Машинное зрение на основе SWIR-визуализации для неразрушающего контроля полупроводниковых изделий

Современная индустрия микроэлектроники находится на пике технологической гонки. Стремление упаковать миллиарды транзисторов в миниатюрные корпуса привело к созданию чипов с топологией в единицы нанометров и сложнейшей трехмерной архитектурой (3D-IC, чиплеты). Микросхемы стали многослойными, а внутренние соединения — микроскопическими. В этих условиях обеспечение надежности и качества компонентов превратилось в одну из главных инженерных проблем современности.

Исторически контроль качества полупроводников полагался на классическую оптическую микроскопию видимого диапазона. Однако еще на заре кремниевой эры — в 1950–1960-х годах — инженеры столкнулись с фундаментальным физическим барьером: видимый свет отражается от поверхности кремния, делая невозможным аудит внутренних слоев готового кристалла. Любая глубокая проверка требовала деструктивных методов: чип приходилось распиливать, травить кислотой и изучать под сканирующим электронным микроскопом (СЭМ). Это делало контроль выборочным, медленным и дорогим.

В 1970-х годах физики начали экспериментировать с инфракрасным (ИК) излучением. Первые кремниевые инфракрасные камеры (на основе PtSi — силицида платины) обладали крайне низкой чувствительностью и требовали громоздкого охлаждения жидким азотом. Ситуация кардинально изменилась в конце 1980-х и начале 1990-х годов с открытием полупроводниковых сплавов арсенида галлия-индия (InGaAs). Развитие технологии InGaAs-матриц позволило создать компактные сенсоры, работающие при комнатной температуре (или с умеренным термоэлектрическим охлаждением) и обладающие высочайшей квантовой эффективностью в коротковолновом инфракрасном диапазоне (SWIR — Short-Wave Infrared, 900–1700 нм).

Сегодня интеграция SWIR-сенсоров с высокоскоростными алгоритмами машинного зрения открыла новую эпоху автоматизированного неразрушающего контроля (NDT). Она позволяет инспектировать внутреннюю структуру чипов прямо на конвейере со скоростью сотен кадров в секунду, решая задачи, которые еще пару десятилетий назад казались фантастикой.

Кремниевый парадокс: физические основы SWIR-визуализации

В основе технологии лежит фундаментальное свойство полупроводников — зависимость поглощения света от ширины запрещенной зоны. Для кристаллического кремния значение составляет примерно 1,12 эв (электрон-вольт).

Когда на кремний падает свет видимого спектра (длина волны 400–700 нм), энергия его фотонов 1,77–3,1 эв значительно превышает ширину запрещенной зоны. Кремний активно поглощает эти фотоны: электроны переходят из валентной зоны в зону проводимости. В результате для наших глаз и обычных камер кремниевая пластина выглядит как абсолютно непрозрачное зеркало серо-стального цвета.

Ситуация меняется в SWIR-диапазоне (длины волн 1050–1600 нм). Энергия фотонов здесь падает ниже 1,12 эв (например, для волны 1200 нм 1,03 эв). Этому фотону просто не хватает энергии, чтобы возбудить электрон кремния. В результате излучение не поглощается материалом, а беспрепятственно проходит сквозь него. Для SWIR-лучей кремниевая пластина становится такой же прозрачной, как обычное оконное стекло для видимого света.

Устройство и компоненты современных систем SWIR-контроля

Современная промышленная система машинного зрения для SWIR-инспекции — это сложный программно-аппаратный комплекс. Она состоит из нескольких ключевых компонентов, каждый из которых адаптирован под инфракрасную специфику:

