Uzun yıllar boyunca yarı iletken teknolojisindeki ilerleme büyük ölçüde işlem düğümleriyle tanımlandı.
10 nm, 7 nm, ardından 5 nm, 3 nm ve giderek gelişen transistör mimarileri haline geldi.
Ancak yapay zeka hızlandırıcıları, yüksek performanslı bilgi işlem sistemleri ve gelişmiş paketleme ölçeklenmeye devam ettikçe, transistör yoğunluğu artık sistem performansını belirleyen tek faktör değil.
Yarı iletken endüstrisi, malzemelerin, paketlemenin, ara bağlantıların, güç dağıtımının ve termal yönetimin transistör ölçeklenmesi kadar önemli hale geldiği yeni bir aşamaya giriyor.
Bu geçiş, aşağıdakiler de dahil olmak üzere geniş bir yelpazede yarı iletken malzemelere olan ilgiyi artırıyor:
Bu malzemeler farklı mühendislik zorluklarını ele alıyor, ancak giderek artan bir şekilde ortak bir itici güç tarafından birbirine bağlanıyorlar:
Yapay zeka ve HPC sistemleri daha fazla bant genişliği, daha yüksek güç verimliliği, daha yoğun paketleme ve daha iyi termal performans gerektiriyor.
![]()
Modern yapay zeka işlemcileri muazzam bilgi işlem kaynakları içerir.
Ancak, artan bilgi işlem yeteneği aynı zamanda birkaç yeni sınırlama da yaratır.
En önemlilerinden ikisi şunlardır:
veri hareketi
ve
ısı giderme.
Bir yapay zeka hızlandırıcısı, HBM, komşu işlemciler, ağ arayüzleri ve depolama sistemleriyle sürekli olarak muazzam miktarda veri alışverişi yapmalıdır.
Aynı zamanda, bu cihazlar gelişmiş paketler içinde giderek daha yoğunlaşan ısı üretir.
Sonuç olarak, yalnızca transistör performansını iyileştirmek artık yeterli değil.
Tüm yarı iletken sistem optimize edilmelidir.
Bu şunları içerir:
Bu sistem düzeyindeki geçiş, daha önce nispeten özel pazarlarda yer alan yarı iletken malzemeler için yeni fırsatlar yaratıyor.
Yalıtkan üzerindeki silikon yeni bir yarı iletken malzeme değil.
SOI waferlar uzun süredir şu gibi uygulamalar için kullanılmıştır:
Ancak, yapay zeka altyapısı başka bir önemli büyüme fırsatı yaratıyor:
silikon fotoniği.
Yapay zeka kümeleri büyüdükçe, geleneksel elektrikli ara bağlantılar giderek artan bir şekilde şu zorluklarla karşılaşıyor:
Bakır ara bağlantıları hala önemlidir, ancak bant genişliği gereksinimleri arttıkça optik iletişim giderek daha çekici hale geliyor.
Bu, ortak paketlenmiş optiklerin veya CPO'nun bu kadar ilgi görmesinin nedenlerinden biridir.
Yüksek performanslı işlemciler ve optik modüller arasındaki tamamen elektrikli bağlantılara güvenmek yerine, CPO optik motorları anahtarlama veya bilgi işlem silikonuna yaklaştırır.
Amaç, yüksek hızlı elektrikli bağlantıların uzunluğunu azaltmak ve daha fazla veriyi optik olarak aktarmaktır.
SOI, silikon fotoniği için en önemli alt tabaka platformlarından biridir.
Tipik bir fotonik SOI wafer şunları içerir:
Üst silikon katmanı optik dalga kılavuzlarına desenlenebilir.
Gömülü oksit, silikon dalga kılavuzu ile alttaki silikon alt tabaka arasında optik izolasyon sağlar.
Yaygın silikon fotonik yapıları şunları içerir:
Birçok ticari fotonik platformda, silikon cihaz katmanı yalnızca birkaç yüz nanometre kalınlığındadır.
Örneğin, mikrometre ölçekli gömülü oksit üzerinde yaklaşık 220 nm silikon, silikon fotonik alanında yaygın olarak kullanılmaktadır.
Bu, fotonik için SOI wafer gereksinimlerinin MEMS veya geleneksel RF uygulamalarından çok farklı olduğu anlamına gelir.
Kalınlık tekdüzeliği, yüzey kalitesi ve BOX kontrolü özellikle önemli hale gelir.
Silikon fotoniğin önemi, yapay zeka veri merkezlerinin büyümesiyle yakından ilişkilidir.
Yapay zeka kümeleri son derece yüksek hızlı iletişim gerektirir:
sunucu içinde
hızlandırıcılar arasında
raflar arasında
ve giderek artan bir şekilde
büyük bilgi işlem sistemi grupları arasında.
