0.2nm路线图来了!详细讲解技术实现!

d0f3feed9661dbcf410af0a207a3fca3.png

来源:tomshardware

世界上最先进的半导体研究机构 Imec 最近在比利时安特卫普举行的未来峰会上分享了其亚1nm和晶体管路线图。

该路线图让我们大致了解了到 2036 年Imec将在其实验室与台积电、英特尔、三星和 ASML 等行业巨头合作研发的下一个主要工艺节点和晶体管架构的时间表。该路线图包括突破性晶体管设计,从持续到 3nm 的标准 FinFET 晶体管发展到新的 Gate AllAround (GAA) 纳米片和叉片设计,分别为 2nm 和 A7(7 埃),然后是突破性设计,如 CFET 和原子A5 和 A2 的通道。提醒一下,十埃等于 1nm,因此 Imec 的路线图包含亚1nm工艺节点。

3cc3c8c67b0d67269dea96cc41c0e627.png

如果你不是半导体领域的,您以前可能没有听说过比利时校际微电子中心(imec),但它与台积电和 EUV 光刻机制造商 ASML 等知名公司并列为世界上最重要的半导体公司之一。虽然专注于半导体研究的imec并没有大张旗鼓,但它是半导体行业的安静基石,将英特尔、台积电和三星等激烈的竞争对手与ASML和应用材料等芯片工具制造商聚集在一起。更不要说把同样重要的半导体软件设计公司(EDA),比如Cadence和Synopsys,牵手在一个非竞争的环境中,这种合作使两家公司能够共同定义下一代工具和软件,他们将用于设计和制造为世界提供动力的芯片。

面对设计芯片和制造它们的工具的复杂性和成本急剧增加,标准化方法变得越来越重要。Imec 还与英特尔或台积电等客户合作,研发可用于最新处理器的新技术。该公司还因其与其长期合作伙伴 ASML 一起帮助开拓 EUV 技术而闻名。归根结底,所有领先的芯片制造商都使用来自少数关键工具制造商的大部分相同设备,因此一定程度的标准化是必要的。然而,这需要在部署前十年开始研发工作,这意味着与 AMD、英特尔和英伟达等公司的近期产品路线图相比,imec 的路线图可以让我们对半导体行业即将取得的进步有更长远的了解。事实上,如果没有 imec 提前数年开展的协作工作,其中许多产品甚至都不可能实现。让我们仔细看看路线图及其背后的一些互补技术。 

定义问题

549455ffff45e8fa75dea0cbfe23e497.png

38eaec5e2c71d3b55dbb23b7bda5c1bd.png

0991c0e6eee570ca5e916485d43e1db9.png

18733e093480b7dc7dd9f20e497f4db4.png

ec3f1626ec01b9e7bd1a5565ba97ca65.png

随着节点的进步、成本的飙升以及对更多计算能力的需求,尤其是机器学习的非线性

增长,该行业面临着越来越多的挑战。

Imec 完全相信摩尔定律在它制定 52 年后仍然有效,尽管我们认为这不适用于该定律的经济部分,该部分还定义了随着时间的推移降低每个晶体管的成本。事实上,如上所示,由于更复杂的设计规则和更长的设计周期,芯片设计成本正在飙升,从而导致每晶体管成本的增加。此外,单线程性能提升正在从 90 年代末和 2000 年代初的 50% 年增长的令人兴奋的日子放缓到每年约 5%。但是,如果我们不考虑密度或经济性,摩尔定律通常保持在每两年晶体管数量翻一番的轨道上——苹果的 M1 Ultra 拥有 1140 亿个晶体管。为了应对单线程性能下降的趋势,我们已经看到 GPU 等特定领域计算设备(专为一组狭窄任务设计的专用处理器)的兴起。这些设备通常高度并行化,因此可以更快地提高功率/性能和面积效率。

Imec 指出,虽然对更多计算能力的需求过去每两年翻一番,基本上符合摩尔定律所提供的性能提升,但机器学习/人工智能所需的原始计算能力大约每六个月翻一番。这提出了一个令人烦恼的问题,因为即使晶体管数量持续翻倍也无法跟上步伐。Imec 认为,尺寸缩放(包括更好的密度和封装技术)、新材料和设备架构以及系统技术协同优化 (SCTO) 的三管齐下的解决方案可以使行业保持在正轨上。Imec的晶体管和亚1nm工艺节点路线图。

