N2 Process
PulseAugur coverage of N2 Process — every cluster mentioning N2 Process across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新数据集加速直接空气捕获材料的发现
研究人员推出了 Open DAC 2025 (ODAC25) 数据集,这是一个包含近 6000 万次密度泛函理论计算的大型集合,用于金属有机框架 (MOFs) 中的气体吸附。该数据集旨在加速用于二氧化碳直接空气捕获 (DAC) 的材料的发现,特别是从潮湿空气中捕获。ODAC25 包括新颖的功能化 MOFs、高能位点和合成生成的框架,在之前的准确性基础上有所提高,并融入了对 MOF 灵活性的见解。该数据集能够对 DAC 应用进行先进的 …
-
台积电2纳米工厂建设事故致四名工人死亡
台湾高雄台积电2纳米Fab 22工地发生了一起悲惨事故,导致四名合同工死亡。事故原因初步怀疑是钢连接板上的螺栓断裂,台积电已暂停所有相关的钢结构工程并展开调查。自2024年9月以来,台积电在台湾的工厂已发生至少六起致命建筑事故,此次事件再次引发了人们对在加速建设过程中安全问题的担忧。
-
NucleoNet:统一的核-电子模型求解薛定谔方程
研究人员开发了 NucleoNet,一种用于求解电子薛定谔方程的新型神经网络方法。与之前需要为每种核几何形状进行单独计算的方法不同,NucleoNet 将电子和原子核视为统一的粒子集,允许单个模型描述多种几何形状。该方法在参数更少的情况下实现了与现有基线相当的精度,并展示了对未见几何形状的强大泛化能力,如在 N2 和 LiCN 等分子的基准测试中所显示的。
-
Apple M6 芯片集成 FlexCache,技术与高通最新处理器看齐
据报道,Apple 已将其 M6 芯片集成了 FlexCache 技术,此举与高通最近为其 Snapdragon 8 Elite Gen 6 处理器发布的公告相呼应。这项集成允许 Apple 在单个共享 L2 缓存域内组合异构核心,从而无需单独的集群即可引入第三种核心类型。文章分享了 Apple M6 芯片和台积电 N2 工艺的细节,包括对台积电制造方法的见解。
-
代工厂行业 2026 年第二季度创纪录达到 545 亿美元,受人工智能需求和价格上涨推动 · 跟踪 6 个来源
代工厂行业在 2026 年第二季度实现了创纪录的增长,达到 545 亿美元,这得益于价格上涨和有利的产品组合,而非新增产能。人工智能需求,特别是对领先的 N2 工艺和先进封装的需求,是一个重要因素,台积电因其大规模货币化人工智能的作用而报告了创纪录的收入和利润率。英特尔代工厂也显示出改进的执行力,运营亏损收窄,外部收入增加,并获得了大量股票发行以资助未来的资本支出。
-
Apple 牵头台积电2纳米芯片量产,竞争日益激烈
Apple 将成为台积电即将推出的2纳米工艺节点N2的锚定客户,该节点将于2026年第三季度开始量产。这标志着Apple的一个重要升级,其转向N2的速度比之前的N3和N5转型快1.5倍,尽管晶圆成本更高。与N3节点不同的是,在N3节点上Apple在第一年基本是孤军奋战,而在N2发布时,将面临来自Google、Qualcomm、MediaTek和AMD等其他主要芯片设计公司的竞争,它们也将在同期推出2纳米芯片。
-
台积电的A14工艺显示出快速的良率和性能提升
台积电宣布其即将推出的A14制造工艺取得了显著进展,该工艺有望于2028年下半年实现量产。公司报告称,器件性能接近90%,256Mb SRAM良率为[YIELD_PERCENT]%(注:原文未提供具体SRAM良率数值,此处根据上下文推测为百分比,但实际翻译中应保留原文的缺失或明确指出),表明其开发轨迹比之前的N2工艺更快。这一进展引起了智能手机和AI/高性能计算领域客户的浓厚兴趣,许多客户计划在未来的设计中采用A14技术。
-
台积电通过大规模晶圆厂扩张加速AI芯片生产
台积电正进行其有史以来最激进的制造扩张,旨在满足对AI处理器和先进芯片的激增需求。该公司正在将其历史建设速度翻倍,在台湾、美国、日本和德国建设新的晶圆厂。一个关键重点是N2工艺技术,计划在其第一年同时在五个工厂量产,显著超过了以往的节点量产能力。
-
TSMC、Intel、Samsung在1.4纳米芯片生产路线图上出现分歧
TSMC、Intel和Samsung都在生产使用2纳米级别工艺技术的芯片,其中Samsung和TSMC已于2025年中后期开始量产。它们的未来路线图存在显著差异:TSMC优先考虑可预测的扩展和专业化,Samsung专注于通过迭代节点变体来提高良率,而Intel则采取激进策略,采用环绕栅极晶体管和背面供电等先进技术,目标是在2027-2028年实现1.4纳米节点。
-
量子启发式特征求解器大幅减少参数,提升量子化学性能
研究人员开发了一种名为GQKAE的新型量子启发式特征求解器,旨在提高量子化学领域高性能计算的效率。该模型用混合量子启发式Kolmogorov-Arnold网络模块取代了传统的馈通网络,可将可训练参数和内存使用量显著减少约66%。基准测试表明,GQKAE在实现与现有GPT基方法相当的化学精度方面,同时为复杂系统提供了更优的收敛性和能量误差。