전기자동차, 급속 충전기, 산업용 전력변환장치, 에너지저장장치, AI 데이터센터용 전원 시스템의 고효율화가 진행되면서 SiC 전력반도체의 적용 범위가 빠르게 확대되고 있다. SiC 소자 제조에서는 기판 자체의 결정 품질도 중요하지만, 실제 활성 소자가 형성되는 에피택셜층의 품질이 소자의 항복전압, 누설전류, 온저항, 장기 신뢰성과 수율에 직접적인 영향을 미친다. 특히 생산 플랫폼이 기존 6인치에서 8인치(200 mm) SiC 웨이퍼로 확대되면서 단순히 웨이퍼 […]
8인치 SiC 에피택셜 웨이퍼 양산 가이드: 에피층 두께·도핑 균일도·BPD 변환·에지 제외 영역과 표면 결함 관리 더 읽기"
AI 가속기와 고성능 컴퓨팅 시스템의 성능 경쟁이 계속되면서 반도체 산업에서는 새로운 문제가 더욱 중요해지고 있다. 바로 열이다. GPU, AI 가속기, HBM과 칩렛을 하나의 첨단 패키지 안에 집적할수록 단위 면적당 소비전력과 열유속은 증가한다. 패키지 내부에서 발생한 열을 충분히 빠르게 제거하지 못하면 칩의 접합 온도가 상승하고, 클록 성능 제한, 신뢰성 저하, 수명 감소 및 냉각 시스템 비용
300mm 다이아몬드 웨이퍼가 AI 칩 열관리의 차세대 소재가 될 수 있을까? 열전도율·두께 균일도·평탄도·본딩과 양산 과제 더 읽기"
AI 가속기, 고성능 서버 프로세서와 HBM의 집적도가 높아지면서 반도체 패키징 기술도 빠르게 변화하고 있다. 과거에는 패키지기판이 주로 칩과 메인보드를 전기적으로 연결하는 역할에 집중했다면, AI 반도체에서는 대면적화, 고밀도 배선, 높은 입출력 수, 저손실 신호 전송, 전력 공급 안정성, 휨 제어까지 동시에 만족해야 한다. 이러한 요구에 대응하기 위한 차세대 소재 가운데 하나가 유리기판이다. 특히 유리 내부에 수직
HBM·AI 반도체용 TGV 유리기판 선택 가이드: 유리 조성·CTE·평탄도·TGV 직경·금속화와 검사 기준 더 읽기"
인공지능(AI) 가속기와 고성능 컴퓨팅(HPC) 프로세서의 연산 성능이 빠르게 높아지면서 반도체 패키징에서 가장 중요한 문제 중 하나는 더 이상 단순한 배선 밀도가 아니라 열을 얼마나 빠르고 안정적으로 제거할 수 있는가이다. 대형 GPU, AI 가속기, HBM, 칩렛을 하나의 패키지에 집적하는 구조에서는 단위 면적당 발열량이 계속 증가하고 있다. 이 때문에 실리콘 인터포저, 유기 기판, 구리 방열 구조만으로는 국부적인
AI·HPC 첨단 패키징용 300mm 고열전도 SiC 기판: 열전도율·TTV·Bow·Warp·표면 거칠기와 본딩 요구사항 더 읽기"
양자컴퓨터의 성능을 높이려면 큐비트 수를 늘리는 것뿐 아니라 각 큐비트가 동일한 조건에서 안정적으로 동작하도록 만들어야 한다. 실리콘 스핀 큐비트는 기존 CMOS 공정과의 호환성, 작은 소자 크기, 긴 결맞음 시간 및 300mm 제조기술 활용 가능성 때문에 유력한 양자 반도체 플랫폼으로 평가된다. 그러나 일반적인 실리콘 웨이퍼를 그대로 사용하면 자연계에 존재하는 자성 동위원소인 ²⁹Si가 전자 스핀과 상호작용한다. 이
양자 반도체용 동위원소 정제 ²⁸Si/SiGe 헤테로구조: 핵스핀 잡음·에피택시 품질·계면 거칠기와 웨이퍼 균일도 더 읽기"
실리콘 전력반도체의 성능 한계를 보완하기 위해 SiC와 GaN이 빠르게 상용화된 가운데, 더 넓은 밴드갭을 가진 산화갈륨(Ga₂O₃)이 차세대 전력반도체 소재로 주목받고 있다. 특히 열역학적으로 안정한 단사정계 구조의 베타상 산화갈륨(β-Ga₂O₃)은 약 4.5~4.9eV의 초광대역갭과 약 8MV/cm 수준으로 예상되는 높은 임계 전계 때문에 고전압 쇼트키 다이오드, 금속산화막 반도체 전계효과 트랜지스터, 극한 환경 전자소자 및 심자외선 광검출기용 소재로 연구되고 있다.
