От «черного ящика» к науке о данных: сдвиг парадигмы в химико-механической полировке (ХМП)

От «черного ящика» к науке о данных: сдвиг парадигмы в химико-механической полировке (ХМП)

В мире производства полупроводников Химико-механическая полировка (ХМП) уже давно считается скорее «искусством», чем строгой наукой.На протяжении десятилетий инженеры рассматривали CMP как стандартный процедурный цикл: выберите раствор, установите параметры, запустите пластину и выполните точную настройку на основе опыта.

Однако по мере того, как мы внедряем передовые технологические узлы, отрасль упирается в стену.Недавний прорывной отчет предполагает, что эра «проб и ошибок» CMP заканчивается, и на смену ей приходит новая парадигма: Характеристика поверхности + моделирование искусственного интеллекта.

1. Основной конфликт: CMP как «неприводимая многомерная система»

Фундаментальная проблема CMP заключается в ее сложности.Это не линейный процесс, в котором изменение одной переменной дает предсказуемый результат.Вместо этого это сильносвязанная система с участием:

• Химическое действие: Химия суспензий и поверхностные реакции.
• Механическое действие: Текстура колодки, давление и скорость вращения.
• Материаловедение: Состояние поверхности пластины, плотность и структурная сложность.

Поскольку эти переменные взаимодействуют одновременно, традиционная «настройка параметров» — это, по сути, догадки.По мере того, как материалы становятся более разнообразными, а окна становятся уже, границы человеческого опыта достигаются.

2. Научная реальность: «двухшаговый» механизм

Отчет разъясняет физическую сущность CMP, разбивая ее на двухэтапный синергетический процесс:

1. Поверхностное взаимодействие: Движется электрохимическими и электростатическими силами.
2. Удаление материала: Сочетание химического связывания и механического истирания.

Эксперименты доказывают, что ни одна переменная — будь то содержание азота (N), уровень кислорода (O) или плотность материала — не может независимо диктовать Скорость удаления материала (MRR).Отношения нелинейны и взаимозависимы.

3. Прорыв: бесконтактная характеристика и искусственный интеллект

Наиболее значительным вкладом этого исследования является переход от «Подожди и измерь» чтобы «Прогнозируйте и оптимизируйте».

Используя данные бесконтактной характеристики в качестве входных данных, например, FTIR (химия поверхности), XPS, WCA (угол контакта с водой)и Плотность— исследователи применили модели машинного обучения (XGBoost с СПС уменьшение размерности) для прогнозирования результатов.

• Точность: Модель достигла Р² ≈ 95% на обучающих наборах и Р² ≈ 87% на тестовых наборах.
• Значение: Теперь мы можем прогнозировать результаты полировки непосредственно на основе данных о поверхности, минуя традиционные медленные циклы «запуск и тестирование».

4. Заключение: от опыта к моделированию

Мы наблюдаем фундаментальный сдвиг в производстве полупроводников: CMP переходит от «Инженерного опыта» к «Науке о данных».

То, что когда-то было процессом «черного ящика», становится прозрачной, предсказуемой и оптимизируемой системой.В гонке за продвинутыми узлами конкурентное преимущество больше принадлежит не тем, у кого больше опыта, а тем, кто умеет лучше всего. моделировать поверхностные взаимодействия.

Ключевые слова: производство полупроводников, оптимизация процесса ХМП, машинное обучение в метрологии, скорость удаления материала (MRR), характеристика поверхности.