مصاحبه با امینه موویچ: کاربرد یادگیری ماشین در تولید نیمه‌رسانا

امینه در حال ارائه دو پوستر در AAAI 2025.
امینه در حال ارائه دو پوستر در AAAI 2025.
امینه موویچ

در مجموعه‌ای از مصاحبه‌ها، ما با تعدادی از شرکت‌کنندگان کنسرسیوم دکترای AAAI/SIGAI ملاقات می‌کنیم تا در مورد تحقیقاتشان بیشتر بدانیم. در این مصاحبه، ما از امینه موویچ می‌شنویم که یادگیری ماشین را در تولید نیمه‌رسانا به کار می‌برد. درباره تحقیقات دکترای او تا به امروز، چه چیزی این زمینه را بسیار جالب می‌کند، و چگونه تجربه کنسرسیوم دکترای AAAI را یافت، بیشتر بیاموزید.

به ما کمی در مورد دکترای خود بگویید - کجا تحصیل می‌کنید و موضوع تحقیق شما چیست؟

من در حال حاضر در دانشگاه سارایوو، دانشکده مهندسی برق، گروه علوم کامپیوتر و انفورماتیک، در حال تحصیل در مقطع دکترا هستم. تحقیق من با همکاری Infineon Technologies Austria به عنوان بخشی از پروژه مهم منافع مشترک اروپا (IPCEI) در میکروالکترونیک انجام می‌شود. موضوع تحقیق من بر توسعه یک سیستم مترولوژی مجازی چند خروجی قابل توضیح مبتنی بر یادگیری ماشین برای پیش‌بینی خواص فیزیکی لایه‌های فلزی در تولید نیمه‌رسانا متمرکز است.

آیا می‌توانید یک مرور کلی از تحقیقاتی که تاکنون در طول دوره دکترای خود انجام داده‌اید، ارائه دهید؟

در سال اول دوره دکترا، من روی پیش‌پردازش داده‌های پیچیده تولید و آماده‌سازی یک تنظیمات پیش‌بینی چند خروجی قوی برای مترولوژی مجازی کار کردم. من با متخصصان صنعت همکاری کردم تا پیچیدگی‌های فرآیند را درک کنم و مدل‌های پیش‌بینی را اعتبارسنجی کنم. من یک الگوریتم انتخاب مبتنی بر طرح‌ریزی (ProjSe) را به کار بردم که به خوبی با دانش حوزه و فیزیک فرآیند مطابقت داشت.

در سال دوم، من یک روش توضیحی توسعه دادم که برای شناسایی مرتبط‌ترین ویژگی‌های ورودی برای پیش‌بینی‌های چند خروجی طراحی شده بود.

آیا جنبه‌ای از تحقیق شما وجود دارد که به ویژه جالب بوده باشد؟

برای من، جالب‌ترین جنبه، هم‌افزایی بین فیزیک، ریاضیات، فناوری پیشرفته، روان‌شناسی و اخلاق است. من با داده‌هایی کار می‌کنم که در طول یک فرآیند فیزیکی - رسوب‌گذاری بخار فیزیکی (Physical Vapor Deposition) - جمع‌آوری شده‌اند، با استفاده از مفاهیم هندسه و جبر، به ویژه عملگرهای طرح‌ریزی و جبر آن‌ها، که ریشه در مکانیک کوانتومی دارند، برای افزایش عملکرد و قابلیت تفسیر مدل‌های یادگیری ماشین. همکاری نزدیک با مهندسان در صنعت نیمه‌رسانا نیز بسیار روشنگر بوده است، به ویژه با دیدن اینکه چگونه توضیحات می‌توانند به طور مستقیم از تصمیم‌گیری انسانی در محیط‌های پرمخاطره پشتیبانی کنند. من واقعاً مفتخرم که دانش خود را در این زمینه‌ها تعمیق بخشم و این تحقیق چندرشته‌ای را انجام دهم.

برنامه‌های شما برای توسعه تحقیقات خود تا به امروز در طول دوره دکترا چیست - چه جنبه‌هایی را در آینده بررسی خواهید کرد؟

من قصد دارم بیشتر روی داده‌های سری زمانی تمرکز کنم و روش‌های توضیحی برای مدل‌های سری زمانی چند متغیره توسعه دهم. علاوه بر این، قصد دارم جنبه‌های هوش مصنوعی مسئولانه را در صنعت نیمه‌رسانا بررسی کنم و اطمینان حاصل کنم که راهکارهای پیشنهادی در طول دوره دکترای من با اصولی که در قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) ذکر شده است، همسو هستند.

