Konsorsium Lab AS Luncurkan AI Otonom untuk Pemindaian Chip Skala Nano
Proyek SYNAPS-I memanfaatkan AI dan komputasi seketika untuk memangkas kebutuhan data pemindaian chip hingga hampir sepersepuluh dari volume standar.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- AI otonom mengarahkan eksperimen sinar-X mandiri tanpa perlu campur tangan peneliti manusia.
- Integrasi platform NVIDIA Holoscan merekonstruksi 200 gambar per detik secara seketika.
- Model rekonstruksi NSLS-II memangkas kebutuhan data tomografi chip hingga hampir sepersepuluh.
Fasilitas riset Departemen Energi Amerika Serikat (DOE) mendemonstrasikan sistem kecerdasan buatan yang mampu mengendalikan eksperimen pencitraan sinar-X canggih secara mandiri. Inisiatif bertajuk SYNAPS-I ini berhasil memangkas kebutuhan data inspeksi semikonduktor hingga hampir sepersepuluh dari volume biasa.
Sebagaimana dilaporkan TechXplore, kolaborasi ini dipimpin oleh Lawrence Berkeley National Laboratory bersama fasilitas Argonne, Oak Ridge, SLAC, dan Brookhaven National Laboratory. Terobosan ini ditujukan untuk memecahkan kendala klasik fasilitas akselerator: keterbatasan alokasi waktu pemindaian dan ledakan volume data yang melampaui kapasitas analisis manusia.
Inspeksi Chip Otomatis Berkecepatan Tinggi
Pada demonstrasi di Hard X-ray Nanoprobe (HXN) milik Brookhaven Lab, sistem AI menganalisis sampel berukuran besar secara otonom. Algoritma ini langsung mengenali area menarik pada struktur mikroskopis, lalu memandu alat mengambil pengukuran beresolusi tinggi tanpa campur tangan operator manusia.
Untuk memproses tomografi ptikografi—metode pencitraan 3D beresolusi nano—para peneliti mengganti kalkulasi konvensional dengan model dasar kecerdasan buatan dari Argonne. Terintegrasi dengan platform NVIDIA Holoscan, sistem tersebut mampu merekonstruksi hingga 200 gambar per detik secara seketika (real-time).
Model rekonstruksi dari NSLS-II terbukti menghasilkan citra 3D chip mikroelektronika hanya dengan hampir sepersepuluh data yang biasanya dibutuhkan. Analisis struktur kemudian dipercepat lewat penyesuaian model Segment Anything Model 3 (SAM3) dari Meta guna mengidentifikasi beragam material serta struktur di dalam data volumetrik.
"Teknik ini dapat memberi manfaat bagi sektor ilmiah maupun industri yang memerlukan tomografi sinar-X resolusi tinggi cepat serta analisis data 3D instan," ujar Hanfei Yan, ilmuwan utama beamline di HXN.
Ke depan, konsorsium ini mengembangkan alur kerja tomografi waktu nyata. Pada alur ini, citra rekonstruksi awal akan terus diperbarui secara otomatis selama pemindaian berlangsung, membantu peneliti mendeteksi cacat tersembunyi pada komponen elektronik atau elektroda baterai secara langsung.
Apa Artinya bagi Pelaku Usaha
Keberhasilan SYNAPS-I menandai pergeseran penting dari otomasi pasif menuju sistem cerdas adaptif di lini pengujian material presisi. Pelaku industri semikonduktor, perakitan komponen elektronik, dan manufaktur baterai kini memiliki tolok ukur baru tentang bagaimana AI mempercepat siklus penelitian dan pengembangan.
Bagi manajemen manufaktur teknologi tinggi, langkah antisipasi awal adalah mengkaji titik kemacetan (bottleneck) dalam alur inspeksi mutu produk. Integrasi komputasi berkecepatan tinggi dapat dipertimbangkan agar proses pemindaian cacat struktural berlangsung paralel dengan jalannya produksi, bukan dievaluasi terpisah setelahnya.
