Yi Zou, Senior Director of Engineering, ASML Silicon Valley – Intervieuserie

Yi Zou står i spidsen for data science produktudviklingsteams på ASML Silicon Valley. ASML udvikler avanceret software og metrologiløsninger, der løser de komplekse udfordringer, der opstår ved mindre knuder.

Hvad var det, der interesserede dig for at forfølge ingeniørvidenskab?

Som barn var jeg altid meget nysgerrig og interesseret i at forstå, hvordan ting fungerer. Dette førte til, at jeg blev tiltrukket af fag som naturvidenskab i gymnasiet, men hurtigt indså, at ingeniører var de mennesker, der designede og byggede løsninger til at tackle virkelige problemer og have en positiv indvirkning på vores verden.

På universitetet satte jeg også pris på, hvordan ingeniørgrader fokuserede på udvikling af andre vigtige færdigheder ud over grundlæggende fysik og matematik, der er højst overførbar på arbejdsmarkedet til mange forskellige karrierer. Ingeniører erhverver stærke analytiske og kritiske problemløsningsfærdigheder samt evnen til at skifte mellem det store billede og en detaljeret tilgang, der er nødvendig for at bringe ideer til live – fra kreativ koncept til systemdesign til slutprodukt.

Kan du dele med os din rejse om, hvordan du blev Senior Director of Engineering hos ASML?

I 2014 tiltrådte jeg ASML fra GlobalFoundries, et amerikansk halvlederfirma, der designer og fremstiller siliciumchips. Som medlem af Advanced Technology Development-teamet på ASML Silicon Valley ledede jeg flere forskningsprojekter, der fokuserede på at evaluere og udvikle litografiteknikker, der bruges til at forbedre fremstillingsprocessen af chips, såsom forbedret mønsteropløsning.

Samtidig byggede jeg et teknisk team, der specialiserede sig i maskinlæring. Vi demonstrerede muligheden for at anvende dyb læring på flere kritiske anvendelser, hvilket førte til udviklingen af en ny produktfamilie. Jeg ledte også en tæt samarbejde med et førende chipfirma for at udforske data science-anvendelser inden for højvolumen-fabrikker (fabrikker, hvor chips fremstilles). Dette førte til oprettelsen af flere nye muligheder for ASML. Siden min seneste forfremmelse i 2019 har jeg fortsat med at udvide data science-teknikker til vores bredere kundemarked.

ASML er en innovationsleder inden for halvlederindustrien, da de leverer chipproducenter med alt, de behøver – hardware, software og service – for at masseproducere mønstre på silicium gennem litografi. Kan du kort sammenfatte, hvad litografi er i forhold til design af computerchips?

Arbejdet, som ASML udfører, er en nøgleingrediens til at gøre chips mere kraftfulde, billigere, mere energibesparende og mere almindelige. Det begynder med vores litografisystem, der i virkeligheden er et projektor-system, der bruger ultraviolet lys til at skabe milliarder af små strukturer på tynde skiver af silicium.

Lys projiceres på en skitse af mønsteret (kendt som en ‘reticle’ eller ‘maske’), der skal trykkes. Optik fokuserer mønsteret på silicium-waferen, der tidligere er belagt med et lysfølsomt kemikalie. Når de uexponerede dele er fjernet, afsløres en tredimensionel struktur. Processen gentages igen og igen i det step-and-scan-system, der måler og eksponerer i parallel.

Disse chips danner, hvad der svarer til en multi-etagers “by” af kredsløb med milliarder af små forbindelser på tynde lag. Disse strukturer udgør sammen en integreret kredsløb eller chip. Jo flere strukturer, chipproducenter kan komprimere på en chip, jo hurtigere og mere kraftfuld er den.

ASML har to hovedtyper af litografisystemer. Til at begynde med kan du forklare, hvad EUV-litografisystemet er?

EUV repræsenterer det største skridt i litografifremme siden begyndelsen. Det svære ved EUV-lys er, at det absorberes af alt, selv luft. Det er også notorisk svært at generere.

EUV-litografisystemet har en stor højvakuumkammer, hvor lyset kan rejse langt nok til at lande på waferen. Lyset føres af en række ultra-reflecterende spejle. Et EUV-system bruger en højenergilaser, der affyrer på en mikroskopisk dråbe af flydende tin (der rejser 50.000 gange i sekundet) og omdanner den til plasma, der udsender EUV-lys, der derefter fokuseres til en stråle.

Kan du forklare, hvordan DUV-litografisystemet adskiller sig fra EUV-litografisystemet?

Vores DUV-litografisystem er industrens arbejdskraft, der bruges til at producere et bredt udvalg af halvledernoder og -teknologier. EUV bruges sammen med DUV-systemer på de mest avancerede noder og kritiske lag til at drive billigt skaleringsforhold.

En af de virkelig imponerende aspekter af ASML er, hvordan virksomheden renoverer gamle systemer, såsom ‘klassiske’ PAS 5500 og TWINSCAN-litografisystemer. Hvad bliver de i øjeblikket renoveret til?