Elektrikli iletişim güç ve bant genişliği yoğunluğu açısından pratik sınırlara yaklaştıkça, optik ara bağlantı teknolojileri daha önemli hale geliyor.
Bu, SOI'nin yalnızca geleneksel yarı iletken cihazlara değil, aynı zamanda yapay zeka işlemcilerini çevreleyen optik iletişim altyapısına da giderek daha fazla hizmet verebileceği anlamına gelir.
Başka bir deyişle:
Yapay zeka patlaması yalnızca işlemci waferlarına olan talebi artırmakla kalmıyor. Aynı zamanda işlemci cihazları arasındaki veriyi taşıyan malzemelere olan talebi de artırıyor.
Artan ilgi gören bir diğer malzeme de cam.
Cam, elektronik ve yarı iletken üretiminde uzun yıllardır kullanılmaktadır.
Uygulamalar şunları içerir:
Ancak gelişmiş paketleme yeni bir fırsat yaratıyor:
cam çekirdek alt tabakalar ve cam ara parçalar.
Modern yapay zeka paketleri şunları birleştirebilir:
Paket boyutları arttıkça, boyutsal kararlılık giderek daha önemli hale gelir.
Geleneksel organik alt tabaka malzemeleri şu zorluklarla karşılaşabilir:
Cam, bu uygulamalar için birkaç çekici özellik sunar.
Cam sağlayabilir:
En önemli destekleyici teknolojilerden biri şunlardır:
TGV - Camdan Geçen Via.
Bir TGV, bir cam alt tabakanın kalınlığı boyunca elektrik bağlantıları oluşturur.
Via oluşumundan sonra, delikler dikey elektrik ara bağlantıları oluşturmak için metalize edilebilir.
Bu, camı potansiyel olarak şunlar için uygun hale getirir:
Ancak, cam paketleme yalnızca bir cam wafer üretmekten daha fazlasını gerektirir.
Tam üretim zinciri şunları içerebilir:
cam hazırlama
→ hassas inceltme
→ TGV oluşumu
→ metalizasyon
→ yeniden dağıtım katmanları
→ yapıştırma
→ gelişmiş paketleme
Tüm işlem zincirini kontrol edebilen şirketler, yalnızca ham cam tedarikçilerinden daha fazla değer elde edebilir.
Yüksek Bant Genişlikli Bellek, yapay zeka donanımının tanımlayıcı teknolojilerinden biri haline geldi.
HBM, birden fazla DRAM kalıbını dikey olarak istifleyerek bellek bant genişliğini artırır.
Bu, geleneksel bellek mimarilerinden daha fazla verinin bellek ve işlemciler arasında hareket etmesini sağlar.
Ancak kaçınılmaz bir sonucu var:
istifleme, termal yönetimi daha zor hale getirir.
Birden fazla silikon kalıbı, kompakt bir dikey yapı içinde ısı üretir.
Aynı zamanda, HBM yığınları tipik olarak yüksek güçlü yapay zeka hızlandırıcılarına çok yakın yerleştirilir.
Bu nedenle, gelişmiş bir yapay zeka paketi sınırlı bir alanda birkaç büyük termal kaynak içerebilir.
Termal performans, paket düzeyinde bir tasarım sorunu haline gelir.
Geleneksel bakır, şu nedenlerle son derece önemlidir:
Ancak, gelecekteki yüksek güçlü paketler ek yeteneklere sahip malzemeler gerektirebilir.
Potansiyel malzemeler şunları içerir:
Anahtar malzeme parametreleri giderek artan bir şekilde şunları içerir:
Bu nedenle, termal sorun artık yalnızca daha büyük bir soğutucu takılarak çözülmez.
Yarı iletken kalıbına çok daha yakın başlar.
Elmas, olağanüstü bir özellik nedeniyle yeniden ilgi görüyor:
çok yüksek termal iletkenlik.
Yüksek kaliteli sentetik elmas, ısıyı birçok geleneksel termal yönetim malzemesinden çok daha etkili bir şekilde iletebilir.
Bu, elması yüksek güçlü cihazlardan yoğunlaşan ısıyı gidermek için çekici kılar.
Potansiyel uygulamalar şunları içerir:
Ancak, saf elmasın da dezavantajları vardır.
Bunlar şunları içerir:
Sonuç olarak, araştırmacılar ve malzeme tedarikçileri giderek artan bir şekilde hibrit çözümler araştırıyorlar.
Önemli bir örnek şudur:
Elmas-Bakır Kompozit.
Elmas-bakır kompozitleri, elmas parçacıklarını bir bakır matrisle birleştirir.
Amaç iki özelliği aynı anda elde etmektir:
daha yüksek termal iletkenlik
ve
geleneksel bakırdan daha düşük termal genleşme.