Pelaku usaha di Indonesia juga dapat mengambil pelajaran dari pemanfaatan model fondasi terbuka untuk efisiensi beban komputasi. Penurunan volume data pemindaian membuktikan bahwa optimasi algoritma mampu menekan biaya infrastruktur komputasi sekaligus meminimalkan paparan radiasi pada pengujian material sensitif.
- TechXplore: SYNAPS-I: Intelligent computing transforms X-ray imaging, from data collection to discovery
Lihat hasil pemeriksaan (8 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Proyek SYNAPS-I memanfaatkan AI untuk memangkas kebutuhan data pemindaian tomografi chip hingga hampir sepersepuluh dari volume standar. | Didukung | “reconstructed a microchip using nearly one-tenth of the data normally required.” TechXplore melaporkan penggunaan model NSLS-II untuk merekonstruksi chip dengan hampir sepersepuluh kebutuhan data. |
| Sistem AI mengarahkan eksperimen sinar-X dan memilih area resolusi tinggi secara otonom tanpa campur tangan manusia. | Didukung | “autonomously selected those areas for subsequent high-resolution measurements—without human intervention.” TechXplore mengonfirmasi eksperimen otomatis di NSLS-II yang menentukan area pengukuran tanpa intervensi manusia. |
| Integrasi alur kerja dengan platform NVIDIA Holoscan mampu merekonstruksi gambar secara seketika hingga 200 gambar per detik. | Didukung | “integrated the workflow with the NVIDIA Holoscan platform and demonstrated real-time ptychographic reconstruction at 200 images per second.” TechXplore mencatat kolaborasi dengan NVIDIA untuk rekonstruksi ptikografi 200 citra per detik secara real-time. |
| Kolaborasi SYNAPS-I dipimpin oleh Lawrence Berkeley National Laboratory bersama Argonne, Oak Ridge, SLAC, dan Brookhaven National Laboratory. | Didukung | “Led by DOE's Lawrence Berkeley National Laboratory's Advanced Light Source, the multilaboratory collaboration includes DOE's Argonne National Laboratory, DOE's Oak Ridge National Laboratory” TechXplore merinci laboratorium yang tergabung dalam proyek inisiatif ModCon DOE ini. |
| Model dasar dari Argonne menggantikan kalkulasi iteratif konvensional untuk rekonstruksi tomografi ptikografi. | Didukung | “A foundation model trained at Argonne replaced the computationally intensive iterative process traditionally used to reconstruct ptychographic images.” TechXplore melaporkan model Argonne digunakan menggantikan komputasi iteratif. |
| Tim peneliti menyesuaikan model Segment Anything Model 3 (SAM3) dari Meta untuk mengidentifikasi material dan struktur pada data 3D chip. | Didukung | “The team fine-tuned Meta's open-weight Segment Anything Model 3 (SAM3) for chip imaging” TechXplore menyatakan tim menyetel SAM3 milik Meta guna identifikasi struktur dalam data volumetrik. |
| Hanfei Yan menyatakan teknik ini bermanfaat bagi sektor sains maupun industri yang butuh tomografi sinar-X resolusi tinggi cepat dan analisis 3D kilat. | Didukung | “This technique can benefit any scientific or industrial area that requires fast, high-resolution X-ray tomography and rapid 3D data analysis” TechXplore mengutip pernyataan langsung dari ilmuwan beamline HXN tersebut. |
| Pengembangan ke depan berfokus pada tomografi waktu nyata di mana citra resolusi rendah terus diperbarui secara otomatis selama pemindaian. | Didukung | “An initial lower-resolution image would continuously improve as additional measurements were collected” TechXplore memaparkan rencana pengembangan rekonstruksi waktu nyata selama eksperimen berlangsung. |
Video AI terbaru
Introducing ChatGPT Images 2.6
