10 دقیقه
یک تیم مشترک از دانشگاههای ایالات متحده و یک کارخانه ساخت نیمههادی داخلی، معماری جدیدی برای تراشههای سهبعدی مونولیتیک معرفی کردهاند که حافظه و محاسبات را بهصورت عمودی روی هم قرار میدهد. این روش مسافت جابجایی داده را بهطور چشمگیری کوتاه میکند و نوید افزایش قابل توجهی در عملکرد سختافزارهای هوش مصنوعی را میدهد. نمونه اولیه — که در کارخانه ساخت SkyWater Technology در ایالات متحده ساخته شده — بالاترین چگالی مسیرهای عمودی را نشان میدهد و برتریهای عملکردی قابل اندازهگیری نسبت به طراحیهای سنتی دوبعدی را به نمایش میگذارد.
چرا چیدمان عمودی همهچیز را دگرگون میکند
سامانههای مدرن هوش مصنوعی به جابهجایی حجم عظیمی از داده بین حافظه و واحدهای پردازشی نیاز دارند. در طراحیهای مرسوم، منطق (Logic) و حافظه کنار هم روی یک سطح قرار میگیرند و داده مجبور است مسیرهای طولانی و اغلب پرازدحامی را طی کند. این گلوگاه که بهطور گسترده بهعنوان «دیوار حافظه» شناخته میشود، تعیینکننده سرعت تأمین داده برای پردازندههاست — حتی زمانی که تعداد و سرعت هستهها افزایش یافتهاند.
یکپارچهسازی سهبعدی مونولیتیک رویکرد متفاوتی اتخاذ میکند. بهجای پخش کردن اجزا روی یک سطح صاف، طراحان لایههای مدار فوقالعاده نازکی را مستقیماً روی هم میسازند و آنها را با مسیرهای عمودی متراکم به هم متصل میکنند. این معماری مسیرهای طولانی که حرکت داده را کند میکنند، فشرده میسازد و امکان قرارگیری حافظه در مجاورت مستقیم عناصر محاسباتیای که بیشترین نیاز را دارند فراهم میآید. نتیجه ارتباطات بسیار کارآمدتر، توان عملیاتی بالاتر و انرژی کمتر به ازای هر عملیات است که برای شتابدهی بارهای کاری هوش مصنوعی حیاتی است.
از آزمایشگاه تا کارخانهای در ایالات متحده: چگونه نمونه اولیه ساخته شد
این پروژه همکاری میان پژوهشگران دانشگاه استنفورد، دانشگاه کارنگی ملون، دانشگاه پنسیلوانیا، مؤسسه فناوری ماساچوست (MIT) و شرکت SkyWater Technology — بزرگترین کارخانه خالص تولید نیمههادی در ایالات متحده — است. برخلاف تلاشهای سهبعدی قبلی که تراشههای جداگانه را روی هم میچیدند، این کار از فرایند مونولیتیک استفاده میکند: هر لایه جدید مستقیماً روی لایههای قبلی در قالب یک جریان مداوم ساخته میشود که این امر سازگاری بالا با تولید انبوه را آسانتر میسازد.
یکی از موانع فنی برای چیدمان مونولیتیک بودجه حرارتی است — بیشینه دمایی که یک تراشه میتواند بدون آسیب رساندن به لایههای زیرین تحمل کند. تیم تحقیقاتی از مراحل فرایند با دمای پایین استفاده کرد تا مدارهای موجود حفظ شوند و در عین حال امکان رسوب و الگوگیری لایههای جدید در بالا فراهم گردد. کنترل دقیق دمایی اجازه میدهد ارتباطهای لایهبهلایه بسیار کوچکتر و متراکمتری نسبت به اینترپوزرهای درشتدانهِ استفادهشده در مجموعههای سنتی ایجاد شود؛ این کانالهای عمودی (vias) نقش کلیدی در کاهش تاخیر و افزایش پهنای باند داخلی بازی میکنند.
