提升效率/瞬態響應性能 優化H橋降壓升壓電路效能

本文將探討採用交替式降壓-升壓控制的優勢,並深入剖析影響降壓-升壓架構瞬態響應的控制侷限性, 以及優化各工作區域瞬態性能的策略。 H橋降壓-升壓架構概述 H橋(H-Bridge)降壓-升壓積體電路(Integrated...
2025 年 11 月 11 日
圖1 從左至右分別為:透明線條(曝光)、暗線條(未曝光)、透明孔洞、暗柱,顯示EUV製程中跨特徵與節距的量測誤差,凸顯線性度校正需求。

克服曲線光罩設計挑戰 像素級曝光校正效果卓越

在近期舉辦的SPIE Photomask Japan 2025會議上,筆者與其他人共同發表了一篇標題為《全光罩曲線即時線性修正:包含可變偏差與零週轉時間》(Full Reticle Curvilinear...
2025 年 11 月 05 日

先進封裝突破效能/頻寬瓶頸 垂直堆疊引領邊緣AI革新

近年來,人工智慧的應用正從雲端資料中心逐步邁向終端裝置,推動一股強勁的Edge AI浪潮。智慧汽車、個人電腦、機器人、智慧型手機與安防監控等領域,都在加速導入邊緣AI技術。根據市場研究機構預估,到了2030年,全球Edge...
2025 年 10 月 31 日

量子運算的六條路徑:為何矽基技術正在勝出?

2025年,量子運算領域不再是單一路線的競賽,而是已明確分化為六條技術路徑:超導量子位元、離子阱、矽基量子位元、光子量子運算、中性原子與量子退火。每條路徑都有頂尖團隊投入、都有理論支撐、都展示了某些令人驚豔的成果。然而,產業界的目光正在悄然轉向其中一條看似「低調」的路徑。 為什麼?答案不在單一指標的勝出,而在多維度的平衡與產業鏈繼承。 六條賽道的技術實力與進展 超導量子位元:速度冠軍的擴展難題 想像在一個接近絕對零度、僅比絕對零度高約0.01度的「量子冰箱」中,打造微型的「人造原子」。這就是超導量子運算的核心原理。它使用約瑟夫森結這種極靈敏的「量子開關」,在接近絕對零度的環境中運作。 #技術優勢明確:超導的操作速度是所有技術中最快的(奈秒級),設計靈活且可調控性高。更關鍵的是,它獲得了最充裕的資金與人才投入。 #核心挑戰同樣清晰:主流的Transmon架構面臨「洩漏」問題,就像收音機調頻不夠精準容易收到鄰近頻道;當系統擴展到數百個量子位元時,頻譜變得擁擠不堪,量子位元之間的串擾成為主要錯誤來源;更根本的問題是體積,單個量子位元就需要毫米級空間。 #主要開發者的進展:Google在2019年以Sycamore處理器展示「量子霸權」後,將戰略重心轉向糾錯,目標在2029年推出具有100萬邏輯量子位元的商業化容錯系統。IBM則透過Qiskit開源平台推動生態系統,其硬體路線圖專注模組化,計畫在2025年展示超過4000個量子位元的互連系統。中國的本源量子設定了2025年達到1024量子位元的目標。 這是技術最成熟、資金最充沛的路徑,但正面臨物理極限帶來的擴展瓶頸。 離子阱:品質標竿的速度代價 在超高真空中,用電磁場像「無形的鑷子」一樣精準抓住單個原子,然後用雷射操控它。這就是離子阱技術。它使用的是大自然的「天然原子」,每個都完美相同。 #技術優勢壓倒性:離子阱是品質的絕對冠軍。它的閘門保真度達99.914%,量子體積達2的20次方(超過百萬),相干時間可達分鐘級。更獨特的是「全連接」架構,任意兩個量子位元可以直接互動,就像所有人都能直接對話而不需透過中間人,這在執行複雜演算法時能大幅減少錯誤。 #核心挑戰也很明顯:速度慢是最大問題,微秒級的閘門速度是超導的千倍慢。系統需要精密雷射與超高真空設備,複雜度高。當離子數量增加,控制難度呈指數級上升,必須採用QCCD架構,透過複雜的「離子穿梭」機制在不同區域間移動量子位元。 #主要開發者的里程碑:Quantinuum(Honeywell與劍橋量子的合併公司)在2024年於其商用H1-1系統上創下99.914%的雙量子位元閘保真度紀錄,並與微軟合作,在H2系統上使用30個物理量子位元編碼了4個邏輯量子位元,首次演示邏輯量子位元的錯誤率遠低於物理量子位元。IonQ則積極推動「演算法量子位元」指標,2025年目標是達到450...
2025 年 10 月 31 日
圖1 imec分級系統的範例此處提及的計算採用逐步方法:先測定各成分的分子量和單體比例,接著考量各化合物在該光阻劑配方的分子量百分比,最後計算各化合物內部的PFAS原子百分比,並明確排除氫原子。為了確保一致性,芳香氟結構未被視為PFAS,並將溶劑忽略不計,因為溶劑在處理過程中會蒸發。

