English 简体中文
设为首页|加入收藏
18929339897​
 
网站首页 ※ 行业新闻 ※ SIA重磅报告（上）：半导体未来的机会

APPLICATION CASE

应用案例

SIA重磅报告（上）：半导体未来的机会
来源: | 作者:pro49d7cb | 发布时间: 1980天前 | 2875 次浏览 | 分享到:
SIA重磅报告（上）：半导体未来的机会
       众所周知，半导体技术是数字和信息时代的基础技术。在半导体行业，如果想要技术开展技术革新，可能的研究方向又有哪些？美国半导体行业协会（SIA）日前发布了一份名为《半导体研究机会：一份产业前景和指导》的报告，对以上问题作出回答。 

       SIA指出，通过这些研究方向的前瞻将反过来开启多种应用和技术的大门，从而促进和支持众多经济部门。在推进现有技术继续升级的同时，对现存技术以外的一系列领域的开拓和关键性研究也至关重要。 

       而在过去几十年，通过高水平的研究和开发投入，半导体行业的创新速度得到了显著提升。2016年，全球半导体行业的研发投入占总收入的15.5％，总计565亿美元，高于世界上任何行业。制造更快、更好、更廉价芯片，且要求它们具有较低的计算功耗和优秀的功能，这些需求的一个关键的驱动力是：IC上可容纳的晶体管数目，约每隔18-24个月便会增加一倍，性能也将提升一倍，这就是已经活跃了几十年的摩尔定律。 

       但这种传统的硅基半导体技术正在成熟，以摩尔定律为驱动的路线图似乎触到了天花板，业界迫切需要一种新的超越硅基的路线图。冯·诺依曼计算领域提出了更多性能要求，如低功耗、低电压、超CMOS逻辑和存储器件及相关材料。而在非冯·诺依曼计算中，新的存储元件和材料将促进半导体行业的创新。 

       为了使半导体性能实现进一步提升，众多半导体团队正在研究一种综合性方法，能够兼顾半导体技术的方方面面，包括新材料、新制造技术、新结构、新系统架构和应用。未来，基于半导体的系统——无论是小型传感器、高性能计算机还是其间的系统——都必须最大限度地提高性能，同时最大限度地减少能源使用并保证安全性和可靠性。 

       本报告提出了若干半导体行业发展愿景，这些研究议程说明，未来半导体技术将能够在诸如人工或增强智能（AI）、物联网（IoT）、高性能计算（HPC）系统和社会所期待和依赖世界等应用和领域中取得突破性进展。 

       要想将新应用推向现实市场，清晰的研究视野是至关重要的。本报告的目的就是为了确定，在半导体行业和价值链中需要优先考虑的一系列研究投资。2016年至2017年的九个月内，不同的行业专家团队和领导人共聚一堂，讨论并概述了影响行业进步至关重要的若干领域，用以指导未来的研究投入。这些领域是： 

       1．先进的设备、材料和封装 
       2．互连技术和体系结构 
       3．智能存储与内存 
       4．电源管理 
       5．传感器和通信系统 
       6．分布式计算和网络 
       7．认知计算 
       8．基于生物学的计算和存储 
       9．先进的体系结构和算法 
       10．安全和隐私 
       11．设计工具、方法和测试 
       12．下一代制造模式 

       想象一下在未来，分布式网络传感器、大数据中心和计算能力相结合，进一步促进技术创新并提高生活质量，实现这样的愿景，需要一个基础科学技术研究的广泛平台做支撑。该平台的指导目标是，使计算模式能够从根本上提高能源效率、性能和功能，同时确保足够的安全性。为了实现这一目标，迫切需要对超越传统的CMOS器件和电路、冯诺依曼结构以及信息处理方法进行研究。另外，还需要研发新材料和可扩展工艺，产生新的制造模式，并将这些新技术融入到产品制作中。 

       制定本研究议程的不同专家小组经过讨论，最终确定了若干待研究领域，它们相互依存，并与技术“堆栈”中的多个层次相关。实现上述目标的工艺需要跨学科的方法和在各个层面上工作的科学家和工程师之间的协作。 