Both Moore’s Law og More than Moore driver efterspørgslen efter vores kosteffektive løsninger, hvilket driver salget af både nyt byggede TWINSCAN-undervands- og tørlitografisystemer samt renoverede PAS 5500 og TWINSCAN-stepper og scannere.

Hvad er den nuværende nanometer-bølgelængde, ASML kan arbejde med?

ASML’s mest avancerede EUV-litografisystem leverer 13,5 nm bølgelængde af EUV-lys.

Moore’s Law har været konsistent i mange årtier nu, tror du, at Moore’s Law er nær sin ende eller at den kan strækkes yderligere?

At udvide Moore’s Law bliver mere og mere svært og dyrt, men det er ikke dødt. Vi er ikke så tæt på de grundlæggende fysikalske begrænsninger, som nogen ville have os til at tro. Næste generations chipdesigner vil inkludere mere eksotiske materialer, nye pakningsteknologier og mere komplekse 3D-designs. Disse nye designs vil muliggøre de næste store bølger af innovation, som avanceret kunstig intelligens og hurtig forbindelse med 5G, samt generere forbrugerprodukter, vi endnu ikke har forestillet os.

Jeg arbejder personligt inden for ASML’s Applications-forretning med at udvikle softwareløsninger til at udvide ydelsesevnen af vores hardware, der bruges af chipproducenter til at masseproducere stadig mindre mønstre på silicium. Det ville være umuligt for vores litografisystemer at producere chips i stadig mindre dimensioner uden den software, vi udvikler.

Vores team af ingeniører arbejder konstant på at forstå og modellere de fysikalske effekter, der påvirker mønsterprocessen, så vi kan forudsige, hvordan et designmønster vil blive trykt på en silicium-wafer, og optimere dets form til at generere det billede, vi ønsker.

Dette er en iterativ, beregningsintensiv proces, der kræver en effektiv og præcis udnyttelse af en stor skala, distribueret højpræstations-computing-arkitektur. I dag har avancerede chips milliarder af transistorer, hvilket betyder, at vi må simulere og optimere billedet af milliarder af mønstre. For at opnå dette med ekstrem nøjagtighed inden for 24 timer må vi finde kreative måder at fortsætte med at forbedre modellens ydelse, både hvad angår nøjagtighed og køretid.

Som disse chip-layouts bliver mere komplekse for at udvide Moore’s Law, kan maskinlæring dramatisk accelerere en nøgle-del af simulations- og fremstillingsprocessen. Inden for teamene på ASML Silicon Valley forsker datavidenskabsfolk i, hvordan man kan designe et nyt neuralt netværk til at hjælpe med at forstå komplekse fysikalske fænomener, der er ukendte for fysisk modellering, og derefter bruge neuralt netværk til at supplere fysisk modelleringstilgang.

Metodologien til at udvikle strenge fysikalske modeller og maskinlæringsmodeller er meget ligende. Begge kræver mange eksperimentelle resultater og data til at forme forudsigten, men maskinlæring sparer en masse tid og indsats, samtidig med at den forbedrer nøjagtigheden. Det præsenterer også en mulighed for at udnytte de store mængder data, der genereres i en fremstillingsmiljø, til at forbedre proceskontrollen.

Dette er blot et eksempel på den bredere temaacross vores industri: Så længe der er teknologer, der har til opgave at udvide Moore’s Law, vil nye innovative løsninger tackle skaleringsproblemet via mange forskellige kreative kanaler.

Er der noget andet, du gerne vil dele om ASML?

I Silicon Valley beskæftiger ASML en højspecialiseret software-kraft, der er dedikeret til at udvide Moore’s Law ved at udnytte sin unikke ekspertise i fysisk modellering og numeriske algoritmer.

Dette positionerer os til at fokusere på flere nøgle-opgaver for virksomheden, herunder:

• At udnytte den stadigt voksende beregningskraft til yderligere at fremme vores maskinlæringsanvendelser, der er fokuseret på at simulere litografiprocessen til at udvide Moore’s Law,
• At integrere vores beregnings- og metrologikompetencer til yderligere at forbedre modellens nøjagtighed, samt generere og bedre udnytte store mængder højkvalitetsbilleddata til at forbedre mønsteroptimeringsteknologi, og
• At støtte og udvide vores beregningsløsninger til næste generations EUV-litografivej til at støtte fortsættelsen af Moore’s Law.

Selvom disse er forskellige produktveje, er hver parallel vej afgørende for yderligere at opretholde chipproducenternes aggressive skaleringsindsats. Og maskinlæring er en enablende teknologi, der bruges i hver vej. Vores innovationer driver ikke kun en hel forbrugerteknologiindustri fremad, men driver også yderligere innovation inden for vores egne produkter, da vi opnår stadig mere beregningskraft.

Tak for at besvare alle vores spørgsmål. Læsere, der ønsker at lære mere, kan besøge ASML Silicon Valley

https://youtu.be/l_DXCi0vNwI