排除半導體製程中的PFAS 光阻/清洗材料取得初步進展

全氟與多氟烷基物質(PFAS)由於具備包含抗熱、抗水及抗油的特性,一直是各式產業的重要基石。然而,這些「永久化學物質」的環境持續性及潛在的健康風險逐漸帶來更多的法規稽查和驅動替代方案的探尋。半導體業在微影及蝕刻等製程倚重PFAS的特性,目前正處在這波轉型的前哨。儘管半導體微影越來越致力於減少PFAS用量,但依然得靠這些材料進行。 比利時微電子研究中心(imec)與其夥伴的合作一直是無PFAS材料開發的關鍵。繼產業要角推動尋找無PFAS的微影替代材料,這項研究倡議於2023年夏季展開。剛開始研究規模聚焦在用於極紫外光(EUV)微影的化學放大阻劑(Chemically...
2025 年 10 月 29 日

仍高價搶NVIDIA GPU?創客新解:用Arduino打造平價平行運算方案

GPU(繪圖處理器,Graphics Processing Unit)是一種專門的電腦元件,主要用於渲染圖形。您可能為了它,而貸款購買的 RTX 5090 就是一個例子。 然而GPU 的用途,遠不止於在最高設定下運行最新遊戲;其平行處理能力使它在其餘任務中也極具價值,例如用於機器學習的資料處理。 在...
2025 年 10 月 24 日

樹莓派主要更新:鍵盤型電腦改款、作業系統升級

近一個月來樹莓派有4個值得關注動向,包含推出緊湊版的M.2 HAT+、新的鍵盤型電腦Raspberry Pi 500+、4GB版與8GB版樹莓派電腦微幅調漲,以及Raspberry Pi OS作業系統的小改版,以下逐一說明。 緊湊版的M.2...
2025 年 10 月 22 日

整合Wi-Fi/BLE建構智慧家庭 Matter賦能白色家電新智慧

智慧家電是連接設備市場中成長最快的領域之一,涵蓋從大型白色家電、咖啡機到聯網牙刷等各種產品。將連接功能整合到這些設備中,不僅僅是為了遠端控制,還可以透過邊緣人工智慧(AI)的整合,讓用戶享受個性化、具備情境感知的體驗,設備能即時根據使用者行為和偏好進行調整。此外,Matter標準協定正在加速這一轉型,它簡化了設備之間的互聯互通,實現跨設備和生態系統的無縫通訊,同時也降低了製造商的開發複雜度。 根據產業研究機構Omdia的報告,全球智慧家電市場預計在2024~2029年間將以17%的年複合成長率成長,尤其是高性能無線連接(Wi-Fi+藍牙)。目前已有20~25%的大型家電具備內建網路連接功能。預計到2035年,60~80%的白色家電將具備無線連接能力。 例如,智慧家電現在可以根據情境資料自主做出決策,比如在非高峰時段運行洗碗機以降低電費,或在預測演算法檢測到潛在故障時主動發起維修請求。除了設備優化之外,連線性、能源監控與AI的結合使家電成為更廣泛智慧生態系統中的智慧節點。這一演進支援無縫互通、集中能源管理和持續性能優化,使智慧家電成為現代永續環保家庭的核心。 Wi-Fi和低功耗藍牙(Bluetooth...
2025 年 10 月 16 日

