晶体管的未来是什么

集成电路产业正在同时向几个不同的方向发展。最大的芯片制造商继续通过芯片扩展来降低工艺节点，而其他制造商则转向各种先进的封装方案。最重要的是，后cmos器件、神经形态芯片和量子计算都在研究中。

《半导体工程》与Leti首席执行官Marie Semeria坐下来讨论了这些技术;Imec半导体技术和系统执行副总裁An Steegen;陈安，半导体研究公司(SRC)纳米电子研究计划(NRI)的执行董事。(陈是IBM派来的。)以下是这些对话的节选。

SE:芯片扩展的一些更大的问题是什么?

Steegen当然，关于先进技术节点，你通常会遇到的一个大问题是:为什么我们还在开发这些昂贵的节点?这些先进技术节点的相关成本是什么?首先，数据出现了爆炸式增长。许多应用程序，如社交媒体，会生成大量数据。我们必须确保我们不会在数据洪流中结束。如果我们不为这些技术平台提供技术和系统解决方案，你最终将拥有曼哈顿大小的服务器群。

陈:光刻技术的挑战依然存在。现在，如果EUV被证明是一个生产解决方案，那就太好了。我们可能在缩放路径上走得更久。总的来说，光刻技术仍然是一个大问题。此外，(设备中的)功耗仍然是我们必须控制的一个大因素。这就是为什么人们在寻找这些新的陡坡或低功耗设备。

SE:目前，像英特尔这样的idm可能会将finfet扩展到全尺寸的7nm节点。然后，他们正在评估全尺寸5nm节点上的各种晶体管选择。与此同时，晶圆代工厂正在采用一种更宽松的节点版本。基本上，“代工5nm”类似于完全比例的7nm。而“代工3nm”或所谓的“5nm +”可能类似于全尺寸的5nm。无论如何，在这一点上，业界正在评估以下技术:finfet;横向栅全能fet或纳米线fet;纳米片fet。这一切将如何发展?

Steegen候选人还在那里。一直在发生，而且还将继续发生的是，公司将试图扩展他们所拥有的东西，直到它真正崩溃为止。最大的问题是finFET。finFET能持续多久?新材料的一点点改进或闸门长度的放松可能会给你的鳍一个额外的寿命。然后，有人想要扩展finFET或放宽维度。这将由栅极长度缩放决定。如果你停止闸门长度的缩放，你当然可以延长鱼鳍，但是你得到了什么密度增益。这就是为什么finfet到纳米线的转变是5nm的。你会看到一个5纳米以上的纳米线。

Semeria:我们正在将FD-SOI推向10nm。然后，我们对finfet, FD-SOI和纳米线进行了比较。我们发现纳米线表现出比finfet和FD-SOI更好的结果。这就是我们改用堆叠纳米线的原因，尤其是7nm、5nm和3nm以下的纳米线。我们可以将导线缩小到3纳米。所以这项技术可能会被推进到3nm。纳米线可以在SOI或批量上。

SE:栅极全能场效应晶体管，或纳米线场效应晶体管，基本上是在它的一侧包裹着一个栅极的finFET。这里的挑战是什么?

Steegen:首先，你需要证明设备的可行性。我们有足够的数据表明你有更好的短通道控制。门的长度变小了。现在，还有一些集成细节，比如如何以过程控制的方式集成这些纳米线，以及如何关闭所有的寄生泄漏路径。那里没有精彩的表演。纳米线工艺可能看起来具有破坏性，但它是finFET的进化。对于设计师来说，他们看不到区别。

Semeria问题是这种工艺和结构的可变性和可制造性。为了提高成绩，我们必须在这个过程中控制压力。我们需要控制积分来控制变量。对于纳米线，我们需要非常先进的表征工具来控制纳米线周围的局部应变。

SE:初始纳米线fet的通道材料如何?

Steegen它们是硅的。你可以在锗中做，也许在pet中有一些硅锗。

SE:纳米片场效应晶体管就像一个栅极全方位场效应晶体管，但纳米线更粗。任何想法吗?

Steegen当我们说纳米线时，它可以是任何形状或鳍的形式。它可以像煎饼或床单。它可以是我们通常展示的纳米线。有几种口味。

SE:高级包装的下一步是什么?

