mozzicone Yi Zou, Senior Director of Engineering, ASML Silicon Valley - Serie di interviste - Unite.AI
Seguici sui social

interviste

Yi Zou, Senior Director of Engineering, ASML Silicon Valley – Serie di interviste

mm
aggiornato on

Yi Zou gestisce i team di ingegneria dei prodotti di data science presso ASML Silicon Valley. ASML sviluppa sofisticate soluzioni software e metrologiche, affrontando le crescenti complessità incontrate nei nodi più piccoli.

Cosa ti interessava dedicarti all'ingegneria?

Da bambino sono sempre stato molto curioso e interessato a capire come funzionano le cose. Questo mi ha portato a gravitare su materie come la scienza al liceo, ma ho capito subito che gli ingegneri erano le persone che progettavano e costruivano soluzioni per affrontare problemi reali e avere un impatto positivo sul nostro mondo.

Al college, ho anche apprezzato il modo in cui le lauree in ingegneria si sono concentrate sullo sviluppo di altre importanti competenze, oltre ai fondamenti di fisica e matematica, che sono altamente trasferibili nel mercato del lavoro a molte carriere diverse. Gli ingegneri acquisiscono un forte pensiero analitico e capacità di risoluzione dei problemi critici, nonché la capacità di passare dal pensiero generale a un approccio orientato ai dettagli necessario per dare vita alle idee, dal concetto creativo alla progettazione del sistema fino al prodotto finale.

 

Puoi condividere con noi il tuo percorso di come sei diventato Sr. Director of Engineering presso ASML?

Nel 2014 sono entrato in ASML da GlobalFoundries, un'azienda americana di semiconduttori che progetta e fabbrica chip di silicio. In qualità di membro del team di sviluppo tecnologico avanzato presso ASML Silicon Valley, ho guidato diversi progetti di ricerca incentrati sulla valutazione e la prototipazione di tecniche di litografia utilizzate per migliorare il processo di produzione dei chip, come una migliore risoluzione del modello.

Nello stesso periodo, ho creato un team tecnico specializzato nell'apprendimento automatico. Abbiamo dimostrato la fattibilità dell'applicazione del deep learning a diverse applicazioni critiche, che hanno portato allo sviluppo di una nuova famiglia di prodotti. Ho anche condotto una stretta collaborazione con un'azienda leader nella produzione di chip per esplorare le applicazioni della scienza dei dati all'interno di fab di produzione ad alto volume (fabbriche in cui vengono prodotti i chip). Ciò ha portato alla creazione di diverse nuove opportunità a valore aggiunto per ASML. Dalla mia ultima promozione nel 2019, continuo ad espandere le tecniche di data science al nostro mercato clienti più ampio.

 

ASML è un leader nell'innovazione nel settore dei semiconduttori, poiché fornisce ai produttori di chip tutto ciò di cui hanno bisogno - hardware, software e servizi - per produrre in serie modelli su silicio attraverso la litografia. Puoi riassumere rapidamente cos'è la litografia in riferimento alla progettazione di chip per computer?

Il lavoro svolto da ASML è un ingrediente chiave per rendere i chip più potenti, più economici, più efficienti dal punto di vista energetico e più diffusi. Inizia con il nostro sistema di litografia, che essenzialmente è un sistema di proiezione, che utilizza la luce ultravioletta per creare miliardi di minuscole strutture su sottili fette di silicio.

La luce viene proiettata su un progetto del motivo (noto come "reticolo" o "maschera") che verrà stampato. L'ottica focalizza il modello sul wafer di silicio, che è stato precedentemente rivestito con una sostanza chimica sensibile alla luce. Quando le parti non esposte vengono incise via, viene rivelato un modello tridimensionale. Il processo viene ripetuto più e più volte in quel sistema step-and-scan, che misura ed espone in parallelo.

Quei chip formano quella che equivale a una "città" a più piani di circuiti con miliardi di minuscole connessioni su strati sottilissimi. Insieme, queste strutture costituiscono un circuito integrato, o chip. Più strutture i produttori di chip possono stipare su un chip, più veloce e potente è.

 

ASML ha due tipi principali di sistemi di litografia. Per iniziare potresti spiegare cos'è il sistema di litografia EUV?

EUV rappresenta il più grande passo nel progresso della litografia dall'inizio. La cosa complicata con la luce EUV è che viene assorbita da tutto, anche dall'aria. È anche notoriamente difficile da generare.

Un sistema di litografia EUV ha una grande camera ad alto vuoto in cui la luce può viaggiare abbastanza lontano da atterrare sul wafer. La luce è guidata da una serie di specchi ultra riflettenti. Un sistema EUV utilizza un laser ad alta energia che spara su una microscopica gocciolina di stagno fuso (che viaggia 50,000 volte al secondo) e la trasforma in plasma, emettendo luce EUV, che viene poi focalizzata in un raggio.

 

Puoi spiegare in che modo il sistema di litografia DUV differisce dal sistema di litografia EUV?

Il nostro sistema di litografia DUV è il cavallo di battaglia del settore utilizzato per produrre un'ampia gamma di nodi e tecnologie per semiconduttori. EUV viene utilizzato insieme ai sistemi DUV nei nodi più avanzati e nei livelli critici per favorire una scalabilità conveniente.

 

Uno degli aspetti davvero impressionanti di ASML è il modo in cui l'azienda rinnova i vecchi sistemi come i "classici" sistemi di litografia PAS 5500 e TWINSCAN. Per cosa sono attualmente in fase di ristrutturazione?

