超高速实时示波器用于3nm制程芯片技术的研发进展
摘要
随着集成电路制程节点迈入3nm时代,芯片的高集成度、高速信号传输及能效需求极大推动了测试仪器的发展,尤其是超高速实时示波器在芯片研发中的核心作用日益凸显。面对传输速率和数据吞吐的极限挑战,传统测试方法已难以满足3nm芯片对带宽、采样率、信号完整性和时序精度的高标准要求。本文系统综述了超高速实时示波器在3nm制程芯片研发中的技术进展与应用,包括采样原理(等效采样与实时采样)、多通道高带宽架构、光电前端与新型采集技术、数字信号处理与智能算法,以及关键性能指标与精密校准方法。通过分析高速SerDes、光/射频、AI芯片、粒子探测等多样化应用案例,本文揭示了示波器在高速信号捕获、信号完整性分析、功耗动态监测及系统级性能优化中的不可替代价值。当前技术已实现百GHz级带宽、Tera-sample/s级采样率及亚皮秒级时序分辨,但仍面临带宽极限、通道一致性、校准复杂性与数据处理压力等挑战。展望未来,超高速示波器将持续在器件架构创新、光电子集成、智能化测试与软硬件协同等方向突破,成为推动3nm及更先进制程芯片技术持续创新、支撑高端电子信息系统发展的关键测试平台。
1. 引言
3nm制程芯片的问世代表了集成电路制造技术接近物理极限的尖端水平,这推动了高性能计算、人工智能、5G/6G通信以及物联网等应用领域的技术革新。由此带来的极高集成度、高速信号传输和能耗约束,对芯片制造与测试仪器均提出了前所未有的挑战。超高速实时示波器,作为电子测量领域的核心工具,其带宽、采样率、灵敏度和信号完整性直接决定了前沿芯片设计与验证的可行性和效率。尤其是在3nm制程下,信号频率和数据速率显著提升,片上互连信号、SerDes传输以及高速存储接口等环节对信号完整性分析提出了极高要求,传统的测试仪器已经难以胜任。
在实际芯片研发和测试场景中,诸如224Gb/s甚至更高速率的信号已成为常态,伴随而来的是对示波器带宽、抖动指标、时序分辨与实时数据处理能力的极端需求。近年来,集成于3nm FinFET工艺节点的高速SerDes、收发器、以及片上存储等单元正不断突破传输速率和能效极限,从而更加依赖高性能测试平台进行高速接口的误码率分析、抖动测量和信号质量评估 ,。与此同时,先进的实时示波器技术(如Tera-sample/s单次测量、超低抖动与相位噪声性能、数字信号处理辅助解码等)正在成为推动3nm及更先进制程芯片分析准确性和研发效率提升的关键手段 。
随着测量标准和理论的不断进步,相关领域对实时示波器的不确定度分析、校准和带宽扩展手段愈加成熟,为器件级测试提供严谨的数据基础 。此外,在光互联、超高速无线等场景中,也愈发依赖高精度、高采样速率的实时信号抓取与分析能力,以支撑新一代数据中心和通信系统的实验验证 ,。不同应用对于示波器在即时可视化、信号处理、定制化分析等功能提出多元需求,助推仪器架构与软硬件平台的持续迭代 。
本综述旨在系统梳理超高速实时示波器在3nm制程芯片研发中的必然性与前沿应用,结合行业核心进展与关键技术挑战,解析仪器与芯片工艺协同演进的动力机制。文章将重点围绕3nm工艺背景下测试仪器的技术需求、当前超高速实时示波器的主流方案、关键技术突破,以及未来发展趋势展开,为业内研究和工程实践提供理论参考与技术借鉴。
2. 3nm制程芯片技术的发展与测试需求
随着制程工艺推进至3nm节点,半导体芯片实现了前所未有的集成密度与性能提升,驱动了高性能计算、智能终端及网络通信等领域的变革。这一代芯片在工艺层面采用了如FinFET三维晶体管结构、计算内存 (CIM) 架构和多端口SRAM等创新技术,有效提升了能效、吞吐和可靠性,尤其针对AI推理、边缘智能等低功耗高速度场景展现出显著优势 。然而,3nm芯片的高集成度、高工作频率与高数据吞吐特性,也对测试技术提出了极端挑战,特别是在带宽、信号完整性、时序精度与功耗管控方面。
首先,3nm制程下的器件及互连对高速信号传输的完整性极为敏感,寄生效应、噪声耦合与参数波动可能导致串扰、反射及电源完整性问题,使传统测试仪器难以满足宽带、高精度的测量需求。特别是在多通道并行采集以及高速信号同步分析时,传统数字示波器在通道匹配、采样率和系统校准等方面已接近物理极限 。此外,超低功耗系统对能耗测量的灵敏度和动态范围提出更高要求,现有方案往往兼顾不足。
同时,随着AI、5G、超高速网络与光射频通信等应用的普及,对SoC芯片的测试提出波形、高频失真控制与系统一致性的综合性新要求。高精度示波器及创新型混合测试设备不仅要具备更宽带宽、更高采样能力,还需在误差校准、动态信号恢复与低信号分辨方面不断突破 。
综上,3nm制程芯片的技术进步深刻牵引了测试需求的变革:既要在保证信号采集精度的前提下应对高密度、高速与低功耗的挑战,也促使超高速实时示波器成为打破当前测试瓶颈的关键工具,为后续测试技术革新和工艺演进提供理论基础。
2.1 3nm制程的核心技术与应用场景
3nm制程芯片作为当前最先进的集成电路制造技术,展现出一系列工艺革新和架构升级,显著推动了半导体行业的发展与应用多样化。其核心技术主要包含FinFET晶体管结构、计算内存(Compute-In-Memory, CIM)及支持脉冲神经网络(Spiking Neural Networks, SNN)的新型多端口SRAM等。其中,FinFET作为主流的晶体管解决方案,因其三维结构有效地控制短沟道效应和漏电流,成为3nm工艺的基础支撑,。同时,随着AI计算需求激增,CIM架构和SNN推理芯片成为边缘计算及智能终端领域的关键方向。采用3nm FinFET技术的多端口SRAM设计,不仅提升了芯片的运算速度和能效,还优化了内存壁垒带来的瓶颈,有效应对智能手机、可穿戴设备与物联网场景下对低功耗、高吞吐的数据处理需求。此外,混合Transformer与卷积神经网络的架构用于信号波形预测,进一步提升了3nm制程芯片在功耗评估和时序分析等设计自动化流程中的精度与效率。
上述技术创新使3nm芯片在高性能计算、深度学习、传感器网络及超低延迟应用等领域表现突出。与此同时,这些芯片的高密度集成与高速数据传输对测试系统提出了前所未有的挑战,尤其是在带宽、数据量和功耗管控等方面。例如,采用多通道并行架构的实时示波器,在3nm制程FinFET实现下既能保障极高采样率,又兼顾了硅面积小和能耗低的需求,为器件级信号完整性与高速互连测试提供支持。由此可见,3nm制程芯片的核心技术与新兴应用场景密不可分,并直接牵引了超高速实时测试仪器的演进与升级,对后续测试需求、工具创新及技术瓶颈的系统性分析奠定了坚实的基础。
2.2 3nm制程下的信号测试与表征挑战
