面试
邹毅，ASML 硅谷高级工程总监 – 访谈系列
Yi Zou 管理数据科学产品工程团队 阿斯麦硅谷。 ASML 开发复杂的软件和计量解决方案，解决较小节点遇到的日益复杂的问题。
是什么让您对从事工程学感兴趣？
当我还是个孩子的时候，我总是对了解事物的运作方式充满好奇和兴趣。 这让我在高中时被科学等学科所吸引，但很快意识到工程师是设计和构建解决方案来解决实际问题并对我们的世界产生积极影响的人。
在大学里，我还欣赏工程学位如何专注于发展物理和数学基础知识之外的其他重要技能，这些技能在就业市场上可以高度转移到许多不同的职业。 工程师获得强大的分析思维和解决关键问题的能力，以及从大局思维转变为将想法变为现实所需的注重细节的方法的能力——从创意概念到系统设计再到最终产品。
您能与我们分享一下您成为 ASML 高级工程总监的历程吗？
2014年，我从GlobalFoundries加入ASML，GlobalFoundries是一家设计和制造硅芯片的美国半导体公司。 作为 ASML 硅谷先进技术开发团队的成员，我领导了多个研究项目，重点是评估和原型设计用于改进芯片制造工艺的光刻技术，例如提高图案分辨率。
同一时期，我组建了一支专门从事机器学习的技术团队。我们展示了将深度学习应用于多个关键应用的可行性，从而开发了新产品系列。我还与一家领先的芯片制造公司密切合作，探索大批量制造工厂（制造芯片的工厂）内的数据科学应用。这为 ASML 创造了多个新的增值机会。自 2019 年最新晋升以来，我继续将数据科学技术扩展到更广泛的客户市场。
ASML 是半导体行业的创新领导者，因为他们为芯片制造商提供了通过光刻在硅上批量生产图案所需的一切——硬件、软件和服务。 您能快速总结一下光刻在设计计算机芯片方面的意义吗?
ASML 所做的工作是让芯片变得更强大、更便宜、更节能和更普及的关键因素。 首先是我们的光刻系统，它本质上是一个投影系统，它使用紫外线在硅薄片上创建数十亿个微小结构。
光被投射到将要打印的图案蓝图（称为“标线”或“掩模”）上。 光学器件将图案聚焦到硅片上，硅片先前已涂有光敏化学品。 当未曝光的部分被蚀刻掉时，就会显露出三维图案。 该过程在步进扫描系统中一次又一次重复，并行测量和曝光。
这些芯片构成了一座多层电路“城市”，在极薄的层上有数十亿个微小连接。 这些结构共同构成了集成电路或芯片。 芯片制造商在芯片上塞入的结构越多，它的速度就越快、功能就越强大。
ASML 有两种主要类型的光刻系统。 首先您能解释一下 EUV 光刻系统是什么吗？
EUV 代表了光刻技术自诞生以来所迈出的最大一步。 EUV 光的棘手之处在于它会被一切物质吸收，甚至是空气。 众所周知，它也很难生成。
EUV 光刻系统具有大型高真空室，光线可以在其中传播足够远以落在晶圆上。 光线由一系列超反射镜引导。 EUV 系统使用高能激光发射微小的熔融锡滴（每秒传播 50,000 次）并将其转变为等离子体，发射 EUV 光，然后聚焦成光束。
您能解释一下 DUV 光刻系统与 EUV 光刻系统有何不同吗？
我们的 DUV 光刻系统是业界的主力，用于制造各种半导体节点和技术。 EUV 与 DUV 系统一起在最先进的节点和关键层使用，以推动经济实惠的扩展。
ASML 真正令人印象深刻的方面之一是该公司如何翻新旧系统，例如“经典”PAS 5500 和 TWINSCAN 光刻系统。 他们目前正在翻新做什么？
摩尔定律和超越摩尔定律都推动了对我们经济高效的解决方案的需求，推动了新建 TWINSCAN 浸没式和干式系统以及翻新 PAS 5500 和 TWINSCAN 步进器和扫描仪的销售。
ASML 目前可以使用的纳米波长是多少？
ASML 最先进的 EUV 光刻系统可提供 13.5 nm 波长的 EUV 光。
摩尔定律已经持续了数十年，您认为摩尔定律已经接近终点还是可以进一步延伸？
扩展摩尔定律变得越来越困难和昂贵，但它并没有消亡。 我们并不像某些人所相信的那样接近物理学的基本极限。 下一代芯片设计将包括更奇特的材料、新的封装技术和更复杂的 3D 设计。 这些新设计将推动下一波创新浪潮，例如先进的人工智能和 5G 的快速连接，并产生我们尚未构想的消费产品。
我个人在 ASML 的应用业务部门工作，专注于开发软件解决方案以扩展我们硬件的性能，芯片制造商使用硬件在硅上大规模生产更小的图案。 如果没有我们开发的软件，我们的光刻系统就不可能制造尺寸越来越小的芯片。
我们的工程师团队不断致力于理解和模拟影响图案化过程的物理效应，因此我们可以预测如何将设计图案打印到硅晶圆上并优化其形状以生成我们想要的图像。
这是一个迭代、计算密集的过程，需要高效、准确地利用大规模、分布式高性能计算架构。 当今的先进芯片拥有数十亿个晶体管，这意味着我们必须模拟和优化数十亿个图案的成像。 为了在 24 小时内以极高的精度实现这一目标，我们必须找到巧妙的方法来继续提高模型在精度和运行时方面的性能。
随着这些芯片布局变得更加复杂以扩展摩尔定律，机器学习可以极大地加快模拟和制造过程的关键部分。 在 ASML 硅谷的团队中，数据科学家正在研究如何设计新的神经网络来帮助理解物理模型未知的复杂物理，然后使用神经网络来增强物理建模方法。
用于开发严格的物理模型和机器学习模型的方法非常相似。 两者都需要大量的实验结果和数据来形成预测，但机器学习可以节省大量时间和精力，同时提高准确性。 它还提供了一个机会，可以更充分地利用制造环境中生成的大量数据来增强过程控制。
这只是说明整个行业更广泛主题的一个例子：只要有技术人员肩负着扩展摩尔定律的使命，新的创新解决方案就将通过许多不同的创意途径解决扩展问题。
关于 ASML 您还有什么想分享的吗？
在硅谷，ASML 采用了高度专业化的软件巨头，致力于通过利用其在物理建模和数值算法方面的独特专业知识来扩展摩尔定律。
这使我们能够专注于公司的几个关键任务，包括：
- 利用不断增长的计算能力进一步推进我们的机器学习应用程序，重点是模拟光刻过程以扩展摩尔定律，
- 整合我们的计算和计量能力，进一步提高模型精度，以及生成和更好地利用大量高质量图像数据来改进图案优化技术，以及
- 支持并扩展我们的下一代 EUV 光刻路线图的计算解决方案，以支持摩尔定律的延续。
虽然这些是不同的产品路线图，但每条并行路径对于进一步维持芯片制造商积极的扩展努力都至关重要。 机器学习是每个路径中使用的使能技术。 我们的创新不仅推动了整个消费技术行业的发展，而且随着我们获得不断增强的计算能力，也推动了我们自己产品的进一步创新。
感谢您回答我们所有的问题。 想要了解更多信息的读者可以访问 阿斯麦硅谷
