中科院微电子所在半导体工艺建模方法方面取得进展

作者：集小微 2024-11-18

来源：中国科学院微电子研究所 #中国科学院# #微电子所#

1.4w

近日,集成电路设计自动化领域国际顶级会议2024 ACM/IEEE International Conference on Computer-Aided Designs(ICCAD)在美国召开,微电子所EDA中心陈岚研究员团队在会上展示了半导体工艺建模方法方面的最新研究进展。

目前工艺建模主要采用的是数据驱动模型和半物理模型两大方法。数据驱动模型在提高预测精度方面表现出色,但需要大量的量测数据支持,且容易出现过拟合或模型不收敛情况。而半物理模型虽然更为鲁棒,可有效预防过拟合,但存在模型复杂度高以及不支持工艺迁移等不足。同时,通用工艺建模框架的缺乏导致不同工艺需要具有不同学科背景的研究团队进行模型搭建,使得整合多个过程的统一仿真模型变得复杂且耗时。采用TCAD技术建立单元工艺如刻蚀、化学机械平坦化、薄膜沉积的工艺预测模型,对于建立基于设计与工艺协同优化(DTCO)技术的新制程研发和良率提升具有重要意义。

为了解决上述问题,陈岚研究员团队提出了一种基于神经常微分方程的通用工艺建模方法。该方法把神经网络整合进描述单元工艺形貌演化的常微分方程中,有效平衡了数据驱动模型和半物理模型两种主流建模方法的优缺点,显著降低了建模过程对专家知识的依赖。该方法在28/32/40 nm实际工艺的后道化学机械平坦化(CMP)、铜电镀(ECP)工艺中得到验证,其准确性优于现有半物理模型,与数据驱动模型表现相当。

上述研究成果以“A Neural-Ordinary-Differential-Equations Based Generic Approach for Process Modeling in DTCO: A Case Study in Chemical-Mechanical Planarization and Copper Plating”为题发表在2024 ACM/IEEE ICCAD会议上,并获得大会“William J. McCalla最佳论文奖(后端部分)”,微电子所博士研究生钱跃为该文章第一作者,陈岚研究员为该文章通讯作者。这是微电子所首次在该会议上发表文章,也是中国大陆首次获得 ICCAD William J. McCalla最佳论文奖。

ICCAD 与国际设计自动化会议(DAC)、欧洲设计自动化与测试学术会议(DATE)被公认为EDA领域水平最高的三大国际会议。本次大会录用常规论文(regular paper)195篇(录用率约为24%)。自2000年起,ICCAD会议每年颁发William J. McCalla最佳论文奖,其中年度最佳论文奖2篇。