互联网爱好者创业的站长之家 – 南方站长网
您的位置:首页 >访谈 >

1小时节省260万美元,应用材料用AI纠错芯片,造福三星台积电

时间:2021-03-18 22:52:22 | 来源:界面新闻

原标题:1小时节省260万美元,应用材料用AI纠错芯片,造福三星台积电 来源:路透社、VentureBeat

芯东西3月18日消息,芯片检测环节靠不靠谱、高不高效,对于英特尔、台积电、三星电子等芯片制造商的盈利极其重要。

一旦没能及时发现致命缺陷,就可能对芯片生产造成重大损失。

针对这一挑战,本周二,全球最大半导体设备制造商应用材料公司推出了一个“杀手级”新品——新一代光学半导体晶圆检测机。

该机器引入了大数据和AI技术,不仅能自动检测更多芯片,而且大幅提升检测致命缺陷的效率,其系统每小时可减少260万美元的良率损失。

一台这样的机器,价值数百万美元,而它能给芯片厂创造的收益,可能会超过220亿美元!

“我们相信,这是业界最快的高端光学检测机,速度提高了3倍,并能发现对良率至关重要的缺陷。”应用材料集团副总裁Keith Wells说。

01.芯片检测出bug,整条生产线可能打水漂

随着芯片制程走向5nm、3nm,芯片制造中检测缺陷的环节越来越复杂,成本也不断攀新高。

从操作复杂性来看,无法足够快地检查芯片缺陷,是长期限制芯片生产速度的阻碍之一。

因为先进芯片表面的电路间距只有5nm,约是头发丝直径的1/100000,所以通过透镜发现芯片表面缺陷的难度越来越大。

检测难度在不断增加(来源:应用材料)检测难度在不断增加(来源:应用材料)

从建设成本来看,10年前,芯片厂建设成本大约为90亿美元,如今成本已经超过180亿美元,足足增加了1倍有余。

另据市场分析公司VLSI Research首席执行官Dan Hutcheson分享,当前一座先进晶圆厂成本约为220亿美元,几乎相当于两艘航空母舰和65架F22战斗机的总和。

制造芯片需要经历几百道复杂的工序。其中,检测费用约占先进晶圆厂成本的10%。

芯片制造成本和技术难度趋势(来源:应用材料)芯片制造成本和技术难度趋势(来源:应用材料)

对于全球芯片制造商来说,影响芯片良率和制造成本的检测环节,是必须要优化的方向。

一方面,如果能节省开发优化先进工艺节点所需的时间,提高生产效率,可能价值数十亿美元。

另一方面,假如因为没能及时发现致命的芯片缺陷,造成生产延误,则将导致芯片厂闲置和大量资金损失。

存储芯片受到的影响更甚,停机一周可能会造成年产量降低2%。更严重的是,随着时间推移,芯片价格会迅速降低,假如不能按预期产品路线图推进,可能严重损害公司的收益。

“只有卖出数百万颗芯片,才能赚钱。”Wells说。

02.应用材料新方案:每小时拯救260万美元

过去三十多年,如何能快速准确地识别出芯片的致命缺陷,一直是芯片工程师努力研究的方向。

对此,应用材料公司提出了新的检测过程控制手册,旨在将大数据和人工智能(AI)技术的优势引入芯片制造过程中的检测环节。

Enlight、Extract AI和SemVision eBeam构成了应用材料芯片检测新解决方案的三个要素(来源:应用材料)

该解决方案包含三个要素,分别是:Enlight光学晶圆检测系统、ExtractAI AI技术和SEMVision电子束审查系统。据悉,与传统方法相比,这些要素可以实时协同工作,能更快、更好、更低成本地找到缺陷并加以分类。

在市场分析公司VLSI Research首席执行官Dan Hutcheson看来,应用材料公司有史以来最快的检测工具——最新Enlight系统——正是解决快速识别芯片致命缺陷的突破性方法。

他在一封电子邮件中写道,因为能缩短应对正常良率偏差的时间,Enlight每小时可以减少260万美元的良率损失(即因芯片缺陷而损失的晶圆片占比)。

03.Enlight:检测成本只有竞品的1/3

由于只有一小部分缺陷是会导致芯片出故障的致命缺陷,因此在Wells看来,挑战在于为客户提供可操作的数据。

经过五年的研发,Enlight系统结合了业界领先的速度、高分辨率和先进光学扫描仪,每次扫描能采集更多对良率至关重要的数据。

Enlight系统的架构使它具备更高的成本优势,其检测出关键缺陷所耗的成本,只有竞品的1/3。

为大数据采集而优化的Enlight系统(来源:应用材料)为大数据采集而优化的Enlight系统(来源:应用材料)

