检查无图晶圆片

对于半导体行业的大多数公司来说，无图晶圆检测一直很低调，但由于需要在制造工艺流程的早期发现缺陷，这种检测正变得越来越重要。

随着关键尺寸的缩小，发现这些缺陷变得越来越难。在裸露的晶圆上实际检测较小的缺陷更加困难，有更多的数据需要处理，并且有更大的压力来更快地处理和检查。虽然所有这些问题都有解决方案，但每一个都有相应的成本。

一般来说,晶片检查分为两类——无模式和有模式。简单地说，无图案晶圆检测是在未加工或裸露的硅片上寻找缺陷。图样检验检测加工晶圆上的缺陷。日立高新技术,KLA-Tencor，鲁道夫等人在比赛未成形的晶圆检测设备市场存在这样或那样的形式。

无图晶圆检测工具用于IC生产流程的各个部分，包括半导体工艺的初始阶段。在早期阶段，硅片制造商生产并将裸片或未加工的硅片出售给芯片制造商，芯片制造商在晶圆厂将其加工成芯片。

图1所示。硅晶圆。来源:nanograpafi Nano Technology

但在硅晶圆制造商将基板运送给芯片制造商之前，裸露的晶圆必须很少或没有缺陷。裸露晶圆上的内在缺陷最终会导致最终芯片上的致命缺陷。

这就是无图案晶圆检测适合的地方。这些系统的目标是在合理的成本下以高吞吐量发现裸晶圆上的缺陷。“我们希望在游戏早期发现缺陷。这些缺陷，无论是在基片上还是在胶片上，都会产生并变得更大。最后，它们会成为生产线上的一个问题，”sufscan - ade部门副总裁兼总经理Jijen Vazhaeparambil说KLA-Tencor．

然后，一旦裸露的晶圆符合规格，它们就会被运送到晶圆厂进行加工。在晶圆厂中，经过处理的晶圆最终会使用另一套被称为图样晶圆检测的设备来检查缺陷。与以前一样，晶圆图版检测也很重要，因为这些工具可以定位晶圆厂的致命缺陷。

在过去的几年里，已经有大量的关于图样晶圆检查的著作。相比之下，对无图晶圆检测的了解较少，但该技术也很关键。无图晶圆检测适用于所有类型的器件，如III-V材料、模拟、逻辑和内存。

根据Gartner的数据，2017年，无图案晶圆检测市场的规模为4.39亿美元。“由于这些工具在中国的使用越来越多，这个市场在过去几年里增长得很好3 d与非高德纳(Gartner)分析师鲍勃·约翰逊(Bob Johnson)说。

根据Gartner的数据，2017年，KLA-Tencor以4.04亿美元的销售额成为市场领导者，占92%的业务份额。据该公司称，日立高科技(Hitachi High-Technologies)是唯一一家销售额约2,500万美元的其他主要厂商。

硅片需求激增
多年来，业界已将无图晶圆检测工具用于多种应用，如工具监控、过程监控和无图晶圆质量控制。

工具监控和过程监控相关。在这两种情况下，芯片制造商经常希望检查晶圆厂中一个或多个工具的健康状况或清洁度。工具/过程监控可以在工厂的生产阶段之前和期间进行。

为此，芯片制造商在设备中使用未加工或假的裸露晶圆。然后，他们将把裸露的晶圆放在一个无图案的晶圆检测系统中，该系统将检测工具的颗粒计数，并确定系统是否导致缺陷。

出于类似的原因，设备供应商也使用无图案晶圆检测。工具供应商可以确定给定的系统在处理过程中是否会产生缺陷。

此外，硅晶圆制造商使用无图晶圆检查来检查裸露的硅片。芯片制造商也使用这些工具来检查进入晶圆厂的裸晶圆。

硅晶圆是半导体行业的基本组成部分。每个芯片制造商都需要购买不同尺寸的芯片。硅片制造商生产直径为300毫米、200毫米或更小的衬底。

在硅片业务中，有几个动态因素在起作用，包括供应/需求状况和技术挑战。在需求方面，由于供应过剩和价格下跌，硅片行业已经遭受了几年的打击。市场上的供应商和产能实在是太多了。

