Разработка программно-аппаратного комплекса автоматического обнаружения дефектов интегральных микросхем на основе искусственного интеллекта и глубокого машинного обучения
Особенностью технологического процесса производства интегральных микросхем является необходимость многократного визуального контроля дефектов структур, формируемых на поверхности подложки. Такой контроль производится после каждой технологической операции, начиная с изготовления фотошаблонов, далее, после каждой следующей операции фотолитографии и химического или плазмохимического травления материала, и заканчивая визуальным контролем микросхем после нарезки пластин на отдельные кристаллы. При каждой операции контроля проверяется целый перечень критериев годности, таких как: линейные размеры элементов, неровность края структуры, совмещение слоев и многие другие. Часть критериев, таких как: отклонение линейных размеров, рассовмещение фигур неровность края и т.п. относятся, как правило, ко всей пластине или даже ко всей партии пластин, и могут быть выявлены по оценке небольшой выборки элементов с каждой пластины. Напротив, некоторые дефекты, как например, сколы, царапины, включения посторонних частиц, и «недотравы», имеют локальный характер, и для их выявления требуется оценить каждый элемент в отдельности. Ситуация осложняется тем, что в современные интегральные микросхемы имеют очень высокое соотношение размера кристалла к размеру минимального контролируемого элемента – более 100. Таким образом, для контроля одного кристалла, контролеру необходимо провести тщательное сканирование всей его поверхности. Неудивительно, что еще на заре развития производства полупроводниковых приборов и интегральных микросхем, появились системы автоматизированного контроля дефектов. Первое поколение комплексов для автоматизированного контроля позволяло проводить автоматизированный контроль путем сравнения рабочего кристалла с "эталонным" образцом. Очевидным недостатком первого поколения таких систем, является необходимость изготовления идеального образца с которым производится сравнение. Второй проблемой такого подхода заключается в том, что система не может оценить характер того или иного дефекта. Если такой прибор обнаруживает отклонение от "эталона", то кристалл автоматически будет забракован без какой либо оценки влияния данного вида дефекта. В следствие такого "слепого" подхода сильно снижается процент выхода годных кристаллов. Второе поколение программно-аппаратных комплексов основывалось на сравнении контролируемого кристалла с его компьютерной моделью, созданной разработчиком-топологом. Такие системы контроля лишены недостатков связанных с изготовлением эталонного объекта, т.к. вместо эталонного объекта используется его компьютерная модель. Тем не менее, нерешенная проблема ложных забракований по признакам формального несоответствия, сильно снижает эффективность таких систем и ограничивает область их применения. Таким образом, в настоящее время, в отрасли, доминирующим методом контроля дефектов остается человеческий труд контролеров, со всеми свойственными ему недостатками. Сейчас, когда широкое распространение получили технологии машинного обучения и нейронных сетей, актуальным становится вопрос о разработке нового поколения программно-аппаратных комплексов автоматического и автоматизированного контроля дефектов полупроводниковых приборов и интегральных схем, основанных на этих технологиях. Суть такой системы контроля в том, что в ней не производится никакого сравнения ни с эталонным объектом, ни с компьютерной моделью. Для нормальной работы системы проводится предварительное "обучение" системы на большой выборке (не менее 1000) подобных объектов с ручным обозначением дефектов. При этом, контроллер, производящий обучение системы, может указывать только на те дефекты, которые влияют на работоспособность микросхемы, пропуская те дефекты, которые не влияют на их работу. Разрабатываемый в ходе НИОКР комплекс, должен состоять из оптического микроскопа с камерой на тринокулярной насадке, подключаемой к компьютеру по стандартному порту и дисплея для вывода информации. Комплекс должен автоматически распознавать следующие виды дефектов кристалла ИС: Нервность края Растрав металлизации Зауживание шины металлизации на границе с монтажной площадкой более чем на 1/3 от ширины дорожки Сколы в активной зоне микросхемы Посторонние частицы в активной зоне Другие дефекты, в зависимости от особенностей "обучения" системы. На первом этапе НИОКР (в рамках СТАРТ-1) предполагается провести теоретические расчеты и построить математическую модель и прототип программного обеспечения, чтобы подтвердить возможность применения предложенных технологий для решения задач автоматизированного контроля дефектов на поверхности топологических структур. На последующих этапах НИОКР будет разработан прототип программно-аппаратного комплекса, проведение его испытаний и разработка КД и ТД для выпуска промышленных образцов.
Производитель: ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "ЛАБОРАТОРИЯ ТЕХНИЧЕСКИХ РЕШЕНИЙ"
Ссылка
Направление
IT
