1

摩爾定律即將終結(jié)？

近年來摩爾定律增長的腳步放緩，關(guān)于摩爾定律的種種猜測甚囂塵上。但半導(dǎo)體行業(yè)人，仍然對此持樂觀態(tài)度：持續(xù)性的創(chuàng)新仍在發(fā)生，目前行業(yè)生態(tài)系統(tǒng)中的每個(gè)分支都在努力實(shí)現(xiàn)更多突破和改進(jìn)。例如，可制造性設(shè)計(jì)（DFM）始終在優(yōu)化，除此之外，更強(qiáng)大的計(jì)算能力無疑成為行業(yè)發(fā)展的重中之重。

過去，半導(dǎo)體行業(yè)以兩派劃分，物聯(lián)網(wǎng)或消費(fèi)類電子設(shè)備，以及高性能計(jì)算。追求低功耗曾在兩派之間占據(jù)主導(dǎo)地位，但隨后計(jì)算能力的進(jìn)一步提升則成為很重要的一個(gè)方向。因此，圖形處理器（Graphic Processing Unit）和大規(guī)模并行處理的體系結(jié)構(gòu)將成為高性能計(jì)算的發(fā)展方向。當(dāng)然，這不是一個(gè)突然的轉(zhuǎn)變，而是隨著時(shí)間推移而發(fā)生變化，但這已經(jīng)是一個(gè)必然趨勢。

提到圖形處理技術(shù)，人工智能的問題不可回避。如今人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是業(yè)界風(fēng)向標(biāo)。但這究竟是炒作還是已然悄悄影響行業(yè)發(fā)展？

2

當(dāng)人工智能遇到半導(dǎo)體

可以肯定，目前的人工智能根本不是炒作，而被深度學(xué)習(xí)所驅(qū)動的。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，而機(jī)器學(xué)習(xí)是AI的一個(gè)分支。可以預(yù)見，深度學(xué)習(xí)包含了較多的非連續(xù)性、顛覆性的技術(shù)與重大的機(jī)遇。但它不像1980年代的Lisp機(jī)器熱潮。因?yàn)長isp編程語言并不適于一般編程人群。深度學(xué)習(xí)卻顛覆了編程，與往常的編程 ——即編程者寫代碼并將一組輸入轉(zhuǎn)化成一組輸出——不一樣的是：深度學(xué)習(xí)會消化許多輸入與輸出的示例，并學(xué)習(xí)該模式下的匹配。從本質(zhì)上講，深度學(xué)習(xí)的輸出是一個(gè)程序，它將輸入轉(zhuǎn)換為類似的輸出，以此模仿訓(xùn)練數(shù)據(jù)集（training data set）。與之前的機(jī)器學(xué)習(xí)不同，深度學(xué)習(xí)解決了讓軟件工程師曾無法解決的編程問題，深度學(xué)習(xí)可以實(shí)現(xiàn)之前無法實(shí)現(xiàn)的軟件應(yīng)用程序。

毫無疑問的是，

深度學(xué)習(xí)開始影響半導(dǎo)體芯片行業(yè)。

以ASML-Brion著名的OPC（光學(xué)鄰近效應(yīng)修正）示例來說：使用深度學(xué)習(xí)來加速OPC或ILT（反演光刻技術(shù)）的初始嵌入，運(yùn)行時(shí)間將會減少一半。眾所周知，運(yùn)行時(shí)間是OPC中最重要的問題之一。其運(yùn)作原理是使用深度學(xué)習(xí)的模式匹配能力，來創(chuàng)建一個(gè)比現(xiàn)有的替代方案更好的初始嵌入。這樣做可以大大減少完成掩膜版（mask）設(shè)計(jì)所需的優(yōu)化迭代次數(shù)，從而大幅度降低整體的運(yùn)行時(shí)間。 ASML-Brion論文描述了運(yùn)行OPC / ILT代碼以用來獲取一堆輸入模式（所需的晶圓形狀），并繼而產(chǎn)生一堆輸出模式（生成這些晶圓形狀所需的掩膜形狀）。 現(xiàn)在，把這些輸入和輸出的搭配設(shè)置成在深度學(xué)習(xí)的模式下，即會生成一個(gè)程序，該程序?qū)杨愃频妮斎耄ㄆ渌允撬璧木A形狀）轉(zhuǎn)換成類似的輸出（掩膜形狀）。

值得注意的是，深度學(xué)習(xí)是一種統(tǒng)計(jì)方法。

以ImageNet Competition和其他類似的事件舉例，你可以在結(jié)果中獲得95％的準(zhǔn)確度，并且其中輸出的掩膜形狀將會生產(chǎn)出所需的晶圓形狀，同時(shí)也對制造的變化有著適應(yīng)力。當(dāng)然，在半導(dǎo)體制造中，95％的精準(zhǔn)度不算是一個(gè)完美數(shù)字。我們需要至少7-sigma的準(zhǔn)確度。 這就是ASML-Brion的智慧所在，我們使用深度學(xué)習(xí)來加速計(jì)算。 在深度學(xué)習(xí)推理引擎生產(chǎn)出輸出掩膜形狀之后，這些掩膜形狀在傳統(tǒng)OPC/ILT程序中被用作為初始嵌入。加入了初始嵌入后的傳統(tǒng)程序會比沒有任何設(shè)置、或只有晶圓形狀（乘以4倍放大系數(shù)）、或甚至用一些SRAF生成（SRAF generation）來的運(yùn)行速度更快。

