Ускорение инноваций в производстве микросхем для энергоэффективной эры искусственного интеллекта.

Данная статья подготовлена при поддержке компании Applied Materials.

В переломные моменты истории прогресс требовал большего, чем просто индивидуального таланта. Наиболее значимые прорывы — такие как те, что были достигнуты в рамках проекта «Геном человека» — потребовали новой операционной парадигмы: сосредоточить лучшие мировые таланты вокруг единой миссии, создать общую платформу, совместно использовать критически важную инфраструктуру и разорвать порочные круги обратной связи. Когда ставки высоки, а сроки сжаты, последовательные и разрозненные инновации просто не могут угнаться за темпом развития.

Современная эра ИИ порождает инженерную гонку со схожими требованиями. Каждая компания стремится создавать более производительные системы ИИ быстрее. Но производительность больше не определяется только вычислительными ресурсами. В рабочих нагрузках ИИ все большее значение имеет перемещение данных: во многих случаях перемещение битов потребляет столько же — или даже больше — энергии, чем сами вычисления. В результате снижение энергопотребления на бит может повысить производительность системы на уровне отдельных компонентов, а также увеличить пиковую вычислительную мощность.

Таким образом, путь к энергоэффективному искусственному интеллекту лежит через системное проектирование, охватывающее три тесно взаимосвязанные области:

• Логические схемы , где производительность на ватт зависит от эффективного переключения транзисторов, низких потерь мощности и передачи сигнала через плотные коммутационные блоки.
• Память , где растущие потребности в пропускной способности и объеме выявляют «барьер памяти», поскольку возможности процессоров развиваются быстрее, чем доступ к памяти.
• Передовые технологии упаковки , в которых 3D-интеграция, чиплетные архитектуры и высокоплотные межсоединения сближают вычислительные ресурсы и память, позволяя создавать системы, которые больше не могут поддерживаться монолитным масштабированием.

Эти области больше нельзя оптимизировать независимо друг от друга. Повышение эффективности логических схем останавливается без достаточной пропускной способности памяти. Достижения в пропускной способности памяти оказываются недостаточными, если корпус не обеспечивает близость к технологическим и механическим параметрам. Корпус, в свою очередь, ограничен точностью как изготовления компонентов на этапе производства, так и процессов интеграции на этапе после производства.

В эпоху ангстремов самые сложные проблемы возникают на стыке — между вычислительными ресурсами и памятью в корпусе, интеграцией фронтенда и бэкенда, а также тесно связанными этапами процесса, необходимыми для точного 3D-изготовления. И именно в этой сложности, обусловленной граничными условиями, традиционная модель инноваций дает сбой.

Традиционный процесс исследований и разработок слишком медленный для искусственного интеллекта эпохи Ангстрема.

На протяжении десятилетий модель исследований и разработок в полупроводниковой промышленности напоминала эстафету. Возможности разрабатывались в одной части экосистемы, передавались дальше по цепочке интеграции и производства, оценивались разработчиками микросхем и систем, и только затем использовались для следующей итерации. Эта модель работала, когда прогресс определялся относительно модульными этапами, которые можно было масштабировать независимо и просто интегрировать в производственный процесс.

Однако развитие ИИ перевернуло эти правила с ног на голову. В масштабах ангстремов физика неизбежно приводит к взаимосвязи по всей структуре: выбор материалов определяет схемы интеграции; интеграция определяет правила проектирования; правила проектирования диктуют подачу питания; проводка устанавливает тепловые параметры; а тепловые характеристики в конечном итоге ограничивают масштабирование упаковки. Системные архитекторы просто не могут ждать 10–15 лет, пока созреет каждая крупная технология полупроводников.

Проект EPIC, представляющий собой инвестиции в размере около 5 миллиардов долларов, является крупнейшим в истории США проектом по разработке и исследованию передового полупроводникового оборудования.

