grundlage dieser Vorhersage schlägt die Bayes'sche Optimierung einen neu zu testenden Satz an Parametern vor, der die Leistung des Systems verbessern kann. Dann führen wir das Experiment unter Verwendung dieses neuen Parametersatzes durch. Wir fahren so lange mit dem Testen und der Auswahl neuer Parametersätze fort, bis wir unser Ziel oder unsere Designvorgabe erreicht haben“, so Demir weiter.

Die Beschichtung von Kupfer ist nur eine Herausforderung. In den Materialwissenschaften gibt es noch viele weitere. „Das ist der Vorteil der Bayes'schen Methoden des maschinellen Lernens: Die Erkenntnisse, die man aus einem Optimierungsprozess gewinnt, lassen sich auf andere Materialien und Prozesse in allen Bereichen der Materialwissenschaft übertragen. Man fängt nicht jedes Mal bei Null an“, sagt Demir abschließend.

Fakten, Hintergründe, Dossiers
  • Kupfer
  • Atomlagenabscheidung
  • Aluminiumoxid
Mehr über MPI für Intelligente Systeme
Mehr über MPI für Festkörperforschung
Mehr über TUM
  • News

    Pilotanlage für erneuerbaren Wasserstoff

    In Bayern soll eine Pilotanlage für die Herstellung von Wasserstoff aus Biogas entstehen. Bei der Produktion sollen der Energieverbrauch sowie der Kohlendioxid-Ausstoß im Vergleich zu konventionellen Anlagen drastisch verringert werden. Dies wird durch Integration einer elektrischen Heizung ... mehr

    Auf dem Weg zur Super-Batterie

    Mit Neutronen hat ein Forschungsteam unter Leitung der Technischen Universität München (TUM) tief in das Innere von Batterien geblickt, während diese geladen und entladen wurden. Die aus den Beobachtungen gewonnenen Erkenntnisse könnten dabei helfen, Ladevorgänge zu optimieren. Wird ein Ele ... mehr

    Mini-Brennstoffzelle erzeugt Strom mit körpereigenem Zucker

    Traubenzucker, auch Glukose genannt, ist der wichtigste Energielieferant in unseren Körper. Wissenschaftlerinnen und Wissenschaftler der Technischen Universität München (TUM) und des Massachusetts Institute of Technology (MIT) wollen den Zucker im Körper nun auch als Energiequelle für mediz ... mehr

  • Videos

    Scientists pair up two stars from the world of chemistry

    Many scientists consider graphene to be a wonder material. Now, a team of researchers at the Technical University of Munich (TUM) has succeeded in linking graphene with another important chemical group, the porphyrins. These new hybrid structures could also be used in the field of molecular ... mehr

  • q&more Artikel

    Vitalkleber, ein Protein mit Potenzial

    In fast jedem der 17 Ziele der Agenda 2030 für eine nachhaltige Entwicklung spielen Lebensmittel und deren Wertschöpfungskette eine wichtige Rolle [1]. Mit der Agenda haben die Vereinten Nationen einen globalen Handlungsrahmen geschaffen, der sich an alle gesellschaftlichen Akteure richtet. mehr

    Biobasierte Rohstoffströme der Zukunft

    Der anthropogene Klimawandel und die steigende Weltbevölkerung im Verbund mit zunehmender Urbanisierung induzieren globale Herausforderungen an unsere Gesellschaft, die nur durch technologische Fortschritte gelöst werden können. mehr

    Ein Geschmacks- und Aromaschub im Mund

    Der Ernährungstrend hin zu gesünderen Snacks ist ungebremst. Snacks aus gefriergetrockneten Früchten erfüllen die Erwartungen der Verbraucher an moderne, hochwertige Lebensmittel. Allerdings erfordert die Gefriertrocknung ganzer Früchte lange Trocknungszeiten ... mehr

