لقد أدى تقدم صناعة أشباه الموصلات نحو عصر الأنجستروم إلى تغيير جوهري في فيزياء التصنيع.
مع انتقال مصانع أشباه الموصلات إلى تقنيات تصنيع 5 نانومتر و3 نانومتر و2 نانومتر، تلاشى هامش الخطأ فعلياً. في هذا النطاق، قد يؤدي عيب بحجم شريط واحد من الحمض النووي إلى جعل الشريحة عديمة الفائدة.
بالنسبة لمهندسي الإنتاجية، فإن لم يعد التحدي يقتصر على مجرد اكتشاف العيوبإنها عملية تمييز الإشارة عن الضوضاء في بيئة تكون فيها الميزات نفسها بالكاد أكبر من أطوال موجات الضوء المستخدمة لقياسها.
تستكشف هذه المقالة تقنيات القياس المتقدمة، وتحديداً التقارب بين التقنيات البصرية، وحزم الإلكترون، والذكاء الاصطناعي، التي تجعل تصنيف العيوب دون 10 نانومتر ممكناً.
التحديات الثلاثية لتقنية التصنيع دون 10 نانومتر
لفهم الحل، يجب علينا أولاً أن نفهم المشكلة. تصنيع تُطرح ثلاث عقبات حاسمة عند عقدة أقل من 10 نانومتر.

عيب القاتل الخفي
في الترانزستورات ثنائية الأبعاد المستوية، كانت العيوب في الغالب على مستوى السطح.

في التصاميم المعمارية ثلاثية الأبعاد الحديثة مثل ترانزستورات FinFET وألواح GAA النانويةغالباً ما تكون العيوب مخفية. فالفراغ الموجود داخل وصلة من التنجستن أو الجسر الموجود في عمق الزعانف لا يمكن رؤيته بواسطة الأدوات البصرية القياسية.
تدهور نسبة الإشارة إلى الضوضاء (SNR)
مع تقلص أحجام العناصر، تضعف إشارة التشتت الناتجة عن العيب.

في الوقت نفسه، تُسبب خشونة السطح (الضبابية) واختلافات العملية تشويشًا. وتواجه طرق الكشف التقليدية القائمة على العتبة صعوبات في هذا الصدد، غالبًا. الإبلاغ عن آلاف الأحداث المزعجة (النتائج الإيجابية الخاطئة) التي تحجب العيوب الحقيقية.
العيوب العشوائية في الطباعة الحجرية بالأشعة فوق البنفسجية القصوى
اعتماد الأشعة فوق البنفسجية الشديدة (EUV) لقد تم إدخال الطباعة الحجرية العيوب العشوائية (العشوائية) مثل خشونة حواف الخطوط والوصلات الدقيقة التي هي احتمالية بطبيعتها.

يتطلب صيد هذه الأشياء تفتيش مناطق واسعة من الرقاقة، مما يتحدى إنتاجية الأدوات عالية الدقة.
التقنيات الأساسية التي تقود التصنيف
استخدم وقد استجابت الصناعة بعلم القياس الهجين نهج يمزج سرعة الضوء مع دقة الإلكترونات.
الفحص البصري بالبلازما ذات النطاق العريض (BBP)
لا تزال أنظمة BBP هي العمود الفقري لعمليات التصنيع ذات الحجم الكبير.

باستخدام مصدر ضوء فائق الاستمرارية (يتراوح من الأشعة فوق البنفسجية العميقة إلى الضوء المرئي)، يمكن ضبط هذه الأدوات على أطوال موجية محددة تتوافق مع المواد الموجودة على الرقاقة.
- الابتكار: يسمح التحول إلى أطوال موجية أقصر (الأشعة فوق البنفسجية العميقة) بالكشف عن مقاطع تشتت أصغر، مما يدفع حد الدقة أقرب إلى خصائص رقائق منطقية متطورة.
فحص الحزمة الإلكترونية متعددة الحزم (EBI)
يوفر فحص الحزمة الإلكترونية الحل النهائي (أقل من 1 نانومتر) ولكنها كانت تاريخياً بطيئة للغاية بالنسبة للمراقبة المباشرة. يكمن الحل في تقنية الحزم المتعددة.