然后，从2016年开始，硅晶圆行业开始整合。去年，硅片供应商在需求激增的情况下经历了供应紧张。许多公司甚至提高了价格。

SEMI行业研究和统计主管Clark Tseng表示:“硅片行业经历了几年的平均销售价格下降，但整体出货量继续增长。”2017年，我们看到asp的反弹，这为17%的收入增长做出了贡献。”

2018年上半年，市场表现强劲。事实上，根据SEMI硅制造商集团的数据，第二季度市场达到了历史上最高的季度水平，全球硅晶圆出货量从上一季度的30.84万平方英英寸增长2.5%至31.60亿平方英寸。新季度总出货量较2017年第二季度增长6.1%。

展望未来，硅晶圆的供应预计将在一段时间内保持紧张状态。“从长远来看，到2020年，硅晶圆的产能已经基本满了。大多数大客户都在寻求2020年以后的长期合同。我们认为明年和2020年都有一定的产能增长潜力。”

表1。全球硅片市场增长。来源:半

300毫米硅晶圆的需求强劲，但200毫米硅晶圆的需求也在激增。SEMI分析师Christian Dieseldorff在一篇博客中表示:“从2017年到2022年，全球200毫米晶圆厂正准备每月增加60多万片晶圆，增长率为11%，到2022年底将达到每月600万片的新高。”

检查的挑战
除了需求之外，硅片行业也面临一些技术挑战。在硅片生产流程中，从多晶硅开始。多晶硅与电活性元素一起在石英坩埚中熔化。

硅种子晶体被放入坩埚中。产生的体被称为锭，它被拉出来并切成单晶硅晶片。大小根据需求而变化。

图3。硅片工艺流程。来源:GlobalWafers

制造平整无颗粒的硅片至关重要，这样缺陷就不会被集成到最终的芯片中。但有时，晶体缺陷是在硅锭生长过程和后续步骤中产生的。在裸露的晶圆上，有几种类型的缺陷，如简单颗粒，晶体产生的颗粒或坑(cop)，残留物和划痕。

“从我的角度来看，先进晶圆技术的挑战是减少缺陷。控制块状晶体中的缺陷一直是一个挑战，同时规格的一致性也是一个挑战。随着基板变大，出现缺陷的可能性就更大，”林顿晶体技术公司(Linton Crystal Technologies)高级销售和工艺工程师约翰·西林(John Syring)说，该公司是用于生产单晶锭的Czochralski工艺晶体生长设备的供应商。

这个问题有解决办法。“这是超导磁体用于300mm晶体生长的主要原因。磁体有助于稳定熔体，以提供更均匀的生长条件，使晶圆表面更加一致，”Syring说。

尽管如此，在这个过程中仍然可能出现缺陷和cop。新型材料也可能产生缺陷。然后，这一过程可能会造成晶圆表面不必要的粗糙度。

不用说，在这些裸露的晶圆到达晶圆厂之前找到缺陷是至关重要的。在某些情况下，这些不完美的晶圆可以在硅晶圆厂清洗或重做以满足规格。不符合规格的晶圆会被拒绝。

无论如何，使用无图案晶圆检测是必要的，但在高级节点，300mm硅片的挑战越来越大。Rudolph Technologies的系统工程师Felix Moellmann表示:“与无图案晶圆检测相关的挑战包括在晶圆表面和晶圆内部检测更小的缺陷。”“不断增加的检测和分类缺陷(如凹坑和滑移线)的要求增加了检查过程的挑战和复杂性。”

还有其他挑战。“无图案晶圆检测的最大挑战是灵敏度。在先进的设计节点上，较高的图案密度和较小的临界尺寸可以缩小裸硅晶圆或毯膜监测晶圆上的屈服抑制缺陷的最小尺寸。然而，在确定特定工艺步骤的必要敏感性时，了解缺陷是如何在不同的工艺步骤中演变的是很重要的，”KLA-Tencor的Vazhaeparambil说。

