自主的基于生物学的学习工具制造技术

提供了一种自主的基于生物学的学习工具系统和该工具系统用来进行学习和分析的方法。自主的基于生物学的学习工具系统包括（ａ）执行一组特定任务或过程并生成资产和与资产相关的表征各过程和相关联的工具性能的数据的一个或多个工具系统；（ｂ）接收并格式化数据的交互管理器，以及（ｃ）基于生物学习原理的自主学习系统，这样的系统包括被递归地定义并通过网络进行通信的存储器平台和处理平台。自主工具系统可以递归地部署以组装日益复杂的自主工具。在与单独的或组装的复杂自主工具相关联的自主学习系统中生成和累积的知识可以被投放到可用于学习并基于上下文驱动工具目标的语义网络中。

【技术实现步骤摘要】
【国外来华专利技术】自主的基于生物学的学习工具相关申请的交叉引用本申请要求于2008年3月8日提交的题为“AUTONOMOUS BIOLOGICALLY BASED LEARNING TOOL (自主的基于生物学的学习工具)”的美国专利申请第 12/044,958号的权益。上述申请的全部内容通过引用纳入本文中。
技术介绍
进步已经造成了日益复杂的过程驱动自动化设备。用于实现特定目标或执 行特定高度技术性过程的工具系统通常可以包括用于实现该目标或成功地执行该过程的 多个功能元件，和收集数据以监视该设备的操作的各个传感器。这样的自动化设备可以 生成大量数据。数据可包括与产品或作为特定任务的一部分执行的服务相关的大量信 息，但它还可包括与该过程本身的执行相关的相当大的日志信息。尽管现代电子存储技术可以承受得起保留不断增长的数据量，但对该累积数据的利用仍然远非最优。对所收集的信息进行检查和解释一般需要人类干预，并且尽管有 了计算能力方面的进步(如多核处理器、大规模并行平台和处理器网格)以及计算范例方 面的进步(如面向对象的程序设计、模块化代码重用、基于web的应用程序和更新近的量 子计算)，但对所收集的数据的处理仍然是在其中操作该数据的非自主的静态程序性企业 方案。更重要的是，在非自主数据处理中，数据不能驱动分析过程本身。作为这样的数 据处理范例的结果，自动化设备在高度技术性过程期间生成的数据之间存在的丰富关系 中的许多可能被忽视了，除非设计了特定分析并且该特定分析集中于特定类型的关系。 更重要的是，可源于由该设备中的不同单元生成的不同数据之间的多个相互关系且可以 确定复杂自动化工具或机器的最优性能的新生现象仍然可能被忽视。因此，存在着对自主的且可以与基于数据之间的关系的范例相一致地分析特定 过程的数据并对根据该特定过程产生的资产进行分析的自动化设备的需求，并且其中对 该数据的分析可以由围绕该过程或相关联资产本身的数据通过学习来驱动或受其影响， 这与人脑操作的方式相似——对与过程或资产相关联的信息的理解受信息本身的影响， 一般导致学习和随之发生的分析目标以及分析装置和方法的修订，以改进对该信息和相 关联资产的质量的理解。
技术实现思路
以下提供了本专利技术的简化概述以提供对本专利技术的某些方面的基本理解。这一概 述不是本专利技术的广泛概览。它并不旨在标识本专利技术的关键或重要元素，也不旨在描绘本 专利技术的范围。其唯一目的是以简化的形式呈现本专利技术的一些概念，作为后面给出的更加 详细的描述的序言。提供了一种自主的基于生物学的学习工具系统和该工具系统用来进行学习的方 法。该自主的基于生物学的学习工具系统包括ω执行例如半导体制造任务等特定任务 或者诸如氧化蚀刻或离子注入等过程并生成反映该过程和工具性能的数据的一个或多个 工具系统，这些工具系统或者是单独的系统，或者是分层部署的组和集团系统，Gi)接收数据并打包该数据以供进一步使用的交互管理器，以及(iii)基于生物学习原理的自主学 习系统；该学习是通过将概念激活散布在一组语义网络中来实现的。该自主学习系统包 括可从一组3个功能块中递归地定义的功能结构存储器平台、处理平台、以及知识通 信网络，通过该知识通信网络在存储器和处理平台之间以及在该工具系统和外部动作者 (例如，计算机或人主体)之间传递信息。存储器平台包括存储器分层结构，包括用于接 收数据印象和相关联的学习指令的情节存储器、用于知识发展的短期存储器、以及存储 知识从而将该知识投放到语义网络中的长期存储器。