برای آزمون تراشههای جدید، پژوهشگران از ماشینی ویژه، مانند تصویر بالا، برای انجام شناسایی الکتریکی خودکار طراحیها روی یک وِیفر تراشه استفاده کردند.
تکمیل فرایند ساخت در کارخانه SkyWater در ایالت مینهسوتا فراتر از یک دستاورد تولیدی است — این اتفاق نشان میدهد که معماریهای پیشرفته تراشه سهبعدی را میتوان از نمونههای آزمایشگاهی به فرایندهایی تبدیل کرد که با کارخانههای تجاری داخلی سازگارند. همانطور که مارک نلسون، معاون شرکت SkyWater Technology، در گفتگوهای مرتبط با این پروژه اشاره کرده، فراهم کردن امکان تولید در مقیاس تجاری در خاک ایالات متحده برای پایداری زنجیره تأمین و رهبری فناوری ملی حیاتی است.
دستاوردهای اندازهگیریشده و پتانسیل شبیهسازیشده
آزمایشهای اولیه سختافزاری روی نمونه اولیه مزایای عملکردی معناداری را نشان داد. دستگاه نسل اول در بنچمارکهای انتخابی در مقایسه با معادلهای دوبعدی خود حدود چهار برابر عملکرد بالاتری داشت. هنگامی که تیم شبیهسازیهایی از طراحیهای بلندتر — تراشههایی با طبقات حافظه و محاسبه بیشتر — را اجرا کرد، به بهبودهایی تا حدود یک مرتبه بزرگتر دست یافتند و در برخی بارهای کاری هوش مصنوعی، بهبودهایی تا 12 برابر مشاهده شد.
یکی از جذابترین نکات، پیشبینی بهبود در محصول انرژی-تاخیر (Energy-Delay Product یا EDP) است؛ معیاری ترکیبی که سرعت و مصرف انرژی را متعادل میکند. با کوتاه کردن مسیرهای داده و افزایش تعداد اتصالهای عمودی، تراشههای سهبعدی مونولیتیک میتوانند انرژی مصرفی به ازای هر عملیات را کاهش دهند و در عین حال توان عملیاتی را افزایش دهند. پژوهشگران مسیرهای واقعیگرایانهای را به سوی بهبودهای 100 تا 1,000 برابر در EDP در صورت تحقق استکهای بلندتر و طراحیهای بهینهشده در مقایسه با معماریهای فعلی 2D مطرح میکنند؛ اگرچه نیل به این محدودهها مستلزم پیشرفت در مدیریت حرارتی، کاهش نرخ خطا و بهینهسازی طراحی است.
پیشزمینه علمی: دیوار حافظه و حد مینیاتوریسازی
دو روند بلندمدت عملکرد تراشهها را محدود کردهاند. نخست، بارهای کاری هوش مصنوعی نیازمند مجموعهدادههای عظیم و با انتقال سریع هستند. دوم، مسیر سنتی صنعت نیمههادی برای دستیابی به عملکرد بالاتر — کوچکسازی اندازه ترانزیستورها و تراکم بیشتر دستگاهها روی یک دی — به محدودیتهای فیزیکی و اقتصادی سختی برخورد کرده که معمولاً به آن «دیوار کوچکسازی» گفته میشود.
چیدمان عمودی به هر دو محدودیت پاسخ میدهد. بهجای فقط فشردهکردن ترانزیستورها در همان سطح، طراحان لایههای عملکردی بیشتری در بعد سوم اضافه میکنند. حافظه میتواند در سراسر استک توزیع شود تا هستههای محاسباتی دسترسی محلی و سریعتری به داده مورد نیاز داشته باشند. این معماری مستقیماً به دیوار حافظه حمله میکند و در عین حال مسیری مکمل فراتر از مقیاسبندی صرف ترانزیستور ارائه میدهد.
