伊孜，ASML 硅谷高级工程总监 – 采访系列

伊孜（Yi Zou）管理着ASML硅谷的数据科学产品工程团队。ASML开发了复杂的软件和测量解决方案，以应对在较小节点上遇到的日益复杂的挑战。

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。这让我在高中时期对科学产生了兴趣，但很快我就意识到，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发展其他重要的技能，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设计的能力，这些能力是将想法变为现实所必需的——从创造性概念到系统设计到最终产品。

您能否与我们分享您成为ASML高级工程总监的经历?

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，我领导了几个研究项目，重点是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。我们证明了将深度学习应用于几个关键应用的可行性，这导致了新产品家族的开发。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，我继续扩展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硬件、软件和服务，以便通过光刻技术大量生产硅芯片上的图案。您能否简要总结一下光刻技术在设计计算机芯片方面的作用?

ASML的工作是制造更强大、更便宜、更节能和更普遍的芯片的关键成分。它从我们的光刻系统开始，这本质上是一个投影系统，使用紫外线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“光罩”或“掩模”）上，该图案将被打印在硅片上。光学将图案聚焦到硅片上，硅片之前已被涂上一层对光敏感的化学物质。当未暴露的部分被蚀刻掉后，一个三维图案被揭示。该过程在步进和扫描系统中重复进行，该系统同时测量和曝光。

这些芯片形成了一个多层次的“城市”，由数十亿个微小的电路和连接组成。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有两种主要的光刻系统。首先，您能否解释一下EUV光刻系统是什么?

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硅片上。光线由一系列超级反射镜引导。EUV系统使用高能量激光，激光以每秒50,000次的速度击中一滴熔化的锡，产生等离子体，发出EUV光，该光线然后被聚焦成一束光线。

您能否解释DUV光刻系统与EUV光刻系统的区别?

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光刻系统与DUV系统一起用于最先进的节点和关键层，以实现经济的扩展。

ASML的一个令人印象深刻的方面是，该公司如何改造旧系统，例如“经典”的PAS 5500和TWINSCAN光刻系统。它们目前正在被改造用于什么目的?

摩尔定律和摩尔定律以外的因素推动了我们经济高效解决方案的需求，推动了新建TWINSCAN浸润和干燥系统的销售，以及PAS 5500和TWINSCAN步进器和扫描仪的翻新。

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。

摩尔定律已经持续了多个十年，您是否认为摩尔定律即将结束，还是可以进一步延伸?

延伸摩尔定律越来越困难和昂贵，但它并没有结束。我们并不像有些人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三维设计。这些新设计将使下一波创新浪潮成为可能，例如先进的人工智能和5G的快速连接，以及我们尚未想到的消费品。

我个人在ASML的应用业务中工作，专注于开发软件解决方案，以扩展我们的硬件的性能，这些硬件被芯片制造商用来大量生产硅片上的越来越小的图案。没有我们开发的软件，光刻系统就不可能以日益小的尺寸制造芯片。

我们的工程师团队不断努力理解和建模影响图案化过程的物理效应，这样我们就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，需要在大规模分布式高性能计算架构中高效、准确地利用大量数据。今天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，以极高的准确性来实现这一点，我们必须找到方法不断改进模型性能，包括准确性和运行时间。

随着芯片布局变得更加复杂以延伸摩尔定律，机器学习可以显著加速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，以帮助理解物理模型中未知的复杂物理，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。它还为利用制造环境中产生的大量数据来增强工艺控制提供了机会。

这是我们行业更广泛主题的一个例子：只要有技术人员被委托延伸摩尔定律，新的创新解决方案就会通过各种创造性的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拥有一个专门的软件团队，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过程以延伸摩尔定律的机器学习应用，
• 整合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以提高图案优化技术，并
• 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，支持摩尔定律的延伸。

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使能技术。我们的创新不仅推动整个消费者技术行业向前发展，还推动我们自己的产品在获得越来越多的计算能力时的进一步创新。

感谢您回答了我们的所有问题。希望了解更多信息的读者可以访问ASML硅谷网站ASML Silicon Valley

https://youtu.be/l_DXCi0vNwI