晶体管救命稻草来了:3D堆叠CMOS,摩尔定律又续10年?
晶体管,被誉为「20世纪最伟大的发明」。
它的出现为集成电路、微处理器以及计算机内存的产生奠定了基础。
1965年,「摩尔定律」的提出成为半导体行业几十年来的金科玉律。
它表明,每隔 18~24 个月,封装在微芯片上的晶体管数量便会增加一倍,芯片的性能也会随之翻一番。
然而,随着新工艺节点的不断推出,晶体管中原子的数量已经越来越少,种种物理极限制约着摩尔定律的进一步发展。
甚至有人认为摩尔定律已经结束了。
因此,为了「拯救」摩尔定律,工程师们不得不改变晶体管结构,继续减少面积和功耗,并提高其性能。
20世纪下半叶,主要流行平面晶体管设计(Planar Transistor)。跨入2010年代,3D鳍形器件(3D fin-shaped devices)逐渐替代了平面设计。
现在,一种全新的晶体管设计结构,即全环绕栅极晶体管(GAA)成为FinFET的继任者,并且即将投入生产。
但是,我们必须看得更远。因为即便是英特尔提出的这种全新晶体管架构RibbonFET,我们在缩小尺寸上的能力也有局限性。
要相信, 3D堆叠的互补金属氧化物半导体 (CMOS) 或 CFET(互补场效应晶体管)将是把摩尔定律延伸到下一个十年的关键。
晶体管的演变
每个金属氧化物半导体场效应晶体管(MOSFET)都有一套相同的基本部件:
栅极叠层 (gate stack) 、沟道区 (channel region) 、源极 (source) 、漏极 (drain)
源极和漏极经过化学掺杂,使它们要么富含移动电子(n型),要么缺乏它们(p型)。沟道区具有与源极和漏极相反的掺杂。
2011年之前的先进微处理器中的平面版本晶体管中,MOSFET的栅极叠层刚好在沟道区的上方,是用来将电场投射到沟道区域。
向栅极施加足够大的电压 (相对于源极) ,就会在通道区域形成一层移动电荷载流子,这样就能让电流在源极和漏极之间流动。
为了缩小平面晶体管设计的尺寸,一种「短沟道效应」成为物理家们的焦点。
因为随着制程技术不断提升时,晶体管中栅极的宽度被挤压的越来越小。要知道,当这个栅极低于20nm时,就会对电流失控,源极的电流会穿透栅极,直接到达漏极。
这时,就会出现「漏电」现象,这会让芯片能耗急剧上升。
为了解决这个问题,一种全新的FinFET晶体管技术提出了。它将栅极包裹在三个侧面的沟道周围,以提供更好的静电控制。
FinFET与上一代平面架构相同的性能水平下将功耗降低了约 50%。FinFET 的切换速度也更快,性能提升了 37%。
2011年,英特尔在其推出的22nm节点上引入了FinFET,并将其用在了第三代酷睿处理器的生产。
从那时起,FinFET就成为摩尔定律的主力。
然而,我们在转向FinFET的同时,也失去了一些东西。
在平面器件中,晶体管的宽度由光刻定义,因此它是一个高度灵活的参数。
但在 FinFET 中,晶体管宽度以离散增量(discrete increments)的形式出现,即每次添加一个鳍。这一特性通常被称为鳍量化(fin quantization)。
尽管 FinFET 很灵活,但鳍量化仍然是一个重要的设计约束。围绕它的设计规则,以及增加更多鳍片以提高性能的愿望增加了逻辑单元的整体面积,并使将单个晶体管变成完整逻辑电路的互连堆栈复杂化。
它还增加了晶体管的电容,从而降低了它的开关速度。因此,虽然FinFET作为行业主力为我们提供了很好的服务,但仍需要一种新的、更精细的方法。
正是这种方法引导物理学家们发明了即将推出的3D晶体管——RibbonFET。
在RibbonFET中,栅极环绕晶体管沟道区域以增强对电荷载流子的控制。新结构还可以实现更好的性能和更精细的优化。
具体来讲,栅极完全围绕沟道,对沟道内的电荷载流子提供更严格的控制,这些沟道现在由纳米级硅带形成。
使用这些纳米带(纳米片),就可以再次使用光刻技术根据需要改变晶体管的宽度。
去除量化约束后,便可以为应用程序生成适当大小的宽度。这样就使我们能够平衡功率、性能和成本。
更重要的是,通过堆叠和并行操作,设备可以驱动更多的电流,不增加面积的情况下也能提升性能。
因此,英特尔认为RibbonFET是在合理功率下实现更高性能的最佳选择。
他们将在2024年Intel 20A工艺上引入RibbonFET结构。
