Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

訂作不畏高溫的奈米微晶合金

NanoScience
・2012/09/24 ・934字 ・閱讀時間約 1 分鐘 ・SR值 562 ・九年級

美國研究人員結合熱力學分析模型及實驗,製作出一種在1000°C的高溫下依然穩定的新型鎢奈米微晶合金。由於一般奈米微晶在高溫環境下通常不穩定,因此這是一項突破性的研究成果,並且對於研發具高強度及耐衝擊性的材料而言將有著極大助益。

對相同金屬形成的結構而言,奈米微晶比尺寸較大的塊材要來得強韌許多,可惜它卻較為不穩定。自然界的物體傾向處於低能量狀態,奈米微晶為降低其表面能而傾向生成較大的晶粒。特別是在高溫環境下,奈米微晶的晶粒會成長並結合,導致金屬軟化,而高溫熱處理卻是金屬製程裡相當常見的步驟。儘管研究人員試圖尋找避免晶粒成長的方法,但一直未找到令人滿意的解決方案。

最近,麻省理工學院(MIT)的Christopher Schuh研究團隊研發出一種新方法,所設計製造出高溫時不會發生晶粒成長結合的奈米微晶合金。Schuh表示,他們先計算合金內所有原子/鍵結的能量,包含在晶體環境中、晶界及晶體之間,再依此計算結果設計製作合金。他們特別計算了不同合金元素對整體結構能量的影響,並試圖找出能穩定晶界的元素,以得到能穩定維持的奈米微晶狀態。

研究人員從計算結果獲得不同金屬所需之比例,並依此成功合成出高溫環境下依舊穩定的奈米微晶金屬。他們也研究了通常不會混合在一起的金屬合金,有些甚至未曾被製作過。例如他們在研究鎢合金時,就考慮了12種不同的元素,其中包含鈦、鉻、銅與銀等。Schuh指出,傳統設計合金時通常不會考量到晶界,而是專注於這些不同金屬間的相容程度,然而晶界對於創造出穩定的奈米微晶卻極為重要,因此他們在計算中納入這些因素。

-----廣告,請繼續往下閱讀-----

該團隊所製造的一款鎢鈦合金含有20%的鈦原子,其晶粒大小僅有20 nm。實驗發現該合金在1100°C的退火溫度下一星期後,依舊維持穩定並具有絕佳強度。這種材料適合用於需要高耐衝擊性的應用上,譬如工業機械或裝甲鋼板等。

Schuh表示,他們研發的方法很容易推廣用來製造其他強度與穩定度一樣好或更好的新奈米結構材料,或許還能滿足額外的特性需求如抗腐蝕性等。該團隊目前正在詳究如何將其理論方法推廣到其他合金與結構。詳見Science|DOI: 10.1126/science.1224737。

資料來源:Nanocrystalline alloys can take the heat. NanoTech.org [Aug 24, 2012]

譯者:丁逸勳(台灣海洋大學材料工程研究所)
責任編輯:蔡雅芝

-----廣告,請繼續往下閱讀-----

轉載自奈米科學網

-----廣告,請繼續往下閱讀-----
文章難易度
NanoScience
68 篇文章 ・ 4 位粉絲
主要任務是將歐美日等國的尖端奈米科學研究成果以中文轉譯即時傳遞給國人,以協助國內研發界掌握最新的奈米科技脈動,同時也有系統地收錄奈米科技相關活動、參考文獻及研究單位、相關網站的連結,提供產學界一個方便的知識交流窗口。網站主持人為蔡雅芝教授。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
3

文字

分享

0
2
3
第三類寬能隙半導體到底在紅什麼?
宜特科技_96
・2023/10/30 ・4510字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

寬能隙半導體晶片
圖/宜特科技

半導體產業崛起,我們常聽到「能隙」這個名詞,到底能隙是什麼?能隙越寬的材料又代表什麼意義呢?
近幾年 5G、電動車、AI 蓬勃發展,新聞常說要靠第三類的「寬能隙半導體」發展,到底寬能隙半導體在紅什麼?我們一起來了解吧!

本文轉載自宜特小學堂〈第三類寬能隙半導體到底在紅什麼?〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

宜特科技 第三類寬能隙半導體到底在閎什麼 影片連結
點擊圖片收看影片版

什麼是能隙(Band Gap)?寬能隙又是「寬」在哪裡?

