Applied Materials ha lanciato una nuova generazione di macchine per l’ispezione di wafer semiconduttori ottici che incorporano big data e tecniche di intelligenza artificiale.
Queste macchine multimilionarie vengono utilizzate in fabbriche di chip che possono costare 22 miliardi di dollari per costruire e generare entrate ancora maggiori di quelle. Tali fabbriche inviano i wafer attraverso centinaia di fasi di produzione prima di essere finiti e tagliati in chip individuali che vengono utilizzati in tutto ciò che è elettronico.
Con una grave carenza di tali chip durante la pandemia, gli ultimi miglioramenti di Applied Materials alle macchine sono tempestivi, poiché le tecniche di intelligenza artificiale consentono ai nuovi sistemi di ispezione dei wafer ottici Enlight di ispezionare automaticamente più chip e rilevare più difetti killer che possono rovinare i chip. Questi tipi di macchine di ispezione da soli ammontano a un mercato mondiale di 2 miliardi di dollari.
I dirigenti di Applied Materials come il CEO Gary Dickerson hanno previsto per anni che i recenti progressi nell’intelligenza artificiale si sarebbero rivelati trasformativi nella produzione di semiconduttori, e questo è ciò che sta accadendo ora, ha detto a VentureBeat Keith Wells, vicepresidente del gruppo di Applied Materials.
“Sappiamo tutti che l’intelligenza artificiale e i big data hanno il potenziale per trasformare ogni area dell’economia”, ha detto Wells. “Oggi, questa è la realtà. Stiamo portando AI e big data nella produzione di semiconduttori “.
I nuovi sistemi di ispezione sono gli strumenti a più rapida crescita nella storia di Applied Materials, con sede a Santa Clara, in California, che è il più grande produttore di apparecchiature utilizzate nelle fabbriche di semiconduttori. Le macchine accelerano il time-to-profit e aiutano un produttore di chip a guadagnare più profitti durante la vita di un processo di produzione.
“Riteniamo che questo sia l’ispettore ottico di fascia alta più veloce del settore, che è 3 volte più veloce e ha la sensibilità per trovare questi difetti critici per la resa”, ha detto Wells. “Riteniamo che abbia la capacità di avere un impatto sull’economia”.
La sfida è che i costi di ispezione di modelli sempre più miniaturizzati sui wafer stanno aumentando e anche le ispezioni stanno diventando più complesse. Un decennio fa, i costi di fabbrica dei chip erano di circa 9 miliardi di dollari. Ora sono raddoppiati. Per tutta la durata della fabbrica, il produttore di chip può ammortizzare il costo dell’attrezzatura per la produzione di chip negli stabilimenti. Ma i ritardi di produzione e gli errori di ispezione possono far inattività le fabbriche (e perdere un sacco di soldi) mentre gli ingegneri cercano di decifrare la causa dei guasti.
Quando si tratta di chip di memoria, il tempo di inattività di una settimana può ridurre la produzione annuale del 2%. Inoltre, il prezzo dei chip scende rapidamente nel tempo, quindi il ritardo nella pianificazione può danneggiare gravemente le entrate, ha affermato Wells. A questo si aggiunge l’idea che le macchine di ispezione stanno diventando sempre più complicate e più costose da produrre.
“Non guadagni fino a quando non inizi ad aumentare il volume di milioni di chip”, ha detto Wells.
Dan Hutcheson, CEO della società di analisi di mercato VLSI Research, ha affermato in una dichiarazione che essere in grado di distinguere rapidamente e accuratamente i difetti killer è qualcosa con cui gli ingegneri di chip hanno lottato per più di tre decenni. Ha affermato che il sistema Enlight di Applied Materials con tecnologia ExtractAI è un approccio rivoluzionario che risolve questa sfida e ha aggiunto che poiché l’IA diventa più intelligente più il sistema viene utilizzato, aiuta i produttori di chip ad aumentare le entrate per wafer nel tempo.