Для согласования инноваций в области материалов с новыми архитектурами устройств, а также для разработки инструментов и процессов, необходимых для интеграции того и другого с точностью, пригодной для производства, крайне важна долгосрочная перспектива. В Applied Materials мы вместе с нашими клиентами прокладываем курс на следующие 3-4 поколения, охватывающий период до 10 лет.

Эпоха ангстрема требует от нас разрушения барьеров и объединения лучших умов отрасли — от ведущих компаний до ведущих академических учреждений. Если проблема взаимосвязана, то и решение должно быть взаимосвязано. Если сроки сжаты, то и цикл обучения должен быть сжат. Недостаточно просто внедрять инновации — мы должны внедрять инновации в том виде, в котором мы это делаем.

EPIC: Центр и платформа для высокоскоростных совместных инноваций

Именно эту задачу призван решить центр EPIC компании Applied Materials.

EPIC, представляющий собой инвестиции в размере около 5 миллиардов долларов США, является крупнейшим в истории США проектом по разработке и исследованию передового полупроводникового оборудования. После открытия в 2026 году он предоставит самые современные возможности чистых помещений, созданные с нуля, чтобы сократить путь от ранних стадий исследований до полномасштабного производства. Но эти объекты — лишь один компонент модели. EPIC также является платформой, операционной системой для высокоскоростных совместных инноваций, которая революционизирует процесс переноса идей из лаборатории на производство.

EPIC — это платформа, операционная система для высокоскоростных совместных инноваций, которая революционизирует процесс перехода идей из лаборатории на производство. Applied Materials

Модель EPIC сжимает традиционный рабочий процесс. Инженеры заказчика работают бок о бок с технологами Applied с самого первого дня — выходя за рамки изолированной оптимизации процессов и передачи информации на последующие этапы. В общей, защищенной среде EPIC тесно интегрирует атомистическое моделирование, испытательные автомобили, разработку процессов, валидацию и метрологическую обратную связь. Ограничения, которые ранее выявлялись на поздних этапах разработки, обнаруживаются и устраняются на ранних стадиях.

В результате получается потенциально вдвое более быстрый путь, приносящий пользу всей экосистеме под одной крышей:

• Производители микросхем получают более ранний доступ к портфелю научно-исследовательских разработок Applied, ускоренные циклы обучения и ускоренную передачу технологий следующего поколения в крупномасштабное производство.
• Партнеры по экосистеме получают более ранний доступ к передовым производственным технологиям и возможностям сотрудничества, расширяющим горизонты инноваций в области материалов.
• Академические учреждения получают возможность укрепить связь между лабораторией и производством, а также способствовать развитию будущих специалистов в области полупроводниковой промышленности.

Опираясь на многолетний опыт совместной разработки, мы вместе с нашими партнерами переосмысливаем инновационный процесс в области логики, памяти и передовых технологий упаковки, чтобы совершить следующий скачок в энергоэффективности искусственного интеллекта.

Ускорение развития сложной логики

Логика остается движущей силой вычислений в области искусственного интеллекта. Однако в эпоху ангстремов прирост производительности на системном уровне все больше ограничивается энергопотреблением. Расширение возможностей ИИ теперь зависит от архитектур, обеспечивающих большую производительность на ватт, что ускоряет переход к 3D-устройствам, таким как транзисторы с затвором, охватывающим всю поверхность (GAA), которые повышают плотность размещения в компактном корпусе, сохраняя при этом энергоэффективность.

Архитектуры, обеспечивающие более высокую производительность на ватт, ускоряют переход к 3D-устройствам, таким как транзисторы с затвором, охватывающим всю поверхность транзистора (GAA), и, в более отдаленной перспективе, к комплементарным полевым транзисторам (CFET), которые еще больше увеличивают плотность размещения. (Applied Materials)

Эти архитектурные изменения происходят в беспрецедентных масштабах, и план развития логических схем уже простирается за пределы первого поколения GAA в сторону более совершенных разработок. Одним из ключевых примеров является GAA с подачей питания с обратной стороны, которая перемещает толстые силовые линии на обратную сторону пластины, уменьшая резистивные потери и освобождая трассировку с лицевой стороны для более плотной интеграции логических ячеек. Другой пример — сближение соседних PMOS и NMOS транзисторов GAA с одновременным размещением между ними диэлектрической изоляционной стенки для минимизации электрических помех. Еще дальше, комплементарные полевые транзисторы (CFET) еще больше увеличивают плотность размещения, располагая PMOS и NMOS устройства непосредственно друг над другом.

