生成AIモデル学習を実現するチップレットパッケージ

セミナー紹介

本セミナーでは、生成AIモデル学習を実現するチップレットパッケージに関連する技術革新のトレンドについて解説する。
2022年11月にChatGPTサービスが開始され、生成AIの知名度と活用度が急速に広がりつつある。これはデジタルトランスフォーメーション（DX）の強力な追い風になる。生成AIの学習パラメーターは2018年以降、2年で100倍以上の勢いで増加しているため、そのトレーニングに要するAIアクセラレータ＋CPUの性能も2年で280倍以上に高める必要がある。
一方でそれを実現するための半導体は面積当たりの性能向上は10年間で30倍程度の伸びしか期待できず、大きなギャップが存在する。それを埋めるためにはパッケージ上に搭載できる半導体面積を最大化するためのスケーラブルなパッケージテクノロジーが求められる。パッケージ間を接続するネットワークの速度と効率がシステム全体の性能を向上させるために非常に重要となる。
しかし、半導体製造プロセス上、チップ面積の増加には制約があり、加えて製造歩留まりが低下することでコストアップにもつながる。また、DDR、PCIe,SerDesなどの入出力インターフェース（I/O）に対してコアと同じ先端テクノロジーノードを都度適用するのはデザイン及び検証にかかるコストが大きく増加する。
これらの課題への対策として大きな潮流となっているのが、チップを複数に分割することによって、パッケージレベルで性能要求を満たすコア数を実現し、I/O部分のデザインをリユースするチップレットパッケージである。
本セミナーではまず、午前中に、クラウドAIサーバーの高性能化を実現するためのスケーラブルなチップレットパッケージのトレンドと挑戦課題をまとめる。そこでは、光電融合技術に基づくCPO（Co-Packaged Optics）による、システム全体の性能向上に向けたトレンドと挑戦課題についても述べる。
午後の前半では、2nm（ナノメートル）テクノロジーノード以降においてでは、電力供給のための「Back Side PDN（Power Distribution Network）」が必要とされ、それが半導体構造やパッケージ構造の大変革となることを示す。
午後の後半では、多様化するチップレットパッケージのテクノロジーについて解説する。中でも注目されるテクノロジーとして、性能限界、発熱限界、さらに信頼性限界を乗り越えるロードマップについても示していく。

今回のセミナーでは、以下の内容をカバーします。
●生成AI学習モデルサイズとトレーニングに必要なAPU性能
●要求性能実現のためのスケーラブルなパッケージの重要性
●チップレット化へのテクノロジー及びマーケット
●チップレットの構造比較
●チップレット構造、材料に対する信頼性
●チップレット間接続のI/O標準化
●Back Side PDN（Power Distribution Network）に対するパッケージ構造
●CPO（Co Package Optics）のテクノロジー、挑戦課題、展開時期

受講対象としては、下記の分野にかかわる方々を想定しています。

• ●半導体分野への投資を検討している方々
• ●半導体パッケージ材料メーカーおよび関連商社
• ●半導体パッケージ装置メーカーおよび関連商社
• ●サブストレート製造メーカー
• ●パッケージ製造

開催概要

講師紹介

プログラム