3D堆叠CMOS
平面型、FinFET 和 RibbonFET 晶体管的一个共同点是,都使用 CMOS 技术,如前所述,CMOS 由 n 型和 p 型晶体管组成。这一技术在20世纪80年代开始成为主流,因为它比其他替代技术吸收的电流要少得多。更少的电流意味着更高的工作频率和更高的晶体管密度。
迄今为止,所有的 CMOS 技术将标准的 NMOS 和 PMOS 晶体管对并排放置。但是在2019年 IEEE 国际电子元件会议(IEDM)的主题演讲中,提出了一个「3D堆叠」晶体管的概念,将 NMOS 晶体管置于 PMOS 晶体管之上。
在 IEDM 2020上,提出了第一个使用这种3D技术的逻辑电路的设计的逆变器。3D 堆叠 CMOS 有效地减少了一半的逆变器足迹,将晶体管面积密度提升一倍,进一步推高了摩尔定律的极限。
3D 堆叠 CMOS结构,将 PMOS 器件放置在 NMOS 器件的顶部,总面积与一个 RibbonFET 面积相同。NMOS 和 PMOS 门使用不同的金属材料
要利用3D堆叠CMOS,要解决许多工艺集成上的挑战,其中一些涉及到CMOS加工制造的极限。
如何实现呢?自对齐的3D CMOS的制造始于硅晶片。在晶片上,我们沉积了一层又一层的硅和硅锗,这种结构被称为「超晶格」。然后用光刻图案来切除超晶格的一部分,留下一个鳍状结构。超晶格晶体为后续开发过程提供了强大的支撑结构。
接下来在超晶格上放置一块「假的」多晶硅,保护前者不受下一步操作的影响。这一步骤被称为垂直堆叠的双源/漏过程,在顶部纳米带(未来的NMOS位置)的两端生长掺磷硅,同时在底部纳米带(未来的 PMOS位置)上选择性地生长掺硼硅锗。之后,在电源周围放置电介质,通过放电使它们彼此隔离。
3D 堆叠有效地使每平方毫米 CMOS 晶体管密度翻倍,实际密度取决于所涉及的逻辑单元的复杂性。
最后是门的构建。首先移除之前安装的假门,暴露出硅纳米带。接下来只蚀刻掉锗硅,释放出一堆平行的硅纳米带,这就是晶体管的沟道区域。
然后在纳米带的四面涂上一层极薄的绝缘层,这层绝缘层具有很高的介电常数。纳米带通道是如此之小,无法像平面晶体管那样有效地以化学方式涂敷。
用一种金属环绕底部的纳米带形成一个 p 掺杂通道,顶部的纳米带与另一个纳米带形成一个 n 掺杂通道。这样,门堆栈构建完成,两个晶体管安装完毕。
这个过程可能看起来很复杂,但它比另一种技术( 顺序3D堆叠 )要好。如果使用后者,NMOS 器件和 PMOS 器件要安装在分离的晶片上,然后把两者合在一起,将PMOS层转移到 NMOS 晶片上。而自对齐3D堆叠方法加工步骤较少,可以更严格的控制制造成本。
而且更重要的是,这种自对齐方法还避免了在连接两片晶圆时可能发生的对准错误问题。制作所有需要的连接到3D堆叠CMOS 挑战性很高。电源连接将需要从下面的设备堆栈。在设计上,NMOS 器件[上]和 PMOS 器件[下]有单独的源/漏接触,但是两个器件共用一个栅极。
值得注意的是,需要优化 NMOS 和 PMOS 之间的垂直间距:如果太短,就会增加寄生电容,如果太长,就会增加两个设备之间互连的电阻。无论哪种极端情况都会导致电路变慢,消耗更多的电力。
许多设计研究,如美国 TEL 研究中心在 IEDM 2021会议上提出的一项研究,提出在3D CMOS 有限的空间内提供所有必要的互连,这样做不会显著增加它们构成的逻辑单元的面积。该研究表明,在寻找最佳互连选择方面存在许多创新的机会。
摩尔定律的未来
有了带状场效应晶体管和3D CMOS,我们就有了一条为摩尔定律续命明确路线,至少可以续到2024年以后。
在2005年的一次采访中,摩尔定律的提出者戈登 · 摩尔承认「自己时不时地对取得的进步感到惊讶」。
他说,「一路走来,有好几次我都以为我们已经走到了尽头,结果我们的创意无限工程师们想出了克服困难的办法。」
随着晶体管制造工艺经过 FinFET,并随着不断优化来到RibbonFET时代, 最终向3D堆叠 CMOS工艺的迈进,我们预计,留给戈登·摩尔先生的惊讶不久还会到来的。
以上是晶体管救命稻草来了:3D堆叠CMOS,摩尔定律又续10年?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