چرا ساخت در داخل ایالات متحده اهمیت دارد
اجرای کامل فرایند در یک کارخانه آمریکایی اهمیت راهبردی دارد. این کار نشان میدهد که یکپارچهسازی سهبعدی مونولیتیک پیشرفته تنها یک کنجکاوی آزمایشگاهی نیست، بلکه میتوان آن را با روشهای تولید موجود در ایالات متحده تولید نمود. برای امنیت ملی، رقابت صنعتی و تقاضای فزاینده سختافزار هوش مصنوعی داخلی، این تبدیل از تحقیق به تولید اهمیت زیادی دارد.
فراتر از بخش تولید، جنبه آموزشی و نیروی کار هم مهم است. گذار به یکپارچهسازی عمودی نیازمند مهندسین و فناوریدانانی است که طراحی، آزمون و بهینهسازی سیستمهای سهبعدی را بیاموزند. همکاران پروژه بر برنامههای آموزشی و هابهای چندمرکزی که از مشارکت دانشجویی و پژوهش بینرشتهای پشتیبانی میکنند تأکید دارند؛ این اقدامات نسل بعدی طراحان تراشه را برای چشمانداز سختافزاری عمودی آماده میکند و ظرفیت نیروی انسانی بومی در اکوسیستم نیمههادی را تقویت مینماید.
نکته کارشناسی
«یکپارچهسازی سهبعدی مونولیتیک بازاندیشی بنیادی در نحوه معماری سیستمهای محاسباتی را نمایان میسازد»، دکتر لیلا مارتینز، معمار سیستم در یک مرکز پژوهشی هوافضای آمریکایی، میگوید. «با قرار دادن حافظه نزدیکتر به محلی که محاسبه انجام میشود، هم تأخیر و هم مصرف انرژی کاهش مییابد. برای سیستمهای هوش مصنوعی و فضایی — جایی که وزن، توان و عملکرد محدودیتهای شدیدی دارند — این تغییر میتواند تحولآفرین باشد. نکته کلیدی، مقیاسبندی تولید در حالی است که نرخ خطا و مدیریت حرارتی کنترلشده باقی بماند.»
این نظر دو واقعیت را برجسته میکند: این رویکرد بازدهی قابلتوجهی ارائه میدهد، اما همزمان محدودیتهای مهندسی جدیدی را مطرح میسازد. استکهای عمودی باید گرما را در طبقات مختلف مدیریت کنند، بازده تولید در چگالیهای بالاتر حفظ شود و با اکوسیستمهای طراحی و تایید موجود (EDA و verification) یکپارچه شوند. بنابراین، موفقیت تجاری مستلزم هماهنگی میان طراحی دستگاه، فرآیندهای ساخت، و ابزارهای نرمافزاری خواهد بود.
چالشهای باقیمانده و مسیرهای پژوهشی
اگرچه نمونه اولیه بهبودهای قابلتوجهی را نشان میدهد، چندین مانع فنی قبل از رواج کامل تراشههای سهبعدی مونولیتیک باقی میماند. چالشهای کلیدی عبارتند از:
- مدیریت حرارتی: گرمای تولیدشده در عمق یک دی پشتهشده باید بدون آسیب رساندن به لایههای حساس خارج شود؛ نیاز به راهبردهای خنکسازی مبتکرانه و شبیهسازیهای حرارتی با دقت بالا وجود دارد.
- بازده و خطاها: یکپارچگی فشردهتر به این معنی است که خرابی در یک تک لایه میتواند کل تراشه را تحتتاثیر قرار دهد؛ فرایندهای تولید باید چگالی خطا را کاهش دهند تا هزینهها در سطح اقتصادی قابلپذیر باقی بماند.
- ابزارها و روششناسی طراحی: جریانهای اتوماسیون طراحی الکترونیک (EDA) و ابزارهای تایید باید تکامل یابند تا چیدمان سهبعدی، مسیریابی و تحلیل زمانی در سه بعد را پشتیبانی کنند.
- پایداری مواد و اتصالات: پایداری بلندمدت vias عمودی و مواد رسوبی با دمای پایین باید برای عمر تجاری تایید شود و استانداردهای قابلیت اطمینان ایجاد گردد.
