引言
人工智能(AI)的進步正為包括半導體制造在內(nèi)的多個行業(yè)帶來革命性變革。利用 AI 開展半導體檢測與診斷工作,已成為一種可能改變行業(yè)格局的策略,有助于提高生產(chǎn)效率、識別以往無法察覺的缺陷,并縮短產(chǎn)品上市周期。本文將探討人工智能與半導體設計信息相結(jié)合后,如何為更高效的檢測與診斷流程助力。
半導體檢測面臨的挑戰(zhàn)
半導體制造本身具有極高的復雜性,涉及微觀結(jié)構(gòu)和復雜設計,每個環(huán)節(jié)都對精度有嚴苛要求。其中最突出的挑戰(zhàn)是檢測傳統(tǒng)方法(如光學檢測)無法識別的缺陷,包括亞表面缺陷、微小過孔或隱蔽短路等。
傳統(tǒng)檢測方法(如光柵掃描電子束技術(shù))的吞吐量較低,難以滿足現(xiàn)代生產(chǎn)周期的高速需求。這些挑戰(zhàn)亟需更智能、更快速、更可靠的解決方案,而這也為 AI 技術(shù)在半導體檢測領(lǐng)域的應用奠定了基礎(chǔ)。本文將探討幾個我們認為AI 有望推動檢測與測試工作實現(xiàn)提速增效、提升可靠性的領(lǐng)域。
推動 AI 應用于檢測的基礎(chǔ)能力
人工智能驅(qū)動的檢測流程將以多項基礎(chǔ)能力為支撐,每項能力都可能在優(yōu)化檢測結(jié)果中發(fā)揮關(guān)鍵作用。這些能力包括:
圖片來源:視頻資料
1、eProbe技術(shù):與傳統(tǒng)光柵掃描電子束方法不同,eProbe采用點掃描方式,可直接跳轉(zhuǎn)至目標區(qū)域。這種創(chuàng)新的掃描方法能使吞吐量實現(xiàn)數(shù)量級提升。
2、Fire AI 與模糊模式算法:Fire AI 平臺可匯總設計幾何特征和電氣性能,實現(xiàn)更精準的缺陷檢測。其模糊模式算法能將布局模式歸類為失效模式家族,提高檢測的針對性。
3、引導式分析:通過將設計數(shù)據(jù)和掃描診斷數(shù)據(jù)整合到引導式分析工具中,工程師能更深入地掌握問題根源,從而更快速、準確地開展診斷工作。
具備儀表盤功能的自動化每日良率摘要;
可檢測以往無法識別的其他根本原因;
將掃描診斷得出的物理位置信息與布局模式分析相關(guān)聯(lián);
識別良率問題中的布局敏感性;
4、與西門子EDA Tessent 的集成:西門子的 Tessent 平臺增強了掃描診斷功能,能提供失效單元和網(wǎng)絡的相關(guān)信息,并通過先進的機器學習算法(根本原因解卷積)實現(xiàn)失效模式提取。這一合作體現(xiàn)了設計信息與人工智能驅(qū)動的分析之間的協(xié)同效應。
將 Tessent 的掃描診斷數(shù)據(jù)導入Exensio平臺 ;
原始診斷報告包含失效網(wǎng)絡、單元及物理位置信息;
基于機器學習的“良率洞察”可分析芯片群體模式;
該集成解決方案能實現(xiàn)更高效的失效分析與診斷;
基于人工智能的智能檢測方案
人工智能與半導體檢測的融合將催生多項創(chuàng)新,同時提升檢測的速度與準確性。借助半導體設計信息,AI 算法能夠生成針對性檢測方案、確定缺陷檢測的關(guān)鍵區(qū)域,并優(yōu)化診斷流程。以下是我們認為人工智能將產(chǎn)生變革性影響的三個關(guān)鍵應用領(lǐng)域。
圖片來源:視頻資料
1、隨機缺陷檢測
受時間限制,傳統(tǒng)隨機缺陷檢測通常僅分析極小比例的關(guān)鍵特征。而借助人工智能,這一過程的效率將大幅提升。通過利用設計信息,人工智能可優(yōu)化掃描位置,引導電子束檢測聚焦于最可能存在缺陷的區(qū)域。
新方法具體如下:
通過了解電子束在產(chǎn)品布局上的表現(xiàn),優(yōu)化掃描位置選擇;
優(yōu)先檢測電子束可觀測的關(guān)鍵導線;
在相同時間預算內(nèi),實現(xiàn)更高比例的關(guān)鍵區(qū)域檢測;
相比無人工智能支持的方案,可掃描的可觀測導線長度比例顯著提高;
選擇標準包括優(yōu)先考慮:
信噪比良好的金屬線;
長度足夠、能體現(xiàn)關(guān)鍵區(qū)域特征的導線;
接地特性適宜、可被電子束檢測的導線;
2、未知系統(tǒng)性缺陷檢測
半導體制造中的未知系統(tǒng)性失效模式是一大難題,若無合適的檢測算法,這類缺陷往往難以被發(fā)現(xiàn)。人工智能可通過分析設計模式,并依據(jù)歷史數(shù)據(jù)和性能數(shù)據(jù)確定潛在失效位點的優(yōu)先級,從而應對這一挑戰(zhàn)。
在人工智能支持下,具體方法如下:
對整個布局進行繪圖分析;
利用模糊模式算法將模式歸類為失效模式組;
為未知系統(tǒng)性模式優(yōu)先分配檢測資源;