Хотя эти архитектуры обеспечивают существенное повышение производительности на ватт и плотности логических элементов без опоры исключительно на более точную литографию, они значительно увеличивают сложность интеграции. Производство одного устройства GAA сегодня может включать более 2000 тесно взаимозависимых технологических этапов. В то же время, кабельные сети продолжают расти в высоту и плотность для соединения этих передовых логических устройств. Современные передовые графические процессоры, находящиеся в разработке, вмещают более 300 миллиардов транзисторов на площади чуть больше почтовой марки, соединенных более чем 2000 милями проводов.

Современные передовые графические процессоры, находящиеся в разработке, вмещают более 300 миллиардов транзисторов на площади, немногим превышающей размер почтовой марки, и соединены между собой более чем 2000 милями проводов. (Applied Materials)

На таком уровне сложности этапы процесса создания этих точных 3D-устройств и кабельных сборок невозможно оптимизировать независимо друг от друга. Проектирование и технологический процесс должны развиваться синхронно, а инновации в материалах и методы изготовления должны развиваться параллельно с архитектурой устройств. Модель совместных инноваций EPIC разработана для ускорения именно этой конвергенции, позволяя логическим вычислениям продолжать продвигать границы искусственного интеллекта в темпах, требуемых дорожной картой.

Разработка дорожной карты развития памяти

В то же время эра вычислений с использованием ИИ коренным образом меняет способы генерации, перемещения и обработки данных, делая технологии памяти, особенно DRAM, центральными для обеспечения энергоэффективной работы, необходимой системам ИИ. По мере того, как модели становятся все больше и потребляют больше данных, стратегия развития DRAM смещается в сторону архитектур, обеспечивающих более высокую плотность, большую пропускную способность и более быстрый доступ на ватт.

На уровне ячеек DRAM требования к производительности искусственного интеллекта стимулируют переход от транзисторов с 6F²-заглубленными каналами (BCAT) к более компактным 4F², а также к архитектурам, превосходящим возможности масштабирования только в 2D-пространстве. Applied Materials

На уровне ячеек DRAM этот сдвиг приводит к переходу от 6F²-транзисторов с заглубленными каналами (BCAT) к более компактным 4F²-архитектурам, в которых транзисторы ориентированы вертикально для повышения плотности и уменьшения площади кристалла. Для поддержания роста производительности на ватт потребуется выйти за рамки возможностей 2D-масштабирования. Поэтому отрасль обращается к 3D DRAM, вертикально размещая ячейки памяти для увеличения емкости в ограниченном пространстве. По мере того, как эти структуры становятся выше, а соотношение сторон увеличивается, разработка высокоподвижных материалов в трех измерениях становится все более важной для производительности и надежности.

Помимо массива ячеек памяти, еще одним мощным инструментом масштабирования DRAM является уменьшение размеров периферийных схем, включая логические транзисторы и межсоединительные провода. Один из новых подходов размещает отдельные периферийные функции под массивом DRAM путем соединения двух пластин — одной, оптимизированной для ячеек DRAM, и другой для КМОП-логики — с использованием нескольких слоев проводников.

Помимо массива ячеек памяти, еще одним мощным инструментом масштабирования DRAM является уменьшение размеров периферийных схем, включая логические транзисторы и соединительные провода. (Applied Materials)

Параллельно повышается производительность DRAM за счет использования проверенных логических улучшений на периферии памяти. К ним относятся усилители подвижности, такие как встроенный кремний-германий и защитные пленки, а также модернизация проводки, например, улучшенные диэлектрики с низким значением диэлектрической проницаемости и усовершенствованные медные межсоединения. Производители памяти также переходят от планарных транзисторов к архитектурам FinFET, следуя плану развития логики для дальнейшего повышения скорости ввода-вывода. Эти важные изменения имеют центральное значение для миссии EPIC — они могут быть разработаны совместно и быстро проверены для систем памяти следующего поколения.

