banner
Casa / Notizia / Accelerare X su scala nanometrica
Notizia

Accelerare X su scala nanometrica

Sep 11, 2023Sep 11, 2023

1 giugno 2023

Questo articolo è stato rivisto in base al processo editoriale e alle politiche di Science X. Gli editori hanno evidenziato i seguenti attributi garantendo al tempo stesso la credibilità del contenuto:

verificato

pubblicazione sottoposta a revisione paritaria

fonte attendibile

correggere le bozze

dall'Accademia Cinese delle Scienze

I ricercatori del MIT e dell’Argonne National Laboratory hanno sviluppato una tecnica di apprendimento automatico che potrebbe accelerare notevolmente il processo di imaging a raggi X su scala nanometrica dei circuiti integrati, rivoluzionando potenzialmente il modo in cui produciamo e testiamo l’elettronica.

I circuiti integrati, o microchip, sono gli elementi costitutivi dell'elettronica moderna e la loro continua miniaturizzazione ha portato a dispositivi sempre più complessi e potenti. Tuttavia, man mano che i componenti di questi microchip si restringono, diventa più difficile ispezionarli e testarli utilizzando le tradizionali tecniche di imaging.

Un metodo promettente per l’imaging di componenti su scala nanometrica è la tomografia pticografica a raggi X di sincrotrone, che utilizza raggi X ad alta energia per penetrare nel materiale e creare immagini dettagliate della struttura interna. Tuttavia, l’imaging a raggi X è un processo lento che richiede il posizionamento preciso del campione e del rilevatore e può richiedere ore o addirittura giorni per ottenere un’unica ricostruzione.

Per accelerare questo processo, i ricercatori del MIT e dell’Argonne si sono rivolti all’apprendimento automatico. Hanno addestrato una rete neurale a prevedere ricostruzioni accurate degli oggetti in una frazione del tempo normalmente necessario. La loro rete si chiama APT o Ptico-tomografia attenzionale, che utilizza la regolarizzazione a priori sotto forma di modelli tipici che si trovano all'interno dei circuiti integrati e la fisica della propagazione dei raggi X attraverso l'oggetto.

"La rete neurale è in grado di apprendere da una piccola quantità di dati e di generalizzare, il che ci consente di immaginare e ricostruire rapidamente i circuiti integrati", ha affermato Iksung Kang, l'autore principale dell'articolo. I ricercatori hanno notato che il loro approccio riduce significativamente il tempo totale di acquisizione dei dati e di calcolo necessario per l'imaging. Hanno testato la loro tecnica su circuiti integrati reali e sono stati in grado di catturare immagini dettagliate in pochi minuti, rispetto alle ore normalmente necessarie.

"Questo nuovo metodo potrebbe essere una soluzione efficace per la garanzia della qualità", hanno affermato. "Accelerando il processo di imaging, possiamo anche consentire alle fabbriche di connettersi alle sorgenti di raggi X di sincrotrone."

I ricercatori hanno notato che il loro approccio potrebbe avere implicazioni significative per una varietà di campi, tra cui la scienza dei materiali e l'imaging biologico. "La nostra ricerca affronta una sfida critica nell'imaging a raggi X non invasivo di oggetti su scala nanometrica, come i circuiti integrati", ha affermato l'autore principale. "Crediamo che il nostro quadro di apprendimento automatico assistito dalla fisica e che utilizza l'attenzione potrebbe essere applicabile ad altri rami dell'imaging su scala nanometrica."

Il lavoro è pubblicato sulla rivista Light: Science & Applications.

Maggiori informazioni: Iksung Kang et al, Ptico-tomografia attenzionale (APT) per l'imaging a raggi X tridimensionale su scala nanometrica con tempi minimi di acquisizione dei dati e di calcolo, Light: Science & Applications (2023). DOI: 10.1038/s41377-023-01181-8

Informazioni sul diario:Luce: scienza e applicazioni

Fornito dall'Accademia Cinese delle Scienze