Imec的晶体管和亚1nm工艺节点路线图

298bda18ac666586b3e4134ab67054a1.png

970cad08b34072578507b0aa0912ed75.png

8610523de64e5e9dca5da961fb926944.png

0ebcf85ce03bbc87c6eaa7a4dd6b9692.png

0d0311ceb068a9c26e3489842be2f498.png

b2bcc1eb0952eb62dafd3a5c5afc80ed.png

f06def37f1723af72a70217d80b66707.png

7fcc2bf86633ac13e9b0a475e198e7bf.png

5ee6fef9c9e64e9c556c4f5664cebc24.png

f5f13292a8f1d656c5e3211f61342686.png

97a90a7dada1ab6c7322480983ca0b00.png

b73fa0ab50a73837228aeac07e3b7de7.png

feccfbf3fa9f982188fb85a75b747c7c.png

c8c74a03dc5f36dad5280dd363b7b910.png

第一步是启用下一代设备。今天的第 4 代 EUV 光刻机的孔径为 0.33,因此芯片制造商将不得不使用多重图案技术(每层超过一次曝光)来创建 2nm 及以上的最小特征。由于晶圆必须为单层“印刷”两次,因此出现缺陷的可能性更高。这将导致产量降低和周期(生产)时间延长,从而导致成本增加。下一代 High-NA 型号(第 5 代)的孔径为 0.55。这种更高的精度将允许在单次曝光中创建更小的结构,从而降低设计复杂性并提高产量、周期时间(每小时 200 多片晶圆)和成本。Imec 和 ASML 预计这些工具将在 2026 年用于量产。第一个价值 4 亿美元的高 NA 工具将于 2023 年上半年在 ASML 完成。Imec 将在 ASML 设施的测试实验室运行,以加快芯片制造商对机器的访问速度(ASML 通常将该设备运送到 imec 的晶圆厂)。

英特尔将成为第一家获得高 NA EUV  设备Twinscan EXE:5200 的公司,该设备预计将于 2025 年正式交付。上述相册中的第二张PPT显示了新型晶体管的路线图,这些晶体管将实现进一步的密度扩展,并希望一些性能改进,也是。Gate AllAround (GAA)/Nanosheet 晶体管于 2024 年首次亮相,采用 2nm 节点,取代了为当今前沿芯片供电的 FinFET。我们已经看到了几家芯片制造商的公告,比如英特尔的四片 RibbonFET,它们采用了这种晶体管技术的不同变体。提醒一下,十埃 (A) 等于一 1nm。这意味着 A14 是 1.4nm,A10 是 1nm,我们将在 2030 年的时间框架内与 A7 一起进入亚 1nm 时代。然而,进程命名节点约定已变成更多的芯片标记营销活动,而不是与任何类型的物理测量相关的指标。在现实世界中,有很多因素会影响工艺节点的经济性和性能,例如晶体管密度、峰值性能、每瓦性能、不同类型的逻辑/电路、SRAM 密度等。在其图表中,imec 使用金属和多晶硅间距以及标准命名约定来提供一些其他重要指标。我们还可以在 ASML 的PPT中看到晶体管密度测量值(上一张专辑中倒数第二张)。 

Imec 预计GAA/nanosheet 和 forksheet 晶体管(在最基本的层面上,GAA 的更密集版本)将持续通过 A7 节点。互补 FET (CFET) 晶体管将在 2032 年左右到达时进一步缩小尺寸,从而实现更密集的标准单元库。最终,我们将看到具有原子通道的 CFET 版本,这将进一步提高性能和可扩展性。 

正如您在最后两张幻灯片(由 ASML 在活动中展示)中所见,标准 DUV 为我们带来了 100 MTr/mm^2(每平方毫米兆晶体管,一种密度测量),而今天的 0.33NA 将推动行业发展至 ~500MTr/mm^2。即将推出的高 NA 机器将需要在 2nm 上将其提高到 ~1000 MTr/mm^2,并且可能通过多图案化来超越。 

