SPIE 2023 Buzz – Siemens มุ่งหวังที่จะทำลายอุปสรรคด้านนวัตกรรมด้วยการขยายการเพิ่มประสิทธิภาพร่วมด้านเทคโนโลยีการออกแบบ - Semiwiki

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

SPIE 2023 Buzz – Siemens ตั้งเป้าที่จะทำลายอุปสรรคด้านนวัตกรรมด้วยการขยายการเพิ่มประสิทธิภาพร่วมด้านเทคโนโลยีการออกแบบ

การป้องกันการแพร่กระจายของข้อบกพร่องอย่างเป็นระบบในกระบวนการออกแบบจนถึงการผลิตเซมิคอนดักเตอร์ในปัจจุบัน จำเป็นต้องมีขั้นตอนการตรวจสอบ การวิเคราะห์ และการปรับให้เหมาะสมหลายขั้นตอน เครื่องมือที่เกี่ยวข้องในกระบวนการนี้อาจรวมถึงการตรวจสอบกฎการออกแบบ (DRC) การตรวจสอบการแก้ไขความใกล้เคียงด้วยแสง (OPC) การเขียนมาสก์และมาตรวิทยา/การตรวจสอบการพิมพ์เวเฟอร์ (เพื่อวัดกระบวนการ) มาตรวิทยา/การตรวจสอบการพิมพ์เวเฟอร์ และการวิเคราะห์ความล้มเหลวทางกายภาพเพื่อยืนยันความล้มเหลว การวินิจฉัย การแลกเปลี่ยนข้อมูลและการเพิ่มประสิทธิภาพร่วมระหว่างขั้นตอนเหล่านี้เป็นกระบวนการที่ซับซ้อน โดยมีลูปฟีดไปข้างหน้าและฟีดแบ็คจำนวนมาก การสื่อสารมักถูกขัดขวางโดย "กำแพง" ระหว่างส่วนต่างๆ ของเทคโนโลยีกระบวนการ ซึ่งทำให้นวัตกรรมช้าลง ในการประชุม SPIE เมื่อเร็วๆ นี้ Siemens EDA ได้นำเสนอคำปราศรัยสำคัญที่เสนอแนวทางต่างๆ ในการทำลายกำแพงเหล่านี้ เพื่อปรับปรุงการออกแบบชิปในกระบวนการผลิต อ่านต่อเพื่อดูว่า Siemens ตั้งเป้าที่จะทำลายอุปสรรคด้านนวัตกรรมด้วยการขยายการเพิ่มประสิทธิภาพร่วมด้านเทคโนโลยีการออกแบบอย่างไร

เกี่ยวกับคีย์โน้ต

SPIE เป็นสมาคมระหว่างประเทศด้านทัศนศาสตร์และโฟโตนิกส์ องค์กรนี้มีอายุย้อนไปถึงปี 1955 และการประชุมได้กลายเป็นงานสำคัญสำหรับหัวข้อการออกแบบและการผลิตขั้นสูง ในงานปีนี้ ซีเมนส์ได้นำเสนอประเด็นสำคัญซึ่งเป็นหัวข้อของโพสต์นี้ มีผู้มีส่วนร่วมในการนำเสนอมากมาย รวมถึง Le Hong, Fan Jiang, Yuansheng Ma, Srividya Jayaram, Joe Kwan, Siemens EDA (สหรัฐอเมริกา); Doohwan Kwak, Siemens EDA (สาธารณรัฐเกาหลี); สังกรณารายานันท์ ปนินจัต อายัพปัน, Siemens EDA (อินเดีย) หัวข้อเสวนาคือ ขยายการเพิ่มประสิทธิภาพเทคโนโลยีการออกแบบร่วมกันตั้งแต่การเปิดตัวเทคโนโลยีไปจนถึง HVM.

การเสวนานี้เป็นส่วนหนึ่งของเซสชั่นการเพิ่มประสิทธิภาพร่วมด้านเทคโนโลยีการออกแบบ (DTCO) แนวคิดนี้ไม่ใช่เรื่องใหม่ แต่ Siemens พิจารณาการประยุกต์ใช้ในขอบเขตที่กว้างขึ้นของกระบวนการ ตั้งแต่การออกแบบไปจนถึงการผลิตในปริมาณมาก (HVM) แนวคิดและผลลัพธ์ที่นำเสนอมีนัยสำคัญ มาดูกันดีกว่า

สิ่งที่ถูกนำเสนอ

ขั้นแรก เราจะนำเสนอสถานะปัจจุบันของการใช้งาน DTCO ในส่วนสำคัญของระบบนิเวศ จากมุมมองของการออกแบบ บริษัท fabless ขั้นสูงหลายแห่งมีทีมงาน DFM ที่มองเห็นขีดจำกัดของแนวทางตามรูปแบบ สิ่งที่จำเป็นจริงๆ คือเทคโนโลยีใหม่ที่จะอำนวยความสะดวกในการเรียนรู้โดยไม่ต้องพึ่งพาโรงหล่อ

โรงหล่อกำลังใช้วิธีการเรียนรู้ของเครื่องตามรูปแบบแบบเดรัจฉาน ซึ่งมีต้นทุนสูงแต่ไม่ได้ผลอย่างสมบูรณ์ พวกเขายังมองหาการขุดข้อมูลที่มีประสิทธิภาพจากข้อมูลการผลิตจำนวนมหาศาลที่พวกเขาสร้างขึ้น ผู้จำหน่ายอุปกรณ์และผู้จำหน่าย EDA ทำงานร่วมกันอย่างใกล้ชิดมากขึ้น และกำลังคิดค้นโซลูชันการเรียนรู้ของเครื่องที่มีประสิทธิภาพมากขึ้น