随着半导体工艺推进至3nm节点,芯片集成度及工作频率显著提升,测试对象的信号特性变得更加复杂和敏感。此阶段的信号测试与表征面临多重挑战,其中以信号完整性、时序稳定性、以及超低功耗下的精准度量最为突出。
首先,3nm制程下的高速信号传输极易受到寄生参数、噪声耦合和工艺波动影响,导致信号完整性显著恶化。高速率下,由于互连阻抗骤增和负载效应增强,出现了如串扰、反射及电源完整性(PI)下降等问题。当前主流的测试手段往往利用等效负载、电流源建模等近似简化方法,难以准确捕捉极端高速场景下的动态波形特点。传统示波器在带宽、采样率与通道同步性方面已接近物理极限,在面对多通道、高速、微弱信号同时测试时,时序偏移和幅度失真问题难以避免 。
其次,极低功耗要求带来更大表征压力。面向如边缘智能终端、传感器等工作于3nm制程的系统,实测数据表明记忆墙问题、功耗瓶颈成为AI推理等应用性能的制约关键 。但此类系统的能耗表征对测试设备的灵敏度和动态范围提出新高要求,传统方案往往无法兼顾高速与低信号分辨的需求。再次,现有数字示波器的校准与量化测量也迎来技术壁垒。商业实时示波器普遍采用多路交错ADC结构,受制于AD通道增益与相位偏移差异,其频率响应稳定性与一致性亟需精密测量与误差修正。最新研究表明,在3nm及更高频场景下,未校准的通道间幅度误差可达±1 dB,相位最大偏移高至±7°,给信号准确度量和系统级验证带来系统性误差。因此,需要依赖NIST可追溯标准等高精度校准手段和创新测试流程,以保证数据的溯源性及可信度 。最后,5G及更高速光/射频通信应用对电气和光学测试的分辨率及系统级全面性亦提出了空前挑战。面对新一代SoC芯片复杂性,既要保证测量方法的灵敏度与准确性,也要控制测量系统本身引入的损耗和失真,从而推动示波器和混合型测试设备的持续革新 。
由此可见,传统测试方法在3nm工艺下暴露出带宽、采样率、精度与系统级测试一致性等多维度瓶颈。超高速实时示波器以其高带宽和采样能力,以及先进校准和误差修正技术,成为突破3nm制程下信号测试与表征难题的关键工具。其在动态信号恢复、低功耗表征及高精度定量分析等方面的不可替代地位,推动了3nm及以下工艺芯片技术的进一步演进。
3. 超高速实时示波器的原理与关键技术进展
超高速实时示波器作为3nm制程芯片研发与测试的核心测量工具,其技术体系近年来经历了深刻变革。当前,无论是从基础采样原理、架构创新到信号处理算法层面,均出现了多条突破路径和系统优化方案。首先,示波器的采样模式在等效采样与实时采样两大技术方向间延展,各自通过独特机制应对不同类型信号的测试需求,形成了互补的技术能力。多通道架构的出现及其高带宽实现,进一步推动了示波器采样率与信号完整性的极限,尤其是在时间交错模数转换器(TIADC)结构下,对通道一致性和高效校准算法提出了更高要求。与此同时,光电前端技术突破传统电学接口的瓶颈,利用光子时间拉伸和单光子探测等创新,使采样速度、抖动性能及带宽指标远超以往,实现对纳米级信号的精细测试,如通过单光子计数和光学随机采样可实现40皮秒抖动和逾100 GHz带宽。此外,数字信号处理算法日益智能,深度学习模型的引入显著提升了波形预测和异常识别的能力,对复杂芯片互连的自动化分析及高精度建模提供了理论支撑。
值得注意的是,这些技术进展并非孤立发展,而是通过采样技术、前端架构、信号算法的系统协同,不断为3nm芯片测试注入更高的测量速度、准确性和适应性。例如,光电融合与多通道并行采集共同优化了宽带信号的捕获和处理,与深度学习辅助信号分析相结合,推动测试平台朝向更智能、更自动化的方向演进。然而,面对更高频率、更小特征尺寸,系统的延迟、抖动控制、通道一致性与物理仿真精度等方面仍存挑战,包括延迟芯片误差带来的系统性失真、通道间增益和相位偏差引发的不确定度、极端工况下数据驱动方法的物理可解释性等。
未来,超高速实时示波器将在架构创新、光电融合与智能算法多层次融合驱动下,持续提升在高带宽、超高采样率和高精度测量中的表现,成为3nm及更先进制程芯片全流程测试不可或缺的基础平台。
3.1 等效采样与实时采样技术比较
等效采样与实时采样是超高速信号测量领域中两类核心技术,各自具有独特的应用机制、性能优缺点及适用场景。理解二者的差异性和优势,对于推动3nm制程芯片测试仪器的研发至关重要。
等效采样(Equivalent-Time Sampling,ET)是一种基于重复信号原理的采样方式,其核心优势在于通过多次对重复信号的不同时间点进行采样,从而重建出一个等效于超高速单次采样的波形。典型的等效采样系统借助延迟器件和高精度时基,实现远高于实际ADC速度的波形重建能力。例如,多通道高带宽的超宽带等效采样接收机可借助可编程延迟芯片与低抖动时钟,实现高达20 GSa/s的采样速率和不逊色于台式高端实时示波器的准确度,同时具备一定的成本优势。对于重复性好、变化缓慢的超高速信号(如通信脉冲和某些调制信号),等效采样能够在兼顾高带宽和成本的基础上获得极高的时间分辨率。不过,等效采样对采样时基稳定性和同步精度有极高要求,且只适用于完全可重复的信号。如果被测信号为单次或非周期性信号,则等效采样方式将失去作用,该限制成为其最大的不足之一。此外,实现更高的等效采样速率时,系统延迟的不确定性(如延迟芯片的失准)带来的系统性失真,也是相关研究亟需解决的技术难点。
与之相比,实时采样(Real-Time Sampling, RT)技术通过高速ADC直接对输入信号进行连续、单次捕获,能够无缝记录非重复、瞬变或随机性信号的完整信息。现代商业级实时数字示波器通常采用多路时分交错(Time-Interleaved ADC, TIADC)体系,使多组ADC协作,以实现数十GSa/s乃至更高采样速率。但该架构下的通道间增益与相位一致性、信号重构精度成为性能提升的瓶颈。在具体的特性分析过程中,通过引入可追溯至国家计量机构标准的脉冲测量源和正弦波测试源,研究者发现通道间的幅度、相位误差可能导致显著的系统性偏差,这需要通过严格校准手段加以补偿,才能确保真实、高精度的频率响应测量结果。值得注意的是,随着3nm制程芯片技术对超高带宽和信号真实性的要求不断攀升,高速实时采样示波器的多通道一致性、校准与溯源能力已成为行业关注的关键。
等效采样与实时采样的选择往往依赖于被测信号的特性和测试任务的要求。等效采样凭借高时间分辨能力适合周期性、重复性超高速信号的测量,在成本、系统复杂度及带宽提升上存在一定优势,适用于大批量芯片生产后的批量测试与调校。实时采样则以其对瞬变、非重复信号的捕捉能力,在研发与故障分析等需要信号完整性和真实性的场景表现突出,是不可替代的关键工具。两者在未来的3nm制程芯片测试仪器发展中,将互补推动高性能、全方位信号测量平台的构建。
