当半导体材料表现失常时

# 当半导体材料表现异常时 来源：https://semiengineering.com/when-semiconductor-materials-misbehave/ **关键要点** - 生产环境中的材料行为取决于工艺背景，而任何开发环境都无法完全复制这一背景。 - 在先进封装中，跨越领域边界的交互越来越多地成为故障的根源。 - 最准确的材料数据也是商业敏感度最高的数据，导致仿真模型针对的是通用输入而非生产现实进行校准。 --- 人们通常假设先进材料在实验室和生产环境中的表现是一致的，但这一假设目前正面临严峻考验。 通常，实验室结果会成为规格书，进而成为认证的基线。这反过来又成为评估现场性能的标准。在行业发展的绝大部分历史时期，这种推理链条都运作良好。材料种类较少，堆叠结构较简单，层间交互足够可预测，因此规格书上的表现足以作为生产现实的合理指南。 但随着异构集成从工程好奇心演变为高性能计算的主导架构，单个封装内的材料数量急剧增加。它们之间的交互变得更加复杂且后果更加严重，且这些封装运行的环境比旨在对其进行认证的测试条件更为严苛。 “这不像过去那样，如果你有一颗芯片并且了解其工艺，就可以直接投入生产，”Amkor（https://semiengineering.com/entities/amkor-technology/）的芯粒和 FCBGA 集成副总裁 Mike Kelly 说道。“大多数这些封装在机械结构上相当复杂，在电学特性上更是如此。需要进行大量的测试场开发才能达到拥有良好、可靠解决方案的程度。这一点怎么强调都不为过。” 一种材料在隔离状态或受控实验室序列中的表现，越来越不能准确指导其在被不同材料包围、经受多步热历史处理以及需要在数百万运行小时内可靠工作时的表现。先进 AI 硬件所需的封装在机械和电学复杂性上远超早期世代，曾经让设计决策变得直截了当的累积生产经验不再如此直接适用。简而言之，实验室与晶圆厂之间的差距并不新鲜，但它正在扩大。 **复杂性难题** 材料在生产中表现异常的最直接解释，也是最令人难以接受的原因，在于当今构建的系统过于复杂，无法由任何人预先完整建模，而导致问题的交互往往正是没有任何单一学科想到要检查的那些交互。 “当你整合一堆不同的材料、一堆不同的硅片时，所有这一切都会将固有的变异性结合在一起，”Critical Manufacturing 的项目经理 Tiago Tavares 表示。“认为我们可以从设计板上预测并控制所有这一切是不现实的。你需要模拟几十年才能覆盖所有情况。这已经行不通了。” 半导体制造一直涉及管理变异，但发生变化的是现在单个封装内相互作用的来源数量，以及这些相互作用的耦合程度。传统的单片晶圆具有一组单一的材料、单一的流程，以及几十年的生产经验使其相当可预测的一组交互。而现代的多芯片组件具有堆叠内存、异构芯粒和有机中介层，随着堆叠中引入的每种新材料，潜在交互的组合爆炸式增长。 “你在中间使用了越来越多奇异的材料，”Tavares 说道。“这就像一个三明治，你无法确切知道火腿和奶酪会如何变化。这就是为什么工艺执行和工艺设计仍然至关重要，但已不再充分。你需要持续监控正在发生的事情。” 监控挑战因这些封装组装方式的基本结构性转变而加剧。在单片流程中，工艺工程师可以将每个步骤视为一个 largely 独立的优化问题。调整蚀刻配方，测量结果，再次调整。自由度是可控的，因为一个步骤中的变化对下游的影响有限。在异构封装中，这种独立性已不复存在。每个工艺步骤都继承前序步骤的机械、热学和化学历史，且每次调整产生的后果都会以并非总是立即可见的方式向后传播，往往直到很久以后才能显现。 “你不能再像分析孤岛那样分析一个工艺，”Tavares 补充道。