近年來(lái)隨著人們對(duì)更先進(jìn)性能的要求，先進(jìn)制程成為了各大芯片制造廠商“軍備競(jìng)賽”的主要戰(zhàn)場(chǎng)。據(jù)悉，臺(tái)積電延誤已久的3nm制程工藝已于近期取得了重大突破，臺(tái)積電或?qū)⒛陜?nèi)率先完成第二版3nm制程的量產(chǎn)，并將其命名為“N3B”。

而基辛格出任CEO后一直力推代工業(yè)務(wù)的英特爾，也于近日宣布了其“埃米級(jí)”18A制程芯片將在2024年提前落地的消息。

在各芯片制造廠商向著更先進(jìn)制程工藝前進(jìn)的同時(shí)，制造的良率卻成了廠商們的一塊心病。曾經(jīng)在2021年拿下了高通公司新SoC驍龍8G1訂單的三星，在今年2月底就被爆出試產(chǎn)階段芯片良率造假丑聞，部分5nm以下制程的芯片良率甚至只有35%左右。

高通翻車(chē)，三星“接鍋”

高通近年來(lái)在手機(jī)SoC業(yè)務(wù)上陷入了停滯不前的窘境，一方面是因?yàn)椴捎昧顺蠛思軜?gòu)的驍龍888、驍龍8Gen1兩代芯片功耗“爆炸”，發(fā)熱量居高不下導(dǎo)致用戶體驗(yàn)不好。

另一方面則是由于產(chǎn)品良率過(guò)低導(dǎo)致成本上漲。根據(jù)外媒估算，一顆驍龍888芯片的成本已經(jīng)超過(guò)了100美元，而驍龍8gGen1則成本更高。此前采用7nm工藝的驍龍865成本僅為81美元。

在丑聞爆出后，三星電子管理部門(mén)就5nm芯片工藝是否屬實(shí)一事開(kāi)啟對(duì)DS部門(mén)的檢查。比起名譽(yù)上的損失，更令三星“肉疼”的是失去了高通這個(gè)大客戶。

據(jù)報(bào)道，因?yàn)槿请娮拥拇ち悸蔬^(guò)低，高通公司已經(jīng)決定將驍龍8Gen1的后續(xù)訂單轉(zhuǎn)交給臺(tái)積電。并且在之后將3nm制程的新一代SoC的代工業(yè)務(wù)全部交給臺(tái)積電。

事實(shí)上，良率對(duì)于芯片制造廠商來(lái)說(shuō)幾乎與先進(jìn)制程同樣重要。此前半導(dǎo)體材料廠商Entegris(應(yīng)特格)執(zhí)行副總裁及首席運(yùn)營(yíng)官Todd Edlund曾在接受媒體采訪時(shí)表示，對(duì)于3D NAND晶圓廠而言，1%的良率提高可能意味著每年1.1億美元的凈利潤(rùn);而對(duì)于尖端的邏輯晶圓廠而言，1%的良率提升意味著1.5億美元的凈利潤(rùn)。

而在摩爾定律即將被“榨干”的今天，先進(jìn)制程的良率對(duì)于芯片制造廠商而言，正在變得越來(lái)越重要。

過(guò)孔缺失和隨機(jī)缺陷：EUV的大麻煩

荷蘭ASML公司的光刻機(jī)是先進(jìn)制程芯片制造過(guò)程中不可或缺的一環(huán)。主流的光刻機(jī)技術(shù)分為DUV和EUV，只有EUV技術(shù)能夠滿足10nm以下的制程工藝。

使用EUV光刻機(jī)進(jìn)行圓晶刻蝕的過(guò)程中，可能會(huì)出現(xiàn)隨機(jī)缺陷，處理隨機(jī)缺陷已經(jīng)成為了廠商們提高先進(jìn)制程良率的核心挑戰(zhàn)。

