{"product_id":"semi105-ai-enhanced-microfabrication-of-printed-electronics-1","title":"SEMI105 AI로 강화된 인쇄전자 미세가공 ","description":"\u003ctable width=\"759\" style=\"border-collapse: collapse; width: 569pt;\" data-mce-fragment=\"1\" data-mce-style=\"border-collapse: collapse; width: 569pt;\"\u003e\n\n\u003ccolgroup data-mce-fragment=\"1\"\u003e\u003ccol width=\"759\" style=\"width: 569pt;\" data-mce-fragment=\"1\" data-mce-style=\"width: 569pt;\"\u003e\u003c\/colgroup\u003e\n\n\u003ctbody data-mce-fragment=\"1\"\u003e\n\n\u003ctr height=\"546\" style=\"height: 409.5pt;\" data-mce-fragment=\"1\" data-mce-style=\"height: 409.5pt;\"\u003e\n\n \u003ctd width=\"759\" height=\"546\" class=\"xl18\" style=\"width: 569pt; height: 409.5pt;\" data-mce-fragment=\"1\" data-mce-style=\"width: 569pt; height: 409.5pt;\"\u003e Abstract\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;클린룸 및 최신 인쇄 전자 도구의 제작은 종종 장비, 환경 및 재료의 시간에 따라 변하는 매개변수의 기능입니다. 매개변수는 종종 서로 다른 프로세스 단계 및 도구 세트에 걸쳐 상호 종속성을 갖습니다. 물리 기반 모델과 선형 회귀는 전통적으로 사용되어 왔으며 종종 근본적인 변동성을 배우기에 충분하지 않습니다.\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;이 과정은 클린룸과 인쇄 전자 과학 및 기술을 고급 데이터 처리와 연결하는 데 필요한 자료를 가르칩니다. 인공 지능 및 머신 러닝으로 가능해진 기능. 클린룸 도구는 본질적으로 수백만 개의 내부 변수를 가질 수 있으며 데이터 세트에서 학습할 수 있으므로 기존 피드백 제어 및 프로세스 안정화 접근 방식에 대한 강력하고 보완적인 접근 방식을 제공합니다.\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;학습 모델은 이미지(CD-SEMS, 광학 이미지)에서 개발됩니다. ), 시간 이력 데이터(Optical Emission Spectroscopy) 및 텍스트 프로세스 정보. 수업의 하위 집합에는 다음이 포함됩니다. (1) 이미지 데이터를 전처리하고 학습 기반 모델을 만드는 방법, (2) 모델 검증, (3) 나노 기계 스위치 제조에 적용, (4) 클라우드 기반 구현, 데이터 보안 및 데이터 표준화.\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;과정 개요:\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;소개 – 미세 가공 및 인쇄 전자 분야에서 AI의 필요성\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;미세 가공: 도구 가변성, 프로세스 변형\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;인쇄 전자 제품: 잉크젯 변형, 공간 변형\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;제조 및 데이터 수집\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;계량학\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;제조 장비 데이터\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt; 클린룸 데이터\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;데이터 및 이미지 처리\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;데이터 유형\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;시간 의존적 데이터\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;공간적 변화 데이터\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;데이터 크기\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;계산 기능\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;AI 및 기계 학습 알고리즘\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;회귀\u0026lt;\/li \u0026gt;\u0026lt;li\u0026gt;이진 트리\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;랜덤 포레스트\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;심층 신경망(예: Pix2Pix를 사용하여 이미지를 이미지로 변환)\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;결과 및 전망\u0026lt;ol\u0026gt;\u0026lt;li\u0026gt;선폭 개선\u0026lt;\/li\u0026gt;\u0026lt;li\u0026gt;클라우드 기반 구현\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;\u0026lt;\/li\u0026gt;\u0026lt;\/ol\u0026gt;강사 소개\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;Amit Lal\u0026lt;br \u0026gt;Amit Lal은 1977년 뉴욕주 이타카에 있는 코넬 대학교 전기 및 컴퓨터 공학부 교수인 Robert M. Scharf입니다. 그의 작업은 마이크로\/나노 전기 기계 시스템, 물리적 음향 및 초음파, 관성 센서, 생체 의학 MEMS, 아날로그 회로 설계, 고체 상태 전자 장치, 자율 마이크로 시스템용 방사성 박막 및 나노 제조 분야에서 새로운 제조 접근 방식과 아키텍처로 이어졌습니다. 그의 현재 연구 초점은 (1) 칩 규모 통신, 감지 및 계산을 위한 기가헤르츠 초음파, (2) 수명이 긴 IoT를 위한 거의 제로 전력 센서, (3) 표면 탄성파를 기반으로 하는 초음파 관성 센서입니다. \u0026lt;br\u0026gt;\u0026lt;br\u0026gt;Peter C. Doerschuk\u0026lt;br\u0026gt;Peter C. Doerschuk은 뉴욕 이타카에 있는 코넬 대학교의 전기 및 컴퓨터 공학부 및 Meinig 생체 공학 대학원 교수입니다. 신호 및 이미지 이해에 대한 그의 관심은 미세 가공에서 생물학적 입자의 단일 입자 저온 전자 현미경에 이르기까지 다양한 문제에 대한 새로운 알고리즘을 개발했습니다.\u0026lt;br\u0026gt;\u0026lt;br\u0026gt;Benyamin Davaji\u0026lt;br\u0026gt;Benyamin Davaji는 Cornell University의 전기 및 컴퓨터 공학부. Ben은 SonicMEMS 연구소의 Amit Lal 교수와 함께 고체 음파 관성 센서, 초음파 신경 변조 마이크로 장치, 이벤트 구동 센서, 기계 학습 및 인공 지능을 사용하여 마이크로 및 나노 시스템 설계 및 제조를 향상시키는 방법을 개발하고 있습니다. 그는 멘토링 우수성에 대한 2019 Cornell 공로상과 Hilton Head Conference에서 2016 MEMS 상어 펍 탱크상을 수상했습니다. Cornell에 합류하기 전에 Ben은 Marquette University의 Nanodevices Laboratory에서 미세 열 분석 및 열 미세 유체 시스템에 대해 이정훈 교수와 함께 일했으며 박사 학위를 받았습니다. 전기 공학에서. 박사 과정에서 그는 2014 IEEE Larry Hause 상과 2014 College of Engineering 우수 TA 상을 받았습니다.\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\n\n\n\u003c\/table\u003e","brand":"SEMI Dev 2","offers":[{"title":"Default Title","offer_id":40330547068995,"sku":"80c0a583-8ea3-4582-aabd-6050d73d9398","price":74000.0,"currency_code":"KRW","in_stock":false}],"url":"https:\/\/store-dev2.semi.org\/ko-kr\/products\/semi105-ai-enhanced-microfabrication-of-printed-electronics-1","provider":"SEMI Dev 2","version":"1.0","type":"link"}