發佈日期:2020/8/11AI晶片可靠度
發佈單位:iST宜特
AI技術用在COVID-19防疫議題火熱,
如何利用AI執行精準的預測、防疫?
確保AI晶片品質與可靠度是關鍵。
AI晶片可靠度
COVID-19在2020年上半年佔據了全世界的版面,在疫情被各國控制下,2020年下半年,可以感受到各項防疫措施都逐步放寬。然而在COVID-19疫苗開發出來之前,仍然必須戒慎恐懼。談到防疫與藥物開發,近來AI技術在COVID-19上的「熱影像辨識防疫」、「病毒基因變異與疫情數據分析」及「候選藥物篩選」扮演重要角色,提供快速數據分析能力。
AI技術是透過模擬人腦的類神經網路,經過深度學習,取得物件特徵參數,產生模擬人腦的判斷能力。這看似很艱深的AI技術,其實早已進入大眾的日常生活,包括手機語音輸入辨識能力,幾乎達真人辨識水準即是一例子。
除了演算法與大數據的演進與支援之外,硬體方面,AI晶片依不同的應用領域,不斷往高效能、高頻寬或低耗電等特性演進(參見表一),因此晶片硬體效能不斷提升,更是支持AI應用領域不斷進步的必要因素。
表一: AI 晶片應用種類
AI運用在COVID-19防疫上,其晶片的可靠度與效能是重要關鍵。由於AI雲端運算晶片具有高功耗特點,AI終端運算晶片則有低電壓的特點。然而這些特點,不僅會影響AI晶片的效能與壽命,甚至,也造成AI晶片可靠度試驗設計手法、設備等,也面臨極大挑戰。宜特可靠度驗證實驗室,歸納以下三大挑戰:
一、雲端AI晶片的超高功耗挑戰:熱消散與熱平衡能力
資料中心的雲端AI晶片,肩負人工智慧的深度學習任務,必須提高效能運算,也因此將耗費大量電能,其單一顆晶片耗電量甚至超過200W(瓦),伴隨產生的高熱,將使得晶片老化速度加劇。
因此,一年必須連續工作365天的雲端運算AI晶片,對老化產生的可靠度問題更需審慎評估。
可靠度測試原理必須抽樣(sampling)一定數量的IC做實驗,來預估整個母體的生命週期與故障機率。通常抽樣的數量為77顆,當77顆百瓦的晶片一起在一台可靠度系統設備做1000小時的可靠度測試時,上萬瓦的功率熱能,將嚴格考驗可靠度測試系統的熱消散與熱平衡能力。
唯有精準的熱消散與熱平衡能力,才能讓每一顆晶片在執行各種不同運算模式時,晶片都能維持穩定的Junction溫度(Tj)(PN接面溫度),如此才能夠準確預估IC的生命週期。因此,高效能雲端AI晶片所產能的熱能,如何消散與控制,將是IC可靠度實驗設計面臨的挑戰。
二、終端AI晶片的超低電壓挑戰:多組系統電源需求,挑戰可靠度測試極限
終端AI晶片因其應用環境的特殊性,除了運算效能外,還被要求低耗電,例如行動裝置、IoT、無人機、電動車自動駕駛輔助等,皆需仰賴電池供電。
雖然半導體製程不斷進步,相同邏輯閘數下的動態電流越來越省電,但是由於尺寸微縮的物理特性效應下,電晶體靜態漏電流卻反而增加,摩爾定律每兩年電晶體面積縮減一半的好處,並無法讓晶片的功耗密度減半,相同面積的晶片將會消耗比以往更大的電流。
故為了降低功耗,除了低工作電壓設計外,多工作電壓與多閘極電壓的設計普遍可見。然而,對於可靠度測試系統而言,動輒10組以上的系統電源需求,將挑戰可靠度設備電源數目的極限。
同時1V或甚至低於1V的core power(主電源)低工作電壓,將使得IC power margin (餘裕度)越來越小,電路板上的power IR drop(電壓降)或者power ripple(漣波),將容易造成IC可靠度測試出錯,因此規劃一個終端AI晶片的HTOL可靠度測試環境,從設備選擇、PCB電路板模擬與製作,以及各種細節與設計上的考量,必須大幅嚴謹於ㄧ般邏輯IC。
三、異質整合挑戰:熱消散路徑複雜化
異質整合(heterogeneous integration)是AI晶片一項重要的趨勢,為了加快不同晶片間的傳輸頻寬,不同製程的晶片被整合在一個封裝內,常見如HBM/Sensor/MEMS/Antenna等,經由TSV/RDL/bump/interposer等製程手法,讓各個晶片並排或堆疊起來(圖一),這將大幅度提升異質晶片間的資料傳遞效率與得到更低的耗電。
但是,越複雜的堆疊架構,熱產生與熱消散路徑將複雜化,例如較大功耗晶片不一定位在封裝中心位置,各個晶片厚度可能不盡相同,將使得晶片產生的熱消散與熱感測方式不同於傳統封裝,如何在可靠度測試時正確量測與監控晶片溫度變得更加複雜。
圖一:異質整合晶片
綜上所述,如何面對熱消散與熱平衡能力、測試系統的電壓極限、以及異質整合的熱消散路徑複雜化,是在做可靠度設計驗證時,必須克服的挑戰。對此,宜特可靠度驗證實驗室提出如下建議。
一、利用液態冷卻系統(Liquid cooling system),穩定控制高功耗AI晶片產生的熱能
