Реклама
Home Hardnews Applied Materials включает искусственный интеллект в процессе проверки пластин

Applied Materials включает искусственный интеллект в процессе проверки пластин

Реклама


Усовершенствованные конструкции системы на кристалле чрезвычайно сложны с точки зрения количества транзисторов и их сложно построить с использованием новейших производственных процессов. Стремясь сделать производство микросхем следующего поколения экономически целесообразным, предприятиям, производящим микросхемы, необходимо обеспечить высокий выход продукции на ранних этапах своего жизненного цикла за счет быстрого обнаружения и исправления дефектов.

Реклама

Но сегодня найти и исправить дефекты непросто, поскольку традиционные инструменты оптического контроля не обеспечивают достаточно детального разрешения изображения, а инструменты электронного и многолучевого контроля с высоким разрешением работают относительно медленно. Стремясь преодолеть разрыв в затратах и ​​времени на инспекции, Applied Materials разрабатывает технологию под названием ExtractAI, в которой используется комбинация новейшего оптического инспекционного инструмента Enlight, системы обзора электронного луча SEMVision G7 и глубокого обучения (AI) для быстро найти недостатки. И что удивительно, это решение используется уже около года.

«Новая книга Applied для управления процессами сочетает в себе большие данные и искусственный интеллект, чтобы предоставить интеллектуальное и адаптивное решение, которое ускоряет время наших клиентов для достижения максимальной отдачи», — сказал Кейт Уэллс, вице-президент группы и генеральный менеджер отдела визуализации и управления процессами Applied Materials. «Объединив наши лучшие в своем классе технологии оптического контроля и проверки eBeam, мы создали единственное в отрасли решение, обладающее интеллектом, позволяющим не только обнаруживать и классифицировать критические дефекты, но также обучаться и адаптироваться к изменениям процесса в реальном времени. уникальная возможность позволяет производителям микросхем быстрее наращивать новые технологические узлы и поддерживать высокую скорость выявления критических дефектов в течение всего срока службы ».

Обнаружение дефектов: важный шаг в производстве микросхем

Как высококонкурентная отрасль, полупроводниковая промышленность также чрезвычайно чувствительна ко времени. Современные компании должны разрабатывать новые микросхемы, исправлять их, а затем запускать их все в довольно сжатые сроки. В настоящее время на разработку усовершенствованного чипа уходят годы, а на изготовление партии — несколько месяцев. Одним из наиболее важных временных параметров является время выхода, то есть возможность обеспечить большое количество чипсов с достаточно высокими выходами. У разработчика микросхем может быть самая эффективная архитектура, но если они не смогут сделать ее в больших объемах, они все равно потеряют деньги и долю рынка. Даже литейные предприятия чувствуют это ущемление, поскольку время, необходимое для устранения дефектов и доведения линий до нормального состояния, составляет миллионы долларов только на амортизацию оборудования — ожидается, что одна неделя простоя фабрики на 3 нм будет стоить 25 миллионов долларов неамортизированных амортизационных расходов. Таким образом, достижение приемлемого времени для получения показателей во многом зависит от способности фабрики обнаруживать и исправлять дефекты, снижающие выход продукции.

Читайте также:
Ученые нашли древнейшего зверя

Поскольку большинство современных SoC изготавливаются с использованием чрезвычайно малых производственных процессов, многие из которых полагаются на многослойную печать и / или литографию в крайнем ультрафиолете (EUV), обнаруживать дефекты становится очень сложно. Applied Materials сообщает, что количество этапов процесса увеличилось на 48% с 2015 по 2021 год.

Между тем, небольшие отклонения и ширина линий могут привести к снижению урожайности, если они умножаются. Более того, если эти крошечные отклонения обнаруживаются поздно, все этапы процесса, выполняемые после того, как отклонение было внесено, по существу являются потерей времени и денег. Фактически, даже позднее обнаружение может считаться неудачей, так как выявить основную причину дефекта ИС с транзисторами FinFET, сделанного с использованием множественного паттерна, чрезвычайно сложно.

Так же, как сканеры, используемые для создания микросхем, инструменты контроля за эти годы претерпели значительные изменения. Но они также стали дороже, что увеличивает стоимость сканирования пластины. По данным Applied Materials, цена высококачественной оптической системы контроля за последние шесть лет выросла на 56%, что, в свою очередь, увеличило стоимость сканирования пластины на 54% за тот же период.

