新的工具利用不同的方法(包括ML)来提高性能。
几家公司正在开发或推出下一代电子束检测系统，以减少先进逻辑和存储芯片的缺陷。
供应商对这些新的电子束检测系统采取了两种方法。一种是更传统的方法，使用单束电子束系统。与此同时，其他公司正在开发更新的多波束技术。两种方法都有各自的用处。与以前的设备相比，新系统速度更快，分辨率更好，但它们也更昂贵，并且有一些吞吐量限制。
多年来，芯片制造商一直依赖电子束和光学检验高级逻辑和内存晶圆厂中的系统。这些技术是互补的。基于光学的系统速度很快，它们被用于检查整个晶圆的缺陷，但分辨率有限。电子束的分辨率更高，但速度更慢。
在电子束检测系统中，电子在工具内产生，然后撞击模具表面。电子散射并反弹回探测器，使其能够发现芯片中的缺陷。与光学相比，电子束检测具有明显更高的灵敏度-在1nm范围内。但要检查一个完整的晶圆，可能需要数小时，甚至数天。
正因为如此，电子束检查只用于检查模具的一小部分缺陷，通常在光学无法发现某些缺陷时。这种情况经常发生在研发部门，需要定位和根除有问题的缺陷。然后，在晶圆厂，芯片制造商使用光学检测工具来监控和发现生产中的芯片缺陷。电子束检测也用于晶圆厂的特定应用。
光学检测仍将是晶圆厂的主要工具。但电子束也扮演着重要的角色，而且可能是一个不断扩大的角色。超大规模集成电路研究公司总裁Risto Puhakka表示:“当你需要高灵敏度，需要发现那些难以处理的缺陷时，就需要电子束检测。”“假设你有一个缺陷。在普通的监控线上，你无法用光学识别它。电子束在这里有一席之地。你可以在系统中运行晶片，找出发生了什么。你要做根本原因和成本分析等等。”
虽然电子束检测速度较慢，但下一代工具有望加快这一过程，无论是使用单束还是多束方法。这两种类型都声称可以发现其他系统无法检测到的缺陷。普客卡说:“我确信它们比上一代工具更快。”“你可以有一些技巧让它更快。但还是很慢。”
所以新的电子束工具不会取代光学工具。Puhakka说，电子束检测仍然被用于“需要高灵敏度的地方，但缺点是你必须接受生产力的损失。”
设备制造商正试图改变这种看法，这个市场的活跃程度就是明证:
与此同时，应用材料公司继续提供其目前的单束电子束检测系统。
芯片的挑战
根据VLSI Research的数据，在去年IC市场低迷的情况下，电子束检测市场从2018年的3.7亿美元下降到2019年的2.35亿美元。据该公司称，到2020年，电子束检测市场预计将反弹，达到约3亿美元。
根据VLSI研究公司的数据，2019年，包括电子束、光学和检查工具在内的整个晶圆检测市场规模为30.4亿美元。其中，光学检测市场是电子束检测市场的11倍。
在晶圆厂，所有芯片都需要晶圆检查。以逻辑为例。在28nm及以上的芯片上，集成了具有更大特征尺寸的平面晶体管。通过使用各种晶圆检测系统，芯片制造商在平面器件中发现缺陷几乎没有困难。
如今，基于平面晶体管的芯片在28纳米及以上的工艺上仍被广泛使用，但它们实际上在20纳米时达到了物理极限。所以从2011年开始，芯片制造商转移到了finFET22nm和16nm/14nm晶体管。在finfet中，电流的控制是通过在翅片的三个侧面各安装一个栅极来实现的。
图1:FinFET vs. planar。来源:Lam Research
与平面晶体管相比，finfet能在更低的功率下提供更好的性能，但它们更昂贵，在晶圆厂更难制造。因此，工艺研发和设计成本飙升。现在，一个完全扩展的节点的周期已经从18个月延长到30个月。