Bu çekicidir çünkü yarı iletken paketleme sıklıkla bir ödünleşmeyle karşı karşıya kalır.
Bakır ısıyı iyi iletir ancak nispeten yüksek bir termal genleşme katsayısına sahiptir.
Tungsten ve molibden gibi düşük CTE'li malzemeler boyutsal kararlılığı artırabilir, ancak bakıra eklendiğinde genellikle termal iletkenliği azaltır.
Elmas, her ikisine de sahip olduğu için farklı bir olasılık sunar:
Bu nedenle, prensipte, Elmas/Cu kompozitleri CTE'yi azaltırken termal iletkenliği artırabilir.
Bir Elmas-Bakır kompoziti, büyük bir elmas yüzdesi içerdiği için otomatik olarak yüksek performanslı değildir.
En zor sorun, şu arayüzdür:
elmas
ve
bakır.
Bakır doğal olarak elmasla verimli bir şekilde bağlanmaz.
Kötü arayüz teması önemli termal direnç oluşturabilir.
Bu, ısının verimli bir şekilde hareket edemeyeceği anlamına gelir:
bakır → elmas → bakır.
Bu nedenle üreticiler, karbür oluşturan elementleri içeren arayüz mühendisliği teknikleri kullanırlar, örneğin:
Bu elementler elmas-bakır yapışmasını iyileştirebilir.
Ancak, arayüz katmanı da dikkatlice kontrol edilmelidir.
Çok kalın olursa, arayüzün kendisi bir termal bariyer haline gelebilir.
Bu, gelişmiş yarı iletken malzemelerdeki önemli bir eğilimi göstermektedir:
Gelecekteki performans, yalnızca toplu malzeme özelliklerine değil, giderek artan bir şekilde arayüz mühendisliğine bağlıdır.
Yapay zeka büyük ilgi görse de, elektrifikasyon başka bir büyük yarı iletken geçişini yönlendirmeye devam ediyor:
silikon karbür güç cihazlarının genişlemesi.
SiC, şu gibi uygulamalar için önemli hale geldi:
Geleneksel silikon güç cihazlarıyla karşılaştırıldığında, SiC şunları sağlayabilir:
Ancak SiC endüstrisi olgunlaştıkça, soru değişiyor.
Birkaç yıl önce, tartışma genellikle şunlara odaklanırdı:
SiC, yüksek güçlü uygulamalarda silikonun yerini alabilir mi?
Bugün, daha pratik soru şudur:
SiC üretim maliyeti nasıl düşürülebilir?
SiC alt tabakalarının üretimi zordur.
İşlem zinciri boyunca zorluklar yaşanır:
SiC son derece sert ve kırılgandır.
Bu, wafer kesme ve parlatmayı geleneksel silikon işleminden daha yavaş ve daha pahalı hale getirir.
Alt tabaka kusurları ayrıca nihai cihaz verimini de etkileyebilir.
SiC, daha büyük hacimli üretime doğru ilerledikçe, odak giderek şunlara kayıyor:
Bu, yalnızca SiC waferların kendisinde değil, SiC malzemeleri ve ekipman tedarik zinciri boyunca fırsatlar olduğu anlamına gelir.
Galyum nitrür başka bir büyük geniş bant aralıklı yarı iletkendir.
GaN özellikle şunlar için çekicidir:
önemlidir.
Yapay zeka veri merkezleri muazzam miktarda elektrik tüketir.
Bu nedenle, sunucu ve raf mimarisi boyunca güç dönüşümü kaybını azaltmak giderek daha değerlidir.
GaN cihazları, yüksek frekanslı güç dönüşümü uygulamalarında şunlar için kullanılabilir:
Bu, yapay zeka ile yarı iletken malzemeler arasında başka bir önemli bağlantı yaratır.
Yapay zeka talebi yalnızca işlemcilere olan talebi yaratmaz.
Aynı zamanda bu işlemcileri verimli bir şekilde çalıştırmak için gereken güç elektroniğine olan talebi de artırır.
SiC ve GaN genellikle rakip yarı iletken teknolojileri olarak sunulur.
Uygulamada, genellikle güç elektroniği pazarının farklı bölümlerini ele alırlar.
SiC özellikle şunlarda iyi performans gösterir:
GaN şunlar için oldukça çekicidir:
Bu nedenle, gelecekteki güç yarı iletken pazarının şunları kullanması muhtemeldir:
silikon + SiC + GaN
tek bir evrensel malzeme seçmek yerine.
Daha az görünür ancak giderek daha önemli bir kategori de gelişmiş seramik malzemelerdir.
Yarı iletken ekipmanlar, şu gibi bileşenler için hassas seramiklere dayanır:
Önemli malzemeler şunları içerir:
Her malzeme farklı bir mühendislik sorununu çözer.