身為理組學生或是工程師,甚至是關心科技產業的一般人,對於「能隙」兩字一定不陌生,但你了解什麼是能隙嗎?

半導體能帶與能隙示意圖
半導體能帶與能隙示意圖。圖/宜特科技

能隙基本上要用量子物理的理論來跟大家說明,「能帶(Band)」的劃分主要為低能帶區的「價電能帶」(Valence Band,簡稱 VB),與高能帶區「導電能帶」(Conduction Band,簡稱 CB)的兩種,在 VB 與 CB 之間即是一個所謂的能帶間隙(Band Gap,簡稱 BG),簡稱「能隙」

能帶因電子流動產生導電特性
能帶因電子流動產生導電特性。圖/宜特科技

金屬材料能夠導電,主要是因為電子都位於高能的(CB)區域內,電子可自由流動;而半導體材料在常溫下,主要電子是位於低能的(VB)區域內而無法流動,當受熱或是獲得足夠大於能隙(BG)的能量時,價電能帶內電子就可克服此能障躍遷至導電能帶,就形成了導電特性。

-----廣告,請繼續往下閱讀-----

我們都知道功率等於電流與電壓加乘的正比關係,在高功率元件(Power device)的使用上如果半導體材料的能隙越寬,元件能承受的電壓、電流和溫度都會大幅提升。大眾所熟知的第一類半導體材料——矽(Si)能隙為 1.12 eV,具有成熟的技術與低成本優勢,廣泛應用於消費性電子產品;第二類半導體材料——砷化鎵(GaAs) 能隙為 1.43eV,相比第一類擁有高頻、抗輻射的特性,因此被廣泛應於在通訊領域。

為什麼需要用到第三類寬能隙半導體(Wide Band Gap,WBG)?

由於近年地球暖化與碳排放衍生的環保問題日益嚴重,世界各國都以節能減碳、綠色經濟為共同的首要發展方向,石化能源必須逐步減少並快速導入綠能節電的應用,因此不論是日常用品、交通運輸或軍事太空都逐步以高能效、低能耗為目標。

歐洲議會在 2023 年通過新法提高減碳目標,為 2030 年減碳 55% 的目標鋪路。國際能源署(IEA)也強建議各國企業在 2050 年前達到「淨零排放」,甚至有傳聞歐盟將通過燃油車禁售令,不論是考量環保或經濟,全球企業的綠色轉型勢在必行。因此在科技發展日新月異的同時,要兼顧大幅提升與改善現有的能源,已是大勢所趨。

目前半導體原料最大宗,是以第一類的矽(Si)晶圓的生產製造為主,但是以低能隙的半導體材料為基礎的產品,物理特性已到達極限,在溫度、頻率、功率皆無法突破,所以具備耐高溫高壓、高能效、低能耗的第三類寬能隙半導體(Wide Band Gap,WBG)就在此背景之下因應而生。

-----廣告,請繼續往下閱讀-----

現在有哪些的寬能隙(WBG)材料?

那麼有哪些更佳的寬能隙材料呢?目前市場所談的第三類半導體是指碳化矽(SiC)和氮化鎵(GaN),第三類寬能隙半導體可以提升更高的操作電壓,產生更大的功率並降低能損,相較矽元件的體積也能大幅縮小。
Si 與 C 的化合物碳化矽(SiC)材料能隙可大於 3.0eV;Ga 與 N 或 O 的化合物氮化鎵(GaN)或氧化鎵(Ga2O3)能隙也分別高達 3.4eV 與 4.9eV,大家可能沒想到的是鑽石的能隙更高達 5.4eV。

特性Si 矽SiC(4H)
碳化矽
GaN
氮化鎵
Ga2O3(β)
氧化鎵
Diamond
鑽石
能隙(eV)1.13.33.44.95.4
遷移率
(cm2/Vs)
1400100012003002000
擊穿電場強度
(MV/cm)
0.32.53.3810
導熱率
(W/cmK)
1.54.91.30.1420
半導體材料的物性比較。圖/宜特科技

氮化鎵(GaN)或氧化鎵(Ga2O3),雖然分別在 LED 照明或是紫外光的濾光光源,已經應用一段時間,但受限於這類半導體材料的特性,其實生產過程充滿了挑戰。例如:要製作 SiC 的單晶晶棒,相較 Si 晶棒的生產困難且時間緩慢很多,以及 GaN 與 Si 晶圓的晶格不匹配時,容易生成差排缺陷(Dislocation Defect)等問題必須克服,導致長久以來相關的製程開發困難及花費高昂,但第三類半導體市場潛力無窮,對於各國大廠來說仍是兵家必爭之地。

寬能隙半導體運用在那些產品上?

