近年來由於雲端計算、邊緣運算、人工智慧及車用電子的快速發展，高效能硬體端電子元件需要創新的研發及製造才能滿足這些應用。而高效能硬體端電子元件的核心即為半導體元件，因此符合各種應用的高效能半導體元件不斷的被開發出來，這意味者開發的過程需要更精密的設計及更嚴謹的製造過程來確保元件的高效能及高可靠性。一般傳統半導體元件的設計、製造和測試的流程是根據半導體元件的物理機制，開始逐步設計不同元件的參數，例如介電層厚度和通道尺寸等，來設計半導體元件特性以達到目標特性。而其中元件設計經常是利用電腦輔助設計軟體(Technology Computer-Aided Design (TCAD))輔助來預測其特性。確認TCAD產生元件特性符合預期後，才開始製造半導體元件。使用不同條件來製造預期的元件結構，最後再進行元件量測來判斷是否符合初期利用物理機制所推斷出來的元件特性。然而，對於新型的半導體元件而言，由於物理知識的限制和缺乏精確的物理模型來了解設計與製程參數的影響，導致最後元件的特性不如預期的設計。此外，於full wafer製造時，尚需考量製程參數的穩定性及一致性，導致最後元件特性並不完全一致。目前，結合實驗觀察和物理理解的反覆試驗是解決這個問題的唯一方法。然而，這是一個耗時且耗費資源的過程。基於半導體元件開發過程中會產生極大量的設計、製造及量測參數數據，因此可利用這些實驗資料，配合機器學習來建立人工智慧化引擎，以加速半導體元件的設計、製造及特性優化過程。
本技術開發之AI-Semi智能優化半導體元件設計、製造及特性平台 (AI-Semi : A platform for Intelligent Optimization in Semiconductor Device Designs, Manufacturing, and Performance) 將可垂直整合元件設計、製造條件及最後半導元件特性優化的優點，可廣泛的應用在各種半導體元件上，達到精準分析關鍵參數，進而快速優化元件特性。此人工智慧化平台將有助於大幅減少開發後摩爾時代半導體元件的成本、時間及人力資源，對於目前台灣半導體廠正積極開發More Moore (如10奈米以下元件) 及 More than Moore (如感測器元件、節能功率半導體元件) 的下世代半導體元件均有極大的幫助。

本平台將人工智慧應用於半導體來加速元件設計及製程的優化。不同的元件設計、材料及製程對元件特性及可靠度的相關性，均可使用此平台達到特性模型化及預測。此外，本平台開發出的autoencoder技術將可根據元件的特性來反推出所需要的設計及製程參數，將可大幅的提升元件設計及製程的優化效率。

本平台可優化元件設計、製造條件來達到最佳的特性及可靠度，可應用在各種半導體元件上，達到精準分析關鍵設計及製程參數來優化元件特性。此平台將有可減少開發後新技術的成本及時間，對於More Moore (如10奈米以下元件) 及 More than Moore (如節能功率元件等) 的技術均有極大的幫助。