咨询电话: 13704000378
几乎看不见:5纳米以下的缺陷检测技术如何发展?!
发布于 2025-08-15 08:43 阅读()
检测5纳米以下的缺陷给芯片制造商带来了巨大挑战,这些挑战会直接影响芯片的良品率、可靠性和盈利能力。
除了缺陷尺寸更小、更难检测之外,它们还常常隐藏在复杂的器件结构和封装方案之下。此外,数十年来一直被信赖的传统光学和电学探测方法,在现代芯片架构的复杂性面前已显得力不从心。
Modus Test公司的首席技术官Jack Lewis表示:“我们从单个先进人工智能处理器中能够获取的高精度参数测量数据的数量是极为庞大的——仅一个封装就有数万个数据点。将其乘以多个封装,再乘以测试载具的数量,那么现在每个芯片层和互连结构上就有数百万个样本。只有达到这样的数据密度,你才能找到那些难以捉摸、百万分之一概率出现的缺陷,并在工艺开发的早期阶段,远在这些缺陷在量产爬坡阶段显现之前,就提供设计和缺陷检测方面的反馈。”
诸如混合键合、小芯片和背面供电等新技术,更是加剧了这些困难,每一项新技术都带来了全新类型的缺陷。例如,混合键合需要达到原子级别的精度,因为微小的对准误差或污染物都可能直接导致功能故障。同样,背面供电方案将关键结构隐藏在金属层之下,使得传统检测技术所需的视线通道无法实现。
Nordson Test & Inspection的研发总监John Hoffman表示:“在先进制程节点上,对客户的培训正变得愈发关键。一些微小的工艺调整,比如改变表面处理方式,对于工艺工程师来说可能微不足道,但却会极大地影响光学检测的准确性。随着芯片特征尺寸不断缩小,即使是细微的变化也会变得至关重要,设备制造商和晶圆厂都需要密切协调,以避免出现意想不到的良品率问题。”
因此,半导体行业正朝着创新的、数据密集型的检测方法转变,这些方法能够对这些隐藏的缺陷进行可视化检测。先进的电子束(e-beam)检测、增强型X射线断层扫描以及由人工智能(AI)驱动的分析技术,对于在这些极限制程节点上进行缺陷检测正变得至关重要。
晶体管架构的演进,如环绕栅极场效应晶体管(GAA FETs)和互补场效应晶体管(CFETs),以及新的封装架构,如3D集成电路(3D-ICs),都显著增加了发现缺陷的难度。
许多这类缺陷隐藏在多层堆叠结构的深处,或是复杂的互连方案之下。这使得缺陷检测以及缺陷特征分析变得更加困难,因为传统的电学测试和视觉检测很难穿透并识别这些深度嵌入的瑕疵。
鉴于X射线计量学具有对内部结构进行无损可视化的固有能力,这促使其在检测隐藏缺陷方面得到了更广泛的应用。然而,当接近5纳米以下的尺度时,即使是X射线技术在分辨率和检测通量方面也面临着局限。
Bruker公司的产品营销总监Lior Levin表示:“在先进制程节点上,X射线检测至关重要,因为它能够检测到光学方法无法检测到的隐藏缺陷。然而,当我们进入5纳米以下的尺度时,仅仅提高分辨率是不够的。由人工智能驱动的算法对于处理复杂的衍射数据并显著提高检测精度至关重要。”
在这样的尺度下,看似微不足道的缺陷,比如混合键合界面处的原子级空隙,或是纳米级互连结构中细微的线边缘粗糙度,都可能会显著降低器件的性能。为较大几何尺寸优化的传统计量工具,往往会忽略这些微小但却至关重要的差异。因此,这种情况不仅需要渐进式的改进,更需要全新的检测方法。
Wooptix公司的首席运营官Javier Elizalde表示:“干涉测量法在晶圆计量领域仍然占据主导地位,但它存在局限性,尤其是随着封装技术的不断发展。我们现在看到,对于能够适应新材料、新键合方法和新工艺流程的替代测量方法的需求日益增长。”
为了解决这些限制,企业正在将高分辨率成像技术与人工智能驱动的数据解读相结合。例如,电子束检测技术正经历重大改进,特别是通过冷场发射(CFE)源的发展,显著提高了分辨率和检测速度。