处理平台中的功能单元操作存储在 存储器平台中的信息，从而促进学习。这样的构件块和相关联的功能是受生物结构和人 脑的行为来启示的。学习是通过所定义的语义网络中的概念激活来实现的，其中激活阈值是通过组合与每一概念相关联的优先级来规定的。优先级取决于所操纵的概念的类型；即，程序 概念拥有基于激活和抑制能量的优先级。单独的、组或集团自主工具系统利用在自主学习系统中生成和积累的知识，这 造成自主的基于生物学的学习工具的多个改进以及各工具系统所制作的资产的多个改 进(a)随时间进展造成较少动作者干预(例如，人类指导和监督)的增加的独立性， (b)增加的输出生产性能(例如，至少部分完成的输出资产)并确保更高的输出质量，(C) 向动作者传达可动作信息的数据资产(例如自主系统降级的状况；对故障的根本原因的 更好的标识；各单独的部分、工具、工具组、和工具集团以及诸如平均无故障工作时间 和平均修理时间等相关联的时标的一组系统故障时间的预测)，以及(c)随时间增强的性 能——改进的产品或服务在消耗更少资源的情况下以较快速度送达，并且是在降低的工 具停机时间的情况下产生的。为实现上述和相关目的，以下描述和附图详细阐述了所要求保护的主题的某些 说明性方面。然而，这些方面仅指示了可采用所要求保护的主题的原理的各种方法中的 几种，且所要求保护的主题旨在包括所有这些方面及其等效方面。当结合附图考虑以下 所要求保护的主题的详细描述时，所要求保护的主题的其他优点和新颖特征将变得显而 易见。附图详述附图说明图1示出自主的基于生物学的学习工具的高级框图。图2是根据本文描述的各方面的描绘上下文目标自适应的示图。图3示出示例的自主的基于生物学的学习工具的高级框图。图4是用于可采用自主的基于生物学的学习系统的半导体制造的示例工具系统 的示图。图5示出自主的基于生物学的学习系统的示例体系结构的高级框图。图6A和6B分别示出示例自动机器人组件和示例自动机器人体系结构。图7示出自主的基于生物学的学习系统的自我意识组件的示例体系结构。图8是根据本文描述的各方面的在意识工作存储器中操作的示例自动机器人的 示图。图9示出自主的基于生物学的学习系统的自概念化组件的示例实施例。图10示出自主的基于生物学的学习系统的自优化组件的示例实施例。图IlA和IlB示出根据本专利技术的一方面的分别使用单个预测比较器和两个制法 比较器来生成的示例依赖图。图12示出根据本文描述的各方面的自主的基于生物学的学习工具系统的示例组 部署的示图。图13示出根据本文描述的各方面的自主工具系统的集团部署的示图。图14示出本专利技术中描述的自主工具系统的模块化和递归耦合的特征。图15示出根据本文描述的各方面的评估并报告用于资产生成的多站过程的示例 系统。图16是根据本文阐述的各方面的可分发由工具集团系统自主地生成的输出资产的示例自主系统的框图。图17示出从设计到制造和到市场营销的、自主地确定的用于资产(例如，已完 成的成品、部分完成的产品、…)的分发步骤的示例。图18呈现根据本文描述的各方面的用于基于生物学的自主学习的示例方法的流 程图。图19呈现根据本说明书中描述的一方面的用于调整概念的情况分数的示例方法 的流程图。图20呈现根据本文阐明的一方面的用于生成知识的示例方法的流程图。图21呈现根据本文描述的各方面的用于资产分发的示例方法的流程图。详细描述现在参考附图来描述本专利技术，在全部附图中使用相同的附图标记来指示同样的 元素。在下面的描述中，出于说明目的阐述了众多具体细节以便提供对本专利技术的全面理 解。然而，显而易见的是，本专利技术可以在没有这些具体细节的情况下实施。在其他情况 下，公知的结构和设备以框图形式示出以便于描述本专利技术。如在本说明书中使用的，本文档来自技高网...

【技术保护点】
一种自主的基于生物学的半导体工具系统，包括：　　至少部分地基于过程目标来分析数据并推断要执行的动作的自适应推断引擎；以及　　至少部分地基于数据或上下文变化之一来使所述过程目标进化的组件。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：S考歇尔，SJ帕特尔，杉岛贤次，
申请(专利权)人：东京毅力科创株式会社，
类型：发明
国别省市：JP