Alümina sunar:
En yaygın kullanılan teknik seramiklerden biri olmaya devam ediyor.
AlN, özellikle her ikisinin de olduğu durumlarda çekicidir:
elektriksel yalıtım
ve
yüksek termal iletkenlik
gereklidir.
Bu, onu şunlar için kullanışlı hale getirir:
SiC seramik sağlar:
Bu özellikler, değişen termal koşullar altında boyutsal olarak kararlı kalması gereken yarı iletken ekipman bileşenleri için onu çekici kılar.
En ilginç yarı iletken eğilimlerinden biri, bir zamanlar nispeten ayrı endüstrilere ait olan malzemelerin aynı sistemin bir parçası haline gelmesidir.
Gelişmiş bir yapay zeka bilgi işlem platformunu düşünün.
Gerektirebilir:
SOI
silikon fotoniği ve optik iletişim için.
Cam
gelecek nesil gelişmiş paketleme için.
HBM
yüksek bant genişlikli bellek için.
AlN veya SiC seramikleri
termal yönetim ve yarı iletken ekipman için.
Elmas bazlı malzemeler
aşırı ısı yayılımı için.
GaN
yüksek verimli veri merkezi güç dönüşümü için.
SiC
yüksek güçlü enerji altyapısı için.
Bu malzemeler tamamen farklı işlevler yerine getirir.
Ancak yapay zeka, onları aynı mühendislik gereksinimleri aracılığıyla birbirine bağlıyor:
Bu nedenle, yarı iletken endüstrisi daha geniş bir ölçekleme biçimine giriyor.
Geleneksel ölçekleme öncelikle transistörleri küçültmeye odaklandı.
Gelecekteki performans iyileştirmeleri giderek artan bir şekilde şunlara bağlı olacaktır:
**transistör ölçeklenmesi
Bu nedenle gelişmiş malzemeler stratejik olarak önemli hale geliyor.
Veri hızla ulaşamazsa daha hızlı bir transistörün faydası sınırlıdır.
Aşırı ısınırsa daha büyük bir yapay zeka hızlandırıcısının faydası sınırlıdır.
Paketleme yoğunluğunun yönetilemez hale gelmesi durumunda daha fazla HBM'nin faydası sınırlıdır.
Gelişmiş paketleme ve malzemeler performans denkleminin bir parçası haline geliyor.
Birkaç kategori özel dikkat hak ediyor.
Silikon fotoniği, yüksek hızlı optik iletişim ve CPO tarafından yönlendirilir.
Çipletler, HBM, büyük alan gelişmiş paketleme ve TGV teknolojisi tarafından yönlendirilir.
EV'ler, endüstriyel güç, yenilenebilir enerji ve yüksek voltajlı elektronik tarafından yönlendirilir.
Yüksek frekanslı güç dönüşümü ve veri merkezi verimliliği tarafından yönlendirilir.
Güç yoğunluğu ve gelişmiş yarı iletken ekipmanlar tarafından yönlendirilir.
Yapay zeka, RF ve yüksek güçlü cihazlardaki aşırı ısı akışı tarafından yönlendirilir.
Bu malzemeler silikonun yerini almayacaktır.
Bunun yerine, silikonu giderek daha fazla çevreleyecek ve sistem düzeyinde ölçeklenmeye devam etmesini sağlayacaktır.
Yapay zeka yarı iletken devrimi bir malzeme devrimine dönüşüyor.
Onlarca yıldır endüstrinin en önemli sorusu şuydu:
Transistörü ne kadar küçültebiliriz?
Bu soru hala önemli.
Ancak artık yeterli değil.
Gelecek nesil yarı iletken sistemler de şunları yanıtlamalıdır:
Veri ne kadar hızlı hareket edebilir?
Birden fazla kalıp ne kadar yakından entegre edilebilir?
Güç ne kadar verimli dönüştürülebilir?
Isı ne kadar hızlı giderilebilir?
Bu sorular, SOI waferların, cam alt tabakaların, SiC, GaN, gelişmiş seramiklerin ve elmas bazlı termal malzemelerin önemini artırıyor.
Bu nedenle, yarı iletken performansının geleceği yalnızca daha iyi çiplerle değil, bu çiplerin etrafındaki daha iyi malzemelerle de belirlenecektir.
Rekabetin bir sonraki aşaması, tek bir malzeme atılımından çok, birden fazla özel malzemenin tek bir yüksek performanslı sisteme entegre edilme yeteneği ile tanımlanabilir.
Yapay zeka çağında, yarı iletken inovasyonu yalnızca çiplerin küçültülmesinin ötesine geçiyor.
Artık çiplerin daha hızlı iletişim kurmasını, daha yoğun paketlenmesini, daha verimli güç tüketmesini ve daha düşük sıcaklıklarda çalışmasını sağlamakla ilgili.
