22. Juli 2025 Überbrückung der Kluft zwischen Wissenschaft und Industrie bei der Halbleiterinnovation Hinter jedem technologischen Durchbruch steht Spitzenforschung und -entwicklung auf dem Gelände von Universitäten und Forschungseinrichtungen. Halbleiter bilden hier keine Ausnahme, denn die unablässige Forderung nach Optimierung der Leistung, Maximierung der Energieeffizienz und Senkung der Kosten erfordert ständige Innovation an der Schnittstelle von Wissenschaft und Technik. Tatsächlich haben diese Kooperationen zwischen Wissenschaft und Industrie tiefe Wurzeln, die bis in die 1940er Jahre zurückreichen. An der Purdue University leistete der Physiker Karl Lark-Horovitz Pionierarbeit auf dem Gebiet der Germaniumkristalle, indem er die Gleichrichtertechnologie für die Radartechnik vorantrieb und entscheidende Grundlagen für die Erfindung des Transistors schuf. Mit seinem Hochschulpartnerschaftsprogramm überbrückt GlobalFoundries diese Kluft zwischen Wissenschaft und Innovation, um die nächste Welle der Chip-Innovation voranzutreiben. Das Universitätsnetzwerk von GF umfasst Kooperationen mit mehr als 80 Universitäten, mehr als 110 Professoren und mehr als 600 Studenten an führenden Einrichtungen auf der ganzen Welt, die Innovationen vorantreiben, um die Grenzen des Möglichen in der Halbleiterforschung zu erweitern. Visionäre Forschung im Labor von Princeton geboren Ein leuchtendes Beispiel dafür liefert Kaushik Sengupta, Professor für Elektrotechnik und Computertechnik an der Princeton University. In den vier Wänden seines Labors arbeiten Professor Sengupta und sein intellektuell breit gefächertes Team von Doktoranden und Post-Docs an der nächsten Generation hochmoderner drahtloser Sensorkommunikation. Ihre bahnbrechenden Bemühungen um die Entwicklung der ersten KI-fähigen Funk- und Millimeterwellen-Chips brachten ihnen 2022 den renommierten IEEE IMS Advanced Practice Paper Award [1] und 2023 den Best Paper Award im IEEE Journal of Solid-State Circuits [2] ein. Da diese Technologie das Herzstück kritischer Anwendungen wie Fahrzeugradare, autonome Systeme und Robotik bildet, widmen sich Sengupta und sein Team der Erforschung der Zukunft intelligenter Umgebungen und der drahtlosen Schnittstellen, die diese Fortschritte ermöglichen. Bevor Tools für künstliche Intelligenz wie ChatGPT in den Mainstream Einzug hielten, arbeitete das Team an KI-fähigen integrierten Funkschaltungen (RFICs), die die Branche revolutionieren könnten. Der Sprung der KI bei der Neudefinition des RF-Schaltungsdesigns Traditionell ist der Entwurf dieser Schaltungen eine Kunst, die umfangreiche Erfahrung und iterative Entwurfsprozesse erfordert, die mehrere Monate dauern können. "Das RFIC-Design liegt an der Schnittstelle zwischen Schaltungen und Elektromagnetik. Da man zwischen diesen verschiedenen Dimensionen hin und her springen muss, wird der Entwurfsprozess sehr komplex", erklärt Sengupta. Hinzu kommt, dass diese Schaltungen mit sehr hohen Frequenzen arbeiten, so dass selbst die kleinsten parasitären Elemente von großer Bedeutung sind. Inspiriert von den Fortschritten in der KI, wie sie in anderen wissenschaftlichen Bereichen wie der Proteinfaltung zu beobachten sind, machten sich Professor Sengupta und sein Team auf den Weg, um herauszufinden, wie sie dieses Paradigma ändern können, indem sie KI zur Algorithmisierung des Designprozesses nutzen. Durch das Training kundenspezifischer KI-Algorithmen auf kuratierten Datensätzen hofften sie, neue, unentdeckte RF-Schaltungen und elektromagnetische Passive zu identifizieren und ein schnelles End-to-End-Design von RFICs zu ermöglichen, wodurch die Designzeit von Monaten auf Tage reduziert werden könnte. Die GF-Chips setzen Forschung in die Realität um Zu diesem Zeitpunkt trat das Forschungsteam von Professor Sengupta mit seiner visionären Idee an GF heran. GF erkannte die Neuartigkeit dieses Ansatzes und unterstützte die Forschung durch die Bereitstellung seiner leistungsfähigsten Silizium-Germanium-Technologien, zumal Professor Senguptas KI-gesteuerte Methodik für das RFIC-Design die Bemühungen des Referenzdesign-Teams von GF ergänzte, das sich stark auf die Anwendung von KI und ML konzentriert, um die Designproduktivität zu beschleunigen und die Qualität von RF-Lösungen der nächsten Generation zu verbessern. Mit dem GlobalShuttle-Multiprojekt-Wafer-Programm ermöglicht GF Start-ups, Forschern und Systeminnovatoren auf der ganzen Welt, differenzierte Chipdesigns effizienter und kostengünstiger zu verwirklichen. Durch die Bündelung mehrerer Projekte auf einem einzigen Wafer senkt GlobalShuttle