  • Autoren

    Prof. Dr. Thomas Becker

    Thomas Becker, Jahrgang 1965, studierte Technologie und Biotechnologie der Lebensmittel an der Technischen Universität München (TUM). Im Anschluss arbeitete er von 1992 bis 1993 als Projektingenieur in der Fa. Geo-Konzept. Die Promotion erfolgte 1995 an der TUM. Von 1996 bis 2004 war er als ... mehr

    Monika C. Wehrli

    Monika Wehrli, Jahrgang 1994, schloss ihr Studium mit Schwerpunkt Lebensmittelverfahrenstechnik an der ETH Zürich ab. Seit 2018 forscht sie an der Technischen Universität München am Lehrstuhl für Brau- und Getränketechnologie, wo sie ihre Promotion im Bereich Getreidetechnologie und -verfah ... mehr

    Prof. Dr. Thomas Brück

    Thomas Brück, Jahrgang 1972, absolvierte sein Bachelorstudium (B.Sc.) 1996 in den Fächern Chemie, Biochemie und Management an der Keele University in Stoke on Trent, U.K. Er hält einen Masterabschluss (1997) in Molekularmedizin von derselben Universität und promovierte 2002 auf dem Gebiet d ... mehr

Mehr über Bosch
  • News

    Bosch erhöht Investitionen in Start-ups

    Die Investitionen in Start-ups steigen. 2017 haben institutionelle Investoren und Unternehmen 147 Milliarden Euro investiert. Das ist fast dreimal so viel wie 2012. Auch Bosch erhöht sein Investitionsvolumen in externe Start-ups und stellt seiner Wagniskapitaltochter Robert Bosch Venture Ca ... mehr

    Bosch will Geschäft mit Verpackungsmaschinen verkaufen

    (dpa) Der Technologiekonzern Bosch verabschiedet sich vom Geschäft mit Verpackungsmaschinen und stellt die Sparte zum Verkauf. Für die Packaging Technology GmbH mit ihren rund 6100 Mitarbeitern in 15 Ländern werde ein Käufer gesucht, der den Bereich als Ganzes übernimmt und weiterführt, tei ... mehr

    Bosch Rexroth: Nachfrage aus Ölbranche wird noch lange schwächeln

    (dpa) Bosch Rexroth sieht für sein schwächelndes Industriehydraulik-Geschäft kein Licht am Ende des Tunnels. Die Öl-, Bergbau- und Stahlbranchen lägen weltweit am Boden - «wir erwarten, dass sich diese angespannte Situation in den nächsten fünf Jahren fortsetzen wird», sagte Firmenchef Rolf ... mehr

  • Firmen

    Robert Bosch GmbH

    Bosch Packaging Technology ist der weltgrößte Lieferant von Verpackungstechnik. Unsere Stärken sind die Abfüllung von liquiden Pharmazeutika, komplexe und ganz auf den Kunden zugeschnittene Systeme, die Schlauchbeuteltechnik und der weltweite Service. mehr

    Bosch Industriekessel GmbH

    Seit über 150 Jahren steht die Bosch Industriekessel GmbH (ehemals Loos), ein Unternehmen der Bosch Thermotechnik GmbH, für Innovation im Bereich der industriellen Kesseltechnik. Kundenspezifische Dampf-, Heißwasser- und Heizkesselanlagen stellen Heiz- und Prozesswärme effizient für alle An ... mehr

    Bosch Sicherheitssysteme GmbH

    Das Leben von Menschen und die Werte Ihres Unternehmens zu schützen, hat für Sie oberste Priorität. Als Kunde von Bosch Sicherheitssysteme haben Sie den Anspruch, dass wir dieses Grundbedürfnis sowohl für Sie selbst, als auch für Ihre Kunden abdecken. Unser Anspruch ist es, Ihre Erwartung z ... mehr

  • Verbände

    Robert Bosch Stiftung

    Die Robert Bosch Stiftung gehört zu den großen unternehmensverbundenen Stiftungen in Deutschland. Seit mehr als vierzig Jahren folgt sie dem philanthropischen Vermächtnis des Firmengründers Robert Bosch. Dieser hatte mit unternehmerischer Vision, politischer Weitsicht, Zivilcourage und sein ... mehr