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

Yi Zou beheert de data science product engineering teams bij ASML Silicon Valley. ASML ontwikkelt geavanceerde software- en metrologieoplossingen, waarmee de toenemende complexiteit van kleinere knooppunten wordt aangepakt.

Wat was het dat je interesseerde om techniek te gaan studeren?

Als kind was ik altijd erg nieuwsgierig en geïnteresseerd om te begrijpen hoe dingen werken. Hierdoor raakte ik op de middelbare school aangetrokken tot vakken als natuurwetenschappen, maar al snel besefte ik dat ingenieurs de mensen waren die oplossingen ontwierpen en bouwden om echte problemen aan te pakken en een positieve impact op onze wereld te hebben.

Op de universiteit waardeerde ik ook hoe technische graden gericht waren op het ontwikkelen van andere belangrijke vaardigheden, naast de basisprincipes van natuurkunde en wiskunde, die op de arbeidsmarkt in hoge mate overdraagbaar zijn naar veel verschillende carrières. Ingenieurs verwerven een sterk analytisch denkvermogen en kritische probleemoplossende vaardigheden, evenals het vermogen om over te schakelen van denken over het grote geheel naar een detailgerichte benadering die nodig is om ideeën tot leven te brengen - van creatief concept tot systeemontwerp tot eindproduct.

Kun je met ons delen hoe je Sr. Director of Engineering bij ASML bent geworden?

In 2014 kwam ik bij ASML van 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 prototypen van lithografische technieken die worden gebruikt om het fabricageproces van chips te verbeteren, zoals verbeterde patroonresolutie.

In dezelfde periode heb ik een technisch team opgebouwd dat gespecialiseerd was in machinaal leren. We hebben de haalbaarheid aangetoond van het toepassen van deep learning op verschillende kritische toepassingen, wat heeft geleid tot de ontwikkeling van een nieuwe productfamilie. Ik leidde ook een nauwe samenwerking met een toonaangevend chipproductiebedrijf om datawetenschapstoepassingen te onderzoeken binnen grootschalige productiefabrieken (fabrieken waar chips worden gemaakt). Dit leidde tot de creatie van verschillende nieuwe mogelijkheden voor toegevoegde waarde voor ASML. Sinds mijn laatste promotie in 2019 blijf ik data science-technieken uitbreiden naar onze bredere klantenmarkt.

ASML is een innovatieleider in de halfgeleiderindustrie, omdat ze chipmakers alles bieden wat ze nodig hebben – hardware, software en diensten – om massaal patronen op silicium te produceren door middel van lithografie. Kun je snel samenvatten wat lithografie is met betrekking tot het ontwerpen van computerchips?

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

Licht wordt geprojecteerd op een blauwdruk van het patroon (bekend als een 'dradenkruis' of 'masker') dat zal worden afgedrukt. Optica focust het patroon op de siliciumwafel, die eerder is gecoat met een lichtgevoelige chemische stof. Wanneer de onbelichte delen worden weggeëtst, ontstaat een driedimensionaal patroon. Het proces herhaalt zich keer op keer in dat step-and-scan systeem, dat parallel meet en belicht.

Die chips vormen wat neerkomt op een 'stad' met meerdere verdiepingen van circuits met miljarden kleine verbindingen op flinterdunne lagen. Samen vormen deze structuren een geïntegreerde schakeling of chip. Hoe meer structuren chipmakers op een chip kunnen proppen, hoe sneller en krachtiger deze is.

ASML heeft twee hoofdtypen lithografiesystemen. Kunt u om te beginnen uitleggen wat het EUV-lithografiesysteem is?

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

Een EUV-lithografiesysteem heeft een grote hoogvacuümkamer waarin het licht ver genoeg kan reizen om op de wafer te landen. Het licht wordt geleid door een reeks ultrareflecterende spiegels. Een EUV-systeem maakt gebruik van een hoogenergetische laser die vuurt op een microscopisch kleine druppel gesmolten tin (die 50,000 keer per seconde reist) en verandert deze in plasma, waarbij EUV-licht wordt uitgezonden, dat vervolgens wordt gefocusseerd tot een straal.

Kunt u uitleggen hoe het DUV-lithografiesysteem verschilt van het EUV-lithografiesysteem?

Ons DUV-lithografiesysteem is het werkpaard van de industrie dat wordt gebruikt om een ​​breed scala aan halfgeleiderknooppunten en -technologieën te vervaardigen. EUV wordt naast DUV-systemen gebruikt op de meest geavanceerde knooppunten en kritieke lagen om betaalbare schaalvergroting te stimuleren.

Een van de echt indrukwekkende aspecten van ASML is hoe het bedrijf oude systemen zoals de 'klassieke' PAS 5500 en TWINSCAN lithografiesystemen opknapt. Waarvoor worden ze momenteel opgeknapt?

Zowel de Wet van Moore als More than Moore stimuleren de vraag naar onze kosteneffectieve oplossingen, waardoor de verkoop van zowel nieuw gebouwde TWINSCAN immersie- en droge systemen als gereviseerde PAS 5500- en TWINSCAN-steppers en -scanners wordt gestimuleerd.

