当前位置:首页 > 原创 > 刘岩轩
[导读] 在芯片检测机台市场上,应用材料公司的SEMVision系列一直都占据领导地位。随着FinFET、3D封装等技术的发展,芯片封装工艺变得更为复杂;而且半导体厂商对于成本控制也颇为严格,因此也就有了更为精准的缺陷检测需求。

 在芯片检测机台市场上,应用材料公司的SEMVision系列一直都占据领导地位。随着FinFET、3D封装等技术的发展,芯片封装工艺变得更为复杂;而且半导体厂商对于成本控制也颇为严格,因此也就有了更为精准的缺陷检测需求。而如何帮助客户来提高缺陷检测的准确度,降低检测时间成本,将会是新一代缺陷检测系统所要实现的目标。一台统一的标准化的机器,不可能满足不同客户对各种不同芯片缺陷检测的需求。而在应用材料公司全新推出的SEMVision G7系统上,通过Purity II ADC技术(此处ADC特指为automatic defect classification缩写),G7系统可以借助机器学习能力,实现定制化的客户缺陷检测流程,帮助实现更高良率达成。

近日,应用材料公司举办了全新SEMVision G7的新品发布会,应用材料公司的市场部经理Guy Gichon和中国区产品经理王炜给记者进行了详细的讲解。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

左:应用材料公司SEMVision市场部经理Guy Gichon,右:中国区产品经理王炜

SEMVision G7(下文简称G7)在笔者看来可以说得上是一个重大突破性产品,相比前代产品G6,G7在诸多方面实现了技术突破,而且极好地贴切了客户需求。根据Guy的介绍,G7主要有四个重大技术突破,下面笔者来一一进行介绍。

独特的边缘斜面和侧面成像

应用材料公司已经看到,越来越多的客户提出了边缘检测成像的要求,因此应用材料公司在G7上也提出了“边缘和斜边成像”的一种全新技术。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

图:左为顶视图,右为倾斜图。斜面和侧面都在一张图像中可见。

很多晶圆边缘或斜面上的缺陷引入到芯片中,然后降低了产品良率。而对于这部分检测的挑战在于如何对一个倾斜和垂直的面来进行图像采集。如果使用传统的电子束成像只能得到十几个微米的景深,而其实检测边缘斜面缺陷需要几十乃至几百微米的景深。应用材料公司在这里使用了一个叫做大景深和倾斜ebeam成像技术,能够将整个倾斜斜面的图像在一张图中展现,而且可以达到很大的视场(300微米)。据Guy介绍,未来两三年的时间里面,这种需求会越来越大,而且相对逻辑芯片而言,存储芯片的客户需求更大。

无图案晶圆检测光学技术

据Guy和王炜介绍,随着现在工艺关键尺寸(CD)越来越小,所以解决原始晶圆的缺陷就变得越来越重要。如何从源头就来发现这些问题,对于客户而言非常关键。针对“无图案”晶圆检测,应用材料公司推出了一个新的光学成像和收集系统,提高整个光学检测的能力。据Guy介绍,相机已经换成了深紫外照相机,同时在光源系统也做了改善。除此外,在接收端内加了一个偏振片,从而滤掉了返回信号中更多的背底杂讯,使得缺陷信号更容易被捕捉到。这种全新的光学系统能够检测到18nm缺陷。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

图:为无图案晶圆检测而生的下一代光学技术

Purity II提升机器学习能力

在旧G6系统上,通过Purity ADC可以实现小于20%的手动分类;而在G7上,通过再学习流程,可以将自动分类的缺陷实现更为细致的再分析。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

图:Purity II提升机器学习能力

G7系统可以收集大量稳定的数据来建立一个分类模型,然后基于这个模型来持续地进行分类。而在目前半导体厂商工艺不断变化的条件下,研发和提升阶段不可能维持一个稳定的工艺。G7内置一个具有全新再学习能力的分类系统。但当客户的工艺进行了变更,有了新的缺陷时,就会触发“再学习”能力,Purity II ADC会自动分析新的缺陷,重新建立一个模型。以前的这种新缺陷出现后的缺陷诊断调试工作,需要人为来干预,而有了Purity II ADC之后,整个机器就可以自己实现学习,触发条件的改变,然后对于整个缺陷检测过程进行调整。

不同的客户的G7机器所进行的再学习过程是不同的,从而最终每个客户的G7系统,都会成为一个最适合自己生产工艺的缺陷检测机器。在笔者看来,通过机器学习实现的这种优化过程,对于提高生产良率来说是划时代的一个重要变革。

基于设计数据来进行图层对比确定缺陷工艺环节

另一个有趣的技术点是,新一代的ADC不止于通过SEM图像进行分类 - 客户可以提供原始的设计数据,ADC会将原始设计数据与现有的采集图像进行重叠对比,从而能够更精准的进行缺陷的根本原因分析和对后续工艺影响进行预测。这让笔者想起了初中时候地理老师用的透明胶片投影机,多张重叠的透明胶片上,分别都画上了同一地区的不同地理信息 - 这种原理看起来似乎很简单。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

图:基于设计数据的ADC

据Guy介绍,当看到一个颗粒的时候,工程师需要来分析这个颗粒是在哪个工艺环节内产生的,以及这个颗粒对于后续或者前期的影响是不是很大。之前通过单纯的缺陷图像很难实现,而现在通过客户整个图层映射的CAD图像,可以将多个工艺流程对应的图像进行重叠比对。从而确定颗粒是在哪个工艺环节内造成的,以及是否会对整个产品后续工艺造成影响,从而判断是否需要对其进行工艺调整。举个例子来说,如果颗粒恰好在一个后续工艺的连接通路上,那么它就有可能会让连接失效,而如果它不在连接通路上的话,那么大可以忽略它,来提高生产效率。Purity IIADC通过“位置信息”来识别缺陷,然后加速缺陷的原因分析,同时能够预测对未来良率的影响。

通过机器学习实现定制化的智能缺陷分析,应用材料公司推出全新SEMVision G7

图:SEMVision G7配备Purity II ADC技术 提供自动化的一体式缺陷检测、分析和分类

SEMVision G7在笔者看来是一次重要的产品更新,全新的Purity II ADC的加持使其实现了更加准确高效的缺陷检测效率。尤其是其引用了机器学习的能力,使每一个客户的G7,在使用一段时候之后,都会成为最适合自己生产工艺缺陷检测的G7。这种通过机器学习能力实现的标准化产品的定制化输出,才是科技创新带给生产力提升的最好案例。

此外,Guy还提到,G6可以通过升级服务来变成G7。这对于很多G6的老用户而言无疑是一大利好。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