• Инфракрасные источники освещения:
  • Пример 1: Мощные LED-матрицы с длиной волны 1200 нм или 1450 нм, обеспечивающие равномерную подсветку большой площади пластины.
  • Пример 2: Лазеры с распределенной обратной связью (DFB) для узкополосной фокусированной подсветки конкретных слоев.
  • Пример 3: Высокоинтенсивные галогенные осветители со специальными фильтрами, отсекающими видимый спектр для работы на просвет.
• Специализированная SWIR-оптика:
  • Пример 1: Объективы с антибликовым просветляющим покрытием (AR-coating), оптимизированным строго под диапазон 900–1700 нм (обычное стекло отражает или рассеивает ИК-лучи).
  • Пример 2: Высокоразрешающие микроскопические объективы (SWIR-M Plan Apo) с увеличением до 50х–100х для анализа микроструктур.
  • Пример 3: Телецентрические объективы, устраняющие перспективные искажения при измерении геометрии чипов.
• Камеры на базе InGaAs-матриц:
  • Пример 1: Высокоскоростные линейные SWIR-камеры (Line Scan) для непрерывного сканирования движущихся кремниевых пластин на конвейере.
  • Пример 2: Матричные камеры высокого разрешения (например, VGA 640×512 или SXGA 1280×1024) с шагом пикселя 5–10 мкм для детального анализа зон.
  • Пример 3: Камеры с глубоким двухстадийным термоэлектрическим охлаждением (Пельтье) до -40°C для минимизации темнового тока и шумов при съемке дефектов со слабым контрастом.
• Программное обеспечение и ИИ-алгоритмы обработки:
  • Пример 1: Алгоритмы компенсации неоднородности (NUC — Non-Uniformity Correction), выравнивающие яркость пикселей InGaAs-матрицы.
  • Пример 2: Глубокие сверточные нейросети (CNN), обученные распознавать и классифицировать типы брака по ИК-снимкам.
  • Пример 3: Программы автоматического выравнивания шаблонов (Pattern Matching), сверяющие полученный ИК-рисунок слоев с эталонным CAD-чертежом чипа.

Практическое применение: примеры задач на производстве

Внедрение SWIR-систем происходит на всех этапах полупроводникового производства (от выращивания кристалла до финальной сборки).

1. Контроль целостности кремниевых пластин (Wafer Inspection)

• Пример 1: Обнаружение внутренних микротрещин на этапе нарезки кремниевого слитка (Ingot). Камера на просвет видит скрытые расколы, которые могут привести к разрушению пластины при последующей полировке.
• Пример 2: Поиск внутренних пустот и включений кислорода/углерода, нарушающих однородность полупроводника.
• Пример 3: Контроль остаточных механических напряжений в кремнии с использованием поляризованного SWIR-света.

2. Инспекция подповерхностных дефектов и топологии (Sub-surface Inspection)

• Пример 1: Визуализация скрытых металлических дорожек под слоем диэлектрика. SWIR проникает сквозь кремний и отражается от золотых или медных межсоединений, позволяя оценить их целостность.
• Пример 2: Контроль глубины травления канавок (Trenches) в структуре силовых транзисторов.
• Пример 3: Обнаружение подповерхностных загрязнений или наночастиц пыли, застрявших между функциональными слоями в процессе литографии.

3. Контроль трехмерной сборки (3D-IC & Wafer Bonding)

• Пример 1: Проверка точности совмещения (Overlay Alignment) двух кремниевых пластин при их склеивании. SWIR-камера видит метки совмещения на обеих пластинах одновременно сквозь толщу кремния.
• Пример 2: Инспекция качества заполнения сквозных кремниевых переходов (TSV — Through-Silicon Vias). Система выявляет пустоты и недоливы меди в вертикальных межчиповых соединениях.
• Пример 3: Контроль распределения адгезива (клея) между слоями в стеках памяти HBM (High Bandwidth Memory). Пузырьки воздуха на ИК-снимке выглядят как темные или контрастные пятна.

4. Анализ микроэлектромеханических систем (МЭМС)

• Пример 1: Инспекция подвижных частей акселерометров и гироскопов, запечатанных внутри кремниевой капсулы. SWIR позволяет проверить зазоры микрозеркал или консолей без вскрытия датчика.
• Пример 2: Проверка герметичности швов стеклянных или кремниевых крышек МЭМС-датчиков.
• Пример 3: Динамический анализ колебаний микромембран под воздействием напряжения в ИК-лучах в режиме реального времени.

Сравнительный анализ методов контроля полупроводников

Чтобы наглядно оценить преимущества SWIR перед альтернативными технологиями контроля, рассмотрим их базовые характеристики в таблице:

Подбор камеры в соответствии с задачей осмотра

Разрешение сенсора — важная характеристика, но её необходимо сопоставлять с чувствительностью, частотой кадров, временем экспозиции, полем зрения, типом интерфейса, доступной оптикой и освещением. В таблице ниже приведены типичные отправные точки для различных задач контроля.

