复享光学首次提出薄膜神经网络 3D N多层薄膜量测获突破
2022-12-05 20:42:43爱云资讯阅读量:1,122
2022年11月29日,据知名半导体和微电子情报提供商TechInsights报道,长江存储的232层3D NAND闪存X3-9070已经实现量产,领先于三星、美光、SK海力士等厂商,这也是中国品牌在半导体领域首次领先于国际竞争者。
中国半导体在先进制程制造上的持续重大突破,给国产量检测设备的发展提出了同样的要求,只有追求全产业链的整体提升,才能真正保持国际领先。复享光学作为国内集成电路核心光谱零部件供应商,配合设备厂商解决各类芯片制程工艺控制中的量检测核心问题,为实现集成电路产业的全链突破保驾护航。
近期,复享光学下属的上海微纳制程智能检测工程中心首次提出薄膜神经网络,突破百层3D NAND量测关键技术,相关成果发表于国际知名光学期刊Light: Advanced Manufacturing。
业内对3D NAND堆叠层数的不断追求来源于市场对单芯片存储容量需求的不断提升。由于芯片的微缩化已经接近2x nm性价比极限,通过实现存储单元在垂直方向的层层堆叠,就可以大幅度提升NAND芯片的性能和存储密度。业内预测,在2025年左右3D NAND会达到500层,而在2030年左右达到800层。
百层膜厚检测,3D NAND制备的新挑战
多层膜的制备是3D NAND的前道工序。由于层间应力的存在,工艺完成后的实际层厚与设计值相比会存在较大的偏差,因此多层膜的不均匀性对芯片生产的良率构成了严峻的挑战。
3D NAND 制备工艺挑战
图片来源:Lam Research
目前市场上针对薄膜的厚度量测方法,通常使用参数微扰差分获取梯度,并结合Levenberg-Marquardt算法构建映射关系进行在线优化。对于超过20层以上较多参数的多层结构,该方案必须预先假定其为周期性结构才能适用。并且,较多的结构参数会导致优化时间长达几小时,相当于在一次迭代中进行上百次计算,大大增加了等待耗时。
可见,传统厚度量测方法在3D NAND领域存在较大的局限性,亟需开发新的膜厚量测方案,以满足在线实时检测的产线需求。
薄膜神经网络,百层膜厚检测的新路径
在深度学习领域,多参数神经网络的优化过程中,常常采用反向传播算法来对神经网络中的大量参数进行优化。反向传播算法,是适合于多层神经元网络的一种学习算法。相较于传统的差分求梯度,反向传播算法是一种非常有效的快速获取梯度优化神经网络的手段,可上百倍,甚至上千倍地提升效率。
复享光学将光学逆问题研究主体(多层薄膜)视为神经网络来构建映射关系,并进行优化训练。这是全球首次将反向传播算法引入薄膜优化过程,在复享深度光谱™技术框架下开创性地发展了薄膜神经网络技术,极大地缩短了百层薄膜厚度的优化时间,相比于传统微扰差分的方法,其单次优化时间缩短为原来的2%。
薄膜神经网络技术原理
图片来源:Light: Advanced Manufacturing2021,2(4), 395-402.
目前,复享光学已成功将此技术应用于232层非周期薄膜结构的厚度量测,有望解决百层3D NAND量测的痛点。
准确高效,比肩国际量测标准数据
除时间的大幅缩短外,薄膜神经网络技术的另一项优势在于,该技术无需前期准备大量数据集进行神经网络训练学习,直接构建于精确电磁仿真计算的映射关系上,即使在薄膜层数达到232层,依然能保证光谱结果的精确性。
232层薄膜优化案例
图片来源:Light: Advanced Manufacturing2021,2(4), 395-402.
经研究验证,复享光学提出的薄膜神经网络的技术方案,不仅可以实现多层薄膜厚度的快速检测,同时还能判断样品是否异常以及异常层位置。
图片来源:Light: Advanced Manufacturing2021,2(4), 395-402.
在晶圆膜厚量测过程中,基于薄膜神经网络的测量结果与国际量测标准的数据进行对比,误差在万分之一以内(<0.1 nm)。这一结果证明了该技术在晶圆级薄膜厚度测量场景中的可行性。
薄膜厚度实测结果
赋能微纳制造,微纳光学逆问题求解
3D NAND多层膜厚量测是一个典型的光学逆问题。对光学逆问题的求解,是指从已知的光学响应反向推测微纳结构的求解过程。除3D NAND的量测以外,还有一系列存在于微纳光学与半导体制程检测领域的关键问题,都是典型的光学逆问题。
薄膜神经网络技术的提出,得益于复享光学长期以来对微纳光学逆问题的研究工作,并深度引入神经网络算法实现多维度光谱量检测的复杂应用,在光学算法上具有坚实的基础和应用经验。光谱量检测技术存在于各类微纳制造与量检测设备之中,是支撑集成电路和光电子芯片产业制造工艺的关键技术之一。
目前,复享光学的多系列光谱模组已在半导体前道工艺之中成功应用,并获得多家半导体头部客户的验证、生产导入及小批量订单。凭借复享深度光谱™技术,复享光学希望与国内量检测设备厂商一起,解决先进制程核心工艺问题,以光谱硬科技助力产业发展。
关于复享光学
复享光学是深度光谱技术的创导者,历时十年,深耕微纳光电子领域,发展智能化全光谱技术,着力于光子学与人工智能的融合,形成了国际领先的深度光谱技术平台,向市场提供从技术到产品,从模块到系统的全面解决方案。
通过成立对接产业需求的“上海微纳制程智能检测工程技术研究中心”,并与复旦大学共建致力于研究微纳制造前沿共性关键技术的“复旦大学光检测与光集成校企联合研究中心”,复享光学形成了多层次的研发平台,以深度响应市场需求,持续推出突破性的产品。
复享光学已拥有国内外超3000家优质客户,并与超170家半导体、高端材料、生物医药企业形成交流与合作,与客户一起,致力于实现科学技术创新,推动微纳制造产业发展。
参考文献:
Light: Advanced Manufacturing2021,2(4), 395-402.
相关文章
- Unity着手推进神经网络渲染技术应用,颠覆呈现虚拟 3D 世界的方式
- 科研成果发布│基于超图神经网络的推荐系统论文
- 打破神经网络技术应用局限性,度小满博士后论文入选国际顶级会议
- 本科生新算法打败NeRF,不用神经网络照片也能动起来,提速100倍
- 特斯拉AI DAY:AI神经网络解读 Dojo超算信息/AI机器人发布
- 2021世界人工智能大会AI Debate:图神经网络是否是实现认知智能的关键?
- 新专利显示苹果VR头显可能利用神经网络监测用户的姿势
- 图神经网络的知识提取与超越:一个有效的知识蒸馏框架
- 人工神经网络秒变脉冲神经网络,新技术有望开启边缘AI计算新时代
- 深度神经网络是为人工智能的重要基石
- Imagination推出新神经网络加速器 可用于ADAS和自动驾驶
- 深度学习与神经网络推动AI芯片市场以约40%的年成长率持续扩张
- 百度飞桨PGL-UniMP刷新3项任务记录 登顶图神经网络权威榜单OGB
- Helm.ai宣布了一种新的深度教学方法来训练神经网络
- 科学家们致力于利用神经网络改变神经成像研究
- 开发AI神经网络用于打假 阿里安全获计算机视觉顶会ECCV2020竞赛冠军