变异的长，扭曲的尾巴恶化在7/5nm

在每一个新的节点上，变异都成为一个更大的挑战，但并不仅仅是因为显而易见的原因，也不总是来自通常的来源。然而，处理这些问题需要额外的时间和资源，并且可能会影响这些芯片在整个生命周期内的性能和可靠性。

在高层次上，变异从历史上看，它被认为是设计团队在芯片中想要的东西与制造芯片中实际出现的东西之间的不匹配。铸造厂提供了一组工艺规则，用于EDA公司和设计师对这些差异进行调整。设计团队和晶圆厂通常会添加他们自己的guard-banding确保芯片按预期运行，并解决所有可能的问题。

这种方法在多个方面都越来越难以维持。在过去的四个过程节点中，与过程相关的角落数量一直在稳步上升(见下图1)。与此同时，公差噪音在每一个新的节点上，由于功率和晶体管密度的增加，更薄的电介质，以及更多永远开着的电路，各种各样的电路都在下降。

图1:与流程相关的角落正在增加。来源:eSilicon

更糟糕的是，变异的来源更多，类型也更多。

图2:变异例子。来源:KLA-Tencor

“变化有许多不同的口味，”David Fried说Coventor。“印刷是一个重要因素，也是一个热门话题。这并不是所谓的“折线”，而是名义上设计为相同尺寸的线条，打印和制造的尺寸略有不同，因此表现不同(即使设计师希望它们表现相同)。在这个部分的问题中不仅仅是光刻。光刻技术,沉积在图案方面，蚀刻和清洁都是一起工作的。但变异也以看似无形的方式出现。有时芯片或晶圆上的热变化会引起材料的变化，比如掺杂剂扩散。这会导致整个设计中的电学行为变化，这也是设计师意想不到的。有很多不同的方式可以引入变化。理解这些机制并分析它们的影响——跨芯片、跨晶圆、晶圆对晶圆——对开发生产技术至关重要。”

平的问题
光刻技术是任何关于工艺变化的讨论的一个明显的起点，因为它是变化成为整个芯片行业的主要问题的第一个地方。晶体管密度越大，所需的掩模层就越多，这几乎保证了变化将悄悄进入过程。这是正确的，无论它涉及EUV扫描仪，这可能是不同的下一个，或193浸没过程，其中多个掩模必须覆盖，以实现单个图像，可以在一次使用EUV完成。

除了工艺变化外，面具本身也有变化。光掩模是为一个规范开发的，该规范包括分配给掩模制造过程的“误差预算”。因此，掩模集成了掩模和晶圆工艺的误差预算。

"标准电池和互连还有过孔和联系人都是根据设计规则设计的，而设计规则又是通过仔细研究可以根据晶圆和掩模规格可靠地制造出来的。阿基》， CEOd2。“如果晶圆上的工艺变化可以控制在0.1nm而不是2nm，那么标准电池(或任何电路)的速度和功率规格在指定角落的变化就会更小。弯道，依次驱动RTL设计,合成为了设计一个以目标速度运行的芯片，确保信号从一个时钟设备(级)准时传递到下一个时钟设备(级)，并且信号在那里停留的时间足够长，以便下一个时钟周期到达。在允许公差和误差预算的规范交换链中，许多不同的人进行了令人难以置信的协调，从而使半导体能够可靠地设计和制造。”

需要特别关注的一个领域是不同的蒙版层如何结合在一起。

应用材料蚀刻产品战略副总裁Uday Mitra表示:“限制缩放的最关键因素不再是分辨率，而是由边缘向任何方向移动引起的边缘放置误差(EPE)，这会导致层之间的垂直错位。”“造成这种情况的主要原因是光刻的变化来源，包括覆盖，CD均匀性和线边缘粗糙度以及蚀刻和沉积的工艺变化。工艺变异性包括CD均匀性和型材形状均匀性。芯片中可变性挑战的一个例子是通孔的对齐，其数量可达1000亿。一个偏差就会影响可靠性。”

