Loading [MathJax]/extensions/tex2jax.js

1

1
1

文字

分享

1
1
1

「故事力」加上「科普力」,半導體素養也能很有趣——《掀起晶片革命的天才怪咖:蕭克利與八叛徒》

親子天下_96
・2022/07/14 ・1508字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/泛科學知識長 鄭國威 Portnoy

一段「叛逆」與幸運交織的故事

「叛逆」是個偏負面的詞,更不用說「叛徒」了。不過就跟生物演化一樣,如果細胞裡的基因不叛逆地突變,當環境劇烈改變,適應良好、佔據主流的群體就會無所適從,反倒是看來不合時宜又不合群的少數「叛徒」,能勉力掙扎,突圍而出——如果夠幸運的話。

掀起晶片革命的天才怪咖:蕭克利與八叛徒》就是一個叛逆、掙扎,跟幸運交織而成的故事。

儘管矽谷的誕生是當代最經典、卻不常被科普書籍講述,因此令大多數人都感到陌生。作者張瑞棋填補了這個空缺,而他的故事力加上科普力,讓本書足為台灣出版界給全世界的禮物。

現在看起來,全世界主流到不行,而且應該會繼續主流很久很久的半導體上中下游產業,可說是要風有風,喚雨有雨;除了企業搶產能、國家搶進駐,半導體公司更是搶人才、搶地、搶水、搶電;被擠到邊緣的所有其他產業也都只能吞忍,畢竟護國神山這帽子並不好戴。

-----廣告,請繼續往下閱讀-----

但回到 1945 年的貝爾實驗室,當時世界第二次大戰都還沒結束,半導體是個在雲端上的概念(後來竟成為「雲端」運算的核心),蕭克利 (William Shockley) 作為少數了解量子力學且能發展應用的科學家,在頑石上敲了第一下提出場效應電晶體架構,火花霎時點亮了 20 世紀延續至今的第三次工業革命。

1945 年,世界第二次大戰都還沒結束,半導體還只是個在雲端上的概念。圖/Pixabay

然而隨著作者張瑞棋的鋪陳,你會發現要點「矽」成「晶」,看似關卡在科學、在實驗,其實更在於人的性格。

個性決定命運:蕭克利與「八叛徒」

蕭克利隨後因專利而跟貝爾實驗室的夥伴鬧翻,其他人也受不了他的脾氣,然而才氣與名氣同樣巨大的蕭克利順利取得企業投資,在加州史丹佛大學工業園區創業設立新實驗室,展開徵才。慧眼獨具的他讓新實驗室人才濟濟,卻屢屢情緒失控,不但痛斥這些好不容易找來,跟他比肩的天才們,也無法領導公司邁入生產銷售,不斷想追求更新的科技。

這樣的領導失敗讓其中的八人萌生叛逆之心,如同蕭克利叛出貝爾實驗室,「八叛徒」叛出蕭克利麾下,成立的快捷半導體(Fairchild Semiconductor),也依賴創新融資跟股權分配方式,激勵創業者拼命成功。

-----廣告,請繼續往下閱讀-----

這樣的環境激勵更多「叛徒」新創,成為延續至今,已全球化的矽谷文化,英文裡的 rebel 叛逆者,幾乎已無貶義,而有革命英雄氣息。

「八叛徒」叛出蕭克利麾下,成立快捷半導體(Fairchild Semiconductor)。 圖/ envato

本書類似紀錄片,以精彩故事手法重現真實歷史。這些真實人物之間生動的對話跟交鋒,又宛如流暢的舞台劇腳本,即使不熟悉相關物理跟電腦科學,也能體會情節的趣味起伏。各小節後插入的「知識 +」欄位,則讓想了解科技的讀者,無分年紀資歷,都能輕鬆掌握、提升「半導體素養」!

身為台灣人,要是不會泡珍奶、炸雞排、聊半導體,就不夠台啦!如果你最後這項技能還沒點,這本書先讀起來吧~

——本文摘自《掀起晶片革命的天才怪咖:蕭克利與八叛徒》,2022 年 7 月,親子天下,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
親子天下_96
26 篇文章 ・ 25 位粉絲
【親子天下】起源於雜誌媒體和書籍出版,進而擴大成為華文圈影響力最大的教育教養品牌,也是最值得信賴的親子社群平台:www.parenting.com.tw。我們希望,從線上(online)到實體(offline),分齡分眾供應華人地區親子家庭和學校最合身體貼的優質內容、活動、產品與服務。

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

1
0

文字

分享

0
1
0
晶片生病要手術 該選哪種開刀方式來做切片?
宜特科技_96
・2025/01/11 ・3131字 ・閱讀時間約 6 分鐘

晶片結構內部有問題,想要進行切片觀察,但方式有好幾種,該如何針對樣品的屬性,選擇正確分析手法呢?

