Aktualności

Nowe schematy integracji i tworzenia wzorców stosowane w pamięci 3D i urządzeniach logicznych stworzyły wyzwania związane z produkcją i wydajnością.Skupienie się na przemyśle przeniosło się ze skalowania przewidywalnych procesów jednostkowych w strukturach 2D na trudniejszą pełną integrację złożonych struktur 3D.Konwencjonalny układ 2D DRC, metrologia płytek półprzewodnikowych offline i pomiary elektryczne offline nie są już wystarczające do osiągnięcia celów wydajności i wydajności ze względu na złożoność tych nowych struktur 3D.Inżynieria krzemowa metodą prób i błędów również staje się zaporowo kosztowna ze względu na czas i koszt testów opartych na płytkach.

Potencjalnym rozwiązaniem tego problemu jest „wirtualna produkcja”.Oprogramowanie do wirtualnego wytwarzania może stworzyć cyfrowy odpowiednik rzeczywistego urządzenia półprzewodnikowego poprzez modelowanie zintegrowanych przepływów procesowych w środowisku cyfrowym.Oprogramowanie obsługuje testowanie zmienności procesów, tworzenie schematów integracji, analizę defektów, analizę elektryczną, a nawet optymalizację okna procesu.Co najważniejsze, może przewidywać dalsze konsekwencje zmian procesu, które w innym przypadku wymagałyby cykli budowy i testów w fabryce.

Demonstracja DRAM

Wykorzystamy SEMulator3D, platformę oprogramowania do wirtualnej produkcji, aby zademonstrować, w jaki sposób wirtualne wytwarzanie może skutecznie rozwiązywać złożone procesy wytwarzania półprzewodników i stwarzać wyzwania.Zamodelujemy wpływ zmian narzędzia do wytrawiania (takich jak selektywność materiału lub rozkład strumienia) na parametry elektryczne urządzenia.Proste badanie urządzenia DRAM posłuży do podkreślenia wpływu wytrawiania bramki i charakterystyki etapu trawienia na wydajność elektryczną i docelową wydajność.

Przepływ pracy będzie przebiegał zgodnie z typową 4-etapową sekwencją wirtualnego wytwarzania:

1. Nominalne etapy procesu i informacje o geometrii urządzenia są wprowadzane do oprogramowania.Pozwala to oprogramowaniu na generowanie predykcyjnego modelu 3D urządzenia, który można dalej kalibrować.

Rys. 1: Po wprowadzeniu informacji o modelu wyświetla styk kondensatora, jak pokazano.W tym momencie można przeprowadzić analizę elektryczną i zbadać efekt krawędzi kondensatora.

2. Interesujące metryki są ustalane w celu określenia zachowania strukturalnego lub elektrycznego.Mogą one obejmować wirtualną metrologię, 3D DRC (kontrole zasad projektowania) i parametry elektryczne, takie jak Vth.

Rys. 2: SEMulator3D identyfikuje elektrody urządzenia w strukturze 3D i symuluje charakterystykę urządzenia podobną do oprogramowania TCAD, ale bez konieczności czasochłonnego modelowania TCAD.

3. W programie wykonywane jest studium projektowe.Wykorzystuje to DoE (projektowanie eksperymentów) do identyfikacji ważnych parametrów i obejmuje analizę danych i wrażliwości, aby pomóc w optymalizacji rozwoju procesu i / lub zmian projektowych.

Rys. 3: Inżynierowie mogą analizować dowolną metrologię w SEMulator3D w celu zidentyfikowania ważnych parametrów, odsłaniając przypadki narożne, jak pokazano (zaznaczone na czerwono) powyżej.

4. Na koniec przeprowadzana jest optymalizacja okna procesu, aby zapewnić zoptymalizowaną wartość dla każdego parametru procesu, maksymalizując procent wybranych parametrów, które mieszczą się w specyfikacji wydajności.

Optymalizacja modelu procesu w celu spełnienia docelowego poziomu wydajności elektrycznej

Rys. 4: Przedstawienie przepływu pracy analityki w SEMulator3D, w tym funkcji PWO.

W tym przykładzie zoptymalizujemy procesy produkcyjne pod kątem określonej wydajności elektrycznej.Wybierzemy określoną wartość elektryczną i zoptymalizujemy nasze etapy procesu wokół tego celu.Każdy parametr etapu procesu będzie zmieniany w celu wyszukania warunków procesu, które spełniają docelową wydajność elektryczną.W naszym badaniu jako wartość docelową wybraliśmy Vth (napięcie progowe) o wartości 0,482 V.Korzystając z analizy regresji w oprogramowaniu, możemy zidentyfikować trzy parametry procesu (grubość tlenku odstępnika, głębokość tlenku elementu dystansowego i grubość wysokiego K), które są istotne z punktu widzenia ich wpływu na napięcie progowe (patrz rysunek 5).Po tym kroku następuje kalibracja modelu procesu (PMC) przy użyciu tych samych danych regresji, co zapewnia dokładność modelu procesu przed optymalizacją tych trzech ważnych parametrów procesu w celu osiągnięcia określonych V-tych celów.

