IC 패키징과 반도체 제조 과정

As you can see, the image of the machine can be remembered in this slide. It's a plastic logo, and it's like a tail. What I'm saying is that the machine made in the machine, The chip is inside this box. You can see the case in this box.

This case is called IC Package. One of these pieces is a small port that is connected to the inside of the case. As you can see, it's not easy to use a small package. It's a lot of performance, so you can use PGA. I use the LGA, and I use the LGA. If you use the computer, you can see the CPU. If you look at the CPU, you can see the CPU.

이렇게 많은 수의 어떤 메탈 판들이 나와있어요. 패드 같은 게 나와있고 이거 하나하나가 매구 있는 실제 칩과 통신하는 입주역 포트라고 볼 수가 있습니다. 그럼 그걸 어떻게 해요? 메인보드, 마더보드에 있는 이런 소켓에다가 올려놓고 잠그죠. 그러면 여기 잘 보이실지 모르겠지만 이 조그만 메탈 핀들이 소켓에서 이렇게 튀어나와 있고 그 핀 밑에 이제 스프링이 달려있습니다. 그러기 위해서 이렇게 칩을 살짝 올려놓고 푸우우우 누르면 이 스프링의 힘으로 인해서 얘네들이 아주 컨택을 잘 만들어줄 수가 있겠죠.

How did the interior of the interior of the interior is? It's like this. You can't see it, but it's not enough to be able to see how many millimeters or how many millimeters is. It looks like it's very small. And then, there are really high-quality houses that come out lately. If you look at the interior of NVIDIA or Intel, it's really expensive to see how many centimeters are. It's very small, actually. So how do they know? There is a picture of the package before opening the lid. There is a picture in the middle of the window.

여기다가 접착제 같은 걸로 붙입니다. 붙인 다음에 실제 칩에 있는 아주 조그마한 몇십 마이크로리터짜리 입출력 포트를 위한 패드라고 부르는데 그 패드랑 이 패키지에 있는 패드를 이렇게 와이어반딩이라는 작업을 통해서 아주 얇은 금속선으로 이어져요. 그러면 그게 지금 여기 있는 패드들인데 얘가 바깥쪽으로 나가 있는 달이랑 내구의 일대는 다 엽렬이 되어 있습니다. 이런 식으로 아주 작은 칩이 외부랑 쉽게 통신할 수 있도록 이런 입출력 포트들을 스프레드 아웃 해주는 그런 역할을 해요.

So it's like this. What's the exact meaning of the word? In fact, it's a word that's a bit informal, and the exact meaning is called Integrated Circuit. It's called 직접-variant. It's not just 직접. When you put something in a small place, when you put it in a small place, it's called 직접-variant. In English, it's called ISE Integrated Circuit. It's called ISE Integrated Circuit. How do you see it? We have to sell it in a small place. But actually, it's a small place to sell it.

어떤 물질을 잃고는 단어고, 그게 아니라 이걸 통해서 만들어진 실제 제품은 직접회로라고 보는 게 조금 더 정확한 표현이에요. 그래서 그 직접회로를 만들어 가지고 함성이나 하이닉스나 TSMC나 이런 우리가 흔히 많이 들어본 회사들이 돈으로 5천억에 벌고 있는 거죠. 그럼 이 직접회로가 왜 이렇게 중요하고 왜 이렇게 수요가 높냐? 이걸 잠깐 얘기를 해보려고 합니다. 크게 보면 두 가지로 이 질문을 쪼개 볼 수가 있는데요. 기본적으로 직접회로를 하는 것은

이 전자회로를 만드는 하나의 형태, 여러 가지 형태들이 있는데 그중에 한 형태입니다. 그럼 첫 번째 질문은 애초에 전자회로가 왜 중요하냐? 두 번째 질문은 왜 굳이 직접 회로의 형태로 얘를 만들어야 되냐? 두 가지로 조개 볼 수가 있을 겁니다. 첫 번째 질문을 다 해보자면 이 전자회로랑도 내부에 전기가 흐르는 회로겠죠? 그럼 이게 왜 중요하냐면 우리가 인류가 다루시는 그 많고 많은 물질 중에서 전자만큼 싸고 빠르고 쉽게 얘로 움직일 수 있는 그런 물질이 없어요.

예를 들어서 설명을 드려보면 만약에 우리가 전기를 쓰지 않고 회로를 쓰지 않고 현대적인 의미의 컴퓨터를 만들겠다라고 생각을 해보면 가능합니다. 실제로 시도했던 사람이 있어요. 누구냐면 1800년대에 영국의 찰라스드 에비지 라는 분이 있었습니다. 이분이 기계식 컴퓨터를 만들겠다라고 제안서를 써서 그거를 그 당시 영국 국방부에 제출을 해서 실제로 펀딩을 따옵니다.

