三星|4nm翻车三星麻烦了：失去高通( 二 ) 台积电|4nm|4nm翻车|三星麻烦了

并且随着人工智能加入到软件中，这些缺陷得以被更好的标识出来。
对于这样庞杂的电路中可能出现的缺陷，最麻烦的就是工程师无法确定哪些区域需要关注。目前对于重点区域的确定，有两种方法：第一种是通过吸收历史经验，将此前高频出现缺陷的为止标记为重点区域。第二种方法则是从IC设计文件中找到可能的薄弱位置，然后软件将会获取所有区域并自动生成重点关注区域。
例如，KLA和IBM Reserch的工程师最近开发了一种基于充分阵列的分箱技术。该技术通过缺陷检测将缺陷与晶圆位置相关联。通过这一技术，工程师发现了此前的工具没有标记的通孔，并通过追溯晶圆上的特定区域，找到了RIE步骤存在的问题。
在这项研究中，IBM和KLA的工程师合作开发了一种用于捕获BEOL逻辑器件中缺失过孔的方法。工程师们使用KLA的检测方法在RIE的通孔链图案上的每个通孔周围定义需要关注的区域，以提高对丢失通孔缺陷的捕获灵敏度。
然后使用宽带等离子（BBP）光学工具检查这些关注区域，最后在SEM审查工具上对缺陷进行表征。该工具会按照类型对缺陷进行分类。
根据结果显示，通路链左侧在顶部出现缺失，但右侧缺失的通路则与底侧相关。该团队因此怀疑缺失通孔缺陷是由于先前的通孔蚀刻图案未对准而被阻塞造成的。
不过，采用传统检测方法并没有发现这一存在于底部的缺陷，这意味着该策略可以更有效地检测生产中缺失过孔的缺陷。
“BPP系统的检查结果包括了分箱信息，这为工艺工程师提供了更多可操作数据，以便他们做出最佳的决策。”Kurada总结到。
AFM或将成为救星
虽然在过去在光学检测系统和SEM的配合下芯片制造的良率得到了较好的控制，但是在芯片先进制程工艺越来越接近摩尔定律极限的背景下，需要更先进的技术来满足良率控制的要求。
布鲁克运营总监 Igor Schmidt 表示在当芯片制程达到20nm以下后随机缺陷将会变得越来越难以分类。而在检测CMP后的凹陷和腐蚀等需要拓扑数据的地方，AFM变得尤其重要。
Igor Schmidt指出，虽然AFM（原子力显微镜）吞吐量比较低，但每小时仍然可以监控高达340个为止，以进行光刻、蚀刻或CMP工艺的工艺控制。
原子力显微镜（AFM）审查工具可以利用机器视觉坐标，将从光学系统中获取的圆晶图数据指向可能出现缺陷的位置并对周围区域进行成像。
成像的结果会显示该区域包括高度信息和粘性在内的3D尺寸。
粘性数据将能够更好地帮助检测人员对缺陷进行分类。就如同乱石堆和口香糖的表面都不平整，但代表的实际情况不同一样。在芯片制造的缺陷检测中，不同粘性的情况下的粗糙度可能指向不同的结果。
如果缺陷具有较大的高度差异和较大的粘性，表明是有机颗粒或聚合物掉落在了圆晶上。但如果在高度差异较大的情况下粘性较小，则说明掉落在圆晶上的可能是硅颗粒或者碎片；如果出现了孔隙却没有粘性，则表明可能是堆叠或者结晶缺陷；如果没有发现颗粒却具有粘性，则表明某处机器或者油存在问题。
“因此，对于缺陷分类来说，这是一种强大的技术。” Igor Schmidt说。基于这一技术，厂商将能够在先进制程上对芯片制造中的缺陷进行更详细、准确的分类，从而提高产品的良率。
【三星|4nm翻车三星麻烦了：失去高通】
文章图片

三星|4nm翻车 三星麻烦了：失去高通( 二 )

三星|4nm翻车三星麻烦了：失去高通( 二 )