IWAPS 2020 特邀嘉宾：斯坦福大学H.-S. Philip Wong教授

EUV光刻学习者 光刻人的世界 今天

 

 

第四届国际先进光刻技术研讨会（International Workshop on Advanced Patterning  Solutions）将于11月5~6日在四川成都举办，本次会议特别邀请到了斯坦福大学H.-S. Philip Wong教授做特邀报告。


第四届国际先进光刻技术研讨会

（International Workshop on Advanced Patterning  Solutions）

会议详情请点击进入 IWAPS 2020 


第四届国际先进光刻技术研讨会由中国集成电路创新联盟与中国光学学会联合主办，由中国科学院微电子研究所、中国科学院光电技术研究所、中科微电子产业技术西南研究院以及四川省经济合作局承办。IWAPS研讨会专注于高端光刻技术，为来自国内外半导体工业界、学术界的资深技术专家和优秀研究人员等提供了一个技术交流平台，参会者可以就材料、设备、工艺、测量、计算光刻和设计优化等主题分享各自的研究成果，探讨图形化解决方案，研讨即将面临的技术挑战。


H.-S.Philip Wong 博士于 2004 年加入斯坦福大学 (Stanford University)，担任电气工程教授，并在工程学院获得 Willard R. 和 Inez Kerr Bell 教授职位。2018 年-2020年，他在全球最大半导体代工厂台积电 (TSMC) 公司担任研究副总裁，负责探索新一代半导体技术。1988 年至 2004 年，他在 IBM T.J. Watson 研究中心任职，负责制定和执行 IBM 在纳米科学技术以及探索性硅器件和半导体技术方面的战略。H.-S. Philip Wong 博士是 IEEE 会士，曾担任 IEEE Transactions on Nanotechnology 主编 (2005–2006)，ISSCC 的小组委员会主席 (2003–2004)，IEDM 的总主席 (2007)，目前是 IEEE Executive Committee of the Symposia of VLSITechnology and Circuits 执行委员会主席。他是斯坦福大学非易失性存储器技术研究计划 (NMTRI) 的系主任，也是斯坦福 SystemX 联盟的创始系主任。


 H.-S.Philip Wong教授的研究领域涉及面较广，包括碳电子学 (carbon electronics)，2D分层材料 (2D layered materials)，无线植入式生物传感器，定向自组装，器件建模，脑启发式计算，非易失性存储器等，并在Nature、Nature Nanotechnology、Nature Communications、Nano Letters、Physical Review Applied、IEEE Electron Device Letters、IEEE Transactions on Electron Devices及IEEE Transactions on Circuits and Systems等期刊发表论文多篇。2017年， H.-S. Philip Wong教授等人在Nature上发表题为“Three-dimensional integration of nanotechnologiesfor computing and data storage on a single chip” 的文章，提出了关于可变换型纳米系统新理念，所制备的芯片结构包括一百万多个电阻式随机存取存储器单元和两百万多个碳纳米管场效应晶体管，这是一种新型有发展前景的纳米技术，可应用在节能数字逻辑电路和密集数据存储上，并能将其制备成垂直堆放层放置于单一芯片上 [1]。与传统集成电路结构不同，这种分层式制备实现了在层间实现计算、数据存储、输入和输出（如传感）等功能的具微晶和密集垂直连通的3维集成电路结构。图1给出了3D纳米系统结构示意图 [1]。这种纳米系统可以在一秒内捕捉大量数据，并在单一芯片上直接存储，原位实现数据获得与信息的快速处理。同时，由于每层是制备在硅逻辑电路上，因此纳米系统能与硅基设备相适配。这种复杂的纳米电子系统对未来高性能以及高效节能的电子设备而言是必不可少的。



图1. 3D纳米系统结构.

 

在人工智能日益火热的今天，由于“冯·诺依曼架构”存在“存储墙瓶颈”，现有计算平台无法高效实现相关算法，功耗成为制约因素 [2]。相比之下，人脑可以快速、低功耗地完成各种学习任务。人脑中大约有1000亿个神经元，每个神经元之间通过成千上万个神经突触连接起来，构成复杂的神经网络。人脑的突触能够同时、原位地进行记忆和计算，这与“冯·诺依曼架构” 存在着显著不同。2017年， H.-S. Philip Wong教授与清华大学微电子所合作在Nature Communications上发表了题为 “Face Classification usingElectronic Synapses” 的文章，在基于新型忆阻器阵列的类脑计算取得重大突破 [2]。该研究运用电子突触进行人脸分类，将氧化物忆阻器的集成规模提高了一个数量级，首次实现了基于1024个氧化物忆阻器阵列的类脑计算，如图2所示 [2]。该成果在最基本的单个忆阻器上实现了存储和计算的融合，采用完全不同于传统 “冯·诺依曼架构” 的体系，可以使芯片功耗降低到原千分之一以下 [3]。



图2. 类脑计算示意图.

 

该研究采用耶鲁大学人脸图片库（Yale Face）实验验证了系统人脸识别功能。实验表明，该原型系统达到了与现有CPU接近的识别率和泛化能力，相较于现有的基于“冯·诺依曼架构” 的Intel 至强（Xeon） Phi处理器，该原型系统具有1000倍以上的能耗优势。



图3. 用于识别人脸图像和测试系统示意图. (图片来源: 清华大学新闻网[2])

 

关于H.-S. Philip Wong教授的更多研究内容请见：

https://web.stanford.edu/~hspwong/



参 考 资 料

[1]  M. M. Shulaker et al., "Three-dimensionalintegration of nanotechnologies for computing and

   data storage on a single chip," Nature. 547, 74 –78 (2017).

[2]  清华大学新闻网：https://news.tsinghua.edu.cn/info/1007/54066.htm.

[3]  P. Yaoet al., "Face classification using electronic synapses," NatureCommunications. 8, 15199 (2017).