總的來(lái)說(shuō)，隨機(jī)缺陷被分為四類(lèi)：線邊緣和線寬粗糙;CD均勻性誤差;疊加錯(cuò)誤以及邊緣短路或開(kāi)路。

“這些因素都會(huì)影響設(shè)備的性能、良率和可靠性” Fractilia 的 Mack 說(shuō)。

在缺陷檢查中，光學(xué)檢測(cè)工具與掃描電子顯微鏡(SEM)往往共同工作，以在線檢查可能存在的缺陷并將其分類(lèi)。但SEM成像結(jié)果包含了實(shí)際粗糙度的同時(shí)也包含了由于SEM噪聲引起的粗糙度。傳統(tǒng)圖像處理過(guò)濾器會(huì)顯示平均粗糙度而不是實(shí)際粗糙度。

Mack解釋道：“舉例來(lái)講，在圓晶上可能會(huì)測(cè)到4.3nm的粗糙度，但還需要減去計(jì)量噪聲，最后會(huì)得到1.3nm的實(shí)際粗糙度。”

Fractilia開(kāi)發(fā)了在頻域中運(yùn)行的檢測(cè)工具，使用功率譜密度來(lái)查看粗糙度。借助這一工具，檢測(cè)者可以通過(guò)測(cè)得的粗糙度對(duì)晶圓模型進(jìn)行反向建模，然后通過(guò)分析查找每一處隨機(jī)缺陷。并且該工具還為工程師提供了一種優(yōu)化SEM使用的方法，使來(lái)自不同供應(yīng)商的工具得以匹配。

在高級(jí)邏輯芯片上，從幾百萬(wàn)個(gè)到幾十億個(gè)過(guò)孔中準(zhǔn)確找到丟失的過(guò)孔或觸點(diǎn)對(duì)良率工程師來(lái)說(shuō)也是一項(xiàng)重大挑戰(zhàn)。近年來(lái)，光學(xué)檢測(cè)工具的供應(yīng)商大幅更新了他們的工具和軟件，以檢測(cè)越來(lái)越多且越來(lái)越小的缺陷。

并且隨著人工智能加入到軟件中，這些缺陷得以被更好的標(biāo)識(shí)出來(lái)。

對(duì)于這樣龐雜的電路中可能出現(xiàn)的缺陷，最麻煩的就是工程師無(wú)法確定哪些區(qū)域需要關(guān)注。目前對(duì)于重點(diǎn)區(qū)域的確定，有兩種方法：第一種是通過(guò)吸收歷史經(jīng)驗(yàn)，將此前高頻出現(xiàn)缺陷的為止標(biāo)記為重點(diǎn)區(qū)域。第二種方法則是從IC設(shè)計(jì)文件中找到可能的薄弱位置，然后軟件將會(huì)獲取所有區(qū)域并自動(dòng)生成重點(diǎn)關(guān)注區(qū)域。

例如，KLA和IBM Reserch的工程師最近開(kāi)發(fā)了一種基于充分陣列的分箱技術(shù)。該技術(shù)通過(guò)缺陷檢測(cè)將缺陷與晶圓位置相關(guān)聯(lián)。通過(guò)這一技術(shù)，工程師發(fā)現(xiàn)了此前的工具沒(méi)有標(biāo)記的通孔，并通過(guò)追溯晶圓上的特定區(qū)域，找到了RIE步驟存在的問(wèn)題。

在這項(xiàng)研究中，IBM和KLA的工程師合作開(kāi)發(fā)了一種用于捕獲BEOL邏輯器件中缺失過(guò)孔的方法。工程師們使用KLA的檢測(cè)方法在RIE的通孔鏈圖案上的每個(gè)通孔周?chē)x需要關(guān)注的區(qū)域，以提高對(duì)丟失通孔缺陷的捕獲靈敏度。

然后使用寬帶等離子(BBP)光學(xué)工具檢查這些關(guān)注區(qū)域，最后在SEM審查工具上對(duì)缺陷進(jìn)行表征。該工具會(huì)按照類(lèi)型對(duì)缺陷進(jìn)行分類(lèi)。