In un’e-mail, Hutcheson ha affermato che Enlight può ridurre la perdita di rendimento (la percentuale di un wafer persa a causa di chip difettosi) di $ 2,6 milioni per ogni ora che riduce il tempo per rispondere a una deviazione dai rendimenti normali. Ha detto che l’ispezione rappresenta circa il 10% del costo in una fabbrica di wafer avanzata e il costo attuale di tali fabbriche è di circa $ 22 miliardi. È quasi quanto due portaerei e 65 jet F22 Raptor.
La tecnologia dei semiconduttori sta diventando sempre più complessa e costosa. Pertanto, ridurre il tempo necessario per sviluppare e incrementare i nodi del processo di produzione avanzato può valere miliardi di dollari per i produttori di chip di tutto il mondo.
Ma non essere in grado di ispezionare i trucioli abbastanza velocemente è un ostacolo alla velocità. Questo è un problema perché è sempre più difficile mettere a fuoco le lenti in modo da poter vedere la superficie di un chip, dove i circuiti sono distanti appena cinque nanometri – o cinque miliardesimi di metro -. Le più piccole particelle di polvere possono essere come massi sulla superficie di un wafer.
È qui che entrano in gioco le macchine di ispezione. Possono utilizzare l’intelligenza artificiale per rilevare anomalie sulla superficie di un chip e quindi correggere automaticamente gli errori, se possibile, in modo che le particelle fastidiose non rovinino i circuiti.
“Stiamo cercando i difetti che effettivamente uccideranno il dispositivo”, ha detto Wells.
Ad esempio, se due linee di circuito vengono incrociate, ciò devierà i segnali elettrici e possibilmente cortocircuiterà un intero chip. Il sistema di ispezione utilizza un microscopio elettronico a scansione all’avanguardia, che aiuta a identificare i segnali provenienti dall’ispettore ottico per fare la classificazione dei difetti, ha detto Wells.
“Prenderemo quei dati classificati e li inseriremo in un algoritmo di intelligenza artificiale, che chiamiamo ExtractAI”, ha detto Wells.
Il risultato è la creazione di dati utilizzabili per i clienti che consente loro di risolvere i problemi più velocemente che mai. In passato, i produttori di chip hanno implementato un’IA più primitiva, in cui il motore di classificazione è statico. Non ha la capacità di apprendere e adattarsi automaticamente. Ma i processi di produzione di chip, o le ricette per costruire chip, cambiano frequentemente.
“Il prossimo passo necessario è consentire all’intelligenza artificiale di apprendere e adattarsi”, ha detto Wells. “Man mano che il processo cambia, possono adattarsi.”
Applied Materials ha affermato che la formazione di transistor 3D e le tecniche di multiprocessing introducono sottili variazioni che possono moltiplicarsi per creare difetti che uccidono il rendimento che vanno da fastidiosi e dispendiosi in termini di tempo alla causa principale.
L’azienda sta risolvendo queste sfide con un nuovo playbook per il controllo dei processi progettato per portare i vantaggi dei big data e della tecnologia AI al centro della tecnologia di produzione di chip. La soluzione di Applied Materials è composta da tre elementi che, secondo quanto affermato, lavorano insieme in tempo reale per trovare e classificare i difetti in modo più rapido, migliore e più conveniente rispetto agli approcci legacy.
L’intelligenza artificiale interviene per decidere se rallentare la velocità di produzione e avvisare un essere umano di un problema in un wafer che comporta un grado di rischio variabile.
In sviluppo da cinque anni, il sistema Enlight combina velocità leader del settore con alta risoluzione e ottica avanzata per raccogliere dati più critici per il rendimento per scansione. L’architettura del sistema Enlight migliora l’economia dell’ispezione ottica, con una conseguente riduzione di 3 volte del costo di acquisizione dei difetti critici rispetto agli approcci concorrenti. Il sistema ha un sistema ottico più robusto – comprese le caratteristiche che mettono l’equivalente di occhiali da sole sulle lenti ottiche – per concentrarsi rapidamente sulle parti problematiche di una superficie di wafer.
