的思路也是控温,而且直到现在还在不断的尝试。”
对于科研人员来说,一次又一次的失败才是常态,什么时候能够成功,那不仅要靠实力,有时候还需要一点点的运气。
哪怕是爱迪生,在发明灯泡的时候,也尝试了上千种的材料进行上千次的尝试才成功的。
人尚且如此,AI就更不用说了,尝试几万十几万次失败那是非常正常的事情。
但是,AI尝试是几万次的耗时,一天半!
孙博惊为天人也是因为此——一天半,这个时间,科学院的那些人写一次方案的时间都不够!
你这边一次都没搞完,AI模拟,十几万次都过去了!
这样的差距,怎么能不令人绝望?
“绝望什么?”纪弘笑道:“AI的存在就是为人类提供效率支撑的啊!而且,AI的模拟推演,不一定百分百精准,他只是把可能性最大的方法给实验人员筛出来了,然后再去实际生产验证。最终还是要走实际验证这一步的。”
下边的东西纪弘就看的非常明白了,温控未能起效,AI也是尝试了非常多的其他方案,而其他方案所需要的设备和硬件的参数和数据,更是需要实验室的工作人员去补充。
这些参数和数据应该是务必要求精准的,一旦有差,结果可能就会谬以千里了。
“也不尽是如此,”孙博立即又找出了一个案例:“比如这组数据,我们的工作人员在输入的过程中出错了,哪怕几重校验都没发现。
“但是你看,AI推演了几轮,就告警了,它认为这个数据偏离不符合一般分布,直接让我们确认。”
“用的数学分析的方法?”纪弘问道,他知道,数学统计和分析在一定程度上是能够筛出异常数据的。
“是。”孙博又说道:“但是这种计算,我做不到。或者说,我做不到那么快。”
“跟AI比速度,你才叫找虐呢!”纪弘嘀咕了一句,然后继续往后看AI的处理,AI最终敲定的方案是:
引入校准光路,标定以及引导光路搭建与调节。
而这个方案,实施起来非常之简单,只需要在驱动激光的同轴光路上,加入一个单模低功率绿光激光器就可以了。
不仅如此,这个方案还可以同时应用于稳定控制系统的标定。
最终形成了这么一套光束稳定控制系统,完成了相关的方案。
AI是怎么解决光源长期稳定运行这个问题的,纪弘虽然感兴趣,但他更感兴趣的,是这个分支的AI发生的这些个变化以及应用。
根据申再平的工作记录,以及张博按照AI的需求提供的各个零部件的参数以及整理出来的相关资料,依据这次EUV光刻机的研发进程,纪弘总结了如下的步骤:
第一步:将DUV光刻机的成熟方案当作素材输入到了训练库中。
请收藏:https://m.kami9.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)