根據(jù)結(jié)果顯示，通路鏈左側(cè)在頂部出現(xiàn)缺失，但右側(cè)缺失的通路則與底側(cè)相關(guān)。該團(tuán)隊(duì)因此懷疑缺失通孔缺陷是由于先前的通孔蝕刻圖案未對(duì)準(zhǔn)而被阻塞造成的。

不過(guò)，采用傳統(tǒng)檢測(cè)方法并沒(méi)有發(fā)現(xiàn)這一存在于底部的缺陷，這意味著該策略可以更有效地檢測(cè)生產(chǎn)中缺失過(guò)孔的缺陷。

“BPP系統(tǒng)的檢查結(jié)果包括了分箱信息，這為工藝工程師提供了更多可操作數(shù)據(jù)，以便他們做出最佳的決策。”Kurada總結(jié)到。

AFM或?qū)⒊蔀榫刃?/h4>

雖然在過(guò)去在光學(xué)檢測(cè)系統(tǒng)和SEM的配合下芯片制造的良率得到了較好的控制，但是在芯片先進(jìn)制程工藝越來(lái)越接近摩爾定律極限的背景下，需要更先進(jìn)的技術(shù)來(lái)滿足良率控制的要求。

布魯克運(yùn)營(yíng)總監(jiān) Igor Schmidt 表示在當(dāng)芯片制程達(dá)到20nm以下后隨機(jī)缺陷將會(huì)變得越來(lái)越難以分類(lèi)。而在檢測(cè)CMP后的凹陷和腐蝕等需要拓?fù)鋽?shù)據(jù)的地方，AFM變得尤其重要。

Igor Schmidt指出，雖然AFM(原子力顯微鏡)吞吐量比較低，但每小時(shí)仍然可以監(jiān)控高達(dá)340個(gè)為止，以進(jìn)行光刻、蝕刻或CMP工藝的工藝控制。

原子力顯微鏡(AFM)審查工具可以利用機(jī)器視覺(jué)坐標(biāo)，將從光學(xué)系統(tǒng)中獲取的圓晶圖數(shù)據(jù)指向可能出現(xiàn)缺陷的位置并對(duì)周?chē)鷧^(qū)域進(jìn)行成像。

成像的結(jié)果會(huì)顯示該區(qū)域包括高度信息和粘性在內(nèi)的3D尺寸。

粘性數(shù)據(jù)將能夠更好地幫助檢測(cè)人員對(duì)缺陷進(jìn)行分類(lèi)。就如同亂石堆和口香糖的表面都不平整，但代表的實(shí)際情況不同一樣。在芯片制造的缺陷檢測(cè)中，不同粘性的情況下的粗糙度可能指向不同的結(jié)果。

如果缺陷具有較大的高度差異和較大的粘性，表明是有機(jī)顆粒或聚合物掉落在了圓晶上。但如果在高度差異較大的情況下粘性較小，則說(shuō)明掉落在圓晶上的可能是硅顆粒或者碎片;如果出現(xiàn)了孔隙卻沒(méi)有粘性，則表明可能是堆疊或者結(jié)晶缺陷;如果沒(méi)有發(fā)現(xiàn)顆粒卻具有粘性，則表明某處機(jī)器或者油存在問(wèn)題。

“因此，對(duì)于缺陷分類(lèi)來(lái)說(shuō)，這是一種強(qiáng)大的技術(shù)。” Igor Schmidt說(shuō)。基于這一技術(shù)，廠商將能夠在先進(jìn)制程上對(duì)芯片制造中的缺陷進(jìn)行更詳細(xì)、準(zhǔn)確的分類(lèi)，從而提高產(chǎn)品的良率。

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請(qǐng)至雷鋒網(wǎng)官網(wǎng)申請(qǐng)授權(quán)。