3d-интеграция и передовая метрология формируют ландшафт полупроводниковой отрасли

3D-интеграция и метрология: Новая эра полупроводников

Бурное развитие ИИ возвестило эру, когда полупроводники стали как никогда ранее важны. За каждой моделью и приложением ИИ, от обучения до внедрения, скрывается разветвлённая сеть полупроводников, обеспечивающих вычислительную мощность, которая требуется для обработки огромных объёмов данных. Подъём ИИ вызвал спрос на передовые полупроводники, раздвинув границы проектирования и производства чипов. Для удовлетворения этих потребностей полупроводниковая промышленность всё в большей степени обращается к инновационным решениям, таким как гетерогенная 3D-интеграция.

Преодолевая «бутылочное горлышко» фон Неймана

Традиционно полупроводниковая промышленность следовала закону Мура, который предсказывает удвоение числа транзисторов на микрочипе примерно каждые два года. Это непреклонное стремление к увеличению вычислительной мощности на протяжении десятилетий стимулировало миниатюризацию транзисторов.

Но по мере того, как мы приближаемся к физическим пределам уменьшения транзисторов, индустрия сталкивается с новыми проблемами, особенно при оптимизации архитектуры чипов для управления постоянно растущими объёмами данных по запросам генеративного ИИ. Одной из наиболее значительных проблем в современном проектировании чипов является «стена памяти» или «бутылочное горлышко фон Неймана», ограничение скорости, с которой данные могут передаваться между памятью и логическими элементами внутри чипа. Это узкое место становится более явно выраженным по мере того, как наращивается сложность моделей ИИ и расширяются наборы данных. Это приводит к неэффективности перемещения данных, что сдерживает итоговую производительность.

Для преодоления этого «бутылочного горлышка» полупроводниковая промышленность начала применять гетерогенную 3D-интеграцию — технологию, которая позволяет не размещать память и логические блоки друг за другом, а располагать их вертикально. Подобная вертикальная интеграция сокращает путь данных, повышая энергоэффективность и обеспечивая увеличенную плотность межсоединений — ключевые факторы для достижения высокой пропускной способности, необходимой для приложений ИИ. Использую такой подход, индустрия может обойти некоторые физические ограничения, которые традиционно ограничивали производительность чипов.

Для примера процесс перемещения данных в чипе можно сравнить с тем, как передвигаются люди в больших городах: представьте, как с высоты птичьего полёта может выглядеть передвижение между двумя зданиями через весь разросшийся Лос-Анджелес. Это не очень эффективно. Вместо этого полупроводники как бы следуют плотности Нью-Йорка, и это похоже на поездку в лифте между двумя уровнями небоскрёба. Так гораздо эффективнее и удобнее. В применении к архитектуре чипов, несколько отдельных элементов расположены вертикально и соединены друг с другом. К примеру, подобный стек блоков DRAM используется для создания памяти с высокой пропускной способностью (HBM) для чипов ИИ.

Два закона Мура управляют отраслью

Приведённые выше тренды не только наблюдаются эмпирически, но и отображаются на диаграмме количественно.

Два закона типа Мура управляют отраслью. Фиолетовый: плотность межсоединений увеличивается для поддержания пропускной способности. Синий: количество транзисторов увеличивается для повышения логических возможностей. (Данные и прогноз взяты из TSMC)

Количество транзисторов на процессор удваивается каждые 2,3 года, следуя классическому закону Мура. Интересно, что ещё один показатель роста имеет почти такую же скорость — плотность межсоединений. И хотя сам закон Мура можно наблюдать с 1970-х годов, последнее является более поздней тенденцией, вызванной возрастающим спросом на пропускную способность внутри чипов — одной из самых острых проблем для ИИ.

Несмотря на то, что это разные показатели, они оказываются неизбежно связанными друг с другом, поскольку производительность чипов постоянно увеличивается. Для успеха нужно заниматься обоими этапами (т. е. фронт-эндом и бэк-эндом, поскольку передовые технологические достижения зависят от каждого из них).

