Учёные ТУСУРа разрабатывают систему контроля техпроцессов полупроводникового производства для увеличения производительности

В настоящее время для контроля качества проведения любого технологического процесса массового производства микроэлектроники из партии проверяют одну–две подложки. Если технология стабильна, на остальных результат должен быть тем же самым. Однако когда размер элементов на подложке уменьшается, даже незначительные отклонения становятся критическими, и возникает необходимость контроля всех подложек.

«Наше решение позволяет отслеживать отклонения техпроцесса от заданной технологии в режиме онлайн. С помощью датчиков собирается информация о процессе обработки текущей пластины, и далее определяется контролируемый параметр, величина которого наиболее критична для данного техпроцесса. По величине данного параметра мы определяем, следует ли вносить корректировки в техпроцесс или нет», – цитирует слова магистра кафедры физической электроники ТУСУРа Артёма Попова портал inotomsk.ru.

В разработке используются методы машинного обучения: алгоритм на языке программирования обучает модель, которая предсказывает результат проведения техпроцесса по данным с датчиков технологической установки. Во время обработки пластины датчики измеряют множество параметров техпроцесса: давление, температуру, скорости потоков газов и так далее, – это входные данные. Для контрольных подложек на участке метрологии измеряют критический параметр, например, толщину напылённой плёнки.

«Мы можем обучить модель по входным и выходным данным, применяя современные алгоритмы машинного обучения. Далее, если в эту модель ввести данные с датчиков, она предскажет значение критических параметров для каждой подложки, и мы сможем контролировать все изделия в партии», – поясняет Артём Попов.

Интеллектуальная система контроля с машинным обучением может использоваться на любом полупроводниковом производстве, где массово обрабатываются полупроводниковые пластины. Контроль всех пластин обеспечит значительную экономию времени и повышение процента выхода годных изделий.

«Сложность – в том, что каждый техпроцесс уникален: если меняются характеристики установки, нужно менять и модель. Если получится сделать систему, в которую просто дают данные, и она обучается – неважно, какой техпроцесс, – это будет прорыв», – рассказал Артём Попов.

Проект поддержан программой «УМНИК», и на первом этапе разработчики уже сделали поведенческие модели, которые с высокой точностью предсказывают результат техпроцесса. Научными консультантами проекта выступает компания 50ohm Technologies.