So, that's when I started making it. It was before the computer came out, I was not just a 2-inch unit, but a 10-inch unit. And how did I do it? So, at the time, it was a huge amount of money. Now, it's not a small amount of money. But at the time, it was a huge amount of money. So, I started making it. When I started making it, ultimately, it was not worth it. It was worth it, and just waste the design, and then failed.

여기 보신 사진은 뭐냐면 한참 뒤에 최근에 사람들이 그 남겨둔 설계도를 갖고 새로 만든 레플리카입니다. 만들어보니까 실제로 동작은 그럭저럭 잘 하는데 문제는 그 당시에 기후학 기술, 가공기술, 절삭하고 가공학 이런 게 있겠죠. 이런 기술로는 만드는 게 애초에 불가능했다. 이런 얘기들을 하시더라고요. 그리고 얘가 이제 연상할 수 있는 능력이라고 해봤자 우리가 말하는 계산기보다도 아마 한참 못할 거네요. 되게 단순한 수준의 연상밖에 못하는 그런...

컴퓨터였죠. 그러다가 1800년대, 1900년대 접어들면서 사람들이 전기에 대해서 이해를 하기 시작하고 더 나아가서 이 전기를 우리가 원하는 방식으로 다룰 수 있는 여러가지 소자들이 개발이 됐습니다. 그 당시 처음으로 개발된 소자가 이름을 한 번쯤 들어보셨을 진공관, 베큐티브라는 게 나오기 시작해요. 이 베큐티브를 갖고 사람들이 이런 거 저런 걸 많이 했는데 보시면은 이건 뭐 넘어가도록 할게요. 시간을 넘어가니까. 그 당시 베큐티브가 여러가지 한트가 있지만 가장 대표적인 상극관, 그러니까 쉽게 말해서 포트가 3개짜리 상극관인지 예로 들어 설명을 드릴게요.

보시면 내부에 해방을 함께 있고 그 주변을 어떤 금속망이 브리드가 감싸고 있고 가장 바깥에 애너드라는 금속판이 있습니다. 어떻게 동작을 하느냐 일단 얘를 켜면 내부에 히터가 있어요. 히터가 실제로 가열을 시킵니다. 밖에서 봐도 진고관이 빨갛게 달아올라요. 그러면 그때부터 이 캐서드가 전자를 내뿜기 시작합니다. 그리고 그 전자가 날아가서 애너드 쪽에서 포집이 되요. 그럼 밖에서 보면

The power of the pathogen is flowing from the pathogen from the pathogen. As we can see, the power of the pathogen is flowing. And the power of the pathogen is the voltage that we can control the pathogen. So, we can use the power of the pathogen. Or we can use this well to increase the signal. Well, that's right. So, this came out and based on that, the first computer in ENIAC was developed.

여기 보시면 이 설명이 쓰여있는데 17,000개 이상의 진공관이랑 7만개의 저항, 1만개의 컴패스터, 1,500개의 에브리레이밍, 엄청나게 많은 부품이 들어가있고 여기 벽에 꽂혀있는 것들이 다 진공권이 있습니다. 여기 사진을 보시면 이 사람이 뭐하고 있냐면 예비부품, 예비부품이 있는 그런 어떤 셰프가 있겠죠. 그 어떤 서랍 같은 데서 뭔가 꺼내서 얘가 멀쩡하게 될지 아닌지 보고 그걸 바라끼고 이런 작업을 하고 있어요. 자 근데 그 당시에 얘가 전기를 얼마나 많이 쓴냐면 160kW 정도로 썼다고 그래요. 그러니까 지금 수준으로 보면 사실 막

It's not that much, but at that time, it was a huge amount of electricity. If you use it, there was a brown sound in Philadelphia. So, it was a lot of electricity. However, it could be a lot faster than using it in hand. People thought it was important and it started to develop. I'm going to move on to the end of the day.

But now, I've got a lot of my own space. I won't be able to see any of you, but I think you've seen it as an audio amp. I've also seen it in the 3rd. If you're talking about audio amp, it's nice to hear the audio amp. It's nice to see if you can see it on the desk. It's a lot of different things. So, it's usually a lot of different things. But, it's not even a lot of different things. Now, what is it? Now?