写在前面&笔者的个人理解三维Gaussiansplatting(3DGS)是近年来在显式辐射场和计算机图形学领域出现的一种变革性技术。这种创新方法的特点是使用了数百万个3D高斯,这与神经辐射场(NeRF)方法有很大的不同,后者主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3DGS凭借其明确的场景表示和可微分的渲染算法,不仅保证了实时渲染能力,而且引入了前所未有的控制和场景编辑水平。这将3DGS定位为下一代3D重建和表示的潜在游戏规则改变者。为此我们首次系统地概述了3DGS领域的最新发展和关

您一定记得,尤其是如果您是Teams用户,Microsoft在其以工作为重点的视频会议应用程序中添加了一批新的3DFluent表情符号。在微软去年宣布为Teams和Windows提供3D表情符号之后,该过程实际上已经为该平台更新了1800多个现有表情符号。这个宏伟的想法和为Teams推出的3DFluent表情符号更新首先是通过官方博客文章进行宣传的。最新的Teams更新为应用程序带来了FluentEmojis微软表示,更新后的1800表情符号将为我们每天

0.写在前面&&个人理解自动驾驶系统依赖于先进的感知、决策和控制技术,通过使用各种传感器(如相机、激光雷达、雷达等)来感知周围环境,并利用算法和模型进行实时分析和决策。这使得车辆能够识别道路标志、检测和跟踪其他车辆、预测行人行为等,从而安全地操作和适应复杂的交通环境.这项技术目前引起了广泛的关注,并认为是未来交通领域的重要发展领域之一。但是,让自动驾驶变得困难的是弄清楚如何让汽车了解周围发生的事情。这需要自动驾驶系统中的三维物体检测算法可以准确地感知和描述周围环境中的物体,包括它们的位置、

写在前面&笔者的个人理解目前,在整个自动驾驶系统当中,感知模块扮演了其中至关重要的角色,行驶在道路上的自动驾驶车辆只有通过感知模块获得到准确的感知结果后,才能让自动驾驶系统中的下游规控模块做出及时、正确的判断和行为决策。目前,具备自动驾驶功能的汽车中通常会配备包括环视相机传感器、激光雷达传感器以及毫米波雷达传感器在内的多种数据信息传感器来收集不同模态的信息,用于实现准确的感知任务。基于纯视觉的BEV感知算法因其较低的硬件成本和易于部署的特点,以及其输出结果能便捷地应用于各种下游任务,因此受到工业

当八卦开始传播新的Windows11正在开发中时,每个微软用户都对新操作系统的外观以及它将带来什么感到好奇。经过猜测,Windows11就在这里。操作系统带有新的设计和功能更改。除了一些添加之外,它还带有功能弃用和删除。Windows11中不存在的功能之一是Paint3D。虽然它仍然提供经典的Paint,它对抽屉,涂鸦者和涂鸦者有好处,但它放弃了Paint3D,它提供了额外的功能,非常适合3D创作者。如果您正在寻找一些额外的功能,我们建议AutodeskMaya作为最好的3D设计软件。如

ChatGPT给AI行业注入一剂鸡血,一切曾经的不敢想,都成为如今的基操。正持续进击的Text-to-3D,就被视为继Diffusion(图像)和GPT(文字)后,AIGC领域的下一个前沿热点,得到了前所未有的关注度。这不,一款名为ChatAvatar的产品低调公测,火速收揽超70万浏览与关注,并登上抱抱脸周热门(Spacesoftheweek)。△ChatAvatar也将支持从AI生成的单视角/多视角原画生成3D风格化角色的Imageto3D技术,受到了广泛关注现行beta版本生成的3D模型,

写在前面项目链接:https://nianticlabs.github.io/mickey/给定两张图片,可以通过建立图片之间的对应关系来估计它们之间的相机姿态。通常,这些对应关系是二维到二维的,而我们估计的姿态在尺度上是不确定的。一些应用,例如随时随地实现即时增强现实,需要尺度度量的姿态估计,因此它们依赖于外部的深度估计器来恢复尺度。本文提出了MicKey,这是一个关键点匹配流程,能够够预测三维相机空间中的度量对应关系。通过学习跨图像的三维坐标匹配,我们能够在没有深度测试的情况下推断出度量相对

对于自动驾驶应用来说,最终还是需要对3D场景进行感知。道理很简单,车辆不能靠着一张图像上得到感知结果来行驶,就算是人类司机也不能对着一张图像来开车。因为物体的距离和场景的和深度信息在2D感知结果上是体现不出来的,而这些信息才是自动驾驶系统对周围环境作出正确判断的关键。一般来说,自动驾驶车辆的视觉传感器(比如摄像头)安装在车身上方或者车内后视镜上。无论哪个位置,摄像头所得到的都是真实世界在透视视图(PerspectiveView)下的投影(世界坐标系到图像坐标系)。这种视图与人类的视觉系统很类似,
