ИИ создал рентгеновское зеркало: конец эпохи студенческого труда?

Официальным тоном: Китайские исследователи поручили ИИ-агенту составить технологический регламент для напыления рентгеновского зеркала и реализовать его на действующем оборудовании, сообщается в свежем препринте. Со второй попытки нейросеть успешно получила структуру с требуемым периодом.

Так вот, те самые китайские ученые — это я.

---

Обычно в контексте «ИИ-агентов» мы воображаем программные утилиты: вот бот пишет код, серфит по сети или оформляет доставку еды. Ошибся? Перезапускаем диалог, издержки минимальны. В худшем случае сгорает тестовый бюджет. А что произойдет, если сгенерированная им команда запустит вакуумную установку с напряжением 800 вольт? При этом оценивать результат будет рентгеновский дифрактометр, которому совершенно безразличны оправдания искусственного интеллекта. Именно это мы и решили проверить: способна ли языковая модель, обладая базовым объемом данных, подготовить рецепт осаждения покрытий, запустить процесс на реальном стенде и добиться целевых характеристик. Для понимания масштаба: у типичного аспиранта на решение подобной задачи уходит около двух недель.

Что представляют собой такие зеркала и почему важна точность до 0,1 нм

Ни одно чистое вещество само по себе не способно эффективно отражать рентгеновское излучение при нормальном падении. Выход из ситуации — создание многослойных периодических структур: чередование тяжелых и легких слоев. Фактически перед нами искусственный кристалл. Каждая граница раздела дает микроскопический вклад в отражение, а при точном подборе периода под длину волны волны интерферируют конструктивно (выполняется условие Брэгга). Период (суммарная толщина тяжелого и легкого слоев) определяет угол и длину волны отраженного света. Подробнее об этой оптике я рассказывал в материале про EUV-литографию.

Теперь о цифрах. Толщина отдельных слоев исчисляется нанометрами, но сам период необходимо выдерживать с погрешностью порядка 0,1 нм на всю пачку. Напыление сотен слоев занимает от трех до пяти часов, и в течение всего этого времени отклонение периода не должно превышать 1%. Наши 30 периодов напылялись около полутора часов. При толщине слоев в 2–4 нм допуск составляет 0,02–0,04 нм — менее половины ангстрема.

Толщина покрытия рассчитывается как произведение скорости осаждения на время. Скорость зависит от характеристик мишени, мощности разряда, давления и геометрии камеры, поэтому мы предварительно калибруем систему и далее принимаем параметр за условно постоянный.

В этот раз мы синтезировали зеркало на базе Ru/C (рутений/углерод) с целевым периодом 6,85 нм (30 периодов на стеклянной подложке). Выбор пары обусловлен практичностью: в такой системе отсутствует взаимное диффузионное перемешивание, она четко разделяется на два слоя, а обработка рентгеновских спектров дает однозначные результаты. Звучит тривиально, но на практике процесс полон подводных камней, о которых я упоминал ранее. Разумеется, агент угодил в некоторые из них с разбега.

The Team

Архитектура эксперимента была выстроена следующим образом. Я выступал в роли куратора и взаимодействовал с главным агентом (Fable 5.1), которому был открыт доступ к базам знаний, схемотехнике установки, кодовой базе и прочей документации. Тот, в свою очередь, координировал действия младшего агента (Opus 5), управлявшего комплексом и обрабатывавшего телеметрию. Иными словами, супервизор выполнял мои функции, а ИИ-агент выступал в роли начинающего аспиранта. Цель заключалась в точном воспроизведении зеркала, созданного человеком четырьмя месяцами ранее.

Инструментарий агента

Установка представляет собой стандартную систему магнетронного распыления (magnetron sputtering), описанную в предыдущей статье: вертикальная вакуумная камера, верхнее расположение магнетронов и подвижный столик-держатель подложек, перемещающийся между ними. Время экспозиции каждого слоя регулируется шторкой с апертурой. Поскольку ОС Windows не гарантирует микросекундную точность, затвором управляет выделенный контроллер шаговых двигателей.

Сам рецепт задается с помощью нашего специализированного внутреннего языка (DSL). Устройства, параметры, циклы — всё по стандарту. Тридцать периодов не прописываются вручную: задается один шаблон, обернутый в цикл, как в любом языке программирования. Для нейросети это сильная сторона, писать код она умеет отлично.

Однако подсмотреть готовое решение было нельзя: по условиям теста модель находилась в изолированной песочнице и разрабатывала скрипты с нуля. Во время первого тестового прогона на эмуляторе агент начал хаотично открывать газовые клапаны, пытаясь реверснуть логику вакуумной системы. Причиной стало то, что супервизор (пожадничав) изначально не предоставил ему техническую документацию, из-за чего модель выдала откровенную белиберду. После моего внушения супервизору инструкции и схемы были оперативно переданы, и процесс пошел конструктивнее.