Окончательный выбор камеры всегда должен быть подтвержден соответствием текущим техническим характеристикам производителя и фактической геометрии контроля, включая расчет количества пикселей для требуемого поля зрения.

Конфигурируемая платформа микроскопа SWIR, адаптируемая для контроля пластин, кристаллов, MEMS-устройств и корпусов. (Изображение: Pembroke Instruments)

Шесть требований, которые необходимо определить перед составлением спецификации системы

1. Требования к объекту контроля и типам дефектов (Target & Defect Criteria)

Это фундаментальное требование, которое определяет физические границы работы системы. Нельзя спроектировать спецификацию, не зная точных характеристик того, что мы исследуем.

• • Что нужно определить:

    • • Точные геометрические параметры объекта (размер кремниевой пластины: 150, 200 или 300 мм; толщина слоев; тип легирования).
      • Исчерпывающий перечень дефектов (микротрещины, пустоты в TSV-переходах, остаточные напряжения, загрязнения).

      • Критический размер дефекта (минимальное разрешение), который система обязана гарантированно распознавать (например, трещина шириной от 1 мкм).

2. Производительность и временные ограничения (Throughput & Timing)

Система машинного зрения должна работать синхронно с производственным конвейером или манипуляторами роботов.

• • Что нужно определить:

    • • Тактовую частоту линии или требуемое количество проверяемых пластин в час (например, 60 пластин в минуту).
      • Максимально допустимое время на съемку и обработку одного кадра (бюджет времени на один образец, например, не более 50 миллисекунд).

      • Режим работы сенсора: статический (съемка неподвижного объекта) или динамический (сканирование «на лету» с помощью линейной камеры InGaAs).

3. Оптические и спектральные параметры (Optical & Spectral Requirements)

Этот пункт определяет физику взаимодействия света с материалом и закладывает основу для выбора камер и объективов.

• • Что нужно определить:

    • • Точный рабочий поддиапазон SWIR (например, 1050–1200 нм для базовой прозрачности кремния или 1350–1550 нм для глубокого анализа многослойных структур).
      • Конфигурацию освещения: работа на просвет (Backlight), на отражение в светлом поле (Brightfield) или темном поле (Darkfield).

      • Требования к оптическому увеличению, глубине резкости (DoF) и полю зрения (FoV), чтобы искажения по краям кадра не влияли на точность измерений.

4. Метрики точности и качества классификации (Accuracy & Quality Metrics)

Поскольку финальное решение о браке принимает алгоритм (или нейросеть), необходимо жестко задать математические критерии качества его работы.

• • Что нужно определить:
    • • Допустимый уровень ложноположительных срабатываний (False Positive / Ошибка I рода), когда годный чип признается браком — этот показатель напрямую влияет на экономику фабрики.
      • Допустимый уровень пропуска брака (False Negative / Ошибка II рода) — критически важный параметр, который обычно стремятся свести к абсолютному нулю.
      • Требуемую воспроизводимость результатов (Repeatability) при многократном сканировании одного и того же дефекта.

5. Условия окружающей среды и интеграции (Environmental & Integration Constraints)

Промышленные цеха (особенно чистые комнаты полупроводниковых производств класса ISO 3 или ISO 4) накладывают жесткие ограничения на оборудование.

• • Что нужно определить:
    • • Физические габариты (форм-фактор) зоны, куда будет встраиваться система, и допустимый вес оборудования.
      • Требования к температурному режиму и охлаждению (например, необходимость жидкостного или глубокого термоэлектрического охлаждения камеры InGaAs для снижения шумов).
      • Стандарты электромагнитной совместимости (ЭМС) и вибрационную стойкость, так как микроны в полупроводниках чувствительны к малейшим колебаниям пола.

6. Интерфейсы и протоколы передачи данных (Data & Interface Requirements)

Система машинного зрения не работает изолированно; она должна мгновенно передавать команды исполнительным механизмам и отправлять отчеты в общую систему управления фабрикой.

