taptap点点 技术创新的挑战
下一代计算的研发
全球范围内对半导体的需求不断增加，预计未来产量将进一步扩大。在这种情况下，由于使用半导体而增加的功耗将导致市场能源供应风险。此外，在现代计算中，根据市场需求，边缘设备注重低功耗，服务器类设备注重性能而不是低功耗，因此有必要改变我们对设备PPACE（设备使用的功率、性能、硅面积、成本和环境影响）平衡的思考方式。东京电子认识到这些问题，并正在努力通过我们的半导体制造设备业务来解决这些问题。
解决电源效率问题的一种方法是将存储器件放置在靠近逻辑器件（算术电路）的位置来降低电阻，从而降低在器件之间传输信息时发生的功耗。使用这种方法优化设备架构是有效的，并且近年来该领域的发展非常活跃。
另外，在逻辑设备、CPU、GPU中*¹，神经网络单元*²利用每种计算特性将任务分配给最优电路的SoC*³等都被使用。该SoC架构还可以使用不使用接合技术的一次性工艺方法来构建，或者可以使用3D系统集成来构建。 3D系统集成技术是异构集成*⁴也称为（异构集成）、硅和非硅元件、CPU 和 DRAM*⁵进入包装。
此外，在人工智能技术的发展中，模拟电阻改变了模拟人脑功能的元件*⁶和非易失性电阻变化存储器*⁷的发展正在不断进步，我们的成膜技术也在为这一发展做出贡献。
通过组合和应用这些技术，可以进一步降低各种设备的功耗并提高计算效率。
实现下一代计算需要开发能够进一步加速处理并节省能源的 AI 芯片组。通过充分利用广泛的半导体制造技术和各种方法，我们致力于创造满足下一代需求的高附加值设备，使计算机更接近人脑。我们正在进一步扩大我们可以做出贡献的技术领域，例如开发新材料以及通过3D系统集成进一步提高芯片组的性能，并致力于优化半导体的功率效率并实现下一代计算。
我们还致力于量子计算技术的开发和应用，着眼于下一代及更高版本。
GPU：图形处理单元。专门设计的电子电路，用于扩展和修改内存，以加速创建用于显示的图像
NPU：神经网络处理单元。专用于人工智能的处理器，包含模仿人类神经系统的神经网络
SoC：片上系统。指在单个半导体芯片上实现系统运行所需的许多或全部功能的设计方法，以及使用该方法制造的芯片
异构集成：将不同芯片组合成一个的封装
DRAM：动态随机存取存储器。一种半导体存储器，用作计算机的主存储器和其他电子设备内的大规模工作存储器
模拟电阻变化元件：具有连续改变电阻功能的电子器件元件
非易失性电阻变化存储器：使用非易失性电阻变化的随机存取存储器
使用机器学习的 AI 进行流程开发
随着人工智能在社会中的实际应用不断进步，我们公司是最早推出可在全公司范围内使用的生成式人工智能系统的公司之一。此外，为了加速产品开发，我们还致力于开发专门用于半导体制造设备的软件的生成式人工智能。
在半导体制造工艺的开发中，使用扫描电子显微镜 (SEM) 拍摄的图像来检查晶圆上的加工结果，并测量各种微结构的尺寸，例如互连宽度和孔径，以确定是否获得了所需的结果。
到目前为止，我们已经开发并使用了应用机器学习来完成此任务的工具，但我们花费了大量时间准备测量新形状。 2023 财年，我们开发了一款新的图像长度测量工具，可以快速轻松地测量任何形状。该新工具无需预先准备测量，使参与工艺开发的工程师能够通过简单的操作测量晶圆形状，从而提高工艺开发的生产率。