So, let's talk about the ecosystem. In English, it's a semiconductor. We call it a ecosystem. It's called a ecosystem. So, what is the ecosystem? You can know it in the name of the ecosystem. Let's look at the ecosystem of the ecosystem. The ecosystem can be divided by the ecosystem and the ecosystem. It'll be easy to compete. An example when the ecosystem can b25c Geb� or the ecosystem can crack silently. This is acond dump. but it's difficult to get rid of it.

그런 물질이 분호체입니다. 그럼 반도체는 뭐냐? 말 그대로 그 사이에 있는 애매한 물질들이 전기를 흐르긴 흘러요. 흘리긴 흘리는데 그렇게 잘 흘리진 못해요. 그 사이에 있는 애매한 물질들이고, 대표적으로 실리콘, 재미륨, 가녹알스나이드 같은 물질들이 있고 실제로 얘네들이 반도체 산업에서 많이 쓰이고 있습니다. 그런데 얘네들이 그 상태 그대로만 있으면 별로 도움이 안 돼요. 무슨 얘기냐면 그냥 순수한 실리콘 결정으로만 남아있으면 별로 쓸데가 없고

이런 걸 뭐라고 부르냐면 Intristic Semiconductor가 그냥 순수한 상태로 남아있는 문제를 이렇게 부릅니다 그럼 실제로 우리가 원하는 게 뭐냐면 여기다가 임의적으로 불순물을 주입을 해요 그래서 그거를 약간 불순물이 어느정도 섞여있게 만들고요 그거를 Extristic Semiconductor라고 부릅니다 그래야 우리한테 실제로 좀 유용하게 쓸 수 있어요 그럼 불순물을 어떻게 넣느냐? 여러가지 방법이 있지만 요즘에 많이 쓰이는 방식은 내가 넣고 싶은 불순물을 Iron, 대전입자 형태로 만들어요

그 다음에 밖에서 전기장을 걸어줍니다. 그리고 얘가 전기장에 걸리니까 가속이 되겠죠. 굉장히 큰 에너지를 갖고 쭉 날아가서 실제 여기 있는 실리콘이든 뭐든 웨이버를 때려요. 그럼 얘가 거기를 뚫고 들어가서 원래 그 실리콘 벽자 안에 있던 실리콘 중 하나를 튕겨내고 자기가 그 자리에 딱 안착을 합니다. 이런 식으로 외부에서 때려 넣어서 불순물을 넣어줄 수가 있어요. 그래서 어떤 불순물을 넣으냐에 따라서 얘가 P타입이 되기도 하고 N타입이 되기도 합니다. P타입은 뭐냐면 보록같은 걸 넣으면

외부의 밸런스 레트론이 하나가 모자라요. 공유 결합을 이루고도 하나가 부족하니까 외부에 왔다 갔다 하는 자유전자를 쉽게 포집할 수 있는 성질을 가지게 되고요. 그러니까 홀이라고 부릅니다. 반대로 N타입은 밸런스 레트론이 하나 많은 애를 불순부로 넣어요. 그러니까 공유 결합을 이루고도 하나가 남으니까 자유전자처럼 돌아다니게 되겠죠. 그래서 얘네들을 P타입과 N타입 반도체를 잘 결합을 하면 재미있는 특성을 가집니다. 혹시 전자외로 수업을 들어보신 분들은 아시겠지만 가장 처음에 나오는 디바이스가 PN 전파기전, 쉽게 말해서 다이오드입니다.

If you put a P-type and N-type vandoet, it will flow from the other direction and the other direction will flow from the other direction. It will flow from the other direction. Rather than that, the device is a transistor. So, what I would like to say is that the plant is a material, and we use the plant that we use to use to use the source of the name of the transistor.

What is the picture? If you look at the newsman, it is a big bandoch, a wafer. It is a big one-spin. It is a simple one-spin. It is a simple silicon or crystal crystal. We can make the method of iron implantation The whole area is P-type and the whole area is N-type and the whole area is M-type.

After that, we cut the waiver and cut the wire to the end of this image. This is the image. Then if we combine the P-type and N-type area, these are going to perform as a transistor. These are different types of transistors. Most of these are most commonly used in MOSFET. Here you can see there are three columns. Source, Gate, Drain. It is easy to say that the voltage on the gate, the source and Drain could flow between this source and Drain and not flow. That means we can make the same role as the power of the power of the gate.

So, what is this direct flow? In the old days, we made this transistor, and put it together and used it. And this is just a combined form, that means, many of the transistors are used in a paper, this direct flow, Integrated Circuit. In 1958, Texas Instrument, Jack Halev, who mentioned that idea of the concept of ice. The picture of the demonstration at that time was this. There was a few transistors in the past, but it was the first idea of ice.

