L'intelligenza artificiale nell'ottimizzazione della resa dei semiconduttori

La resa è la frazione di chip (matrici) su un wafer che funziona. I Fab perdono resa a causa di particelle casuali, problemi di processo sistematici e deriva lenta delle apparecchiature. Poiché un wafer può trascorrere settimane nella fabbrica, individuare un problema con giorni di ritardo può rovinare molti lotti. L’intelligenza artificiale aiuta in tre aree principali. Il primo è il rilevamento e la classificazione dei difetti. Gli strumenti di ispezione ottica e a fascio elettronico rilevano anomalie sui wafer e i modelli di classificazione automatica dei difetti li etichettano per tipo. Separatamente, il test elettrico produce mappe wafer che mostrano quali die hanno fallito. Lo schema spaziale è un indizio: un anello sul bordo suggerisce un problema sul bordo del wafer durante un processo come l'incisione, mentre un graffio suggerisce un danno da manipolazione. Il set di dati pubblico WM-811K, tratto da vere e proprie mappe wafer, è ampiamente utilizzato nella ricerca sulla classificazione di questi modelli. La seconda è la metrologia virtuale. Misurare ogni wafer in ogni fase è lento e costoso, quindi i campioni sono favolosi. La metrologia virtuale prevede i risultati di misurazione dai dati dei sensori già registrati, come pressione, temperatura, flusso di gas e potenza RF, fornendo una stima per ogni wafer. Il terzo è il controllo del processo. I sistemi di rilevamento e classificazione dei guasti osservano le tracce dei sensori dello strumento per rilevare comportamenti anomali e i controller da un'analisi all'altra regolano le impostazioni della ricetta tra i lotti per mantenere i risultati in linea con gli obiettivi. L’apprendimento automatico può migliorare entrambi modellando relazioni non lineari che il tradizionale controllo statistico dei processi non riesce a cogliere. Sono comuni diversi malintesi. I Fab non dispongono di enormi set di dati etichettati per ogni tipo di difetto: i difetti rari possono apparire solo poche volte, le classi sono fortemente sbilanciate e le etichette dipendono da ingegneri esperti. I modelli diventano obsoleti anche quando gli strumenti vengono sottoposti a manutenzione o vengono modificate le ricette. E una previsione da sola non basta; gli ingegneri hanno bisogno di una causa fisica plausibile prima di modificare un processo. Questo argomento riguarda la produzione, non la progettazione del layout del chip.