{{item.title}}
目前無活動
半導體產業正面臨傳統晶片製造的極限,無法再無限縮小電晶體尺寸,因此發展垂直堆疊電晶體技術勢在必行。然而,目前使用的矽通孔技術成本高、晶片對位不易、且占用晶片面積。 MIT 機械工程系副教授 Jeehwan Kim 的研究團隊,與三星先進技術研究院、韓國成均館大學及德州大學達拉斯分校,共同開發出能在矽基板上直接成長單晶 2D 半導體的多層晶片製造技術:「單晶 3D (Monolithic 3D, M3D)」。該技術透過低於 400°C 的製成,解決了過去 M3D 高溫製成可能損壞底層電路的問題。此外,研究團隊已成功製造含 Transition-Metal Dichalcogenides (TMDs) 材料的多層晶片,利用 MoS₂(頂層)和 WSe₂ (底層)實現垂直 CMOS 架構,有效減少 RC 延遲、降低功耗並提高密度。該研究由三星先進技術研究院與美國空軍科學研究辦公室資助,發表於 Nature 期刊。研究團隊已成立新創公司 FS2,目標是推動超高密度晶片堆疊,並進一步拓展 AI 晶片與記憶體應用。
在無雜訊、受控環境中訓練的 AI 代理(AI Agent),能夠更快掌握規則,進而在充滿變數的現實環境中表現更為出色。傳統上,工程師竭盡所能讓訓練環境符合實際應用環境,但最新研究顯示,在雜訊較低的環境訓練,更能產生優異的 AI 代理,此現象稱為「室內訓練效應 Indoor-Training Effect」。研究團隊以 Atari 遊戲來驗證「室內訓練效應」,發現先在無干擾環境訓練,再轉至噪音環境中測試, AI 代理的表現優於直接在噪音環境中訓練的對照組。 此技術由MIT、哈佛及耶魯三校研究員共同研發,將發表於 Association for the Advancement of Artificial Intelligence Conference,有望推動智能製造、無人駕駛和機器人等領域的革新。未來,研究人員計劃開發混合訓練平台,結合「室內」與「室外」環境的優點,進一步提升AI 在真實環境中的適應能力與表現。
MIT CSAIL 的博士生開發了一項名為「PRoC3S」(Planning for Robots via Code for Continuous Constraint Satisfaction) 的程式框架,旨在提升機器人執行開放式任務的能力。傳統的 LLMs 雖可生成任務計劃,但因無法考慮機器人的物理限制 (如手臂伸展範圍或障礙物),導致其在實際應用中受限。PRoC3S 結合了 LLM 和視覺模型,透過視覺觀察機器人周圍環境,建模操作約束,並運用模擬器驗證計劃的可行性,讓機器人在動態環境中表現更安全可靠。該技術的核心流程包括:由 LLM 根據指令生成計劃(如 「清理桌子」分解為「移除雜物→ 擦拭桌面→ 整理物品」);接著利用視覺模型捕捉環境信息,建構物理限制;最後,模擬器測試每一步計劃的可行性,若不可行,則回饋給 LLM 進行調整。模擬成果顯示,PRoC3S 在需要避開環境中障礙物繪製圖案的任務中,擁有 80% 的成功率。未來,研究團隊計劃引入更先進的模擬器、拓展至更複雜的任務,並應用於家庭機器人。