IBM公司在无光刻芯片制造方向上取得可喜进展。
IBM公司已经设计出一种新型材料加工与制造工艺,有助于提高7纳米节点以及更小节点芯片的生产效率水平。
蓝色巨人的研究人员正在努力克服“区域选择性沉积”这一新兴领域中的种种挑战,此项技术有望克服光刻技术的限制,从而利用7纳米制程工艺在芯片上创建图案。
Semi Engineering对于光刻图案做出了简洁说明,同时亦解读了为何区域选择性沉积技术在7纳米制程领域拥有如此光明的发展前景(https://semiengineering.com/what-happened-to-selective-deposition/,英文原文)。
“多重图案化”等技术的介入,有助于确保集成电路的规模不断扩展。然而,随着芯片由28纳米制程缩小至7纳米制程,芯片制造商无疑需要面对更多且功能且特征更复杂的分层,且特征必须更精确地放置在对应图案之上。
这些特征需要在不同层之间保持对齐,一旦无法保持对齐,就会导致“边缘放置错误”(简称EPE)。英特尔公司光刻技术专家Yan Borodovsky认为这是一项光刻技术无法解决的挑战,并最终会成为摩尔定律的硬性天花板。
2015年,他曾鼓励业界研究区域选择性沉积技术,而这正是IBM公司研究人员正在探索的领域,且有朝一日可能成为EUV光刻技术的继承性方案。事实上,三星公司已经进行了数十年实验室研究,目前正在尝试将其引入实际生产线。
各晶圆代工厂已经在利用某种形式的选择性沉积技术在器件的金属表面上进行材料沉积。但不同于此,区域选择性沉积要求配合新的工具,旨在于器件之上沉积不同的材料组合——金属沉积于金属上,电介质沉积于电介质上。
IBM公司阿尔马登研究中心研究员Rudy J Wojtecki解释称,IBM的项目希望对这一技术加以改进:
“如果使用传统制造方法,我们需要利用抗蚀剂涂覆基板,而后通过曝光步骤对抗蚀剂进行图案化处理,从而实现图案显影、沉积无机膜,而后去除抗蚀剂以制造出图案化无机材料。”
“我们发现了一种更简单的无机薄膜沉积方法,即使用自对准工艺。我们将预先涂覆的基板浸入含有特殊材料的溶液当中,而后将涂覆基板放置于沉积室中,这实际上能够以纳米级可控方式在器件上生长出元件。”
该小组目前使用的为三大主要区域选择性沉积方法之一,名为“原子层沉积”。该方法的重点,在于利用“自聚合单分子层”(简称SAM)。
这种方法可能有助于为新的硬件形式铺平道路,特别是三维结构等能够更好支持人工智能应用程序的硬件形式。
Wojtecki解释称,“一旦我们开发出这一过程的扩展性方法,我们即可在构建下一代硬件时开始采用——包括将其应用于新型人工智能硬件,或者7纳米技术节点或者更小技术节点的器件制造流程。”
IBM公司并不是唯一一家着力开发区域选择性原子层沉积技术的企业,不过Wojtecki认为他将能够为具有苛刻要求的应用定制化学结构,从而使得这种“新聚合、材料与表征方法”的开发最终具备可扩展能力。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。