应材发表人工智能半导体缺陷检测，降低取得关键缺陷成本 3 倍

半导体材料商美商应材 (Applied Materials) 于 17 日宣布，推出制程控制方面的重大创新，就是在设备中运用大数据与人工智能技术，协助半导体制造商加速研发时程、更快创造营收，同时获取更多利润。

应材指出，半导体技术日趋复杂且所费不赀，而全球芯片制造商想要缩短研发及提升良率所需的时间，换算下来相当于数十亿美元。成功与否取决于缺陷控管以及良率提升的能力，在缩小线宽的同时，良率的提升也更挑战。同样地，3D 晶体管的成形和多重处理技术也会带来微妙变化，这些变化可能会造成良率不良的加乘效果，使得晶圆缺陷的诊断与改善更为耗时。

因此，应材将使用新型制程控制措施解决上述挑战，引领大数据与人工智能的技术带入芯片制造技术的核心。应材的解决方案较传统方法能更快、且更好、并更有效地找出缺陷并加以分类。而相关解决方案包含了以下的 3 项要素:

全新 Enlight 光学晶圆检测系统：

历时 5 年开发出的 Enlight 系统结合领先业界的超高速度与高分辨率及先进的光学元件，每次扫描都能收集到更多的良率关键资料。Enlight 系统架构使得光学检测系统更具经济性，与同业的作法相比，取得关键缺陷的成本降低了 3 倍。大幅改善成本之故，芯片制造商使用 Enlight 系统便能在半导体制程中插入更多检测点。如此一来，所产生出的大数据加强 “产线监控” 这项统计制程控制方法的能力，在晶圆缺陷发生前先行预测与侦测缺陷可能的成因，以保护良率，并协助加快修正动作与恢复产线。

新型 ExtractAI 技术：

能从高阶光学扫描器产生的数百万个讯号，有效区别讯号与噪声，并快速精准地分辨出不利于良率的缺陷。ExtractAI 是目前同业唯一的解决方案，在光学检测系统所产生的大数据，以及对特定良率讯号进行分类的电子束 (eBeam) 检视系统之间建立即时连结，Enlight 系统用推理的方式解析晶圆图上的所有讯号，区分出不利于良率的缺陷及噪声。ExtractAI 技术的效率极高，只要检视 0.001% 的样品，就能找出晶圆图上所有潜在缺陷的特征。客户会轻松得到一个缺陷分析，并据此采取明确行动，以加快研发步伐、提升产量和提高良率。人工智能技术能够在量产期间快速找出新的缺陷，同时随着大数据的诊断跟分析，有效提高其效能。

SEMVision 电子束复检系统：

是全球最先进、应用最广泛的电子束复检技术。SEMVision G7系统凭借其领先业界的分辨率，能相容于新的 Enlight 系统和 ExtractAI 技术，能有效地进行缺陷分类与自噪声中辨别缺陷，协助客户即时找出制程中的新缺陷，进而提高良率与获利能力。

应材进一步指出，采用 ExtractAI 技术的全新 Enlight 系统，是应材史上最快速量产的检测系统，目前全球所有顶尖的晶圆代工逻辑客户均已采用这套系统。而 SEMVision 系统则是 20 多年来始终在业界领先的电子束检视系统，全球客户晶圆厂的安装数量超过 1,500 套系统。

(首图来源:官网)