現在知名大廠如意法半導體、英飛凌、羅姆等,對寬能隙材料的實際運用均有相當大的突破,如氮化鎵(GaN)在以 Si 或 SiC 為基板的產品已陸續發表,而我們最常接觸到的產品,就是市售的快速充電器,採用的就是 GaN on Si 材料製作的高功率產品。

除了功率提升,因為溫度與熱效應可大幅降低,元件就可以大幅縮小,充電器體積也更加玲瓏小巧,除了已商品化的快充電源領域,第三類半導體在 AI、高效能運算、電動車等等領域的應用也是未來可期。

-----廣告,請繼續往下閱讀-----

(延伸閱讀:泛科學—快充怎麼做到又小又快? 半導體材料氮化鎵,突破工作頻率極限)

現行以矽基材料為主的高功率產品,多以絕緣閘雙極電晶體(IGBT)或金氧半場效電晶體(MOSFET)為主,下圖可以看到各種功率元件、模組與相關材料應用的範圍,傳統 IGBT 高功率模組大約能應用至一百千瓦(100Kw)以上,但速度卻無法提升至一百萬赫茲(1MHz)。而 GaN 材料雖然速度跟得上,但功率卻無法達到更高的一千瓦(1kW)以上,必須改用 SiC 的材料。

功率元件與相關材料的應用範圍
功率元件與相關材料的應用範圍。圖/英飛凌

SiC 具有比 Si 更好的三倍導熱率,使得元件體積又可以更小,這些特性使它更適合應用在電動車領域。特斯拉的 model3 也從原先的 IGBT ,改成使用意法半導體生產的 SiC 功率元件,應用在其牽引逆變器(Traction inverter)、直流電交互轉換器與充電器(DC-to-DC converter & on-board charger),能夠提高電能使用效率與降低能損。

特斯拉充電樁
多家車廠加入特斯拉充電網路。圖/特斯拉

在未來更高的電力能源需求下,車載裝置除了基本要具備高功率,還需要極高速的充電能力來因應電力補充,車用充電樁、5G 通訊基地台、交通運輸工具、甚至衛星太空站等更大的電力能源需求,相關的電流傳輸轉換,電傳速度的要求以及降低能損,就必須邁向更有效率的寬能隙材料著重進行開發,超高功率的 SiC 元件模組需求亦會水漲船高。

-----廣告,請繼續往下閱讀-----

寬能隙半導體在開發生產階段,需進行那些驗證分析?

根據宜特的觀察,晶圓代工廠與功率 IDM 廠商正持續努力研究與開發。不過,新半導體材料在開發初期,會有許多需要進行研發驗證的狀況,近年我們已協助多家寬能隙半導體(WBG)產業的開發與生產驗證。

比如磊晶製程相關的結構或缺陷分析,就可以藉由雙束聚焦離子束(Dual beam FIB)製備剖面樣品並進行尺寸量測或成分分析(EDS),亦可搭配穿透式電子顯微鏡(TEM)進行奈米級的缺陷觀察;擴散區域的分析可經由樣品研磨製備剖面後,進行掃描式電子顯微鏡(SEM)觀察以及掛載在原子力顯微鏡 (AFM) 上的偵測模組-掃描式電容顯微鏡(SCM)判別摻雜區域的型態與尺寸量測。

下圖為 SiC 的元件分析擴散區摻雜的型態,我們可以先用 SEM 觀察井區(Well)的分布位置,再經由 SCM 判斷上層分別有 N 與 P 型 Well 以及磊晶層(EPI) 為 N 型。

SEM及SCM分析的量測圖
使用 SEM 剖面觀察 SiC 元件的結構,搭配 SCM 分析 N/P 型與擴散區的量測。圖/宜特科技

另外在摻雜元素及濃度的分析,則可透過二次離子質譜分析儀(SIMS)的技術,下圖 GaN on Si 的元件,先用雙束聚焦離子束(Dual beam FIB)進行剖面成份分析(EDS)判斷磊晶區域的主要成份之後,提供 SIMS 參考再進行摻雜元素 Mg 定量分析濃度的結果,作為電性調整的依據。