散熱設計功率(thermal design power,簡稱TDP)是CPU晶片對主機板「散熱能力」的要求規格,目前台式電腦CPU的TDP規格最高在150瓦(W)左右,電競玩家為了維持CPU長時間高效高頻工作,往往升級主機板、散熱片、風扇等等配件,使得升級後的系統散熱能力高於TDP要求,讓CPU能長時間高頻工作,而不會發生過熱降頻甚至休眠等問題。
但是伺服器及HPC等雲端AI晶片,當前TDP規格已達200W以上超高發熱功耗。而晶片因封裝結構與材料等因素,已難以使用空氣對流當散熱媒介將晶片junction溫度控制在目標值。
尤其可靠度測試要求的目標溫度在125°C,遠高於台式電腦的70°C,通常125°C時晶片功耗牆已處於解鎖狀態,故一不小心極可能造成晶片高溫燒毀。 因此,當如此高功耗的IC做高溫可靠度測試時,測試系統必須提供更快速的熱消散能力。
宜特可靠度驗證實驗室的解法是,利用更高效的液態冷卻控制調節系統(Liquid cooling system),搭配客製化液態循環socket(圖二),此系統利用液態熱交換速率優於氣態的特性,以及即時監控晶片溫度與調節液態流速等方法,穩定控制超高功耗AI晶片產生的熱能,成功收集可靠度實驗數據。
圖二: 液態冷卻系統(Liquid cooling socket) (原圖來源:Enplas)
二、測試電路板電源層超前模擬,免去生產組裝後效能不符
AI晶片採用先進製程,超低的工作電壓已來到1V以下。然而,當高電流經過電路板走線時,容易在電路板上產生由低到高的壓降(DC IR drop)(圖三),IR drop將壓低原本已超低的工作電壓,容易使得AI晶片因電源電壓餘裕度(Power Voltage Margin)不足而失效。
此外,當IC power抽載大電流時,也會產生各種頻率的SSN(simultaneous switching noise)。
而電路板的電源層阻抗(Power plane impedance),在各種不同抽載頻率下,因本身佈線(Layout)因素可能反映出高低不一的阻抗(impedance)值(圖四),當阻抗值在某個頻率下超越目標值時,就會造成嚴重雜訊( power AC noise )與漣波(power ripple) ,也會使得AI晶片因電源雜訊餘裕度(power noise margin)不足而失效。
如何解? 以宜特可靠度實驗室為例,目前有許多佈線(layout)輔助設計工具,可以在可靠度電路板設計初期,經由軟體分析模擬,調整電源走線長短寬窄、灌孔點大小與數目、解偶合(decoupling)電容值與放置位置等,改善 IR drop與power plane impedance等問題,避免掉測試電路板生產組裝完成後,才面臨效能不符問題。
圖三: IR drop simulation
圖四: power plane impedance simulation
三、客製化治具,貼合高低不同的裸晶(die)
AI異質整合晶片,裏頭的裸晶(die)高低不同,因此,在可靠度驗證測試的治具準備,必須依照不同的晶片,客製化IC socket(測試座)和散熱系統(Heat Sink)和熱感測元件(Sensor),才能夠緊密貼合高低不同的裸晶(die),藉此增加熱消散能力,溫度量測與監控才能更準確(圖五)。
圖五:客製化IC測試socket
四、Thermal diode監控電路,監控IC本體溫度
雲端AI晶片的超高功耗,在進行可靠度測試時,容易因晶片本體溫度波動太快導致無法及時消散熱能,造成產品非預期性故障,例如熱失控(Thermal Runaway),因此,當IC內建thermal diode元件時,iST可靠度系統與可靠度測試板設計,可以客製化thermal diode監控電路,來監控IC 內部溫度,將可監測到最即時與準確的junction溫度(圖六)。
此作法反應速度快,搭配前面提到的高效液態冷卻控制調節系統,更適合超高功耗AI晶片快速溫度變化,藉以提供即時熱消散動作。此外thermal diode監控電路,可針對3D封裝的多晶體(multi-chip)結構下,獨立量測出各個晶片的溫度,以達到更精確的可靠度數據收集。
圖六: IC thermal diode 監控電路
宜特可靠度驗證實驗室從早期面對一般消費型晶片、車用晶片、5G晶片,到至今的AI晶片,有相當多的實戰經驗,來解決可靠度試驗設計時,面臨AI超高功率、超低電壓,以及異質整合等問題,可以提供您精確的溫度電壓等可靠度測試數據,提升AI晶片的可靠度。
本文與各位長久以來支持宜特的您,分享檢測驗證經驗,若您想要進一步了解AI晶片的解決方案挑戰與圖表,請回信給宜特,宜特將手刀奉上一張由可靠度驗證實驗室精心製作的圖表,讓您秒懂面對不同種的AI晶片的可靠度設計驗證挑戰,可以選用何種解決方案,請洽+886-3-579-9909分機6428徐先生(Bear) │ Email: web_cre@istgroup.com