IT思维

公众号/ScienceAI（ID：Philosophyai）

编译/文龙

新冠疫情以来，全球芯片供不应求，各大芯片制造厂商在增加产能的同时，芯片检测的成本也在不断上升。近日一家美国的半导体器械公司推出新一代光学半导体晶圆检查机，该机器运用大数据和AI技术来有效地发现制造出的芯片的问题。

新的半导体检测机器旨在在制造过程中的各个时间检查芯片，以加快开发速度。该创新项目采用ExtractAI新技术，可在Enlight光学检测系统生成的大数据与SEMVision eBeam审查系统之间建立实时连接，从而实时自动发现并分类导致芯片损坏的致命缺陷。与传统方法相比，更快、更好并且更具成本效益。

图示：Applied Materials公司的新一代光学半导体晶圆检查系统。（来源：Applied Materials）

应用材料公司总裁基思·威尔斯（Keith Wells）认为这台检测器有能力影响经济，「我们相信这是业内最快的高端光学检测器，速度提高了3倍，并且能够发现对产量至关重要的缺陷」。
Enlight光学晶圆检查系统

经过五年的发展，Enlight系统将速度、高分辨率和先进的光学技术相结合，可以每次扫描时收集到更多至关重要的数据。该系统具有更强大的光学系统，可快速聚焦晶圆表面有问题的部分。

Enlight系统使芯片制造商可以在工艺流程中插入更多检查点，产生的大量可用数据增强了「生产线监控」。这是一种过程控制的统计方法，可以在成品率出现偏差之前对其进行预测，以便快速检测出偏差，停止晶圆加工，保证成品率；同时通过追溯根本原因来加速纠正，回归大批量生产。

图示：Enlight光学系统（来源：Applied Materials）

Enlight系统架构提高了光学检查的经济性，捕获关键缺陷的成本降低了3倍。Wells指出：「光学检查系统会发现很多工程师可能并不在乎的缺陷，这些缺陷可能不是致命的。因此，挑战在于为客户提供可操作的数据。」
ExtractAI技术

ExtractAI在光学检测系统生成的大数据与对特定良率信号进行分类的eBeam审查系统之间建立了实时连接，以便通过推理解析晶圆图上的所有信号。

ExtractAI技术效率极高。仅检查了0.001％的样品，它就可以表征晶圆图上所有潜在的缺陷。结果是一个可行的分类缺陷图，可加快半导体节点的开发和良率。

ExtractAI技术解决了晶圆检查中最困难的问题：能够快速、准确地从高级光学扫描仪产生的数百万个信号或「噪声」中分辨出可消除良率的缺陷。它必须解决一百万个可能的问题，并将其减少到可以进一步检查的1000个可能的问题。

AI技术具有自适应性，可在大批量生产时快速发现新缺陷，同时随着扫描更多晶圆而不断提高其性能和有效性。Wells强调：「实际上是在实时学习和调整分类缺陷，这不同于其他静态的分类器方法。」

SemVision eBeam审查系统

SemVision系统是世界上最先进且使用最广泛的eBeam审查技术，全世界有1500个芯片工厂已经安装了该系统。SemVision系统使用ExtractAI技术对Enlight系统进行训练，可以从噪声中区分出导致减产的缺陷并对缺陷进行分类。

通过实时协作，Enlight系统、ExtractAI技术和SemVision系统可帮助客户识别新缺陷，将其引入到制造流程中，从而提高产量和利润率。

Wells表示：「过去五年来，我们已经看到检查成本的上升。客户一直在通过减少检查点补偿工具成本的增加。但是不幸的是，减少检查点会产生良率问题。业界希望通过更多检查获得更好的有经济价值的信息。我们正在为这一点努力。」

挑战与机遇

对机器的改进是及时的，半导体技术正变得越来越复杂和昂贵。每个现代芯片制造工厂的建造成本高达180亿美元以上，并且芯片制造需要数百个单独的步骤。确保只有几纳米宽的芯片在出厂时就不会出错，对英特尔、台积电和三星电子等厂商实现盈利至关重要

图示：芯片制造成本的增加（来源：Applied Materials）

在工厂的整个生命周期中，芯片制造商可以降低工厂中芯片制造设备的成本。但是制造失败会导致工厂闲置并损失大量资金，因为工程师需要破译失败的原因。一周的停机时间可能会使年产量降低2％；最重要的是，芯片的价格会随着时间的推移而迅速下降。

此外，检查也变得越来越复杂。随着线宽的缩小并变成抑制产量的因素，缺陷变得越来越难以被发现和纠正。同样，3D晶体管的形成和多处理技术引入了细微的变化，这些变化可能会倍增从而产生致命的缺陷。
这就是检查机器的用武之地。它们可以使用AI检测芯片表面上的异常情况，然后在可能的情况下自动修复错误，使有害颗粒不会破坏电路。仅这些检查机器就能为全球市场增加20亿美元。

图示：芯片的复杂性使制造变得困难（来源：Applied Materials）

市场分析公司VLSI Research的首席执行官丹·哈切森（Dan Hutcheson）在一份声明中说，能够快速、准确地识别出致命缺陷是芯片工程师在过去三十多年中一直在努力的工作。

Hutcheson表示：「应用材料公司这项具有ExtractAI技术的Enlight系统是解决这一难题的突破性方法。使用系统的工厂越多，AI越智能，就可以帮助芯片制造商增加每片晶圆的收入。」据他估计，Enlight可以缩短因正常产量的偏差而延长的时间，每小时可以减少260万美元的损失，而检查费用只占成本的大约10％。

过去，芯片制造商部署的AI的分类引擎是静态的。它没有能力自动学习和适应。但是芯片制造工艺或制造芯片的方法经常变化。Wells说：「下一个必要步骤是让AI学习和适应。随着过程的变化，他们可以适应。」
应用材料公司的高管们多年来一直在预测，人工智能的最新发展将引发半导体制造领域产生变革。Wells说：「我们都知道人工智能和大数据具有改变各个领域经济的潜力。今天，这已成为现实。我们正在将AI和大数据带入半导体制造业。」

从去年开始，该系统就一直在进行实际测试，并且到目前为止已经产生了超过4亿美元的收入。

参考内容：

https://venturebeat.com/2021/03/16/applied-materials-brings-ai-and-big-data-into-semiconductor-inspection-machines/
https://finance.yahoo.com/news/applied-materials-tools-ai-catch-114111896.html
https://www.yahoo.com/lifestyle/applied-materials-introduces-playbook-process-113000278.html