Migliorando notevolmente i costi, il sistema Enlight consente ai produttori di chip di inserire molti più punti di ispezione nel flusso del processo. La conseguente disponibilità di big data migliora il “monitoraggio della linea”, metodi di controllo statistico del processo in grado di prevedere le escursioni di resa prima che si verifichino, rilevare immediatamente le escursioni in modo che l’elaborazione del wafer possa essere interrotta per proteggere le rese e consentire il rintracciamento delle cause alla radice per accelerare le azioni correttive e il ritorno alla produzione ad alto volume.
“Ci sono molte imperfezioni di cui gli ingegneri potrebbero non interessarsi e che il tuo ispettore ottico troverà, ma potrebbe non essere un difetto killer”, ha detto Wells. “Quindi la sfida è fornire al cliente dati utilizzabili”.
Tecnologia ExtractAI
Sviluppata dai data scientist di Applied Materials, la tecnologia ExtractAI risolve il problema più difficile dell’ispezione dei wafer: la capacità di distinguere rapidamente e accuratamente i difetti che uccidono la resa dai milioni di segnali fastidiosi o “rumore” generati da scanner ottici di fascia alta. Deve prendere un milione di possibili problemi e ridurli a 1.000 che possono essere ispezionati più da vicino.
ExtractAI crea una connessione in tempo reale tra i big data generati dal sistema di ispezione ottica del cliente e il sistema di revisione eBeam che classifica specifici segnali di resa in modo che, per inferenza, il sistema Enlight risolva tutti i segnali sulla mappa dei wafer, differenziando i yield killer da rumore.
La tecnologia ExtractAI è incredibilmente efficiente; caratterizza tutti i potenziali difetti sulla mappa del wafer dopo aver esaminato solo lo 0,001% dei campioni. Il risultato è una mappa utilizzabile dei difetti classificati che accelera lo sviluppo, la rampa e il rendimento dei nodi dei semiconduttori. La tecnologia AI è adattiva e identifica rapidamente nuovi difetti durante la produzione di volumi elevati, migliorando progressivamente le sue prestazioni ed efficacia man mano che vengono scansionati più wafer.
La tecnologia ExtractAI utilizza scansioni ad alta risoluzione per rilevare i problemi peggiori. Una volta rimossi i difetti effettivi, il sistema impara ad adattarsi a migliori tecniche di rilevamento la volta successiva. ExtractAI può ridurre il numero di aree problematiche da circa un milione a solo circa 1.000 che richiederanno uno sguardo più attento o un’azione.
“Interroghiamo i dati e stiamo effettivamente imparando e adattando i nostri difetti di classificazione in tempo reale”, ha detto Wells. “Questo è diverso da altri approcci in cui i classificatori sono statici.”
Il sistema SemVision è la tecnologia di revisione eBeam più avanzata e ampiamente utilizzata al mondo, poiché sono presenti 1.500 sistemi nelle fabbriche di chip in tutto il mondo. Il sistema SemVision addestra il sistema Enlight con la tecnologia ExtractAI per classificare i difetti che uccidono la resa e distinguere i difetti dal rumore.
Lavorando insieme in tempo reale, il sistema Enlight, la tecnologia ExtractAI e il sistema SemVision aiutano i clienti a identificare nuovi difetti man mano che vengono introdotti nel flusso di produzione, consentendo maggiori rese e redditività. L’ampia base installata dei sistemi SemVision G7 è già compatibile con il nuovo sistema Enlight e la tecnologia ExtractAI.
“Abbiamo visto negli ultimi cinque anni l’aumento dei costi di capitale di questi ispettori, rendendo difficile l’economia”, ha detto Wells. “I clienti hanno ridotto le ispezioni per compensare l’aumento del costo di questi strumenti. Ma sfortunatamente, quando si riducono i punti di ispezione, si verificano problemi di resa. L’industria vuole un messaggio di valore economico migliore per quanto riguarda l’esecuzione di più ispezioni. E stiamo cercando di fornire questo. “