从检测过程来看,该系统先用光学扫描仪在大约15分钟内快速扫描找到芯片上的问题区域,再用电子显微镜对这些区域进行仔细检查。

据介绍,其最新的扫描电子显微镜,能帮助识别从光学检测仪发出的信号,来对缺陷进行分类。

借助大数据和AI技术,Enlight系统可以快速且精准地检测到芯片表面的异常情况(比如两条电路线交叉可能造成芯片短路),然后在可能的情况下自动修复缺陷。

这样一来,缺陷就不会破坏电路,从而帮助芯片制造商增加每片晶圆的收入。

据Wells回忆,过去五年,他们已经看到检测工具的成本不断增加,有些客户通过减少检测量来应对成本压力,但减少检测点又会遇到良率问题。

而使用Enlight显著节省成本后,芯片制造商可以在工艺流程中增设更多的检查点,由此增强“生产线监控”的可用性。

该方法能在芯片良率出现偏差之前对其进行预测,检测出偏差就及时停止晶圆加工,从而保护良率,并通过追溯根本原因优化纠正措施,快速恢复大批量生产。

04.ExtractAI:大幅提升效率,检查只需1小时

如何从高端光学扫描仪产生的数百万个信号或噪声中,快速、准确区分出导致良率下降的缺陷?这是晶圆检查中最困难的问题。

应用材料数据科学家们开发的AI技术ExtractAI,即是为了解决这一难题而生。

初始光学扫描可能会在硅晶圆上发现100万个可能存在问题的区域,用电子显微镜需花费几天来检查每一个区域,其中多数时间都是浪费的。

而ExtractAI能将需要更精细检查的问题区域数量,从大约100万个减少到大约1000个。

这使得ExtractAI技术的效率极高:仅检查了0.001%的问题区域,即可描述晶圆图上所有的潜在缺陷。最终结果是一个可操作的缺陷分类图,能加速半导体节点的开发并优化良率。

应用材料集团副总裁Keith Wells说,基于AI的检查仅需1小时左右。

过去,芯片制造商部署的AI分类引擎是静态的,没有自动学习和适应能力,但芯片制造工艺或制造芯片的方法是经常变化的。

因此Wells认为,下一个必要步骤是让AI技术具有自适应性,能在大批量生产时快速发现新缺陷,同时随着扫描更多晶圆,而逐渐提高其性能和有效性,最终帮芯片制造商更快地解决问题。

ExtractAI技术用高分辨率扫描来检测严重缺陷,可实时学习和调整缺陷的分类,一旦实际缺陷被消除,系统下一次就学会适应更好的检测技术。

05.SemVision:全球最先进的电子束审查技术

三要素的另一成员是SemVision系统,这是世界上最先进、应用最广泛的电子束审查技术,全球各地芯片工厂已安装了1500套该系统。

这一系统通过使用ExtractAI技术对Enlight系统进行训练,能对影响良率的缺陷进行分类。

ExtractAI在客户光学检测系统生成的大数据与SEMVision系统之间建立了实时连接,通过推理,Enlight系统解析晶圆图上的所有信号,从噪声中区分出影响良率的缺陷。

当前应用材料SemVision G7系统的大型安装基础已与新Enlight系统和ExtractAI技术兼容。

通过实时协作,Enlight系统、ExtractAI技术和SemVision系统可帮助芯片制造商提高识别关键芯片缺陷的效率,从而提高产量和利润率。

“业界希望通过更多的检测实现更好的经济价值信息,我们正努力提供这些。”Wells说。

06.结语:AI技术正渗透到更多芯片业核心环节

从2020年至今,芯片短缺问题逐渐蔓延至全球汽车、消费电子领域,应用材料公司对其芯片检测设备的最新改进可谓是恰逢其时。

据路透社报道,从去年开始,应用材料就一直在与客户测试该系统,并称迄今已创造了超过4亿美元的收益。

借助AI技术,应用材料推出的新光学晶圆检测系统,能以更高效、精准地自动检测芯片缺陷,而外媒VentureBeat提供的数据显示,仅这类检测机的全球市场规模就达到20亿美元。

除了优化检测环节外,近年来,AI正逐渐渗透到更多芯片产业链的关键环节。

比如科技巨头谷歌训练AI算法来优化芯片架构设计,EDA巨头新思科技推出AI工具来降低芯片设计门槛,另一家EDA巨头Cadence也用AI来优化芯片设计全流程的生产效率……

随着AI进一步普及,不仅将从需求端催化新兴芯片架构的繁荣,还将传统的芯片产业链流程推向新的智能化阶段。

来源:路透社、VentureBeat

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

猜你喜欢