探索AI时代的刻蚀技术:解锁未来芯片的秘密

简介: 探索AI时代的刻蚀技术:解锁未来芯片的秘密

随着人工智能技术的迅速发展,对于芯片性能的需求也在不断提升。刻蚀技术作为芯片制造中的关键环节,正在通过创新应对人工智能时代的挑战。本文将探讨刻蚀技术在满足人工智能时代需求方面的关键作用,并深入剖析其在面对制造上的复杂挑战时的创新应对策略。

预计到2030年,人工智能(AI)将成为一个价值数万亿美元的关键产业,对半导体性能提出了新的挑战。实现下一代AI功能所面临的一些最复杂问题来自设备制造方面,而这些挑战需要通过新的刻蚀技术来解决。

人工智能(AI)对刻蚀技术提出了特殊要求的原因在于其训练所需的大量数据。这些数据需要高水平的并行处理、丰富的非易失性存储器(如NAND)以及快速的数据传输速率,以便将数据推送到内存中并从内存中读取。而先进的设备通常依赖于在三维中制造的架构。刻蚀作为一种减去的过程,在塑造这些设备结构中发挥着重要作用。例如,环绕所有栅(GAA)晶体管、低成本每比特的3D NAND存储器和高带宽存储器对AI的未来至关重要,而这些都需要新的、创新的刻蚀方法来雕刻它们的设备结构。

刻蚀一直是一个关键且具有挑战性的过程,但是推动AI的芯片将把这一过程推向一个新的水平。它们不仅需要前所未有的刻蚀精度,还需要能够有选择性地去除一种材料而将另一种材料保留在原处,修改剩余材料的表面特性,以及刻蚀具有越来越高的纵横比的结构。有时甚至需要横向刻蚀而不仅仅是垂直刻蚀。

AI逻辑的垂直刻蚀

AI逻辑的垂直刻蚀是指一种针对人工智能逻辑而设计的特殊刻蚀技术,它能够在多个方向上均匀地去除材料,而不仅限于单一方向的刻蚀。多年来,各向异性定向刻蚀一直是集成电路制造中的关键工艺,它能够有选择性地在一个方向上去除材料。干法等离子反应离子刻蚀已被广泛应用于实现低介电常数双光栅互连、高介电常数金属栅、FinFET、埋藏栅DRAM以及多代3D NAND。然而,近年来对GAA晶体管架构的转变需要采用一种全新且具有挑战性的方法:各向同性、高度选择性的刻蚀。通过各向同性刻蚀,材料将在多个方向上同时均匀去除,而不仅仅是从堆叠顶部向下刻蚀,这个过程被称为垂直刻蚀。

正如上图所示,GAA架构具有多层通道,每个通道四面被栅包围。垂直刻蚀技术使芯片制造商能够通过采用横向材料去除的方法来创建这些通道。在这种高度复杂和敏感的过程中,借助精密的化学反应和纳米级别的控制,薄膜能够相对于另一薄膜进行横向准确去除,而不会损坏或损失相邻的硅材料。这种精密的侧向刻蚀过程对于形成GAA结构中的通道至关重要。

另一个需要垂直刻蚀的重要案例是活性GAA晶体管表面。这些表面必须不含任何本地氧化物、残留碳或嵌入杂质。对于这种情况,只需修改或清除单个原子层,就需要采用基于自由基或中性的刻蚀过程,以提供所需的精度,同时尽可能温和地处理晶体管表面。这种温和而精确的刻蚀过程对于确保GAA晶体管的性能和可靠性至关重要。

3D NAND架构的挑战与刻蚀技术的演进

除了提供出色的每比特成本性能外,从平面(2D)转向3D NAND架构使得内存容量不再受特征尺寸缩放的限制,而这之前的情况严重依赖于光刻技术的进步。相反,现在存储容量随着设备层数的增加而增加,这主要通过刻蚀和沉积加工的进步来实现。例如,3D NAND结构中的一些元素,如下图所示的存储通道,需要穿过数百层二氧化硅和氮化硅进行刻蚀。这些结构的深宽比(纵横比)可以达到40:1或更高,相当于电话杆的比例,而单个晶圆上可能存在超过一万亿个通道。

