半導體產業七月二十八日技術論文精選：AI 效能管理與先進製程突破
為何重要
這些論文標題揭示半導體產業在未來近幾年的核心研發方向，主要集中在解決 AI 模型運算過熱與「記憶體牆」瓶頸的硬體解決方案（如晶片節流與 Inference 加速器）。對於投資人與技術決策者而言，這顯示製程前端（光刻掩膜）與垂直整合（3D 記憶體）是 2nm/1.8nm 世代的重要投資與開發重點。
半導體工程網站於七月二十八日彙整了近期的尖端技術研究，涵蓋 應用硬體方法動態節流、單晶 3D-DRAM、高 NA EUV 光刻與計算與記憶體整合加速度器 等議題。
- 普林斯頓大學發布《HW-based Methods to Dynamically Throttle AI Performance》，探討硬體層面動態限制 AI 效能的方法（日期：2026年7月21日）。
- imec、魯汶大學、三星與 Lam Research 合作發表《Monolithic 3D-DRAM with Oxide-Semiconductor Architecture》，提出氧化物半導體架構的單晶 3D DRAM 方案（日期：2026年7月21日）。
- 芝加哥、斯圖加特與 IBM 提出使用 Graph Transformer 加速 IC 互連訊號完整性分析的研究（日期：2026年7月20日）。
- 弗勞恩霍夫協會與 ASML 研究《3D Mask Effects in High-NA EUV and Hyper-NA EUV Litho》，強化高導數光刻下的成像效果（日期：2026年7月20日）。
- 新加坡國立大學（NUS）發表《Inference Accelerator that Integrates Compute-in-Interconnect and Memory to Mitigate the Memory Wall》，提出緩解記憶體牆的推理加速器架構。