Uzun yıllar boyunca yarı iletken teknolojisindeki ilerleme büyük ölçüde işlem düğümleriyle tanımlandı.
10 nm, 7 nm, ardından 5 nm, 3 nm ve giderek gelişen transistör mimarileri haline geldi.
Ancak yapay zeka hızlandırıcıları, yüksek performanslı bilgi işlem sistemleri ve gelişmiş paketleme ölçeklenmeye devam ettikçe, transistör yoğunluğu artık sistem performansını belirleyen tek faktör değil.
Yarı iletken endüstrisi, malzemelerin, paketlemenin, ara bağlantıların, güç dağıtımının ve termal yönetimin transistör ölçeklenmesi kadar önemli hale geldiği yeni bir aşamaya giriyor.
Bu geçiş, aşağıdakiler de dahil olmak üzere geniş bir yelpazede yarı iletken malzemelere olan ilgiyi artırıyor:
Bu malzemeler farklı mühendislik zorluklarını ele alıyor, ancak giderek artan bir şekilde ortak bir itici güç tarafından birbirine bağlanıyorlar:
Yapay zeka ve HPC sistemleri daha fazla bant genişliği, daha yüksek güç verimliliği, daha yoğun paketleme ve daha iyi termal performans gerektiriyor.
![]()
Modern yapay zeka işlemcileri muazzam bilgi işlem kaynakları içerir.
Ancak, artan bilgi işlem yeteneği aynı zamanda birkaç yeni sınırlama da yaratır.
En önemlilerinden ikisi şunlardır:
veri hareketi
ve
ısı giderme.
Bir yapay zeka hızlandırıcısı, HBM, komşu işlemciler, ağ arayüzleri ve depolama sistemleriyle sürekli olarak muazzam miktarda veri alışverişi yapmalıdır.
Aynı zamanda, bu cihazlar gelişmiş paketler içinde giderek daha yoğunlaşan ısı üretir.
Sonuç olarak, yalnızca transistör performansını iyileştirmek artık yeterli değil.
Tüm yarı iletken sistem optimize edilmelidir.
Bu şunları içerir:
Bu sistem düzeyindeki geçiş, daha önce nispeten özel pazarlarda yer alan yarı iletken malzemeler için yeni fırsatlar yaratıyor.
Yalıtkan üzerindeki silikon yeni bir yarı iletken malzeme değil.
SOI waferlar uzun süredir şu gibi uygulamalar için kullanılmıştır:
Ancak, yapay zeka altyapısı başka bir önemli büyüme fırsatı yaratıyor:
silikon fotoniği.
Yapay zeka kümeleri büyüdükçe, geleneksel elektrikli ara bağlantılar giderek artan bir şekilde şu zorluklarla karşılaşıyor:
Bakır ara bağlantıları hala önemlidir, ancak bant genişliği gereksinimleri arttıkça optik iletişim giderek daha çekici hale geliyor.
Bu, ortak paketlenmiş optiklerin veya CPO'nun bu kadar ilgi görmesinin nedenlerinden biridir.
Yüksek performanslı işlemciler ve optik modüller arasındaki tamamen elektrikli bağlantılara güvenmek yerine, CPO optik motorları anahtarlama veya bilgi işlem silikonuna yaklaştırır.
Amaç, yüksek hızlı elektrikli bağlantıların uzunluğunu azaltmak ve daha fazla veriyi optik olarak aktarmaktır.
SOI, silikon fotoniği için en önemli alt tabaka platformlarından biridir.
Tipik bir fotonik SOI wafer şunları içerir:
Üst silikon katmanı optik dalga kılavuzlarına desenlenebilir.
Gömülü oksit, silikon dalga kılavuzu ile alttaki silikon alt tabaka arasında optik izolasyon sağlar.
Yaygın silikon fotonik yapıları şunları içerir:
Birçok ticari fotonik platformda, silikon cihaz katmanı yalnızca birkaç yüz nanometre kalınlığındadır.
Örneğin, mikrometre ölçekli gömülü oksit üzerinde yaklaşık 220 nm silikon, silikon fotonik alanında yaygın olarak kullanılmaktadır.
Bu, fotonik için SOI wafer gereksinimlerinin MEMS veya geleneksel RF uygulamalarından çok farklı olduğu anlamına gelir.
Kalınlık tekdüzeliği, yüzey kalitesi ve BOX kontrolü özellikle önemli hale gelir.
Silikon fotoniğin önemi, yapay zeka veri merkezlerinin büyümesiyle yakından ilişkilidir.
Yapay zeka kümeleri son derece yüksek hızlı iletişim gerektirir:
sunucu içinde
hızlandırıcılar arasında
raflar arasında
ve giderek artan bir şekilde
büyük bilgi işlem sistemi grupları arasında.