目標是大幅提高系統(tǒng)性失效模式的覆蓋率,捕捉高達 99% 的未知系統(tǒng)性模式位置。
3、掃描測試驅(qū)動的檢測
將掃描測試數(shù)據(jù)與檢測過程相結(jié)合,能進一步放大人工智能的作用。通過分析掃描向量并識別失效網(wǎng)絡,人工智能模型可生成針對性檢測方案,以定位系統(tǒng)性失效模式。這種融合能使工程師將物理設計屬性與觀測到的缺陷相關(guān)聯(lián),顯著提高診斷準確性。
例如,若某一掃描測試發(fā)現(xiàn)某一網(wǎng)絡失效,人工智能可分析布局并識別潛在失效位點(如過孔或交叉金屬線)。這種方法能實現(xiàn)針對性調(diào)查,減少時間和資源消耗,同時提升整體診斷水平。
該方法將利用掃描測試結(jié)果指導檢測:
識別與掃描測試失效相關(guān)的特定網(wǎng)絡;
分析這些網(wǎng)絡內(nèi)部及周邊潛在的系統(tǒng)性失效模式;
優(yōu)化電子束檢測方案,聚焦這些特定模式;
即便系統(tǒng)性失效對良率的影響比隨機缺陷小100倍,也能成功識別;
人工智能應用的戰(zhàn)略優(yōu)勢
將人工智能整合到半導體檢測流程中,可帶來多方面的顯著優(yōu)勢:
提高吞吐量:eProbe 等人工智能驅(qū)動工具可優(yōu)先處理關(guān)鍵區(qū)域,在減少檢測時間的同時擴大覆蓋范圍。這使制造商能滿足緊張的生產(chǎn)進度要求,同時不影響缺陷檢測效果。
降低成本:通過聚焦高優(yōu)先級區(qū)域、減少不必要的檢測,人工智能可最大限度降低資源消耗。再加上其增強診斷的能力,能實現(xiàn)更具成本效益的運營。
提升準確性:人工智能具備分析設計數(shù)據(jù)和性能模式的能力,可使缺陷檢測和診斷更精準,確保更高的良率和更低的每十億缺陷數(shù)(DPB)。
面向未來:隨著半導體為5G 等新興技術(shù)提供支持,人工智能驅(qū)動的檢測能力可提供滿足不斷變化的需求所需的適應性和精度。
半導體檢測的發(fā)展方向
利用人工智能將設計數(shù)據(jù)與檢測、診斷相結(jié)合,可能是一場范式轉(zhuǎn)變。從優(yōu)化隨機缺陷檢測到發(fā)現(xiàn)未知系統(tǒng)性失效,再到增強診斷能力,人工智能為重新定義半導體制造的可能性開辟了道路。
為充分發(fā)揮人工智能的潛力,半導體制造商應考慮以下后續(xù)步驟:
投資人工智能平臺:Fire AI 和西門子Tessent 等平臺在整合設計、掃描測試數(shù)據(jù)與檢測流程方面具備成熟能力。
加強技能培養(yǎng):為團隊配備有效操作人工智能驅(qū)動系統(tǒng)所需的知識和工具。
采用協(xié)作模式:設計、測試和分析平臺之間的合作可釋放協(xié)同效應,最大限度發(fā)揮人工智能的作用。
通過這些策略,制造商不僅能解決當前的檢測挑戰(zhàn),還能為未來構(gòu)建競爭優(yōu)勢。
結(jié)論
通過將設計信息與檢測、診斷相結(jié)合,半導體制造商無需等待大量訓練數(shù)據(jù),就能顯著改進缺陷檢測和良率管理工作。這種方法有望在檢測效率和系統(tǒng)性缺陷檢測方面實現(xiàn)數(shù)量級提升,為在半導體制造中應用有效的人工智能模型提供了途徑。
設計、測試和良率信息的這種融合,將是半導體檢測與診斷能力的重大進步,尤其在解決過孔和接觸等難以檢測的缺陷,以及應對傳統(tǒng)檢測方法的吞吐量限制方面效果顯著。
-
半導體
+關(guān)注
關(guān)注
336文章
29570瀏覽量
252017 -
AI
+關(guān)注
關(guān)注
88文章
37012瀏覽量
290024 -
人工智能
+關(guān)注
關(guān)注
1811文章
49497瀏覽量
258186
發(fā)布評論請先 登錄
工業(yè)視覺網(wǎng)關(guān):RK3576賦能多路檢測與邊緣AI
AI賦能6G與衛(wèi)星通信:開啟智能天網(wǎng)新時代
“準”字當頭:鑫圖光電以“高靈敏之眼” 賦能半導體檢測精度提升

華為算力支撐AI賦能產(chǎn)業(yè)發(fā)展
聞泰科技功率半導體如何賦能電氣化系統(tǒng)

FOSAN富捷科技:多元場景深度賦能,釋放半導體器件核心價值

晶圓隱裂檢測系統(tǒng)助力半導體視覺檢測

深愛半導體 代理 SIC213XBER / SIC214XBER 高性能單相IPM模塊
信而泰×DeepSeek:AI推理引擎驅(qū)動網(wǎng)絡智能診斷邁向 “自愈”時代
大模型在半導體行業(yè)的應用可行性分析
【HarmonyOS 5】VisionKit人臉活體檢測詳解

評論