เมื่อย้อนกลับไปเล็กน้อย พบว่ามีกำแพงกั้นระหว่างขั้นตอนการออกแบบและการผลิตของกระบวนการ บริษัท Fabless สร้างการออกแบบ ดำเนินการ DRC และการออกแบบเพื่อการผลิต (DFM) จากนั้นพวกเขาก็โยนมันข้ามกำแพงให้กับทีม OPC/RET ภายในโรงหล่อหรือ IDM การออกแบบจะทำให้งานต่างๆ เช่น OPC และการตรวจสอบเสร็จสิ้น จากนั้นข้อมูลจะถูกโยนข้ามผนังอีกด้านเพื่อเขียนมาสก์และมาตรวิทยา/การตรวจสอบ ผนังสุดท้ายมีไว้สำหรับการประดิษฐ์ ที่นี่จะเป็นการทดสอบทางไฟฟ้าและการวิเคราะห์ความล้มเหลว เมื่อพบสาเหตุที่แท้จริงของความล้มเหลวก็ผ่านไป 6-18 เดือนแล้ว นั่นเป็นการวนซ้ำความคิดเห็นที่ยาวมาก กราฟิกที่ด้านบนของโพสต์นี้แสดงถึงกระบวนการนี้

DTCO พยายามที่จะทลายกำแพงแต่วิธีการที่มีอยู่ยังไม่สมบูรณ์ DTCO แบบดั้งเดิมเริ่มต้นตั้งแต่เนิ่นๆ ในการพัฒนากระบวนการ เริ่มต้นด้วยความต้องการในการปรับขนาด เซลล์มาตรฐานจะถูกกำหนด และการสังเคราะห์ สถานที่ และเส้นทางจะถูกดำเนินการเพื่อสร้างรูปแบบพื้นฐานและวัดประสิทธิภาพและกำลัง การให้ผลผลิตของ SRAM ก็เสร็จสิ้นเช่นกัน และข้อมูลนั้นจะวนกลับไปที่การออกแบบเซลล์มาตรฐาน

สิ่งที่นำเสนอในประเด็นสำคัญของ SPIE เป็นวิธีหนึ่งที่จะขยายแนวคิดการเพิ่มประสิทธิภาพร่วมนี้ไปยังกระบวนการทั้งหมดตั้งแต่การออกแบบไปจนถึงการผลิต แนวทางนี้เกี่ยวข้องกับการทำให้การไหลเวียนของข้อมูลง่ายขึ้นตั้งแต่การออกแบบไปจนถึงกระบวนการขั้นสุดท้ายและการวิเคราะห์ทางกายภาพโดยการสร้างช่องทางข้อมูล

แม้ว่าสิ่งนี้จะฟังดูตรงไปตรงมา แต่ก็ไม่ใช่ มีการหารือถึงความท้าทายหลายประการด้วยแนวทางที่เป็นรูปธรรมเพื่อบรรเทาปัญหา ตัวอย่างเช่น การออกแบบในช่วงแรกๆ สามารถสร้างได้ด้วยเครื่องกำเนิดไฟฟ้าแบบเค้าโครงสังเคราะห์ เพื่อช่วยปรับเทียบกระบวนการกับปัญหาการออกแบบจริงในขณะที่กระบวนการได้รับการพัฒนา วิธีนี้สามารถบรรเทาความประหลาดใจหลายประการที่กำลังเผชิญกับการระงับกระบวนการตั้งแต่เนิ่นๆ ได้

การจัดการกับข้อมูลปริมาณมหาศาลถือเป็นความท้าทายอีกประการหนึ่ง การใช้เทคนิคการบีบอัดที่ซับซ้อนใหม่ทำให้สามารถปรับปรุงได้ 30 เท่า สิ่งนี้ช่วยปรับปรุงงานการจัดการข้อมูลและการวิเคราะห์ไม่น้อย มีแนวคิดที่เรียกว่า AI . อธิบายได้ สามารถช่วยค้นหาสาเหตุของปัญหาได้รวดเร็วยิ่งขึ้น ความสามารถในการฝึกโมเดล AI ใหม่ในกระบวนการผลิตในภายหลังโดยไม่ทำให้ผลลัพธ์ก่อนหน้านี้เป็นโมฆะเป็นอีกด้านที่ต้องปรับปรุง นอกจากนี้ในด้านการวิเคราะห์ข้อมูลยังมีเทคนิคในการจัดการกับ "ข้อมูลที่ไม่สมดุล" ตัวอย่างเช่น อาจมีฮอตสปอตหนึ่งจุดที่พบใน 100,000,000 รูปแบบ

การรวมทั้งหมดนี้เข้าด้วยกันจะสามารถสร้างโฟลว์การออกแบบตั้งแต่ต้นจนจบที่มีประสิทธิภาพมากขึ้น ดังแสดงในรูปด้านล่าง

เพื่อเรียนรู้เพิ่มเติม

ผลกระทบของแนวทางที่ระบุไว้ในการนำเสนอประเด็นสำคัญนี้มีความสำคัญมาก คุณสามารถ ดูการนำเสนอและเข้าถึงเอกสารไวท์เปเปอร์เกี่ยวกับกระบวนการได้ที่นี่. มีข้อมูลที่เป็นประโยชน์มากมายที่จะได้รับ และนั่นคือวิธีที่ Siemens ตั้งเป้าที่จะทำลายอุปสรรคด้านนวัตกรรมด้วยการขยายการเพิ่มประสิทธิภาพร่วมด้านเทคโนโลยีการออกแบบ

แชร์โพสต์นี้ผ่าน: