在廠商將晶圓切割成芯片之前，要經歷數百個生產步驟。這一過程中，一種建造成本高達 220 億美元的光學半導體晶圓檢測機發(fā)揮著關鍵作用。
近日，成立于 1967 年的美國半導體和顯示設備制造商應用材料公司(Applied Materials)推出了新一代光學半導體晶圓檢測機，融合了大數據和人工智能技術，它將自動檢測更多晶圓，并發(fā)現更多可以影響芯片的致命缺陷。
AI 進入半導體制造業(yè)，為什么?
Applied Materials 副總裁 Keith Wells 在接受外媒 VentureBeat 采訪時表示：
我們知道，人工智能和大數據有潛力改變每個領域，如今，我們把人工智能和大數據帶入了半導體制造業(yè)。
一方面，疫情之下全球芯片嚴重短缺，在制造廠商增加產能之時，晶圓檢測成本也在不斷上升。
十年前，廠商的制造成本約 90 億美元，如今已翻了一倍。即便可以通過降低芯片制造設備成本的方式控制成本，但制造延遲和檢查失敗將導致工廠閑置，并造成大量損失。
就內存芯片而言，停工一周便會使年產出下降 2%。此外，芯片價格會隨著時間的推移迅速下跌，因此制造速度落后于計劃可能會嚴重損害營收。
也就是說，半導體技術正變得越來越復雜和昂貴。對世界各地的芯片制造商來說，減少開發(fā)和部署先進制造流程節(jié)點所需的時間可能對應著的是數十億美元。
另一方面，隨著線寬縮小并成為抑制產量的一大因素，芯片的缺陷越來越難以被發(fā)現和糾正，檢查工作日益復雜。
Applied Materials 表示，3D 晶體管的形成和多處理技術也可能產生影響產量的缺陷。
市場分析公司 VLSI Research 首席執(zhí)行官 Dan Hutcheson 表示：
能夠快速準確地識別致命缺陷，是芯片工程師們 30 多年來一直努力解決的問題。Applied Materials 的最新檢測系統就是解決這一挑戰(zhàn)的突破性方法。新系統采用了最先進的掃描電子顯微鏡，可幫助識別光學檢查器發(fā)出的信號，從而對缺陷進行分類。新系統每爭取一小時，就可以幫助廠商減少價值 260 萬美元的產量損失(指晶圓因缺陷芯片而造成的損失的百分比)。
AI 進入半導體制造業(yè)，怎么做?
據了解，新檢測系統是 Applied Materials 當前運行速度最快的機器。
Keith Wells 稱：
我們相信，這將是業(yè)界最快的高端光學檢測設備，速度將提升 3 倍。
這一系統結合了速度、高分辨率和先進的光學技術，每次掃描都將收集更多的產量關鍵數據，決定了是否降低生產速度，并在晶圓存在不同程度風險時發(fā)出警報，將捕獲關鍵缺陷的成本降低了 3 倍。
同時，系統允許芯片制造廠商在工藝流程中插入更多的檢查點。大數據的可用性增強了 “生產線監(jiān)控”，即可在產量偏差發(fā)生前立即檢測偏差、停止晶圓加工以保護產量的統計過程控制方法，它將實現根本原因追溯，加速糾正措施，并恢復大批量生產。
值得關注的是，Applied Materials 推出的新一代光學半導體晶圓檢測機集成了核心的 ExtractAI 技術。
該技術由 Applied Materials 數據科學家開發(fā)，解決了晶圓檢測中最困難的問題：如何快速、準確地從高端光學掃描儀產生的數百萬信號甚至 “噪音”中識別出導致產量下降的缺陷，并把可能出現的問題數從百萬個減少到一千個。
ExtractAI 將在基于廠商的光學檢測系統生成的大數據與電子束審查系統 SemVision 之間建立實時連接，電子束審查系統對特定良率信號進行分類，通過推斷區(qū)分良率障礙。
而 SemVision 系統是世界上最先進、應用最廣泛的電子束審查技術，全世界有 1500 個芯片工廠已安裝了該系統。
Keith Wells 表示：
過去五年，晶圓檢測機的成本不斷上升，行業(yè)希望通過更多的檢查來傳遞更好的經濟價值信息，而 Applied Materials 正在努力實現這一點。