So, in the 70s, 80s, the technology that has created a digital machine and the AI that has created a lot of technology. The company in the past has already made a micro processor, so it's a very long company. And in the past few years, this technology has evolved rapidly. We have developed a new company in the beginning. In the beginning, we have not included a few tradister in the first place. There is a team that is now using it.

세피오나 GPU 같은 데는 몇 개가 들어가냐면 트랜지스터가 100억 개 이상 들어갑니다. 아주 요만한 이렇게 작은 칩에 100억 개 이상의 트랜지스터가 집착이 되어 있어요. 어마어마한 수치입니다. 제가 조사를 해봤는데 2008년에 이미 십 몇 년 전이죠. 그 당시 1년 동안 전 세계적으로 만들어진 트랜지스터의 개수를 세보니까 정확히 세지는 못했겠죠. 예측을 해보니까 칩의 19승계래요. 얼마나 많냐면 사람 한 명당 인구수로 나눠보면 사람 한 명당 10억 개 이상 트랜지스터를 만들어서

다 찍어낸거에요. 대단하죠? 그럼 이게 어떻게 가능했냐? 옛날에 내 트랜지스터가 눈에 보일 정도로 컸어요. 내 가면 갈수록 기술이 발전을 하면서 이제는 트랜지스터가 점점점점 작아지고 있구요. 근데 그게 왜 재미있냐면, 재미있게도 이 트랜지스터를 작게 만들면 만들수록 보통은 뭔가 성능이 안좋아질 것 같잖아요. 그렇지 않아요. 트랜지스터 작게 만들면 만들수록 만드는 값도 싸지고 동작 속도도 빨라지고

even if the energy and energy are losing, there is no good thing. So if you make a small transistor, it will be better to create the same design. So if you look at the news, TSMC and Samsung have made a 2nm machine, who is doing 1.2nm machine, Intel is doing what is doing. The reason for doing this is nothing else. So if you make a small transistor and make a small transistor, it will be better to create a small transistor. Thank you.

그러니까 몇 조, 몇 십 조씩 연구개발비를 투입해서 목숨 걸고 파운더리 업체들이 이 공정을 개발하기 위해서 노력을 하고 있는 겁니다. 그러면 이제 여러분 이걸 지배하는 법칙이 한번쯤 들어보셨을 무어의 법칙입니다. 되게 오래됐어요. 1965년에 미국에는 골든 워라고 보니 65년이면 아까 말씀드렸던 아이스라는 개념이 나오고 몇 년 안 됐을 때예요.

심심하셨는지 그 당시에 이제 지난 몇 년 동안 나왔던 이 칩들에 각각 칩마다 판결적으로 몇 개 정도의 트랜지스터가 집정이 되어 있는지 세봤대요. 그러니까 데이터 포인트가 몇 개 되지도 않대요. 그런데 대략 로그 스케일로 증가를 하더라. 그러니까 반대로 예측을 한거죠. 그러면 앞으로도 그러지 않을까라고 예측을 했는데 네. 그게 무호의 법칙이구요. 대략 26개월마다 트랜지스터의 수가 2배씩 들어갈거다. 하나의 칩이 직접 되어 있는

Transistor's number of Transistor's numbers, but in fact, Intel has bought a number of Transistor's numbers. How much of a Transistor's number of Transistor's number of Transistor's numbers? Moore's rule is very well according to it. It is very well according to the log scale of Transistor's number of Transistor's numbers. That's a huge thing. It's exactly the question of how it has. It happens in a lot between us. It happens in a Jared's number from Reiden. But until I finished off the Ав

According to the time, the size of one transistor is increasing. That is, actually, the size of the chip itself is similar to the old chip. But the transistor that you put in the inside is smaller, it will be able to connect the same size in the same area. As I said, the transistor is smaller, the movement of the chip is increasing. The old CPU has moved to the left-hand side.

In the early 2000s, I opened the wall of 1Ghz and then the speed was lower, but nowadays it can be better at 4-5Ghz. In fact, it can be faster than that. But then the chip will be lit. It was too much energy. So it can be faster than that. It can be faster than that. This is our school at the time of 2020. After that, AFT's Nisa Tsu came and finally talked about it.

But AMT is using TSMC system. In terms of TSMC system, the density of the energy efficiency and how many transistors can be added to the density density. I was talking about this time, and I was talking about the same time. As I mentioned earlier, the problem is that the energy is faster, so the energy is faster. So it's too hot. It's just a heat sink or a cool sink.

It's not that much. That's not that much. So what's the trend now? You can see that in the past, the core of this desktop is not one or two. But nowadays, there are a lot of 8, 6. That's why I was trying to use a number of reasons that when the range of mencevids are actually using the transistor pool, the transistor values are very often used.

하나의 cpu 안에 코어를 많이 때려 넣는거에요. 멀티코어로 접속하는거에요. 단위 각각의 코어를 더 빨리 들리지는 못하지만, 얘를 왕창 많이 넣어서 외부에서 뭔가 일을 시키면 얘를 쪼개가지고 변결로 처리를 하자. 이렇게 트렌드가 가고 있는거죠. 지금 그런 상황입니다. 이거는 팩플리케이션 얘기를 좀 해볼까 했었는데, 아까 40분? 45분 말씀을 하셔서 그냥 넘어가도록 할게요.

Anyway, how to make a chip, it is very simple to explain. Then, what do you mean? When you look at the top, we make a pattern, we make only the N-type area in the area, and the other side, only the P-type area in the area. Then, the most important tool to do it is

이 리소그라피, 정확히 포탑 리소그라피가 담기고 우리말로 리소라고 많이 얘기하는데 이게 뭐냐면 역시 뉴스에서 많이 얘기하는 네덜란드의 ASM이라는 회사가 있어요. 걔가 얘를 독점적으로 공급하고 있습니다. 옛날 버전은 다른 회사들도 만들 수 있지만 최신 리소 장비는 BXM에 밖에 못 만들어요. 그래서 얘가 뭐라는 거냐면 이 판을 찍으려면 판은 틀이 필요하죠. 마찬가지로 얘도 마스크라는 게 필요합니다. 우리가 그 패턴이 그려져 있는 마스크를 먼저 만들고 거기다가 빛을 쏴서

그 패턴을 따라서 빛이 통과를 해요. 그리고 걔가 P타입이나 N타입 영역을 만들어주는데 이 작업, 하나 찍는 이 작업을 하는 장비가 이 장비입니다. 실제로 극자외선 같은 거를 밖에서 쏴서 얘가 이 패턴을 찍어줘요. 그러니까 엄청나게 중요한 장비고 얘가 이 반도체 제작 공정의 가장 핵심이라고 볼 수가 있습니다. 그래서 얘가 얼마나 작아졌냐면 요즘에는 반도체에 들어가 있는 트랜지스터의 크기가

It's not only a nanometer, but it's not only a nanometer. How much time is it? It's not only a 10-year-old or a 10-year-old. It's a very thin and thin area, it's easier to develop this area, but it's a huge amount of money, and the development speed is too slow. This is more than an average. It has all been changed, so people have followed the gate around. around the device

and then the other way to build a nano wire, but in that case, people are trying to make new devices. So, the value of the product is, the value of the product will grow, but the value of the product is too big. The value of the product is increasing. How much does it improve? As I said, you need a mask. So, when you're shooting a mask, you need to make a mask first.

다만 이 마스크를 한번 만들어만 놓으면 그 다음부터는 이 린 수강을 이용해서 빛만 쏴주면은 그냥 화가를 무한히 찍어낼 수가 있습니다. 그래서 우리가 예를 들어서 저도 마찬가지로 연구할 때 어떻게 하냐면 저희가 침을 열심히 설계를 합니다. 그 다음에 그 설계도를 그냥 어떤 파일로 삼성이들 TSM에 보내요. 그럼 얘네들이 처음에 뭐라고 하냐면 우리가 보낸 설계도를 바탕으로 마스크를 만들어봅니다. 그렇게 만든 마스크를 갖고 그때부터 칩을 막 찍어내기 시작하는 거예요.

The cost of making this mask is already about a hundred and a hundred years ago. How much money is it? So, the big GPU chip, CPU, and in our country, There are a lot of NPO companies, AI management companies, and the high performance chip companies, I'll send the design and try to prototype the chip, but there are a few hundred million.

어마어마한 비용이 들어요. 그러면 이것을 어떻게 회수하느냐? 그 다음부터는 이제 마스크라고 만들어 놓죠? 그 다음부터는 치료에 대한 무한히 찍어야 할 수 있어요. 그것은 훨씬 싸요. 그러니까 지금 엔비디아가 어떻게 떼돈을 벌고 있느냐. 처음에 연구개발비로 엄청 돈을 많이 썼겠죠? 그 다음에 마스크 제작 비용으로 돈을 많이 썼을 거예요. 그렇지만 그 다음부터는 돈이 안 들어가죠. 들어가긴 하시면 훨씬 빠르게 들어가요. 그런데 여러분도 GPU 사는데 하나에 엑셀은 몇십만원에서 몇백만, 몇천만원 추가 있죠?

