科学家们致力于使微小、强大的微电子器件更小、更节能

您现在正在屏幕上看到这个故事，这要归功于被称为晶体管的微型开关。计算机中的微芯片包含数十亿个微芯片，每个微芯片都根据您希望计算机执行的操作发送电信号。

像这样的微电子技术在推动从更小的空间中提取更多的计算能力方面变得既重要又微不足道。单个红细胞使今天的普通晶体管相形见绌，而普通晶体管要小大约一千倍。

这还不够小。

在数据和人工智能驱动的未来，即使是最“微”的微电子产品也需要进一步缩小规模，并使用更少的能源来启动。隶属于芝加哥大学的美国能源部阿贡国家实验室的科学家正在发明下一代这些计算构建模块。

其影响超出了我们的手机和台式机。从我们如何旅行到我们如何对抗疾病，再到我们对宇宙和地球气候的理解，一切都取决于基于微电子的设备。

“微电子技术深深植根于我们所做的一切中，以至于它们对我们如今的生活方式至关重要，”阿贡杰出研究员兼材料科学部主任Amanda Petford-Long说，并引用了汽车、网上银行和电网等例子。“我认为没有他们，任何人都过不去。”

突破摩尔定律的极限

目前智能手机中的微芯片每秒可以执行17万亿次计算，比几十年前的前辈强大数百万倍。

计算能力的惊人飞跃似乎是不可想象的——除了有人确实想象过：工程师戈登·摩尔。摩尔后来共同创立了英特尔，他在 1965 年预测，未来十年，放置在微芯片上的晶体管数量将每年翻一番。他是对的，1975年，当微芯片上的晶体管数量超过65,000个时，他将翻一番的速度修改为每两年一次。

现在所谓的摩尔定律或多或少是正确的。如今，一台笔记本电脑可能包含数百亿个晶体管，嵌入在指甲大小的芯片上。即将在阿贡领导计算设施（Argonne Leadership Computing Facility）的Aurora百万兆次级超级计算机（DOE Office of Science）的用户设施上运行在数以万计的最先进的处理器上，每个处理器将1000亿个晶体管封装在不到4平方英寸的范围内。

Aurora 处理器的强大功能将实现每秒超过 2 万亿次计算。这些计算将推动我们产生清洁能源、对抗病毒、制造更高效的发动机、探索太空所需的发现——当然，还有探索微电子的下一个前沿，以及其他努力。

然而，在某些时候，摩尔定律开始遇到物理障碍。随着器件尺寸消失到原子水平，材料的行为开始不同。设备堆叠在一起时可能会吸收过多的热量，并且会遇到内存和速度方面的障碍。更紧迫的是，我们对微电子日益增长的需求吞噬了能源，预计到 2030 年将消耗全球供应量的四分之一。

阿贡的研究人员正在通过结合新材料、硬件和软件设计以及制造方法来解决这些问题。在这个过程中，他们还突破了计算机的发展方向，使电子产品能够像皮肤一样伸展，或者在超出烤箱最热设置的灼热温度下运行。

为微电子制造更好的材料

硅一直是用于制造每一波强大微芯片的主力材料。它很丰富，它的电导率——传输电力的能力——可以通过添加杂质来调节。然而，微电子的尺寸现在以个位数纳米或十亿分之一米来衡量。它们越小，就越难可靠地对这些杂质进行图案化。

阿贡和其他国家实验室的研究人员正在探索替代材料和设计，以绕过这一限制，并提高能源效率。一种可能性是采用对电场具有可逆响应的材料。另一个项目侧重于使用金属氧化物制造可打印的晶体管。金刚石薄膜正在利用美国能源部科学办公室的用户设施纳米材料中心进行开发，以消除微电子器件相互叠放时积聚的热量。

磨练这些概念需要耗时的步骤来确定创建特定材料的最佳条件。例如，薄膜在称为原子层沉积的过程中逐个原子地生长在表面上。研究人员使用一种特殊的设备来制作这些薄膜，评估一个又一个周期的条件。这与测试烘焙配方没有什么不同，您必须等待最终产品从烤箱中出来，然后确定什么是对的或错的，然后再重新开始。

为了加快行动速度，研究人员正在试验自动驾驶实验室，将人工智能带入循环。该过程可以从计算机模拟开始，为实际实验提供信息。然后，实验数据会加强模拟，依此类推。

Argonne的首席材料科学家Angel Yanguas-Gil正在将自动驾驶实验室的概念应用于原子层沉积，以更快、更低成本地发现微电子材料。在这种情况下，人工智能正在帮助推动实验。