Связь между ИИ и аппаратной частью обеспечивал программный мост на базе протокола MCP (Model Context Protocol), включающий 17 атомарных инструментов. Каждая команда соответвала строго одной операции без какой-либо самодеятельности со стороны моста. Ключевыми элементами выступали справочник и валидатор. Справочник в режиме реального времени транслировал актуальный синтаксис DSL и наименования узлов с реального железа.

Валидатор осуществлял тестовую проверку кода без записи в систему: итерации не влияли на физическое состояние установки. Проверка строилась по жесткому принципу: «разрешено только то, что явно прописано».

Уровень доступа через API был многоуровневым (чтение, загрузка рецептов, ручное вмешательство). После инцидента с клапанами на эмуляторе агенту выдали средний привилегированный уровень: загрузить и запустить готовый регламент можно, дергать отдельные соленоиды напрямую — нет. Впрочем, нейросеть быстро нашла обходной путь, начав писать короткие специализированные тесты. Ничего не напоминает?

Система разграничения прав

Оборудование дорогостоящее и потенциально опасное, поэтому к безопасности подошли предельно строго. Защита интегрирована на серверной стороне: валидность лицензии определяет запуск серверной части ИИ. Выданный агенту токен содержит жесткие лимиты доступа, причем каждый запрос проходит многоступенчатую верификацию.

Аппаратные блокировки функционируют на том же уровне, что и пульт оператора. У агента нет собственной автономной логики безопасности, но и причинить ущерб аппаратуре он физически не способен. По крайней мере, не больше, чем рядовой студент.

При этом система безопасности не умеет отличать качественное зеркало от брака. Регламент, прошедший все формальные проверки, может сформировать на подложке полный беспорядок. Единственным объективным судьей выступает метод малоугловой рентгеновской дифракции (X-ray reflectivity, XRR).

Исходные параметры

Здесь все выглядело относительно просто. На старте супервизор проанализировал электронный лабораторный журнал (ELN) и оценил разброс параметров прошлых серий, получив значение 1,7%. Требовать от искусственного интеллекта более ювелирной точности не имело практического смысла.

Пару слов об ELN, которому я посвящал отдельную публикацию. Система фиксирует любые изменения, создание и удаление записей с привязкой ко времени и учетной записи. Агенту выделили изолированный профиль с пустым проектом. Права на чтение и запись ограничивались этой песочницей; архив эталонных напылений оставался защищенным на уровне сервера. Все физические измерения (данные профилометра, кривые дифракции, подгонки) прикреплялись оператором-человеком, исключая любые попытки подтасовки со стороны ИИ.

Правила эксперимента

Итак, вводные данные для агента: целевой период 6,85 нм, доля рутения в периоде Γ = 0,215, 30 периодов, адгезионный подслой рутения толщиной 19,7 нм под структурой (к нему мы еще вернемся), стеклянная подложка и фиксированные скорости осаждения. Ни эталонного кода, ни скриптов анализа — только ограниченный доступ к ELN.

Критерий успешности зафиксировали заранее: средний период по результатам моделирования рентгеновских спектров должен укладываться в коридор ±3% при сохранении исходного числа брэгговских порядков (у эталона их 8). 3% от 6,85 нм — это примерно 0,2 нм (два ангстрема). Ужесточать порог до реальных 1,7% не стали.

Прежде чем запускать железо, провели симуляцию. Расчеты на основе заданных констант давали 31,26 с для рутения и 133,43 с для углерода. Сравнение с человеческим рецептом показало идентичные цифры (31 с и 133 с с учетом округления). Расчетный период составил 6,820 нм при измеренном у эталона значении 6,854 нм (расхождение 0,5%). Задача была математически решаемой. Ошибется агент — значит, сам виноват.

Перед полевыми испытаниями прогнали эмулятор. Модель изучила архитектуру установки, протестировала валидатор, заложила 31,26 с для Ru, 133,43 с для C и 418,17 с для адгезионного слоя. Проверив черновой вариант и уточнив назначение пары аргументов, агент загрузил скрипт в систему. Я прервал сессию на 24-м периоде (спустя 1 час 24 минуты), так как камера была готова к реальному запуску. Эмулятор подтвердил корректность отработки программы до финальных шагов (кроме работы с пленкой).

Подпись к изображению: Интерфейс управляющей программы: вакуумная камера с четырьмя магнетронами, шлюзовая система, напуск газа, насосы. Справа отображается лог команд — открытие клапанов, запуск силовой электроники, вращение приводов. Точно такие же директивы формирует и агент.

Первый блин

Попытка номер один на реальном железе: рецепт завершился с ошибкой из-за опечатки в названии параметра, отвергнутого драйвером. Попытка номер два: не зажегся разряд. Агент не зафиксировал сбой, поскольку телеметрия блоков питания передавалась с задержкой через мост, процесс пришлось экстренно останавливать мне. Покрытие не сформировалось.