Elektrikli iletişim güç ve bant genişliği yoğunluğu açısından pratik sınırlara yaklaştıkça, optik ara bağlantı teknolojileri daha önemli hale geliyor.
Bu, SOI'nin yalnızca geleneksel yarı iletken cihazlara değil, aynı zamanda yapay zeka işlemcilerini çevreleyen optik iletişim altyapısına da giderek daha fazla hizmet verebileceği anlamına gelir.
Başka bir deyişle:
Yapay zeka patlaması yalnızca işlemci waferlarına olan talebi artırmakla kalmıyor. Aynı zamanda işlemci cihazları arasındaki veriyi taşıyan malzemelere olan talebi de artırıyor.
Artan ilgi gören bir diğer malzeme de cam.
Cam, elektronik ve yarı iletken üretiminde uzun yıllardır kullanılmaktadır.
Uygulamalar şunları içerir:
Ancak gelişmiş paketleme yeni bir fırsat yaratıyor:
cam çekirdek alt tabakalar ve cam ara parçalar.
Modern yapay zeka paketleri şunları birleştirebilir:
Paket boyutları arttıkça, boyutsal kararlılık giderek daha önemli hale gelir.
Geleneksel organik alt tabaka malzemeleri şu zorluklarla karşılaşabilir:
Cam, bu uygulamalar için birkaç çekici özellik sunar.
Cam sağlayabilir:
En önemli destekleyici teknolojilerden biri şunlardır:
TGV - Camdan Geçen Via.
Bir TGV, bir cam alt tabakanın kalınlığı boyunca elektrik bağlantıları oluşturur.
Via oluşumundan sonra, delikler dikey elektrik ara bağlantıları oluşturmak için metalize edilebilir.
Bu, camı potansiyel olarak şunlar için uygun hale getirir:
Ancak, cam paketleme yalnızca bir cam wafer üretmekten daha fazlasını gerektirir.
Tam üretim zinciri şunları içerebilir:
cam hazırlama
→ hassas inceltme
→ TGV oluşumu
→ metalizasyon
→ yeniden dağıtım katmanları
→ yapıştırma
→ gelişmiş paketleme
Tüm işlem zincirini kontrol edebilen şirketler, yalnızca ham cam tedarikçilerinden daha fazla değer elde edebilir.
Yüksek Bant Genişlikli Bellek, yapay zeka donanımının tanımlayıcı teknolojilerinden biri haline geldi.
HBM, birden fazla DRAM kalıbını dikey olarak istifleyerek bellek bant genişliğini artırır.
Bu, geleneksel bellek mimarilerinden daha fazla verinin bellek ve işlemciler arasında hareket etmesini sağlar.
Ancak kaçınılmaz bir sonucu var:
istifleme, termal yönetimi daha zor hale getirir.
Birden fazla silikon kalıbı, kompakt bir dikey yapı içinde ısı üretir.
Aynı zamanda, HBM yığınları tipik olarak yüksek güçlü yapay zeka hızlandırıcılarına çok yakın yerleştirilir.
Bu nedenle, gelişmiş bir yapay zeka paketi sınırlı bir alanda birkaç büyük termal kaynak içerebilir.
Termal performans, paket düzeyinde bir tasarım sorunu haline gelir.
Geleneksel bakır, şu nedenlerle son derece önemlidir:
Ancak, gelecekteki yüksek güçlü paketler ek yeteneklere sahip malzemeler gerektirebilir.
Potansiyel malzemeler şunları içerir:
Anahtar malzeme parametreleri giderek artan bir şekilde şunları içerir:
Bu nedenle, termal sorun artık yalnızca daha büyük bir soğutucu takılarak çözülmez.
Yarı iletken kalıbına çok daha yakın başlar.
Elmas, olağanüstü bir özellik nedeniyle yeniden ilgi görüyor:
çok yüksek termal iletkenlik.
Yüksek kaliteli sentetik elmas, ısıyı birçok geleneksel termal yönetim malzemesinden çok daha etkili bir şekilde iletebilir.
Bu, elması yüksek güçlü cihazlardan yoğunlaşan ısıyı gidermek için çekici kılar.
Potansiyel uygulamalar şunları içerir:
Ancak, saf elmasın da dezavantajları vardır.
Bunlar şunları içerir:
Sonuç olarak, araştırmacılar ve malzeme tedarikçileri giderek artan bir şekilde hibrit çözümler araştırıyorlar.
Önemli bir örnek şudur:
Elmas-Bakır Kompozit.
Elmas-bakır kompozitleri, elmas parçacıklarını bir bakır matrisle birleştirir.
Amaç iki özelliği aynı anda elde etmektir:
daha yüksek termal iletkenlik
ve
geleneksel bakırdan daha düşük termal genleşme.
