a, Principio de funcionamiento del método demostrado. Las muestras sometidas a prueba fueron dispositivos semiconductores multicapa con capas alternas de óxido (SiO2) y nitruro (Si3N4) sobre un sustrato de silicio. Para obtener los datos espectroscópicos, Se utilizaron elipsómetros y reflectómetros comerciales instalados en las líneas de producción de semiconductores. Para el modelo de aprendizaje automático, Los datos espectrales medidos y el espesor de cada capa se utilizaron como entrada y salida, respectivamente. B, Resultados de la predicción de espesor para las 23 muestras de prueba. El grosor previsto (círculos rojos) coincide bien con el grosor real (triángulos azules), independientemente del material o la posición de la capa, con un RMSE de predicción promedio de aproximadamente 1,6 Å. C, Resultados de detección de dispositivos atípicos. Se prepararon diecisiete muestras normales y dos muestras atípicas para la prueba. Todas las muestras normales y atípicas se clasifican correctamente. Crédito:Hyunsoo Kwak, Sungyoon Ryu, Suil Cho, Junmo Kim, Yusin Yang, y Jungwon Kim
Con la reciente y explosiva demanda de almacenamiento de datos, que van desde centros de datos hasta varios dispositivos inteligentes y conectados, la necesidad de dispositivos de memoria más compactos y de mayor capacidad aumenta constantemente. Como resultado, Los dispositivos semiconductores ahora se están moviendo de 2-D a 3-D. La memoria flash 3-D-NAND es el dispositivo semiconductor 3-D de mayor éxito comercial en la actualidad, y su demanda de apoyo a nuestro mundo basado en datos está creciendo exponencialmente.
La ley de escala para dispositivos 3-D se logra apilando más y más capas de semiconductores, muy por encima de 100 capas, de una manera más confiable. Como cada espesor de capa corresponde a la longitud efectiva del canal, La caracterización precisa y el control del espesor capa por capa es fundamental. Hasta la fecha, Desafortunadamente, no destructivo No ha sido posible medir con precisión el espesor de cada capa de esta estructura de cientos de capas, lo que establece un cuello de botella serio en el futuro escalado de dispositivos 3-D.
En un nuevo artículo publicado en Ligero:Fabricación avanzada , un equipo de ingenieros del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) y Samsung Electronics Co. Ltd., dirigido por el profesor Jungwon Kim de KAIST, Corea del Sur, ha desarrollado un método de caracterización de espesores no destructivo mediante la combinación de mediciones espectrales ópticas y aprendizaje automático. Aprovechando la similitud estructural entre las pilas de semiconductores multicapa y los espejos dieléctricos multicapa, mediciones ópticas espectroscópicas, incluidas las mediciones elipsométricas y de reflectancia, estan empleados. Luego, el aprendizaje automático se utiliza para extraer la correlación entre los datos de medición espectroscópica y el grosor de múltiples capas. Para más de 200 capas de apilamiento multicapa de óxido y nitruro, el grosor de cada capa sobre toda la pila podría determinarse con un promedio de aproximadamente 1,6 Å de error cuadrático medio.
Además de la determinación precisa del espesor multicapa en condiciones normales de fabricación, que es útil para controlar los procesos de grabado y deposición, El equipo de investigación desarrolló otro modelo de aprendizaje automático que puede detectar valores atípicos cuando los espesores de capa varían significativamente del objetivo de diseño. Usó una gran cantidad de datos espectrales simulados para un entrenamiento más efectivo y económico, y podría detectar con éxito los dispositivos defectuosos y la ubicación exacta de la capa errónea en el dispositivo.
"El enfoque de aprendizaje automático es útil para eliminar problemas relacionados con la medición, "dijo Hyunsoo Kwak, estudiante de doctorado en KAIST y primer autor del estudio. "Al utilizar datos espectrales inyectados de ruido como entrada al algoritmo de aprendizaje automático, Podemos eliminar varios errores de los instrumentos de medición y cambios en las propiedades del material en diferentes condiciones de fabricación. "añadió.
"Este método se puede aplicar fácilmente para la inspección total de varios dispositivos semiconductores 3-D, "dijo el profesor Kim, "lo que queda ejemplificado por el hecho de que todos los datos utilizados en este trabajo se obtuvieron en líneas de fabricación comerciales 3-D NAND de Samsung Electronics".