Sia Moore's Law che More than Moore alimentano la domanda per le nostre soluzioni convenienti, spingendo le vendite sia dei nuovi sistemi TWINSCAN ad immersione che a secco, nonché degli scanner e degli scanner passo-passo PAS 5500 e TWINSCAN rinnovati.

 

Qual è l'attuale lunghezza d'onda nanometrica con cui ASML può lavorare?

I sistemi di litografia EUV più avanzati di ASML forniscono una lunghezza d'onda di 13.5 nm di luce EUV.

 

La legge di Moore è stata coerente per diversi decenni ormai, credi che la legge di Moore sia prossima alla fine o che possa essere ulteriormente estesa?

L'estensione della legge di Moore sta diventando sempre più difficile e costosa, ma non è morta. Non siamo così vicini ai limiti fondamentali della fisica come alcuni vorrebbero farci credere. I progetti di chip di prossima generazione includeranno materiali più esotici, nuove tecnologie di packaging e progetti 3D più complessi. Questi nuovi progetti consentiranno le prossime grandi ondate di innovazione, come l'intelligenza artificiale avanzata e la connettività veloce con il 5G, oltre a generare prodotti di consumo che non abbiamo ancora concepito.

Lavoro personalmente all'interno del business Applications di ASML focalizzato sullo sviluppo di soluzioni software per estendere le capacità prestazionali del nostro hardware, che viene utilizzato dai produttori di chip per produrre in serie modelli sempre più piccoli su silicio. Sarebbe impossibile per i nostri sistemi di litografia produrre chip di dimensioni sempre più ridotte senza il software che sviluppiamo.

Il nostro team di ingegneri lavora costantemente per comprendere e modellare gli effetti fisici che influenzano il processo di modellazione, in modo da poter prevedere come un modello di progettazione verrà stampato su un wafer di silicio e ottimizzarne la forma per generare l'immagine desiderata.

Si tratta di un processo iterativo e computazionalmente intensivo che richiede l'utilizzo efficiente e accurato di un'architettura di elaborazione ad alte prestazioni distribuita su larga scala. I chip avanzati di oggi hanno miliardi di transistor, il che significa che dobbiamo simulare e ottimizzare l'imaging di miliardi di modelli. Per raggiungere questo obiettivo con estrema precisione entro 24 ore, dobbiamo trovare modi intelligenti per continuare a migliorare le prestazioni del modello, in termini di precisione e tempo di esecuzione.

Man mano che questi layout di chip diventano più complessi per estendere la legge di Moore, l'apprendimento automatico può accelerare notevolmente una parte fondamentale del processo di simulazione e produzione. All'interno dei team di ASML Silicon Valley, i data scientist stanno studiando come progettare una nuova rete neurale per aiutare a comprendere la fisica complessa sconosciuta al modello fisico e quindi utilizzare la rete neurale per aumentare l'approccio di modellazione fisica.

La metodologia utilizzata per sviluppare modelli fisici rigorosi e modelli di apprendimento automatico sono molto simili. Entrambi hanno bisogno di molti risultati e dati sperimentali per modellare la previsione, ma l'apprendimento automatico consente di risparmiare molto tempo e fatica, migliorando al contempo la precisione. Offre inoltre l'opportunità di utilizzare in modo più completo le grandi quantità di dati generati in un ambiente di produzione per migliorare il controllo del processo.

Questo è solo un esempio per illustrare il tema più ampio in tutto il nostro settore: finché ci saranno tecnologi incaricati della missione di estendere la Legge di Moore, nuove soluzioni innovative affronteranno il problema del ridimensionamento attraverso molte diverse strade creative.

 

C'è qualcos'altro che vorresti condividere su ASML?

Nella Silicon Valley, ASML impiega una centrale di software altamente specializzata dedicata all'estensione della legge di Moore attingendo alla sua esperienza unica nella modellazione fisica e negli algoritmi numerici.

Questo ci consente di concentrarci su diversi imperativi chiave per l'azienda, tra cui:

  • Sfrutta la potenza di calcolo in continua crescita per far progredire ulteriormente le nostre applicazioni di apprendimento automatico incentrate sulla simulazione del processo di litografia per estendere la legge di Moore,
  • Integrare le nostre competenze computazionali e metrologiche per migliorare ulteriormente la precisione del modello, nonché generare e utilizzare al meglio grandi quantità di dati di immagini di alta qualità per migliorare la tecnologia di ottimizzazione dei modelli e
  • Supporta ed estendi le nostre soluzioni computazionali per la roadmap della litografia EUV di prossima generazione per supportare la continuazione della legge di Moore.

Sebbene si tratti di roadmap di prodotti diversi, ogni percorso parallelo è fondamentale per mantenere ulteriormente gli sforzi di scalabilità aggressivi del produttore di chip. E l'apprendimento automatico è una tecnologia abilitante utilizzata in ogni percorso. Le nostre innovazioni non solo promuovono un intero settore della tecnologia di consumo, ma promuovono anche un'ulteriore innovazione all'interno dei nostri prodotti man mano che otteniamo una potenza di calcolo sempre maggiore.

Grazie per aver risposto a tutte le nostre domande. I lettori che desiderano saperne di più dovrebbero visitare a ASML Silicon Valley

Socio fondatore di unite.AI e membro di Consiglio tecnologico di Forbes, Antonio è un futurista che è appassionato del futuro dell'intelligenza artificiale e della robotica.

È anche il Fondatore di Titoli.io, un sito web che si concentra sugli investimenti in tecnologie dirompenti.