在过去，ITRS被用来协调误差预算和公差。自从它被放弃以来，该行业一直在努力寻找一种一致的方式来解决这些问题。统计模型正在为未来的发展进行研究，但到目前为止，该行业还在坚持现有的模式。

藤村说:“要使半导体工艺有用，它必须是可靠的可制造的。“当人们谈论3nm节点时，他们的意思是3nm器件可以可靠地制造。对口罩进行检查和维修，这也提高了可靠性。有些设备具有冗余和容错，因此由于设计的原因，可以容忍制造可靠性不高的情况。这是造成一种应用程序适合而另一种应用程序不适合的部分原因。Nanoimprint光刻例如，(NIL)仅适用于Flash和其他容错应用程序。”

材料
光刻只是变化饼的一个切片，它由来自许多不同领域的可接受的分布水平组成。这越来越多地包括材料，它们有自己独立的供应链。在每个新节点上，这也变得更加难以处理。

公司质量工程经理Julie Ply说:“这就像朝着一个移动的目标改进，因为在完全理解前一个水平之前，杆已经大幅移动了。布鲁尔科学。“挑战在于找到变异的来源。在每个节点上的测量都越来越困难。所以在你弄清前一个节点上发生了什么之前，你已经到了下一个节点那里的容差是原来的100倍。最重要的是，我们可能会发现离子更敏感。这并不意味着变异在过去不存在，但我们没有看到它。现在一切都变得更严格了，但我们也越来越接近极限计量。”

这就产生了一个问题。公司新产品和解决方案副总裁Klaus Schuegraf说:“有一些技术可以管理变动性PDF的解决方案。“但要解决这个问题，你必须能够看到它。我们坚信，如果你无法衡量它，你就无法管理它。”

整个行业正在从通过检验和计量的纯观察转向观察和数据分析相结合。这是由机器学习，其目标是建立可接受的变异参数的分布。

最大的机会是能够进行预测分析，”Brewer的Ply说。“对我们来说，这是一个持续的项目。我们希望能够预测下一批材料的性能。原始数据是最大的信息来源之一。供应商提供的数据越多，数据就越一致。”

产生的问题
产量可能是变异中最不为人所知的方面，因为它并不总是有明确的因果关系。

“如果变化太大，收益就会很低。联华电子。“晶圆代工厂总是提供PDK，其中包括工艺变化，这基本上是设备的余量。如果工艺变化很大，覆盖范围就需要很大，你就需要扩大设备。”

他并不是唯一一个看到这一点的人。"在很多方面，可靠性只是收益率曲线的尾部，" Coventor的Fried说。“如果你想到一条互连线，由于某种原因，表现出比预期(标称)更高的电阻，如果这种变化足够小，那么芯片设计就可以包含这种影响。如果这种变化足够大，设计就会在测试中失败。但是，在这些情况之间的某个范围内，设计最初可以接受，但后来由于老化或其他时间依赖的影响而失败。这被称为“可靠性故障”，因为它没有在时间为零时被发现，但在许多情况下，它源于yield退化的相同影响。随着新设计的实现，失败将以不同的方式表现出来，因此拥有更可诊断和更容错的设计将非常重要。但与大多数挑战一样，这需要通过设计、流程和集成解决方案的结合来解决。”

这样做有重要的商业原因。处理变化放慢了整个制造过程，这反过来增加了消耗库存所需的时间。此外，收益率并不像芯片工作或失效那么简单。不符合OEM规格的芯片仍然可能在Tier 2和Tier 3产品中有用。

UMC的Chen说:“如果你观察到2号和3号箱子里的芯片数量太多，你要么增加库存，要么增加风险。”“风险越来越高。所以变化会影响你的整个商业战略。”