如今，领先的芯片制造商正在加大7nm和5nm finFET工艺的研发力度，其中3nm工艺正在研发中。挑战在每个节点上都在升级。设备变得越来越复杂，特征尺寸越来越小。
例如，在一个28nm的平面器件中，一个晶体管可能有117nm到120nm的接触栅间距(CPP)和90nm的金属间距，根据科技网站WikiChip的说法。据维基芯片报道，相比之下，台积电的新5nm finFET工艺具有48nm的CPP和30nm的金属间距。CPP测量从一个晶体管的栅极接触到相邻器件的栅极接触。
在3nm和/或2nm工艺上，芯片制造商计划从finfet迁移到agate-all-around晶体管技术。一种全能门，叫做nanosheet场效应晶体管，在它的一侧是一个finFET，周围环绕着一个栅极。
“可以肯定的是，3nm工艺将比5nm工艺更难，而5nm工艺比7nm工艺更难，”英特尔首席技术官Rick Gottscho说林的研究．“纳米线或纳米片比finFET复杂得多。我们有新的流程，这些流程非常具有挑战性。”
图2:FinFET vs.纳米片。来源:Imec
与finfet相比，纳米片提供了一些价格/性能上的优势，但在缩放方面只是逐步减少。“从finFET到纳米薄片的转变正在重新定义如何提高计算机功率和更高晶体管密度的新时代。它将改变晶体管的结构，而不是把它做得更小，”布鲁尔科学公司的高级技术专家道格拉斯·格雷罗(Douglas Guerrero)说。
挑战并不局限于逻辑。“无论是3 d与非，动态随机存取记忆体或者说逻辑上，所有东西都在x和y的横向方向上缩小，然后在z方向上增加。一切都在变得更高、更深、更小。然后，你就有了高纵横比结构和非常小的缺陷区域，以及非常小尺寸的缺陷，”该公司电子束产品集团负责人Mohan Iyer说心理契约．
这就是晶圆检测的用武之地。这些系统可以发现芯片中有问题的缺陷。如果没有发现缺陷，芯片可能会以低产量或在现场失败而告终。
检验流程
为了捕捉缺陷，芯片制造商使用电子束和光学检测工具。这两种系统都用于发现物理缺陷，如芯片中的空洞、突出物和桥。
电子束利用电子的特性，而光学利用光子。基本上，光学检测系统使用宽带光源来照亮晶圆。然后，收集光并将图像数字化，这有助于发现晶圆上的缺陷。
在晶圆厂，芯片制造商使用检测系统进行工程分析、关键线监测和线监测。
电子束检测用于研发组的工程分析。电子束用于发现芯片开发早期阶段的微小和有问题的缺陷。一旦这些缺陷被根除，芯片符合规格，设备生产线就会转移到晶圆厂。
关键线的监控是在fab中进行的。我们的目标是找出图样晶圆中最关键的物理缺陷。生产线监测也在晶圆厂进行，也可以检测晶圆的缺陷。这两种监测过程主要采用光学检测。电子束工具有时也会用到。
“两者都有一席之地，”KLA的Iyer说。“这取决于检测的敏感性，能够可视化和看到这些缺陷。这是一边。另一方面，还有其他因素，如覆盖率、速度和吞吐量。”
事实上，有几个权衡。光学检测速度快，但也有物理限制。据专家介绍，SRAM中的光学灵敏度可达5纳米以下。
一般来说，电子束检测用于检测光学上太小的物理缺陷。电子束检测也用于电压对比缺陷应用。为此，外部偏差应用于设备。然后，电子束分析结构图像对比度的变化，以定位芯片中的短路、开口和空洞。
光学和电子束检测对大多数芯片是足够的。但有时，缺陷可能无法被发现，特别是在先进的芯片中，缺陷被隐藏或太小而无法被发现。
除此之外，晶圆检测系统还可能检测到不良现象，即晶圆上的不规则或虚假缺陷。一般来说，检查系统可以区分真正的缺陷和讨厌的缺陷。但有时，系统很难区分这两者。