3.2 多通道与高带宽架构设计
在超高速实时示波器面向3nm制程芯片测试的应用场景中,多通道结构与高带宽架构设计成为提升整体系统采样率和信号完整性的关键技术抓手。典型的系统方案往往采用多通道并行架构,尤其是基于时间交错模数转换器(TIADC)的实现,通过多个低速ADC协同工作,有效突破单一ADC采样速率的物理瓶颈,从而实现数百吉采样率(GSps)级的实时信号捕获能力。值得注意的是,随着通道数不断提升,通道间的参数匹配(如增益、偏置、时序和相位等)愈发成为性能优化的重点和难点。缺乏充分的通道一致性会导致系统输出信号的幅度和相位精度劣化,甚至引入系统性误差,影响对3nm芯片超高频信号行为的真实测量与分析 。
目前,多通道架构的实际电路实现通常辅以专用的校准与匹配算法。例如,通过施加已知标准信号和互补测量手段,能够追踪并校正各通道间的频率响应偏差,有效提升测量不确定度的可控性。此外,为了使系统在超高采样率下保持高信号完整性,还需要对前端模拟信号链进行高带宽设计:包括低噪声宽频放大器、精准阻抗匹配网络及高线性度信号路径,这些结构综合优化使示波器能够无缝对接3nm制程芯片的高速接口,实现信号畸变最小化。
数字架构方面,先进的下采样和实时数据处理电路亦扮演重要角色。通过采用分布式多通道实时数据打包、碎片整理和优化过滤算法,不仅能灵活实现对时基和采样率的精细化控制,还确保了信号采集与流转过程中的存储和传输效率极大提升 。部分高端系统可达到单芯片0.17 mm²面积下支持数百GSps速率,同时保持低功耗运行,非常适合3nm制程芯片测试环境的复杂集成挑战。
值得一提的是,系统集成中还需关注多通道高速信号的走线、寄生参数抑制及整体布局对频响的影响。工程实践中,采用充分灵活的架构能在信号生成、采集及可视化环节间建立高强度协同。
例如针对不同工业领域和应用场景,某些系统利用广泛的可调信号源与实时可视化界面,实现测试信号的快速适应与动态跟踪,从而增强了多通道高带宽架构在复杂芯片测试中的适应性与可用性 。
进一步来看,随着单片系统集成度和信号带宽能力持续演进,未来多通道和高带宽架构设计将在高效采样、精准校准和智能数据处理等方面继续突破,为3nm及更先进工艺芯片测试不断提供坚实的基础技术支持。
3.3 光电前端与新型采集技术
超高速实时示波器在3nm制程芯片测试领域的带宽和时间分辨率等性能瓶颈,正逐步被光电前端及新型采集技术所突破。传统电学前端虽然在信号采集层面具备成熟的电路基础与系统集成,但在超高带宽、低噪声测量情境下,电学前端固有限制,例如信号衰减、串扰和本底噪声等问题愈发突出。因此,行业近年来聚焦于光电子学驱动的新型架构,诸如光子前端和光电融合采集方式,为示波器性能带来显著提升。光子前端采用光学信号采集及处理机制,通过超高速光通讯链路与单光子探测手段,在优化带宽的同时显著压缩采样抖动。例如,基于单光子计数的光学随机采样示波器应用于光收发器的特性表征时,其抖动可低至40皮秒,可扩展至100GHz以上带宽,远超传统电前端的采样精度与速度上限 。
此外,近年来采用光子时间拉伸(photonic time-stretch)技术的超高速采集系统能够实现2.5 Tera-sample/s的有效采样速率以及5.4飞秒的极低有效抖动性能,极大提升了仪器对纳米级芯片高速信号的单次响应和频谱测量能力。该系统创新性引入数字信号处理算法,包括时序分割、帧对齐、激励定位及Tikhonov正则化去卷积,最大限度解决了宽带测量过程中的频率衰落问题,拓展了实时示波器对3nm芯片工艺特性测试的有效带宽和精度 。
考虑到测量系统的整体校准与仿真精度,高频接入结构如接地共面波导(GCPW)逐渐成为高带宽实时示波器探针校准的技术基础。通过精确调节GCPW结构参数,实现50Ω特性阻抗,并针对通孔影响,通过仿真优化通孔大小及位置,使其带宽提升至50 GHz且传输损耗极低,满足3nm制程芯片测试的高性能校准需求。GCPW的实测S参数在DC-50GHz范围内展现优异的带宽与回损特性,进一步保证前端采集系统的可靠性和一致性 。
针对不同应用场景,光电融合示波器正成为5G通讯及下一代高速光互连器件测试的关键工具。随着相关行业标准逐步出台,光电和射频计量技术的融合,有效弥补了电学前端对于高速光通信器件表征的不足,提升了测试仪器系统分辨率与可靠性 。光电前端不仅推动了测试架构创新,还为芯片测试领域提供了更低噪声、更高动态范围和更宽频带的新型解决方案,与电学前端技术形成互补,并为未来测试仪器的智能化与多物理量融合探测提供了技术基础。
随着3nm芯片工艺的不断演进,光电融合前端与高效采集、校准技术的协同发展成为测量仪器迭代升级的核心动力。未来,基于光子前端的超高采样速率、超低噪声与高带宽性能将逐步取代部分传统电学前端,形成多元化测量架构,在先进芯片工艺验证及高速互连领域发挥愈发关键作用。
3.4 示波器数字信号处理与智能算法
在3nm制程芯片的研发进程中,超高速实时示波器不仅依赖硬件性能的提升,更日益依赖于复杂且智能化的数字信号处理与算法支持。该领域的研究重心逐步由传统信号处理技术向深度智能算法融合演进,力求在信号获取、精准还原与波形识别等方面实现突破。
在传统算法方面,自动化信号处理、时域分割、帧对齐、脉冲定位与去卷积等方法在高带宽示波器的单次采集与器件表征过程中已形成一套成熟流程。例如,基于光子时间伸展技术的实时示波器,利用自动化的时序分割和帧对齐算法,可在极高采样率(2.5 TSa/s)和超低抖动(5.4 fs)的条件下,快速完成电子和光电子器件的频率响应测量;同时,脉冲定位与Tikhonov正则化去卷积等技术可显著优化单发测量的波形还原精度,提升仪器的整体带宽与可靠性 。
然而,随着芯片技术节点的不断推进,信号复杂性及设备间非理想因素的影响加剧,传统方法在处理非线性串扰、时延不确定性等问题时面临瓶颈。为此,深度学习和智能算法开始进入高端示波器领域。当前,基于卷积神经网络(CNN)与Transformer的混合模型已被用于信号波形的预测与分析。这类模型不局限于固定的电源驱动模型或等效负载假设,能够直接针对原始信号序列,融合全局与局部特征,显著提升波形预测的准确性。在与传统SPICE仿真方法的对比中,Transformer-CNN混合模型无需递归迭代求解,能够以极低误差高效模拟3nm节点信号线的电流波形,且具备一致性强、适应性广的优势 。更加值得关注的是,传统与智能算法的融合正成为重要发展趋势。例如基于深度学习进行初步信号预测后,再通过去卷积等物理建模优化处理,实现从数据驱动到物理感知的多层次信号处理体系。这种融合不仅提升了波形重建的精准度,也为自动化特征提取、异常检测、时序边界识别等高级应用赋能。
在技术演进过程中,现有智能算法虽然展示了强大的数据驱动能力,但对极端边缘工况、少样本信号与物理一致性仍有提升空间。未来的研究有望进一步结合领域知识与深度模型,构建可解释性更强且鲁棒性更高的数字信号处理框架,为3nm及更先进芯片的开发与测试提供坚实工具基础。
4. 超高速实时示波器关键性能指标与校准方法
随着3nm制程芯片的研发步入超高速度与极高集成度的新阶段,超高速实时示波器在测试与表征环节中扮演着不可或缺的基础角色。测试信号的带宽、瞬态细节和时序精度要求持续提升,高性能示波器的性能已成为制程极限能否充分验证与良品率优化的关键。当前,示波器的采样率、模拟带宽、时基精度、通道一致性等主要技术指标直接影响到高速信号捕获与分析的准确性,进而决定3nm芯片设计、调试和失效分析的深度与广度。
与此同时,保证这些关键性能指标的可溯源性和一致性,离不开系统化的测量与校准方法。由于现代超高速示波器多采用多通道架构与高密度采样部件,器件内部的时基抖动、通道间幅值与相位偏差均可能引入系统性误差。对带宽、通道同步、幅度与相位响应等参数开展精密校准,并辅以前沿的不确定度评估流程,成为信号完整性与测量可靠性的双重保障。此外,测试链路中连接结构的高频稳定性与标准件的选择也显著影响最终测量准确度,这对于3nm芯片中高速、窄脉冲信号的评估尤为关键 ,。
综上,超高速实时示波器的性能与校准能力不仅是3nm芯片测试平台演进的重要推动力,也是新型高速、高密度SoC设计有效验证的根本前提。后续章节将深入分析各项关键性能指标对3nm测试的具体影响,并系统介绍以精密校准及不确定度分析为核心的保障策略,支撑先进制程芯片的高质量研发进程。
4.1 主要性能指标及其对3nm测试的影响
在3nm制程芯片的研发与测试过程中,超高速实时示波器的主要性能指标直接决定了测试的精度与效率。首先,采样率是衡量示波器能否有效捕获高速信号的关键因素。对于3nm芯片,信号频率变得极高,传统采样率往往无法满足细节恢复的需求,因而需要示波器具备数十到数百GSps甚至更高的实时采样能力。高采样率使得模拟信号能够转换为数字域,并进行精确分析,而无法达到足够采样率将导致高速信号中的边沿、毛刺以及瞬态细节失真或丢失,严重影响器件性能表征与故障定位。其次,带宽决定了仪器对高频分量的响应能力。随着3nm工艺促使信号边沿变陡、频谱展宽,带宽指标需进一步提升至数GHz以上,若带宽不足,则信号高频成分衰减,影响时域信号重建和频域分析精度。第三,时基抖动(jitter)是影响示波器时间测量准确性的核心参数,尤其是3nm制程下高速数字和混合信号传输,对时间精度提出了亚皮秒级的要求。时基抖动一旦偏高,将导致边沿定位误差和系统性能测量失真。这一问题促使最新架构大量采用低抖动时钟源及高精度校正技术,如基于可编程延迟芯片及细粒度采样间隔控制方案,有效减小了系统性时间偏差 。
多通道架构与通道匹配能力也是当前指标提升的重点。3nm SoC测试往往包含多个信号通道,通道之间的采样时间、幅度及相位同步均决定了系统级测试的有效性。先进架构不仅集成了专用电路保持多通道同步,还发展了实时信号下采样与通道数据包同步算法,提升数据管理效率,降低资源消耗。例如,针对多通道大规模并行采样的专用电路,实现了220 GSps实时下采样,并在芯片面积、功耗方面维持优异能效 。然而,这些指标持续提升也带来诸如系统设计复杂度增加、成本上升、功耗管理等新挑战。
在实际系统中,各项指标之间常存在权衡。采样率与带宽的提升伴随更大的数据吞吐与存储压力,时基抖动的优化对系统时钟架构提出极高要求,而多通道匹配则关联到电路板布局、信号完整性以及后处理算法的可靠性。文献报道了多种针对瓶颈问题的解决路径,包括数字下采样滤波、延迟线精密校正以及专属实时处理硬件的并行架构。这些技术路径不仅推动3nm测试领域的突破,也为未来更先进工艺的测试平台开发奠定了基础。
综合来看,超高速实时示波器的采样率、带宽、时基抖动、通道匹配等主要性能指标,已成为3nm芯片测试不可或缺的技术基础,其背后的性能提升路径与典型挑战需结合系统设计、信号处理和硬件架构多维度协同创新。通过优化上述关键指标,可以显著提升3nm及更先进制程芯片的研发效率与产品良率。
4.2 校准与不确定度分析
在3nm制程芯片技术研发中,对超高速实时示波器进行精确校准和不确定度分析是保证测试数据可靠性的关键环节。该过程通常涵盖时序、幅度和相位等参数的校准,并针对超高速信号传输链路设计了专用校准件与流程。当前研究显示,校准用的接地共面波导(GCPW)能够有效获取与芯片高速互连结构相匹配的50Ω特征阻抗,且通过优化GCPW的金属通孔尺寸和布局,可将带宽提升至50 GHz以满足超高速示波器探头校准需求 。
在校准过程中,首先需通过标准化测量件(如GCPW或脉冲发生器)对示波器通道进行时基、幅度及频率响应的校准。对于多通道、尤其是采用时分复用采样(TIADC)架构的超高速示波器,不同模数转换器(ADC)之间可能存在高达±1 dB的幅度和±7°的相位偏差,如果不加校准会造成系统性误差,严重影响测量的真实性 。采用连续波信号和可溯源的脉冲标准可实施高精度的频率响应校准。此外,通过稍微错位采样的脉冲重构方法,可以实现采样率的大幅提升,从而更精准评估系统各通道间的特性差异。
不确定度分析也是校准流程的核心内容之一。研究发现在95%置信度范围内,经过优化校准后的超高速示波器在最大工作频率下,其幅度不确定度约为0.2 dB,相位不确定度约为3° 。这些残余不确定度主要源于宽带电子器件的噪声、采样定时抖动及标准件的稳定性。当测试3nm芯片中的高速信号时,由于信号边沿极窄、幅度极小,对校准的不确定度提出了更高要求,需要尤其关注时基抖动与带宽裕度。
随着芯片性能的推进,等效采样示波器也获得广泛关注。相关研究指出,通过高精度延迟芯片和低抖动时钟源,可以进一步提升超高速采样的时序精度,并通过系统性的延迟补偿方法校正时基畸变 。这类优化不仅改善了等效采样系统与实时示波器在高频端的性能对比,也推动了行业对新型校准与不确定度评估标准的建立。
值得注意的是,在步入3nm工艺阶段,信号完整性表现和高速互连设计极易受到器件间微小不一致的影响。因此,校准流程需充分考虑连接线缆损耗、寄生参数变化及高速通道的耦合与反射特性,建议引入更加复杂的校准件与不确定度分析模型,以进一步提升测量链路的可靠性。最终,通过精细校准与全面不确定度评估,超高速示波器将为3nm芯片的研发与测试环节提供坚实的技术保障。
5. 超高速实时示波器在3nm芯片研发中的应用与案例分析
随着3nm制程芯片技术的快速发展,芯片集成度和性能在多个关键领域实现了革命性提升,相应地对研发工具和测试平台也提出了更高的技术要求。超高速实时示波器作为支撑先进芯片设计、工艺验证和系统调优的核心测试装备,其高带宽、极低时延和多通道并发采集能力,成为3nm工艺下不同类型芯片(包括高速通信、光电、AI加速与低功耗重构系统等)研发不可或缺的技术基础。文献和工程实践显示,超高速示波器不仅适用于SerDes链路、光电/射频模块及粒子探测等各种高速场景,还能支持AI芯片、计算存储一体化电路等新兴领域,在信号完整性、功耗动态、时序精度和系统级行为评估等测试环节展现出独特优势。这些应用有效推动了3nm芯片在数据通信、物理探测、高速成像及智能推理等前沿方向的性能突破。
同时,超高速实时示波器在与可重构平台如FPGA协同,及其与AI模型辅助测试、自动化分析等交叉技术趋势中不断扩展其功能边界。尽管现有仪器方案极大拓展了高速度、高分辨率测试的能力,但高带宽信号采样、全流程自动化、噪声抑制和实际应用环境的适配性等方面仍有进一步提升空间。未来,超高速示波器技术持续演进将持续推动3nm及更先进制程工艺芯片的性能极限和应用深度,成为集成电路研发与产业升级的关键动力。
5.1 高速通信与SerDes/信号完整性测试
随着3nm制程芯片的高速通信能力日益提升,SerDes链路与信号完整性的测试面临前所未有的技术挑战。超高速实时示波器在高速数据传输性能验证、信号分析及系统集成测试中扮演着核心角色,尤其在涉及PAM4和PAM6等高阶调制信号的测试场景。现有文献表明,在3nm工艺下可实现224Gb/s以上的Per-wire数据速率,并具备卓越的能效指标,同时显著提升了信号带宽密度,已成为先进网络与机器学习加速器领域的技术驱动力。
在具体测试实践中,示波器的高速采样能力、等效及实时采集方式,以及对多通道信号低失真捕获的支持,是满足3nm SerDes链路评估的关键。例如,基于快速ADC和多通道架构的数字存储示波器(DSO),结合实时降采样技术,能实现任意采样率的灵活调整,并以高达220GSps的速率同步处理64通道输入流,为多信号链路同步分析、误码率评估与带宽测量提供了算力基础。
此外,在PAM4/6信号分析与抖动测量方面,示波器不仅要求极高的采样速率,更需具备优异的时钟源低抖动性能。有研究表明,通过FPGA可控的等效采样架构,能以高达20GSa/s进行UWB信号采集,并通过低抖动时钟设计显著优化时间基准的准确性,这对于误码率和抖动容限的精确验证至关重要。实际应用层面,3nm SerDes驱动的225Gbaud PAM4链路已在O-band高速IM/DD光传输系统中实现3.2Tbps以上的总容量,测试中需要示波器完成高带宽与高符号率下的眼图解析、误码统计及FEC门限测量。测量系统需支持HD-FEC门限下的超低误码率分析能力,以保障芯片通信性能与系统稳定性。
目前示波器在高速SerDes及信号完整性测试的主要技术发展包括:联动高速ADC架构实现更优带宽与时间分辨率,多通道设计助力高密度数据同步捕获,专用硬件和软件算法支撑PAM4/6调制信号的误码率与抖动分析,以及灵活的实时降采样/抽取机制满足不同链路与通信测试需求。展望未来,针对3nm芯片技术持续发展的超高速示波器还需在信号处理能力、采样精度、低抖动时钟系统和多信号同步分析等方面不断突破,以支撑更高等级的集成电路和新型通信接口的研发与大规模量产验证。
5.2 光电与射频领域应用
超高速实时示波器在光电、射频及超高速无线通信领域展现出极为重要的技术价值,已成为推动3nm制程芯片测试和应用拓展的关键工具之一。首先,在光电领域,示波器的高带宽和低时延能力大幅提升了对高速光通信器件的表征准确性。例如,通过光学随机采样示波器结合单光子计数技术,研究者能够对光电收发器件实现极高时间分辨率的测量,部分单光子探测器所达到的抖动低至40皮秒(ps),理论可扩展至超过100 GHz的带宽水平,为高速光电系统的实际性能评估提供了有力支撑 。
在射频与无线通信领域,随着数据中心和5G移动通信对带宽的不断攀升,示波器用于宽带器件的快速表征变得尤为关键。最新的仪器采用光子时间扩展技术,采样速率可达2.5 Tera-sample/s,有效时间抖动低至5.4飞秒(fs),协助工程师在单次脉冲测试下获取完整的频率响应和时域特性,为超宽带射频芯片的开发提供极致的测试精准度 。
在高速无线通信领域,太赫兹频段技术日益成熟,为超高速无线互连系统提供了巨大潜力。基于PSSS(并行序列扩频)调制技术的传输实验中,利用实时示波器进行信号采集、存储和后续同步、解调处理,已经成功实现80 Gbps数据速率的无线传输。此种应用充分发挥了示波器在高频信号采集和误码率测试上的独特优势,对实现更高速率和更可靠的无线基础设施至关重要 。
此外,在超高速光电与射频物理研究层面,实时示波器的出现显著提升了空间分辨率和时间分辨率。例如在束流检测实验中,利用大带宽光电探测系统和高速度电子示波器,成功观察到粒子束导致的激光调制变化,测得最短上升时间达120皮秒,虽然仍受限于示波器和前端电子器件的带宽,但这一突破显示出该技术在基础物理实验领域的广阔前景 。而针对3nm芯片工艺下的高速光电接口,例如在225Gbaud速率下的PAM4 O-band直接检测传输,实验已使用基于3nm SerDes的驱动,并配合先进的薄膜铌酸锂调制器实现了高达4.2 Tbps容量的高速系统,在实际测试环节均依赖实时示波器完成带宽验证与调制格式分析,为新一代超高速互连方案的落地提供了技术基础 。
综合来看,超高速实时示波器在光电、射频及无线通信领域不仅满足了高采样率和实时采集的严苛需求,也有效推动了信号调制、解调验证以及系统带宽评估等关键环节的实验进展。尽管现阶段部分应用还受限于器件带宽、噪声抑制等技术挑战,但最先进的示波器已成为3nm制程芯片及其相关光电和射频技术创新进程中的不可或缺的测试平台。随着器件性能持续突破,预期未来将涌现更多基于高性能实时示波器的应用模式,为光电与射频领域带来更广泛的产业和学术价值。
5.3 粒子探测与成像/高时间分辨率测量
超高速实时示波器在粒子探测、成像及高时间分辨率测量领域中扮演着至关重要的角色。随着3nm制程芯片技术的推动,相关器件对信号采集精度和时序控制提出了前所未有的严苛要求。在高能物理实验和微电子成像应用中,超高速示波器能够以极高的采样速率捕捉粒子激发过程中的瞬态电信号,实现对极短时间尺度物理事件的精准重建。
在粒子探测芯片方面,低增益雪崩二极管(LGAD)作为一种四维(时空位置和时间)探测器,为高亮度大型强子对撞机等实验提供了纳秒以下量级的时间分辨能力。LGAD类探测器的性能测试通常依赖于皮秒级激光系统及快速采样示波器,以实现对传感器漏电流、响应波形及时间抖动等参数的全面表征,而高带宽示波器能够将传感器的时间分辨能力提升至10皮秒量级 。
对于单粒子事件的探测与成像,单光子计数型超高速光学采样示波器已应用于光学收发器和单光子探测器的性能评测,可以达到40皮秒的抖动,并有效拓展至超过100 GHz的测量带宽,这为微尺度结构的成像与动态过程检测提供了关键工具 。
在芯片层级的成像技术中,单片有源像素传感器(MAPS)顺应工艺的微缩化潮流。采用65nm CMOS工艺的新一代MAPS兼具高集成度与优秀信噪比,其前端电路和微型收集电极设计使通用波形采集成为可能。实际测试过程中,依赖高带宽示波器对芯片模拟输出信号进行波形分析,以支持对电荷敏感放大器及晶体管性能的精准评价,尤其是在高能电子束试验环境下展现了优越的检测灵敏度和时序控制能力 。
在粒子束流测量领域,利用光电效应和高性能示波器,实现对电子束的空间与时间动态精细表征。实验中,光纤激光耦合至单晶体后与粒子束交互,示波器捕捉激光强度调制信号,目前可实现120皮秒的单次测量上升沿,测量极限取决于示波器带宽和电子学链路,进一步推动空间和时间分辨率的提升 。更进一步,利用光子拉伸原理的单次测量系统,如2.5 TSa/s的采样率和5.4 fs的极低抖动,极大地扩展了电子与光电子器件的频率响应和瞬态信号分析领域。该类系统结合自动信号处理算法,在单次测量中实现冲击响应和时序分析能力的突破,为后续3nm及更先进工艺芯片的瞬态特性分析提供了可行方案 。综合来看,超高速实时示波器不仅推动了微电子和高能物理领域对粒子、光子及成像单元的精细测量,也对芯片级时序同步、噪声源分析、前端电路性能评价等方向产生深远影响。未来随着3nm及以下制程技术的普及,对高速波形采集、时序精度的需求将愈加突出,超高速示波器技术的持续优化将为科研和工业应用带来更广阔的前景。
5.4 3nm AI芯片与CIM/SNN电路的测试优化
随着3nm制程技术逐步成为高端AI芯片的核心基础,CIM(计算存储一体化)架构和SNN(脉冲神经网络)电路的发展进一步推动了芯片系统级智能性能的跃升。然而,这些新一代芯片对信号带宽和时序精度提出了前所未有的测试挑战,尤其是在超高速、大规模并行的数据处理场景中。高带宽实时示波器在此类测试优化方案中发挥着不可替代的作用,其在信号完整性分析、功耗评估以及细粒度时序测量方面具备独特优势。针对CIM与SNN电路结构,3nm工艺下多端口SRAM的引入(如多解耦读端口与可变换读写端口)显著提升了边缘端应用的计算吞吐效率,同时有效降低了单位推理所需能耗和整体系统功耗,为功率受限设备(如传感器、可穿戴设备等)带来更高的智能性能。在测试流程方面,超高速示波器可支持数Tera-sample/s级别的采样速率和亚皮秒级定时抖动,结合自动化数字信号处理算法,能够对宽带高速信号进行单次触发下的瞬态及频响测试,显著提升测试分析的效率和准确性。
此外,芯片端AI算法(如结合CNN与Transformer模型的信号时序预测技术)被证实能够在全流程分析和验证环节提供更精确的波形预测,极大改善传统SPICE方法中对标准单元驱动/负载等简化建模的限制,为大规模集成电路系统关键时序和功耗优化提供了有力工具。该类算法兼容于从40nm至3nm工艺,在3nm测试场景下可有效预测高频信号的电流响应与时序细节,对实际电路验证和系统性能评估意义重大。
当前测试优化的一大趋势是通过超高速示波器与AI辅助测试模型的结合,实现从硬件到算法的协同提升,将测试重心从简单局部参数测量扩展到系统级、全流程性能评价和故障诊断。这种演进不仅满足了3nm AI芯片设计复杂性和多样性的需求,也为新型计算架构测试与验证提供了更高效、可扩展的技术路径。然而,随着计算阵列的规模化与异构集成的发展,未来测试优化仍需关注示波器前端传感技术的带宽极限、存储与处理算法的实时性,以及测试环境与实际应用场景之间的适配性。
5.5 功耗与动态重构过程测量
在3nm制程芯片技术的研发过程中,随着逻辑集成度与系统复杂性的不断提高,芯片功耗测量和动态重构过程的实时评估成为保障低功耗设计与系统可靠性的关键环节。超高速实时示波器凭借其高采样率和卓越的时序分辨能力,已成为这些测量任务中不可替代的重要工具。
以FPGA的动态部分重构(Dynamic Partial Reconfiguration, DPR)为例,超高速示波器能够精确捕获重构过程中供电电流的微秒级变化,支持功耗峰值、瞬时过冲以及重构阶段耗时的详细分析。在实际实验中,研究者采用高带宽数字示波器与分流电阻法联合,对Virtex 5 FPGA的重构功耗进行了系统性研究。测量结果显示,DPR过程会引入显著的功耗和时间开销,尤其是在重构区大量逻辑切换或存储刷新时,功耗短时升高现象尤为突出。这些数据为3nm工艺低功耗设计提供了重要参考:一方面揭示了重构机制在能耗管理上的挑战,另一方面为时序验证和带宽分配提供了事实依据。
在超高速示波器辅助下,可进一步细化功耗测量的空间与时间分辨度,支持片上功耗分布映射与瞬态行为分析。这对于3nm芯片中集成化电源网络、动态电源门控(如时钟门控及逻辑门控)技术的优化具有显著促进作用。以往传统功耗测试方法往往无法监测重构过程中的高速瞬息变化,而实时示波器则可全程记录电流波形,为开发者同步关联功耗、时序和逻辑状态变更提供数据依据。此外,通过对重构阶段功耗与时序性能的联合测试,可以支撑基于能耗和响应速度的动态设计决策,助力实现面向下一代低功耗高性能芯片的系统性评估框架。
然而,目前测量体系依然存在一些局限。其一,重构过程的物理复杂性和信号微弱性要求高灵敏度与低噪声前端设计;其二,数据采集与分析工具需与3nm芯片的超高集成度和新型材料特性充分适配。这为超高速实时示波器的仪器研发和测量方法革新带来新需求。针对此领域的进一步优化,亟需发展更高采样精度、更低系统延时,以及与EDA工具紧密联动的自动化测量平台,以实现超大规模集成芯片在动态重构和低功耗应用中的全栈性能管理与验证。
6. 技术挑战、趋势与未来展望
在3nm制程芯片的研发与测试过程中,超高速实时示波器(UHSRO)的作用愈发凸显,但其应用也伴随着一系列严峻技术挑战。从当前文献与产业现状来看,最核心的挑战主要体现在以下几个方面:
首先,带宽和采样率仍是制约3nm芯片测试能力的技术瓶颈。伴随芯片通信速率的持续提升,信号带宽已步入数十Gbps甚至更高的水平,需求示波器具备数百GHz的带宽及数百GSps~TSps的实时采样率。部分先进仪器已探索诸如光子前端技术、数字下采样及多通道架构以提升系统带宽和数据流处理能力。例如,通过光子时间延展和相位多样化的方法,可有效扩展传统电子前端难以企及的带宽上限,并降低采样抖动,从而提升高速器件的瞬态信号测试的准确性与时效性 。同样,多通道DSO架构结合实时数字下采样电路,实现了220 GSps以上的采样速率,优化了硅片面积和功耗,但对时序一致性和信道匹配提出更高要求,设计复杂度显著增加 。
其次,信号完整性与系统校准是制约UHSRO进一步提升性能的核心难题。由于3nm工艺下信号传输的损耗、串扰及非理想效应加剧,现有示波器特别是在高带宽多ADC并行结构中,面临通道间频响偏差和抖动累积等问题。借助精细化的校准手段,如采用NIST可追踪标准脉冲及分数失真修正算法,可推动单通道与多通道采样结果的对齐,但这些方法大多流程复杂,难以高效应对实际工业批量测量需求 。GCPW等高带宽测试夹具的设计与优化,也是提升系统端校准精度、降低寄生参数影响的关键路径 。
第三,高速器件与示波器之间的数据处理压力日益突出。随着采样精度和通道数的提升,实时采集到的数据量剧增,对存储、传输、实时分析与可视化提出卓越要求。部分文献提出通过灵活的微控制器或混合信号处理架构,增强示波器的频率自适应与可视化能力,以方便多场景下的信号监测和特性分析 。但在尖端测试环境,如3.2Tbps高速光互连场景,现有数据卸载和后处理链路已不可避免地成为性能瓶颈 。
另外,系统复杂性和成本也是不可回避的现实制约。超高速示波器多依赖定制化ASIC、先进光电子组件及高端PCB设计,对工程制造、可靠性和维护带来巨大挑战。同时,功耗及能效问题亦随3nm工艺下集成度与速率的提升而日益突出,最终影响测试系统的可部署性与总拥有成本 。
展望未来,超高速实时示波器的发展有望围绕新型ADC及混合采样架构、光电子集成、智能校准技术与AI驱动的自动化测试等方向实现突破。首先,基于先进FinFET、硅基光电子或异质集成的新型高速ADC,以及更为高效的多端口存储和数据通路优化架构,或许能够从源头缓解高速采样瓶颈和能效压力 。同时,采用光电子集成技术将采样、触发前端与信号传递高度一体化,可望极大抑制寄生效应,进一步扩展前端带宽 。在校准和信号完整性方面,智能化自适应算法、多物理量融合的校正技术及基于AI的大数据特征提取分析,将成为提升系统鲁棒性及测试自动化水平的关键。
更具前瞻性的是,随着芯片设计与测试手段的深度耦合趋势日益明显,仪器与芯片端的协同设计理念逐步形成。典型如在芯片内嵌可测性结构、动态校准机制,以及通过AI驱动的多层次仿真与测试方法,有望打破传统“黑盒”测量模式,在设计流程早期实现信号采集、链路调优与异常检测 。在此基础上,未来UHSRO不仅是被动测量工具,更将成为支撑3nm及更先进节点工艺芯片全生命周期创新的主动型智能助手。
在持续技术创新与日益多样化的应用需求推动下,超高速实时示波器作为3nm制程芯片研发测试的关键硬件平台,其未来技术演进路径将朝着更高性能、更强可扩展性及更深智能化方向加速推进,这对于先进半导体产业生态的完善与创新能力提升具有重要战略意义。
7. 结论
随着集成电路制程节点演进至3nm,芯片器件的频率、带宽、信号完整性与能效需求持续提升,极大推动了超高速实时示波器(Real-time Oscilloscope, RTO)及相关测试测量技术的革新。综述全文,3nm制程芯片不仅在高性能计算、通信系统、人工智能等领域展现出巨大潜力,也对高速信号捕获与可靠测量提出了全新且更为严苛的挑战、。
近年来,超高速实时示波器通过提升带宽、采样速率与信号处理能力,有力地支持了3nm芯片SerDes、光通信、电路互连等超高数据速率场景的设计与验证。例如,基于单光子计数的光学示波器技术,不仅将单光子探测器的抖动降低至40 ps,同时扩展了带宽至100 GHz以上,为高速光收发器件的表征提供了新方案。数字存储示波器的多通道架构、实时下采样和灵活的频率控制设计,进一步提升了复杂信号的精确捕获能力,并对器件的动态行为、功耗及自适应性测试提供了技术支撑,。在测试精度方面,诸如等效时间采样(Equivalent-Time Sampling)、低抖动时钟源、自动校准与偏差修正等先进架构,有效应对了3nm芯片在亚皮秒时延控制、高速信号可靠度评估等方面的技术壁垒,。
此外,诸多关键应用场景强调了RTO不可或缺的支撑作用。从高速SerDes和PAM4、PAM6等调制信号的极高码率测试(如225 Gbaud、Tbps级光通信),到神经形态计算、多端口SRAM的能效评估,再到射频与光电混合集成、片上智能互连网络,超高速示波器作为电子系统开发环节的核心工具,为前沿芯片设计的时域、频域、误码性能、抖动和功耗等多维度指标实现了精细化量化,,,。
当前技术进展值得肯定的同时,3nm及后续工艺节点下,超高速实时示波器仍面临带宽、采样速度进一步提升、时序/jitter测量极限突破、信号完整性校准、散热与能耗最小化、系统级自动化智能分析等多方面的挑战。器件级(如ADC前端、射频放大、低噪声采样)、信号链集成与可靠性提升、软硬件协同优化等方向,仍是后续研究与技术迭代的关键。
超高速实时示波器在3nm制程芯片研发中的多维价值体现在:其既是新型芯片架构开发、极高带宽/频率信号测量、复杂互连系统集成测试、先进材料性能分析等任务的基础保障,也是推动人工智能、数据中心、5G/6G通信、量子计算等未来信息产业生态重要的“底层使能器”。未来,面向更高带宽、更低抖动、更智能化、可定制化与更紧密软硬件耦合的测试测量方案,将成为支撑3nm及更先进工艺芯片技术持续创新与产业落地的关键。
综上所述,本综述系统梳理了当前超高速实时示波器在3nm工艺芯片技术研发中的关键进展、典型应用及主要挑战,突显了该领域在支撑现代与未来高端电子信息系统发展中的基础性地位,并为相关学术与产业界的后续研究、技术攻关与创新应用奠定了坚实基础。
References
[1] Helmut Fedder, Steffen Oesterwind, Markus Wick, Igor Shavrin, Michael Schlagmüller, Fabian Olbrich, Peter Michler, Thomas Veigel, Manfred Berroth, Nicolai Walter, Wladick Hartmann, Wolfram Pernice, Vadim Kovalyuk.(2018). Characterization of Electro-Optical Devices with Low Jitter Single Photon Detectors -- Towards an Optical Sampling Oscilloscope Beyond 100 GHz.