Bu çekicidir çünkü yarı iletken paketleme sıklıkla bir ödünleşmeyle karşı karşıya kalır.
Bakır ısıyı iyi iletir ancak nispeten yüksek bir termal genleşme katsayısına sahiptir.
Tungsten ve molibden gibi düşük CTE'li malzemeler boyutsal kararlılığı artırabilir, ancak bakıra eklendiğinde genellikle termal iletkenliği azaltır.
Elmas, her ikisine de sahip olduğu için farklı bir olasılık sunar:
Bu nedenle, prensipte, Elmas/Cu kompozitleri CTE'yi azaltırken termal iletkenliği artırabilir.
Bir Elmas-Bakır kompoziti, büyük bir elmas yüzdesi içerdiği için otomatik olarak yüksek performanslı değildir.
En zor sorun, şu arayüzdür:
elmas
ve
bakır.
Bakır doğal olarak elmasla verimli bir şekilde bağlanmaz.
Kötü arayüz teması önemli termal direnç oluşturabilir.
Bu, ısının verimli bir şekilde hareket edemeyeceği anlamına gelir:
bakır → elmas → bakır.
Bu nedenle üreticiler, karbür oluşturan elementleri içeren arayüz mühendisliği teknikleri kullanırlar, örneğin:
Bu elementler elmas-bakır yapışmasını iyileştirebilir.
Ancak, arayüz katmanı da dikkatlice kontrol edilmelidir.
Çok kalın olursa, arayüzün kendisi bir termal bariyer haline gelebilir.
Bu, gelişmiş yarı iletken malzemelerdeki önemli bir eğilimi göstermektedir:
Gelecekteki performans, yalnızca toplu malzeme özelliklerine değil, giderek artan bir şekilde arayüz mühendisliğine bağlıdır.
Yapay zeka büyük ilgi görse de, elektrifikasyon başka bir büyük yarı iletken geçişini yönlendirmeye devam ediyor:
silikon karbür güç cihazlarının genişlemesi.
SiC, şu gibi uygulamalar için önemli hale geldi:
Geleneksel silikon güç cihazlarıyla karşılaştırıldığında, SiC şunları sağlayabilir:
Ancak SiC endüstrisi olgunlaştıkça, soru değişiyor.
Birkaç yıl önce, tartışma genellikle şunlara odaklanırdı:
SiC, yüksek güçlü uygulamalarda silikonun yerini alabilir mi?
Bugün, daha pratik soru şudur:
SiC üretim maliyeti nasıl düşürülebilir?
SiC alt tabakalarının üretimi zordur.
İşlem zinciri boyunca zorluklar yaşanır:
SiC son derece sert ve kırılgandır.
Bu, wafer kesme ve parlatmayı geleneksel silikon işleminden daha yavaş ve daha pahalı hale getirir.
Alt tabaka kusurları ayrıca nihai cihaz verimini de etkileyebilir.
SiC, daha büyük hacimli üretime doğru ilerledikçe, odak giderek şunlara kayıyor:
Bu, yalnızca SiC waferların kendisinde değil, SiC malzemeleri ve ekipman tedarik zinciri boyunca fırsatlar olduğu anlamına gelir.
Galyum nitrür başka bir büyük geniş bant aralıklı yarı iletkendir.
GaN özellikle şunlar için çekicidir:
önemlidir.
Yapay zeka veri merkezleri muazzam miktarda elektrik tüketir.
Bu nedenle, sunucu ve raf mimarisi boyunca güç dönüşümü kaybını azaltmak giderek daha değerlidir.
GaN cihazları, yüksek frekanslı güç dönüşümü uygulamalarında şunlar için kullanılabilir:
Bu, yapay zeka ile yarı iletken malzemeler arasında başka bir önemli bağlantı yaratır.
Yapay zeka talebi yalnızca işlemcilere olan talebi yaratmaz.
Aynı zamanda bu işlemcileri verimli bir şekilde çalıştırmak için gereken güç elektroniğine olan talebi de artırır.
SiC ve GaN genellikle rakip yarı iletken teknolojileri olarak sunulur.
Uygulamada, genellikle güç elektroniği pazarının farklı bölümlerini ele alırlar.
SiC özellikle şunlarda iyi performans gösterir:
GaN şunlar için oldukça çekicidir:
Bu nedenle, gelecekteki güç yarı iletken pazarının şunları kullanması muhtemeldir:
silikon + SiC + GaN
tek bir evrensel malzeme seçmek yerine.
Daha az görünür ancak giderek daha önemli bir kategori de gelişmiş seramik malzemelerdir.
Yarı iletken ekipmanlar, şu gibi bileşenler için hassas seramiklere dayanır:
Önemli malzemeler şunları içerir:
Her malzeme farklı bir mühendislik sorununu çözer.