E-beam defect control at Applied Materials公司营销主管Ran Alkoken表示:“在先进制程节点上,一个基本的挑战是平衡检测速度和分辨率。我们的第二代冷场发射技术在不牺牲分辨率的情况下显著提高了电流。这对于处理在这些先进制程节点上遇到的高密度缺陷图至关重要。”
人工智能驱动的分析在提高缺陷分类方面也起着至关重要的作用。通过在包含模拟和真实世界设计数据的大量数据集上对模型进行训练,这些算法大幅减少了误报,简化了检测工作流程,并提高了缺陷检测的准确性。
Alkoken表示:“基于人工智能的检测不仅仅提高了检测通量。它还显著减少了误报,并简化了缺陷分类。在生产晶圆厂中,由于这项能力,人工复查的工作量减少了多达50%。”
这些进展凸显了一个更广泛的趋势,即采用集成式缺陷检测策略,利用X射线、电子束和人工智能等多种方式,以确保在先进半导体制程节点上实现有效的缺陷检测。
Lewis表示:“许多团队仍在使用菊链测试和连续性测试,这些方法会遗漏细微故障。这是一种传统思维。他们在测量的东西只能检测到严重的封装缺陷,却希望能检测到细微的封装工艺问题。这些工艺异常情况用这些传统方法是无法测量的——在这些工艺问题被检测到并得到纠正之前,这可能会在大规模量产爬坡阶段严重影响初始良品率。”
随着缺陷检测超越了传统方法的能力范围,人工智能和机器学习(ML)已成为半导体制造中不可或缺的部分。先进制程节点和高密度封装所产生的海量数据集,使传统的数据分析方法不堪重负,这就需要智能且自适应的解决方案。
随着晶体管密度的不断增加,细微的缺陷特征往往会与正常的工艺变化或背景噪声相互混淆。机器学习在海量数据中辨别有意义模式的能力,如今已成为维持5纳米以下制程良品率的核心要素。
Levin表示:“在5纳米以下,结构的复杂性极大地增加了缺陷检测的难度。如果没有人工智能算法,传统的X射线断层扫描很快就会遇到局限性。人工智能有助于从密集的衍射数据中提取有意义的信号,准确识别传统方法可能会忽略的细微缺陷。”
人工智能显著提高了缺陷分类的可靠性,有效地将良性特征与关键缺陷区分开来,极大地改善了良品率管理。随着半导体制造朝着更复杂的结构发展,比如基于小芯片的架构和堆叠式晶体管,在这些结构中,隐藏的缺陷经常出现且难以识别,因此人工智能的这一作用尤为重要。
Alkoken表示:“人工智能极大地提高了缺陷分类的效率和准确性,实现了更快、更可靠的晶圆检测。这不仅提高了检测通量,还大幅减少了人工复查的工作量,使工程师能够专注于解决影响良品率的关键问题,而不是进行常规的分类工作。”
包括混合键合、3D堆叠和扇出型晶圆级封装(FOWLP)在内的先进封装技术,正在极大地改变半导体制造。虽然这些方法提供了关键的性能优势,但它们也带来了复杂的新型缺陷机制,传统的检测方法难以有效应对。
行业向异构集成和超细互连间距的转变,加剧了检测多层结构深处缺陷的挑战。随着先进封装技术应用的不断增加,准确识别和表征关键界面、硅通孔(TSV)和再分布层(RDL)中的缺陷,对于确保器件的可靠性已变得至关重要。
混合键合就是这些挑战的典型代表。这一工艺对于实现超高密度芯片集成至关重要,它要求表面几乎完全平整且达到原子级精度。即使是表面形貌的微小变化,或是键合界面处的轻微污染,都可能导致键合缺陷或电气性能下降。因此,对于能够在最终集成之前准确测量晶圆平整度并检测微观变化的专业检测技术的需求愈发迫切。
例如,Wooptix公司的波前相位成像(WFPI)技术,源自天文学中使用的自适应光学技术,它利用标准图像传感器从两个不同的焦平面捕获强度数据。与需要参考光束的干涉测量法不同,波前相位成像技术直接从这些强度变化中推断相位信息。这使得该系统能够以亚纳米级的垂直分辨率和微米级的横向分辨率重建表面拓扑的详细相位图,使其对于检测前端工艺晶圆和后端的先进封装都非常有效。