-----廣告,請繼續往下閱讀-----
使用 DB-FIB 觀察 GaN 元件的剖面結構與 EDS 成份分析,搭配 SIMS 分析摻雜濃度
使用 DB-FIB 觀察 GaN 元件的剖面結構與 EDS 成份分析,搭配 SIMS 分析摻雜濃度。圖/宜特科技

除了上述介紹 WBG 元件結構的解析之外,其它產品也都可以透過宜特實驗室專業材料分析及電性、物性故障分析來尋求解答,包括因應安全要求更高的產品可靠度測試與評估,藉由宜特可以提供更完整與全方位的驗證服務。

希望透過本文介紹,讓大家對第三類半導體有更進一步的了解,近期被稱為第四類半導體的氧化鎵(Ga2O3)也逐漸躍上檯面,它相較於第三類半導體碳化矽(SiC)與氮化鎵(GaN),基板製作更加容易,材料也能承受更高電壓的崩潰電壓與臨界電場,半導體材料的發展絕對是日新月異,也代表未來會有更多令人期待的新發現。

本文出自 www.istgroup.com。

-----廣告,請繼續往下閱讀-----
宜特科技_96
14 篇文章 ・ 4 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室

0

4
2

文字

分享

0
4
2
快充怎麼做到又小又快? 半導體材料氮化鎵,突破工作頻率極限
PanSci_96
・2023/03/11 ・2703字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

除了線材,市場上也到處可看到標榜使用氮化鎵、可支援大電流快充的充電頭。但為什麼之前充電速度一直快不起來呢?為什麼現在要改用氮化鎵呢?快充能變得更快更快更快嗎?

快充加速了充電速度

在快充出來以前,我們的智慧型手機充電器,功率大約是 5 瓦特(W)或是 2.5 瓦特,現在最夯的的氮化鎵快充頭功率則高達 65 瓦特,相差了 13 倍,理想上充電時間也會縮短為十三分之一。

實際上,這幾年快充的發展速度可能比想像的還要快上許多。

還記得在 21 世紀的 Nokia 3310 嗎?其功率僅 4.56 瓦特,而蘋果一直到 2014 年的 iPhone6 才支援更快的 10 瓦特快充。然而,現在不僅已經出現不少支援 50 瓦特以上快充的手機,今年二月中國手機品牌 realme 推出的 GT Neo5,甚至出現 240 瓦特的超快充技術,是目前充電最快的智慧型手機。

提升充電器功率的關鍵

從過去到現在,充電器不僅功率大幅提升,充電器的大小同時也縮小了許多。過去的線性充電器,除了有條細細長長的尾巴外,最大的特徵就是不僅大、充電時還會發熱的變壓器;為了將市電的 110V 交流電轉為手機可以使用的 5V 直流電,就需要變壓器協助降壓。

-----廣告,請繼續往下閱讀-----

變壓器的發熱來源來自內部占了絕大部分體積的線圈,在電路學中被稱為「電感器」。輸入與輸出的線路會以線圈的形式綑在一組鐵芯上,兩端的線圈數量十分關鍵,線圈數量的比值就是兩側電壓的放大大小;若想從 110V 變成 5V,則為輸入的線圈圈數是輸出的 22 倍,那麼輸出的電壓就會減少 22 倍。

在變壓的過程中,輸入端的線圈與鐵芯就像一顆大電磁鐵,讓磁通量通過鐵芯,將能量傳到輸出線圈,輸出線圈則會因為電磁感應,產生相同頻率但電壓不同的交流電,完成降壓。只要再把 5V 交流電轉成 5V 的直流電,就可以幫手機充電啦。

過去的線性充電器最大的特徵就是體積大、充電時還會發熱。圖/Envato Elements

聰明的你應該已經想到,提升充電功率的關鍵就在於——線圈數量

如果希望變壓器的輸出提升,必須在維持線圈比值的情況下,等比例增加輸入與輸出端的線圈數量;更多的線圈就意味更多的磁通量能透過鐵芯傳到另一端,更多的能量也隨之傳遞。但如此一來,早已被塞滿的變壓器,為了塞進更多的線圈就只能繼續增加充電器的體積,還會因能量耗損放出大量的熱。

