量子工程材料如何赋能半导体性能提升?

日期:2023-12-14 阅读:358
核心提示:日前,半导体材料和技术许可公司 Atomera 加入 ESD 联盟,以此为契机,SEMI ESD 联盟执行董事 Bob Smith 与 Atomera 首席执行官

 日前,半导体材料和技术许可公司 Atomera 加入 ESD 联盟,以此为契机,SEMI ESD 联盟执行董事 Bob Smith 与 Atomera 首席执行官 Scott Bibaud 先生进行了深入的技术交流,探讨 Atomera 的原子级技术如何提升电子产品的晶体管性能,以及量子工程材料对芯片性能、行业人才和行业趋势的影响。

Scott Bibaud是 Atomera 总裁、首席执行官兼董事。他深耕半导体行业超过 25 年,成功创建了多家企业,并为数家知名半导体公司创造了超过 10 亿美元的业绩。在加入 Atomera 之前,他曾就任 Altera 通信和广播业务部资深副总裁兼总经理。此外,他还曾担任博通(Broadcom)公司移动平台集团执行副总裁兼总经理。Bibaud 先生拥有伦斯勒理工学院电气工程学士学位以及哈佛商学院的工商管理学硕士学位。

Bob Smith:我注意到 Atomera 官网重点介绍了量子工程材料。您能为我们详细解释下什么是量子工程材料,以及它与其他材料的不同之处吗?

Atomera 首席执行官, Scott Bibaud

Scott Bibaud:如果一种材料在设计之初便采用量子力学模拟,以确定所需的特性,那么这种材料就是量子工程材料。这与其它大多数的半导体材料形成鲜明对比——如今大多数半导体材料要么是自然界已有的,要么是根据经验开发出来的。Atomera 的 MST® 技术(Mears Silicon Technology™)是基于自下而上方法的量子工程材料,其它材料如 ReRAM/MRAM 存储元件、量子阱/点和高介电常数金属栅极(HKMG)金属堆栈也是如此。

Bob Smith:那量子工程材料如何帮助提升芯片性能?晶圆厂需要采取哪些步骤来集成量子工程材料?

Scott Bibaud:量子工程材料能够用于不同种类的应用,为芯片功耗、性能、面积和成本(PPAC)以及内存存储性能带来优势。而如何将量子工程材料整合到制造过程中,则取决于它被用于哪种应用。因为无论是何种应用,都必须根据制造成本来评估系统的整体效益——只有能带来显著效益的高成本,才是有价值的。

如果一种量子工程材料,拥有与基准半导体材料(如硅)非常相似的物理和电学特性,那么它通常可以在传统制造工艺中轻松集成。然而,量子工程特性可能会微妙地改变其与电性掺杂物、半导体点缺陷的相互作用。在像 MST 这样的材料中,可以实现对掺杂剖面的高精度控制,并减少邻近介电界面处的表面粗糙散射。这种改进的介电界面可进一步提高晶圆级可靠性。

为了利用这些参数化优势,必须在流程中插入外延*步骤,可以是在起始衬底上进行均厚淀积(适用于一部分工艺流程),或者在前端工艺步骤中进行选择性沉积。通常情况下,还需要对注入物进行重新优化。

Bob Smith:设计、制造一直是半导体流程中互不关联的两个部分。您认为这种情况会发生改变或演变吗?

Scott Bibaud:这种情况已经在过去几年发生了改变——几乎所有 FinFET 节点的设计都采用了 DTCO(设计技术协同优化)技术,即设计专家与工艺开发团队并行工作,以确定工艺的 PPAC 效益,并提出关键的优化建议,从而提升 PPAC 效益。采用 Atomera 的 MST 等量子工程材料,也需要材料供应商和客户工艺开发团队之间进行密切合作,以确保客户可以获得最大的利益和投资回报率。

Smith:人才短缺是半导体行业面临的重大问题。你们如何应对招聘和雇佣方面的挑战?

Scott Bibaud:由于我们的材料适用于各种不同工艺,涵盖从传统的 180 纳米工艺到最新的全环绕栅极(GAA)和 DRAM 等,因此我们希望招聘的员工,既精通半导体制程细节,又了解制程对器件和终端产品的影响。因此,我们通常会从主要的 IC 公司以及专注于晶体管级设计的 EDA 和 IP 公司招聘经验丰富的行业人士。与半导体行业的其他企业一样,我们也认为急需培养人才,以支持半导体行业的可持续发展。

Bob Smith:您看到了哪些技术趋势?

Scott Bibaud:主要趋势是:人工智能的运行需要大量的电力,而设备扩展速度却在放缓。随着人工智能的发展,昂贵而耗电的 GPU、高带宽 DRAM 和其他数据中心设备加速涌现。不幸的是,摩尔定律可以轻松微缩的时代也结束了,PPAC 的提升变得更加困难,所需费用也更加高昂。这在全环绕栅极(GAA)器件中表现尤为明显——这种器件的开发已变得非常困难,因此出现了一个由供应商组成的生态圈,为 GAA 器件提供工具、材料和工艺模块。所产生的结果是基于 AI 的工作负载正在消耗巨量电力,所消耗电力占全球电力资源的相当大一部分。

如果所消耗的电力都是用于进行有价值的工作,那么这(勉强)是可以接受的,但事实是其中有大量电力是被浪费掉的。主要原因之一是,人们并没有应对随机掺杂波动(RDF)的解决方案。随机掺杂波动是造成晶体管变化的主要原因,而晶体管变化决定了 GPU、CPU 以及几乎所有其它处理器的电压缩放程度。它还会降低 DRAM 的刷新间隔。目前,DRAM 刷新占服务器总功耗的 10%-15%,这个比例还在不断上升;如果将传感放大器中的随机掺杂波动减少一半,即可将刷新功耗降低超过 2 倍。

要解决由随机掺杂波动造成的功耗浪费,有一个相对简单的办法,即扩大器件的尺寸,这将减少失配,但却与微缩的目的背道而驰。业界需要更好的解决方案使随机掺杂波动降到最低。目前,人们正在采用碳钉、反掺杂和低温加工步骤等替代方法,虽然确实能带来一些改善,但还不够有效。不过好消息是,先进的量子工程材料在解决随机掺杂波动方面,展示出了非常积极的成果。

*外延是一种材料沉积,其中沉积层保持与晶种层相同的方向。

 
打赏
联系客服 投诉反馈  顶部