그러니까 돈을 갈키로 빌어먹고 있는거지. 팔 때마다 돈을 엄청나게 버는겁니다. 마찬가지로 삼성이나 핸드셋도 마찬가지입니다. 메모리 침을 만들 때, 처음에 개발 비용 엄청나게 썼겠죠? 마스크 비용 엄청나게 썼겠죠? 그 다음부터 생산하는 원가는 판매하는 비용보다 훨씬 싼거에요. 한번 매스 프로덕션을 하면 그 때부터 돈을 갈키로 모일 수 있는거고 그래서 치킨게임을 하는겁니다. 내가 이 시장을 선정해서, 이 시장을 내가 먹을수만 있으면 그때부터는 떼도를 거둔거고

If I invest in a number of hundred million dollars, but it doesn't sell it, it's a huge industry. It's really fun. If you tell us about this, you can understand why there are these issues. Let's move on. As I mentioned earlier, I used to say that it's called AI-Bandoet.

우리나라에서 그런 얘기를 많이 쓰고 근데 해외에서는 사실 AI 세미코덕스라는 용어를 잘 안 쓰고요 하여튼 뭐 GPU 또는 Neural Processing Unit, MPU 또는 Apple에서 Neural Engine 그래서 여러 가지 용어들을 써요 어쨌든 그건 뭐냐? 죄송합니다 기본적으로는 어떤 인공지능 알고리즘을 가속하기 위한 침대를 사람들이 많이 찍어서 쓰고 있습니다 그래서 기본적으로 얘들이 이름이 다 다르지만

그렇지만 하는 기능을 보면 뭘 하고 있냐? 요즘에 여러분들이 어느 정도 다 들어서 아시겠지만 요즘 나오는 인공기능 알고리즘, AI 알고리즘은 다 뭘 하고 있냐면 커다란 인공신경망, 뉴럴 네트워크를 그 속에서 돌리고 있어요. 그러니까 얘네들이 결국 해전 역할을 보냐면 다 뉴럴 네트워크를 가독하는 하드웨어입니다. 근본적으로 다른 게 없어요. 다른 것은 세부 사양이나 내부에 들어간 세부적인 설계 기술 같은 게 다르지

The role of doing is quite similar to it. If you look at the inside, the inside is very simple. If you look at the GPU, see the GPU, or the Galaxy, Exynos, or the NPU, they all look like a big structure. What is it? Most of the functions of the artificial intelligence can be described as an angle of motion. We express it as General Matrix Multiply. I'm going to express it as a GMMB. There is a large engine that can be used.

그 외에 또 쉽게 말해서 잡다한 연사들, 걔네들 처리하기 위한 별도의 벡터 엔딩이 있습니다. 그런 다음에 여기에 침대에 커다란 메모리가 있는데 커받지 않고 커요. 기껏하면 몇 메가바이트밖에 안 됩니다. 왜냐면 이거 메모리 반도체 공정이 아니라서 일반적인 요직 반도체 공정에서는 메모리를 크게 못 만들어요. 하지만 이건 필수적인 게 요즘에 LLM 같은 경우에는 모델 파라미터만 해도 몇 십 기가바이트예요. 그러니까 애초에 침에 올릴 수가 없고 대부분 외부의 비례군요.

아니면 플래시, ssd에 내려가 있습니다. 그러면 걔네들을 그때그때 불러서 쓰면 디레임이나 플래시 같은 애들은 한번 읽을 때마다 시간도 오래 읽고 에너지를 업쳐놓겠어요? 그러니까 어떻게 하냐, 한번의 데이터를 왕창 불러와서 집 내부에 있는 버프에다 올려놔요. 그 다음에 거기서 얘를 최대한 재활용하고 압력성하면서 연산을 하고 연산을 할 만큼 다 하면 그때는 그 데이터를 버리고 다음 커다란 데이터를 불러옵니다. 이렇게 해서 효율성이나 성능을 최대한 끌어올리는 거죠.

In fact, there is a GPU in NVIDIA made of A100, but it was a very expensive GPU. If you look at it, the structure of the system is almost the same. If you look at it, here is the Tensor Core. There is a part of the GML range of speed. The rest of the battle processor is different. There are different types. According to the int32, fp32, fp32, fp64, etc. There are different options. The register file and cache are doing buffer.

In the same case, Tesla made a machine from Tesla. Where did they use it? Tesla has a lot of money from Tesla. In our country, it would be a lot of money from the world. Then, when the cars are coming back, they will get the data from natural data. Then, I don't know if I know it, but it will go to the server from the data center. Where did they use it? They bought FST.

