0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

如何构建CMP模型 神经网络在CMP轮廓建模中的应用

电子设计 来源:eepw 作者:eepw 2021-01-30 12:55 次阅读

化学机械抛光 (CMP) 是当今集成电路IC) 制造工艺中的关键作业。由于设计极其紧凑,并且 缩小到最先进的工艺技术节点,CMP 后的平面性变化可能会对制造成功产生重大影响。

为了减轻 CMP 工艺的负面影响,大多数 IC 制造商使用 CMP 建模来检测前道工序 (FEOL) 和 后道工序 (BEOL) 层中的潜在弱点,作为其可制造性设计DFM) 流程的一部分。CMP 弱点分 析旨在寻找设计中经过 CMP 后出现缺陷的概率高于平均值的区域。不同材料在 CMP 工艺 下会表现出不同的腐蚀速率,因此芯片的密度平衡必须保持稳定,以防止出现凸起和凹 陷,避免造成金属互连短路和开路。CMP 分析会衡量版图的各个方面,以确保在多层上构 建芯片时具有均匀的平面性。

高电介质金属栅极 (HKMG) 技术和额外 CMP 步骤 [1, 2] 的引入,双重和三重曝光导致的光刻 高成本,强焦深 (DOF) 要求,以及 CMP 模型的精度提高,都提升了业界对 CMP 建模的关注 度 [3-6]。

构建 CMP 模型

CMP 建模有很长的历史,包括单材料和双材料抛光的建模,以及众多沉积和蚀刻工艺的建 模 [6]。CMP 建模背后的主要思路是:提取版图上图形的几何属性,在蚀刻和诸多沉积步骤 之后生成 CMP 前的表面轮廓,以及预测版图上不同图形的 CMP 后表面轮廓。

芯片被划分为固定大小的重复单元,对于每个重复单元,提取并传送图形的平均几何特征

(例如宽度、间距、图形密度和周长),然后进行蚀刻、沉积和 CMP 仿真。利用有效的沟 槽逼近来模拟为每个重复单元定义的结构(图 1)。一个重复单元代表一个具有给定几何特 征的沟槽,它有两个高度数据 —— ZT 和 ZNT,分别定义沟槽内材料的高度和沟槽外材料的 高度。

o4YBAGAU5xyACBj3AACDxql_Zbs640.png

图 1:几何数据提取和 有效沟槽逼近。

在 CMP 仿真期间,蚀刻、沉积和抛光模型仿真 ZT 和 ZNT 数据的变化,以及每个重复单元的 几何数据变化。抛光模型使用 CMP 前表面轮廓数据作为输入,该数据由沉积模型或前一抛 光步骤产生。第一抛光步骤总是使用沉积后轮廓作为输入。沉积后的表面轮廓不是平面性 的,含有变化。因此,为实现高质量 CMP 建模,必须有一组与制造商使用的沉积工艺相对 应的沉积模型,以产生用于 CMP 仿真的正确输入轮廓。

CMP 建模的一个关键步骤是使用来自测试芯片的测量数据构建模型。CMP 测试芯片通常由 周期性放置的不同宽度的平行沟槽阵列块组成,沟槽之间的间距也有差异(图 2)。选择 测试芯片的尺寸和结构的数量时,必须让它能很好地覆盖技术节点所支持的宽度、间距、 周长和图形密度值,同时不违反设计规则检查 (DRC)。常常使用原子力显微镜 (AFM) 扫描仪 或其他轮廓探查工具对测试图形进行行扫描来收集腐蚀和凹陷数据,如图 2 所示。知道叠 层信息和材料厚度后,便可将腐蚀和凹陷数据转换成 ZT 和 ZNT 表面轮廓高度数据。

pIYBAGAU5yyACi4BAAI0CRplMw8892.png

图 2:CMP 测试芯片和 AFM 行扫描,含腐蚀和 凹陷定义。

由于 CMP 十分复杂且影响长远,生成高质量的 CMP 前表面轮廓对于 CMP 精确建模至关重 要。即使采用先进的沉积工艺,已曝光晶圆的沉积后(CMP 前)轮廓也是不均匀的,可能 有很大差异,影响 CMP 后的表面上平面性。对三维 (3D) 原子力显微镜 (AFM) 和透射电子显 微镜 (TEM) 数据的分析表明,CMP 前轮廓高度对以下各项的底层图形几何形状有复杂的依 赖关系:

■ 高密度等离子体 CVD (HDP-CVD)

