五十多年来,摩尔定律 [1] 基本保持不变。然而,在过去几年中,人们对其持续性的讨论越来越多,如图 1 [2] 所示。随着硅工艺尺寸越来越小,物理限制开始发挥重要作用。因此,继续提高性能所需的成本和精力现在比以往任何时候都要大得多。为了提供新的颠覆性方法来执行复杂度更高的计算,高性能计算需要彻底摆脱传统的经典计算平台。量子计算 (QC) 利用微观物体不寻常的物理特性来处理信息,是解决一系列计算问题的颠覆性技术中特别有希望的候选者 [3- 12]。
关于半导体 - 近几十年来,半导体在三个技术领域经历了重大发展。1) 摩尔定律专注于将 IC 2 小型化至纳米级(“超越摩尔”),从而极大地提高了“大脑”的容量。通过光刻、材料、系统集成和设计技术协同优化方面的创新,IC 小型化和每个芯片上的晶体管数量将继续增加。2) 通过添加“非大脑”功能(“超越摩尔”)来开发主流半导体技术。3) 异构系统 - 将“大脑”和“非大脑”功能与其他领域(如传感器、MEMS 3、执行器和电力电子)结合在一个紧凑的单一系统中。这些“高价值”系统对于应用程序和最终产品至关重要。
传统计算机技术正面临着根本性的限制,这些限制与硬件架构(冯·诺依曼瓶颈)、晶体管的集成密度(摩尔定律的终结)以及估计功耗的大幅增加有关。这些限制极大地刺激了对新颖和非传统计算概念的研究。1 神经形态工程领域旨在通过设计新型计算硬件来解决这些挑战,这些计算硬件从生物学原理中汲取灵感,例如信号阈值、突触可塑性、并行性和层次结构或内存计算。2 在过去十年中,忆阻器件作为神经形态硬件设计中的基本构建单元发挥了关键作用,重大努力集中在大规模集成
一直遵循摩尔定律,根据该定律,通过光刻生产的集成电路的集成度会翻倍。到目前为止,这些微芯片主要采用波长为 193 nm 的光学光刻技术制造。为了实现 10 纳米以下的结构尺寸,必须使用极紫外光 (EUV):这可以实现更好的光学分辨率。然而,EUV 光刻面临着许多挑战。EUV 光被强烈吸收,因此必须在真空中进行曝光,并且在照明和成像系统中,必须将带透镜的折射光学器件替换为带镜子的反射光学器件。对要开发的光学器件的要求很高:它们需要高水平的研究和开发,以显著改善表面质量、材料成分、尺寸和形状。
根据2021年国际器件与系统路线图(IRDS),环栅晶体管(GAA)将从3nm技术节点开始取代FinFET,并应用于1nm技术节点。下一步,尺寸缩小的目标不仅是降低漏电,更重要的是降低功率,而包括三维异质集成在内的三维垂直架构将成为降低功耗的主流技术。要延续摩尔定律,不仅需要通过器件尺寸缩小来提高电路集成度,还需要降低功率和提高开关速度。堆叠式NSFET具有更好的静电完整性、短沟道免疫力,因此具有更好的功率缩放性能,是未来亚3nm技术节点的有希望的候选者[1−3]。
20 世纪 80 年代,先进的微处理器带来了更强大的计算能力,人工智能发展也随之复苏。按照“摩尔定律”的概念,计算机芯片的容量持续呈指数级增长,大约每两年翻一番。10 这些更强大的半导体使计算机科学家能够访问更大的数据库,从而实现更复杂的算法。一系列被称为“专家系统”的新程序被开发出来,它们首次能够复制人类的决策。11专家系统收集了有关特定主题的大量知识和数据。这些程序能够解决狭义的问题,否则就需要领域专家的帮助。例如,国防部采用专家系统开发维护软件,允许用户输入诊断数据并接收原因报告。
摘要 — 大型语言模型等生成式人工智能工作负载的计算需求每年增长 1000%,而摩尔定律的扩展每年仅提供 3% 的晶体管/平方毫米。为了缩小这些巨大的需求和供应指数之间的差距,行业不仅需要更好的芯片间互连,还需要将更多硅片集成到单个封装中的方法。本文将重点介绍 Groq 语言处理单元 (LPU TM ) 推理引擎的先进封装建模,这是迄今为止性能最高的大型语言模型推理引擎。更具体地说,本文将重点介绍准确的翘曲预测,这已成为对设计可靠性和可制造性具有深远影响的关键挑战。
2016年网络计算营收达到122亿美元[2] 。微软预测,到2018年,其云计算业务营收将达到200亿美元[3] 。近年来,计算机和通信技术的蓬勃发展,促进了云计算的发展。然而,这种发展也暴露出云计算固有的一些缺陷和不足,促使人们去思考和审视后云计算时代的网络计算范式。首先,随着智能设备技术的快速发展,各种新型智能设备应运而生并得到广泛应用。以智能移动设备(如智能手机)为例,自2011年以来,全球智能移动设备的出货量已经超过个人电脑(PC)。2016年,全球移动用户数达到70亿[4],中国移动互联网用户数达到9亿[5] 。按照摩尔定律,