科技日报记者符晓波
近日，一套面向先进封装领域的电子电镀配方研发智能体EP-Agent，面向具有相关研发需求的高校、科研院所和行业企业开放内测。该智能体由厦门大学程俊、杨晓晖团队与上海人工智能实验室李玉强团队联合研发。它通过在高成本实验与工艺验证之前增设高精度、高通量的智能筛选环节，让大规模候选分子筛选成为可能，探索破解先进封装电镀液配方“候选空间大、试错成本高”的行业难题。
增设智能筛选“闸门”
电子电镀是先进封装制造中承前启后的关键环节。在光刻完成图形定义后，它通过精准电镀将微纳米图形转化为金属互连结构，其质量直接关系到器件的互连性能与可靠性。如果把光刻比喻成“图纸”，电子电镀则是“按图施工”。其中，电镀液配方是决定电镀效果的关键因素之一。
“电镀液是决定沉积质量和工艺性能的重要基础材料，但电镀液配方的研发候选空间大到难以穷尽，每一次实验试错都代价高昂。”厦门大学化学化工学院副教授杨晓晖介绍，传统研发普遍靠一遍遍试错逐步筛选出合适的配方和工艺。尤其是进行电子电镀工序时，晶圆或封装基板已经历刻蚀、薄膜沉积、种子层制备等多道前序工艺，累积了较高制造成本，一旦电镀液配方与工艺条件不匹配，导致孔洞、夹缝、填充不均等缺陷，失败的不仅是单次电子电镀试验，此前研发投入也可能成为沉没成本。
“团队开发智能体的初衷，是在高成本实验之前增设一道智能筛选‘闸门’，利用AI先对分子和配方组合进行‘海选’，把最有潜力的少数方案送到实验台前。”杨晓晖说，为此，团队构建了覆盖界面吸附与扩散、电化学响应等不同研发环节的专业AI模型。
基于这套研发智能体，研发人员可以首先利用AI快速评估大量候选分子和配方组合，从中筛选出少量具有较高潜力的方案，再投入高精度计算、实验和实际工艺验证。在候选方案初筛阶段，原本需要数小时甚至更长时间完成的计算或实验表征结果，可通过AI模型在几毫秒至几秒内完成预测。
打造企业专属“助手”
电子电镀工艺具有很强的场景依赖性。不同镀种、镀液体系、设备、图形结构和工艺窗口之间差异明显，不同企业对沉积速率、均匀性、填孔能力和可靠性的要求也各不相同。因此，团队并不追求训练出覆盖所有工业场景的“万能模型”，而是更倾向于在基础模型之上适配企业真实工况，将模型本地部署到企业内部。
为适配产业应用路径，在使用方式上，EP-Agent同步提供自然语言对话交互与API（应用程序编程接口）接入两种模式。自然语言对话交互主要面向研发人员和工艺工程师，用户可直接描述研发需求，由EP-Agent调用相应专业模型完成预测和分析，降低专业计算工具的使用门槛；API主要面向企业现有研发平台、数据系统及自动化实验设备，可将预测能力嵌入企业已有研发流程，为后续本地化部署和企业专属模型建设提供基础。
“未来，我们希望在保障核心配方与工艺数据安全的前提下，利用企业积累的历史配方、实验结果和生产数据持续训练、校准模型，逐步形成面向具体企业和具体场景的专属研发模型。”杨晓晖说。
形成人机协同模式
用AI智能体加速材料研发，正在成为全球科研竞争的新焦点。EP-Agent并非简单替代科研人员或工艺工程师，而是改变研发人员的工作重心。
过去，研发人员需要投入大量时间搭建计算任务、等待结果并进行数据整理，工艺工程师则需要围绕不同添加剂和配比开展大量试验。EP-Agent初步内测显示，引入AI后，部分成熟任务可由模型快速完成预测和大规模筛选，研发人员得以将更多精力投入到问题定义、结果判断、关键实验设计和机理分析中。
值得注意的是，AI无法独立完成电镀液完整研发，最终配方必须经过真实电子电镀试验和可靠性评价。超出训练数据范围的新体系，需要专业人员判断模型是否仍然适用，并由专业人员提出新的科学问题和验证方案；涉及安全、环保、成本、供应链和量产可靠性的综合决策，同样需要由专业人员和企业最终负责。
“事实上，新的电镀液研发范式对研发人员和工程师提出了更高要求。”杨晓晖说，首先是问题定义能力，相关人员需要将复杂的研发需求转化为可以计算、预测和验证的科学问题；其次是模型判断能力，能够识别模型的适用范围和结果可信度；最后是实验与工程决策能力，能够设计关键验证实验，并据此调整下一轮研发方向。
据介绍，EP-Agent研发团队现阶段重点是通过真实研发任务检验模型能力、评估其在不同场景中的适用性，进而发现模型与产业实际需求之间的差距。
网友评论