       行业专家团队确定了以下亟待开拓的14个研究领域，以维持美国在先进计算系统领域的领先地位： 

       （一）先进的设备、材料和封装 
       想要显著提高新型信息处理系统的能源效率和性能，需要具有独特特征设备，而且很可能是基于非常规机制的设备。除了目前在缩放CMOS和常规架构中的研究需求和挑战之外，新型器件还要考虑诸如神经形态架构等替代架构的优势和要求。业界可以开发这样的设备以进一步改进冯诺依曼计算（例如，具有陡峭斜率的低功率设备）或支持非诺曼·诺依曼计算的体系。 

       新兴设备和机制通常需要不同性能的材料，这要求业界对替代材料系统和相关接口性质进行广泛研究，例如III-V、SiGe、碳基、低维（2D）、多铁、铁电、磁性、相变和金属绝缘体过渡材料。新材料系统的研发，需要精确的原子沉积和去除（蚀刻和清洁）方法，以便满足大面积适用性、低缺陷、紧密几何结构（亚10 nm）、3D集成，以及高吞吐量等要求。 

       安全性的实现主要在诸如，系统设计、算法、协议以及具有适合于安全的固有特征的材料和设备（例如，真实的随机性或不可克隆性）等方面中实现，但在硬件中，实现鲁棒安全特征的潜力也依然存在。设备和架构的协同优化对于充分利用设备特性并提高架构性能至关重要。 

       先进的3D集成和封装技术可实现垂直扩展和功能多样化，通过异构整合可能提升系统性能和功能。 除了工艺创新之外，材料和设备的进步也可能推动封装技术的发展，并拓宽3D集成的应用。 

       从小型嵌入式传感器到异构“片上系统”，产品的多样性和复杂性日益增加，对封装技术的挑战也越来越大。现今的异构系统集成了以前被降级为板级集成的元件，例如各种无源元件（电容器、电感器等）和有源元件（天线和通信设备，如滤波器）以及存储器和逻辑结构。今天的系统级集成允许每单位体积具有更多的功能。然而，它也突出了多种挑战，比如封装内功率如何更好的传递到更多功能块，热密度管理和信号完整性维护等。这种趋势还将导致装配复杂性和成本的增加，以及相关的可靠性和测试要求。 

       应用领域的快速增长正在对封装技术提出具体要求。在高性能计算中，I / O带宽密度瓶颈和热管理限制了整体封装系统的性能，这个问题重新点燃了业界对芯片间通信金属导体替代品的浓厚兴趣。先进的汽车应用正在推动新需求的产生——能够承受更高热度和功率密度的新型包装材料，以及能提高可靠性的更坚固的材料界面。移动消费应用正在加强严格的形式因素限制，这推动了封装技术的创新。移动领域最新进展包括芯片级封装、fan-out晶圆级封装的进步、采用3D / 2.5D的集成技术。IoT产品需要低成本的封装技术，同时也需要创新，例如，用于可穿戴设备和其他新兴应用的灵活的、可拉伸的电子器件的封装。 

       潜在的研究课题 
       （1）低功耗、低电压、超CMOS逻辑和存储设备以及冯·诺依曼计算的相关材料： 

       （2）高开关比率的陡坡设备； 

       – 隧道场效应晶体管（TFET）等新型隧道晶体管，如共振隧穿晶体管； 
       – 具有栅极堆叠增益的晶体管，例如负电容FET 

       （3）基于相变、晶格畸变、界面机制和其他转导机制的器件： 

       – Mott过渡器件、CDW的器件、应变器件和压电晶体管 

       （4）基于自旋的逻辑和存储设备： 

       – 低电流密度下具有亚纳秒开关速度 
       – 垂直磁各向异性（PMA）结中隧道磁阻（TMR）的幅度改善量级 
       – 通过自旋过滤栅进行高自旋极化 
       – 电荷-自旋转换效率提高10倍，例如自旋轨道耦合、Rashba界面和拓扑绝缘体材料的研究 
       – 磁电和磁致伸缩开关机制提高能效的数量级 
       – 利用畴壁运动等新颖机制的自旋装置 
       – 分层和嵌入式应用中的磁存储器，例如通过抗铁磁性实现的超快切换，用于新型器件设计的巨型旋转霍尔效应等。 

       （5）超CMOS设备、储存元件、非冯·诺依曼计算材料 

       用于机器学习的硬件加速的装置，适用于人造神经网络训练和推断。例如人造神经元和突触装置，2-端模拟电阻装置，忆阻装置，基于旋转的装置和用于神经形态和生物启发信息处理的装置，以及相关材料开发。 

