3/2/1nm处的AI和高NA-EUV

可能在3nm处出现EUV双图案;之后会发生什么是不确定的。

人气

beplay体育下载链接半导体工程坐下来讨论光刻和光刻掩模问题与布赖恩卡斯普罗维茨,技术和战略总监和杰出的成员的技术人员在光电子;哈利莱文森,在HJL石版印刷校长;NuFlare高级技术专家Noriaki Nakayamada;富士村(Aki Fujimura)是D2S型. 下面是那次谈话的摘录。要查看此讨论的第一部分,请单击在这里. 第二部分是在这里.

SE:几十年来,IC行业一直遵循摩尔定律,即芯片中的晶体管密度每18到24个月就会翻一番。在这种节奏下,芯片制造商可以在芯片上封装更多更小的晶体管。但是摩尔定律正在放缓。有什么想法吗?

藤村:D2S是半导体制造业的软件供应商,专门从事GPU加速,将cpu和GPU的计算能力结合起来。所以我们是计算能力消费者的一个很好的例子。我们每天都觉得,如果我们每一美元有更多的计算能力,我们可以做更多的事情来帮助制造业。科学计算已经是这样了,就像我们所做的那样,但是破坏大坝的是深度学习. 如果有一家财富500强的公司不以这种或那种方式大力投资于深度学习,我会感到惊讶。芯片行业出现了分歧,包括深度学习在内的超级计算需求推动了对3nm、2nm及更高级别的计算能力的不断需求。同时,物联网等高流量、低成本应用将继续使用后缘。

莱文森:扩展技术最让我担心的不是模式化。是设备和互联. 在那里,没有人真的有解决办法。在光刻技术中,我们至少有多种解决方案,现在我们可以从中进行选择。我很担心这些设备。这会耽误时间。

SE:如今,芯片制造商正在使用极端紫外线(EUV公司)采用单一图形技术的光刻。但在某一时刻,EUV单一模式将达到极限。然后,芯片制造商必须去EUV双模式或等待高naeuv(今天的EUV光刻扫描仪采用0.33数值孔径透镜,而高NA光刻采用0.55 NA透镜。目前仍在研发中,预计2022年将出现首个高NA EUV工具。)这将如何进行?

莱文森:好消息是芯片制造商已经停止向供应商索要20mJ/cm的价格2.这阻止了0.33na EUV光刻向其分辨率极限的扩展。所以我们现在看到EUV抵抗有了很大的进步。我们将看到5nm节点的单图案0.33na EUV的扩展。但问题是,那之后你怎么办?下一个节点是3nm,或者随便你怎么称呼它。将使用0.33 NA EUV进行开发双重曝光. 这仅仅是因为一个新的曝光工具,如高NA成熟的时间表。然后,当你去制造业的时候,也许你会去高中。这是你只能等着看的事情之一。它可以走任何一条路。好消息是我们有解决办法。

中山:高NA将不用于3nm节点。3nm可使用具有双重或四重图案的EUV来完成。

SE:EUV双模式是昂贵和困难的吗?

莱文森:如果只是双图案,则可以接受。你会得到足够的心理医生来证明这一点。我们需要很好的过程控制。在光学图案化中,我们不只是做双重图案化。我们有多个切割层之类的东西。这不仅仅是因为决心。这也是因为过程控制。所以你要做这些自对齐块之类的事情。最近有一次Imec演示,采用了EUV制造的2毫米音高技术多重图案. 它要求金属层有四层图案。

卡斯普罗维奇:除了EUV双模式,还有什么替代方案?我不相信有,所以你必须这样做才能前进到下一个节点。此外,传闻的2.5亿美元的高钠扫描仪是一个相当陡峭的价格标签给任何人。经验告诉我们,无论技术如何,评估、鉴定和集成新工具都需要时间。我猜每个公司的第一批高NA工具都需要一段时间才能被引入任何一种制造环境。从那里,我猜你会看到使用率的提高,但可能没有0.33NA工具那么快,仅仅是因为成本。

莱文森:对于EUV双模式,这没什么大不了的。但必须在过程控制方面做一些工作。所以我们需要多光束的作家来制作出色的面具。我们将需要所有的ILT(反向光刻技术)方案来压缩每一点处理能力等等。人们会发现的。

SE:高NA EUV面临哪些挑战?

莱文森:幸运的是,许多问题只是非常基础性的。蔡司和ASML的学习曲线上升了。但我担心的高钠的事情之一是需要更大的改善EUV抵抗。此外,高NA-EUV光刻的焦深仅为0.33na-EUV光刻的1/3左右,需要很好的聚焦控制。高昂的工具价格,加上半尺寸曝光场对生产能力的影响,将使晶圆成本成为一个持续的问题。另外,对于当前的非偏振光源,在0.55na处存在图像对比度损失。这些问题没有一个是无法克服的,但它们会让光刻机忙个不停。