如果芯片制造商找不到问题，它可能会求助于其他技术。例如，有些人可能会使用透射电子显微镜(TEM)。透射电镜可以提供高分辨率的样品三维图像。但瞬变电磁法也是一种破坏性的技术。芯片制造商必须切割器件，然后将结构放入TEM中进行检查，因此在晶圆厂中使用TEM进行在线检查是不切实际的。
下一代电子束检测
所以这里有一个缺口。芯片制造商需要一种工具来检测难以发现(如果不是无法检测的话)的缺陷。这就是下一代电子束检测工具的用武之地。据称，这种设备可以发现其他系统无法检测到的微小和有问题的缺陷，而且比以前的系统更快。
供应商在这里采用了两种方法—单波束和多波束。单波束是传统的方法，多波束是较新的方法。这两种类型都有一席之地。
所有电子束检测系统都是由几个运动部件组成的复杂系统，包括电子枪、柱、探测器和晶圆工作台。在操作中，晶圆被放置在一个系统中。然后，在系统中，电子枪产生电子，这些电子沿着圆柱向下移动。
在这一点上，一个舞台移动晶圆到给定的位置。然后，电子击中骰子上的一小部分。这反过来创建了一个骰子的图像。将图像与数据库进行比较，以确定是否存在缺陷。
一个系统产生两种类型的电子，次级电子或后向散射电子，以帮助识别设备中的缺陷。二次电子是低能电子，它们从样品中反弹回来并提供表面信息。后向散射电子深入样品。
电子束的速度太慢，无法检查完整的晶圆，所以它被用来检查芯片的一小部分。吞吐量以每小时mm²为单位。光学工具的测量单位是每小时片数。
新的电子束检测系统采用了许多这些原理。但是供应商已经做了一些重大修改，以提高分辨率和吞吐量。
例如，KLA凭借更快的单光束工具重新进入电子束晶圆检测市场。该系统包括一种新的色谱柱设计和检测器体系结构。它使用机器学习算法进行缺陷检测。
KLA曾参与过这一市场，但在2012年左右退出了这一业务。去年，KLA推出了与电子束检查不同的电子束检查工具。检查工具寻找缺陷，而审查系统对它们进行分类。
以逻辑和内存为目标，KLA的新电子束检测系统将技术提升到一个不同的水平。KLA的Iyer说:“没有必要再制造一种电子束工具，它能做与目前其他工具完全相同的事情。”“我在努力发现别人找不到的缺点。”
它还解决了一个阻碍传统电子束检测的问题。例如，使用各种旋钮，电子束检测工具可以调整以寻找最小的缺陷。不过，在这种情况下，吞吐量会变慢。然后，工具可以调整到更快，但分辨率较低。
KLA的工具克服了这些权衡，实现了更高的分辨率和更好的吞吐量。它仍然比光学慢得多，但有几种方法可以加快电子束检测的速度。其中一个涉及到一个称为电子束电流密度的旋钮，这是所有电子束工具的一个关键规格。
基本上，电子束产生电子，并以特定的光束或光斑大小击中目标。电流密度指的是光斑大小中有多少电子。通常，终端用户可以确定系统中的电流密度，这需要进行各种权衡。
假设你想找到微小的缺陷。在传统系统中，为了获得更高的分辨率，该工具将使用更低的电流密度进行调谐。因此，该工具生成的光束具有较小的光斑尺寸。
“在传统工具中，你有一个小的高分辨率点。为了保持光斑尺寸小，你使用更小的电流，这意味着在光斑中的电子更少。所以你可以有一个小点，具有低光束电流密度，这是敏感的，但它的吞吐量很低，”Iyer解释道。
另一方面，传统的系统可以调整为更高的电流密度。“电流越大，进入这个点的电子就越多。然后，斑点变大，”Iyer说。“所以，你可以有一个更大的光斑，更多的电子和更高的电流，但灵敏度更低，吞吐量更高。”
然而，凭借其新的电子束检测系统，KLA已经找到了一种方法，使用新的柱设计来克服这些问题。系统中的电流范围从200皮安培到40纳安培。
“我们的光束沿着色谱柱以更快的速度到达样品。我们在这个点上放了更多的电子。我们可以把更多的电子压缩到一个小得多的点上，然后用它来扫描。这同时给了我们灵敏度和吞吐量，”Iyer说。