Imec的BEOL 'Scaling Boosters' 路线图

1cd8bbb7e0f481630aeea24d90c3acb5.png

a55562e1cb644f822935e8bac9e4c5ce.png

6b3508aa4e5b472828672572004972c4.png

786c806a47d51635042d029b03ba28c7.png

ee13003bf704bde484280e7a01989b95.png

7aa1cfdba156c9d9d6f99d7df07a5f10.png

0790f3ce51283cc28d3527cf2fd024c3.png

89db4becf23d2f5de6a73aed299adda9.png

进一步提高晶体管密度和性能特性也将需要增强的后端 (BEOL) 工艺。BEOL 步骤侧重于将晶体管连接在一起,以实现通信(信号)和电力传输。

Imec 将这些二次密度提高技术称为“缩放助推器”,因为它们有助于提高晶体管密度和性能,即使它们与晶体管的尺寸/位置没有直接关系。背面配电是将功率带入芯片背面的一项关键进步,英特尔已经宣布了自己的这种技术版本,称为 PowerVIA。这种技术通过晶体管的背面将晶体管的所有功率直接路由到晶体管,将功率分配到晶体管的背面,而数据传输互连保持在另一侧的传统位置。分离电源电路和数据承载互连改善了电压下降特性,允许更快的晶体管开关,同时在芯片顶部实现更密集的信号路由。信号传输也受益,因为简化的布线可实现更快的导线,同时降低电阻和电容。Imec 坚信背面供电将延伸到所有领先的芯片,并且已经在这项技术上研究了五年,创造了自己独特的专利背面供电技术。自然,热量可能成为背面功率传输的一个问题,因为晶体管将在通常散热的硅一侧放置金属层。尽管如此,imec 告诉我们,使用的金属(目前是铜)足以散热以减少影响。但是,需要进行一些设计考虑以适应这种技术。 

路线图的进一步改进包括用于互连的直接金属蚀刻技术,以及具有气隙的自对准通孔。互连,即实现电力传输和通信的细线,已成为扩展的最大障碍之一。随着时间的推移,这个问题变得越来越明显——这些导线的宽度只需几个原子厚。Imec 还在研究替代铜的新金属,其中石墨烯是候选金属。

Imec 还在研究系统技术协同优化 (SCTO) 技术,例如 3D 互连和 2.5D 小芯片实现。缺乏用于 3D 芯片设计的电子设计自动化 (EDA) 软件是阻碍更广泛行业采用的主要障碍。Imec 正在与 Cadence 合作,以启用可简化 3D 设计过程的高级软件。 

延伸到 2030 年以后更广阔的视野,我们看到 imec 设想新材料将取代硅和 2D 原子通道的出现。Imec 还认为,随着行业无情地转向量子计算,基于磁性的门可能会成为一种替代方案。 

原文:

https://www.tomshardware.com/news/imecs-sub-1nm-process-node-and-transistor-roadmap-until-2036-from-nanometers-to-the-angstrom-era

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

512d2825700122e5e1b86dc626437674.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482063.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

走向认知发展的理性建构理论

Towards a Rational Constructivist Theory of Cognitive Development Fei Xu University of California, Berkeley来源:CreateAMind本文对认知发展理论——理性建构主义进行了综述。这种观点的基本原则如下:(a)初始状态:人类婴儿以一组原型概念的原语开始生命。这些…

JavaWeb笔记:JDBC总结

JavaWeb笔记:JDBC总结 目录 JavaWeb笔记:JDBC总结 一、JDBC概述 二、开发一个JDBC程序(重要) 三、JDBC常用的类和接口详解 1、java.sql.Drivermanager类 : 创建连接 2、java.sql.Connection接口:一个连接 3、java.sql.Statement接口:…

谷歌街景15年乾坤大挪移!带你穿越法老的金字塔

来源:机器学习研究组订阅最近两年多,整个世界都被一个共同对手折腾得够呛。有人咬牙坚持、有人躺平摆烂,有人祈求上天,还有人离开了这个世界。更多的人们则逐渐意识到,原来所谓「Good Old Times」离我们竟然如此之近&a…

如何构建可信GNN?最新综述来了!可信图神经网络:维度,方法,趋势

来源:Monash University作者:He Zhang,Bang Wu前言在过去的几年里,以神经网络为首的人工智能技术通过对不同类型数据的深入挖掘已经深刻地改变了人类的生活并极大地推动了社会发展的进程 [1]。作为人工智能领域最活跃的研究方向之…

JavaWeb:XML总结

JavaWeb:XML总结 目录 JavaWeb:XML总结 一:什么是XML? 二:xml语法: 三: xml约束: 四:XML解析思想: 一:什么是XML? XML:eXtensible Markup La…

JavaWeb:tomcat服务器安装总结及Http协议

JavaWeb:tomcat服务器安装总结 目录 JavaWeb:tomcat服务器安装总结 一:服务器端概述: 二:Tomcat下载: 三:安装: 四:HTTP问题: 五:深入了解tomcat服务器&#xff1…

深度知识的6个维度:如何让人工智能真正理解世界?