گروههای پژوهشی فعالانه روی این مسائل کار میکنند. شبیهسازیهای حرارتی پیشرفته، استراتژیهای جدید خنکسازی (از جمله خنکسازی مایع موضعی و مسیرهای حرارتی هدایتشده)، تکنیکهای کاهش خطا و پیشرفت در فرایندهای رسوبگذاری با دمای پایین تنها بخشی از تلاشهای جاری هستند. شرکای صنعتی، آژانسهای تأمین مالی دولتی و هابهای بیننهادی از تلاشها برای تبدیل پیشرفتهای آزمایشگاهی به محصولات قابلاعتماد پشتیبانی میکنند؛ این همکاریها برای کاهش ریسک فناوری و تسریع زمان ورود به بازار حیاتیاند.
این موضوع برای هوش مصنوعی، هوافضا و فراتر از آن چه معنایی دارد
برای توسعهدهندگان هوش مصنوعی، یکپارچهسازی نزدیکتر حافظه و محاسبه میتواند اجرای مدلهای بزرگتر را کاراتر سازد، هزینههای عملیاتی ابر را کاهش دهد و استنتاجهای پیشرفتهتری را روی دستگاههای لبهای و موبایل ممکن کند. برای سیستمهای فضایی و دفاعی که توان و حجم محدود دارند، تراشههای سهبعدی مونولیتیک میتوانند ابزارهای پیشرفتهتر و پردازش درونسفینه را در محدودههای جرم و انرژی محدود فراهم کنند؛ این قابلیتها میتوانند در ماموریتهای واقعی و کاربردهای زمان-حساس بسیار ارزشمند باشند.
این اعلام همچنین نشاندهنده شتاب در جهت توسعه اکوسیستم نیمههادی داخلی است: دانشگاهها در حال آموزش نیروی انسانی، کارخانهها در حال تطبیق جریانهای فرایندی و سرمایهگذاریهای فدرال و صنعتی در حال هماهنگی برای کاهش وابستگی به تولید خارج از کشور هستند. همه این مولفهها نشان میدهند که پژوهش مستقر در ایالات متحده بیش از گذشته قابلیت تبدیل شدن به سختافزار آماده تولید را دارد و مسیر کوتاهتری از آزمایشگاه تا خط تولید واقعی فراهم میآورد.
بهطور خلاصه، نمونه اولیه تراشه سهبعدی مونولیتیک گامی مهم است. این فناوری همه مشکلات مهندسی را یکمرتبه حل نمیکند، اما مسیر واضح و قابلتولیدی به سمت معماریهایی ارائه میدهد که میتوانند گلوگاههای دیرینه را شکسته و بازده عملکرد و انرژی را بهطور همزمان بهبود ببخشند. برای طراحان سختافزار هوش مصنوعی، سازندگان تراشه و سیاستگذاران، این کار راهی امیدوارکننده برای کسب عملکرد و کارایی انرژی از طریق بازاندیشی در بعد سوم را نشان میدهد.
منبع: scitechdaily
نظرات
دانیکس
اگر این مسیر جواب بده، روی موبایل و فضا هم معادلات عوض میشه؟ خیلی جذابه ولی خب، چی میشه با خطاها و عمر مفید؟
پمپزون
به نظر کمی هایپ شده، شبیه وعدههای قبل، ولی تولید در خاک خودمون ارزش داره. بذاریم ببینیم عملکرد واقعی چطوره…
بایونیکس
تو آزمایشگاه ما هم نمونههایی شبیه دیدیم، مشکل Vias و تست طولانی همیشه دردسره. 4 برابر تو بنچمارک چشمگیره اما هنوز راه مونده
توربو
واقعاً تولید انبوهش مقدوره؟ اینکه میگن 100 تا 1000 برابر EDP، به شرط حل گرما و خطاهاست، در غیر اینصورت…
روداکس
وای، این یعنی کامپیوترها میتونن خیلی سریعتر و کممصرفتر بشن! اما اگه گرما کنترل نشه، چی؟ امیدوارم راهکار خنکسازی هم جواب بده...
ارسال نظر