碳化硅 TTV 厚度在 CMP 工艺中的反馈控制机制研究-电子发烧友网

一、引言

化学机械抛光（CMP）工艺是实现碳化硅（SiC）衬底全局平坦化的关键技术，对提升衬底质量、保障后续器件性能至关重要。总厚度偏差（TTV）作为衡量碳化硅衬底质量的核心指标之一，其精确控制是 CMP 工艺的重要目标。研究碳化硅 TTV 厚度在 CMP 工艺中的反馈控制机制，有助于优化工艺参数，实现 TTV 厚度的精准调控，推动碳化硅产业高质量发展。

二、CMP 工艺对碳化硅 TTV 厚度控制的需求

在 CMP 工艺中，碳化硅衬底表面材料的去除速率不均匀、抛光垫的磨损以及工艺参数的波动等因素，都会导致衬底 TTV 厚度变化。若 TTV 厚度控制不佳，会使后续器件制造过程中出现光刻对准偏差、薄膜沉积不均匀等问题，降低器件成品率和性能。因此，需建立有效的反馈控制机制，实时监测 TTV 厚度变化，并根据测量结果及时调整 CMP 工艺参数，确保 TTV 厚度满足工艺要求。

三、碳化硅 TTV 厚度测量技术

3.1 高精度测量方法

为实现 CMP 工艺中碳化硅 TTV 厚度的反馈控制，需采用高精度的测量方法。光学干涉测量技术凭借其非接触、高分辨率的特点，能够精确获取碳化硅衬底表面形貌信息，从而计算出 TTV 厚度。该技术通过分析光束在衬底表面反射形成的干涉条纹，可检测出微小的厚度变化。此外，原子力显微镜（AFM）测量技术具有极高的空间分辨率，能对碳化硅衬底表面进行纳米级精度的扫描，准确测量表面起伏，为 TTV 厚度反馈控制提供精确数据。

3.2 在线测量与实时反馈

在 CMP 工艺过程中，采用在线测量技术可实时获取 TTV 厚度数据。基于激光扫描的在线测量系统，能够在不中断 CMP 工艺的情况下，快速对碳化硅衬底进行扫描测量。测量数据实时传输至反馈控制系统，使系统能够及时了解 TTV 厚度变化趋势，为工艺参数调整提供依据，实现 TTV 厚度的动态控制。

四、CMP 工艺中 TTV 厚度反馈控制系统构成

4.1 数据采集模块

数据采集模块负责收集碳化硅 TTV 厚度测量数据以及 CMP 工艺过程中的相关参数，如抛光压力、抛光液流量、抛光头转速等。该模块采用高精度传感器，确保数据采集的准确性和实时性。通过数据采集卡将传感器信号转换为数字信号，并传输至数据处理单元。

4.2 数据处理与分析模块

数据处理与分析模块对采集到的数据进行处理和分析。利用滤波算法去除测量数据中的噪声，通过数学模型分析 TTV 厚度与 CMP 工艺参数之间的关系。该模块还能够预测 TTV 厚度的变化趋势，为反馈控制提供决策支持。例如，基于机器学习算法建立 TTV 厚度预测模型，根据当前工艺参数和历史数据，预测未来 TTV 厚度变化。

4.3 控制执行模块

控制执行模块根据数据处理与分析模块的结果，调整 CMP 工艺参数。当检测到 TTV 厚度超出设定范围时，控制执行模块自动调节抛光压力、抛光液流量或抛光头转速等参数，使 TTV 厚度恢复到目标值。该模块采用高精度的执行机构，确保工艺参数调整的准确性和及时性。

五、CMP 工艺中 TTV 厚度反馈控制策略

5.1 基于模型的反馈控制

基于 CMP 工艺过程模型，建立 TTV 厚度与工艺参数之间的定量关系，实现基于模型的反馈控制。通过对模型的参数辨识和优化，提高模型的准确性。根据测量的 TTV 厚度与目标值的偏差，利用模型计算出工艺参数的调整量，实现对 TTV 厚度的精确控制。例如，采用基于物理原理的 CMP 工艺模型，结合实时测量数据，调整抛光过程中的材料去除速率，控制 TTV 厚度。

5.2 智能反馈控制

引入智能控制算法，如模糊控制、神经网络控制等，实现碳化硅 TTV 厚度的智能反馈控制。模糊控制无需建立精确的数学模型，通过模糊规则库和模糊推理机制，根据 TTV 厚度偏差和偏差变化率调整工艺参数。神经网络控制具有强大的非线性映射能力，能够学习 TTV 厚度与工艺参数之间复杂的非线性关系，实现自适应控制。智能反馈控制能够提高系统的鲁棒性和控制精度，适应 CMP 工艺过程中的不确定性和干扰。

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。