في عالم صناعة أشباه الموصلات، تعد دقة تحليل عيوب الشرائح أمرًا بالغ الأهمية، وهذا ما تسعى له تقنية 'وافرSAGE'. هذه الإطار الجديد يعتمد على نماذج صغيرة من الرؤية اللغوية (Vision-Language Models) لتقديم إجابات دقيقة على الأسئلة المتعلقة بعيوب الشرائح.

أولاً، تواجه صناعة أشباه الموصلات تحديًا كبيرًا يتجلى في ندرة البيانات، لذا طورت 'وافرSAGE' نموذجًا يتكون من ثلاث مراحل رئيسية لتحليل البيانات. تبدأ العملية من خرائط الشرائح المسمّاة بشكل محدود، حيث يتم استخدام تقنيات تنظيف مرتكزة على التجميع لإزالة الضوضاء في البيانات.

في المرحلة الثانية، يتم توليد أوصاف شاملة للعيوب باستخدام نماذج الرؤية اللغوية، والتي تتحول إلى معايير تقييم منظمة. وهذه المعايير تُستخدم لتوجيه عملية توليد أزواج الأسئلة والأجوبة المتعلقة بالرؤية اللغوية، مما يضمن تغطية شاملة لمختلف أنواع العيوب.

ثم تأتي مرحلة التقييم المزدوج، حيث يتم توافق المقاييس القاعدية مع درجات تقييم نموذج 'LLM-Judge' عبر التحسين البايزي، مما يمكّن التقييم التلقائي الموثوق به. وبفضل استخدام تقنيات التعلم المعزز المستند إلى المنهج الدراسي مع تحسين سياسات مجموعة التسلسل، حقق النموذج 'Qwen3-VL' 4B-parameters درجة LLM-Judge تقدر بـ 6.493، مما يجعله قريبًا من النموذج Gemini-3-Flash (7.149).

تكمن أهمية هذه التقنية في قدرتها على تحقيق نشر كامل في مواقع التصنيع دون الحاجة إلى الاعتماد على نماذج كبيرة ومكلفة، مما يفتح آفاق جديدة لتحليل الرؤية في الصناعة. يتضح أن استخدام نماذج صغيرة مع تدريب متخصص يمكن أن يتفوق على نماذج كبيرة مملوكة في فهم الرؤية الصناعية المتخصصة، مما يوفر طريقًا فعالًا من حيث التكلفة ويحافظ على الخصوصية في عمليات التصنيع.

في الختام، تقدم 'وافرSAGE' بُعدًا جديدًا في معالجة التحديات التقليدية في تصنيع أشباه الموصلات. هل تعتقد أن هذه التقنية ستحدث ثورة في صناعة السليكون؟ شاركونا آراءكم في التعليقات.