Следующий цикл отработал штатно от начала до конца. ИИ и установка сделали всё безупречно, за исключением одной детали: оператор забыл установить подложку в держатель. Обслуживающий персонал («кожаный мешок») тоже совершает ошибки. Агент завершил процедуру курьезным образом, полностью перекрыв дроссельный клапан вместо его открытия (здесь сказалась неоднозначность инструкций). Заслонку вернули в исходное положение вручную.

Тот же рецепт с исправленным завершением (напыление №2) дал период 8,254 нм. Повторный запуск через три часа (напыление №3) показал 8,191 нм. Отклонение составило 20,5% и 19,6% от нормы — почти полтора лишних нанометра.

«Нейросеть промахнулась на 20%», — заметит внимательный читатель. Давайте разберем причины. Проблема крылась в углероде: слои C толщиною около 7,0 нм формировались за 133,43 с (скорость 0,053 нм/с), что на 30% быстрее архивных значений. Рутений, напротив, оказался тоньше расчетного (1,19 нм вместо 1,473 нм). При этом два образца из одного рецепта, полученные с интервалом в три часа, сошлись с точностью до 0,8%. Ошибка носила системный характер. Иными словами, ошибся не ИИ, а устарели исходные калибровки в архиве.

Подпись к изображению: Спектры эталона и первых зеркал агента. Пики смещены влево: фактический период превысил целевой на 20%.

Второй заход

На следующем этапе агенту передали результаты подгонки в числовом виде. Он самостоятельно вывел формулу пересчета: толщина = скорость × (время − мертвое время). Мертвую паузу оценили в 6,07 с на слой, скорости составили: для Ru — 0,04718 нм/с, для C — 0,05516 нм/с. Время экспозиции углерода сократили со 133,43 до 103,55 с, рутения — увеличили с 31,26 до 37,29 с.

Напыление №4: период 6,695 нм, отклонение 2,26% — зачет (разница около 0,15 нм). Скорость осаждения углерода совпала с моделью агента с точностью до 0,6%, а оставшиеся 2,3% погрешности пришлись на рутений. Правда, первый осажденный период по отдельности дал бы 3,23% (незачет), но нас выручил заранее утвержденный критерий по среднему значению.

Напыление №5: рутений — 43,3 с, углерод — 103,0 с. Период составил 6,796 нм при отклонении 0,79% (менее половины ангстрема). Нейросеть заранее спрогнозировала целевой диапазон 6,78–6,92 нм и попала точно в цель. Однако в процессе она допустила логические просчеты, оставшиеся для нее незамещенными.

Подпись к изображению: Спектры эталона и финальных зеркал агента. Пики встали на штатные позиции, зафиксировано восемь порядков отражения — ровно как у эталона.

Во-первых, модель перенесла калибровку сверхтонких слоев (1,5 нм) на тот самый мощный адгезионный подслой, который по ее расчетам должен был составлять 19 нм, и удерживала это ошибочное время даже после того, как уточненные подгонки показали значение 13,1 нм. Для специалиста абсурдность такого решения очевидна.

Во-вторых, дрифт толщин в ходе роста пачки слоев ИИ интерпретировал как случайные колебания, упустив сам тренд изменения скорости, хотя тот менял знак и амплитуду. Подобный дрифт — следствие изменения термодинамических условий (нагрев стенок, остаточная атмосфера, фазы луны и т.д.). Опытный экспериментатор знает, что утренние образцы всегда стабильнее вечерних. Агент эту закономерность проигнорировал. Мы предоставили ему шанс сделать финальный идеальный образец в тот же день, но вместо этого шестым запуском он почему-то синтезировал еще одну однослойную пленку.

Выводы

В препринте приведена детальная матрица распределения ролей. На совести агента — тайминги слоев, последовательность и порядок их чередования, моменты зажигания плазмы, логика работы клапанов, стратегия обработки аварийных пауз и ведение логов. Диагностику он проводил короткими тестовыми скриптами без прямого аппаратного доступа. Люди в свою очередь всячески «мешали»: прерывали сбойные попытки, дорабатывали затворы вручную, пересчитывали спектры и досрочно свернули эксперимент после шестого напыления. Оператор переводил софт в удаленный режим, забывал ставить подложки и отвечал на запросы ИИ.

Анализируя результаты, можно ошибочно заключить, что нейросеть несовершенна и не способна на самостоятельную качественную работу. Это заблуждение. Получи агент полноценный доступ к нашей внутренней базе знаний, а не изолированную песочницу, он бы избежал большинства детских болезней и легко превзошел бы типичного аспиранта.

Интересующий многих вопрос: «Заменит ли ИИ студента?» — практически решен. Если под «студентом» подразумевается физический оператор в лаборатории — пока да. Но его функционал трансформируется: экспериментом теперь руководит ИИ, тогда как подготовка подложек и валидация результатов по-прежнему остаются за человеком. По крайней мере, на данном этапе.

Дополнительные материалы

Исходные рентгеновские спектры, полные логи сессий агента со всеми вызовами API и ответами системы в открытом доступе опубликованы на Zenodo. Сам препринт статьи доступен на платформе arXiv.

 

Источник