五问拉奥·图马拉

2024年3月,印度宣布了一项建立半导体制造业的重大投资。印度已经从相关公司、邦政府和中央政府处获得了150亿美元的投资,目前已经计划建设几家芯片封装厂和印度第一家现代芯片制造厂,将其作为发展国家更大型电子工业工作的一部分。不过,要把印度变成一个芯片制造大国,还需要在研发方面进行大量投资。因此,印度政府求助于IEEE会员、佐治亚理工学院退休教授拉奥·图马拉(Rao Tummala),他是若干芯片封装技术的先驱,这些技术对现代计算机至关重要。2024年5月,在于美国丹佛举行的IEEE电子元件技术大会上,图马拉接受了本刊的采访。

铜连接

为了继续缩小电路尺寸,芯片制造商正在争夺每一纳米的空间.但在未来5年里,一项涉及几百乃至几千纳米的更大尺度的技术可能同样重要.这项技术被称为“混合键合”,可以将两块或多块芯片叠放在同一个封装中。这使芯片制造商能够增加处理器和内存中的晶体管数量,虽然晶体管的缩小速度已普遍放缓,但这曾推动摩尔定律发展。2024年5月,在美国丹佛举行的IEEE电子器件与技术大会(ECTC)上,来自世界各地的研究团队围绕这一技术公布了多项研究改进,其中一些成果可能会产生创纪录的3D堆叠芯片连接密度:每平方毫米硅片约700万个连接。

印度通过150亿美元芯片计划寻找半导体“甜蜜点”

传统芯片制造投资可能会占据最大的市场份额。印度政府已批准了一项针对半导体和电子产品生产的重大投资,其中包括该国第一家先进的半导体晶圆厂。印度政府宣布,2024年7月将有三家工厂破土动工,包括一家半导体晶圆厂和两家封装与测试厂。这三家半导体工厂的总投资为1.26万亿印度卢比(折合152亿美元)。

五问朱利安·瑞克特

互补金属氧化物半导体(CMOS)是支持几十年来小型晶体管和更快速计算机的硅逻辑技术,该技术正在进入一个新阶段。CMOS使用了两种成对的晶体管来限制电路的功耗。在“CMOS2.0”这一新阶段,虽然这一部分不会改变,但处理器和其他复杂CMOS芯片的制造方式将会发生变化。比利时微电子研究中心(Imec)的逻辑技术副总裁朱利安·瑞克特(Julien Ryckaert)与本刊探讨了相关技术的发展方向。

用加密数据进行计算的芯片即将问世

全同态加密可使数据无法破解。不要相信任何人。这可不是惊悚片里的台词,它正在成为计算机安全的目标,实现这一目标的技术也已经出现。它被称为全同态加密(FHE),允许软件对加密数据进行计算,而无需解密数据。

小连接中的大难题

随着不断迫近摩尔定律的极限,互连,也就是连接集成电路上晶体管的超薄金属线,正在成为行业的一大瓶颈. "大约20到25年来,铜一直是互连的首选金属.然而,我们正在接近铜缩放尺度放慢的临界点."IBM的高级互连缩放尺度首席工程师克里斯?彭尼(Chris Penny)在 2022 年 12 月的IEEE国际电子器件大会(IEDM)上说,"这为替代导体提供了机会."

Cerebras推出2 exaflops人工智能超级计算机

久前,这句话听起来还像是科幻电影的台词:“生成式人工智能正在吞噬世界。”而硅谷人工智能计算机制造商Cerebras的首席执行官安德鲁·费尔德曼(Andrew Feldman)正是用这句话开始介绍其公司的人工智能超级计算机:每秒可实现2百亿亿次浮点运算(exaflops)。本月,Cerebras正在将其名为Condor Galaxy1的系统规模扩大1倍,2024年初还将加入另外两个全尺寸系统。

芯片设计中的丑陋部分

芯片设计大会上的讨论很少白热化。不过,一年前,在国际物理设计研讨会(ISPD)上,事态失控了。观察人员用“火车碰撞”和“埋伏偷袭”来比喻当时的事态。冲突的症结是芯片设计难题,即谷歌借助人工智能(AI)的解决方案是否真的比人工和最先进的算法好。为此,一位知名的男性电子设计自动化(EDA)专家与谷歌的两名年轻女性计算机科学家针锋相对,由此引发的争论已经导致一名谷歌研究员被解雇。

Forksheet:CMOS过渡期的晶体管

最先进的计算机处理器制造商正在经历十年来器件架构的第一次重大变革,即从鳍式场效应晶体管(FinFET)转变到纳米片(nanosheet)。再过十年,也许还会出现一次根本性的变革,即纳米片堆叠在一起形成互补场效应晶体管(CFET),可将某些电路的尺寸减小一半。但专家表示,后面这次变革可能相当艰难。而介于两者之间的叉板晶体管(forksheet)可能不需要太多工作,即可保持电路尺寸缩小。

五问萨姆·纳夫兹格

过去5年来,处理器从单块硅片发展成为了较小的芯粒集合。这种方法意味着,我们可以利用每个组件的最优技术来搭建中央处理器(CPU)的功能组件。超微半导体公司(AMD)的产品技术架构师萨姆·纳夫兹格(Sam Naffziger)是这种方法的早期建议者。最近,纳夫兹格就此话题回答了本刊有关芯粒的5个问题。

