SEMVision® G7 缺陷分析系統

隨著半導體元件線寬尺寸的縮減，元件複雜度不斷提高，缺陷的尺寸也在收縮，使其在3D 元件結構中的位置越來越難以發現，因此需要不斷增強成像能力，以快速識別相關的關鍵 ... skiptomaincontentRegionsChina-简体中文Europe-EnglishIndia-EnglishIsrael-EnglishJapan-日本語Korea-한국어Singapore-EnglishTaiwan-繁體中文UnitedStates-English搜尋表格搜尋搜尋搜尋表格搜尋搜尋UpgradeyourbrowserforfullexperienceYouareusingawebbrowserversionthatisnolongersupported.Pleasemakesureyouareusingthemostupdatedversionofyourbrowser,ortryusingoursupportedbrowserGoogleChrometogetthefullAppliedMaterialsexperience.X半導體產品服務SEMVision®G7缺陷分析系統缺陷評估、分類和分析是對生產工序每個步驟實施品質監控所採用的方式，對半導體製造至為重要。

隨著半導體元件線寬尺寸的縮減，元件複雜度不斷提高，缺陷的尺寸也在收縮，使其在3D元件結構中的位置越來越難以發現，因此需要不斷增強成像能力，以快速識別相關的關鍵缺陷。

通過高解析度影像來確定缺陷的線寬；快速，準確地對缺陷進行分類和構成分析；以可靠方式確定導致缺陷的根本原因，這些對晶片製造商必不可少，使其能夠建立精確的統計製程控制機制，進而快速完成量產，並在生產中隨時維持高良率。

為滿足這些需求，應用材料公司的SEMVisionG7系統提供各類更佳成像功能，並以擴展的機器學習能力來提升自動缺陷分類(ADC)方法。

除承接上一代SEMVision的成像能力外，新系統還具備對晶圓邊緣斜角和頂點的獨特成像能力。

這些位置的缺陷如果未被發現，可能會降低元件的良率。

為了對未圖案化的晶圓進行可靠的評估，新系統改善光源和收集機制，改善了噪聲抑制，以便能通過光學手段檢測到微達18奈米的缺陷。

新系統充分利用Purity®自動缺陷分類技術並加以拓展。

這項市場領先技術使用機動「學習」大量缺陷類別的先進算法，並採用可達到基準分類精確度和可重複性的統計分類引擎，因此能在業界率先正確識別生產環境中影響良率的不同類型缺陷。

PurityII具備能增強機器學習能力的算法，在機動性製程環境下，比一般技術能更長久地保持系統的精確度、一致性和可靠性。

新的關鍵缺陷優先排序算法可確保在柏拉圖(paretochart)中體現那些特別值得關注的缺陷，凸顯每種缺陷類型的相對權重，因此可按重要順序來實施糾正措施。

此外，PurityII還在這些機器學習能力上增加了自動工程設計分析功能。

此系統運用SEM圖像和電腦輔助設計數據進行缺陷分類，由此產生更精確的以位置為主的分類，便於更快速準確地分析根本原因和預測良率。

這項性能可轉而縮短週期時間並提高生產效率。

這對晶圓廠至關重要，因為這些工廠每年要製造數以千計的新型晶片，需要快速達到所需的良率。

‹›TechnicalDocuments技術簡介(1.8MB)SemiconductorNews04.21.22AppliedMaterialsTechnologiesEnable2DScalingwithEUVand3D...04.11.22AppliedMaterialsAnnounces2022SupplierExcellenceAwardsSemiconductorBlog04.19.22NewerWaystoShrink04.14.22NewWaystoShrink:FurtherEUVScalingDepends...03.28.22TheTokenizationofEverythingisFuelingthe...