为了解决这一行业挑战,刻蚀技术已经发展到可以提供高能量离子,以维持良好的剖面控制和高速反应,即使被刻蚀的结构变得更深。这些解决方案需要协同工作,确保例如更深或更快的刻蚀不会影响最终特征的剖面质量。Lam Research已成功地推进了NAND通道刻蚀,采用了一系列先进技术,包括功率调整以提高离子能量、晶圆温度控制(包括低温)以调节反应速率和粘附系数,以及新型刻蚀化学品,以增加效率和成本效益。

AI发展促进着刻蚀技术的发展

即使刻蚀技术的创新有助于创建支持人工智能进步的芯片,但反过来,人工智能也可以通过推动研发和制造领域的转型来促进刻蚀工艺的进步。

基于人工智能的预测建模技术正在加速研发进程,使芯片制造商能够更快地进行制造,同时为工具和工艺开发人员提供了新的见解和更高的效率。我们已经看到,利用计算模拟对晶圆表面和器件结构进行虚拟处理,可以与传统的实物工具开发相辅相成,大大提高开发速度并降低成本。越来越多的在设备上的传感器也使得在晶圆生产线上进行虚拟测量成为可能,以快速识别偏差并应用纠正措施,实现设备匹配和优化生产。

尽管制造先进芯片的复杂性不断增加,但刻蚀技术的创新正在迎接人工智能时代的需求。受到极端精密度和选择性的驱动,无论是垂直刻蚀还是依赖于纵横比的刻蚀,都能够解决一些最具挑战性的制造难题。

在讨论刻蚀技术对人工智能芯片制造的关键作用时,我们不得不考虑到存内计算的概念。存内计算是一种新兴的计算模式,它将处理和存储功能集成在同一片芯片中,从而极大地提高了计算效率和速度。随着人工智能应用的不断增长,存内计算技术的发展变得尤为重要。通过将计算功能与存储功能相结合,存内计算使得AI任务的处理更加高效,同时降低了数据传输的成本和延迟。

刻蚀技术在存内计算芯片的制造中也发挥着关键作用。存内计算芯片通常具有复杂的三维结构,需要精密的刻蚀过程来定义其内部结构和通道。因此,刻蚀技术的持续创新和进步对于实现存内计算技术的发展至关重要。

总结和展望

人工智能(AI)对半导体行业提出了前所未有的挑战,对刻蚀技术的要求也因此变得更加特殊和迫切。传统的刻蚀技术需要适应AI时代的需求,包括高水平的并行处理、丰富的非易失性存储器和快速的数据传输速率。因此,刻蚀技术必须不断创新和进步,以满足这些新要求。

随着AI技术的不断发展和应用,对于刻蚀技术的需求将进一步增加。未来,我们可以期待刻蚀技术在实现更高精度、更高效率和更广泛适用性方面的进一步突破。通过不断地创新和改进,刻蚀技术将继续发挥关键作用,为人工智能时代的芯片制造提供可靠支持,并为行业的持续发展和进步作出贡献。

参考资料:

  1. 侯剑秋,于新新,孙玉乐等.1x nm DRAM电容孔刻蚀工艺研究(英文)[J].微纳电子与智能制造,2021,3(04):92-102.
  2. 胡增文,侯剑秋,周娅.DRAM介质刻蚀工艺和设备发展简述[J].微纳电子与智能制造,2022,4(02):105-112.
  3. How Etch is Evolving to Meet the Demands of the AI Era
  4. 蒋玉贺.芯片制造中的厚铝刻蚀工艺[J].微处理机,2016,37(03):23-24+27.
  5. Singh H .克服3D NAND规模化生产面临的挑战[J].中国集成电路,2018,27(03):54-56.

本文字数:2552

相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
43 10
|
7天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
11天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
29 5
【AI系统】离线图优化技术
|
21小时前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
28 13
|
6天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
8天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
13天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
27 2
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。

热门文章

最新文章