Yi Zou, Senior Director of Engineering, ASML Silicon Valley – Interview Series

Yi Zou beheert de data science product engineering teams bij ASML Silicon Valley. ASML ontwikkelt geavanceerde software en metrologie-oplossingen om de toenemende complexiteit aan te pakken bij kleinere nodes.

Wat was het dat je interesseerde om ingenieur te worden?

Als kind was ik altijd heel nieuwsgierig en geïnteresseerd in het begrijpen van hoe dingen werken. Dit leidde ertoe dat ik me richtte op vakken als natuurkunde op de middelbare school, maar al snel besefte dat ingenieurs de mensen waren die oplossingen ontwierpen en bouwden om echte problemen aan te pakken en een positieve impact te hebben op onze wereld.

Op de universiteit waardeerde ik ook hoe ingenieursdiploma’s zich richtten op het ontwikkelen van andere belangrijke vaardigheden, buiten de fundamenten van natuurkunde en wiskunde, die zeer overdraagbaar zijn op de arbeidsmarkt naar veel verschillende carrières. Ingenieurs verwerven sterke analytische denkvaardigheden en kritische probleemoplossende vaardigheden, evenals de mogelijkheid om over te schakelen van grote beeld-denken naar een detailgerichte aanpak die nodig is om ideeën tot leven te brengen – van creatief concept tot systeemontwerp tot eindproduct.

Kunt u ons vertellen over uw reis om Senior Director of Engineering bij ASML te worden?

In 2014 trad ik toe tot ASML vanuit GlobalFoundries, een Amerikaans halfgeleiderbedrijf dat siliciumchips ontwerpt en fabriceert. Als lid van het Advanced Technology Development-team bij ASML Silicon Valley leidde ik verschillende onderzoeksprojecten gericht op het evalueren en prototyperen van lithografietechnieken om het productieproces van chips te verbeteren, zoals verbeterde patroonresolutie.

Gedurende dezelfde periode bouwde ik een technisch team dat zich specialiseerde in machine learning. We demonstreerden de haalbaarheid van het toepassen van deep learning op verschillende kritieke toepassingen, wat leidde tot de ontwikkeling van een nieuwe productfamilie. Ik leidde ook een nauwe samenwerking met een toonaangevend chipbedrijf om data science-toepassingen te onderzoeken binnen high-volume manufacturing fabs (fabrieken waar chips worden gemaakt). Dit leidde tot de creatie van verschillende nieuwe kansen voor ASML. Sinds mijn laatste promotie in 2019 ga ik door met het uitbreiden van data science-technieken naar onze bredere klantenmarkt.

ASML is een innovatieleider in de halfgeleiderindustrie, aangezien ze chipfabrikanten alles bieden wat ze nodig hebben – hardware, software en diensten – om patronen massaal te produceren op silicium via lithografie. Kunt u snel samenvatten wat lithografie is in relatie tot het ontwerpen van computerchips?

Het werk dat ASML doet is een belangrijk ingrediënt om chips krachtiger, goedkoper, energie-efficiënter en alomtegenwoordiger te maken. Het begint met ons lithografiesysteem, dat eigenlijk een projectiesysteem is, dat ultraviolet licht gebruikt om miljarden kleine structuren te creëren op dunne plakjes silicium.

Licht wordt geprojecteerd op een blauwdruk van het patroon (bekend als een ‘reticle’ of ‘mask’) dat zal worden afgedrukt. Optica focussen het patroon op het siliciumwafer, dat eerder is behandeld met een lichtgevoelige chemische stof. Wanneer de niet-blootgestelde delen worden weggeëtst, wordt een driedimensionaal patroon onthuld. Het proces wordt herhaald en herhaald in dat stap- en scansysteem, dat meten en blootstellen in parallel.

Die chips vormen wat een soort van meerlaags “stad” van circuits met miljarden kleine verbindingen op dunne lagen. Samen vormen deze structuren een geïntegreerde schakeling, of chip. Hoe meer structuren die chipfabrikanten op een chip kunnen proppen, hoe sneller en krachtiger het is.

ASML heeft twee belangrijkste soorten lithografiesystemen. Om te beginnen, kunt u ons vertellen wat het EUV-lithografiesysteem is?

EUV vertegenwoordigt de grootste stap in de lithografische vooruitgang sinds het begin. Het lastige aan EUV-licht is dat het wordt geabsorbeerd door alles, zelfs lucht. Het is ook berucht moeilijk om te genereren.

Een EUV-lithografiesysteem heeft een grote hoogvacuümkamer waarin het licht ver genoeg kan reizen om op het wafer te landen. Het licht wordt geleid door een reeks ultra-reflecterende spiegels. Een EUV-systeem gebruikt een hoogenergetische laser die vuurt op een microscopisch druppeltje gesmolten tin (dat 50.000 keer per seconde reist) en het omzet in plasma, waardoor EUV-licht wordt uitgestoten, dat vervolgens wordt gefocust in een bundel.

Kunt u ons vertellen hoe het DUV-lithografiesysteem verschilt van het EUV-lithografiesysteem?

Ons DUV-lithografiesysteem is de werkpaard van de industrie die wordt gebruikt om een breed scala aan halfgeleidernodes en -technologieën te produceren. EUV wordt gebruikt naast DUV-systemen bij de meest geavanceerde nodes en kritieke lagen om betaalbare schaling te stimuleren.

Een van de indrukwekkende aspecten van ASML is hoe het bedrijf oude systemen zoals de ‘klassieke’ PAS 5500 en TWINSCAN-lithografiesystemen renoveert. Waarvoor worden ze momenteel gerenoveerd?