本文轉載自宜特小學堂〈 哪種 IC 切片手法 最適合我的樣品〉,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!

點擊圖片收看影片版

IC 設計後,在進行後續的產品功能性測試、可靠度測試(Reliability Test)或故障分析除錯(Failure Analysis & Debug)前,必須對待測試的樣品先做樣品製備(Sample preparation),透過 IC 切片方式,進行斷面/橫截面觀察(Cross-section)。此步驟在確認晶片內的金屬接線、晶片各層之間結構(Structure)、錫球接合(Solder Joint)、封裝打線(Wire Bonding)和元件(Device)異常等各種可疑缺陷(Defect),扮演相當關鍵性重要角色。

然而觀察截面的方式有好多種,有傳統機械研磨(Grinding)方式,透過機械手法拋光(Polish)至所需觀察的該層位置;或是透過離子束(Ion Beam)方式來進行切削(Milling);那麼,每一種分析手法到底有那些優勢呢?又該如何選擇哪一種切片手法,才能符合工程師想要觀察的樣品型態呢?本文將帶來四大分析手法,從針對尺寸極小的目標觀測區(如奈米等級的先進製程缺陷),或是大面積結構觀察(如微米等級的矽穿孔 TSV),幫大家快速找到適合的分析手法,進行斷面/橫截面觀察更得心應手!

傳統機械研磨(Grinding):樣品製備時間長,觀測範圍可達 15cm

 傳統機械研磨最大優勢,是可以達到大面積的觀察範圍(<15cm 皆可),跨越整顆晶粒(Die),甚至是封裝品(Package),當需要檢視全面性結構的堆疊或是尺寸量測等等,就適合使用 Grinding 手法(如下圖)。這個手法可透過機械切割、冷埋、研磨、拋光四步驟置備樣品到所需觀察的位置。

-----廣告,請繼續往下閱讀-----
(左):晶粒(Die)剖面研磨;(中)&(右)銅製程剖面研磨。圖/宜特科技

不過傳統研磨也有兩項弱點,除了有機械應力容易產生結構損壞,如變形、刮痕外,此項操作也非常需要依靠操作人員的執行經驗,經驗不足者,恐導致研磨過頭而誤傷到目標觀測區,影響後續分析。

傳統研磨相當依靠操作人員的執行經驗。圖/宜特科技

離子束 Cross-section Polisher(CP):除了截面分析,需要微蝕刻也可靠它

相較於傳統機械研磨(Grinding),Cross-section Polisher(簡稱 CP)的優點在於,是利用離子束做最後的精細切削(Fine milling),可以減低多餘的人為損傷,避免傳統研磨機械應力產生的結構損壞。除了切片外,CP 還有另一延伸應用,就是針對樣品進行表面微蝕刻,能夠解決研磨後造成的金屬延展或變形問題。因此,若是想觀察金屬堆疊型之結構、介金屬化合物 Intermetallic Compound(IMC),CP 是非常適合的分析手法。

CP 的手法,是先利用研磨(Grinding)將樣品磨至目標區前,再使用氬離子 Ar+,切削至目標觀測區,此做法不僅能有效縮短分析時間,後續再搭配掃描式電子顯微鏡(Scanning Electron Microscope,簡稱 SEM)進行拍攝,將能夠呈現較為清晰的層次邊界。

上圖是兩張 SEM 影像。左圖為研磨後的 IC 結構,層次邊界並不清晰;右圖則為 CP 切削後的 IC 結構,層與層之間界線清晰可見,同時也少了許多研磨後的顆粒與髒汙。圖/宜特科技

案例一CP Cross Section 能力,快又有效率!