die Hürden für kundenspezifisches Silizium durch Skalierbarkeit und Flexibilität und ermöglicht es Partnern, ihre Design-Visionen zu verwirklichen und gleichzeitig die Kostenbeschränkungen von Test-Silizium zu vermeiden. Dieses Programm ermöglichte es den Forschern in Princeton, die Machbarkeit ihrer Designkonzepte zu demonstrieren und Fördermittel für ihre weiteren Bemühungen zu sichern. Die von der KI erstellten Schaltkreisentwürfe gehen neue Wege Die Ergebnisse sind geradezu revolutionär: Das Team hat mit der Silizium-Germanium-9HP-Plattform von GF erfolgreich das erste Deep-Learning-fähige Hochfrequenz-Transmittersystem hergestellt. Die von der KI entworfenen Schaltkreise weisen extrem komplexe Strukturen auf, die das herkömmliche Verständnis des Feldes sprengen. "Die elektromagnetischen Strukturen, die von diesen KI-Algorithmen stammen, sehen aus wie sehr komplizierte QR-Codes", sagt Professor Sengupta. Wenn man sie ansieht, kann niemand sagen, was sie tun. Sobald man jedoch diese Schaltungselemente hinzufügt, funktioniert die gesamte Schaltung außergewöhnlich gut. "Damit werden HF-Schaltungen und HF-Passivteile universell einsetzbar. Jetzt müssen wir nur noch herausfinden, wie diese aktiven Bauelemente mit passiven Bauelementen verbunden werden". Seitdem hat die Gruppe mehrere Fortschritte bei der KI-gestützten Synthese von Multi-Port-Strukturen, passiven Bauelementen, Antennen [3] und sogar End-to-End-Leistungsverstärkern mit gleichzeitigem Design von Schaltungen und passiven Bauelementen demonstriert [4]. Als Ergebnis dieser Bemühungen hat die Realisierbarkeit dieser von der KI entworfenen Schaltungen die Aufmerksamkeit von akademischen, industriellen und staatlichen Partnern auf sich gezogen. Das Projekt hat zu zahlreichen Veröffentlichungen geführt und wurde als eines von drei "AIDRIFC"-Preisträgern ausgewählt, die vom National Semiconductor Technology Center (NSTC) mit 30 Millionen Dollar gefördert werden. Was als intellektuelle Kuriosität begann, hat sich inzwischen zu einem eigenen Forschungsbereich entwickelt, in dem mehrere führende Forschungsgruppen den neuesten Stand der Technik bei KI-gestützten RFICs demonstrieren. Anerkennung für die Menschen, die die Zukunft der Branche gestalten Der Erfolg von Professor Sengupta und seinem Team ist nur ein Beispiel dafür, wie eine sinnvolle Zusammenarbeit zwischen Wissenschaft und Industrie die Innovation in der Halbleiterindustrie beschleunigt. Dies ist nicht nur eine Geschichte über die Bereitstellung von Werkzeugen und Unterstützung für Forscher, die sie für Innovationen benötigen. Sie wirft auch ein Schlaglicht auf die Menschen, die gemeinsam innovieren, um die Grenzen des Möglichen zu erweitern. Die Schaltungsentwicklung ist heute keine isolierte Disziplin mehr. Es gibt Überschneidungen mit dem Packaging, dem Maschinenbau, der Chemietechnik, der Algorithmus-Signalverarbeitung und mehr. Wie viele andere Bereiche in der Halbleiterindustrie hat sich auch die Schaltungsentwicklung zu einem vielfältigen und multidisziplinären Gebiet entwickelt. Um sich weiterzuentwickeln, muss eine starke Pipeline talentierter Mitarbeiter aufgebaut werden, die die Branche vorantreiben. Das Hochschulpartnerschaftsprogramm von GF wächst weiter und treibt nicht nur bahnbrechende Innovationen voran, sondern bildet auch die nächste Generation von Ingenieuren aus, die sich den Herausforderungen von morgen stellen. Referenzen: [1] Z. Liu, E. A. Karahan und K. Sengupta, "Deep Learning-Enabled Inverse Design of 30-94 GHz Psat,3dB SiGe PA Supporting Concurrent Multiband Operation at Multi-Gb/s," inIEEE Microwave and Wireless Components Letters, vol. 32, no. 6, pp. 724-727, June 2022, doi: 10.1109/LMWC.2022.3161979 [2] E. A. Karahan, Z. Liu und K. Sengupta, "Deep-Learning-Based Inverse-Designed Millimeter-Wave Passives and Power Amplifiers," inIEEE Journal of Solid-State Circuits, vol. 58, no. 11, pp. 3074-3088, Nov. 2023, doi: 10.1109/JSSC.2023.3276315. [3] Karahan, E.A., Liu, Z., Gupta, A.et al.Deep-learning enabled generalized inverse design of multi-port radio-frequency and sub-terahertz passives and integrated circuits.Nat Commun15, 10734 (2024). https://doi.org/10.1038/s41467-024-54178-1. [4] J. Zhou, E. A. Karahan, S. Ghozzy, Z. Liu, H. Jalili und K. Sengupta, "25.3 AI-Enabled Design Space Discovery and End-to-End Synthesis for RFICs with Reinforcement Learning and Inverse Methods Demonstrating mm-Wave/sub-THz PAs Between 30 and 120GHz,"2025 IEEE International Solid-State Circuits Conference (ISSCC), San Francisco, CA, USA, 2025, pp. 1-3, doi: 10.1109/ISSCC49661.2025.10904600.
