阿里巴巴领投，乐言科技完成2亿元C3轮融资，
06-17
半导体技术正在从2D发展过渡到3D发展，器件结构也在向更多层次发展。
由于将日益复杂的新设计投入生产变得越来越困难，因此产品正在加速推向市场。
提高良率已成为芯片制造商面临的首要问题，他们正在寻找加快产品推出速度并实现最佳良率的方法。
为了满足半导体技术发展的需要，业界开发了许多创新的缺陷检测和分析技术。
应用材料公司在SEMICON China期间新发布的SEMVision G7缺陷分析系统不仅具有高分辨率成像和先进的机器学习自动缺陷分类能力，还具有独特的晶圆边缘斜角和侧面位置成像能力，还改进了A光源和开发了无图案晶圆采集系统，实现18nm缺陷的光学检测。
同时，SEMVision G7将设计数据与集成的自动缺陷分类系统相结合，加速分析工艺缺陷的根本原因，加快提高产能和良率所需的时间。
SEMVision G7全面提升缺陷检测和分析能力。
应用材料公司成像与过程控制部产品营销经理GUY GICHON和应用材料公司成像与过程控制部SEMVision产品系列经理王伟介绍了过程诊断与控制部产品SEMVision系列缺陷审查应用材料公司。
分析产品全球营销经理Guy Gichon先生表示：应用材料公司是缺陷检测和分析市场的领导者。
自2016年推出SEMVision检查机以来，近20年来一直处于市场领先地位。
截至今年3月，应用材料公司已推出第七代SEMVision检测系统，全球共有100多台机器。
随着每一次新产品的推出，应用材料公司都会引入最新的检测技术，引领整个检测设备的发展。
检查机最关键的部分是成像、分类、分析三个部分。
SEMVision G7分三部分引入了新技术，全面提升了系统的缺陷检测和分析能力。
Guy Gichon 详细介绍了每个部分的创新和改进。
第一部分：成像首先要能看到缺陷，即设备需要有非常好的成像能力。
在SEMVision G7中，应用材料公司在成像方面做出了三项改进： ü 首先，针对FinFET或3D芯片结构推出了更先进的成像能力。
ü 其次，为了良率控制，需要检测晶圆的边缘斜角和侧面，因此推出了新的晶圆边缘和侧面成像系统。
ü 第三，推出了新的光学检测系统，用于无图案晶圆检测，可以检测更小的缺陷。
电子显微镜成像的核心是用电子束轰击材料表面，然后收集二次电子和背散射电子进行成像。
SEMVision G7 结合了 G6 平台的成像基础和高分辨率。
此外，当今的工艺引入了一些非常敏感的材料。
如果采用高电压成像，会有一定程度的损伤，因此应用材料公司推出了V成像系统，以保证低电压条件下的成像质量。
同时，对于3D结构来说，许多缺陷都位于结构的底层。
这时候就需要能够看透底层和下层的缺陷。
因此，应用材料公司推出了15Kv高压成像，这样从“低压”到“高压”都能提供稳定的成像能力。
对于长宽比较大的孔，SEMVision G7 还可以对最底部的一些信息进行成像。
对于FinFET结构，需要倾斜角度来观察缺陷位于整个结构的哪一部分，因此SEMVision G7还推出了通过eBeam倾斜进行成像的系统。
此外，G7还拥有从一定程度上描述缺陷的成像技术。
这些是SEMVision G7的主要成像特点。
第二部分：分类 在整个过程控制中，第一步是提供缺陷图像，然后需要对缺陷进行分类。
过去，工程师先进行分类，然后进行质量控制。
但随着技术越来越先进，测试的样本量越来越大，分类的难度和数量也会越来越重。
因此，应用材料公司此前在G6平台上推出了名为Purity ADC的自动缺陷分类（ADC），可以确保80%的缺陷由系统自动分类，而剩下的20%由手动分类。
现在应用材料公司的SEMIVision G7推出了Purity II ADC，提高了机器的学习能力，增加了“重新学习”的过程。
以往ADC的分类主要是根据成熟的生产工艺条件——即系统收集大量稳定的数据建立分类模型进行分类。
但现在这个过程正在不断变化。
例如，在研发和改进阶段不可能保持稳定的流程。
这时候机器需要有一套自学习能力来适应这种变化并提供稳定的分类。
此外，针对一些非常重要的关键缺陷，G7重新设计了新引擎，可以进行“优先级”设置来突出显示并确保这些重要缺陷被提取出来，不会被遗漏。
然后，引入了 CAD（即设计数据），可以进行更精细的缺陷分类，从而实现更好的质量控制。
第三部分：分析 以前，在对缺陷进行分类和管理后，工程师需要进行离线分析，并手动确定是否需要进行更深入的研究。
现在SEMVision G7将整个分析系统集成到检测机中，这意味着检测和分析可以同时进行。
此外，SEMVision G7全新的封闭式分析系统可以让整个分析更快地发现缺陷和原因。
帮助客户更快地识别整个缺陷对良率的影响。
应用材料公司对SEMVision G7做了一些改进：首先，基于Purity II ADC，将图像结合大量数据进行分析，并结合层映射设计的CAD信息，可以映射每个工艺流程到图像。
在层上，你可以看到缺陷的原因，然后提高相应工艺的良率，而无需查看整个工艺流程。
第二点是，通过叠加CAD数据信息，可以判断一个缺陷是否是关键缺陷，从而有助于预测这个缺陷对未来后续的影响。
这种“位置信息”用于识别缺陷，然后加速分析缺陷原因，同时能够预测对未来良率的影响。
Guy Gichon先生强调：SEMVision G7将整个分类引擎集成到检测机中，可以在检测缺陷的同时进行分类，同时进行自动分析和判断。
也就是说，当检测晶圆退出机器时，工程师不仅可以获得整个缺陷的检测图像，还可以获得其分类的结果。
可能还有一些图像和成分分析等信息需要额外的检查条件。
即工程师得到了他需要的所有分析结果，他可以直接做出判断。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-06
06-18
06-18
最新文章
英特尔收购芯片制造商eASIC，进一步减少对CPU的依赖
西门子携手现代汽车、起亚公司，共同推动交通运输行业数字化转型
行业领导者制定 Open Eye MSA 来帮助实现高速光连接应用
三星电子和 NAVER 合作
意法半导体和 Leti 合作开发 GaN-on-Si 功率转换技术
青岛将大力发展高世代TFT-LCD和Micro LED项目
长电科技参加IMAPS器件封装大会
三星正式发布Exynos 990旗舰处理器