Steegen:我们可能会看到一些多元化。你会看到新的技术平台。它们可能对某些功能有益，但您可能不会对完整的SoC这样做。所以，你开始讨论杂化。你需要开始堆叠模具，或者你需要先进的包来折叠各种技术在一起。

Semeria: 3D集成是关键。在路线图的最后，您将看到使用3D进行堆叠。例如，我们介绍了CoolCube，它是单片3D集成。它很普通。当你需要非常密集的垂直互连时，这是相关的。为了实现接近CMOS的内存，我们看到了CoolCube技术的兴趣。

图1:CoolCube结构和性能。来源:Leti

SE: Leti和其他人也在探索小芯片的概念。芯片是SoC的离散组件。但它们不是把所有东西放在一个模具上，而是分别开发并包含在一个包中。为什么行业会关注这个问题?

Semeria:非常灵活。您可以在中间体级别上添加越来越多的函数。使用chiplets，您可以灵活地选择正确的IP。对于分区，您有更多的选项。

SE:让我们回到设备扩展。CMOS可以放大到5nm。然后，在3nm处，它变得浑浊。摆在桌面上的选项有很多。或者CMOS缩放将失去动力。3nm技术会发生什么?

Steegen:我们肯定会看到两代纳米线(从5nm开始)。所以你可以挤进另一代水平纳米线。

Semeria:我们最快可以推出7纳米的纳米线。然后把它们推到3纳米。

SE:在3nm及以上还有其他选择。为此，你可能有更传统的CMOS器件，如纳米线或未来技术。有什么想法吗?

Steegen我们正在研究其他的东西。垂直纳米线就是其中之一。堆叠设备是另一种。超cmos开关，如隧道fet和所有这些都回到了桌面上。互补fet可能是继横向纳米线之后的下一种。当你有纳米线时，你有nfet和pfet。在互补fet中，你把fet放在fet上。这里的问题是流程。这一点需要仔细考虑。

Semeria: tfet和纳米线是高性能和低功耗的良好候选者。

陈:有像隧道fet这样的选择。还有一些其他的新概念，如负电容fet。这些新概念针对的是场效应晶体管的一个基本问题。这就是斜率。他们称之为60毫伏每十年的斜率。这就是极限。所以人们试图通过引入一些新机制来克服这个障碍。原则上，这些新机制确实提供了一个更陡的斜率。然而，他们也带来了许多意想不到的和不理想的因素。所以最终，这些设备的整体性能并没有更好。 For example, in tunnel FETs, you can see the steep slope at the low current region. But at the high current region, the on current is very limited. For the negative capacitance FET, there are different issues. And that is a pretty new concept that has not been proven completely from the feasibility point of view.

SE:此外，业界一直在研究后cmos逻辑器件，如自旋波和自旋电子学。那些呢?

陈:如果我们将范围扩大到CMOS的直接替代品之外，那么我们可以讨论类似内存的器件或自旋电子器件。所有这些不同类型的设备都远远不是一个简单的替代品。它们的运作方式不同。它们有不同的结构。它们的构造方式不同。因此，如果我们想要取代CMOS，而不是直接取代fet，这些设备必须被证明在经济可行性方面明显更好。所有这些设备都没有给我们带来任何好处来证明这种投资是合理的。事实上，许多这些新器件都被证明比CMOS fet差，尤其是在速度方面。

SE:这里的底线是什么?

陈:五年前，我参加了一个讨论CMOS之外的生活的小组。所有的小组成员都同意我们不会取代CMOS。现在，我们更有可能通过使用这些设备来增强CMOS。现在人们正在寻找一种不同的方式来利用这些设备。

SE:所以基本上，业界还没有放弃tfet、NC fet、自旋波和其他未来技术。2018年，SRC将启动一个名为nCORE的新项目。那是怎么回事?

陈NRI项目正在研究CMOS替换技术，以及CMOS增强器件技术。nCORE项目正在寻找材料、设备和互连解决方案，以实现新的计算范式。如果你着眼于我们所关注的设备类别(在nCore中)，陡峭设备便是其中之一。tfet和NC fet仍在我们的范围内。振荡器设备是另一种。另一类是非易失性逻辑开关。这意味着你可以将逻辑和记忆结合在一起。自旋器件主要属于带存储器的逻辑开关的范畴。然后，你有神经形态的设备。

SE:让我们转向神经形态技术。Facebook、谷歌和其他公司已经开发了使用机器学习的系统。基本上，这些系统使用神经网络。在神经网络中，系统处理数据并识别模式。随着时间的推移，它会了解哪些属性是重要的。同时，神经形态计算使用专门的硬件来实现机器学习。我们今天在这个领域处于什么位置?