变异也会以不同的方式影响不同类型的芯片。这一问题在一些人工智能芯片上尤为明显。

PDF的Schuegraf说:“从性能的角度来看，你担心的是器件性能在关键路径上的跨领域变化。“所以你可以用一个关键路径连接晶体管的一边和另一边，这些需要在一定的公差范围内进行控制。跨领域是一个主要问题，因为有些AI芯片是全领域的。场地面积约为600或700平方毫米。这是一个巨大的骰子。所以你有了设备的可变性。而在7nm处互连是非常拥塞的，因此人们引入了中间金属层来缓解栅极和漏极接点之间的拥塞。漏极触点现在是条形(矩形/椭圆形vs.方形/圆形)，因此您可以获得更好的接触电阻和更少的可变性。结果是栅极和漏极之间有更多的电容。但是当你有一个金属棒在里面时，你必须在源和漏上加一个触点。 The way you do that is to add another metal layer. That adds variability. The覆盖很紧。所以当它移动时，电阻会改变。随着覆盖层的改变，电阻也随之改变。现在你有了一个全新的可变性来源。所以你解决了一个问题，又制造了另一个问题。”

这只是人工智能芯片的情况，它们往往是由相同的逻辑和内存元素组成的数组。其他芯片也有自己独特的问题。

Veeco公司Ultratech事业部高级光刻应用副总裁Doug Anberg说:“从逻辑上讲，变化的影响更多的是产量和泄漏。“对于记忆来说，这是你控制和管理压力的方式。和3 d(包装)，有一个新的重点在关键层。”

特定于应用程序的问题
虽然变化影响所有流程节点，但最大的挑战是在最高级的节点上，因为流程仍然不成熟。这在汽车电子领域尤其成问题，oem和一级供应商正在开发基于10/7nm技术的辅助驾驶和自动驾驶系统。

“零缺陷成功的一个更大的障碍是所谓的‘潜在缺陷’，”罗伯·卡佩尔(Rob Cappel)说KLA-Tencor。“这些缺陷的大小或位置可能最初不会杀死模具，或者它们可能位于未测试的模具区域，这是复杂soc日益严重的问题。因此，有风险的模具通过了电气测试，并“逃逸”到供应链中。高热量、高湿度和高振动的苛刻汽车环境有时会“激活”这些潜在缺陷，导致过早故障。长期以来，该行业一直依赖电气测试作为剔除不良模具的方法，但潜在缺陷通过了电气测试，因此需要其他方法来阻止成本较低的源头附近的逸出。据业内估计，每经过一层集成(晶圆厂、测试、电路板、系统、汽车0公里、保修、召回)，逸出的成本就会增加10倍，这促使人们强烈地寻找晶圆厂潜在的缺陷。”

Cappel指出，变异性是潜在可靠性缺陷的一大来源，尤其是与光刻图样有关的变异性，包括CD、覆盖层、线边缘粗糙度和局部光刻变异性。“这些变化的来源可能会导致部分空隙或桥梁，然后在极端的汽车操作环境中发生故障。同样的情况也适用于蚀刻(部分蚀刻)和CMP (CMP碟形)的任何模式问题。基本上，工艺中可变性的增加会导致更小的工艺窗口和更多的良率和可靠性故障。在零缺陷程序中，可变性必须显著降低，而且随着设计规则的缩减，这变得更加困难。”

在这一点上似乎有广泛的共识。D2S的Fujimura说:“在最先进的节点上，情况肯定会变得更糟——糟糕得多。”“这就是为什么随着时间的推移，需要越来越多类型的模拟和验证。EUV在未来某个节点上的随机噪声问题将是另一个重要因素。但当晶圆厂为5nm工艺做好准备时，这意味着他们已经准备好制造可靠地遵守其设计规则的设计。所以，从这个意义上说，问题不会变得更糟。但这是根据定义的。我猜你会说挑战会变得更糟，但他们会令人惊讶地做到，所以芯片最终仍然是可靠的，尽管变化增加了。”

