半導體產業網：隨著近幾十年半導體制程技術的發展，具有優良直接能隙特性的三五族化合物半導體已廣泛應用于大功率電子、照明、顯示技術等各個領域。發光二極管 (LED) 在顯示技術中應用最為廣泛。以LED為顯示光源的背光顯示技術帶來了優于傳統顯示解決方案的能源應用效率和更好的色彩質量，并引導整個顯示產業到更薄的設計。
近十年來，2010年推出的LED背光顯示技術已在全球市場得到廣泛認可。未來有一個更精確的藍圖：更高的能源應用效率，更高的色彩飽和度，以及具有超高對比度度控制能力的Micro-LED背光模塊。Micro-LED背光模塊在為前瞻顯示帶來諸多優勢的同時，也帶來了許多新穎的挑戰和創新機會。例如，通過在NCTU SCLAB研究奈米球光罩蝕刻技術，可以減輕在制程階段由薄外延設計產生的量子局限史塔克效應(QCSE)。由于芯片尺寸比，照明角度設計區域受到限制，提出了新的低光損耗光學設計挑戰。相當多的研究成果也測量了整體背光設計的間接物理參數。設計具有高均勻性和低功耗的Micro-LED模塊在今天仍然是一項重大挑戰。
此外，由于量子點材料可以顯著提升顯示器的色彩質量，量子點色彩轉換技術也是前瞻性顯示技術中一項極為重要且被廣泛討論的技術。在過去的半個世紀中，許多成熟的光學設計方法和物理概念已經建立并用于各種研究工作。在LED領域，對不同尺度的物理模型進行了大量的研究和分析。但是，由于宏觀尺度和微觀尺度的具體表現分別是粒子和波，在進行光學設計時，往往不可能同時進行宏觀尺度和微觀尺度的設計。由于晶粒結構的微觀尺度和背光模塊的宏觀尺度都存在于Micro-LED模塊中，這種現象已成為追求超薄設計的Micro-LED模塊的一個挑戰。
近日，來自臺灣交大、深圳大學、富士康半導體研究所以及英國利物浦大學合作的研究項目一項成果構建了一套光學編程程序，并介紹了一種環境控制代理技術來控制宏觀和微觀尺度。此外，由于傳統的優化計算方法，如差分進化算法和基因算法，都是rule-based的算法，具有可解釋性和使用較少超參數的特點。這種方式雖然方便開發者使用，但對于可變性較大的主題，應用起來難度更大。相反，由大量數據驅動的數據驅動算法有很多超參數來解決各種變化的問題。
為了實現高度適應性的解決方案，避免過度敏感的搜索過程導致無法找到全局最大值或最小值，研究提供人工智能深度強化學習技術，并采用Google DeepMind的double DQN（DDQN）架構作為核心網絡創建人工智能光學設計代理以實現最佳光學設計。深度強化學習 (DRL) 和環境控制代理技術在研究中得到充分實現。此外，基于人工智能模型的推理結果，成功生產出超薄、高效、高均勻度的Micro-LED模塊。
研究引入的環境控制代理技術將微觀尺度和宏觀尺度模型高效地整合為一組優化模型，消除了不同計算尺度帶來的所有計算障礙。強化學習模型還提供了一種針對Micro-LED背光模塊的高效模型優化設計方法。與全循環模式相比，可以確定解平面上分辨率更高的最優位置；因此，設計代理的優化結果比整個循環的優化結果要好一些。此外，與多參數離散循環解相比，設計代理可以找到更準確的解，只需要整個循環時間的17.9%即可找到解。研究采用新穎的多環境控制方法和強化學習框架，成功開發出具有DBR結構的Micro-LED背光模塊作為背光均勻度優化組件，與沒有DBR結構的Micro-LED背光模塊相比，其均勻度提升了32%。
關于該研究成果，相關研究人員表示，該項技術在光學設計領域是頂尖水平, 主要三個技術特點 (1) 同時考慮微觀及巨觀光學的光學設計技術 (2) 利用人工智能技術將虛擬設計軟件與實作結果進行擬真, (3) 使用人工智能技術進行優化技術, 此技術可以用在除了設計領域外, 也可與制造及材料成長技術進行整合。
Micro-LED背光模組目前普遍都以單純的GaN數組進行排列, 在光暈及高動態對比上尚存有質量不佳的問題, 因此光學設計技術的推進將有助于質量更佳的顯示器產生。
此次收錄的研究成果有效整合仿真設計與實務信息, 此類模式與TSMC以及各大IC設計公司的思路一致, 因此此次的研究成功的將前瞻設計整合技術落實在光電產業上, 提供給后續研究人員一個新的思路與模式。
對于該研究成果接下來會以此架構持續在半導體制程技術的整合上進行進一步的制程方法與結構優化。
原文鏈接：
https://www.hh-ri.com/2022/01/07/micro-led-backlight-module-by-deep-reinforcement-learning-and-micro-macro-hybrid-environment-control-agent/
