مهندسان MIT چیپ‌های سه‌بعدی چندلایه توسعه دادند

صنعت الکترونیک به نقطه‌ای نزدیک شده است که دیگر امکان قرار دادن تعداد بیشتری ترانزیستور روی سطح تراشه‌های کامپیوتری وجود ندارد. به همین دلیل، تولیدکنندگان تراشه به جای افزایش ابعاد افقی تراشه‌ها، به سمت ساخت عمودی تراشه‌ها حرکت می‌کنند.

به جای تلاش برای فشرده کردن ترانزیستورهای کوچک‌تر روی یک سطح، هدف این است که لایه‌های مختلف ترانزیستوری و المان‌های نیمه‌رسانا روی هم انباشته شوند. این تغییر شبیه به تبدیل یک خانه با معماری همکف به یک ساختمان بلندمرتبه (آسمان‌خراش) است. تراشه‌های چندلایه‌ می‌توانند داده‌های بسیار بیشتری را پردازش کرده و عملکردهای پیچیده‌تری را نسبت به الکترونیک مدرن امروز انجام دهند.

حل چالش تراشه‌های چندلایه توسط MIT

اما یک چالش بزرگ در این مسیر وجود دارد: سکو یا پلتفرمی که تراشه‌ها روی آن ساخته می‌شوند. امروزه ویفرهای سیلیکونی حجیم به‌عنوان پایه اصلی برای رشد المان‌های نیمه‌رسانا با کیفیت بالا استفاده می‌شوند. هر تراشه چندلایه‌ای نیاز دارد که لایه‌های سیلیکونی ضخیمی را به‌عنوان “کف” هر لایه داشته باشد، که این موضوع روند ارتباطات بین لایه‌های کاربردی نیمه‌رسانا را آهسته می‌کند.

اکنون مهندسان MIT راه ‌حلی برای این مسئله ارائه داده‌اند. طراحی جدید آن‌ها تراشه‌های چندلایه‌ای را بدون استفاده از هیچ ویفر سیلیکونی امکان‌پذیر می‌کند. همچنین، این روش در دماهایی انجام می‌شود که برای حفظ مدارهای موجود در لایه‌های زیرین مناسب هستند.

این تیم تحقیقاتی در مطالعه‌ای که در مجله Nature منتشر شده است، موفق به تولید تراشه‌ای با ساختار چندلایه شدند که لایه‌های نیمه‌رسانای با کیفیت بالا به‌صورت مستقیم بر روی یکدیگر رشد داده شده‌اند.

بی‌نیازی از ویفر سیلیکونی

این روش به مهندسان این امکان را می‌دهد که ترانزیستورهای پیشرفته و المان‌های حافظه و منطق را روی هر سطح کریستالی دلخواه (نه فقط با پایه‌های سیلیکونی حجیم) تولید کنند. با حذف بسترهای ضخیم سیلیکونی، لایه‌های نیمه‌رسانای متعدد می‌توانند ارتباط بهتر و سریع‌تری با یکدیگر داشته باشند.

پژوهشگران باور دارند که این روش می‌تواند برای ساخت سخت‌افزار هوش مصنوعی استفاده شود، به‌ویژه در قالب تراشه‌های چندلایه‌ای برای دستگاه‌هایی مانند لپ‌تاپ‌ها یا پوشیدنی‌ها. چنین سخت‌افزاری می‌تواند به سرعت و قدرت پردازش ابررایانه‌های امروزی برسد و قابلیت ذخیره حجم زیادی از داده‌ها، معادل مراکز داده فیزیکی، را داشته باشد.

دکتر Jeehwan Kim، استادیار مهندسی مکانیک در MIT، می‌گوید: «این پیشرفت فرصت‌های بی‌پایانی را برای صنعت نیمه‌رساناها ایجاد می‌کند و امکان انباشت تراشه‌ها بدون محدودیت‌های سنتی را فراهم می‌آورد. این کار می‌تواند به بهبود چندبرابری قدرت پردازش برای کاربردهای هوش مصنوعی، منطق و حافظه منجر شود.»

نوآوری در روش تولید

گروه تحقیقاتی کیم پیش‌تر در سال 2023 روشی را ابداع کردند که در آن مواد نیمه‌رسانای با کیفیت بالا را روی سطوح آمورف (نامنظم) شبیه به توپولوژی متنوع تراشه‌ها رشد داده می‌شود. این مواد، شامل نوعی ماده دوبعدی به نام دی‌کالکوژنیدهای انتقال فلز (TMDs)، به‌عنوان جایگزینی مناسب برای سیلیکون شناخته می‌شوند. TMDها حتی در مقیاس‌هایی کوچک به اندازه یک اتم نیز خواص نیمه‌رسانایی خود را حفظ می‌کنند، در حالی که عملکرد سیلیکون در این اندازه‌ها به‌شدت کاهش می‌یابد.

در تحقیقات قبلی، این مواد روی ویفرهای سیلیکونی با روکش‌های آمورف و همچنین روی مواد TMD قبلی رشد داده شدند. اما این فرآیند نیازمند دماهای بالایی بالغ بر 900 درجه سانتی‌گراد بود، که برای مدارهای زیرین مخرب بود.

برای رفع این مشکل، تیم تحقیقاتی روش خود را به گونه‌ای اصلاح کرده‌اند که مواد دوبعدی با کیفیت بالا در دماهایی پایین‌تر از 400 درجه سانتی‌گراد رشد کنند، دمایی که برای حفظ مدارهای زیرین مناسب است.

ساخت تراشه‌های سه‌بعدی بدون محدودیت

این تیم با استفاده از روش جدید توانستند یک تراشه چندلایه تولید کنند که شامل لایه‌های نیمه‌رسانای مولیبدن دی‌سولفید (برای ترانزیستورهای n-type) و تنگستن دی‌سلنید (برای ترانزیستورهای p-type) است. این دو نوع ترانزیستور بلوک‌های سازنده اصلی هر سیستم منطقی هستند. آن‌ها توانستند این دو ماده را به صورت تک‌کریستالی و مستقیم روی یکدیگر، بدون نیاز به ویفر سیلیکونی میانی، رشد دهند.

کیم می‌گوید: «روش ما می‌تواند چگالی عناصر نیمه‌رسانای یک تراشه را به‌طور قابل‌توجهی افزایش دهد. با این روش می‌توان ده‌ها یا صدها لایه‌ حافظه و منطق را روی هم رشد داد که ارتباطات آن‌ها نیز به‌شدت بهتر خواهد بود.»

این تیم همچنین برنامه دارند تا این فناوری را به سطح تجاری برسانند. کیم اخیراً شرکتی به نام FS2 (Future Semiconductor 2D materials) تأسیس کرده است تا به توسعه تراشه‌های انباشته ادامه دهد و این فناوری را برای کاربردهای حرفه‌ای هوش مصنوعی گسترش دهد.

این پژوهش با حمایت Samsung Advanced Institute of Technology و دفتر تحقیقات نیروی هوایی آمریکا انجام گرفته است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *