晶圓的缺陷還是得交給AI查明

電子發(fā)燒友網(wǎng)報道（文/周凱揚）隨著AI技術(shù)的急速發(fā)展，特別是在機器視覺領(lǐng)域，目前半導(dǎo)體產(chǎn)業(yè)的中下游已經(jīng)全面擁抱了這一技術(shù)。然而在上游的半導(dǎo)體制造中，也已經(jīng)有不少設(shè)備開啟了對該技術(shù)的應(yīng)用，比如晶圓檢測領(lǐng)域。在部分廠商仍在增加產(chǎn)能的當(dāng)下，如何進一步降低制造成本就成了當(dāng)務(wù)之急。

放在晶圓檢測這道工序上，降低制造成本的方式就是進一步提高缺陷檢測效率，及時發(fā)現(xiàn)缺陷就能幫助廠商減少更多的產(chǎn)量損失。要知道，對于現(xiàn)代晶圓廠而言，一旦因為缺陷而導(dǎo)致停工檢測，造成的損失都是天價?？呻S著制造工藝的提升，傳統(tǒng)的晶圓缺陷檢測手段也紛紛遇到了困難，這才有了AI的介入。

科磊

早在2020年，科磊公司就推出了一系列AI驅(qū)動的晶圓缺陷檢測設(shè)備，包括eSL10、Kronos1190、ICOSF160XP和ICOST3/T7四大產(chǎn)品線。其中eSL10為電子束晶圓缺陷檢測系統(tǒng)，專為加速高性能邏輯與內(nèi)存芯片的上市速度而打造，尤其是那些依靠EUV***系統(tǒng)打造的芯片。

由于EUV***系統(tǒng)制造的芯片多為7nm以下的先進工藝，在特征尺寸減小之下，勢必會產(chǎn)生超大吞吐量的數(shù)據(jù)足跡，所以檢測工具也需要更高的性能，乃至應(yīng)用人工智能檢測算法，才能保證檢測效率。而eSL10憑借科磊自研的SMARTs深度學(xué)習(xí)算法，可以在圖樣特征和工藝噪聲之間，精準(zhǔn)地辨別出極其細微的缺陷信號，從而找到影響設(shè)備性能的關(guān)鍵問題。

至于負責(zé)封裝檢測的ICOST3/T7，可以選擇在托盤T3和編帶T7輸出之間重新配置的同時，也一并引入了深度學(xué)習(xí)算法。ICOST3/T7可對缺陷類型進行智能分類，從而提供對封裝質(zhì)量的準(zhǔn)確反饋，方便操作員更快地進行產(chǎn)品質(zhì)量分類。

應(yīng)用材料

2021年，應(yīng)用材料也宣布他們在自己的晶圓檢測設(shè)備中開始使用自研人工智能技術(shù)，ExtractAI。該技術(shù)充分利用了應(yīng)用材料的Enlight光學(xué)檢測工具，以及SEMVision電子束審查系統(tǒng)，利用深度學(xué)習(xí)來發(fā)現(xiàn)晶圓缺陷。

ExtractAI的作用其實就是連接Enlight和SEMVision兩大系統(tǒng)，光學(xué)檢測工具快速但分辨率有限，而電子束檢測工具較慢但分辨率高。先用Enlight系統(tǒng)快速生成潛在的缺陷大數(shù)據(jù)庫，ExtractAI用于分類缺陷和噪聲，SEMVision則用于驗證訓(xùn)練ExtractAI獲得的結(jié)果。

如此一來，Enlight系統(tǒng)加上ExtractAI就能自動識別晶圓上的特定缺陷了。額外的訓(xùn)練可以使其提供更高的精度和性能，且由這一過程產(chǎn)生的缺陷數(shù)據(jù)庫可以在晶圓廠之間共享。應(yīng)用材料表示，其實該技術(shù)早在公布之前，就已經(jīng)被頭部的幾家邏輯晶圓廠在使用了，而未來隨著DRAM工藝變得愈發(fā)復(fù)雜，會有越來越多的制造商采用這一技術(shù)。

小結(jié)

從晶圓缺陷檢測設(shè)備上開始應(yīng)用AI技術(shù)這一趨勢可以得知，半導(dǎo)體制造工藝的進步往往是各個上游產(chǎn)業(yè)通力協(xié)作的結(jié)果，無論是制造材料、檢測設(shè)備還是光學(xué)系統(tǒng)，都必須跟上步伐，才有將工藝往可用的埃米級逼近的機會。

AI技術(shù)的加入，即便是舊一代設(shè)備也能享受更加精密的晶圓缺陷檢測，從而保證產(chǎn)能和良率。但設(shè)備廠商也都在加入下一輪軍備競賽，隨著晶圓檢測負載中的數(shù)據(jù)增長，未來HPC級別的模塊也很有可能出現(xiàn)在半導(dǎo)體設(shè)備上。