В результате индустрия фабрики сталкивается с проблемой-22. С одной стороны, ему необходимо проводить больше проверок (желательно после каждого этапа процесса), чтобы сократить время выхода продукции и повысить эффективность производства. Кроме того, производители микросхем всегда проводят непрерывное совершенствование процессов (CPI), чтобы повысить выход продукции и уменьшить колебания производительности / мощности, используя статистический контроль процесса (SPI), что также требует дополнительных проверок. Но с другой стороны, поскольку сегодня существует так много этапов процесса, а инструменты проверки настолько дороги, инженерам приходится ограничивать этапы проверки, чтобы не допустить резкого роста их бюджетов на управление процессом, что существенно увеличивает время выхода продукции и в то же время замедляет производство. Процесс ИПЦ.

Читайте также:
Не просто ребрендинг Ryzen 4000 Renoir

Еще одна проблема, с которой сталкиваются fab-инженеры, — это уровень шума, который улавливается современными средствами оптического контроля. В какой-то момент шум становится неотличимым от дефектов, снижающих урожайность, поэтому инженерам приходится применять определенные модели фильтрации, чтобы уменьшить количество наборов данных, с которыми им приходится работать. Естественно, это снижает их способность обнаруживать дефект на достаточно ранней стадии.

Использование ИИ для проверки пластин

Это подводит нас к технологии ExtractAI Applied Materials. Являясь одним из крупнейших в мире производителей производственного инструмента, Applied Materials имеет свои руки в широком спектре инструментов инспекции, включая инструменты оптического контроля и инструменты просмотра электронного луча. Таким образом, компания стремится использовать свой опыт в этой области, чтобы найти способ использовать обе технологии для смягчения недостатков каждого инструмента — быстрые, но ограниченные по разрешению инструменты оптического контроля, и медленные, но детализированные инструменты электронного луча.

С этой целью Applied Materials объединила свою новейшую систему оптического контроля пластин Enlight с новой технологией ExtractAI. Программное обеспечение ExtractAI по существу использует глубокое обучение (AI), чтобы попытаться лучше интерпретировать результаты оптических сканеров, обрабатывая оптические данные, используя свою систему просмотра электронного луча SEMVision G7 в качестве источника обучения и проверки результатов.

На бумаге все работает довольно просто. Система Enlight делает снимок пластины с высоким разрешением и быстро создает базу данных о потенциальных дефектах. Затем пластина отправляется в систему электронного луча SEMVision G7, которая отличает дефекты от шума и классифицирует дефекты. Изображения и данные, захваченные Enlight и SEMVision G7, затем передаются в программное обеспечение ExtractAI, чтобы обучить его автоматически распознавать определенные дефекты, снижающие выход продукции, на карте пластин, созданной с помощью аппаратных систем, и отличать их от шума.

Читайте также:
Изобретен новый метод создания квантовых компьютеров

В результате процесс сканирования будущих пластин того же чипа занимает значительно меньше времени, так как системы уже имеют действенную карту пластин с потенциальными дефектами, снижающими выход продукции, и должны знать, что искать. Между тем, поскольку программное обеспечение ExtractAI получает больше данных от большего количества пластин, дополнительное обучение должно позволить ему обеспечить еще большую точность и производительность. Тем более, что полученные базы данных дефектов могут использоваться на фабрике или даже во всей компании.

Уже на работе

Как это обычно бывает с анонсами Applied Materials, их новейший набор инструментов уже установлен на нескольких фабриках. По заявлению компании, их инструмент оптического контроля Enlight с технологией ExtractAI уже используется на фабриках логики в Южной Корее, Тайване и США, и все они используют его, чтобы сократить время выхода своих новейших технологий.

«Дополнительные данные, полученные с помощью мониторинга линии, позволяют мне ускорять и управлять урожайностью таким образом, который я никогда не мог себе позволить раньше», — сказал неназванный клиент Applied в июне 2020 года (согласно презентации компании).

Компания Applied Materials начала разработку системы Enlight с ExtractAI в 2016 году, а коммерческие поставки производителям логики начнутся в первом квартале 2020 года. Ожидается, что к концу первого квартала 2021 года совокупные продажи инструмента проверки превысят 400 миллионов долларов. Инструменты электронного лучевого контроля SEMVision компании Applied также широко используются в промышленности (с 1998 года было установлено более 1500 устройств), но только SEMVision G7 и его преемники совместимы с Enlight и ExtractAI.

Сегодня система оптического контроля Enlight с технологией ExtractAI от Applied Materials используется ведущими логическими предприятиями (поскольку их немного, их названия нетрудно угадать). Но поскольку технологические процессы DRAM продолжают усложняться, компания ожидает, что производители в других отраслях также примут на вооружение набор инструментов Applied, основанный на глубоком обучении, в ближайшие кварталы и годы.

Реклама

NO COMMENTS