[2] Simran Prof. Ranjeetsingh Suryawanshi, Vaishnavi Pathan, Vaishnavi Shitole, Saloni Gite, Londhe.(2024). Digital Storage Oscilloscope with Frequency Control & Real-time Visualization.
[3] Charles St-Arnault, Santiago Bernal, Derek Kita, Ross Dickson, Mariam Yehia Abdelaziz, Aleksandar Nikic, Benton Qiu, Benjamin Krueger, Fabio Pittalà, Christian Reimer, Bruce Beggs, Naim Ben-Hamida, David V. Plant.(2025). Net 3.2 Tbps 225 Gbaud PAM4 O-Band IM/DD 2 km Transmission Using FR8 and DR8 with a CMOS 3 nm SerDes and TFLN Modulators.
[4] J. Chou, J. Conway, G. Sefler, G. Valley, B. Jalali.(2008). 150 GS/s real-time oscilloscope using a photonic front end.
[5] David A. Humphreys, Irshaad Fatadin, Mark Bieler, Paul Struszewski, Martin Hudlicka.(2018). Optical and RF Metrology for 5G.
[6] Junlang Huang, Hao Chen, Li Luo, Yong Cai, Lexin Zhang, Tianhao Ma, Yitian Zhang, Zhong Guan.(2025). Fusing Global and Local: Transformer-CNN Synergy for Next-Gen Current Estimation.
[7] A. D. Pitcher, C. Baard, Mihail S. Georgiev, N. K. Nikolova.(2025). Accurate High-Speed Equivalent-Time Sampling Receiver: Architecture and Performance Metrics.
[8] Jiangmiao Zhu, X. Zheng, Kejia Zhao, Zhaotong Wan.(2021). Research on Grounded Coplanar Waveguide for Calibration of Digital Real-time Oscilloscope Probe.
[9] J. Q. Wang, Intel Jerusalem Israel Marco Cusmai, Dirk Pfaff, Didem Turker Melek, Masum Hossain, Liping Zhong, Yen-Po Lin, Mahmoud A. Khalil, Soumen Mohapatra, Xiongshi Luo, Yunbo Huang, A. Tan, A. Iyer, A. Fan, A. Farhoodfar, B. Alnabulsi, B. Smith, C. Loi, C. Ho, D. Cartina, J. Riani, J. Casanova, K. Raviprakash, L. Patra, L. Wang, M. Bachu, S. Ray, S. Chong, S. Dallaire, T. Nguyen, T.-F. Wu, V. Giridharan, V. Gurumoorthy, X. Ding, Y. Yin, Z. Sun, S. Jantzi, L. Tse, Noam Familia, Elad Kuperberg, Mohammad Nashash, Dovid Gottesman, Daljeet Kumar, Zvi Marcus, Yeshayahu Horwitz, Sagi Zalcman, Jihwan Kim, Sandipan Kundu, Ilia Radashkevich, Yoav Segal, Dror Lazar, Udi Virobnik, Mike P. Li, Ariel Cohen.(2025). Session 7 Overview: Ultra-High-Speed Wireline.
[10] Lucas Huijbregts, Liu Hsiao-Hsuan, Paul Detterer, Said Hamdioui, Amirreza Yousefzadeh, Rajendra Bishnoi.(2024). Energy-efficient SNN Architecture using 3nm FinFET Multiport SRAM-based CIM with Online Learning.
[11] Chihyun Cho, Hyunji Koo, J. Kwon, Joo-Gwang Lee.(2019). Uncertainty Analysis for Characterization of a Commercial Real-Time Oscilloscope Using a Calibrated Pulse Standard.
[12] Zhuoya Bai, C. Lonappan, Tianwei Jiang, A. M. Madni, F. Yan, B. Jalali.(2019). Tera-sample-per-second single-shot device analyzer..
[13] K. KrishneGowda, Pedro Rodríguez-Vázquez, A. Wolf, J. Grzyb, U. Pfeiffer, R. Kraemer.(2018). 100 Gbps and beyond: Hardware in the Loop experiments with PSSS modulation using 230 GHz RF frontend.
[14] E. Napoli, Efstratios Zacharelos, M. D’Arco, Antonio Giuseppe Maria Strollo.(2021). Real-Time Downsampling in Digital Storage Oscilloscopes With Multichannel Architectures.
[15] Y. K. Semertzidis, V. Castillo, L. Kowalski, D. E. Kraus, R. C. Larsen, D. M. Lazarus, B. Magurno, T. Srinivasan-Rao, T. Tsang, V. Usack.(2000). Electrooptical Detection of Charged Particle Beams.
[16] Yuzhen Yang, Suyu Xiao, Yunyun Fan, Dejun Han, Zhijun Liang, Baohua Qi, Liaoshan Shi, Yuhang Tan, Xingan Zhang, Xin Shi.(2019). Charaterization of the first prototype IHEP-NDL LGAD sensor.
[17] Ankur Chauhan, Manuel Del Rio Viera, Doris Eckstein, Finn Feindt, Ingrid-Maria Gregor, Karsten Hansen, Lennart Huth, Larissa Mendes, Budi Mulyanto, Daniil Rastorguev, Christian Reckleben, Sara Ruiz Daza, Paul Schütze, Adriana Simancas, Simon Spannagel, Marcel Stanitzki, Anastasiia Velyka, Gianpiero Vignola, Håkan Wennlöf.(2022). Towards a New Generation of Monolithic Active Pixel Sensors.
[18] Amor Nafkha, Yves Louet.(2017). Accurate Measurement of Power Consumption Overhead During FPGA Dynamic Partial Reconfiguration.