Одного лишь уменьшения транзисторов и компонентов уже недостаточно для дальнейшего повышения производительности полупроводников. По мере роста спроса на вычислительные возможности, связанные с искусственным интеллектом, материалы, используемые в производстве, становятся фактором, определяющим, возможно ли вообще реализовать некоторые новые структуры, а не просто ресурсом, выбираемым после утверждения конструкции микросхемы.
Таков главный вывод анализа, опубликованного Semiconductor Engineering 17 сентября 2026 года. Его автор — Hideaki Okamoto, директор отдела развития бизнеса следующего поколения в Mitsubishi Chemical Group. Поскольку материал опубликован в разделе Sponsor Blog, статья также отражает отраслевой взгляд, связанный с сектором материалов, поэтому её выводы следует рассматривать как анализ отраслевых тенденций, а не как объявление о конкретном продукте.
От многократных экспериментов к вычислительным исследованиям
Традиционно разработка материалов основывалась на изготовлении образца, последующей проверке его свойств и анализе результатов, после чего цикл повторялся. Изготовление одного кандидата может занимать недели, если материал сложен, что делает изучение большого числа альтернатив медленным и дорогостоящим.
Рост вычислительных возможностей меняет порядок этого процесса. Моделирование может предшествовать фактическому производству и помогать исследователям определять кандидатов, заслуживающих лабораторной проверки. По мере совершенствования моделей, специализированных баз данных и вычислительных ресурсов становится возможным исследовать более широкий спектр вариантов и выявлять области характеристик, которые традиционные попытки могут не обнаружить.
Ценность такого подхода не ограничивается поиском улучшенной версии существующего материала. Он может заранее показать, что постепенное улучшение не позволит достичь требуемой цели, что даст возможность отказаться от непродуктивного направления и направить ресурсы на принципиально иное решение. В статье описывается постепенный переход от использования вычислений в качестве вспомогательного инструмента к проверке до эксперимента, затем к широкомасштабной проверке и, наконец, к применению искусственного интеллекта в разработке материалов.
Проблема заключается не только в самом материале
Материалы для передовых технологических процессов должны одновременно соответствовать множеству порой противоречивых требований, включая электрические характеристики, тепловое поведение, механические свойства, чистоту, совместимость с производственными процессами и возможность крупносерийного производства. Поэтому анализ утверждает, что одних метода проб и ошибок будет недостаточно по мере расширения пространства возможностей.
Однако вычисления не решают проблему сами по себе. Материал должен работать в рамках конкретного процесса осаждения, корректно взаимодействовать с соседними слоями и способствовать достижению характеристик конечного устройства. Поэтому, согласно статье, разработка полупроводников переходит от линейных отношений между поставщиком и заказчиком к более глубокому сотрудничеству производителей устройств, компаний — поставщиков оборудования и поставщиков материалов.
Раннее сотрудничество даёт участникам доступ к практическим знаниям, которые обычно не отражаются в официальных спецификациях, — например, к сведениям о взаимодействии процессов, компромиссах и ограничениях, выявляемых инженерами в ходе совместной работы. Однако такая модель также требует выделять больше ресурсов на более раннем этапе, вместо постепенного наращивания инвестиций по мере снижения технических рисков.
Где возникает потребность в новых материалах?
В анализе приводится несколько примеров областей, в которых требования новых систем могут привести к переходу на другие материалы. В структурах с малыми расстояниями дальнейшее уменьшение размеров устройств может потребовать разработки новых исходных материалов для осаждения тонких плёнок с объединением молекулярного проектирования, вычислительной проверки и опыта ведения процессов. Переход от влажных процессов к сухим рассматривается как пример такого взаимодействия.
В системах искусственного интеллекта само перемещение данных становится ограничением производительности и энергопотребления. По мере повышения скоростей электрических сигналов возрастает потребность в оптических решениях, включая фотонные схемы и фотонные соединения. В статье отмечаются возможности для материалов прозрачных оптических волноводов и органических электрооптических материалов, способных преобразовывать сигналы на высоких скоростях, при необходимости сбалансировать оптические характеристики, производственную пригодность и надёжность.
В силовой электронике рост энергопотребления центров обработки данных повышает значение более эффективного преобразования энергии. Нитрид галлия (GaN) открывает возможности, включая меньшее сопротивление во включённом состоянии, работу при высоком напряжении и меньшие потери энергии по сравнению с традиционными решениями на основе кремния. Однако реализация этих преимуществ в широком масштабе требует высококачественных и экономически эффективных подложек GaN, а также масштабируемых процессов.
Что меняется на практике?
Главный вывод для технического читателя заключается в том, что материалы всё чаще рассматриваются уже на этапе определения архитектуры системы, а не просто как последующий элемент производственной цепочки. Это повышает значение накопленных экспериментальных данных, поскольку вычислительные модели и искусственный интеллект не могут легко компенсировать нехватку надёжных данных. Одновременно сотрудничество между участниками цепочки создания стоимости становится частью технического и стратегического потенциала, а не просто соглашением о поставках.
При этом источник не приводит количественных результатов или примеров материалов, которые уже фактически вышли в коммерческое производство с использованием этих методик. Он также не определяет сроки, затраты или регуляторные препятствия для каждого направления. Поэтому подтверждённым выводом остаётся движение отрасли к объединению моделирования, данных и раннего сотрудничества, тогда как скорость перехода этих идей из лаборатории в крупномасштабное производство остаётся открытым вопросом.
Мнение certi.news: На самом деле меняется не замена лаборатории компьютером, а перераспределение работы между ними. Моделирование может сократить число бесперспективных экспериментов, однако производственная пригодность и совместимость материала с оборудованием и соседними слоями по-прежнему потребуют практической проверки. Если тезис статьи верен, компании, располагающие высококачественными данными о материалах и рано участвующие в картах разработки микросхем, окажутся в более выгодном положении для выявления ограничений до того, как они превратятся в препятствие на этапе проектирования или производства.