降低随机变化是随机的

随机变化的经济变化,特别是在先进的节点和复杂的包装方案。

随机变异总是将存在于半导体制造工艺,但所谓的随机可追踪的根源。它被归为随机的原因是它是昂贵的追踪所有的各种怪癖在一个复杂的制造过程或材料或不寻常的用例。在过去,大多数的这些并没有影响产量,但方程是开始改变的原因:

• 开发芯片的成本在每一个新的节点,而公差下降。添加额外的保证金,以抵消随机变化有很大的影响权力,性能和面积(PPA),这限制了扩展的好处。
• 可能在异构的交互设计的数量正在增长,和一些行为分类随机会影响功能,特别是在人工智能芯片应该自优化。
• 可靠性的担忧高安全性的应用程序需要更多的关注潜在的未知时,特别是在恶劣的条件更长的预期寿命的芯片。
• 真正随机的变化变得更加突出功能萎缩,电影变得越来越薄,和不同的几个原子可以在功能和产量有很大的影响。因此,它就变成了经济必须识别比过去更多的变异来源。

“你总是设计尽可能多的变化的一个过程,“Suk Lee说的高级主管台积电的设计基础设施管理部门。“随机变化已经在制造一个大问题。所以你做事情喜欢通过TCAD通道位置,并攻击它无处不在。和你想要设计出尽可能多的随机变化,特别是对超低电压和所有不同的角落。但是当你进入这些领域,你处理更多的自然变化。”

在绝对数字,半导体行业已经减少它所认为随机变化。但在每一个新的节点公差变得明显收紧,特别是finFETs,gate-all-around场效应晶体管,multi-chip包。

“随机变化的幅度下降超过随机变化的数量上升,这些都是化学计量学材料或辐射的变化是否影响电气性能的设备,“切特雷诺克斯说,主任为新技术和研发过程控制解决方案心理契约。”的一个典型的例子包括推断统计学EUV。因为我们是运行在利润率的手抓得越来越紧,先前的随机变化,我们能够容忍,我们不再能够容忍。不过,这并不是真正的新。我们已经在过去的30年里,这样的一个环境,代过程严格过程窗口。过程开发只是尽可能多的关于减少变异,它是关于寻找合适的集成方法和调优您的晶体管。我们这样做已经很长时间了。减少变异是我们的商业模式的关键。”

这是很重要的,因为随机变量也可以以意想不到的方式相互作用与其他随机变异。

“在固定金额,变化已经下降,”大卫说炸,计算产品的副总裁林研究/ Coventor。“如果你比较全变差通道的长度在5纳米CMOS和60纳米CMOS,更先进的技术的绝对差异要小得多。但是如果你谈论变化作为名义上的函数,我们保持不变或变得更糟。随机变化更大比例的总体价值比以前,即使在绝对数量上它已经下降。还有各种各样的组合变化,我们之前从未有过。每一个可能是大幅收紧,但有很多变化在复杂的方式相互作用,规范太紧,可靠性需求的方式可以打破你从未考虑。”

更严格的公差的原因之一是介电绝缘,这在某些情况下,现在以个位数的原子的数量。

“新的集成方案和扩展方法需要精确的超薄薄膜淀积成堆,“说Niranjan Khasgiwale,副总裁成像和过程控制应用材料。“例如,在的情况下MRAM一些必须只有8到12层原子高,薄膜均匀性与方差小于单个原子的高度。一些失踪的原子,可以随机波动,可能会导致一个重大电气性能的变化。”

图1:我们的目标是线性行为,在这种情况下涉及一个超薄钽薄膜。来源:应用材料

经济的比例
业务案例寻找这些类型的问题千差万别。流程节点,这取决于应用程序和是否有单片或多个芯片放到包中。

“这就是为什么你会看到更多的计量在高端设计,因为你想在晶圆厂从收集数据过程控制和CD控制之间的叠加,”沃伦•弗莱克说,副总统在全球范围内的应用程序Veeco的欧泰克。“但是当你添加的步骤,需要你购买更多的设备,这需要更多的时间,所以你需要得到更高的产量和更好的可靠性,帮助抵消成本。在低端芯片没有那么多钱花在计量,有很多但一般矫正错误,都是随机的。在某种程度上,不值得解决的合理损失收益。”