       • 纳米功能设备，例如保真的本机乘除和加法。 
       • 用于新型阵列计算和存储实现的内存器元件和2-端选择器，包括3D的采用。 

       （6）除电荷和自旋（例如，电化学、电生物、光子和相位）之外，设备和材料还利用其他状态变量，以满足着改善的性能、信息密度或能量效率的需求。 

       （7）物联网相关设备和材料： 

       • 用于传感器节点和网络中传感、信息处理、存储和通信的超低功耗设备设计。 
       • 用于大面积传感器计算和机器学习领域的柔性或其他非传统基质材料和设备。 
       • 用于能量产生、清除、存储和管理的尺寸/重量受限的平台的材料和设备。 
       • 超CMOS器件和材料的THz通信和传感器。 

       （8）基于安全性的设备和电路： 
       • 具有独特属性的设备，以实现内置的安全功能，例如伪装、逻辑加密等。 
       • 制造具有降低能量和面积开销的安全原语的设备，例如物理不可克隆功能（PUF），随机数发生器等。 

       （9）电源管理材料和设备： 

       • 用于提高功率性能的半导体材料和器件，包括给定击穿电压的低导通电阻和最佳切换品质因数。包括用于高电压，大功率器件的宽带隙半导体（例如GaN和SiC）以及用于低压功率转换器的高迁移率半导体（例如GaAs）。 
       • 功率转换系统中的无源元件（电容，电阻和电感）的材料和器件。 
       • 多芯片模块的材料和封装技术。 

       （10）可实现高密度，细粒度、单片3D系统的设备，用于减少数据迁移和通信成本： 

       为逻辑结构和存储器的设计的高性能器件，适用于堆栈层集成的低温处理；所产生的能量延迟产品应比现存最有技术好1000倍。下一代逻辑器件的候选材料包括1D纳米管和纳米线，以及2D石墨烯，TMD材料。合适的存储器件是：自旋传输扭矩随机存取存储器（STTRAM），电阻随机存取存储器（RRAM）和铁电随机存取存储器（FeRAM）或任何能够承受低热量并提供高性能的新型器件。 

       •能量收集器，连接装置和传感器的集成。 
       •多层堆栈集成电路（IC）的热管理。 
       •新型封装，适用于封装所有面的小尺寸可访问引脚。 
       •神经元装置与基本CMOS的集成。 
       •生物兼容封装选项。 

       （二）互联技术合体系架构 

       互连器件在集成电路内部和集成电路之间携带信息和功率，在确定半导体产品的功率需求和性能方面发挥关键作用。片上尺寸缩放、片外带宽、能量与性能的折衷推动了当前互连技术的发展。这些参数定义了路由设计的缩放、导体和电介质材料以及制造方法的选择。除了传统的缩放，新的发展方向包括新材料开发，与新兴设备兼容的新型互连架构，以及导致交替信号转换和传播介质的交替计算方法。 

       电路和系统设计人员试图将其继续缩减到更小的维度并增加功能，这就要求互连具有更低的延迟、更高的功效、更宽的带宽和更高的可靠性。但是随着互连变得越来越小，电互连的RC延迟增加，动态功耗随着介电空间的减小而增加，信号完整性降低，越来越大的串扰限制了更宽宽带链路的应用，更长的总线将导致更高的故障率和更低的产率。这些趋势在设计边际、材料属性要求和稳健性，以及工艺集成优化等方面构成重大挑战。 

       除了严重的可扩展性考验之外，互连架构必须展望未来，以适应新兴设备技术、新材料、新型计算模式、新制造方案和应用驱动的需求。 

       诸如新FET、自旋电子器件和光子器件等新兴器件对互连产生了新的限制。互连与新设备的集成需要考虑热预算匹配、RC管理以及与新材料的电气接触等方面。对于自旋电子学和光子学，则需要考虑互连层级中的信号转换和密度。基于自旋的传播很大程度上取决于松弛长度和时间，这导致信号波动和完整性的限制性规范。光子器件具有限制密度缩放的截止波长长度。 

       所有设备面临的一个共同的挑战是可变性。具有期望性能的新技术必须能够扩展到实际制造中，同时保持可接受的可变性水平。在尺寸更小的时候，由于随机过程的变化。可变性成为一个更大的问题， 