“交互越来越多且日益明显。因此，你不能仅仅选择改变步骤 A 中的某事物，而不担心之后在步骤 B、C 和 D 中会发生什么。” **仿真遗漏之处** 如果复杂性难题仅仅是运行更全面的仿真问题，那么原则上它是可解决的，即使计算成本高昂。仿真工具围绕哪些效应被视为一阶、二阶或可忽略的明确选择而构建。在大多数情况下，这些选择是有充分依据的。但先进封装中遇到的情况并不总是典型的，简单封装中的二阶效应在更复杂的封装中可能成为主要的失效机制。 “机械应力不仅影响可靠性，还会改变应力器件和电线的电气参数，”Synopsys（https://semiengineering.com/entities/synopsys-inc/）的产品营销总监 Marc Swinnen 表示。“但机械和电学很少被一起考虑。任何仿真器都基于对包含哪些效应的基本选择。出现的问题是，在某些情况下，次要效应实际上变得更大。” 因此，一个封装可能通过电气和机械仿真，但仍会在生产中失败，因为这两种效应之间的交互从未被建模。这是仿真工具历史发展方式的后果，由在相邻领域专业知识有限的团队针对特定物理域进行优化。芯片设计师没有受过电磁仿真的训练。封装工程师没有受过静态时序分析的訓練。这些领域之间的边界已成为模型与现实最常分歧的地方。 “芯片、封装和板级设计往往是分开进行的，但它们显著相关，”Swinnen 表示。“这种联系通常被埋藏在宽松的安全裕度下，这些裕度考虑了连接芯片、封装和板的未知影响。安全裕度并非免费。它们会拖累性能并增加成本。” 可变性问题增加了另一个维度，即使物理参数正确指定，仿真也难以处理。在名义温度下符合规格的设计，在受到邻近组件产生的温度梯度影响时可能表现不同。额定承受一定机械应力限制的材料，在制造组装过程中可能遇到远超其在现场所经历应力的情况。即使使用复杂的仿真工具，生产中可以同时发生的这些变量的组合也难以进行全面验证。 **材料数据难题** 在仿真挑战之下是一个更根本的问题。用作仿真输入的材料属性值往往是错误的，或者至少以难以纠正的方式不完整，且需要制造商不愿共享的数据才能修正。 IP 问题是缩小仿真与生产现实差距的主要障碍之一。仿真工具从数据库中获取材料属性，这些数据库聚合了已发布的测量数据、科学文献或晶圆厂提供的规格。对于硅和铜等特征明确的材料，这些数据库相当准确。但对于新型材料，如新的玻璃成分、专用介质和专有聚合物粘合剂，数据库条目稀少，有时过时，偶尔甚至不正确。 “仿真工具从互联网或科学测量数据中获取一些通用属性，或者采用晶圆厂提供的数据，”Synopsys 的产品管理总监 Lang Lin 说道。“制造方必须提供或披露其秘密材料属性给我们的仿真工具，然后我们才能说仿真结果具有良好相关性。没有这些数据，就没有相关性。” 问题在于，最准确的材料属性数据也是商业敏感度最高的。花费数年开发特定成分和抛光工艺的玻璃基板制造商，没有动力与整个行业共享该材料的确切机械和热行为。嵌入在数据中的竞争优势正是证明开发投资合理的理由。结果造成了一种结构性错配：最需要准确材料数据来构建可靠仿真的工程师，使用的是最不准确版本的數據；而掌握准确数据的组织则有正当理由不发布这些数据。 对于封装工艺前沿的新材料而言，问题更加根本。对于成熟材料，材料属性在不同温度下的非线性行为已得到充分理解，但对于较新材料，这种理解往往不足。 “你必须建模材料机械性能随温度变化的非线性行为，”Lin 说道。“我们可能非常了解纯铜。但对于具有某种改性材料属性的玻璃，其温度依赖性如何？它可能在以我们未知的方式呈现非线性。” **当现场发现实验室遗漏之处** 这些建模差距的后果会在生产中显现，有时甚至会在更难追溯其根源的现场故障中进一步显现。故障到达现场的方式存在一致的模式。