It will be used to use a model to improve the learning data. What is needed? If you have a huge amount of learning data, you have to use this artificial intelligence model. You have to use this learning very quickly. Data is too much. So, we made the entire artificial intelligence model that you can learn. Here is the same. There is a matrix multiply. There is a part of the map. There is a part of the map. It will be used to perform. It will be used to perform.

We called it as a training node, and made it in 354 rows and made it as a piece of paper. And then, we called it in board with 25 rows and called it as a training tile. They made it as a large rack, a large rack, and made it as a large platform. Now, we are teaching them. I'm doing a lot of work here, and I'm doing a lot of work here. We've done a lot of research.

There's a lot of people who are working on it. But it's very difficult to design this chip. If you don't know GPU, you have to have to work with a few hundred people, and you have to work with a few years. If you look at the income rate, you have to work with a few hundred people, so you have to work with a few hundred people. You have to work with a few hundred people, and you have to work with a few hundred people. You have to work with income rates. To have some extra cash flow, I will work with a few hundred people.

There are a number of tranzisters that are in, but it's difficult to make it well. That's why no one can't do it. A lot of companies, even Nvidia, sometimes make a chip fail. I don't think it's a bug. Then they can make a mask again and use it again. So, these are AI and coding. On the other hand, we're doing it. We've been doing it since we've been doing it.

잘 됩니다. 잘 되는데 모든 AI가 그렇듯이 한 번씩 예상치 못한 실수를 해요. 그래서 아직까지는 사람이 좀 슈퍼바이저를 하면서 설계를 해야 된다. 그 정도 이해를 하시면 될 것 같습니다. 그리고 이거는 또 이제 약간 다른 얘기일 수도 있는데 이제 공정이 너무 미세화가 되다 보니까 말씀드렸듯이 무슨 트랜지스터 하다가 몇 나노미터밖에 안 돼요. 그럼 이렇게 작은 거를 만드는 게 쉬울까? 당연히 쉽지 않겠죠. 그래서 무슨 일이 벌어지냐면

칩을 찍어보면 각각의 트랜지스터들의 특성이 집원대로입니다. 그러니까 되게 랜덤하게 베리에이션이 발생해요. 그래서 어느 공정이든, 특히 최신 공정으로 갈수록 칩이 100% 동작을 안해요. 애초에 그건 불가능합니다. 그래서 TSS 정도 되는 아주 공정이 안정화가 되어있는 파운드리도 소문에 의하면 수율, 실제로 100개 만들었을 때 동작하는 침의 개수가 한 80개밖에 안 돼요.

그리고 한동안 삼성이 뉴스에 나왔던 게 뭐냐면 3만5미터 2만5대 보유점에서 고생을 많이 하고 있다. 수요일이 10%밖에 안정 없다. 이런 얘기를 하는 게 실제로 침을 100개 찍으면 10개 이하로 돌아왔다는 얘기예요. 그래서 이 공정 컨트롤 하는 게 무지무지 어렵습니다. 이런 베리에이션을 잘 담는 게 되게 중요하고요. 요즘에 여러분들께서 공부하시는 거에 조금 더 관련 있는 얘기를 마지막으로 드려보자면 멜론 머스크가 그런 얘기를 했죠. 데이터 세트를 우주에 운영했다.

그런 얘기를 하고 있어요. 진짜 진지하게. 왜냐면 거기서 쿨링하기도 쉽고 태양별로 에너지도 잘 받을 수 있으니까요. 그러려면 뭐가 문제가 있어요? 여러분들 잘 아시는 것처럼 방사선이 문제입니다. 어떻게 문제되면 실제로 1970년대에 아마 인테리어였을 것 같아요. 디램 침을 찍어서 파는데 얘네들이 이상하게 한 번씩 우리가 썼던 값이 뒤집히는 거예요. 영어를 썼던 때 일로 바뀌고 일을 썼던 때 영어로 바뀌는데

이게 랜덤합니다. 이게 반도체 자체의 문제가 아니라 뭔가 외부 요인에 의해서 값이 뒤집혀야 됩니다. 그래서 봤더니 외부에서 알파 프라테클이 이 칩을 뚫고 지나가면서 그럼 어떤 일이 발생하냐면 얘네들이 에너지를 크게 갖고 있죠. 얘가 이 웨이퍼를, 반도체 칩을 통과하면서 내부에서 무수히 많은 일렉트론과 크로우 페어를 만들어내리죠. 마치 없던 전류가 흐르는 것처럼 보이겠죠. 그러면서 값을 뒤집어 버렸습니다.