智能的真正标志不是知识,而是想象力。来源:AI科技评论作者:Gadi Singer编译:王玥编辑:陈彩娴什么知识让我们变得聪明?我们用来理解世界、解释新体验和做出深思熟虑的选择的认知结构是什么?定义一…

2013年图灵奖得主Leslie Lamport:如何写出数学上完美的算法

来源:新智元图灵奖得主、分布式系统先驱、LaTeX之父Leslie Lamport认为,对于程序员而言,对数学思维的强调永远不会过分,要写出好代码,不能惧怕数学。Leslie Lamport可能不是一个家喻户晓的名字,但一提到和他…

Python绘制图形之Matplotllib绘图

Python绘制图形之Matplotllib绘图 目录 Python绘制图形之Matplotllib绘图 一、绘制二维函数图 1.1 绘制 f(x)sin2(x−2)e−x2 1.2 、绘制 sigmoid函数图: f(x)11e−x 1.3、绘制正态分布图 二、绘制三维图 2.1 绘制三维螺旋图 2.2 绘制三维线性点图 2.3 绘制三维柱状图 2…

新发现罕见生命密码:基因读取的另一套代码

来源:生物通令人震惊但让人困惑的是,我们所知的生命密码使用了61个不同的三字母密码子,只产生了20个氨基酸,这意味着许多密码子被用来描述同一件事。新的研究表明,大脑和睾丸似乎非常适应使用多种不同种类的遗传密码来…

《自然-机器智能》:神经形态技术可使大型深度学习网络节能16倍

来源: 学术头条受生物大脑机制的启发,研究人员一直在提高人工神经网络的性能效率和计算要求。一项新的研究表明,对于大型深度学习网络,神经形态技术的能源效率有望达到其他人工智能系统的 16 倍。格拉茨技术大学(TU Gr…

康奈尔计算计学院院长Kavita Bala:「元宇宙」算什么?上帝之眼或将通过 AI 诞生...

来源:AI科技评论编译:王玥编辑:陈彩娴在今年斯坦福HAI实验室的春季会议上,康奈尔计算机学院院长Kavita Bala以“视觉外观和理解:从微米分辨率到世界级”为题,就她在数字化现实世界方面的研究进行了精彩的演…

王浩:哥德尔思想概说

来源:本文原文刊于《科学文化评论》2004年第6期撰文:王浩翻译:邢滔滔译者按本文选自王浩最后一本著作A Logical Journey—From Gdel to Philosophy (Cambridge: The MIT Press, 1996)的引言部分,有删节,题目…

八大排序:Java实现八大排序及算法复杂度分析

目录 QUESTION:八大排序:Java实现八大排序及算法复杂度分析 ANSWER: 一:冒泡排序 1.算法分析 2.时间复杂度分析 3.代码 二:选择排序 1.算法分析 2.时间复杂度分析 3.代码 三:插入排序 1.算法分析 2.时间复杂度分析 3.代码 四&a…

网友:看完Jeff Dean新论文,我再也不相信大厂的鬼话了

来源:数学中国文字:乔叶配图 :乔叶排版:余弟宗璇「我相信他们得到的数字是准确的,他们确实做了工作并得到了结果…… 但这样真的好吗?」一名机器学习研究者的灵魂发问,今天成为了整个社区最热门…

CV未来在这68张图上?Google Brain深扒ImageNet:顶级模型全都预测失败

来源:新智元编辑:LRS【新智元导读】ImageNet的标签问题一直为人诟病,最近Google Brain全面分析了基准内遗留的历史问题,并找出了所有顶级模型全都预测失败的68张图片,或许未来CV想取得突破,先得攻破这68关&…

谷歌夺回AI画语权,机器的想象力达到全新高度,网友:DALL·E 2诞生一个月就过时了?...

来源:量子位在让AI搞创作这件事上,谷歌和OpenAI正面刚起来了。这不,震惊全网的DALLE 2才新鲜出炉一个月,谷歌就派出名为Imagen的选手来打擂台。直接上图对比,左边是谷歌Imagen选手眼中的“猫猫绊倒人类雕像”&#xff…

Linux安装MySQL的完整步骤并有关MySQL8.0版本的问题方法

目录 QUESTION:Linux安装MySQL的完整步骤? ANSWER: 一:使用wget 直接下载 二:安转软件源,将platform-and-version-specific-package-name 替换为你下载的rpm名 三:安装mysql服务端 四:首先启动mysql 五&#x…

研究遭质疑,Jeff Dean回应:我们本就不是为得到新SOTA,成本计算也搞错了

来源:机器之心编辑:杜伟、陈萍对于 Jeff Dean 的回复,你认同吗?昨日,整个社区最热门的话题无外乎是 reddit 上一名机器学习研究者对谷歌 AI 负责人 Jeff Dean 参与论文的质疑。这篇论文是《An Evolutionary Approach t…

全脑地图:单个记忆被拆分存储在多个相连的大脑区域

来源:神经生物学根据一项创新的脑域映射研究,单一的记忆被存储在许多连接的大脑区域。创新的脑成像研究表明,“记忆印记”,编码记忆的神经元集合,广泛分布,包括在以前没有意识到的区域。麻省理工学院皮考尔…