陈:今天很多神经形态计算都是在GPU上实现的，通用GPU或GPGPU。图形处理器是为矩阵计算而设计的，矩阵计算是图形处理的主要部分。很多深度学习或神经网络设计也是矩阵计算。所以他们非常有效地利用GPU。现在，你能做得比GPU本身更好吗?人们正在研究忆阻器之类的设备。有些使用ReRAM或基于氧化物的开关。很多这样的设备都有模拟行为。如果我们可以使用这些设备在神经网络中实现突触行为，它们可以比GPU密集得多。它们可以很自然地针对神经网络算法进行调整。 That’s a direction we are looking into.

Semeria:目前该软件可用于神经网络。你可以应用该软件来解决一些情况，比如人脸识别。这是一个纯软件解决方案。我们正在使用OxRAM在硬件层面上实现一种神经形态方法。这是一种利用OxRAM的突触行为实现神经形态方法的方法。它更强大。

SE:基本上，神经形态芯片是处理内存数据的快速模式匹配引擎。第一个神经形态类芯片基于sram，其编程能力有限。下一波神经形态芯片将朝着相变和ReRAM方向发展。OxRAM是ReRAM的一种。有什么想法吗?

Semeria:神经形态硬件在模式识别方面要高效得多。

陈:下一步是制造这些可编程突触装置。相变存储器比ReRAM更成熟。但是要实现这些突触行为，相变记忆仍然存在很多问题。ReRAM是另一种可以用来实现突触行为的存储设备。但是他们面临着比相变存储器更多的问题。基本上，你需要对这些存储设备的模拟行为进行良好的控制。但是这些存储设备并不是作为模拟设备设计的。它们是为数字化设计的。对于多级单元(设备)，您可能需要4层、8层或16层。但在神经形态系统中，有时需要数百个控制良好的水平。 Implementing those on one device has been demonstrated. But you need a neural network with thousands or even millions of devices. Demonstrating this kind of behavior on a large array is extremely difficult.

SE:让我们来谈谈量子计算。在经典计算中，信息以比特形式存储，可以是“0”或“1”。在量子计算中，信息存储在量子比特或量子位中，可以以“0”或“1”或两者的组合形式存在。叠加态使量子计算机能够一次执行数百万次计算。量子计算适合在哪里?

Semeria:如果你需要并行检查许多不同的可能性，量子计算可能会非常有效。

陈这类研究投入了大量资金。如果它成功了，它肯定会改变游戏规则。

图2:采用300mm兼容CMOS工艺的硅量子比特。来源:Leti

SE:初创公司D-Wave已经推出了一台量子计算机，最近还展示了一个2000量子比特的处理器。此外，IBM和几个国家的政府也在开发这项技术。然而，今天的系统运行的是相对基本的算法。最终目标是开发出全面的“通用”量子计算机，可以在合理的时间内破解世界上最复杂的算法和代码。我们离“通用”量子计算机还有多远?

Semeria:在软件层面上的第一个应用程序可能会在未来五年内出现。但这项技术的实施还需要十多年的时间。

陈我非常希望这个行业能够在未来推出一些可以商业化的东西，即使我们还没有看到完整的量子计算机。不同种类的技术可以由此产生，比如量子通信和量子传感。

SE: D-Wave的技术利用了超导器件。IBM正在研制一种使用约瑟夫森结的量子计算机，这种结也是基于超导体。相比之下，英特尔、Leti等公司正在探索利用硅来实现量子计算。这一切将如何发展?

Semeria:神经形态计算也是如此。首先，可能存在解决问题的软件方法。然后，你会有一个硅的实现。这需要更多的时间。它可能基于纳米线。我们用硅-28证明了这一点，硅的同位素。我们可以得到足够的电流来演示量子比特门。这是第一次在硅上进行的演示。它与CMOS兼容。在我们的例子中，这更像是利用硅的特性进行自旋工程。 It’s a new integration scheme in order to be able to play with the spin. You need the confinement of the nanowires. You need some double gate architectures. But you also need a way to enable spin in these architectures and maintain the currents. And then we have to fabricate these devices in large scale. We are just in the beginning here.

有关的故事
5nm、3nm的不确定性增加
先进的包装需要更好的成品率
逻辑上的叠加
神经网络计算爆发
神经形态芯片业务升温
量子计算突破
量子计算机竞赛升温