案例一的待測樣品為 BGA 封裝形式,目標是針對特定的錫球(Solder bump)進行分析。透過 CP,可在 1 小時內完成 1mm 範圍的面積切片。後續搭配 SEM 分析,即可清楚呈現錫球表面材料的分布情況。

-----廣告,請繼續往下閱讀-----

下圖是案例中的 SEM 影像,圖(a)是 CP 後的樣品截面,可將整顆 bump 完整呈現。圖(b)是用傳統機械研磨(Grinding)完成之 BGA,雖然可以看到 bump 的介金屬化合物(IMC),但因研磨延展無法完整呈現。而圖(c)是用 CP 完成之 BGA,bump 下方的IMC對比清晰,可清楚看到材料對比的差異。

圖/宜特科技

案例二:透過 CP milling 解決銅延展變形的狀況

常見的 PCB 板疊孔結構中,若盲孔(Blind Via Hole,簡稱 BVH)與銅層(Cu layer)之間的結合力較弱時,在製程後期的熱處理過程中,容易導致盲孔與銅層拉扯出裂縫(Crack),造成阻值不穩定等異常情形。一般常見是透過傳統機械研磨(Grinding)來檢測此類問題,但這種處理方式往往會造成銅延展變形而影響判斷。我們可以使用 CP 針對 BVH 結構進行 CP milling,有效解決問題,並且處理範圍可達 10mm 以上之寬度。

左圖為傳統機械研磨(Grinding)後之 PCB via,無法看到裂縫(Crack);右圖為 CP milling 後之 PCB via,清楚呈現裂縫(Crack)。圖/宜特科技

Plasma FIB(簡稱PFIB):不想整顆樣品破壞,就選擇它來做局部分析

在 3D-IC 半導體製程技術中,如果擔心研磨(Grinding)在去層(Delayer or Deprocess)過程傷到目標區,或是擔心樣品研磨時均勻性不佳,會影響到觀察重點,這時就可考慮用電漿聚焦離子束顯微鏡(Plasma FIB,簡稱 PFIB)分析手法!

PFIB 結合了電漿離子蝕刻加工與 SEM 觀察功能,適用於分析範圍在 50-500 µm 的距離內,可進行截面分析與去層觀察,並針對特定區域能邊切邊觀察,有效避免因盲目切削而誤傷到目標區的狀況,確保異常結構或特定觀察結構的完整性。(閱讀更多:先進製程晶片局部去層找 Defect 可用何種工具

-----廣告,請繼續往下閱讀-----
PFIB 切削後之 TSV (Through Silicon Via)結構,除了可以清楚量測金屬鍍層厚度外,因為沒有研磨的應力影響,可明確定義 TSV 蝕刻的 CD(Critical Dimension)。圖/宜特科技

Dual Beam FIB(簡稱DB-FIB):適用數奈米小範圍且局部的切片分析

結合鎵離子束與 SEM 的雙束聚焦離子顯微鏡(Dual Beam FIB,簡稱 DB-FIB),可針對樣品中的微細結構進行奈米尺度的定位及觀察,適用於分析範圍在 50µm 以下的結構或異常區域。同時,DB-FIB 還能進行能量散佈 X-ray 能譜儀(Energy Dispersive X-ray Spectroscopy,簡稱 EDX)分析及電子背向散射(Electron Backscatter Diffraction,簡稱 EBSD),以獲得目標區域的成分與晶體結構相關資訊。

此外,當觀察的異常區域或結構過於微小,用 SEM 無法得到足夠資訊時,DB-FIB 也可以執行穿透式電子顯微鏡(Transmission Electron Microscope,簡稱 TEM)的試片製備,後續可供 TEM 進行更高解析度的分析。

DB-FIB 搭配 SEM 與鎵離子槍,可針對異常及微區結構進行定位與分析。圖/宜特科技

若想更認識各種工具的應用,歡迎來信索取宜特精心製作的四大切片分析工具圖表marketing_tw@istgroup.com,希望透過本文能幫助讀者,對IC截面分析手法有更多了解,例如 CP 設備新增了 Milling 功能,使其用途更加多元;而 PFIB 增加了去層功能,為先進製程的異常分析開啟了全新的可能性!

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

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

1
1

文字

分享

0
1
1
「科學」能有價值觀嗎?堅持「客觀」反而讓民眾失去信任?——《為何信任科學》
貓頭鷹出版社_96
・2024/05/26 ・3357字 ・閱讀時間約 6 分鐘

科學這門事業並非價值中立,個別科學家也不是。沒有任何人可以真正做到價值中立,當科學家這樣講自己,人們會覺得他們虛偽,因為那是不可能的。除非他們是白痴學者或超級天真,不然就是不誠實。然而誠實、開放和透明又被認為是科學研究的核心價值。科學家怎麼可能同時做到誠實,又說他們沒有自己的價值觀?如果科學家要堅守誠信,同時卻讓大眾誤解他們的角色(就算不是故意的),這會讓他們的事業出現根本的矛盾。

可能有人會反駁,科學家並不是說他們沒有自己的價值觀,只是不會允許這些價值觀影響到科學工作。這種論述不可能證明對或錯,但社會科學研究和一般常識都顯示這不太可能。這就把我們帶到下一個問題,不知為何長久以來都沒有人認真討論一件事,但它卻是許多美國人不信任科學的核心因素:要說科學是價值中立的,多少是在說它沒有價值,至少除了創造知識以外沒有其他價值,而這很容易就變成在說科學家沒有價值信念。當然不是這樣,但如果科學家不願意討論他們的價值觀,就會給人一種印象,認為他們的價值觀有問題,所以才需要遮遮掩掩,或認為他們根本就沒有價值信念。你會相信一個沒有價值信念的人嗎?