       有些新材料，诸如2D材料和2D混合结构，具备许多潜在性能，当然也存在影响该材料广泛使用的诸多挑战，比如重现大面积沉积的方法、实现接触、线电阻对现有材料的竞争力，封装技术、载流子密度和流动性之间的内在权衡。 

       新的计算模式包括，允许多值逻辑（例如，模拟和量子计算）和利用信号权重和收敛性（例如，神经网络和神经形态计算）的并行计算。这些新的计算方法对互连架构、互连材料，信令机制和制造有影响。 

       集成和封装的变化可能导致互连技术的中断。例如，从2D到3D单片集成电路的过渡需要层叠的晶体管，这将影响互连路由和热预算控制。此外，多功能系统的异构集成需要互连的协同设计作为有源模块。在设备互连接口，fan-in/fan-out兼容性也需要仔细检查。 从长远来看，“智能互联”，如动态可重构的纤维，正处在研究的早期阶段。 

       扩展功能和应用程序的多样性，如传感器、生物医学测量、物联网模块、云服务器等，催生了互连定制技术的出现和发展。除了不断发展的片上需求外，片外互连架构也面临着在板级或云端连接执行特定功能模块的新挑战。要考虑的互连选项包括有线与无线，电子与非电子以及片上与片外。 

       有潜力的研究课题 

       能够实现10纳米以下尺寸电子互连的技术，包括导体、电介质及其集成方法。 
       • 新型金属和复合材料替代当前的金属（铜）。 
       • 金属通孔之外的层间新型互连（例如，光学和等离子体互连）。 
       • 新型自对准和自组装技术以提高集成密度。 
       • 自形成栅和新型二维栅材料。 
       • 光子开关器件和互连，包括光源、检测器和调制器。 
       • 旋转互连，包括用于自旋传播的新材料。 
       • THz有线和无线互连、视线/非视距（LOS / NLOS）传输、光互连、射频（RF）光子学、 自由空间、回程传输以及零开销和可扩展传输的空口创新等 
       • 使用替代状态变量的新设备的本地互连。 
       • 可编程，高fan-in/ fan-out互连解决方案。 
       • 超线性、宽带宽的电气和光纤链路，实现高调制格式。 
       • 探索数据中心级互连和网络创新，以显著提高可扩展性，并减少延迟和能耗。 
       • 自优化和弹性网络、可重构互连结构以及高速、安全的数据链路。 
       • 综合利用先进的内存/存储设备，并利用非传统和认知计算所优化的互连和封装技术，补充CMOS。 

       （三）智能内存和存储 
       信息技术的进步已经将数据生成速度和数量推到一个新节点，此时内存和存储成为计算机系统优化的重点。能量传输、延迟和带宽对于这些系统的性能和能效至关重要。思考并创建能够回避这些信息节流的方法和工具，对未来的内存和存储具有广泛的影响。许多现代计算问题的解决方案涉及多对多关系，受益于分布式计算平台所固有的高横截面带宽。例如，大规模图形分析涉及许多临近关系的高交叉数据集评估，最终需要系统最高可能的横截面带宽。 

       为了在复杂的数据处理中进行彻底的性能改进，需要一个全面的、垂直整合的高性能“智能”存储系统的方法，能够整合处理操作系统、编程模型和内存管理技术以及原型系统架构。利用分布式计算元件和加速器在物理/电气上接近数据存储位置，使得系统新能显著提升。一个更加优化的硬件平台可能包含大型结构（具有大截面带宽的互连内存设备和存储设备），集成的逻辑架构和与传统高性能计算元件岛屿结合的加速器。该平台甚至可能包含这样的子元件：允许计算元件访问共享存储器的全部或部分，并将其作为高速缓存相干存储器，并且还具有在内存中传送和排序数据，以提供多信息丰度数据流的特性。在研发新平台的过程中，主要的目标是实现功率、性能和密度（体积和工艺）的数量级增益。 

       实现存储器被使用和访问的模式转变的主要研究差距是，建立一个操作系统框架，允许系统在运行时基于系统配置偏好，程序员偏好以及系统的当前状态进行优化。在包含近内存的冯·诺依曼和非冯·诺依曼元素的异质平台中，实现运行和优化的并行，面临许多挑战。在这样的平台上实现同样的目的（例如，缓慢的本地计算，远程数据传输和快速计算，在加速器计算效率非常高但是大致计算）本身就有很多手段，而且适宜的优化可能因系统的当前状态而有所不同。 