• Что нужно определить:
  • Аппаратный интерфейс камеры для передачи тяжелого потока данных (например, Camera Link, CoaXPress или 10 GigE Vision).
  • Протоколы интеграции с промышленными контроллерами (PLC) и конвейерной автоматикой для отбраковки (например, через цифровые выходы ввода-вывода общего назначения — GPIO).
  • Формат передачи данных в системы верхнего уровня: MES (Manufacturing Execution System) или протоколы автоматизации полупроводникового оборудования (например, SECS/GEM).

Заключение и перспективы развития технологии

Интеграция систем SWIR-визуализации в полупроводниковое производство стала ответом на усложнение микроэлектроники. Возможность «видеть сквозь кремний» в реальном времени, не повреждая дорогостоящие подложки, экономит фабрикам миллионы долларов, предотвращая брак на ранних стадиях сборки.

В будущем технологию ждет эволюционный скачок, обусловленный тремя ключевыми трендами:

1. Переход на коротковолновые квантовые точки (CQD — Colloidal Quantum Dots). Традиционные InGaAs-матрицы сложны и дороги в производстве (требуют сложной индиевой стыковки с кремниевой CMOS-схемой чтения). Сенсоры на основе CQD напыляются прямо на стандартные кремниевые кремниевые платы. Это позволит снизить стоимость SWIR-камер в несколько раз и поднять их разрешение с нынешних 1–2 Мп до 8–12 Мп и выше, обеспечивая беспрецедентную детализацию дефектов.
2. Расширение спектра (Extended SWIR). Новейшие разработки направлены на сдвиг диапазона чувствительности матриц до 2000–2500 нм. В этой области спектра сильно легированный кремний меняет свои оптические свойства, что откроет новые возможности для анализа качества силовых полупроводников и перспективных материалов, таких как карбид кремния (SiC) и нитрид галлия (GaN).
3. Глубокая синергия с Edge AI (граничным ИИ). Камеры будущего будут не просто передавать видеопоток на сервер, а обрабатывать его встроенными прямо в сенсор нейропроцессорами. Это позволит выявлять наноразмерные дефекты геометрии соединений на скоростях свыше 500 кадров в секунду прямо в момент движения пластины по роботизированному манипулятору.

Часто задаваемые вопросы (FAQ)

Вопрос 1: Видит ли SWIR-камера сквозь металлические дорожки (медные или золотые) внутри чипа?
Ответ: Нет, металлы остаются непрозрачными для SWIR-излучения, так как они полностью отражают или поглощают ИК-волны. Однако SWIR-свет великолепно проходит сквозь кремний вокруг и между металлическими элементами. Это позволяет четко видеть силуэты дорожек, контактов, TSV-переходов и находить нарушения их геометрии, обрывы или короткие замыкания.

Вопрос 2: В чем разница между SWIR и тепловизорами (LWIR)? Можно ли проверять чипы тепловизором?
Ответ: Разница принципиальная. Тепловизоры работают в длинноволновом диапазоне (LWIR, 8–14 мкм) и регистрируют собственное тепловое излучение объектов — они показывают карту нагрева чипа при работе. SWIR-камеры (0,9–1,7 мкм) фиксируют отраженный или проходящий свет от внешнего источника. SWIR работает как обычная оптическая камера, но в инфракрасном цвете, обеспечивая субмикронное разрешение изображений, недостижимое для тепловизоров.

Вопрос 3: Подходит ли SWIR-технология для контроля полупроводников нового поколения, таких как SiC (карбид кремния) или GaN (нитрид галлия)?
Ответ: Да, но с нюансами. Ширина запрещенной зоны у SiC (ок. 3,2 эв) и GaN (3,4 эв) гораздо больше, чем у кремния. Из-за этого они прозрачны не только для SWIR, но и для обычного видимого света. Для их контроля SWIR-камеры используются в сочетании со специальными методами ультрафиолетовой (UV) флуоресценции или расширенного ИК-диапазона для поиска специфических дислокаций кристаллической решетки.

Вопрос 4: Безопасно ли SWIR-излучение для транзисторов и логики чипа?
Ответ: Абсолютно безопасно. Фотоны SWIR-диапазона обладают крайне низкой энергией. Они не вызывают ионизации, не генерируют избыточных носителей заряда, способных разрушить затворы транзисторов, и не нагревают кристалл так, как это делает лазерное или высокоинтенсивное рентгеновское излучение. Контроль является на 100% щадящим.