Wat is de huidige nanometergolflengte waarmee ASML kan werken?

ASML's meest geavanceerde EUV-lithografiesystemen leveren EUV-licht met een golflengte van 13.5 nm.

De wet van Moore is nu al tientallen jaren consistent. Gelooft u dat de wet van Moore bijna ten einde is of dat hij verder kan worden uitgerekt?

Het uitbreiden van de wet van Moore wordt steeds moeilijker en kostbaarder, maar het is niet dood. We zijn niet zo dicht bij de fundamentele grenzen van de natuurkunde als sommigen ons willen doen geloven. Chipontwerpen van de volgende generatie omvatten meer exotische materialen, nieuwe verpakkingstechnologieën en complexere 3D-ontwerpen. Deze nieuwe ontwerpen zullen de volgende grote innovatiegolven mogelijk maken, zoals geavanceerde kunstmatige intelligentie en snelle connectiviteit met 5G, en consumentenproducten genereren die we nog niet eens hebben bedacht.

Ik werk persoonlijk binnen de Applications-business van ASML, gericht op het ontwikkelen van softwareoplossingen om de prestatiemogelijkheden van onze hardware uit te breiden, die door chipmakers wordt gebruikt om steeds kleinere patronen op silicium massaal te produceren. Het zou voor onze lithografiesystemen onmogelijk zijn om chips in steeds kleinere afmetingen te vervaardigen zonder de software die we ontwikkelen.

Ons team van ingenieurs werkt voortdurend aan het begrijpen en modelleren van de fysieke effecten die het patroonvormingsproces beïnvloeden, zodat we kunnen voorspellen hoe een ontwerppatroon op een siliciumwafel zal worden afgedrukt en de vorm kunnen optimaliseren om het gewenste beeld te genereren.

Dit is een iteratief, rekenintensief proces dat het efficiënte en nauwkeurige gebruik van een grootschalige, gedistribueerde high-performance computerarchitectuur vereist. De geavanceerde chips van vandaag hebben miljarden transistors, wat betekent dat we de weergave van miljarden patronen moeten simuleren en optimaliseren. Om dit binnen 24 uur met extreme nauwkeurigheid te bereiken, moeten we slimme manieren vinden om de prestaties van het model te blijven verbeteren, in termen van nauwkeurigheid en looptijd.

Naarmate deze chiplay-outs complexer worden om de wet van Moore uit te breiden, kan machine learning een belangrijk onderdeel van het simulatie- en fabricageproces drastisch versnellen. Binnen de teams van ASML Silicon Valley onderzoeken datawetenschappers hoe ze een nieuw neuraal netwerk kunnen ontwerpen om complexe fysica te helpen begrijpen die onbekend is bij fysieke modellen en vervolgens het neurale netwerk gebruiken om de fysieke modelleringsbenadering te verbeteren.

De methodologie die wordt gebruikt om rigoureuze fysieke modellen en machine learning-modellen te ontwikkelen, lijkt sterk op elkaar. Beide hebben veel experimentele resultaten en gegevens nodig om de voorspelling vorm te geven, maar machine learning bespaart veel tijd en moeite en verbetert de nauwkeurigheid. Het biedt ook de mogelijkheid om de grote hoeveelheden gegevens die in een productieomgeving worden gegenereerd, vollediger te benutten om de procesbeheersing te verbeteren.

Dit is slechts één voorbeeld om het bredere thema in onze branche te illustreren: zolang er technologen zijn die belast zijn met de missie om de wet van Moore uit te breiden, zullen nieuwe innovatieve oplossingen het schaalprobleem via veel verschillende creatieve wegen aanpakken.

Is er nog iets dat je zou willen delen over ASML?

In Silicon Valley heeft ASML een zeer gespecialiseerde softwarekrachtpatser in dienst die zich toelegt op het uitbreiden van de wet van Moore door gebruik te maken van haar unieke expertise op het gebied van fysieke modellering en numerieke algoritmen.

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

• Maak gebruik van steeds groter wordende rekenkracht om onze machine learning-toepassingen verder te ontwikkelen, gericht op het simuleren van het lithografieproces om de wet van Moore uit te breiden,
• Onze computationele en metrologische competenties integreren om de modelnauwkeurigheid verder te verbeteren, en om grote hoeveelheden hoogwaardige beeldgegevens te genereren en beter te gebruiken om de technologie voor patroonoptimalisatie te verbeteren, en
• Ondersteun en breid onze computeroplossingen uit voor de volgende generatie EUV-lithografie-roadmap om de voortzetting van de wet van Moore te ondersteunen.

Hoewel dit verschillende productroadmaps zijn, is elk parallel pad cruciaal om de agressieve schaalinspanningen van de chipmaker voort te zetten. En machine learning is een ondersteunende technologie die in elk pad wordt gebruikt. Onze innovaties stuwen niet alleen een hele consumententechnologie-industrie vooruit, maar stimuleren ook verdere innovatie binnen onze eigen producten naarmate we steeds meer rekenkracht krijgen.

Bedankt voor het beantwoorden van al onze vragen. Lezers die meer willen weten, moeten een bezoek brengen aan ASML Silicon Valley