提高计算速度的新方法

如果首尔的中央处理器向布拉格的处理器发送1字节的数据,那么大部分距离内的信息传播都会以光的形式完成,且没有任何阻力。但如果把这两个处理器放在同-块主板上,它们就需要通过耗能的铜线来通信,这会降低计算机内部可能的通信速度。

人工智能计算进入存储芯片

约翰·冯·诺依曼她计算机架构(逻辑和内存是两个独立的领域)一直很受欢迎,但一些公司认为是时候做出改变了。近年来,向更多并行处理的转变和神经网络规模的大幅扩大意味着,处理器需要以更快的速度访问内存中的更多数据。然而,“动态随机存取存储器(DRAM)和处理器之间的性能差距比以往任何时候都大。”韩国科学技术院(位于韩国大田市)的3D存储芯片专家、IEEE会士金正浩(Joungho Kim)说。冯·诺依曼架构已变成冯·诺依曼瓶颈。

3D处理器的3种制造方法

一批高性能处理器表明,延续摩尔定律的新方向是向上发展.每一代处理器都要比上一代性能更好,究其根本,这意味着要在硅片上集成更多的逻辑.但其中存在两个问题.首先,我们缩小晶体管及其组成的逻辑和内存块的能力正在放缓.其次,单块芯片已经达到了尺寸极限.光刻工具可以在850平方毫米的面积内绘制图案,这大约是一个现代服务器图形处理单元(GPU)的大小.

深度学习的工作原理

假设有一个前向反馈深度神经网络结构(用"深度"来形容,是因为它包含多个隐藏层).这个例子展示了网络解读手写数字的图像,并将其划归为10个可能的数字之一.?输入层包含许多神经元,每个神经元的激活值设置为图像中一个像素的灰度值.这些输入神经元与下一层的神经元相连,在乘以某个特定值(称为权重)后传递其激活水平.第二层中的每个神经元都对其多个输入求和,并应用一个激活函数来确定其输出,且该输出以相同的方式向前传送.

芯片短缺何时以何种方式结束?

>旧节点是关键。历史学家可能将用几十年的时间严厉批评新冠疫情带来的影响,而疫情带来的芯片短缺则可能会持续更长的时间。许多分析人士都认为,最严重的芯片短缺会在2021年第三季度或第四季度得到缓解,但2022年的大部分时间都需要解决芯片从供应链到产品所存在的问题。要缓解供应短缺,依靠的不是韩国、美国和欧盟当前正在进行的大型国家和地区级投资,而是那些工艺不先进、只能处理较小晶圆的旧有芯片制造厂和代工厂。

处理更多量子位的4种办法

当研究人员努力扩大量子计算机的容量时,他们遇到了许多过完重大节日的人都会面临的一个问题:冰箱里没有足够的空间了.今天的量子计算机处理器必须在接近绝对零度的低温环境中工作,但用于读出和控制的电子元件却无法在这种温度下工作.所以这些电路必须放置在冰箱外面.对于如今不到100量子位的系统来说,尚有足够的空间专用于连接电缆,但对于未来的百万量子位系统来说,空间则是不够的.这样的系统将需要可在冰箱内运行的超低功耗控制芯片.在2019年12月于旧金山召开的IEEE国际电子器件会议(IEDM)上,工程师们公布了一些潜在的解决方案,既有我们熟悉的,也有非常奇特的.

芯片粒子是处理器的未来

你想要处理器拥有更多的计算能力?那就加入更多的硅。但复杂性和成本正在破坏这一准则。AMD公司的塞缪尔·纳菲格(Samuel Naffziger)今年稍早在旧金山召开的国际固态电路会议(ISSCC)上对工程师表示:"芯片的绝对尺寸一直在无止境地增长,即将达到芯片制造设备的极限。与此同时,对于固定的芯片尺寸,每平方毫米的成本一直在不断增长,现在仍在加速。"

系统性种族歧视毁掉了美国黑人的科技创新

美国和其他国家的抗议活动重新引起了人们对国家暴力和系统性种族歧视的关注.经济学家丽莎?D.库克(Lisa D. Cook)直接估量了暴力和系统性种族歧视对创新和发明的影响,结果很残酷.库克的研究揭示了种族隔离法律、私刑和国家支持的暴力行为在20世纪是如何阻碍非裔美国人的发明的.通过追踪1870年到1940年间非裔美国发明家的专利申请情况,这位密歇根州立大学的经济学与国际关系学教授表示,暴力行为对创新产生了可估量的重大影响.

新型硅芯片复苏旧算法

乔治亚理工大学的工程师称他们研发出了可编程的原型芯片,能够有效地解决一大类优化问题,包括神经网络训练、5G网络路由和磁共振成像重建中涉及的优化问题.该芯片的结构体现了一种特殊的算法,能够将大型问题分解成为很多个子问题,然后解决子问题并分享结果.这种算法会不断重复这一过程,直到得出最佳答案.与运行该算法的GPU相比,这种名为Optimo的原型芯片的功效是其4.77倍,速度是其4.18倍.

大脑的变形电极

让神经元与电子设备交流一直很困难——难在神经元上。植入大脑的刚性金属电极阵列会刺穿血管并驱逐支持细胞,导致身体需要用一道绝缘疤痕来掩盖阵列,从而阻止了许多输入信号通过。工程师们现在认为,形状记忆材料可以做得更好,因为可以对它们进行编程,让它们盘绕血管,像藤蔓一样在神经上攀爬。