Matlantis、imecと機械学習シミュレーションの共同開発プロジェクトを開始

Matlantisは、先端半導体技術で世界有数の研究・イノベーション拠点であるimecと、共同開発契約を締結しました。汎用原子レベルシミュレータ「Matlantis™」の中核をなす機械学習ポテンシャル「Matlantis PFP」（以下、PFP）を、imecが提案するナノエレクトロニクスの材料課題にどう生かせるか、両者で探っていきます。本投稿では、このテーマに取り組む理由と、プロジェクトの中身をご紹介します。

生成AIの広がりとともに、計算への需要は急速に伸びています。その計算を担う半導体は、これまで回路の微細化によって性能を高めてきました。しかし、微細化だけで性能を伸ばし続けることは難しくなりつつあり、新しい構造や材料の導入が進んでいます。そこで改めて問われているのが、材料そのものと、それを形づくる製造プロセスです。

Matlantisが取り組むのは、この材料とプロセスの開発です。原子レベルのシミュレーションは、新しい材料を探すだけでなく、成膜やエッチングといった製造プロセスで、表面や界面に何が起きているかを理解するのにも使えます。材料とプロセスの両面から開発を速めることが、半導体の進化を下支えすることにつながると考えています。

なぜ「界面」のシミュレーションなのか

半導体の性能を高めるには、チップ同士をより細かい間隔で、より多くの接点でつなぐ必要があります。そこで、チップを積み重ねる3D集積の接続技術として、ハイブリッドボンディングが中心的な技術になりつつあります。この接合の信頼性を左右するのが、二つの材料が接する界面で、原子レベルで何が起きているかです。

ところが、こうした界面や、先端デバイスに使われる多元素のアモルファス材料は、シミュレーションで扱うのが難しい対象です。量子力学に基づく計算は精度が高い一方で、現実的な大きさの系では時間がかかりすぎてしまいます。

PFPは、幅広く多様な原子構造で学習させた汎用機械学習ポテンシャルです。密度汎関数理論（DFT）などの第一原理計算に比べてはるかに少ない計算コストで、原子構造のエネルギーや、原子に働く力を予測します。

共同で取り組むこと

本プロジェクト「SIMPL（Simulations with Machine-Learning Potentials）」では、精度と計算時間のこのギャップを埋めるうえで、PFPがどう役立つかを探ります。プロジェクトは二つのテーマで構成されます。

一つ目は、PFPの評価です。imecが選んだナノエレクトロニクス分野の材料や界面について、PFPが原子に働く力とエネルギーをどこまで再現できるかを、imecが評価します。

二つ目は、ハイブリッドボンディングにおける密着のモデリングです。アモルファスの誘電体と多結晶の金属がどのように密着するかを調べ、ハイブリッドボンディングの仕組みの理解を深めます。あわせて、ナノエレクトロニクスの3Dパッケージングに向けた、より効率的なハイブリッドボンディング技術の開発を後押しすることを目指します。

imecとMatlantisからのコメント

imec FellowのGeoffrey Pourtois氏から、次のコメントをいただきました。

「imecは半導体イノベーションの最前線で、次世代のチップを実現する技術を開発しています。その進歩には、原子レベルで材料のふるまいを理解することが欠かせません。Matlantisとの共同開発により、機械学習による原子レベルシミュレーションがこの理解をどう加速し、ハイブリッドボンディングなどの先端技術の開発をどう支えられるかを探っていきます。共に取り組み、得られた知見を半導体イノベーションの新たな機会につなげていけることを楽しみにしています。」

弊社代表取締役社長の岡野原大輔は、次のようにコメントしています。

「imecは、世界中の大学や企業の研究者が集まり、次世代の半導体技術を切り拓く世界有数の研究開発拠点です。

半導体技術の進化において、原子レベルでの材料の理解と探索はますます重要になっています。今回の共同開発を通じて、Matlantisが培ってきたAIによる材料シミュレーション技術を、最先端の半導体研究に活用し、新しい材料の発見や研究開発の加速につなげたいと考えています。

本共同開発を通じて、AIによる材料開発の可能性を世界中の研究者へさらに広げていくことを期待しています。」

今後に向けて

imecの皆さまに、心より感謝申し上げます。この共同開発の機会を最大限に生かし、材料開発のブレークスルーにつなげていきたいと考えています。