▲波前相位 成像技术能够在0.1秒内完成对300毫米晶圆的全场成像,收集数千万个测量点。来源:Wooptix
Elizalde表示:“确保晶圆平整度对于成功实现混合键合绝对至关重要。传统的干涉测量方法在先进封装所需的精度水平上根本不够。我们的波前传感技术能够以亚纳米级的精度提供实时平整度测量,使制造商能够在早期纠正偏差,并避免在后续工艺中出现代价高昂的缺陷。”
此外,硅通孔和再分布层的完整性——它们是各种3D配置和扇出型晶圆级封装结构中的关键要素——已成为缺陷管理的一大挑战。传统上用于单片器件的电学测试在识别这些隐藏结构中的缺陷时常常力不从心。由于不透明材料层下方的可见度有限,光学检测也面临困难,这促使行业朝着能够对封装内部结构进行无损可视化的先进X射线断层扫描和电子束显微镜解决方案发展。
Bruker公司最近在X射线断层扫描技术方面的改进,展示了设备制造商是如何应对这些挑战的。该公司的高分辨率X射线系统现在专门针对检测细微缺陷进行了优化,比如硅通孔中的微小空隙以及再分布层中的细微不规则之处,这些对于维持多芯片封装的结构和功能完整性至关重要。
Bruker公司的Levin表示:“在后端工艺中,人们致力于对较轻元素进行表征。关键互连结构中的微小空隙等问题,对整个器件的性能有着巨大的影响。高分辨率、人工智能增强的X射线断层扫描技术已成为准确识别这些内部异常的不可或缺的工具,使制造商能够提高良品率并加强工艺控制。”
先进封装不仅带来了结构缺陷,还产生了与信号完整性、阻抗不匹配和电磁干扰(EMI)相关的新型功能缺陷。随着封装密度的增加,即使是微小的结构缺陷也可能导致传统物理检测方法无法检测到的重大功能问题。因此,全面的缺陷检测越来越需要整合结构检测、电学分析和先进的仿真工具,以全面评估封装的可靠性。
PDF Solutions公司的现场资源副总裁Michael Yu表示:“在先进的前端工艺节点以及先进封装中,缺陷并不总是可见的,即使在最高分辨率的显微镜下也是如此。现在,将X射线、电子束、光学和电学测试与人工智能驱动的数据分析相结合的集成检测方法至关重要。你不能依赖单一的工具;需要一种全面的方法。”
尽管人工智能增强分析、电子束检测和X射线断层扫描等技术取得了重大进展,但仍存在多个实际障碍,阻碍着这些技术在半导体制造生态系统中的广泛应用。在可扩展性、标准化和数据集成方面的挑战,仍然是从被动的缺陷检测方法向主动和预测性策略转变的重大障碍。
此外,可扩展性是一个关键障碍,尤其是对于规模较小的晶圆厂和代工厂而言。虽然领先的制造商在最先进的检测解决方案上投入了大量资金,但规模较小或专业化的晶圆厂往往发现这些工具在经济上难以承受。这种经济差距限制了行业内更广泛的采用,并有可能造成不公平的竞争环境,使得较小的晶圆厂在先进制程节点上难以有效竞争。
标准化是另一个主要障碍。随着从芯片粒到预集成多芯片模块等新型半导体结构的不断涌现,其中一些还采用了特殊材料,独特的检测挑战也成倍增加。这种多样性使得标准化检测方法变得尤为困难,可能导致缺陷管理方法的碎片化。
最后,芯片制造所产生的数据量对分析能力提出了很高的要求。强大的集成平台对于在生产阶段捕获、分析和安全共享数据至关重要。虽然人工智能驱动的方法前景广阔,但其成功取决于无缝的数据通信和全面的分析基础设施。
PDF Solutions公司的Yu表示:“现代器件的复杂性意味着有效的缺陷检测需要整合来自多个来源的数据,如检测工具、测试结果和设计信息。” “如果没有一个安全高效的基础设施来管理这些数据,即使是最好的检测方法也无法充分发挥其潜力。”
应对这些挑战需要行业各方的协调努力。设备供应商、晶圆厂和标准制定机构必须密切合作,开发通用框架和可扩展的解决方案,以实现所有领域的有效缺陷检测。只有解决这些结构性和协作性障碍,行业才能充分利用新兴的缺陷检测技术,并跟上器件日益复杂的发展步伐。