3

技術(shù)浪潮將引領(lǐng)半導(dǎo)體去向何方

自動缺陷分類（Automatic defect classification）作為一個(gè)檢查掩膜和晶圓重要的領(lǐng)域，將普遍應(yīng)用人工智能相關(guān)技術(shù)，包括大數(shù)據(jù)。晶圓廠（fabs）中蘊(yùn)含大量的數(shù)據(jù)，而機(jī)器學(xué)習(xí)所擅長的，正是去關(guān)聯(lián)大量數(shù)據(jù)和事件，總結(jié)其相關(guān)性。

半導(dǎo)體產(chǎn)業(yè)鏈中，光掩膜領(lǐng)域廣泛融入深度學(xué)習(xí)，整個(gè)市場呈現(xiàn)增長態(tài)勢。復(fù)合年均增長率（Compound annual growth rate）在過去三年中一直保持在4％，并預(yù)計(jì)這個(gè)增長將繼續(xù)一段時(shí)間。

過去很長一段時(shí)間，技術(shù)前沿的掩膜領(lǐng)域，每個(gè)設(shè)計(jì)可能會包含多達(dá)100個(gè)的掩膜， 但技術(shù)前沿的掩膜則非常鮮有。由于前沿的掩膜技術(shù)非常昂貴，只有少數(shù)公司能夠負(fù)擔(dān)。無論是從盈利還是生產(chǎn)數(shù)量的角度來看，掩膜市場都主要是被非前沿技術(shù)的掩膜所統(tǒng)領(lǐng)。然而，當(dāng)前沿的技術(shù)最終突破高容量節(jié)點(diǎn)（high volume node），未來的掩膜市場將實(shí)現(xiàn)飛躍。

然而，前沿技術(shù)的掩膜仍然昂貴，目前的掩膜領(lǐng)域在行業(yè)的發(fā)展還未達(dá)到一個(gè)最活躍的頂峰。深度學(xué)習(xí)和通過深度學(xué)習(xí)所完成的計(jì)算給予了這個(gè)市場很大的助動，同樣，在這個(gè)市場中，還有極紫外光光刻（EUV）所帶來的影響。在37億美元的掩膜銷售額中，很難看到極紫外光（EUV）的比重，是因?yàn)闃O紫外光（EUV）掩膜更加昂貴?？梢灶A(yù)期，隨著極紫外光（EUV）掩膜數(shù)量的增加，整個(gè)掩膜市場也將再次飛躍。

4

EUV即將迎來量產(chǎn)，是高峰還是挑戰(zhàn)？

EUV光刻技術(shù)正在接近量產(chǎn)階段，但仍存在一些挑戰(zhàn)。掩膜行業(yè)也在為EUV做好準(zhǔn)備。如今，多光束機(jī)器可以在掩膜版上繪制任何形狀，而在過去，我們只能繪制直線形狀。多光束的使用，突破了直線形狀的局限，也帶來了OPC和ILT的進(jìn)一步突破。然后EUV帶來的技術(shù)革新也絕不僅僅是輸出曲線形狀，由于它的寫入性質(zhì)，對于非常密集和小型設(shè)計(jì)（如EUV掩膜）也十分適用。因此，EUV掩膜，及納米壓印母版，都需要多光束技術(shù)。

從eBeam Initiative的調(diào)查中可以看到，周轉(zhuǎn)時(shí)間對掩膜制造來說是一個(gè)巨大的挑戰(zhàn)。 EUV掩膜則更加挑戰(zhàn)，因?yàn)?nm及以下節(jié)點(diǎn)的單次曝光，致使EUV可能具有較少的SRAF甚至可能沒有SRAF。

掩膜過程校正（Mask Process Correction - MPC）是OPC或ILT的掩膜版本。為了印制出想要的掩膜，需要仔細(xì)操作形狀。我們來做個(gè)假設(shè)，如果要在掩膜上繪制一個(gè)40nm寬、200nm高的矩形，卻沒有使用制作掩膜的合理抗蝕劑，可能最終我們能得到36nm寬、但是160納米長的形狀。而在晶圓加工的過程中， 1nm的差異都至關(guān)重要，因此掩膜非常重要。

掩膜的進(jìn)步是應(yīng)對下一節(jié)點(diǎn)挑戰(zhàn)的利器，不斷利用新興技術(shù)手段，也將不斷滿足精度準(zhǔn)度及周轉(zhuǎn)時(shí)間的要求。