访谈
周毅，工程高级总监，ASML 硅谷 – 采访系列
周毅负责管理ASML硅谷的数据科学产品工程团队。ASML硅谷开发了复杂的软件和测量解决方案，以应对越来越小的节点所带来的日益复杂的挑战。
是什么让你对工程产生了兴趣?
在我还是个孩子的时候，我总是很好奇，想知道事物是如何工作的。这让我在高中时期倾向于学习科学，但很快意识到工程师们是设计和建造解决方案来解决现实问题和对世界产生积极影响的人。
在大学里，我也欣赏工程学位如何注重培养其他重要的技能，这些技能不仅仅是物理和数学的基础，而且在职场上具有很高的转移价值。工程师们获得了强大的分析思维和批判性问题解决能力，以及从大局思考到详细思考的能力，这是将想法变为现实所必需的——从创意概念到系统设计到最终产品。
可以分享一下你成为ASML工程高级总监的经历吗?
2014年，我从GlobalFoundries加入ASML，GlobalFoundries是一家美国的半导体公司，设计和制造硅芯片。在ASML硅谷的高级技术开发团队中，我领导了几项研究项目，专注于评估和原型化用于改进芯片制造工艺的光刻技术，例如提高图案分辨率。
在同一时期，我建立了一个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几个关键应用的可行性，这导致了一个新产品家族的发展。我还与一家领先的芯片制造公司密切合作，探索高体积制造工厂（芯片制造工厂）中的数据科学应用。这导致了为ASML创造了几个新的增值机会。自2019年我的最新晋升以来，我继续扩大数据科学技术以适应我们的更广泛的客户市场。
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大规模生产硅片上的图案所需的一切——硬件、软件和服务——通过光刻。可以简要总结一下光刻在设计计算机芯片方面的作用吗?
ASML所做的工作是使芯片更强大、更便宜、更节能和更普遍的关键因素。它从我们的光刻系统开始，基本上是一个投影系统，使用紫外线光在薄硅片上创建数十亿个微小结构。
光线被投射到图案的蓝图（称为“模板”或“掩模”）上，该图案将被打印。光学将图案聚焦到硅片上，硅片之前已被涂上对光敏化学物质。当未暴露的部分被蚀刻掉时，一个三维图案被揭示。该过程被重复，测量和曝光在步骤和扫描系统中并行进行。
这些芯片形成了一个多层“城市”电路，具有数十亿个微小连接，分布在晶圆薄层上。这些结构共同组成了一个集成电路或芯片。芯片制造商可以在芯片上塞入的结构越多，芯片就越快、越强大。
ASML有两种主要类型的光刻系统。首先，可以解释一下EUV光刻系统是什么吗?
EUV代表了光刻技术的最大进步。EUV光的棘手之处在于它被一切物质吸收，甚至包括空气。它也非常难以产生。
EUV光刻系统具有一个大型高真空室，光线可以在其中行进足够远的距离以落在晶圆上。光线由一系列超反射镜引导。EUV系统使用高能量激光，激光以每秒50,000次的速度击中一滴微小的熔化锡，并将其转化为等离子体，发出EUV光，然后聚焦成一束光。
可以解释一下DUV光刻系统与EUV光刻系统的区别吗?
我们的DUV光刻系统是行业的主力，它们被用于制造广泛的半导体节点和技术。EUV用于DUV系统旁边的最先进的节点和关键层，以推动经济的扩展。
ASML的一个令人印象深刻的方面是，该公司如何翻新旧系统，例如“经典”的PAS 5500和TWINSCAN光刻系统。它们目前被翻新用于什么目的?
摩尔定律和摩尔定律以外的因素都推动了我们成本有效的解决方案的需求，推动了新建的TWINSCAN浸润和干燥系统，以及翻新的PAS 5500和TWINSCAN步进器和扫描仪的销售。
ASML目前可以处理的纳米波长是多少?
ASML最先进的EUV光刻系统可以提供13.5纳米的EUV光波长。
摩尔定律已经连续多个十年保持一致，你相信摩尔定律即将结束，还是可以进一步延伸?
延伸摩尔定律变得越来越困难和昂贵，但它并没有结束。我们并不像有些人所认为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异的材料、新包装技术和更复杂的3D设计。这些新设计将使下一个大浪潮的创新成为可能，例如先进的人工智能和5G的快速连接，以及我们尚未想象的消费品。
我个人在ASML的应用业务中工作，专注于开发软件解决方案，以扩展我们硬件的性能能力，这些硬件被芯片制造商用来大规模生产越来越小的硅片上的图案。没有我们开发的软件，根本不可能用我们的光刻系统制造出越来越小的尺寸的芯片。
我们的工程师团队不断努力了解和建模影响图案化过程的物理效应，以便我们可以预测设计图案将如何被打印到硅片上，并优化其形状以生成我们想要的图像。
这是一个迭代的、计算密集的过程，需要利用大规模分布式高性能计算架构的高效和准确利用。如今的先进芯片具有数十亿个晶体管，这意味着我们必须在24小时内模拟和优化数十亿个图案的成像。为了实现这一点，我们必须找到巧妙的方法来继续提高模型的性能，包括准确性和运行时间。
随着芯片布局变得更加复杂以扩展摩尔定律，机器学习可以显著加快模拟和制造过程中的一个关键部分。在ASML硅谷的团队中，数据科学家正在研究如何设计一个新的神经网络，以帮助理解复杂的物理学，这些物理学是物理模型中未知的，然后使用神经网络来增强物理建模方法。
开发严格的物理模型和机器学习模型所使用的方法论非常相似。两者都需要大量的实验结果和数据来塑造预测，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，利用制造环境中产生的大量数据来增强工艺控制。
这是我们整个行业中更广泛主题的一个例子：只要有技术人员被委托以延伸摩尔定律的使命，新的创新解决方案将通过许多不同的创造性途径来解决扩展问题。
您是否还有其他关于ASML的信息想要分享?
在硅谷，ASML拥有一个高度专门化的软件力量，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延伸摩尔定律。
这使我们能够专注于公司的几个关键任务，包括：
- 利用日益增长的计算能力进一步推进我们专注于模拟光刻工艺以延伸摩尔定律的机器学习应用，
- 集成我们的计算和测量能力，以进一步提高模型准确性，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，和
- 支持和扩展我们的计算解决方案，以支持下一代EUV光刻技术路线图，以支持摩尔定律的延续。
虽然这些是不同的产品路线图，但每条平行路径对于进一步维持芯片制造商的激进扩展努力都是至关重要的。机器学习是每条路径中使用的启用技术。我们的创新不仅推动整个消费技术行业的发展，也推动我们自己的产品创新，因为我们获得了越来越多的计算能力。
感谢您回答了所有我们的问题。希望了解更多的读者可以访问ASML硅谷