尽管如此，由于极端环境和安全关键的设计要求，汽车增添了一些独特的变化。

应用材料公司的Mitra说:“可变性会影响TDDB(随时间变化的介电击穿)等可靠性。“某些芯片的可靠性要求更高，比如用于汽车的芯片，因此避免功能错位至关重要。我们控制过程的能力是有物理限制的，所以所有的设备都会有一定的变化。唯一的解决方案是使设备的关键部件，如通孔和触点，对这种变化不敏感。自对准是解决EPE的关键，我们看到行业正在迅速转向自对准技术，以形成各种结构，如门触点和通孔。但这需要新的材料。基于lithobase的解决方案是不够的。随着先进节点对所有设备类型提出挑战，具有选择性功能的材料支持解决方案现在对于持续扩展至关重要。”

这标志着汽车行业的一个重大变化，特别是先进节点芯片被用于辅助和自动设计的逻辑。

“汽车曾经是一项落后的技术，”PDF的Schuegraf说。“有了自动驾驶汽车和ADAS系统，你需要人工智能。您需要底层的高性能计算。可靠性、多芯片和汽车是大问题领域。问题是如何发现可靠性故障。我们正在那里进行PPM/PPB水平的工作，以发现生产中的缺陷。典型的可靠性是浴缸曲线。如果你从来没有在老化时达到那么低的失败率呢?你是否愿意承担风险并将产品运送出去?如何优化老化期?”

然而，并非所有汽车行业都在向更小的节点转移。在某些情况下，由于变化，技术正在向另一个方向发展。不过，这需要一些复杂的权衡。

“你可以用六西格玛设计最小化每一个变化的影响，”UMC的Chen说。“但你也可以在一个较老的节点上实现同样的三西格玛。芯片更大，但更稳定，你可以把变化最小化。因此，在12英寸的晶圆上，你可能会在中心得到更好的均匀性，但在边缘就比较困难了。如果你从300mm移动到200mm，你可以最小化变化。

其他问题
在可以采取措施的情况下发现与变化相关的问题比在事后发现问题要困难，因为在生产过程中收集的数据可以进行分析。

KLA-Tencor的Cappel说:“没有一个检测或测试系统是完美的。“但导致汽车IC可靠性故障的潜在缺陷与随机缺陷直接相关。如果使用适当的检查工具、抽样策略和方法来发现和减少随机缺陷，晶圆厂就有更高的概率在内联发现这些可靠性问题。制造整体缺陷较少的设备的最佳方法是通过采用持续改进程序来密切控制工艺，以减少工艺工具或环境引入的随机缺陷。这就需要实现基本的基准产量提高技术——工具监控和划分。虽然晶圆厂多年来一直采用这些策略，但现在必须将其提高到更高的标准，以实现提高IC可靠性所需的较低缺陷水平。第二种方法是确保对流程进行足够频繁的采样以提供可跟踪性。当不可避免的工艺漂移发生时，零缺陷晶圆厂明确知道问题从哪里开始和停止，并可以隔离受影响的部件，直到它们能够有效地转移或剔除。”

还有一些其他的影响不在规则组中。

Schuegraf说:“更高的可变性意味着你需要更大的力量来克服。”“本质上，如果VT或电阻是可变的，你需要设计最坏的情况(高VT或高电阻)。这需要更高的VDD或更大的设备(更多的IDSAT)。所以在这两种情况下，你都增加了功率需求。”

不过，这也会带来问题。“有些问题是‘超时’影响电迁移藤村说。“这些问题会随着时间的推移而发生，所以它们通过了最初的测试，但随着时间的推移会失败。在很多方面，这些都是最糟糕的错误。有EDA工具可以捕捉这些错误，因此可以在制造之前对设计进行修正。然而，大多数生产变化问题不是“超时”影响。统计上的变化会导致几何实例失败(或与期望的形状有足够的差异)，所以它从一开始就表现异常。”

结论
变异不是一个新现象，但它确实是一个日益重要的问题。

弗里德说:“许多挑战实际上是看不见的。“而且，由于现在设计和技术的复杂性，您经常无法在检查中对足够的区域进行抽样，从而真正捕捉到所有缺陷。随着技术越来越小、越来越复杂，这一挑战也越来越大。”

虽然这不会限制最先进节点的设计，但变化带来了另一组障碍，推高了成本。虽然有些在过去可能会被忽视，但现在越来越多的人开始关注了。