“计算机正在做出自己的决定并实时探索新的条件，然后你最终会更快地获得最佳条件，”Yanguas-Gil说。“这需要几分钟，而不是几天。”

协同设计，实现更智能的微电子开发

在材料被设计到原子的空间中，如果最巧妙的创新不适合特定目的，将难以超越实验室。

“我们花了很多年时间开发具有非常有趣特性的材料，但有时与应用的联系并不牢固，”Yanguas-Gil说。

科学家们正在解决 Threadwork 项目中的这一差距。这个名字点头了将微电子发展的不同分支与特定的用途交织在一起，特别是那些用于高能物理和核物理的未来探测器。这些方面包括材料、用这些材料构建的设备、系统架构等。

“在Threadwork中，我们一直在研究所有这些不同层次的系统设计，以及它们在最终用途方面的意义，”领导该项目的数学和计算机科学部门主任Valerie Taylor说。“这并不是说一个人独立于其他人正在做的事情而工作。你们正在从不同的角度一起进行设计。

许多这些微芯片设计，以及它们所支持的软件，都试图模仿大脑。

“大脑由大约860亿个神经元组成，但只使用大约20瓦的功率。这是非常高的能源效率，“泰勒说。“因此，我们正在开发类脑或神经形态设备。

传统的计算机体系结构具有单独的操作区域和内存区域。这种布局要求信息在两个区域之间不断流动，从而限制了计算机处理信息的速度。未来的神经形态处理器可能更像你的大脑，记忆和行动结合在一组网络化的神经元中。更紧凑的类脑网络减少了电信号的传播量，提高了效率。类似于神经元或忆阻器的晶体管也可能不仅能够传达二进制值（零或一），而且能够传达一个信号中的一系列值，就像神经元的尖峰一样。

人脑并不是Argonne跨学科设计方法的唯一模型。Yanguas-Gil及其同事设计并模拟了一种神经形态芯片，其灵感来自蜜蜂、果蝇和蚂蚁的大脑。该概念依赖于阿贡开发的独特材料，并使用ALCF的Theta超级计算机进行了测试。

没有用于制作相同形状的千篇一律的刀具

“这听起来微不足道，但用微电子技术做小的最大挑战之一是你必须能够制造出这个东西，”Petford-Long说。用另一个烘焙类比，如果你正在制作一个 10 个原子宽的“饼干”，那么很难得到一个可以生产出完全相同形状的饼干切割机。即使是微小的变化也很重要，Petford Long补充说：“因为这些结构是如此之小，一个不一致的地方就会对它们的行为方式产生很大的影响。

另一个挑战是，被冲压出的实际形状可能会从晶体管成排的平面变为更像神经元的形状，这些形状也可能堆叠在一起。

“目前的半导体光刻技术非常成功，但它是为芯片扁平的2D世界而设置的，”阿贡物理科学与工程理事会高级顾问、芝加哥大学普利兹克分子工程学院教授Supratik Guha说。“在未来几十年里，芯片将变得越来越3D化。这需要制造芯片的新方法。

其中一种新方法可能是使用3D打印机。Argonne的一个项目旨在创建低功耗、高性能的可打印晶体管。其他工作集中在更精细、更精确的原子层沉积工具上，这些工具可以将越来越复杂的特征凿到设备上。

制造微型机器的新方法

随着科学家探索微电子的新材料、配置和制造技术，美国能源部科学办公室的用户设施“先进光子源”将是关键。随着正在进行的升级，APS 的 X 射线束将变得高达 500 倍的亮度。亮度的增加也有助于更小的光斑尺寸，这些光斑可以归零于材料或半导体器件中最小的特征。

阿贡强大的新工具将产生一种飞轮效应。APS和其他观测工具将产生比以往更多的数据。这些数据将推动处理器的创新，这些处理器将在Aurora超级计算机及其他设备上对其进行分析。

“其中一些工作还处于初始阶段，但这就是我们进行持续基础研究的原因，”Guha说。“我们试图回答的问题将引导我们设计新类别的材料和设备，以及连接它们的新方法，以便我们能够应对我们面临的极端能源效率挑战。

本文改编自阿贡国家实验室网站。