Масштабирование системы привода с использованием передовых методов компоновки.

Поскольку перемещение данных становится основной статьей энергетических затрат в системах искусственного интеллекта, передовые технологии упаковки стали важнейшим инструментом повышения эффективности на системном уровне — сокращения расстояний между межсоединениями, увеличения плотности полосы пропускания и снижения энергопотребления при перемещении данных между логическими элементами и памятью.

Развитие 3D-упаковки, такой как высокоскоростная память (HBM), подчеркивает, почему передовые технологии упаковки становятся центральными в эпоху искусственного интеллекта. (Applied Materials)

Память с высокой пропускной способностью (HBM) знаменует собой важный поворотный момент на этом пути. Благодаря многослойной компоновке кристаллов DRAM — масштабируемой до 16 слоев и более — и размещению памяти значительно ближе к процессору, HBM обеспечивает быстрый доступ к постоянно увеличивающимся рабочим наборам данных. Это приводит к ступенчатому увеличению как пропускной способности, так и энергоэффективности.

В более широком смысле, появление 3D-упаковок, таких как HBM, подчеркивает, почему передовые технологии упаковки становятся центральными в эпоху ИИ. Упаковка теперь решает проблемы системного уровня, которые уже невозможно преодолеть одним лишь масштабированием логических и запоминающих устройств. Она также позволяет перейти от монолитных систем на кристалле к архитектурам на основе чиплетов, поскольку рабочие нагрузки ИИ все чаще требуют гибких конструкций, объединяющих логику, память и специализированные ускорители, оптимизированные для конкретных задач.

Ключевой технологией, определяющей эту стратегию, является гибридное соединение. При приближении шага межсоединений к шагу внутрикристальной проводки, традиционные контактные площадки и микроконтакты сталкиваются с фундаментальными ограничениями по плотности, энергопотреблению и целостности сигнала. Гибридное соединение устраняет эти барьеры, обеспечивая значительно более высокую плотность межсоединений и ввода-вывода, поддерживая широкий спектр чиплетных архитектур — от многослойной компоновки памяти до более тесной интеграции вычислительных ресурсов и памяти.

EPIC решает сложные задачи в области современной упаковки, требующие высокой добавленной стоимости, посредством ранних параллельных совместных инноваций в области материалов, интеграции и производства. Applied Materials

По мере того, как склеенные структуры, такие как многослойные HBM-структуры, становятся все больше и сложнее, контроль деформации, размещение кристаллов, выравнивание многослойных структур и управление тепловыми процессами становятся первостепенными задачами. EPIC решает эти и другие важные задачи в области передовой упаковки посредством ранних параллельных совместных инноваций в области материалов, интеграции и производства.

Подводя итоги, мы объединяем все воедино.

В области логики, памяти и передовых технологий упаковки наша отрасль сталкивается с амбициозной дорожной картой, которая обещает значительное повышение энергоэффективности систем искусственного интеллекта. Однако осознание этого потенциала требует прорывных инноваций в материалах в условиях уменьшения размеров элементов, увеличения количества интерфейсов и роста взаимозависимости процессов. Эти проблемы невозможно решить за 10–15 лет по традиционной модели эстафеты. Мы должны разрушить разрозненные структуры, наладить взаимодействие на более ранних этапах всей экосистемы и распараллелить обучение, чтобы идти в ногу с требованиями ИИ.

В эпоху искусственного интеллекта прогресс будет определяться скоростью, с которой идеи, ставшие очевидными, превратятся в реальность производства и коммерциализации. Единственный жизнеспособный путь вперед — это новая модель инноваций, и EPIC — это то, как мы ее создаем.