이걸 보니까 소프트 에러라고 해요. 그래서 옛날에는 알파 파티클이 문제였어요. 특히 왜 그러냐면 칩을 감싸고 있는 패키지를 만드는 물질이 그렇게 순수하지 못했고 방사성 물질들이 좀 들어가 있었다고 해요. 그 당시에는 알파 파티클이 문제였는데 요즘에는 뉴트럴이 문제였어요. 이거는 어떻게 할 수가 없을 게 우주에서 뚫고 들어오죠? 그리고 알파 도는 막기가 그래도 쉬워요. 쉴팅을 할 수 있는데 뉴트럴은 쉴팅도 안 돼요.

그러니까 여러분들이 쓰고 있는 데스크탑 cpu 에서도 메모리에서 아주 중요한 게 이런 플립들이 발생을 합니다. 그래서 갑자기 쓰다가 한 번씩 블루스크린 뜨고 하는 경우들이 어쩌다 한 번씩 있죠. 이게 실제로 발생을 하고 있는 거예요. 그래서 이런 안정성이 되게 중요한 시스템, 예를 들어서 컴퓨터 서버 같은 거겠죠. 그 서버용 메모리 가격을 보시면 훨씬 비싸요. 데스크탑보다. 왜 그러냐면 그 내부에 ECC 기능이라고 들어가 있어서

이게 에러코렉팅 코드거든요. 내부에서 한 빛 정도가 플립이 돼도 여기에 우리가 어떤 코딩 스킨을 적용을 해서 그걸 복구할 수 있도록 추가적인 기능이 들어가 있어요. 그러니까 걔들은 문제가 생기지 않겠죠. 만약에 지금 우리가 지표면에 있으니까 이 정도로 아주 낮은 확률로 얘가 발생을 하지. 저기 우주로 가면 어마어마하겠죠. 실제로 우주까지도 아니어도 항공기용 반도체의 경우에는 이 문제가 훨씬 심각하기 때문에

그래서 이 CC 같은 건 다 기본으로 들어가 있고 반도체를 검사하는 표정도 완전히 다릅니다. 훨씬 더 reliable하게 만들어야 돼요. 또 하나는 이런 것도 했어요. 제가 아까 소개해 주신 권인용 교수님이랑 지금도 하고 있고 같이 협업을 해서 같이 요구를 해본 적이 있는데요. 뭐냐면 이거는 원자력 발전소에 들어가는 센서형 치고를 만들어 봤습니다. 원자력 발전소의 센서를 언제 쓰냐면 발전소에 사고 나면. 사고 났을 때 내부의 도수가 얼마인지 얼마나 심각한 상황인지 이걸 알아야 될 것 같아요. 어떤 핵종들이 나오고 있는지.

그걸 하기 위해서 내부에 센서를 깔아둘 수가 있는데 문제는 발전소에서 사모가 나는 순간 거기서 나오는 방사선의 세기가 말도 안 되니까 어떻게 일을 발생하는지 칩이 바로 죽어요. 그러니까 센서를 깔아도 의미가 없습니다. 그래서 이거를 TID 이펙트로 부르는데 이 TID 이펙트를 어떻게 설계적으로 완화를 해볼까 해서 실제로 설계도 해봤고 이게 뭐냐면 정읍에 있는 한국 연구원의 불허에 있는

I don't know if it's a study room, but there's a fire station. You know better than I know, but it's in the water. The water can be filled, so it's red. And on the top of our house, we're going to get out of it. We're going to get out of it, so we're going to get out of it. Then we press the button, and we're going to get out of it. We're going to get out of it, so we're going to get out of it.

그렇게 때려가면서 이 집이 얼마나 오랫동안 사는지를 전선을 이어가지고 밖에서 모니터링을 하면서 본거에요. 이런 것도 같이 해봤고, 이거는 제가 봤을 때 가면 갈수록 수요가 더 높아지고 있고 이거는 권희용 교수께서 나중에 수업에서 더 소개를 해주실 것 같긴 하지만 이쪽에 실제로 삼성이나 하이닉스에서도 되게 관심을 많이 갖고 요즘에 연구들을 하고 있습니다. 되게 유망한 분이라고 생각을 해요. 그래서 저희도 연구를 하고 있는거고요. 자, 일단 거의 시간이 다 돼서 결론을 냈도록 하겠습니다.

If we were to talk about it, it is used to make a personal effect. As I mentioned, it is not easy to make it, and it is very difficult, expensive, and difficult. So, it is too small, so the variation is bigger. As I mentioned earlier, we can't think of various reasons because it is very important to make it so hard. I'm going to explain it to you.

감사합니다. 혹시 질문이 있으면 알려주세요. 혹시 조교분이 보신가요? 질문이 있는지 어떻게 제가 알 수가 없으니.