Новости

Новая интеграция и делая по образцу схемы используемые в приборах памяти 3D и логики создавали проблемы производства и выхода. Промышленный фокус переносил от шкалирования прогнозированных процессов блока в 2D структурах к более трудной полной интеграции сложных структур 3D. Обычный 2D DRC плана, автономная метрология вафли, и автономные электрические измерения больше не достаточны для того чтобы достигнуть целей представления и выхода, должных к сложности этих новых структур 3D. Инженерство кремния метода проб и ошибок также будет запретительно дорогим, должным к времени и цене основанного на вафл испытания.

«Виртуальное изготовление» потенциальное решение к этой проблеме. Виртуальное программное обеспечение изготовления может создать цифровой эквивалент фактического полупроводникового устройства, путем моделирование интегрированных потоков процесса в цифровой окружающей среде. Испытывать изменчивости процесса поддержек программы, развитие схемы интеграции, анализ дефекта, электрический анализ и даже отростчатое оптимизирование окна. Самое главное, оно может предсказать идущие дальше по потоку степени последствий отростчатых изменений которые в противном случае требовали бы циклов строени-и-теста в сказочном.

Демонстрация ДРАХМЫ

Мы будем использовать SEMulator3D, виртуальную программную платформу изготовления, для того чтобы продемонстрировать как виртуальное изготовление может эффективно разрешить сложные проблемы производства и выхода полупроводника. Мы моделируем влияние вытравляем изменения инструмента (как селективность материала или распределение потока) на представлении прибора электрическом. Простое исследование прибора ДРАХМЫ будет использовано для того чтобы выделить влияние ворот для того чтобы вытравить поведение и вытравить характеристики шага на электрических целях представления и выхода.

Поток операций следовать типичной последовательностью изготовления 4 шагов виртуальной:

1. Номинальные отростчатые шаги и данные по геометрии прибора вписаны в программное обеспечение. Это позволяет программному обеспечению произвести прогнозную модель 3D прибора который можно более в дальнейшем откалибрировать.

FIG. 1: Как только модельная информация вписана, она показывает контакт конденсатора как показано. В этот момент, электрический анализ можно выполнить, и влияние края конденсатора можно расследовать.

2. Установлены, что квалифицирует метрическая система мер интереса структурное или электрическое поведение. Эти могут включить виртуальную метрологию, 3D DRCs (проверки правила дизайна) и электрические параметры как Vth.

FIG. 2: SEMulator3D определяет электроды прибора в структуре 3D и имитирует характеристики прибора подобные программному обеспечению TCAD, но без потребности для требующего много времени моделирования TCAD.

3. Исследование конструкции исполнено в программном обеспечении. Это использует лань (планировку экспериментов) для того чтобы определить важные параметры и включает данные и анализ чувствительности для помощи в оптимизировать отростчатое развитие и/или изменения проекта.

FIG. 3: Инженеры могут проанализировать любую метрологию в SEMulator3D для того чтобы определить важные параметры, показывая угловые случаи как показано (обведенный в красном) выше.

4. В конце концов, отростчатое оптимизирование окна выполнено для того чтобы обеспечить оптимизированное значение для каждого параметра процесса, увеличивая процент выбранных параметров которые понижаются в пределах спецификаций выхода.

Оптимизирование модели процесса для того чтобы удовлетворять электрическая цель производительности

FIG. 4: Живописание потока операций аналитика в SEMulator3D, включая особенность PWO.

В этом примере, мы оптимизируем процессы производства для нацеливания специфического электрического представления. Мы выберем специфическое электрическое значение и оптимизируем наши отростчатые шаги вокруг этой цели. Каждый параметр шага процесса будет поменян для того чтобы искать отростчатых условий которые соотвествуют электрическая цель производительности. В нашем исследовании, мы выбирали Vth (напряжение тока порога) как наша цель, со значением 0.482V. Используя регрессионный анализ в программном обеспечении, мы можем определить 3 параметра процесса (толщину окиси прокладки, глубину окиси прокладки и высокую толщину k) который значителен по отоношению к их удару по напряжению тока порога (см. диаграмму 5). Этот шаг следовать тарировкой модели процесса (PMC) используя такие же данные по регрессии, которые обеспечивают точность модели процесса до оптимизировать эти 3 важных параметра процесса для того чтобы достигнуть, который дали целей Vth.

FIG. 5: Результаты оптимизирования использующ Vth как цель, с оптимизированными параметрами.

Отростчатое оптимизирование окна (PWO) для того чтобы установить оптимальные ряды параметра процесса

Отростчатое оптимизирование окна (PWO) может существенно уменьшить число вафель подготовки производства необходимо для автономного испытания путем использовать составленную и постепенную методологию для того чтобы выполнить виртуальный эксперимент. Оно может предсказать максимальный выход (показатель успеха внутри ряды низких и верхнего предела, видит диаграмму 6) для существующих процессов под рассмотрением. Более важно, оно может переопределить номинальные отростчатые условия и требования к управлением изменения достигнуть максимального показателя успеха (или выхода).

После того как важные параметры будут определены, новая виртуальная планировка экспериментов (ЛАНЬ) будет исполнена для обнаружения значений параметра которые соотвествуют представления и выхода. Эксперимент должен включить определенный космос поиска (или ряд) для каждого из выбранных параметров. Для того чтобы получить статистически значительность, сымитированный эксперимент бежится много времен через определяемый пользователем космос поиска. Алгоритм PWO после этого обеспечивает оптимизированное значение для каждого параметра процесса, увеличивая процент выбранных параметров прибора которые соотвествуют спецификации прибора цели («inSpec%").

Как показано в диаграмма 6 (выведено), принимающ 0.5nm, стандартное отклонение 1.0nm и 0.2nm для 3 параметров (толщины окиси прокладки, глубины окиси прокладки и высокой толщины k), соответственно, система PWO сообщила рост процента в-спецификации метрологии от 34,668% до 49,997%, после изменения номинальных стоимостей всех параметров процесса в результате процесса максимизации. Кроме того, как показано в диаграмме 6 (правой), уменьшая стандартное отклонение самого влиятельного параметра (3,20: Толщина низложения BWL высокая k), от 0.2nm к 0.13nm увеличила процент в-спецификации метрологии (тариф выхода) до 89,316% когда цель показателя успеха была установленной на 88%. Резкое улучшение в общем выходе было возможно путем контролировать изменчивость оборудования ответственную за высокое низложение окиси ворот k. Это весьма ценная информация для отростчатого инженера интеграции ища улучшить выход.

FIG. 6: Левая сторона: Новые средние значения определили для % максимизации спецификаций (толщины низложения и вытравляют глубину). Право: Необходимый определенный ряд: Стандартное отклонение на толщине BWL высокой k для встречи показателя успеха >88%.

Виртуальное изготовление сохраняет время & цену

Изготовлены установки параметра процесса установлены во время ранних стадий развития полупроводниковых технологий, даже прежде первых вафель. Виртуальная обработка может помочь утвердить эти начальные значения параметра процесса без времени и расхода создания и испытывать реальных вафель. Технология оптимизирования окна SEMulator3D новая отростчатая предлагает следующие преимущества во время развития полупроводника отростчатого:

Предсказывает выход точно для существующих процессов
Retargets номинальные значения параметра POR (процесса показателя) для того чтобы увеличить выход
Определяет ключевые отростчатые шаги которые больше всего плотно сжимают выход
Изоляты терпя неудачу условия случая (вне--спецификаций), и определить первопричину этих отказов
Ускоряет ход отростчатого развития, путем избежание инженерства кремния метода проб и ошибок

(От Daebin Yim)