半導體產業技術論文精選：9月14日
為何重要
這批論文標誌著產業重心正從邏輯電路最佳化轉向「記憶體與封裝協同」的深層調整，這是維持 AI 產能密度與成本效益的關鍵。對開發者而言，HBM ECC 與記憶體分配策略的突破直接影響推理任務的吞吐量；對投資人來說，這些硬體底層的實驗進展是支撐 AI 應用商業化落地的實質技術路徑確認。
<p>Semiconductor Engineering 公佈最新一批技術論文，聚焦於 HBM 記憶體最佳化、先進封裝熱學預測以及 EUV 光學精準度提升，試圖解決 AI 硬體堆疊與製程良率的技術瓶頸。</p>
- 南洋理工大學（NUS）提出異質記憶體 Chiplet 架構，以加速大型語言模型（LLM）的多請求推論效能。
- 舊金山州立理工學院（RPI）與 IBM 合作提出長範圍 ECC 機制，旨在降低 HBM 用於 AI 推論時的控制器開銷。
- 紐約材質科學中心（NYCU）與臺積電（TSMC）共同研究鉬摻雜 EUV 光罩，以技術手段提升影像對準精度。
- 美國國家標準與技術研究院（NIST）與 UCSD 等單位開發預測模型，刻畫先進封裝 Underfill 的固化條件與熱耐久性。</p>