Nouvelles

La nouvelle intégration et les plans de structuration utilisés dans des dispositifs logiques de la mémoire 3D et ont représenté des défis de fabrication et de rendement. Le foyer industriel a décalé de la graduation des processus d'unité prévisibles en les 2D structures à l'intégration totale plus provocante des structures 3D complexes. Le 2D transporteur conventionnel de disposition, la métrologie en différé de gaufrette, et les mesures électriques en différé ne sont plus suffisants pour atteindre des buts de représentation et de rendement, dus à la complexité de ces nouvelles structures 3D. L'ingénierie de silicium de test et erreur devient également prohibitivement chère, due à la période et au coût d'essai basé sur gaufrette.

« La fabrication virtuelle » est une solution potentielle à ce problème. Le logiciel virtuel de fabrication peut créer un équivalent numérique d'un dispositif de semi-conducteur réel, en modelant des écoulements de processus intégrés dans un environnement numérique. Software support l'essai de processus de variabilité, le développement de plan d'intégration, l'analyse des défauts, l'analyse électrique et même l'optimisation de fenêtre de processus. Avant tout, il peut prévoir les ramifications en aval des changements de processus qui exigeraient autrement des cycles de construction-et-essai dans l'ouvrier.

Une démonstration de DRACHME

Nous emploierons SEMulator3D, une plate-forme logiciel virtuelle de fabrication, pour démontrer comment la fabrication virtuelle peut efficacement résoudre des défis complexes de fabrication et de rendement de semi-conducteur. Nous modèlerons l'effet des variations d'outil gravure à l'eau forte (telles que la sélectivité de matériel ou la distribution de flux) sur la représentation électrique de dispositif. Une étude simple de dispositif de DRACHME sera employée pour accentuer l'effet des caractéristiques de comportement gravure à l'eau forte de porte et d'étape gravure à l'eau forte sur les cibles électriques de représentation et de rendement.

Le déroulement des opérations suivra un ordre virtuel typique de fabrication de 4 étapes :

1. Des étapes et l'information de processus nominales de la géométrie de dispositif sont écrites dans le logiciel. Ceci permet au logiciel de produire d'un modèle 3D prévisionnel du dispositif qui peut être encore calibré.

Fig. 1 : Une fois que l'information modèle est écrite, elle montre le contact de condensateur comme montré. En ce moment, l'analyse électrique peut être exécutée, et l'effet de bord du condensateur peut être étudié.

2. La métrique d'intérêt est établie pour qualifier le comportement structurel ou électrique. Celles-ci peuvent inclure la métrologie virtuelle, le 3D DRCS (contrôles de règle de conception) et les paramètres électriques tels que Vth.

Fig. 2 : SEMulator3D identifie des électrodes de dispositif dans une structure 3D et simule des caractéristiques de dispositif semblables au logiciel de TCAD, mais sans besoin de modélisation longue de TCAD.

3. Une étude de projet est exécutée dans le logiciel. Ceci emploie une daine (conception des expériences) pour identifier des paramètres importants et inclut des données et l'analyse de sensibilité pour faciliter le développement de processus et/ou les changements de conception de linéarisation.

Fig. 3 : Les ingénieurs peuvent analyser n'importe quelle métrologie dans SEMulator3D pour identifier des paramètres importants, indiquant les cas faisants le coin en tant que montré (encerclé en rouge) ci-dessus.

4. En conclusion, l'optimisation de processus de fenêtre est exécutée pour fournir une valeur optimisée pour chaque paramètre de processus, maximisant le pourcentage des paramètres choisis qui font partie du rendement Spec.

Optimisation modèle de processus pour satisfaire un objectif de représentation électrique

Fig. 4 : Description du déroulement des opérations d'analytics dans SEMulator3D, y compris la caractéristique de PWO.

Dans cet exemple, nous optimiserons des processus de fabrication pour viser une représentation électrique spécifique. Nous choisirons une valeur électrique spécifique et optimiserons nos étapes de processus autour de cette cible. Chaque paramètre d'étape de processus sera varié pour rechercher les conditions de traitement qui atteignent la cible électrique de représentation. Dans notre étude, nous avons choisi Vth (tension de seuil) en tant que notre cible, avec une valeur de 0.482V. Utilisant l'analyse de régression dans le logiciel, nous pouvons identifier trois paramètres de processus (épaisseur d'oxyde d'entretoise, profondeur d'oxyde d'entretoise et épaisseur élevée de K) qui sont significatifs en termes de leur impact sur la tension de seuil (voir le schéma 5). Cette étape est suivie du modèle de processus Calibration (PMC) utilisant les mêmes données de régression, qui assurent l'exactitude du modèle de processus avant d'optimiser ces trois paramètres de processus importants pour réaliser les objectifs donnés de Vth.