차세대 초광대역갭 반도체 β-Ga₂O₃ 웨이퍼 선택 가이드: 결정 방향·도핑·결함 밀도·열전도와 전력소자 적용 더 읽기"
반도체 미세화가 계속되면서 트랜지스터의 성능을 결정하는 경쟁도 단순한 선폭 축소에서 채널 소재와 소자 구조의 혁신으로 이동하고 있다. 게이트 길이가 짧아질수록 기존 실리콘 채널에서는 단채널 효과, 누설전류 증가, 이동도 저하, 공정 변동성 같은 문제가 더욱 뚜렷해진다. 이러한 한계를 극복할 후보 가운데 하나가 이황화몰리브덴(MoS₂)이다. MoS₂는 전이금속 칼코게나이드 계열의 이차원 반도체로, 단층 두께가 약 0.65~0.7nm에 불과하다. 원자층 수준으로
8인치 웨이퍼급 MoS₂가 실리콘 채널을 대체할 수 있을까? 단층 균일도·접촉저항·고유전율 절연막과 CMOS 통합 더 읽기"
AI와 고성능 컴퓨팅(HPC)의 발전으로 HBM(High Bandwidth Memory)은 GPU와 함께 가장 중요한 AI 반도체 부품 중 하나가 되었다. HBM은 여러 장의 DRAM 다이를 수직으로 적층해 높은 메모리 대역폭을 구현한다. 하지만 HBM4, HBM4E 그리고 향후 HBM5로 발전하면서 단순히 더 많은 DRAM을 쌓는 것만으로는 충분하지 않다. 적층 수가 증가하면 패키지 두께, 전력 소비, 발열 그리고 내부 인터커넥트 밀도가
HBM 피치가 5μm까지 줄어든다: Cu-Cu 하이브리드 본딩에 필요한 차세대 반도체 소재 더 읽기"
AI 반도체의 경쟁은 더 이상 트랜지스터 미세화와 연산 성능만으로 설명하기 어렵다. GPU와 AI 가속기의 연산 성능이 빠르게 높아지면서 하나의 패키지에서 발생하는 열도 크게 증가하고 있기 때문이다. 특히 HBM, 칩렛, 실리콘 인터포저와 여러 개의 연산 다이가 하나의 패키지에 집적되는 2.5D 및 3D 패키징에서는 열을 얼마나 빠르게 외부로 이동시키느냐가 실제 시스템 성능과 신뢰성을 결정하는 중요한 요소가 되고
300mm 다이아몬드 웨이퍼가 등장하는 이유: AI·HPC 반도체의 열관리 소재가 바뀐다 더 읽기"
생성형 AI와 고성능 컴퓨팅이 빠르게 확산되면서 데이터센터의 병목 지점도 달라지고 있다. 과거에는 GPU와 CPU의 연산 성능이 데이터센터 성능을 결정하는 핵심 요소였다면, 최근에는 수천 개 또는 수만 개의 AI 가속기를 얼마나 빠르고 효율적으로 연결할 수 있는지가 더욱 중요해지고 있다. 특히 대규모 AI 클러스터에서는 GPU 간, 서버 간, 랙 간에 막대한 양의 데이터를 지속적으로 전송해야 한다. 기존
AI 데이터센터가 Photonics-SOI 웨이퍼 수요를 끌어올린다: 실리콘 포토닉스용 SOI 기판이 중요한 이유 더 읽기"