随着半导体技术向深度亚5纳米领域迈进,仅仅在缺陷出现后进行检测已不再足够。实时分析和集成式生命周期缺陷管理正成为关键策略,以便在缺陷向下游扩散之前主动减轻对良品率和可靠性的影响。
实时分析代表着从传统的生产线末端缺陷检测方法的重大转变。通过将传感器和先进的监测系统直接嵌入生产设备中,晶圆厂能够在缺陷发生时就进行检测并做出响应,而不是依赖于生产后的分析。将人工智能驱动的算法与这些传感器相结合,可以立即检测和分类细微的工艺偏差,从而能够迅速对制造参数进行调整,有助于将良品率损失降至最低。
Yu表示:“从历史上看,缺陷检测在很大程度上是回顾性的。当发现缺陷时,晶圆往往已经进入下游工序,这使得纠正措施的成本很高。现在,通过嵌入预测分析和在线传感器,我们正朝着实时缺陷识别和预防转变。这极大地降低了与后期发现缺陷相关的成本。”
实时分析的好处不仅限于立即提高良品率。实时监测和主动缺陷预防使半导体制造商能够为每个晶圆、封装和器件建立高度详细、数据丰富的档案。这些档案与人工智能驱动的预测模型相结合,支持更精确的工艺调整,从而提高整体器件的性能、可靠性和生命周期价值。
Applied Materials公司的产品营销负责人Neta Shomrat表示:“第二代冷场发射平台提供了支持快速缺陷复查所需的分辨率和电流,但真正实现清晰缺陷分类的是基于人工智能的检测。通过无需获取参考图像,并减少高密度缺陷图中的模糊性,我们能够在显著提高检测通量的同时实现高精度检测。”
生命周期集成需要行业思维方式的根本性转变,特别是在设计、制造和测试团队之间实现更紧密的协作。数字孪生、基于设计感知的缺陷建模和早期缺陷风险评估正成为关键工具。这些方法在设计阶段就能识别潜在的缺陷机制,使工程师能够优化制造工艺,并在生产开始之前就预防问题的发生。
随着半导体制造向5纳米以下领域不断深入,缺陷检测已迅速从一个简单的制造步骤演变为维持良品率、可靠性和竞争优势的关键战略能力。传统的检测方法正迅速达到其极限,这就要求制造商和设备供应商积极创新。
先进电子束检测、增强型X射线断层扫描、波前相位成像以及人工智能驱动的分析技术的集成,代表着向前迈出的重要一步。然而,要充分发挥这些技术的潜力,关键在于解决可扩展性挑战、标准化差距和数据集成复杂性等问题。
Wooptix公司的Elizande表示:“先进制程节点和封装技术极大地改变了缺陷状况。如今的成功取决于集成解决方案,这些方案将多种检测方法、预测分析和主动的生命周期管理相结合。成功整合这些能力的制造商将在良品率和可靠性方面获得显著优势。”
“版权声明:我们的目的旨在行业分享交流,传递行业正能量,讲好与特种设备有关故事,引导行业与公众守法合规。K8凯发官方网站如有侵权请联系我们删除!”
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
扎克伯格花超1.1亿美元买下硅谷11套豪宅打造私人庄园?邻居怒斥:整个社区仿佛被他们占领了,市政府太纵容
【2025.8.14】说说赵露思?可以讲讲此沙?肖顺尧哪个阶层?讲一讲张新成?三里屯三姐妹私下?
因没接到戏在厕所被殴打?直播“假助农”?风波中的赵露思粉丝总数已超一亿
幼儿园马上就要开学了!这款专为幼儿园小朋友设计的自带标签收纳袋太实用了,老师打开书包就能感受到家长对...
新闻资讯
-
【掇菁撷华】微流控技术在微 纳 08-15
-
台积电2纳米技术流向日本!10 08-15
-
iPhone 18 A20芯片 08-15
-
重庆要闻-七一网 08-15
-
比传统材料薄10倍!MIT制造 08-15
-
从纳米清洗到 AI 检测:大鹏 08-15
-
10nm精度!中国首台纳米压印 08-14
-
纳米上市龙头你知道多少?(20 08-14