Более того, растущая плотность межсоединений (миниатюрных проводков, соединяющих разные части чипа) ещё более увеличивает сложность. Поскольку чипы переходят к 3D-архитектуре, плотность этих межсоединений становится столь же важна, как и количество транзисторов. Увеличенная плотность межсоединений позволяет увеличить скорость передачи данных, что имеет важное значение для ускорителей ИИ и решений типа «система-в-корпусе» (SiP). Однако увеличение количества межсоединений без ущерба для энергоэффективности требует использования современных материалов и высокоточных методов производства — областей, где центральную роль играет метрология.

Требуются сотни шагов, осуществляемых в течение месяцев для того, чтобы на фабрике пластина превратилась в высококачественный чип, и каждый такой шаг требует хирургической точности на атомном уровне. При этом дефекты не являются чем-то необычным. Поэтому выход продукции является важным критерием, характеризующим количество и степень дефектов на пластине. В то время, как микросхемы высокого качества почти не допускают никаких дефектов, чипы той же архитектуры с высоким уровнем дефектов могут использоваться для приложений с низким рейтингом.

Поэтому очевидно, что производители стремятся максимизировать выход продукции, поскольку текущие затраты накапливаются до тех пор, пока возможности чипа не определит окончательная проверка качества, что уже относится к метрологии.

Важнейшая роль метрологии при производстве микросхем ИИ

Так как полупроводниковые чипы становятся всё более сложными, роль метрологии резко возросла. Метрология, которая включает в себя точное измерение и проверку характеристик чипа, крайне необходима для обеспечения качества и функциональности передовых полупроводниковых устройств. Это особенно справедливо по отношению к гетерогенной 3d-интеграции, где традиционные двумерные методы измерения более недостаточны.

Новые метрологические инструменты разработаны для высокоскоростного измерения сложных 3D-структур с точностью до нанометра. Такие инструменты имеют решающее значение для обнаружения дефектов, контроля критической размерности и проверки целостности материалов, используемых в полупроводниковых устройствах. Например, при производстве блоков HBM, неотъемлемых для приложений ИИ, вертикальная интеграция нескольких блоков DRAM требует точности на атомном уровне. Для соединения слоёв каналы должны быть просверлены сквозь каждый кристалл с максимальной точностью, что делает метрологию важнейшим этапом в процессе производства.

Интеграция ключевых технологий для инноваций в сфере ИИ

Компании развивают технологии, предназначенные для метрологии и изготовления контрольно-измерительных приборов, необходимых для обеспечения качества и количества полупроводниковых чипов, особенно для сложных процессов наподобие гетерогенной 3d-интеграции.

Метрологические инструменты особенно значимы в свете перехода отрасли к более сложной архитектуре чипов. Так как чипы становятся вертикально интегрированными, точность и скорость метрологических инструментов для выявления и исправления дефектов чрезвычайно растёт. В противном случае под угрозу может быть поставлена производительность чипа.

Будущее производства чипов ИИ

Растущий спрос на ИИ и другие передовые вычислительные технологии вызывает потребность и в полупроводниковых чипах, которые могут обеспечить более высокую производительность, большую эффективность и беспрецедентный уровень интеграции. Комбинирование гетерогенной 3d-интеграции и передовой метрологии предлагает путь к удовлетворению этой потребности, позволяя производить чипы, которые быстрее, меньше по размеру и более энергоэффективны.

Именно здесь опыт в области трёхмерных оптических метрологических решений для контроля межсоединений, а также метрологии для крупносерийного производства добавляет возможность производства гетерогенно-интегрированных микросхем в рамках передовых архитектур, что обеспечивает быстрый рост продуктивности при больших объёмах производства.

Поскольку архитектура чипов становится всё более сложной, с меньшим количеством различий и всё более запутанными межсоединениями, точные измерения и контроль будут особенно важны для обеспечения качества и функциональности. Такие возможности имеют решающее значение для поддержания высокой продуктивности и достижения требований производительности в передовых технологиях, таких как искусственный интеллект, виртуальная и дополненная реальность и многих других.