AI视觉系统实现半导体晶圆检测

良率经济学

• •200亿美元以上的晶圆厂投资需要最大化良率才能回本
• •500多个工艺步骤,每一步都可能产生缺陷
• •10纳米以下的特征尺寸,超出大多数检测设备的能力
• •1%的良率提升 = 大型晶圆厂年利润增加1亿美元以上

学习复杂图案

现代芯片设计过于复杂,基于规则的检测æ， æ³•èƒœä»»ã€‚单个GPU包含数十亿个晶体管,具有复杂的重复图案。AI从样本中学习"正确"的样子,然后以超人的速度和准确性识别偏差。

减少误报

传统系统会产生大量误报,有æ，¶90%以上被标记的"缺陷"实际上是可接å，的变化。AI大幅降低误报率,减少人工复核æ，¶é，´,防止合格裸片被丢弃。

缺陷分类

除了检测,AI还能按类型、严重程度和可能原因对缺陷进行分类。这使å¾，根因分析和工艺纠正成为可能,从源头预防未来的缺陷,而不仅仅是发现它们。

集成要求

• •SECS/GEM连接用于设备集成
• •MES集成用于批次跟踪和缺陷关联
• •良率管理系统数据馈送用于分析
• •配方管理用于特定工艺的检测配置

é，®:AI检测能处理新芯片设计å，?

答: 可以。AI模型可以使用黄金样本或基于CAD的参考数据对新设计进行训练。迁移学习允许基于相似设计的知识快速适应新产品。

é，®:AI如何应对洁净室环境?

答: AI处理硬件专为洁净室部署设计,具有适当的过滤、材料和污染控制。边缘处理最大限度减少洁净室内的设备占地面积。

é，®:先进制程节点需要什么分辨率?

答: 先进制程(7纳米以下)需要电子束或专用光学检测来检测图案缺陷。AI增强这些系统的数据分析能力,大幅提高缺陷检测和分类准确性。