Saltar al contenido
Noticias de tecnologia

La IA se encuentra con la fabricación de chips: los materiales aplicados incorporan la IA en el proceso de inspección de obleas

La IA se encuentra con la fabricación de chips: los materiales aplicados incorporan la IA en el proceso de inspección de obleas

Los diseños avanzados de sistema en chip son extremadamente complejos en términos de recuento de transistores y son difíciles de construir utilizando los últimos procesos de fabricación. En un intento por hacer que la producción de chips de próxima generación sea económicamente viable, las fábricas de chips deben garantizar altos rendimientos al principio de su ciclo de vida mediante la búsqueda y corrección de defectos rápidamente.

Pero encontrar y corregir defectos no es fácil hoy en día, ya que las herramientas de inspección óptica tradicionales no ofrecen una resolución de imagen suficientemente detallada, mientras que las herramientas de inspección de haz electrónico y multihaz de alta resolución son relativamente lentas. Buscando cerrar la brecha en los costos y el tiempo de inspección, Applied Materials ha estado desarrollando una tecnología llamada tecnología ExtractAI, que utiliza una combinación de la última herramienta de inspección óptica Enlight de la compañía, el sistema de revisión de haz electrónico SEMVision G7 y el aprendizaje profundo (AI) para encontrar defectos rápidamente. Y, sorprendentemente, esta solución se ha utilizado durante aproximadamente un año.

“El nuevo manual de Applied para el control de procesos combina Big Data e IA para ofrecer una solución inteligente y adaptable que acelera el tiempo de nuestros clientes para obtener el máximo rendimiento”, dijo Keith Wells, vicepresidente de grupo y gerente general de control de procesos e imágenes en Applied Materials. “Al combinar nuestras mejores tecnologías de inspección óptica y revisión de eBeam, hemos creado la única solución de la industria con la inteligencia para no solo detectar y clasificar defectos críticos para el rendimiento, sino también aprender y adaptarse a los cambios de proceso en tiempo real. La capacidad única permite a los fabricantes de chips aumentar rápidamente los nuevos nodos de proceso y mantener altas tasas de captura de defectos críticos para el rendimiento durante la vida útil del proceso “.

Detección de defectos: un paso crucial en la fabricación de chips

Como industria altamente competitiva, la industria de los semiconductores también es extremadamente sensible al tiempo. Las empresas modernas tienen que desarrollar nuevos chips, corregir errores y luego lanzarlos todos en horarios bastante ajustados. Hoy en día se necesitan años para desarrollar un chip avanzado y varios meses para fabricar realmente un lote. Uno de los parámetros de tiempo más cruciales es el tiempo de rendimiento, es decir, poder proporcionar una gran cantidad de chips con rendimientos suficientemente altos. Un diseñador de chips puede tener la arquitectura más eficiente que existe, pero si no puede hacerla en grandes volúmenes, aún perderá dinero y participación de mercado. Incluso las fundiciones sienten este apuro, ya que el tiempo necesario para reparar los defectos y poner las líneas a punto representa millones de dólares solo en depreciación de equipos; se espera que una semana de tiempo de inactividad de fábrica de 3 nm cueste $ 25 millones en costos de depreciación no amortizados. Por lo tanto, lograr un tiempo aceptable para generar métricas depende en gran medida de la capacidad de una fábrica para detectar y corregir defectos que destruyen el rendimiento.

Dado que la mayoría de los SoC avanzados se fabrican mediante procesos de fabricación extremadamente pequeños, muchos de los cuales se basan en litografía de múltiples patrones y / o ultravioleta extrema (EUV), es muy difícil detectar defectos. Applied Materials dice que el número de pasos del proceso aumentó en un 48% de 2015 a 2021.

Mientras tanto, pequeñas variaciones y anchos de línea pueden terminar como defectos que destruyen el rendimiento si se multiplican. Además, si estas pequeñas variaciones se detectan tarde, todos los pasos del proceso realizados después de que se introdujo la variación son esencialmente una pérdida de tiempo y dinero. De hecho, incluso la detección tardía puede considerarse mala suerte, ya que rastrear la causa raíz de un defecto de un circuito integrado con transistores FinFET y fabricado con patrones múltiples es extremadamente difícil.

Al igual que los escáneres utilizados para fabricar chips, las herramientas de inspección han evolucionado significativamente a lo largo de los años. Pero también se han vuelto más costosos, lo que aumenta el costo por escaneo de obleas. Según Applied Materials, el precio de un sistema de inspección óptica de alta gama ha aumentado un 56% en los últimos seis años, lo que a su vez ha aumentado el costo por escaneo de obleas en un 54% en el mismo período.