主要原因很少是材料未达到其名义规格，而是制造过程中引入且认证过程从未设计去捕捉的潜在缺陷。 “许多现场问题源于制造过程中引入的潜在缺陷，”Amkor 的引线键合和 BGA 产品副总裁 Prasad Dhond 表示。“污染、工艺变异和设备异常是潜在缺陷的来源，这些缺陷在现场可能会被加剧。除了认证之外，生产控制以及你如何运营工厂和组装线都非常关键。” 难点在于，潜在缺陷起初并不总是表现为缺陷。最终导致良率损失的信号可能在工艺流程早期以某种模糊的形式存在：轻微的颜色变化、光学异常，或者看起来更像是麻烦而非失效机制的东西。早期可见之物与后期重要之物之间的联系，直到积累了足够数据才能确立，否则并不明显。 这是复杂制造流程的一个结构性特征。缺陷变得可见、可测量以及导致失效的时间点是不同的，通常相隔数周的处理和数十个中间步骤。认证测试位于该序列的末端，只询问设备是否通过或失败。它不询问故障起源于何处，而这才是实际能够缩小实验室建模内容与晶圆厂生产内容之间差距的问题。 “你会看到一个缺陷，有时很难看到，它可能在分析中显示为变色。如果它只是麻烦或外观问题，那真的没什么影响，”Microtronic（https://semiengineering.com/entities/microtronic/）的应用总监 Errol Akomer 表示。“但当批次到达探针测试时，它失败了。这就是你如何了解哪些缺陷会伤害你，哪些不会，哪些可以忽略，哪些我们必须搞清楚，因为存在问题的过程。” 生产中的失效分析经济学使这一挑战更加严峻。当芯片在现场失效时，第一直觉通常是更换并继续，而不是回收进行分析。允许工程师了解问题所在并构建更好模型的数据，随着失效部件一起被丢弃。 “能够收集数据以确定失效情况只有在有失效可供添加数据时才有用，”Amkor 的 Kelly**表示**。“失效越少，你的数据就越少，你的模型就越不准确。这是一个进退两难的境地。在某个时刻，你停止建模并开始构建，然后在早期生产中进行持续改进，以达到你真正想要的位置。仍然存在差距。” **差距案例研究** 引入钼作为中线金属化中钨的替代品，从一个与封装无关、完全与表征材料和集成材料之间的根本差异有关的角度，说明了实验室到晶圆厂的差距。 在逻辑、DRAM 和 NAND 当前针对的小特征尺寸下，钼在电阻率方面比钨具有显著优势。更短的驰豫长度意味着它可以在更小的尺寸下实现其全部导电优势，而钨越来越难以做到这一点。它也不需要单独的势垒层和衬层，因为它直接粘附在氧化物上且不穿透介质，使得可用体积中更多部分可以被功能金属填充，而不是高电阻率的支撑材料。在实验室中，针对单元工艺认证重要的规格进行测量，钼表现良好。 但在生产中提升一种新材料是一个不同的问题。开发单元工艺——沉积工具、薄膜性能、均匀性和颗粒行为——需要材料工程师和工艺工程师之间的合作。单元工艺开发在生产数据之前无法解决的是，这种新材料在特定客户的工艺流程、周围材料和集成方案中将如何表现。 “到了我们进入 Beta 阶段且客户试图采用时，挑战在于将该薄膜集成到他们的工艺流程中，”Lam Research（https://semiengineering.com/entities/lam-research/）的企业副总裁兼总经理 Kaihan Ashtiani 表示。“单元薄膜的要求，如运行速度、接触孔填充效果、电阻率是否符合规格、均匀性、颗粒行为——这是我们在工具开发中的工作。但集成到客户现有流程中是学习发生的地方。DRAM、NAND 和逻辑之间的要求不同，这些是当我们进入 Beta 阶段并最终投入生产时面临的一些挑战。” 重点并不是钼在任何基本意义上表现异常。而是任何新材料在生产中的表现都取决于其与周围特定工艺背景的交互，而这种背景无法在开发环境中完全复制