       例如，在简单的硬件上，通过操作系统和硬件挂钩，执行时间和数据移动可以以近乎最佳的方式自动平衡，而不在乎是否有程序员干预；内置控件可能允许系统管理员在特定系统安装的约束条件下，权衡性能、功效、响应等待时间等因素。调度决策可能涉及适当的带宽使用、功率、延迟、温度等的本地和全局度量。 

       为了建立运行同时优化地算法，必须确立合适的系统性能指标，用于测量信息处理密度，例如每千克硅、cm3或瓦特的决策速率或正确的决策速率。例如，想象一个包含大于 100K内存dies的单机架单元机箱，dies以高维度结构互连，每个机架都能够本地访问和操作数据，每个机箱消耗高达1瓦的功率。这样的系统将需要一种功率节流算法，同时考虑温度和功率消耗（可能涉及控制系统的本地或全局方面）。 

       信息处理密度的系统理论界限需要被确立，以说明潜力最大的研究领域位于何处。为了系统满足性能和弹性的目标，复制将成为系统的一部分，并将与保留、力量管理和身份验证策略（即哪些用户可以在哪些数据上运行哪些程序）进行协同优化。 

       通过全面、垂直整合的方法，制造工艺将加速发展，该方法重点关注相关的新兴内存技术和它们各自新型系统架构和层次（包括子系统和高速缓存），以及制造它们所需的先进材料和工艺。在可能的情况下，后向兼容也是很重要的，以便应用迁移到这个新的框架中。 


       潜在研究课题 

       （1）计算内存系统：多种形式的内存计算早已得到了证明，诸如，与内存芯片紧密耦合或集成，内存芯片的通用CPU，使用内存阵列的模拟计算。需要从业者研究并了解系统动态平衡热/功率预算、带宽、计算和内存或存储容量的算法，以最佳地提供感兴趣的度量，如运营成本，决策延迟和决策带宽。 

       这项研究应该确定哪些具体指标是有意义的，并确定系统参数如何影响该指标。鉴于存储器间的计算系统与“计算+存储器+传感器”节点（简单、低成本、低能耗）之间存在很大的相似之处（要求该节点具备向较大系统报告的基本观察或决策能力），可以设想，可能有令人信服的研究，而且这些研究被认为是相同的概念。 

       （2）系统内存和存储的新架构和编程范例：允许适当的编程器控制的自我优化（半自治）系统：考虑一个大型多维网络结构，系统内的单个设备包含数千或数百万个内存节点，能够自主管理电源、热、带宽、计算和存储约束。为了实现该系统，需要一种编程范例，允许程序员以这样的方式表达算法，即底层系统可以动态地优化这些算法的执行。 

       这种范例的特征可能包括程序员能够甚至被要求指定关键的代码路径和并行化机会的方法。可以想象的是，将程序移动到数据可能比将数据移动到程序更为常见。因此，程序和它们所操作的数据必须包含在可以模块化处理的明确定义的容器中。传感器节点本身的特征提取在概念上类似于内存计算或数据过滤；因此，预计这一领域的研究可以大大地惠及大数据分析和智能内存，而且或多种多种方式影响相同的工作负载。 

       （3）认证、弹性和一致性：在操作系统中必须存在的是控制，以便只允许“被授权的”程序运行，并且只允许它们运行在“被授权的数据上。必须在程序员和管理员同意的情况下确保程序和数据的完整性。此外，由于系统的规模，使用程序复制来解决复原力和性能的挑战被预计是有利的。在处理器和加速器缓存的背景下，复制的附加功能使得复制副本之间存在一致性问题，这是一个具有挑战性的研究和创新领域。算法需要被设计用以确定何时以及如何产生和收集副本。 

       （4）IO、网络：再次，为了实现前面所提到的由大型多维网络所组成的系统，一个非常高效的全球异步网络是必须的，改一部网络可以优化围绕固定电路和过度供应的带宽，同时在局部和全局热量及功率约束下进行动态调节。 

       （5）新技术、新材料和新工艺：预计随着智能内存与存储现存问题的解决，设备技术、材料和工艺将会有新的需求。解决方案可能来自于这些新环境下变得实用的现有技术和新兴技术，而不是其他可能需要新创建的技术。