我在第二章提出了一個問題:忽視科學主張但最終發現它是對的,風險是什麼?相比之下,相信一個錯誤的科學主張,風險又是什麼?回答這個問題必須仰賴價值。我和康威合著的《販賣懷疑的人》提到,氣候科學所引起的爭辯,幾乎都是價值上的爭辯。很多有影響力的人物在一九八○和一九九○年代相信,政府干預市場的政治風險是如此之大,超越了氣候變遷的風險,因此他們懷疑、蔑視,甚至否認後者的科學證據。這些立場由自由主義智庫繼承,得到共和黨支持,演變成共和黨支持者很多都否認氣候變遷,只是有些積極、有些消極;然後再演變成很多質疑「大政府」的人都懷疑氣候變遷,包括商人、長者、福音派基督徒、住在美國鄉下的人。

即使氣候變遷的證據不斷累積,懷疑論者還是堅稱,就算氣候真的有在變遷,情況也不會太嚴重,或者不是「我們造成的」。因為如果事情真的很嚴重而且是我們造成的,那我們就應該採取行動,可能需要政府以某種方式管制。如此一來,否認氣候變遷逐漸變成美式生活的常態,先是否認證據,最終否認事實。這個問題非常嚴重,但是對於氣候變遷否認者秉持的價值,不能一網打盡說是錯的。

-----廣告,請繼續往下閱讀-----
共和黨支持者很多都否認氣候變遷。圖/giphy

我們可以討論大政府和小政府的優缺、市場管制不足或過度管制的風險,但任何這類討論都(至少在某種程度上)是從價值出發。如果要開誠布公討論這個話題,就必須討論我們的價值觀。不同的人面對同樣的風險,可能有不同的想法,不代表他們就是愚笨或腐敗。人為氣候變遷的科學證據很清楚,疫苗不會導致自閉症很清楚,使用牙線有益健康也很清楚。但價值觀導致許多人拒絕接受證據指出的事情。

回到剛才的問題:你會相信一個沒有價值信念的人嗎?答案當然是不會,這種人是反社會人格。你也不會相信那些擁抱你所厭惡的價值的人。但如果你認為,某個人的價值觀起碼部分與你相似,就算不盡相同,你可能就比較願意聽聽他的想法,接受他說法的一部分。因此,無論價值中立是否能讓一個主張在知識論上比較站得住腳,可以確定的是它在現實中沒有用,不能以此確保溝通、建立信任的連結

科學寫作的主流寫法不只試圖隱藏作者的價值觀,也把他們的人性一同抹煞了。價值觀隱藏、情緒不得伸張、避免使用形容詞,甚至連「我」這個字都無形中禁止了,即便論文只有單一作者也一樣。理想的科學論文寫得好像作者沒有價值觀或感覺,甚至好像作者根本不是人,這都是為了表現出客觀。

圖/envato

科學家可能覺得根本沒辦法讓否認氣候變遷和相信地球年紀是 6000 年的人相信他們。或許這是真的。我曾經公開表示對於要如何跟千禧世代交流感到非常絕望,他們之中有些人聽信末世論,認為世界就要毀滅了,幹麻還擔心氣候變遷?但當我陷入絕望,隔天幾位記者就告訴我怎樣才能透過基督教價值和教導打動這些人。他們建議我從價值觀下手,社會科學研究也支持這種想法。

-----廣告,請繼續往下閱讀-----

結論

科學家壓抑自己的價值觀,堅持科學是價值中立的,這是一條歧路。他們認為人們如果相信科學沒有價值觀,就會相信他們,但這是錯的。

墨頓顯然這樣想,但他可能是錯的,或許反過來才是對的。原因如下:

