Die Zukunft gestalten: KI-Innovation durch universitäre Zusammenarbeit beschleunigt

Die Kluft zwischen Wissenschaft und Industrie im Bereich der Halbleiterinnovation überbrücken

Hinter jedem technologischen Durchbruch stehen Spitzenforschung und -entwicklung an Universitäten und Forschungseinrichtungen. Halbleiter bilden da keine Ausnahme, denn der unermüdliche Druck, die Leistung zu optimieren, power zu maximieren und die Kosten zu senken, erfordert ständige Innovationen 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 schließt GlobalFoundries diese Lücke zwischen Wissenschaft und Innovation, um power nächste Welle der Chip-Innovation power . Das Hochschulnetzwerk von GF umfasst Kooperationen mit über 80 Hochschulen, mehr als 110 Professoren und über 600 Studierenden an führenden Einrichtungen weltweit und treibt so Innovationen voran, um die Grenzen des Möglichen in der Halbleiterforschung und -entwicklung zu erweitern.

Visionäre Forschung, die im Labor von Princeton ihren Anfang nahm

Ein leuchtendes Beispiel hierfür liefert Kaushik Sengupta, Professor für Elektrotechnik und Informationstechnik an der Princeton University. Innerhalb der vier Wände des Labors widmen sich Professor Sengupta und sein intellektuell vielfältiges Team aus Doktoranden und Postdoktoranden voll und ganz der drahtlosen Sensor-Kommunikation der nächsten Generation auf dem neuesten Stand der Technik. Ihre bahnbrechenden Bemühungen bei der Entwicklung der ersten KI-fähigen Funk- und Millimeterwellen-Frequenzchips brachten ihnen bereits 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 Durchbruch der KI bei der Neugestaltung des Designs von HF-Schaltungen

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, die Forschung in die Realität umsetzen

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.

Weltweit ermöglicht GF durch das „GlobalShuttle Multi-Project Wafer“-Programm Start-ups, Forschern und Systeminnovatoren, differenzierte Chip-Designs effizienter und kostengünstiger zu realisieren. Durch die Zusammenführung mehrerer Projekte auf einem einzigen Wafer senkt GlobalShuttle die Hürden für kundenspezifische Halbleiter durch Skalierbarkeit und Flexibilität. So können Partner ihre Designvisionen verwirklichen und gleichzeitig die Kostenbeschränkungen von Testchips umgehen. Dieses Programm ermöglichte es den Forschern in Princeton, die Machbarkeit ihrer Designkonzepte nachzuweisen und Fördermittel für ihre weiteren Arbeiten zu sichern.

Die von KI erstellten Schaltkreisentwürfe beschreiten neue Wege

Die Ergebnisse waren geradezu revolutionär, denn dem Team gelang es, das erste Deep-Learning-fähige Hochfrequenz-Sendersystem auf Basis der Silizium-Germanium-9HP-Plattform von GF zu entwickeln. Die durch KI entworfenen Schaltungen weisen extrem komplexe Strukturen auf, die das herkömmliche Verständnis auf diesem Gebiet sprengen. „Die elektromagnetischen Strukturen, die aus diesen KI-Algorithmen hervorgingen, sahen aus wie sehr komplizierte QR-Codes“, sagte Professor Sengupta. Auf den ersten Blick kann niemand erkennen, was sie bewirken. Sobald man diese Schaltungselemente jedoch hinzufügt, funktioniert die gesamte Schaltung außergewöhnlich gut. „Dadurch werden HF-Schaltungen und HF-Passivkomponenten universalisiert. Jetzt müssen wir nur noch herausfinden, wie diese aktiven Bauelemente mit den Passivkomponenten verbunden werden.“ Seitdem hat die Gruppe mehrere Fortschritte vorgeführt, die die KI-gestützte Synthese von Mehrfachanschlussstrukturen, Passivkomponenten, Antennen [3] und sogar durchgängigen power mit gemeinsamem Design von Schaltung und Passivkomponenten [4] demonstrieren.

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 der 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.

Quellenangaben:

[1] Z. Liu, E. A. Karahan und K. Sengupta, „Deep-Learning-gestütztes inverses Design eines 30–94-GHz-Psat, SiGe , der den gleichzeitigen Mehrbandbetrieb mit mehreren Gbit/s unterstützt“, in: IEEE Microwave and Wireless Components Letters, Band 32, Nr. 6, S. 724–727, Juni 2022, doi: 10.1109/LMWC.2022.3161979

[2] E. A. Karahan, Z. Liu und K. Sengupta, „Deep-Learning-basierte, invers entworfene passive Millimeterwellen-Komponenten und Power “, in: IEEE Journal of Solid-State Circuits, Band 58, Nr. 11, S. 3074–3088, Nov. 2023, doi: 10.1109/JSSC.2023.3276315.

[3] Karahan, E.A., Liu, Z., Gupta, A. et al. Deep-Learning-gestütztes verallgemeinertes inverses Design von passiven Bauteilen und integrierten Schaltungen mit mehreren Anschlüssen im Hochfrequenz- und Sub-Terahertz-Bereich. Nat Commun 15, 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 KI-gestützte Erkundung des Entwurfsraums und durchgängige Synthese für RFICs mit verstärktem Lernen und inversen Methoden am Beispiel von mm-Wellen-/Sub-THz-Leistungsverstärkern im Bereich von 30 bis 120 GHz“, 2025 IEEE International Solid-State Circuits Conference (ISSCC), San Francisco, CA, USA, 2025, S. 1–3, doi: 10.1109/ISSCC49661.2025.10904600.