多尺度材料仿真加速AIoT的芯片及材料研发设计

传统物联网（IoT：Internet of Things）通过各种传感设备、互联技术（ZigBee\Bluetooth\WiFi）、射频识别（RFID）技术、全球定位系统、红外感应器、激光扫描器、各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，与互联网结合形成的一个巨大网络。其目的是实现物与物、物与人，所有的物品与网络的连接，方便识别、管理和控制。

AIoT = AI + IoT即人工智能（AI）为物联网（IoT）赋能，AI和IoT高度融合，AI的训练和学习功能使得传统IoT赋予智慧。随着5G时代的到来，人工智能从云端向边缘移动，解决了阻碍物联网发展进程的带宽和安全问题。

一方面，传统产业借助AIoT技术进行智能化升级，如家电、安防、汽车、工业制造等，无论在政府层面（智慧城市、平安城市等）、行业层面（如物流行业、新能源汽车、智能家居）等等，特别是疫情来袭下，加速了AIoT的融入。另一方面，AI新品出现和渗透，如各式可穿戴、AR/VR等。AIoT底层技术无线连接、AI技术等目前都逐成熟，疫情下“宅经济”、企业数字化转型等则加快发展。

根据统计预测：

2019年全球AIoT市场规模51亿美元，到2024年将增至162亿美元，复合年增长率26%，大量实时数据有效处理需求，是增长的主驱动力。AIoT的大量应用自然离不开各类芯片、传感器等等，它们的研发和制造更离不开基础材料的研发。多尺度材料仿真技术，可以加速芯片及材料研发设计；同时AI也为仿真技术赋能。

材料研发，在早期的很长一段时间内是以经验科学为主；基于经验的材料研发方案属于传统的炒菜式方案，伴随着大量的试错方式，成本高，风险高。由于依赖于经验式的方式，完全依赖于老师傅的经验，因此对于技术、知识、经验的积累以及传承都不利。这是一个“经验试错”的阶段。

从17 世纪开始进入“理论模型”产生知识的阶段， 其特征为使用数学方法得到的热力学模型。但是热力学模型无法对应具体材料，并考虑材料和器件的具体细节。

计算机的发明和使用，材料研究进入“计算模拟”阶段， 密度泛函理论、分子动力学、相场/晶体相场、蒙特卡洛、动力学蒙特卡洛、元胞自动机、格子玻尔兹曼、有限元等一系列模拟计算方法在这个时期得到快速应用。

随着计算机运算能力的提高，采用高通量计算、组合实验等方法产生了大量数据，再结合前 3 阶段（经验试错、理论模型、计算仿真）的理论知识和实验数据， 材料研究进入了大数据推动科学发现的阶段。材料信息学将在这个阶段得到快速发展，并在材料设计领域发挥极其关键的作用。

现今，AIoT与集成电路芯片中新材料与新工艺出现瓶颈，延续摩尔定律集成电路核心器件尺寸持续微缩面临工艺极限和物理极限的挑战。

▲2017-2033年 国际器件与系统路线图（IRDS 2017版） 数据来源：中科院微电子研究所-吴振华研究员

那么国内外集成电路企业，基于多尺度材料仿真技术如何破局？

●Intel采用DFT技术进行芯片材料与器件的研究

●TSMC基于FP MD技术进行芯片材料与界面的技术研究

●ASML基于分子模拟进行光刻胶和光刻工艺研发

●Synopsys基于NEGF-DFT技术进行DTCO协同优化

●BASF基于分子模拟加速材料设计，揭示数字化研发之道

●鸿之微基于国产自主多尺度仿真技术助力集成电路材料、器件与工艺研发

受限研发以及制造工艺等方面多因素的影响，计算机技术的普及，材料研发以及制造机构面临的市场竞争压力，材料研发与设计已经进入数字化时代。特别是AI技术发高速发展，为传统技术自我进化赋予智慧，从而助力新材料的跨越式发展。

封面图片来源：中科院微电子研究所

本篇文章属于原创，拒绝未经授权转载，如需转载，请联系我们。

编辑：fqj