融合了AI与大数据的光学半导体晶圆检测机运行速度提升了3倍

在厂商将晶圆切割成芯片之前，要经历数百个生产步骤。这一过程中，一种建造成本高达 220 亿美元的光学半导体晶圆检测机发挥着关键作用。

近日，成立于 1967 年的美国半导体和显示设备制造商应用材料公司（Applied Materials）推出了新一代光学半导体晶圆检测机，融合了大数据和人工智能技术，它将自动检测更多晶圆，并发现更多可以影响芯片的致命缺陷。

AI 进入半导体制造业，为什么？

Applied Materials 副总裁 Keith Wells 在接受外媒 VentureBeat 采访时表示：

我们知道，人工智能和大数据有潜力改变每个领域，如今，我们把人工智能和大数据带入了半导体制造业。

一方面，疫情之下全球芯片严重短缺，在制造厂商增加产能之时，晶圆检测成本也在不断上升。

十年前，厂商的制造成本约 90 亿美元，如今已翻了一倍。即便可以通过降低芯片制造设备成本的方式控制成本，但制造延迟和检查失败将导致工厂闲置，并造成大量损失。

就内存芯片而言，停工一周便会使年产出下降 2%。此外，芯片价格会随着时间的推移迅速下跌，因此制造速度落后于计划可能会严重损害营收。

也就是说，半导体技术正变得越来越复杂和昂贵。对世界各地的芯片制造商来说，减少开发和部署先进制造流程节点所需的时间可能对应着的是数十亿美元。

另一方面，随着线宽缩小并成为抑制产量的一大因素，芯片的缺陷越来越难以被发现和纠正，检查工作日益复杂。

Applied Materials 表示，3D 晶体管的形成和多处理技术也可能产生影响产量的缺陷。

市场分析公司 VLSI Research 首席执行官 Dan Hutcheson 表示：

能够快速准确地识别致命缺陷，是芯片工程师们 30 多年来一直努力解决的问题。Applied Materials 的最新检测系统就是解决这一挑战的突破性方法。新系统采用了最先进的扫描电子显微镜，可帮助识别光学检查器发出的信号，从而对缺陷进行分类。新系统每争取一小时，就可以帮助厂商减少价值 260 万美元的产量损失（指晶圆因缺陷芯片而造成的损失的百分比）。

AI 进入半导体制造业，怎么做？

据了解，新检测系统是 Applied Materials 当前运行速度最快的机器。

Keith Wells 称：

我们相信，这将是业界最快的高端光学检测设备，速度将提升 3 倍。

这一系统结合了速度、高分辨率和先进的光学技术，每次扫描都将收集更多的产量关键数据，决定了是否降低生产速度，并在晶圆存在不同程度风险时发出警报，将捕获关键缺陷的成本降低了 3 倍。

同时，系统允许芯片制造厂商在工艺流程中插入更多的检查点。大数据的可用性增强了“生产线监控”，即可在产量偏差发生前立即检测偏差、停止晶圆加工以保护产量的统计过程控制方法，它将实现根本原因追溯，加速纠正措施，并恢复大批量生产。

值得关注的是，Applied Materials 推出的新一代光学半导体晶圆检测机集成了核心的 ExtractAI 技术。

该技术由 Applied Materials 数据科学家开发，解决了晶圆检测中最困难的问题：如何快速、准确地从高端光学扫描仪产生的数百万信号甚至“噪音”中识别出导致产量下降的缺陷，并把可能出现的问题数从百万个减少到一千个。

ExtractAI 将在基于厂商的光学检测系统生成的大数据与电子束审查系统 SemVision 之间建立实时连接，电子束审查系统对特定良率信号进行分类，通过推断区分良率障碍。

而 SemVision 系统是世界上最先进、应用最广泛的电子束审查技术，全世界有 1500 个芯片工厂已安装了该系统。

Keith Wells 表示：

过去五年，晶圆检测机的成本不断上升，行业希望通过更多的检查来传递更好的经济价值信息，而 Applied Materials 正在努力实现这一点。
编辑：lyn