与新技术尤其明显,可靠性指标是高度依赖于应用程序。这是真的即使印刷电子产品,没有标准化的测试程序。因此,需要应用于专业领域确定可以保持“随机”和变化需要追溯到根源。

“每次我们现成的产品,我们发现缺陷,然后它需要专业知识,让我们更容易接受的东西,”说将石头,印刷电子集成和业务主管布鲁尔科学。“我们高度垂直整合。允许我们直接材料的设计师说,“这很好,这就是需要固定。”,非整合公司的可以是一个真正的挑战。”

些什么被认为是随机变化可以通过更严格的测试和解释检查和解决或避免,但这也需要时间出现在现实世界的应用。

“仍然有很多体检要求,”斯通说。“在传感器的世界里,我们会让成千上万的样品,但仍有很多身体检查和测试。我们看自动化,确保一个FHE(灵活的混合电子)电路组装正确,环氧奉行正确。”

先进的包装方程中增加了另一个元素,因为即使在低端应用程序在多个芯片的成本变化明显高于单个芯片。

“当我们扩展到先进的包装,酒吧转变为当你花太多的钱和时间,”特帕兰杰佩说,Veeco的首席技术官。“你可能随机性因素你不能理解或控制,每个因素都有自然的变化。所以随机变化可能提高更好的热控制或layout-dependent。问题是你愿意投资多少来解决这些问题。”

可靠性问题
高安全性的应用程序时,使用复杂的芯片的逻辑自治或辅助驾驶等,增加了新的随机变化的担忧,尤其是advanced-node设计。在过去,芯片开发的尖端在极端条件下节点从未被使用。所有这些已经改变了在努力构建日益自主车辆因为人工智能逻辑芯片需要尽可能多的死区迅速处理数据。最重要的是,责任问题尤其高在这个市场,这就是为什么汽车制造商要求这些芯片执行规范至少18年了。

“你必须找到问题之前产品的资格,”林的油炸说。“你不能等待十年来发现一个问题。这是高电压测试。如果芯片设计运行在1伏在85ºC,这是它的正常状态。所以你这部分在1.6伏特在125ºC运行两个月在烤箱,和模拟的15年的实际使用中测试。这就是之前你把这些缺陷产品的资格。问题是它变得很难模拟的加速度条件和不瞬时损伤。随着节点变得越来越先进,弄清楚这些条件将变得越来越困难。应用程序需求上升。技术变得越来越小,越来越复杂。 So it makes it more difficult to accelerate defects. There is more data and more processing needed to bring out defects early.”

之间的交叉随机变化和可靠性并不新鲜,但减少随机变化的可靠性过去经常被漠视。

“可靠性是收益率曲线的尾巴,“油炸说。“想想两个导体隔开一个小介质,事实上,这些导体的分离有一些变化。也许电介质的公称厚度是15海里,你知道你有一个潜在的可靠性问题如果厚度下降到7海里。你可能不得不设定一个屈服极限9 nm左右在时刻0来掩盖自己。可靠性要求等关键应用程序的自动驾驶系统,您需要构建在一个更大的产量缓冲区因为可靠性的影响失败如此重要的原因。”

解决这个问题变得更严格的在每一个新节点,随着越来越多的芯片从这些先进节点用于对安全性要求苛刻的应用程序。

失败“你可以追溯到他们所有的个人根源和他们如何驱动可靠性机制,”他说。“你也可以积极屏幕测试在输出端和接受变化,你将无法追溯为单独的过程控制。所以你做事情喜欢高电压测试,你想尽早赶出缺陷。越来越多,你需要两个钉。你追溯到个别差异和收紧,但你意识到你永远不会得到所有。您将需要一个积极的姿态在筛选,高电压测试,这样的计划。”