Fig. 5 : Résultats d'optimisation employant Vth comme cible, avec des paramètres optimisés.

Optimisation de processus de fenêtre (PWO) pour placer les gammes optimales de paramètre de processus

L'optimisation de processus de fenêtre (PWO) peut sensiblement réduire le nombre de gaufrettes de préproduction requises pour l'essai en différé à l'aide d'une méthodologie structurée et étape-par-étape pour exécuter l'expérimentation virtuelle. Elle peut prévoir le rendement maximum (l'indice de réussite dans des marges de limite inférieure et supérieure, voient le schéma 6) pour des processus existants à l'étude. D'une manière primordiale, elle peut redéterminer des conditions de traitement et des conditions nominales de contrôle de variation de réaliser l'indice de réussite maximum (ou le rendement).

Après que les paramètres importants soient identifiés, une nouvelle conception virtuelle des expériences (DAINE) sera exécutée pour trouver les valeurs de paramètre qui répondent à des exigences de représentation et de rendement. L'expérience doit inclure un espace de recherche défini (ou la gamme) pour chacun des paramètres choisis. Pour obtenir l'importance statistique, l'expérience simulée est courue beaucoup de fois à travers l'espace de recherche défini par l'utilisateur. L'algorithme de PWO fournit alors une valeur optimisée pour chaque paramètre de processus, maximisant le pourcentage des paramètres choisis de dispositif qui répondent aux spécifications de dispositif de cible (« inSpec%").

Suivant les indications de le schéma 6 (parti), supposant 0.5nm, écart type 1.0nm et 0.2nm pour les trois paramètres (épaisseur d'oxyde d'entretoise, profondeur d'oxyde d'entretoise et épaisseur élevée de K), respectivement, le système de PWO a rapporté une augmentation de pourcentage de dans-spécifications de métrologie de 34,668% à 49,997%, après changement des valeurs nominales de tous les paramètres de processus en raison du processus de maximisation. D'ailleurs, suivant les indications du schéma 6 (droit), réduisant l'écart type du paramètre le plus influent (3,20 : L'épaisseur élevée de dépôt de BWL K), de 0.2nm à 0.13nm a augmenté le pourcentage de dans-spécifications de métrologie (taux de rendement) à 89,316% quand l'objectif d'indice de réussite a été fixé à 88%. Une amélioration spectaculaire dans le rendement global était possible en commandant la variabilité de l'équipement responsable du dépôt élevé d'oxyde de porte de K. C'est extrêmement des données de valeur pour un ingénieur de processus d'intégration cherchant à améliorer le rendement.

Fig. 6 : Gauche : Nouvelles valeurs moyennes identifiées pour % de maximisation de Spéc. (épaisseurs de dépôt et graver à l'eau-forte la profondeur). Droite : Requis gamme déterminée : Écart type sur l'épaisseur élevée de BWL K pour rencontrer l'indice de réussite >88%.

La fabrication virtuelle épargne le temps et le coût

Des arrangements de paramètre de processus sont établis pendant les parties du développement des technologies de semi-conducteur, même avant que les premières gaufrettes sont fabriquées. Le traitement virtuel peut aider à valider ces valeurs de paramètre de processus initiales sans période et dépenses de créer et d'examiner de vraies gaufrettes. La nouvelle technologie de processus d'optimisation de fenêtre de SEMulator3D offre les avantages suivants pendant le développement de processus de semi-conducteur :

Prévoit le rendement exactement pour des processus existants
Recible des valeurs de paramètre nominales de POR (processus de disque) pour maximiser le rendement
Détermine les étapes de processus principales qui effectuent plus le rendement
Isolats échouant des états du cas (-de-Spéc.), et identifier la cause première de ces échecs
Accélère le développement de processus, en évitant l'ingénierie de silicium de test et erreur

(de Daebin Yim)