在电子束检测中，除电流密度外，着陆能量是另一个关键问题。着陆能是指每个电子在撞击表面之前所传递的能量。传统电子束检测工具的着陆能量在5KeV ~ 10KeV之间。
相比之下，KLA的工具范围从200eV到30KeV。着陆能量的跨度使该工具能够解决一系列缺陷应用，包括电阻、高纵横比结构等。
吞吐量也得到了提高。在传统的系统中，电子束扫描模具的一部分。然后你移动舞台，扫描模具的另一部分，并获得图像，这是一个缓慢的过程。在KLA的工具中，系统以1nm像素执行100 μ x 100 μ扫描。这意味着在不移动舞台的情况下，一次扫描就可以获得100亿像素的信息。尽管如此，吞吐量仍以每小时mm²来衡量。
“用电子束工具扫描整片晶圆需要很长时间。我可以在合理的时间内对模具内和整个晶圆内非常小的区域进行“护理区域”。我们的目标是在几个小时内获得晶圆级的签名，而不是几天、几周或几个月，”Iyer说。
与此同时，ASML最近推出了一款5nm及以上的多光束电子束检测系统。该公司表示，与单波束工具相比，该工具的产量提高了600%。
ASML还销售单束电子束检测系统。“随着多波束检测技术的成熟，它将在许多应用中逐渐取代单波束检测，因为它具有更高的吞吐量。ASML．“对于某些应用，单束检测仍将是更好的选择，例如背散射电子检测的物理检测。”
ASML的多光束工具同时用9个光束扫描模具。“简单地说，来自单个源的电子使用孔径阵列以固定的间距被分割成多个光束。这些小光束由采用MEMS技术制造的电光模块独立控制。使用过滤器将从晶圆表面发射的电子弯曲到二次电子成像模块，在那里它们被投影到探测器阵列上，具有最小的串扰，”张说。与ASML光刻系统共享的高速级和高速计算架构也有助于系统吞吐量，以实时处理来自多个波束的数据流。”
这种方法存在一些潜在的问题。每个小波束的电流密度都可能较低。事实上，总电流密度比单波束工具低，因此在多波束工具中扫描时间可能更长。
这似乎还不是问题。张说:“当然，随着束流数量的增加，电子源功率将成为一个限制。”“增加电子源的功率是ASML正在研究的一个具有挑战性的工程问题。可能在某种程度上，使用多个电子源将是首选的方法。这还有待决定。”
所有电子束检测供应商都在使用机器学习来检测缺陷。机器学习在系统中使用算法来识别数据中的模式，以及学习和预测信息。在晶圆厂，机器学习有望在特定领域提供更快、更准确的结果，比如发现和分类芯片中的缺陷。
机器学习在20世纪90年代首次用于缺陷检测。“90年代的机器学习还不是深度学习。当时的机器学习更多的是分析大数据，进行数学分析，并通过自动化科学方法来改进建模。d2．
最近，由于计算能力的巨大提高和更好的算法，机器学习已经开始起飞。藤村说:“对于深度学习训练来说，gpu通常被认为是使其蓬勃发展的关键因素。”“这已经在D2S所从事的半导体制造模拟和校正等科学计算应用中发生了。但后来深度学习也爆发了，因为深度学习训练所需的“有用的浪费”计算风格。这与gpu做得非常好的单指令多数据(SIMD)计算完美匹配。gpu支持的深度学习训练也是自动缺陷分类和模式识别任务现在变得更好的原因。”
结论
多年来，电子束检测一直是晶圆厂的关键工具。今天，由于芯片制造中的缺陷挑战，芯片制造商可能别无选择，只能购买新的电子束工具。
VSLI Research的Puhakka说:“你可能有一个应用程序，你想要进行这种类型的测量。”“然后，你就得咬紧牙关，花钱买工具。”
有关的故事
|
|
|
|
|
|
|
|
|
|
留下回复