■ 旋涂式电介质 (SOD)

■ 流动式 CVD (FCVD)

■ 增强型高纵横比工艺 (eHARP)

FEOL 层的浅沟槽隔离 (STI) 和 CMP 建模表明 HPD-CVD 和 SOD 沉积模型成功应用于 CMP建模。

与此同时,为 FCVD 和 eHARP 工艺构建基于物理特性的模型或简化模型则很困难,因为这些 工艺包含若干沉积和退火步骤以填充沟槽。我们研究了通过机器学习 (ML) 算法对测量数据进 行灵敏度分析,结果显示这些工艺的沉积后表面轮廓主要取决于底层图形几何形状,而长远 影响是次要的。借助此信息,我们可以使用底层图形的几何特征作为输入,将神经网络 (NN) 回归计算应用于 CMP 前表面轮廓的建模。然后,CMP 前轮廓用作 CMP 建模的输入。

神经网络配置

机器学习、神经网络和深度学习在现代工业和生活的不同领域中有许多应用。它们“学 习”如何分析和预测不精确数据的能力,大大提高了语音识别和语言翻译、基因组学和药 物发现、计算机视觉自动驾驶汽车以及许多其他领域的技术水平 [7]。

一种潜在的新用途是将神经网络应 用于沉积后表面轮廓建模。该方法 的工作原理如下:利用 Calibre® CMP ModelBuilder 和 Calibre CMPAnalyzer 产品从版图中提取图形的局部几何 特征(宽度、间距、图形密度和周 长),并将其用作多层神经网络的 输入,以生成表面轮廓高度数据预 测(图 3)。

pIYBAGAU5ziAPZcXAAGCGPDirHo294.png

图 3:具有两个隐藏层的多层前馈神经网络。

神经网络的输入层获取此几何数据,网络在输出层上生成预测的腐蚀和凹陷数据。为简便 起见,本文不考虑沉积后的任何几何形状变化。神经网络经过高级学习算法的训练,训练 集由沉积后从 CMP 测试芯片收集到的测量结果构成。经过训练的神经网络在测试芯片或生 产设计上运行,以进行测试和验证。我们考虑用含一个、两个或更多隐藏层的神经网络来 拟合腐蚀和凹陷数据。为将模型很好地泛化到未知数据,应该从最少数量的隐藏层和神经 元开始,然后持续增加数量以更好地拟合验证数据,但应避免过拟合。针对我们的模型, 我们确定两个隐藏层对于对所涉工艺的表面轮廓建模是最佳的,无需使用更深层架构(即 具有许多隐藏层的神经网络)。

首先,我们利用神经网络模拟 HDP-CVD 和 SOD 工艺的 CMP 前轮廓,Calibre CMP ModelBuilder 工具中提供了其简化模型。使用测量数据,我们生成了用于训练神经网络的训练集。接下 来,我们运用 Calibre CMP ModelBuilder 工具对测量数据和模型生成的仿真数据进行了验证。 最后,我们将该神经网络应用于 FCVD 和 eHARP 工艺的 CMP 前轮廓建模。

神经网络在 CMP 轮廓建模中的应用

为了测试利用机器学习和神经网络生成 CMP 模型的实用性和准确性,我们使用以下四种沉 积工艺进行了实验:HDP-CVD、SOD、FCVD、eHARP。

HDP-CVD 工艺建模:HDP-CVD 工艺最初用于 STI,但如 今它与芯片制造中高纵横比沉积工艺一起,广泛用于 不同氧化物的沉积。在 HDP-CVD 期间,沉积和离子溅 射过程同时发生,因此有效区域上会出现三角形和梯 形形状。这些几何形状随着底层有效区域图形几何形 状而变化,导致沉积的氧化物厚度有差异(图 4)。

pIYBAGAU50OAdgSpAABo2TrkxsM451.png

图 4:HDP-CVD 后表面轮廓的横截面 视图。

从测试芯片的 AFM 行扫描数据收集腐蚀和凹陷数据,然后构建如下格式的训练数据集(表 1) 用于神经网络输入。
编辑:hfy

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 集成电路
    +关注

    关注

    5304

    文章

    10547

    浏览量

    352390
  • CMP
    CMP
    +关注

    关注

    6

    文章

    134

    浏览量

    25641
  • 机器学习
    +关注

    关注

    66

    文章

    8061

    浏览量

    130441
收藏 人收藏

    评论

    相关推荐

    神经网络模型用于解决什么样的问题 神经网络模型有哪些

    神经网络模型是一种机器学习模型,可以用于解决各种问题,尤其是在自然语言处理领域中,应用十分广泛。具体来说,神经网络模型可以用于以下几个方面:
    的头像 发表于 08-03 16:37 3542次阅读