Zowel de wet van Moore als More than Moore drijft de vraag naar onze kosteneffectieve oplossingen, waardoor er een hoge vraag ontstaat naar zowel nieuw gebouwde TWINSCAN-immersie- en droogsystemen als gerenoveerde PAS 5500 en TWINSCAN-steppers en scanners.

Wat is de huidige nanometergolflengte waar ASML mee kan werken?

ASML’s meest geavanceerde EUV-lithografiesystemen leveren 13,5 nm golflengte van EUV-licht.

De wet van Moore is al meerdere decennia consistent, gelooft u dat de wet van Moore bijna aan zijn einde is of dat deze verder kan worden uitgerekt?

Het uitbreiden van de wet van Moore wordt steeds moeilijker en duurder, maar het is niet dood. We zijn niet zo dicht bij de fundamentele grenzen van de fysica als sommigen ons willen doen geloven. Volgende-generatiechipontwerpen zullen meer exotische materialen, nieuwe verpakkingsTechnologieën en complexe 3D-ontwerpen omvatten. Deze nieuwe ontwerpen zullen de volgende grote golven van innovatie mogelijk maken, zoals geavanceerde kunstmatige intelligentie en snelle verbindingen met 5G, evenals consumentenproducten die we nog niet hebben bedacht.

Ik werk persoonlijk binnen ASML’s Applications-bedrijf, dat zich richt op het ontwikkelen van software-oplossingen om de prestaties van onze hardware te verbeteren, die wordt gebruikt door chipfabrikanten om patronen massaal te produceren op silicium. Het zou onmogelijk zijn voor onze lithografiesystemen om chips te produceren bij steeds kleinere afmetingen zonder de software die we ontwikkelen.

Ons team van ingenieurs werkt constant aan het begrijpen en modelleren van de fysieke effecten die de patronageproces beïnvloeden, zodat we kunnen voorspellen hoe een ontwerp-patroon zal worden afgedrukt op een siliciumwafer en de vorm ervan optimaliseren om het beeld te genereren dat we willen.

Dit is een iteratief, rekenintensief proces dat de efficiënte en nauwkeurige benutting van een grote schaal, gedistribueerde high-performance computing-architectuur vereist. De chips van vandaag hebben miljarden transistors, wat betekent dat we het beeld van miljarden patronen moeten simuleren en optimaliseren. Om dit te bereiken met extreme nauwkeurigheid binnen 24 uur, moeten we slimme manieren vinden om de prestaties van het model voortdurend te verbeteren, zowel in termen van nauwkeurigheid als runtime.

Aangezien deze chip-ontwerpen complexer worden om de wet van Moore uit te breiden, kan machine learning een cruciaal onderdeel van het simuleren en produceren van chips versnellen. Binnen de teams van ASML Silicon Valley onderzoeken data scientists hoe ze een nieuw neuronaal netwerk kunnen ontwerpen om complexe fysica te begrijpen die onbekend is bij fysieke modellen en vervolgens het neuronaal netwerk gebruiken om de fysieke modellering aan te vullen.

De methode die wordt gebruikt om rigoureuze fysieke modellen en machine learning-modellen te ontwikkelen, is zeer vergelijkbaar. Beide hebben veel experimentele resultaten en gegevens nodig om de voorspelling te vormen, maar machine learning bespaart veel tijd en moeite, terwijl de nauwkeurigheid wordt verbeterd. Het biedt ook een kans om de grote hoeveelheden gegevens die in een productieomgeving worden gegenereerd, te benutten om het proces te controleren.

Dit is slechts een voorbeeld om het bredere thema in onze industrie te illustreren: zolang er technici zijn die zijn aangesteld met de missie om de wet van Moore uit te breiden, zullen nieuwe innovatieve oplossingen het schalingsprobleem aanpakken via veel verschillende creatieve wegen.

Is er nog iets anders dat u over ASML zou willen delen?

In Silicon Valley heeft ASML een zeer gespecialiseerde softwarekracht die zich richt op het uitbreiden van de wet van Moore door gebruik te maken van zijn unieke expertise in fysieke modellering en numerieke algoritmen.

Dit stelt ons in staat om ons te concentreren op verschillende sleutelinitiatieven voor het bedrijf, waaronder:

• De groeiende rekenkracht te benutten om onze machine learning-toepassingen verder te ontwikkelen, gericht op het simuleren van het lithografische proces om de wet van Moore uit te breiden,
• Onze computationele en metrologie-competenties te integreren om de modelnauwkeurigheid verder te verbeteren, evenals om grote hoeveelheden hoge-kwaliteit beeldgegevens te genereren en te benutten om de technologie voor patroonoptimalisatie te verbeteren, en
• Onze computationele oplossingen voor de volgende-generatie EUV-lithografieroadmap te ondersteunen om de voortzetting van de wet van Moore te ondersteunen.

Hoewel dit verschillende productroadmaps zijn, is elke parallelle route cruciaal om de agressieve schalingsinspanningen van chipfabrikanten verder te ondersteunen. En machine learning is een ondersteunende technologie die in elke route wordt gebruikt. Onze innovaties drijven niet alleen een hele consumententechnologie-industrie vooruit, maar drijven ook verdere innovatie binnen onze eigen producten aan, aangezien we steeds meer rekenkracht krijgen.

Bedankt voor het beantwoorden van al onze vragen. Lezers die meer willen leren, moeten bezoeken ASML Silicon Valley

https://youtu.be/l_DXCi0vNwI