強化失效解析/突破製造良率 TGV成絕緣中介層明日之星

半導體產業將迎接基板材料的重大革新,隨著AI、高速運算(High Performance Computing, HPC)與電動車等應用日益蓬勃,產業對低損耗、高頻特性與成本效益的需求持續增加。以玻璃基板製作的玻璃通孔(Through-Glass...
2025 年 10 月 15 日

一站式平台簡化流程 車輛CRA合規挑戰有解

歐盟《資安韌性法(EU Cyber Resilience Act, CRA)》已於2024年12月10日正式生效,為所有包含數位元素的產品(Products with Digital Elements,...
2025 年 10 月 14 日

適用SoC/FPGA/微處理器 低電壓/大電流電源設計眉角

工業、汽車、伺服器、電信和資料通訊應用都需要先進的系統單晶片、現場可程式化邏輯閘陣列(Field Programmable Gate Array, FPGA)和微處理器解決方案。這些解決方案需要多個低壓電源,包括用於DDR的1.1V、用於核心的0.8V,以及用於I/O裝置的3.3V/1.8V。隨著半導體整合度不斷提高,微處理器的耗電量越來越大,因此需要更大的供電電流。 同時,市場亦對採用FPGA或微處理器的電源監控技術表現出強勁需求。此類技術能夠監測電壓、電流、溫度和其他裝置參數。為了簡化設計方案,可透過整合I2C/PMBus的模擬電源IC來監測這些關鍵參數並進行電源管理與監控。 因此,電源解決方案必須與I2C/PMBus整合,以支援電源監控回讀和穩壓器可程式化設定,同時實現更大電流能力、更高效率和卓越的抗電磁干擾(Electromagnetic...
2025 年 10 月 09 日

AI伺服器能效新標竿 80 PLUS紅寶石級標準解析

作為AI伺服器電源效率的「金標準」,80PLUS能效標準從誕生起,就不只是一個數值門檻,更是推動整個資料中心能源體系升級的隱形引擎。80PLUS能效標準於2025年再度升級,增加了全新的紅寶石(Ruby)級,超越鈦金級(Titanium),成為當前最嚴苛的能效目標。 自80PLUS標準推出,至今已進入第三個十年,當初「能效不低於80%」的基礎要求早已成為歷史。而此次在80PLUS框架下新增的Ruby級,是14年來的首次重大更新,對降低資料中心能耗,尤其是在AI算力指數級爆發,帶動能耗大幅上升的趨勢下,具有關鍵意義。 本文將深入解讀這一新標準,以及實現該標準所需的核心技術。 資料中心能耗成為AI時代的迫切挑戰 AI正以迅猛之勢急速發展,儘管這項技術將為整個社會帶來顛覆性的價值,但其能耗問題也日益凸顯,尤其是在模型訓練階段的機器學習(ML)過程中,電力需求尤為驚人。 為應對急速增加的算力需求,全球資料中心數量在過去十年間近乎翻倍,目前已達7000座。據預測,到2026年,全球資料中心能耗將達到1000太瓦時(TWh),較2022年的460太瓦時增加超過一倍。 這種增長並非個案,而是普遍性的。僅美國一地,到2030年時,當地資料中心的能耗就可能達到460太瓦時左右; 瑞典的資料中心能耗預計到2030年翻倍,到2040年再翻一倍;英國未來十年內的能耗則可能增長5倍。 從全球範圍看,資料中心能耗已占全球總能耗的2%;在美國,這一比例高達3%(與當地資料中心密集度相關)。更值得關注的是,受AI需求驅動,到2030年,資料中心能耗占全球電力消耗預測的比例可能升至8%。 顯然,能源供應能力是資料中心產業發展的關鍵制約因素。為此,營運商正考慮投資可再生能源,甚至小型核設施為AI資料中心供電。但無論能源來自何處,「最大限度提升能源利用效率」已成為產業共識。 能效標準:推動產業升級的核心動力 自2004年起,80...
2025 年 10 月 07 日
1 2 3 ... 274