Alümina sunar:
En yaygın kullanılan teknik seramiklerden biri olmaya devam ediyor.
AlN, özellikle her ikisinin de olduğu durumlarda çekicidir:
elektriksel yalıtım
ve
yüksek termal iletkenlik
gereklidir.
Bu, onu şunlar için kullanışlı hale getirir:
SiC seramik sağlar:
Bu özellikler, değişen termal koşullar altında boyutsal olarak kararlı kalması gereken yarı iletken ekipman bileşenleri için onu çekici kılar.
En ilginç yarı iletken eğilimlerinden biri, bir zamanlar nispeten ayrı endüstrilere ait olan malzemelerin aynı sistemin bir parçası haline gelmesidir.
Gelişmiş bir yapay zeka bilgi işlem platformunu düşünün.
Gerektirebilir:
SOI
silikon fotoniği ve optik iletişim için.
Cam
gelecek nesil gelişmiş paketleme için.
HBM
yüksek bant genişlikli bellek için.
AlN veya SiC seramikleri
termal yönetim ve yarı iletken ekipman için.
Elmas bazlı malzemeler
aşırı ısı yayılımı için.
GaN
yüksek verimli veri merkezi güç dönüşümü için.
SiC
yüksek güçlü enerji altyapısı için.
Bu malzemeler tamamen farklı işlevler yerine getirir.
Ancak yapay zeka, onları aynı mühendislik gereksinimleri aracılığıyla birbirine bağlıyor:
Bu nedenle, yarı iletken endüstrisi daha geniş bir ölçekleme biçimine giriyor.
Geleneksel ölçekleme öncelikle transistörleri küçültmeye odaklandı.
Gelecekteki performans iyileştirmeleri giderek artan bir şekilde şunlara bağlı olacaktır:
**transistör ölçeklenmesi
Bu nedenle gelişmiş malzemeler stratejik olarak önemli hale geliyor.
Veri hızla ulaşamazsa daha hızlı bir transistörün faydası sınırlıdır.
Aşırı ısınırsa daha büyük bir yapay zeka hızlandırıcısının faydası sınırlıdır.
Paketleme yoğunluğunun yönetilemez hale gelmesi durumunda daha fazla HBM'nin faydası sınırlıdır.
Gelişmiş paketleme ve malzemeler performans denkleminin bir parçası haline geliyor.
Birkaç kategori özel dikkat hak ediyor.
Silikon fotoniği, yüksek hızlı optik iletişim ve CPO tarafından yönlendirilir.
Çipletler, HBM, büyük alan gelişmiş paketleme ve TGV teknolojisi tarafından yönlendirilir.
EV'ler, endüstriyel güç, yenilenebilir enerji ve yüksek voltajlı elektronik tarafından yönlendirilir.
Yüksek frekanslı güç dönüşümü ve veri merkezi verimliliği tarafından yönlendirilir.
Güç yoğunluğu ve gelişmiş yarı iletken ekipmanlar tarafından yönlendirilir.
Yapay zeka, RF ve yüksek güçlü cihazlardaki aşırı ısı akışı tarafından yönlendirilir.
Bu malzemeler silikonun yerini almayacaktır.
Bunun yerine, silikonu giderek daha fazla çevreleyecek ve sistem düzeyinde ölçeklenmeye devam etmesini sağlayacaktır.
Yapay zeka yarı iletken devrimi bir malzeme devrimine dönüşüyor.
Onlarca yıldır endüstrinin en önemli sorusu şuydu:
Transistörü ne kadar küçültebiliriz?
Bu soru hala önemli.
Ancak artık yeterli değil.
Gelecek nesil yarı iletken sistemler de şunları yanıtlamalıdır:
Veri ne kadar hızlı hareket edebilir?
Birden fazla kalıp ne kadar yakından entegre edilebilir?
Güç ne kadar verimli dönüştürülebilir?
Isı ne kadar hızlı giderilebilir?
Bu sorular, SOI waferların, cam alt tabakaların, SiC, GaN, gelişmiş seramiklerin ve elmas bazlı termal malzemelerin önemini artırıyor.
Bu nedenle, yarı iletken performansının geleceği yalnızca daha iyi çiplerle değil, bu çiplerin etrafındaki daha iyi malzemelerle de belirlenecektir.
Rekabetin bir sonraki aşaması, tek bir malzeme atılımından çok, birden fazla özel malzemenin tek bir yüksek performanslı sisteme entegre edilme yeteneği ile tanımlanabilir.
Yapay zeka çağında, yarı iletken inovasyonu yalnızca çiplerin küçültülmesinin ötesine geçiyor.
Artık çiplerin daha hızlı iletişim kurmasını, daha yoğun paketlenmesini, daha verimli güç tüketmesini ve daha düşük sıcaklıklarda çalışmasını sağlamakla ilgili.