- كيف يعمل: بدلاً من عمود إلكتروني واحد، تستخدم الأنظمة الحديثة مصفوفات من آلاف الحزم التي تقوم بالمسح بالتوازي. وهذا يزيد الإنتاجية بشكل كبير، مما يسمح لمصانع أشباه الموصلات باستخدام تقنية شعاع الإلكترون ليس فقط لأغراض البحث والتطوير، ولكن أيضاً لأخذ عينات بكميات كبيرة من النقاط الساخنة حيث يكون احتمال حدوث العيوب أكبر.
عقول العملية: التعلم العميق والذكاء الاصطناعي
تتيح لنا الأجهزة ما يلي: انظر تعريف العيب؛ يُمكّننا البرنامج من فهمه. إنّ الكم الهائل من البيانات التي تُنتجها أدوات المسح متعدد الحزم وأدوات BBP يجعل التصنيف اليدوي مستحيلاً. وهنا تكمن المشكلة. تعلم عميق يدخل المصنع.
التصنيف الآلي للعيوب (ADC)
اعتمدت محولات الإشارة التناظرية الرقمية القديمة على خوارزميات قائمة على القواعد (على سبيل المثال، إذا كانت البقعة مستديرة، فهي جسيم). وتنهار هذه القواعد عند 5 نانومتر.

- ميزة الذكاء الاصطناعي: تُدرَّب الشبكات العصبية الالتفافية (CNNs) على ملايين الصور المصنفة للعيوب. تستطيع هذه الشبكات تحديد الارتباطات الدقيقة التي يغفل عنها البشر. على سبيل المثال، يمكن لنموذج الذكاء الاصطناعي التمييز بين تغير لون سطحي غير ضار وعيب جسري خطير بناءً على اختلافات في الملمس والتباين غير مرئية للعين المجردة.
تدريب البيانات الاصطناعية
يتطلب تدريب الذكاء الاصطناعي مجموعات بيانات ضخمة من العيوب، وهي نادرة في عملية ناضجة.

يستخدم مزودو خدمات القياس المتقدمة الآن توليد البيانات الاصطناعية، مما يؤدي إلى إنشاء محاكاة واقعية للعيوب لتدريب نماذجهم قبل معالجة الرقاقة الأولى.
الاتجاهات المستقبلية: عصر انعدام العيوب
بينما نتطلع إلى عصر الأشعة فوق البنفسجية عالية الفتحة العددية والتكديس ثلاثي الأبعاد (الرقائق الصغيرة)، ستنتقل القياسات من مرحلة ما بعد المعالجة إلى مرحلة القياس في الموقع.
- القياس الهجين: دمج بيانات المجهر الذري (AFM) مع بيانات الحزمة الإلكترونية والبيانات البصرية لإنشاء نموذج ثلاثي الأبعاد حقيقي للعيوب.
- مصنّعون ذاتيون التصحيح: ستُغذى بيانات القياس في النهاية مباشرة إلى أدوات المعالجة (الماسحات الضوئية للطباعة الحجرية، وأجهزة الحفر) لضبط المعلمات في الوقت الفعلي، وتصحيح العيوب المحتملة قبل أن تصبح دائمة.
خاتمة
يعتمد استمرار قانون مور على علم القياس بقدر اعتماده على الطباعة الحجرية.
من خلال الاستفادة من التآزر بين البلازما ذات النطاق العريض، والحزمة الإلكترونية متعددة الحزم، والتعلم العميق، مصنعي أشباه الموصلات يمكن أن تسلط الضوء على المشهد دون 10 نانومتر، وتحويل البيانات الخام إلى العوائد العالية المطلوبة لثورة الذكاء الاصطناعي والحوسبة عالية الأداء.
الأسئلة الشائعة (FAQs)
1. لماذا يُعد اكتشاف العيوب التي يقل حجمها عن 10 نانومتر أمرًا صعبًا للغاية؟
على مستوى أقل من 10 نانومتر، غالباً ما تكون العيوب أصغر من الطول الموجي للضوء المستخدم في الأدوات القياسية. وهذا يُنتج نسبة إشارة إلى ضوضاء منخفضة، مما يجعل من الصعب للغاية التمييز بين عيب خطير وخشونة سطحية غير ضارة أو ضوضاء خلفية.
2. البصري مقابل الحزمة الإلكترونية: ما هو الفرق الرئيسي؟
الفحص البصري تُعدّ تقنية البلازما ذات النطاق العريض سريعةً ومثاليةً لمسح الرقاقات بأكملها. بينما توفر تقنية فحص الحزم الإلكترونية دقةً أعلى بكثير (أقل من 1 نانومتر) لرؤية أدق التفاصيل، إلا أنها أبطأ بطبيعة الحال. وتسد أنظمة الحزم المتعددة الحديثة هذه الفجوة باستخدام آلاف الحزم في آنٍ واحد لزيادة السرعة.
3. كيف يُحسّن الذكاء الاصطناعي عملية التصنيف؟
يستخدم الذكاء الاصطناعي تعلم عميق لتحليل آلاف الصور تلقائيًا في الوقت الفعلي. يمكنه التمييز فورًا بين جسر مميت أو ماس كهربائي وجسيم غير ضار، مما يسمح للمهندسين بإصلاح مشاكل الإنتاج بسرعة أكبر بكثير دون مراجعة يدوية.


