生成式人工智能 (AI) 是推動從芯片技術到軟件應用等各方面發展的主要因素之一。它還改進了開發工作流程。這項技術的基礎是用于制造推動這場革命的電子產品的材料。

展望今年的發展前景，筆者與默克集團電子業務部門 EMD Electronics 分子間服務總裁 Ganesh Panaman 討論了推動半導體行業發展的大趨勢。

哪些大趨勢正在推動半導體行業恢復增長？

自生成式人工智能出現以來，用戶見證了它的變革能力。對于半導體行業來說，它既帶來了挑戰，也帶來了機遇。現在，用戶可以利用人工智能和機器學習來識別和優化更智能的材料，以提高效率。然而，人工智能解決方案需要更多的功率和存儲空間，這帶來了制造更小、更快、更強大的芯片的挑戰。

隨著芯片變得越來越復雜，幾個原子將決定整個芯片的功能。我們需要新材料和增強當前使用的材料，以實現更高性能的設備（圖 1）。

圖 1AI 和其他數字解決方案需要更多的功率和存儲空間，這給制造更小、更快、更強大的芯片帶來了挑戰。因此，我們需要能夠實現更高性能設備的新材料和工藝。

此外，可穿戴設備已成為日常生活中的常態，尤其是眼鏡。這些新設備需要更精簡的解決方案來支持 AR 和 VR（增強現實和虛擬現實）操作，新技術使這些操作可以在更小的設備內運行。

最后，全球關注可再生能源，可持續性正在推動對太陽能電池板、能源存儲系統和高效電源管理設備等應用的需求。

將人工智能推向邊緣（例如 AR 眼鏡、自動駕駛汽車的實時大量數據處理）不僅需要根據摩爾定律進行擴展，還需要替代架構（例如神經形態計算和量子計算）來超越功率和內存的限制。鑒于生成式人工智能的成功，這一趨勢將以前所未有的方式加速。

為什么半導體行業正處于「材料時代」？

技術變革要求半導體行業重新考慮如何為下一代芯片設計材料。替代架構、改進的性能以及對高帶寬內存訪問的需求將需要傳統的擴展方法和新材料、異質集成、先進封裝和設備設計以及材料協同優化。多組分氧化物、硫族化物、透明導電氧化物、2D 材料和其他多組分合金在設備路線圖中變得越來越常見。

為了進一步增強半導體器件的固有性能，越來越需要在更高的抽象層次上共同優化器件和材料技術。這標志著材料研究方法論的一個轉折點（圖 2）。

圖 2 隨著半導體設備變得越來越復雜，實現原子級精度變得越來越重要。

傳統上，新材料的發現依賴于艱巨、反復且昂貴的實驗室合成和測試過程，涉及半導體制造商、工具制造商和材料供應商。隨著人工智能將對半導體的需求推向前所未有的水平，這種模式面臨著挑戰，需要滿足快速、共同優化和高效引入和擴展新材料的需求。

EMD Electronics 等材料供應商處于引領這些創新努力的有利位置，可以加速增長，同時降低引入新材料帶來的風險。

材料智能涉及在原子和分子水平上對材料的科學理解和工程設計，以及集成數字技術以優化材料特性、性能和制造工藝。

通過將人工智能和機器學習算法應用于這些數據，EMD Electronics 可以預測各種條件下的材料行為，確定特定應用的最佳材料成分，并提高制造效率。這種獨特的能力使得能夠在正確的地點、正確的時間生產出具有正確質量的正確材料。

材料將把其推動作用從前端擴展到價值鏈的其他創新熱點，例如異構集成。半導體行業已經進入了一個摩爾定律受到挑戰的時代。對更快、更節能的計算的追求正在改變半導體行業。隨著我們從節點驅動轉向整個價值鏈的系統范圍方法，涉及進一步的多樣化和專業化，系統地尋求材料的下一個發展至關重要。

如何實現芯片制造商的技術路線圖？

EMD Electronics 正在開發先進材料和工藝，以推動半導體器件的不斷小型化。極紫外 (EUV) 光刻技術的創新對于制造更小、更密集的晶體管至關重要。尖端光刻膠和圖案化解決方案的開發有助于形成精確的納米級圖案，這對于縮小器件幾何形狀至關重要。

為了克服傳統平面縮放的局限性，垂直堆疊技術（例如 3D NAND 和背面電源通過硅通孔傳輸）變得越來越重要。先進的介電和金屬化解決方案可確保可靠、高效的垂直互連。蝕刻和沉積工藝的創新使多層結構的精確構建成為可能，從而在更小的占用空間內實現更高的內存密度和增強的性能。

隨著半導體器件變得越來越復雜，實現原子級精度變得越來越重要。材料行業處于開發原子層沉積 (ALD) 和原子層蝕刻 (ALE) 技術的前沿，這些技術在原子尺度上提供了對材料特性和厚度的無與倫比的控制。這些技術對于制造具有出色均勻性和精度的超薄膜和界面至關重要，包括高縱橫比和地形挑戰性特征。

此外，二維材料和量子點等新型材料的進步正在擴大設備復雜性和功能的可能性。

這些創新共同推動芯片制造商推進其技術路線圖，在下一代半導體設備中實現更高的性能、更高的效率和新的功能。

人工智能、機器學習和數據分析在材料智能新時代發揮著怎樣的作用？

全球數據格局正在呈指數級增長，這為我們提供了前所未有的機會，能夠更深入地了解我們的生產流程和材料。然而，處理如此大量的數據本身就很復雜，這帶來了挑戰，需要創新的解決方案。EMD Electronics 使用 AI 來開發能夠更高效地運行 AI 平臺的解決方案。

隨著 QC 參數的數量不斷增加，不能固守幾十年前的過時數據分析方法。適應和采用先進的分析方法對于控制相關參數和防止成本呈指數級增長至關重要。科學家和工程師使用最先進的數字工具，結合 Intermolecular 服務的強大功能來推動現代技術的發展。

通過利用先進的設備測試功能對設備和材料進行協同優化，我們能夠充分利用人工智能在科學發現中的潛力。這推動了人工智能的進一步發展，并加速了各個領域的創新。

通過研究不同材料、工藝和設備架構之間的相互作用，可以在早期階段找到表現出卓越性能的解決方案。我們在 DRAM 電容器堆棧工程、ALE 和神經啟發計算等領域的工作充分體現并展示了這種數字化轉型。

利用快速發展的材料建模和發現數字工具，還可以擴大探索空間的廣度和深度，并有效地識別推動芯片制造商創新的新分子和集成解決方案。

此外，加速材料創新需要獲取和處理大量數據的能力。此類過程需要量子計算和神經形態計算等先進計算平臺來識別新型化學物質和材料。

這還需要高吞吐量和組合能力，以及快速制作原型和測試設備的能力，例如在分子間設施中擁有的設備。我們與 PsiQuantum 的合作是一個很好的例子，展示了我們如何通過開拓新材料實現量子計算的巨大改進。

量子計算機規模化的關鍵部件是單光子探測器 (SPD)。這需要具有超導性的薄膜，且只能在極低溫度 (<10K) 下實現，這使得系統規模化變得具有挑戰性。

在 Intermolecular，我們成功識別出有前景的塊狀超導體，將其擴展為薄膜，并優化堆棧。結果證明了創紀錄的 SPD 性能，我們將繼續創新，以證明這種第二代材料的臨界溫度有了顯著改善。