کنسرسیوم دکترای AAAI و تجربه کنفرانس AAAI به طور کلی چگونه بود؟

شرکت در کنسرسیوم دکترای AAAI تجربه‌ای شگفت‌انگیز بود! این فرصت را به من داد تا تحقیقات خود را ارائه دهم و بازخوردهای ارزشمندی از محققان برجسته هوش مصنوعی دریافت کنم. جنبه شبکه‌سازی به همان اندازه پاداش‌دهنده بود - من مکالمات الهام‌بخشی با دانشجویان دکترا و مربیان از سراسر جهان داشتم. خود کنفرانس اصلی پرانرژی و متنوع بود، با تحقیقات پیشرفته ارائه شده در بسیاری از زیرشاخه‌های هوش مصنوعی. قطعاً انگیزه من را تقویت کرد و ایده‌های جدیدی برای مرحله نهایی دوره دکترایم به من داد.

چه چیزی باعث شد که بخواهید هوش مصنوعی را مطالعه کنید؟

پس از فارغ‌التحصیلی در فیزیک نظری، متوجه شدم که فرصت‌های شغلی - به ویژه در تحقیقات فیزیک - در کشورم بسیار محدود است. شروع به جستجوی نقش‌هایی کردم که بتوانم دانش ریاضی و مهارت‌های حل مسئله‌ای که در طول تحصیلاتم کسب کرده بودم را به کار ببرم. در آن زمان، علم داده یک زمینه ایده‌آل و امیدوارکننده به نظر می‌رسید. با این حال، به زودی متوجه شدم که عمق و هدف تحقیقات بنیادی را از دست داده‌ام، که اغلب در نقش‌های صنعتی وجود نداشت. این انگیزه من را برای ادامه تحصیل در مقطع دکترا در هوش مصنوعی ترغیب کرد، با هدف کسب درک عمیق و بنیادی از این فناوری - درکی که می‌تواند به طور معناداری به کار گرفته شود و در خدمت بشریت قرار گیرد.

چه توصیه‌ای به کسی دارید که به فکر انجام دکترا در این زمینه است؟

کنجکاو بمانید و برای یادگیری از رشته‌های مختلف - به ویژه ریاضیات، آمار و دانش حوزه - باز باشید. اطمینان حاصل کنید که تحقیق شما هدفی دارد که شخصاً با شما همخوانی دارد، زیرا این اشتیاق به شما کمک می‌کند تا از چالش‌ها عبور کنید. لحظاتی وجود خواهد داشت که احساس می‌کنید می‌خواهید تسلیم شوید، اما قبل از تصمیم‌گیری، از خود بپرسید: آیا من فقط خسته‌ام؟ گاهی اوقات، استراحت راه‌حل بسیاری از مشکلات ماست. در نهایت، مربیان و جوامعی را پیدا کنید تا ایده‌ها را با آنها به اشتراک بگذارید و الهام بگیرید.

آیا می‌توانید یک واقعیت جالب (غیر مرتبط با هوش مصنوعی) در مورد خودتان بگویید؟

من یک علاقه‌مند بزرگ به ترویج علم هستم! من به طور مرتب با انجمن پیشرفت علم و فناوری در بوسنی داوطلبانه همکاری می‌کنم، جایی که کارگاه‌ها و رویدادهایی را برگزار می‌کنیم تا کودکان و دانش‌آموزان دبیرستانی را برای کشف STEM - به ویژه در جوامع محروم - الهام بخشیم.

درباره امینه

امینه موویچ یک دانشجوی دکترا و دستیار آموزشی در دانشگاه سارایوو، دانشکده مهندسی برق، بوسنی و هرزگوین است. تحقیقات او با همکاری Infineon Technologies Austria به عنوان بخشی از IPCEI در میکروالکترونیک انجام می‌شود. او مدرک کارشناسی ارشد خود را در فیزیک نظری دریافت کرده است و به دلیل کسب معدل بالاتر از 9.5/10 در طول تحصیلات کارشناسی و کارشناسی ارشد، دو نشان طلایی دانشگاه سارایوو را دریافت کرده است. امینه به طور فعال برای ترویج آموزش STEM در میان جوانان در بوسنی و هرزگوین داوطلبانه فعالیت می‌کند و به بهبود محیط تحقیق در کشورش اختصاص دارد.

برچسب‌ها: , , ,