-----廣告,請繼續往下閱讀-----

若想提升功率,又能減少電感器大小,最好的方法就是——增加工作頻率

透過「高頻變壓器」的幫忙,將原先市電 60 赫茲的頻率提升到 50K 赫茲,被轉為高頻的交流電再進行變壓,如此一來就能降低能量損耗,所需的電感器大小也會大幅降低。

然而,要注意的是,要想改變交流電的頻率,是無法直接轉換的。要先將交流電轉為直流電,再經由特殊的「開關」電路將直流電轉為特定頻率的交流電;這類型的充電器就被稱為「開關充電器」,現在的智慧型手機就是使用開關充電器。

救世主材料

但隨著手機電池容量不斷增加,手機充電效率的需求永無止盡,充電器又開始一個比一個大。

-----廣告,請繼續往下閱讀-----
智慧型手機所使用得充電器為開關充電器。圖/Envato Elements

不是繼續提升工作頻率就好了嗎?那是因為,我們遇到了「矽的極限」。

開關電路中將直流轉為交流的關鍵,就是我們熟知的半導體元件電晶體。裡頭的原料過去都以我們熟知的矽為主,然而以矽為材料的半導體工作頻率極限僅在 100k 以下,如果超過 100k,轉換效率會大幅下降,更有嚴重的能量浪費問題。

解決的方法就是:尋找下一個材料。沒錯,就是最近最夯半導體的——氮化鎵(GaN);其能隙是矽的 3 倍,電子遷移率為 1.1 倍,崩潰電壓極限則有 10 倍。

顯然,氮化鎵擁有更良好的電特性,還能在高頻、高電壓的環境下工作,使用氮化鎵為材料的快充頭因此誕生!氮化鎵最高的工作頻率是 1000K,是矽的 10 倍,除了讓變壓器的電感線圈能再次縮小,連帶縮小充電頭的體積;亦能降低能耗並減少電容與散熱器的大小,成為好攜帶的快充豆腐頭。

-----廣告,請繼續往下閱讀-----

到這裡,或許你會想問,提高充電效率應該不只有換材料一條路吧?還會有更快的充電技術出現嗎?

當然會的;和矽相比,氮化鎵仍有很大的研究性。

而且不僅手機,就以現在市面上正夯的電動車來說,也需要快充技術支援,來減少充電時所需要的時間;為應對龐大的充電市場需求,綜觀整個半導體材料的發展歷史,已經有許多材料問世。除了氮化鎵,還包括矽、鍺、三五族半導體「砷化鎵」(GaAs)、「磷化銦」(InP),以及化合物半導體「碳化矽」(SiC);在能源產業中,又以氮化鎵和碳化矽的發展最令人期待。

電動車也需快充技術的支援,來縮短充電所需時間。圖/Envato Elements

氮化鎵與碳化矽的未來與挑戰

不論以技術發展還是成本考量,這兩位成員還不會那麼快取代矽的地位。

-----廣告,請繼續往下閱讀-----

兩者應用的範圍也不完全相同。氮化鎵擁有極高的工作頻率,在高頻的表現佳,並且耐輻射、耐高溫,除了運用在充電技術內外,在高功率 5G 基地台、航空通訊、衛星通訊也都將大展身手。碳化矽則在高溫及高電壓下擁有良好的穩定性,尤其在未來電動車快充的需求增加,1000 伏特以上的充電需求,將使得僅能承受 600 伏特的矽半導體無法負荷,預期將接手電動車中的關鍵元件。

兩者看來潛力無窮,但目前在製程上仍需克服許多問題;如:材料介面的晶格缺陷及成本考量;在它們能像矽材料應用在各方領域之前,還需要投入更多研發能量。

但令人興奮的是,駛向下個半導體世代的鳴笛聲已經響起,不論是台積電、晶圓大廠環球晶,國內外各家半導體大廠,都早以搭上這班列車。不同的材料也意味著,從磊晶、製程、元件設計、晶圓製造都將迎來改變,陸續也有廠商開始使用 AI 輔助設計氮化鎵半導體元件。

未來半導體與科技產業將迎來何種轉變,就讓我們拭目以待吧!

-----廣告,請繼續往下閱讀-----
半導體未來的發展令人興奮!圖/GIPHY

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----