藤村:需要将一个完整的十字线设计分成两半,两半之间有足够的空间,这给这些芯片的设计增加了额外的限制。不可能将用不同掩模书写的两半完美地缝合在一起,因此在物理设计过程中,两半需要在物理上相隔一定距离,因为芯片设计者知道某一特定层将用高NA书写。同样的情况是,在3x3芯片阵列中,1/9的十字线尺寸是不实际的。因此,高NA芯片的物理设计将受到更多的限制。然而,这些位于前沿节点的器件非常复杂,在设计上有很多重复的结构。在合理的时间内合理的设计和验证是有人类组织限制的,完整的十字线设计将需要冗余以获得合理的产量。所以在物理设计中有自然的分割。另外,高NA层是关键层,因此在没有用高NA编写的层中使用互连缝合不会是问题。高NA确实给设计增加了限制,但设计师会找到巧妙的方法来处理它。

卡斯普罗维奇:高NA工具将具有不同的成像光学元件,即它是变形的-这意味着一个轴是4X,另一个是8X,而所有前代的两个轴都是相同的。所以参考掩模制造者的典型掩模工艺流程,有很多未知数,比如数据准备。目前,我们提供分层数据,然后支持布局和断开。用变形透镜OPC公司(光学邻近校正)将在应用缩放后改变。数据验证步骤并不简单。OPC和双重缩放产生的角度将产生角度,除其他原因外,将决定需要多光束掩模写入图案工具。此外,还有检查,主要是缺陷处理方法。检查工具是否有能力模拟扫描仪,以便通过AIMS检查系统或其他方法识别和进一步描述潜在缺陷?如果没有,那么可能需要复杂的技术来提供这种评估。所有这些都需要时间和投资,以适当的工具,这反过来又推动了整体掩模成本。

SE:现在的EUV掩模由40到50层交替排列的硅和钼组成,形成一个250纳米到350纳米厚的多层叠层。在堆栈上,有一个基于钌的覆盖层,然后是一个基于钽的吸收体。今天的EUV面具遭受所谓的面具3D效果,这可能会导致不必要的模式布局变化。因此,在3nm及以上的时候,这个行业可能需要新型的EUV口罩,对吧?


图1:EUV掩模的横截面。在EUV中,光以6°的角度照射到掩模上。资料来源:Luong,V.,Philipsen,V.,Hendrickx,E.,Opsomer,K.,Detavernier,C.,Laubis,C.,Scholze,F.,Heyns,M.,“镍铝合金作为替代EUV掩模吸收剂”,Appl。科学院(8), 521 (2018). 库克大学

卡斯普罗维奇:有些人开始研究衰减相移EUV掩模和高k EUV掩模,即使是今天的0.33na EUV扫描仪。虽然我们在验证当前钽基材料方面积累了丰富的经验,但验证新材料需要时间。一个更大的问题是,这个行业是否会像钽行业那样协调一致,还是会有许多不同类型的EUV掩模取决于产品类型(内存与逻辑)?另一个问题是,我们是否可以使用标准Mo/Si多层EUV掩模坯料来获得足够的多层结构反射率?如果没有,则可能需要进行公平的努力来查看多层毛坯的备选方案。开发不同类型的EUV面罩的决定取决于需要付出多少努力,以及创建这些新的EUV面罩需要什么样的正确混合。它还取决于随着时间的推移,当你暴露这些空白时,层间扩散会发生多少。你也可能不需要像这些新一代的EUV坯料那样多的多层对,因为它将是一个更强的镜子。还有很多事情是未知的。空白制造者正在考虑所有的因素。在研发中,又一次出现了用于0.33na超紫外探测器的高k和相移超紫外探测器掩模。这就是现在的焦点所在。在这种背景下,许多人也在研究一些不同的多层命题。无论是什么沉积在它,面具制造商必须能够模式它。我们必须能够移除或蚀刻它。我们必须能够检查并最终交付产品。

SE:在某种程度上,一些芯片制造商正在晶圆厂和掩模车间部署机器学习技术,用于缺陷检测和其他应用程序。我们是否会看到深度学习在面具制作中的广泛应用?

藤村:在eBeam倡议的名人调查,我们就这个问题问了一个问题。大约三分之二的人认为,到2022年,某种深度学习将在面具制作过程中的某个地方展开,有人认为可能在2023年某个时候,也有人认为永远不会使用。大家的意见并不一致,好像你问过这样一个问题:“深度学习是否会应用于自动驾驶?”我个人的想法是,深度学习很快就会开始应用于面具制作。重申一下,深度学习是机器学习的一个特殊版本。深度学习之前的机器学习已经被使用,特别是在分析大数据时。工厂和面具店都有大数据。但是,深入的学习使一套全新的可能性,以帮助生产更好,更快。例如,在执行ILT的过程中,可以将处理速度提高很多—大约2倍或更多。它还可以通过对影响进行快速估计来提高准确性,否则这些影响将过于计算密集而无法纳入。例如,关于深度学习在掩模3D效果补偿中的应用,已经发表了多篇论文。此外,由于深度学习在图像处理中的发展,自动分析扫描电镜图像或自动分类检查发现的缺陷的应用程序将部署在掩模车间。深度学习有一个陷阱,它很容易原型化,但需要大量的数据才能提高产品质量。正如自动驾驶社区所发现的那样,生成数据的数字双胞胎,比如孩子追逐气球的图像或者一种特别棘手的缺陷类型的图像,是至关重要的。你不需要他们的原型显示有希望的结果。但你必须有他们的生产部署的深入学习。

相关故事

多模式EUV与高NA EUV



1评论

留下答复


(注意:此名称将公开显示)