    神经网络教程(李亚非)

      第1章 概述  1.1 人工神经网络研究与发展  1.2 生物神经元  1.3 人工神经网络的构成  第2章人工神经网络基本模型  2.
    发表于 03-20 11:32

    请问Labveiw如何调用matlab训练好的神经网络模型呢?

    matlab训练好了一个神经网络模型,想在labview调用,请问应该怎么做呢?或者labview有自己的
    发表于 07-05 17:32

    非局部神经网络,打造未来神经网络基本组件

    时空记忆。增加了几个非局部模块后,我们的“非局部神经网络”结构能比二维和三维卷积网络视频分类取得更准确的结果。另外,非局部神经网络
    发表于 11-12 14:52

    【PYNQ-Z2试用体验】神经网络基础知识

    前言前面我们通过notebook,完成了PYNQ-Z2开发板上编写并运行python程序。我们的最终目的是基于神经网络,完成手写的数字识别。在这之前,有必要讲一下神经网络的基本概念和工作原理。何为
    发表于 03-03 22:10

    高阶API构建模型和数据集使用

    能拟合或逼近现实世界事物或现象的数学模型,故样本数据大,可以覆盖事物或现象所有特征时,可以越准确的识别事物,这也是大数据时代,数据是燃料的观点。TensorFlow是一个神经网络软件框架,通过
    发表于 11-04 07:49

    如何构建神经网络

    原文链接:http://tecdat.cn/?p=5725 神经网络是一种基于现有数据创建预测的计算系统。如何构建神经网络神经网络包括:输入层:根据现有数据获取输入的层隐藏层:使用反
    发表于 07-12 08:02

    可分离卷积神经网络 Cortex-M 处理器上实现关键词识别

    卷积运算,从而发现这种关联性。● 循环神经网络 (RNN)RNN 很多序列建模任务中都展现出了出色的性能,特别是语音识别、语言建模和翻
    发表于 07-26 09:46

    STM32上验证神经网络模型

    STM32CubeMx.AI的使用欢迎使用Markdown编辑器STM32论坛中看到这样一个视频:视频STM32上验证神经网络
    发表于 08-03 06:59

    轻量化神经网络的相关资料下载

    视觉任务,并取得了巨大成功。然而,由于存储空间和功耗的限制,神经网络模型嵌入式设备上的存储与计算仍然是一个巨大的挑战。前面几篇介绍了如何在嵌入式AI芯片上部署
    发表于 12-14 07:35

    卷积神经网络模型发展及应用

    network,DBN)[24], 从此拉开了深度学习大幕。随着深度学习理论的研究和发展,研究人员提 出了一系列卷积神经网络模型。为了比较不同模型 的质量,收集并整理了文献
    发表于 08-02 10:39

    神经网络模型讲义

    神经网络模型讲义:在本讲义中,我们将着重讲述一些数学建模中常用的算法,包括神经网络算法、遗传算法、模拟退火算法和模糊数学方法。用这些算法可以较容易地解决一些
    发表于 09-15 12:30 8次下载

    如何构建神经网络

    神经网络是模拟人体生物神经元原理构建的,比较基础的有M-P模型,它按照生物 神经元的结构和工作原理构造出来的一个抽象和简化的
    的头像 发表于 02-24 16:06 1106次阅读
    如何<b class='flag-5'>构建</b><b class='flag-5'>神经网络</b>

    cmp是什么意思 cmp工艺原理

    CMP 主要负责对晶圆表面实现平坦化。晶圆制造前道加工环节主要包括7个相互独立的工艺流程:光刻、刻蚀、薄膜生长、扩散、离子注入、化学机械抛光、金属化 CMP 则主要用于衔接不同薄膜工艺,其中根据工艺
    发表于 07-18 11:48 3236次阅读
    <b class='flag-5'>cmp</b>是什么意思 <b class='flag-5'>cmp</b>工艺原理

    构建神经网络模型的常用方法 神经网络模型的常用算法介绍

    神经网络模型是一种通过模拟生物神经元间相互作用的方式实现信息处理和学习的计算机模型。它能够对输入数据进行分类、回归、预测和聚类等任务,已经广泛应用于计算机视觉、自然语言处理、语音处理等
    发表于 08-28 18:25 593次阅读