政治與社會觀念保守的基督徒、自由主義者、共和黨人拒絕相信演化論和人為氣候變遷,大部分分析都聚焦在科學家與這些人之間的價值衝突。但我相信,驅動大多數科學家的價值觀,還是和大多數美國人的價值觀有重疊之處,包括多數的保守派和宗教信徒。近來有一些科學家開始公開聲明他們的價值觀,我認為部分原因是,他們深信這些價值觀確實得到廣泛接納,可以作為信任連結的基礎。 我認為他們是對的。

我認識的大部分科學家都想要預防疾病、促進人類健康、透過創新和發現來強化經濟、保護美國與全世界美麗的大自然。前共和黨議員殷格利斯講得很有說服力,他談到他和海洋生物學家一同造訪大堡礁,他們肩並肩站著,欣賞珊瑚礁周邊生物撼人的美麗。殷格利斯了解到一件事:他看到「創造」,科學家看到「生物多樣性」,但他們實際上看到的、在意的、珍惜的,是同一件事。

-----廣告,請繼續往下閱讀-----

我好喜歡這個故事,因為多數人至少都在某方面珍愛自然。不同背景的美國人都曾造訪國家公園和森林,去健行、釣魚、露營、開車、攝影、漫遊、抱怨,雖然從事不同活動,但美景與體驗帶來了共同的喜悅。儘管如此,我們對人類與自然世界的關係,確實有不一樣的想法。有些人想要在冬日的黃石公園騎雪上摩托車,有些人想要安靜休養。幾乎所有美國人都說他們相信自由,然而我們對這個詞的理解卻嚴重分歧,也很難同意該把哪一類自由看得最重要。柏林有句名言:狼的自由可能代表羊的死亡。同意「自由」這個詞意義並不大。

宗教歷史學家普羅特勞指出,猶太人、天主教徒和新教教徒都相信十誡,但是版本差距之大,令人吃驚。例如天主教放棄了不可崇拜偶像,而猶太教與新教徒堅守此道。天主教因此少了一條戒律,只剩九條很奇怪,於是他們把最後一條一分為二,變成第九條是不可貪圖鄰人之妻,第十條是不可貪圖其他東西。儘管如此,美國人中超過 70% 都信奉這三個宗教,他們都還是認同不可殺人、偷竊、通姦或做偽證,也相信我們應該崇拜唯一真神、不可妄稱神的名、守安息日、孝敬父母。伊斯蘭教也同意這些,只是比這三個宗教更加強調慈善:課(zakat),也就是施捨,是五大支柱之一。不過,看看 zakat 這個字和希伯來文中的 tzedakah 多麼相似,tzedakah 代表慈善施予,是猶太生活的道德義務。慈善也是基督教的核心價值,虔誠的摩門教徒會繳納什一奉獻。

在很多政治議題上我們意見相左,但我們的核心價值大部分都重疊。釐清這些我們都同意的部分,並解釋它們和科學研究的關聯,我們就有機會克服盛行的懷疑論與對科學的不信任,尤其是因價值受到衝擊而產生的不信任。

We have been authorized by Princeton University Press to use this conten. 該內容由普林斯頓大學出版社授權使用

——本文摘自《為何信任科學:科學的歷史、哲學、政治與社會學觀點》,2024 年 04 月,貓頭鷹出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

貓頭鷹出版社_96
65 篇文章 ・ 26 位粉絲
貓頭鷹自 1992 年創立,初期以單卷式主題工具書為出版重心,逐步成為各類知識的展演舞台,尤其著力於科學科技、歷史人文與整理台灣物種等非虛構主題。以下分四項簡介:一、引介國際知名經典作品如西蒙.德.波娃《第二性》(法文譯家邱瑞鑾全文翻譯)、達爾文傳世經典《物種源始》、國際科技趨勢大師KK凱文.凱利《科技想要什麼》《必然》與《釋控》、法國史學大師巴森《從黎明到衰頹》、瑞典漢學家林西莉《漢字的故事》等。二、開發優秀中文創作品如腦科學家謝伯讓《大腦簡史》、羅一鈞《心之谷》、張隆志組織新生代未來史家撰寫《跨越世紀的信號》大系、婦運先驅顧燕翎《女性主義經典選讀》、翁佳音暨曹銘宗合著《吃的台灣史》等。三、也售出版權及翻譯稿至全世界。四、同時長期投入資源整理台灣物種,並以圖鑑形式陸續出版,如《台灣原生植物全圖鑑》計八卷九巨冊、《台灣蛇類圖鑑》、《台灣行道樹圖鑑》等,叫好又叫座。冀望讀者在愉悅中閱讀並感受知識的美好是貓頭鷹永續經營的宗旨。