然后，当然，行业希望以合理的拥有成本检查缺陷。“由于设备的小型化和可靠性，高灵敏度检测变得更加重要。检测成本低，灵敏度高。为了满足客户的要求，必须同时实现高灵敏度和高通量，”日立高新技术公司光学检测经理Naohisa Sekoguchi说。

除此之外，不同类型的硅片还面临着各种各样的挑战。在芯片生产中，业界使用以下晶圆类型-退火，外延，抛光和SOI。

外延晶圆由生长在衬底上的单晶硅层组成，用于微处理器、图像传感器和电源设备。“目前的检测设备已经很好地解决了Epi晶圆的问题。但是epi晶圆片在必须测量和分类的各种发生和控制模式方面提出了挑战，这导致了机器视觉的努力，”鲁道夫的Moellmann说。

抛光晶圆用于DRAM和NAND闪存。这需要超纯基材，表面平整干净。在检查过程中，抛光晶圆更具有挑战性，因为在大块晶体生长过程中往往会出现凹坑和其他缺陷。

基于退火的晶圆也越来越受欢迎。在退火过程中，将一批经过抛光的晶圆放入炉中加热。

绝缘体上硅(SOI)晶圆则不同。SOI晶圆在基板中包含薄绝缘层作为抑制泄漏的手段。绝缘层的厚度，或埋氧化层，大约是20nm到25nm。

Soitec是世界上最大的SOI基板供应商，在其生产现场执行无图晶圆检测。Soitec产品工程总监Christophe Girard表示:“表面(正面、背面和边缘)质量、几何形状和边缘滚转是SOI质量的关键参数。”

对于SOI晶圆，存在一些检验挑战。吉拉德说:“检测的挑战是检测和分类表面任何浅或光滑的异常。”“顶部硅和埋藏氧化物的厚度以及表面粗糙度都会影响反射率，为检测带来挑战。”

今天，该行业正在增加基于FD-SOI基板的设备。通常，FD-SOI产品具有较低的表面粗糙度，并且与抛光或epi晶圆测量在相同的低阈值。“对于更薄的SOI层(通常小于5nm)或集成SiGe或III-V材料的更复杂的堆叠，复杂性将会增加，”他补充道。

图3 FD-SOI衬底。来源:Soitec

的解决方案
幸运的是，无模式检验市场有解决方案。日立高科技、KLA-Tencor和其他公司正在采取略微不同的方法来解决市场上的挑战。

在最新的系统中，工具供应商正在使用先进的光源、传感器和软件来发现缺陷。然后，工具供应商必须处理比以往更多的数据。在某些情况下，他们正在使用机器学习技术来发现和分类缺陷。

在最新的公告中，KLA-Tencor最近推出了一种新的无模式检测系统。这款被命名为Surfscan SP7的工具，目标是10nm/7nm和高级内存。该工具的灵敏度为15nm，而之前的型号为19nm。

与之前的系统一样，SP7基于266nm深紫外(DUV)光源。但最新的系统采用了一种新的低噪声CCD传感器。这可以对各种缺陷类型进行检测和分类，如颗粒、划痕、滑移线和堆叠故障。它还可以检查薄EUV表面上的光刻胶材料。

除了发现缺陷之外，KLA-Tencor和其他公司还必须处理另一个问题——晶片厂数据爆炸，尤其是在检验过程中。

“这不仅仅是缺陷问题。它还需要更多的计算算法。我们的工具收集了大量的数据。数据并不缺乏。但(挑战)是如何真正快速地转换数据，主要是实时的，你可以在飞行中做出反应，”KLA-Tencor的Vazhaeparambil说。

其他人同意了。“对包括缺口在内的所有表面进行检查的需求将变得越来越重要，”鲁道夫的Moellmann说。“另外一个未来的挑战将是使用自动缺陷分类对缺陷进行精确分类。数据量和缺陷数量的增加将需要人工智能增强的缺陷处理。”

在这种情况下，无图晶圆和有图晶圆检测正朝着同一个方向发展。两者都需要新的机器学习技术来快速检测和分类缺陷。

不用说，捕捉缺陷在晶圆厂和晶圆厂都是关键。事实上，它比以往任何时候都更加重要。