晶圆的缺陷还是得交给AI查明

电子发烧友网报道（文/周凯扬）随着AI技术的急速发展，特别是在机器视觉领域，目前半导体产业的中下游已经全面拥抱了这一技术。然而在上游的半导体制造中，也已经有不少设备开启了对该技术的应用，比如晶圆检测领域。在部分厂商仍在增加产能的当下，如何进一步降低制造成本就成了当务之急。

放在晶圆检测这道工序上，降低制造成本的方式就是进一步提高缺陷检测效率，及时发现缺陷就能帮助厂商减少更多的产量损失。要知道，对于现代晶圆厂而言，一旦因为缺陷而导致停工检测，造成的损失都是天价。可随着制造工艺的提升，传统的晶圆缺陷检测手段也纷纷遇到了困难，这才有了AI的介入。

科磊

早在2020年，科磊公司就推出了一系列AI驱动的晶圆缺陷检测设备，包括eSL10、Kronos1190、ICOSF160XP和ICOST3/T7四大产品线。其中eSL10为电子束晶圆缺陷检测系统，专为加速高性能逻辑与内存芯片的上市速度而打造，尤其是那些依靠EUV***系统打造的芯片。

由于EUV***系统制造的芯片多为7nm以下的先进工艺，在特征尺寸减小之下，势必会产生超大吞吐量的数据足迹，所以检测工具也需要更高的性能，乃至应用人工智能检测算法，才能保证检测效率。而eSL10凭借科磊自研的SMARTs深度学习算法，可以在图样特征和工艺噪声之间，精准地辨别出极其细微的缺陷信号，从而找到影响设备性能的关键问题。

至于负责封装检测的ICOST3/T7，可以选择在托盘T3和编带T7输出之间重新配置的同时，也一并引入了深度学习算法。ICOST3/T7可对缺陷类型进行智能分类，从而提供对封装质量的准确反馈，方便操作员更快地进行产品质量分类。

应用材料

2021年，应用材料也宣布他们在自己的晶圆检测设备中开始使用自研人工智能技术，ExtractAI。该技术充分利用了应用材料的Enlight光学检测工具，以及SEMVision电子束审查系统，利用深度学习来发现晶圆缺陷。

ExtractAI的作用其实就是连接Enlight和SEMVision两大系统，光学检测工具快速但分辨率有限，而电子束检测工具较慢但分辨率高。先用Enlight系统快速生成潜在的缺陷大数据库，ExtractAI用于分类缺陷和噪声，SEMVision则用于验证训练ExtractAI获得的结果。

如此一来，Enlight系统加上ExtractAI就能自动识别晶圆上的特定缺陷了。额外的训练可以使其提供更高的精度和性能，且由这一过程产生的缺陷数据库可以在晶圆厂之间共享。应用材料表示，其实该技术早在公布之前，就已经被头部的几家逻辑晶圆厂在使用了，而未来随着DRAM工艺变得愈发复杂，会有越来越多的制造商采用这一技术。

小结

从晶圆缺陷检测设备上开始应用AI技术这一趋势可以得知，半导体制造工艺的进步往往是各个上游产业通力协作的结果，无论是制造材料、检测设备还是光学系统，都必须跟上步伐，才有将工艺往可用的埃米级逼近的机会。

AI技术的加入，即便是旧一代设备也能享受更加精密的晶圆缺陷检测，从而保证产能和良率。但设备厂商也都在加入下一轮军备竞赛，随着晶圆检测负载中的数据增长，未来HPC级别的模块也很有可能出现在半导体设备上。