要旨：半導体製造において、製造された集積回路の不良率を低く抑えることは極めて重要である。デバイスの不良率を最小化するために、何千もの電気テストが実行され、何万ものパラメータが測定されます。しかし、従来のテスト技術では、許容できる品質レベルを保証できないことが多い。電気テストの数が多いため、ダイの品質スクリーニングにどの電気テストに頼ればよいかを判断するのは困難です。このような問題に対処するため、半導体企業は最近、人工知能と機械学習を活用して、電気テストによる良品ダイの落下を最小限に抑えながら、不良デバイスをよりよく識別する取り組みを始めています。これらの高度な機械学習アプリケーションを実装するために、新しいリモート推論機能も提案されています。推論エンジンと対応する機械学習モデルを組立工場とテストハウスに配置することで、機密データを組立工場とテストハウスから離れることなく推論を行うことができます。その結果、推論のターンアラウンドタイムが短縮され、データロスが削減され、セキュリティが向上し、適応テストなどのリアルタイムソリューションのための高度な機械学習機能が可能になる。
キーワード：データマイニング、人工知能