Rys. 5: Wyniki optymalizacji przy użyciu Vth jako celu, ze zoptymalizowanymi parametrami.

Optymalizacja okna procesu (PWO) w celu ustawienia optymalnych zakresów parametrów procesu

Optymalizacja okna procesu (PWO) może znacznie zmniejszyć liczbę płytek przedprodukcyjnych potrzebnych do testowania offline dzięki zastosowaniu ustrukturyzowanej i krok po kroku metodologii przeprowadzania wirtualnych eksperymentów.Może przewidywać maksymalną wydajność (wskaźnik sukcesu w zakresie dolnej i górnej granicy, patrz rysunek 6) dla istniejących rozważanych procesów.Co ważniejsze, może ponownie określić nominalne warunki procesu i wymagania dotyczące kontroli zmienności, aby osiągnąć maksymalny wskaźnik sukcesu (lub wydajność).

Po zidentyfikowaniu ważnych parametrów zostanie wykonany nowy wirtualny projekt eksperymentów (DOE) w celu znalezienia wartości parametrów spełniających wymagania dotyczące wydajności i wydajności.Eksperyment musi obejmować zdefiniowaną przestrzeń wyszukiwania (lub zakres) dla każdego z wybranych parametrów.Aby uzyskać istotność statystyczną, symulowany eksperyment przeprowadza się wiele razy w przestrzeni wyszukiwania zdefiniowanej przez użytkownika.Algorytm PWO dostarcza następnie zoptymalizowaną wartość dla każdego parametru procesu, maksymalizując procent wybranych parametrów urządzenia, które spełniają specyfikację urządzenia docelowego („inSpec%”).

Jak pokazano na rysunku 6 (po lewej), przy założeniu odchylenia standardowego 0,5 nm, 1,0 nm i 0,2 nm odpowiednio dla trzech parametrów (grubość tlenku podkładki, głębokość tlenku podkładki i wysoka grubość K), system PWO odnotował wzrost metrologii w - procent specyfikacji z 34,668% do 49,997%, po zmianie wartości nominalnych wszystkich parametrów procesu w wyniku procesu maksymalizacji.Ponadto, jak pokazano na rysunku 6 (po prawej), zmniejszenie odchylenia standardowego najbardziej wpływowego parametru (3,20: grubość osadzania BWL High K) z 0,2 nm do 0,13 nm zwiększyło procentową wartość metrologiczną w specyfikacji (współczynnik wydajności) do 89,316% kiedy docelowy wskaźnik sukcesu ustalono na 88%.Dramatyczna poprawa ogólnej wydajności była możliwa dzięki kontrolowaniu zmienności sprzętu odpowiedzialnego za osadzanie tlenku bramki o wysokim stężeniu K.Jest to niezwykle cenna informacja dla inżyniera ds. Integracji procesów, który chce poprawić wydajność.

Rys. 6: Po lewej: Zidentyfikowano nowe średnie wartości dla maksymalizacji Spec% (grubości osadzania i głębokość wytrawiania).Po prawej: Określono wymagany zakres: Odchylenie standardowe grubości BWL High K, aby osiągnąć wskaźnik sukcesu> 88%.

Wirtualna produkcja oszczędza czas i koszty

Ustawienia parametrów procesu są ustalane na wczesnych etapach rozwoju technologii półprzewodników, jeszcze przed wyprodukowaniem pierwszych płytek.Przetwarzanie wirtualne może pomóc w walidacji tych początkowych wartości parametrów procesu bez czasu i kosztów tworzenia i testowania rzeczywistych płytek.Nowa technologia optymalizacji okna procesu SEMulator3D oferuje następujące korzyści podczas opracowywania procesów półprzewodnikowych:

Dokładnie prognozuje wydajność dla istniejących procesów
Ponownie ukierunkowuje nominalne wartości parametrów POR (proces rejestracji), aby zmaksymalizować wydajność
Określa kluczowe etapy procesu, które mają największy wpływ na wydajność
Izoluje przypadki niepowodzenia (poza specyfikacją) i identyfikuje główną przyczynę tych awarii
Przyspiesza rozwój procesu, unikając prób i błędów inżynierii krzemowej

(Od Daebin Yim)