Como resultado, la fabulosa industria se enfrenta a una trampa. Por un lado, necesita realizar más inspecciones (preferiblemente después de cada paso del proceso) para acelerar el tiempo de rendimiento y hacer que la producción sea más eficiente. Además, los fabricantes de chips siempre están realizando mejoras continuas de procesos (CPI) para mejorar los rendimientos y reducir las variaciones de rendimiento / potencia mediante el control estadístico de procesos (SPI), que nuevamente implica inspecciones adicionales. Pero, por otro lado, dado que hoy en día hay tantos pasos de proceso y las herramientas de inspección son tan caras, los ingenieros tienen que limitar los pasos de inspección para evitar que sus presupuestos de control de procesos se disparen, lo que esencialmente alarga el tiempo de rendimiento y, al mismo tiempo, ralentiza el proceso. Proceso CPI.

Otro problema que enfrentan los ingenieros fabulosos es la cantidad de ruido que capturan las modernas herramientas de inspección óptica. En algún momento, el ruido se vuelve indistinguible de los defectos que reducen el rendimiento, por lo que los ingenieros deben aplicar ciertos modelos de filtrado para reducir los conjuntos de datos con los que tienen que trabajar. Naturalmente, esto reduce su capacidad para detectar un defecto lo suficientemente temprano.

Uso de IA para la inspección de obleas

Esto nos lleva a la tecnología ExtractAI de Applied Materials. Como uno de los fabricantes de herramientas de producción más grandes del mundo, Applied Materials tiene su mano en una amplia gama de herramientas de inspección, incluidas herramientas de inspección óptica y herramientas de revisión de haz electrónico. Por lo tanto, la compañía está buscando aprovechar su experiencia en el campo para encontrar una manera de usar ambas tecnologías para mitigar los inconvenientes de respeto de cada herramienta: herramientas de inspección óptica rápidas pero con resolución limitada y herramientas de haz electrónico lentas pero detalladas.

Con ese fin, Applied Materials ha combinado su último sistema de inspección de obleas ópticas Enlight con su nueva tecnología ExtractAI. El software ExtractAI esencialmente utiliza aprendizaje profundo (IA) para tratar de interpretar mejor los resultados de los escáneres ópticos, procesando los datos ópticos mientras usa su sistema de revisión de haz electrónico SEMVision G7 como fuente de capacitación y verificación de resultados.

Sobre el papel, todo funciona de forma bastante sencilla. Un sistema Enlight captura una imagen de alta resolución de una oblea y genera rápidamente una base de datos de posibles defectos. Luego, la oblea se envía a un sistema de revisión de haz electrónico SEMVision G7 que distingue los defectos del ruido y clasifica los defectos. Las imágenes y los datos capturados por Enlight y SEMVision G7 luego se envían al software ExtractAI para entrenarlo a reconocer automáticamente defectos específicos que destruyen el rendimiento en el mapa de obleas generado usando los sistemas de hardware y distinguirlos del ruido.

Como resultado, el proceso de escaneo lleva considerablemente menos tiempo con las obleas futuras del mismo chip, ya que los sistemas ya tienen un mapa de obleas procesable con defectos potenciales que reducen el rendimiento y deberían saber qué buscar. Mientras tanto, a medida que el software ExtractAI obtiene más datos de más obleas, la capacitación adicional debería permitirle ofrecer aún más precisión y rendimiento. Especialmente porque las bases de datos de defectos resultantes se pueden compartir en una fábrica o incluso en toda la empresa.

Ya en el trabajo

Como suele suceder con los anuncios de Applied Materials, su nuevo conjunto de herramientas ya está instalado en varias fábricas. Según la compañía, su herramienta de inspección óptica Enlight con tecnología ExtractAI ya está en uso en fábricas lógicas en Corea del Sur, Taiwán y los EE. UU., Quienes la están utilizando para mejorar el tiempo de rendimiento de sus últimas tecnologías.

“Los datos adicionales obtenidos por el monitoreo de línea me permiten acelerar y administrar los rendimientos de una manera que nunca antes podía permitirme”, dijo un cliente anónimo de Applied en junio de 2020 (según la presentación de la compañía).

Applied Materials comenzó el desarrollo del sistema Enlight con ExtractAI en 2016, con envíos comerciales a productores lógicos a partir del primer trimestre de 2020. Para fines del primer trimestre de 2021, se espera que las ventas acumuladas de la herramienta de inspección superen los $ 400 millones. Las herramientas de inspección de haz electrónico SEMVision de Applied también se utilizan ampliamente en la industria (se han instalado más de 1.500 unidades desde 1998), pero solo el SEMVision G7 y sus sucesores son compatibles con Enlight y ExtractAI.

En la actualidad, las principales fábricas de lógica utilizan el sistema de inspección óptica Enlight de Applied Materials con tecnología ExtractAI (dado que no hay muchos de ellos, sus nombres no son difíciles de adivinar). Pero a medida que las tecnologías de proceso DRAM continúan volviéndose más complejas, la compañía espera que los fabricantes de otros campos fabulosos adopten el conjunto de herramientas impulsadas por el aprendizaje profundo de Applied también en los próximos trimestres y años.