切割液性能智能调控系统与晶圆 TTV 预测模型的协同构建

摘要

本论文围绕超薄晶圆切割工艺，探讨切割液性能智能调控系统与晶圆 TTV 预测模型的协同构建，阐述两者协同在保障晶圆切割质量、提升 TTV 均匀性方面的重要意义，为半导体制造领域的工艺优化提供理论与技术参考。

引言

在半导体产业飞速发展的当下，超薄晶圆切割工艺的精度要求不断提升，晶圆 TTV 作为关键质量指标，直接影响芯片制造良率与性能。切割液性能的稳定对控制 TTV 至关重要，而传统工艺中，切割液参数调整多依赖经验，缺乏实时性与精准性。因此，构建切割液性能智能调控系统与晶圆 TTV 预测模型，并实现两者协同，成为提升晶圆切割质量的关键路径。

切割液性能智能调控系统构建

切割液性能智能调控系统以传感器网络为基础，实时采集切割液的温度、浓度、pH 值、黏度等关键参数。例如，利用红外温度传感器监测切割液温度，通过电导率传感器检测浓度变化。系统搭载的智能算法，如自适应 PID 控制算法，可根据预设参数阈值，自动调节切割液的补充、循环与添加剂投放，确保切割液性能稳定。同时，系统具备人机交互界面，方便操作人员进行参数设定与系统监控，实现对切割液性能的智能化、自动化调控。

晶圆 TTV 预测模型构建

晶圆 TTV 预测模型基于机器学习算法构建。首先，收集大量历史切割数据，包括切割液性能参数、切割工艺参数（如切割速度、刀具转速）以及对应的 TTV 检测数据。然后，选择合适的机器学习模型，如长短期记忆网络（LSTM）或梯度提升决策树（GBDT），对数据进行训练。LSTM 能够有效处理时间序列数据，捕捉切割过程中各参数与 TTV 之间的动态关系；GBDT 则在处理非线性关系上表现出色，可精准预测不同参数组合下的 TTV 值。通过不断优化模型参数，提高预测模型的准确性与泛化能力。

两者协同机制

切割液性能智能调控系统与晶圆 TTV 预测模型的协同体现在数据交互与动态反馈上。预测模型根据当前切割液性能参数及工艺参数，实时预测 TTV 值，并将预测结果反馈给智能调控系统。若预测 TTV 值超出目标范围，智能调控系统依据反馈信息，调整切割液性能参数，如增加冷却剂浓度以降低切割热，或调整润滑剂比例改善润滑效果，从而优化切割条件，使 TTV 向目标值靠近。这种协同机制形成闭环控制，实现对晶圆 TTV 的精准调控。

实验验证

为验证协同构建的有效性，设计对比实验。设置对照组采用传统切割工艺，实验组应用切割液性能智能调控系统与晶圆 TTV 预测模型协同工作的工艺。实验过程中，实时记录两组的切割液性能参数与晶圆 TTV 数据。初步实验结果显示，实验组的 TTV 波动范围明显小于对照组，平均 TTV 值降低 25% - 35%，证明两者协同构建对提升晶圆 TTV 均匀性具有显著效果。

高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。​

我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：

（以上为新启航实测样品数据结果）

该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量。其创新扫描原理极大提升材料兼容性，从轻掺到重掺P型硅，到碳化硅、蓝宝石、玻璃等多种晶圆材料均适用：​

对重掺型硅，可精准探测强吸收晶圆前后表面；​

点扫描第三代扫频激光技术，有效抵御光谱串扰，胜任粗糙晶圆表面测量；​

通过偏振效应补偿，增强低反射碳化硅、铌酸锂晶圆测量信噪比；

（以上为新启航实测样品数据结果）

支持绝缘体上硅和MEMS多层结构测量，覆盖μm级到数百μm级厚度范围，还可测量薄至4μm、精度达1nm的薄膜。

（以上为新启航实测样品数据结果）

此外，可调谐扫频激光具备出色的“温漂”处理能力，在极端环境中抗干扰性强，显著提升重复测量稳定性。

（以上为新启航实测样品数据结果）

系统采用第三代高速扫频可调谐激光器，摆脱传统SLD光源对“主动式减震平台”的依赖，凭借卓越抗干扰性实现小型化设计，还能与EFEM系统集成，满足产线自动化测量需求。运动控制灵活，适配2-12英寸方片和圆片测量。