在汽车应用程序中,这是一个双重打击。过程保证金一般是由设备性能和可伸缩性,但汽车制造商想削减成本和减少这些系统。重点是更少的利润,更少的冗余,并最终减少体重。

“理解随机变化的来源很重要,为了实现正确的策略,以检测和纠正偏差,导致窄分布,这样可以实现过程能力指数(肌酸磷酸激酶),”应用的Khasgiwale说。”过程系统生成大量的数据,在过去大部分未使用因为窗户较大或有有限的旋钮在过程系统对信息做出反应。然而,现在很多的关注减少未知数,和设备供应商正在处理缩小过程windows在许多方面。”

解决方案中Khasgiwale引用使用第一原理模型和新材料和化学反应达到收紧,可重复的过程;发展中最有名的方法来维护室和工艺条件在狭窄的窗户,并添加更多的传感器设备,以及更多的过程旋钮,相关过程的精细控制。

机器学习有助于在这一领域,因为它可以用来识别数据中的模式,没有明显的人类。

”随着传感器和旋钮数量的增加在每个系统上,映射出进程空间变得困难的使用一个简单的实验设计(DOE),“Khasgiwale说。“原始设备制造商正在实施新的AI /毫升的方法绘制出多维空间过程,使系统保持在目标甜点。”

成本问题
所有这一切是有代价的,什么是可以接受的可能差别很大从一个供应商到另一个,和从一个产品到下一个。

“有系统的产量损失因果关系,参数成品率损失有限,还有随机产生损失,这是一个系统的损失,你还没有发现,”约翰·Kiberian说的首席执行官PDF的解决方案。”,可能是由于污染的商会或其他元素,但总会有一定数量的产量损失的成本大于效益改善这个问题。有本质上随机的东西。如果你开始挤压下翅片的大小,有少数原子掺杂鳍。如果您添加一个或多个原子到鳍你做一定程度的变异。但一般来说,你开始寻找方法的去除需要任何因素。可能是散粒噪声随机性照片抗拒。但是当你开始计算粒子或光子和少量的那些,你会得到一定程度的随机性系统中,必须采取与材料,过程或电路创新。所以你将生活在一定水平,你删除任何未来的可变性来源节点。”

这就是能够调整过程是至关重要的。

“过程系统不断努力减少可变性与传感器、计量、软件和流程旋钮,“Khasgiwale说。“变化的随机性质意味着需要更多的取样。需要开发新的检验和计量系统,例如,提供大规模的抽样。同样,测量往往需要发生过程和在真空中,尽可能多的新电影和材料堆栈迅速降低暴露在大气中的杂质。”

所有这些在每个新节点就变得更为重要。

“我们从10 nm - 7 5 nm 3海里,流程规范变化越来越小,我们投入的传感器的工具必须支持更高的精度和分辨率,“油炸说。“你通常做的事情现在单频光检测器必须使用全光谱光学检测。这些传感器在一个更高级的方法检测更精细的分辨率。增加的数量和复杂性的数据你需要找到潜在的可靠性问题。有更多的数据点和尺寸数据,以及不同的结构和格式的数据。传感器技术的增量增加了每一层的复杂性的解码信息。”

结论
随机变异存在于所有设备、材料和制造工艺。不是所有的行为举止。一个α粒子在内存中可以翻转,和不同的环境条件可能暴露意外的行为,如在28 nm芯片上的高温引起的性能提升。

但大部分分为随机是未知的,而不是真正的随机,有一个成本识别异常行为的原因。在越来越多的情况下,它成为必要更深入地探讨这些原因,和这一趋势可能会继续有什么错误的成本持续上升。

有关的故事
变异成长更广泛和深入的问题
新来源,高安全性的应用程序和更严格的公差时提高工厂内外的新问题。
变化在10/7nm
为什么现在的中间线是一个大问题。
变化的长触须
曾经是别人的问题是现在所有人的问题。
可变性和成本控制在3海里
林的首席技术官谈论如何更多的数据、技术进步和新材料和生产技术将在多个方向延伸扩展。
变异知识中心
头条新闻、视频、博客、白皮书上变化