蚀刻碳化硅 （SiC） 晶圆上的缺陷检测

碳化硅 （SiC） 是半导体工业中的重要材料，因为它因其在现代电路中的技术和物理特性而被使用。碳化硅器件正在彻底改变各行各业的电力电子技术，为电动汽车、可再生能源系统和工业驱动等应用提供更高的效率、功率密度和可靠性。

在这里，我们重点介绍碳化硅材料制造商EEMCO如何通过与Evident的合作简化其成品蚀刻碳化硅晶圆的图像分析过程。由于这项工作，我们具有机器学习功能的定制软件提高了晶圆缺陷检测和表征的准确性和效率。详细了解这项创新及其对各行各业的影响。
 

碳化硅器件应用

碳化硅器件的三个主要应用是汽车、大功率电子和可再生能源行业。

1. 汽车

汽车对电驱动的需求一直在迅速增长。电力驱动拥有超过60%的市场份额，是大功率电子设备市场的重要因素。¹ 这带来了对用于电动/混合动力汽车 （EV/HEV） 的高效功率半导体的需求不断增长。

该应用立即建议使用基于SiC的功率半导体，因为它们与传统的硅基元件相比具有明显的优势。碳化硅提供的更高效率和功率密度可增加续航里程、更小的系统尺寸和更快的充电时间。典型应用包括高效逆变器、车载充电电子设备、升压器和 DC/DC 转换器。

经济地使用SiC单晶的基本标准之一是单晶中尽可能低的缺陷密度与尽可能大的晶体晶圆配对（6英寸晶圆现在是标准，8英寸晶圆即将推出）。这需要掌握复杂的晶体生长技术，例如EEMCO提供的技术。

2. 大功率电子

对辅助电源的需求推动了广泛的工业应用。这些应用通常包括电机驱动器、逆变器和工业制造设备（包括机器人）。

5 使用碳化硅技术的典型器件包括肖特基二极管（也称为肖特基势垒二极管或 SBD）到结栅场效应晶体管 （JFET） 和金属氧化物半导体场效应晶体管 （MOSFET）。

事实上，SiC SBD广泛用于绝缘栅双极晶体管（IGBT）功率模块和功率因数校正（PFC）电路。在这些应用中，碳化硅不仅可以提高效率并降低冷却要求。它还简化了器件设计，因为它减少了无源元件的数量，实现了更简单的设计，而不会牺牲性能。这些特性在 IT 行业也很有用，尤其是在数据中心。

3. 可再生能源

太阳能、风能和可再生能源存储是显示出显着增长的行业。可再生能源行业是一个有效和高效地平衡供需的行业。虽然可再生能源多年来一直是碳化硅产品的首选应用，但当前的气候和能源危机进一步增加了对替代能源的需求。

常见应用涉及高效电子功率器件，如逆变器和升压器（功率转换器），以及电源转换和储能系统的基本组件。此类器件的典型充电损耗在 6% 到 9% 之间，通过应用 SiC 技术可以大大降低这一数字。¹ 基于 SiC 的器件技术还减少了对复杂电路设计的需求，需要更少的整体组件。
 

控制和监测碳化硅晶圆的最终产品质量

随着许多行业对基于 SiC 的器件技术的需求，SiC 制造商正在关注其生产过程中的创新、质量和效率。一个例子是 EBNER EUROPEAN MONO CRYSTAL OPERATION （EEMCO），这是一家于 2020 年从 EBNER 分拆出来的初创公司。

“EEMCO是欧洲第一家旨在为半导体行业大规模生产200毫米SiC衬底的独立公司，”EEMCO负责工艺工程的Mirko Löhmann解释道。

凭借其在晶体生长设备设计和制造方面 12 年的研发经验，这家奥地利公司开发了用于 4H SiC 单晶生长工艺的专用熔炉，并正在采取下一步行动，推出 200 毫米滚球和圆盘。

EEMCO的国际专家团队在位于奥地利莱昂丁的工厂为半导体行业培育碳化硅单晶。

“这些晶体用于高功率应用，特别是在汽车、工业和可再生能源领域，”EEMCO负责缺陷工程的Sebastian Hofer说。

EEMCO运营着越来越多的炉子，其中SiC单晶使用物理气相传输（PVT）工艺生长，在SiC气相内形成单晶。

Hofer说：“我们的目标是作为第一家生产此类SiC晶体的独立欧洲公司，生产战略性高科技产品，为依赖美国或中国供应商提供高质量的替代方案。Löhmann 补充道：“作为一种可持续的节能产品，SiC 还为各种市场和消费终端产品的二氧化碳减排做出了重大贡献。

EEMCO专注于生产高质量的150毫米和200毫米圆盘，利用专有的熔炉和工艺技术。“在过去的两年里，我们已经申请了30多项与SiC晶体生长设备和工艺相关的专利。我们的战略是种植 150 毫米和 200 毫米 SiC 单晶，用于全球铸锭制造和供应，主要关注欧洲客户，“Hofer 解释道。

为了控制和监控生产过程和最终产品质量，需要对整个直径为150或200毫米的SiC晶圆进行100%的光学分析。这带来了两个挑战：

• 高分辨率成像：采集整个晶圆的高分辨率图像（1-2 μm/像素）需要时间，并且每个晶圆会产生千兆字节的数据。

• 位错检测：传统的颗粒分析不足以检测簇状位错和重叠位错。简单的基于阈值的分割缺乏获得有意义的结果的准确性。

“我们需要采集和分析完整的蚀刻碳化硅晶圆，”Löhmann说。他继续说道：“我们与欧洲Evident技术中心（ETCE）的定制解决方案团队合作，开发了基于PRECiV软件的解决方案，PRECiV™软件是我们在实验室中使用的Evident工业成像平台。此次合作使用机器学习来改善完整蚀刻碳化硅晶圆的缺陷表征。
 

设计大型碳化硅晶圆光学分析的定制解决方案

欧洲Evident技术中心（ETCE）定制解决方案组（CSG）的解决方案经理Norbert Radomski博士和Sergej Bock博士解释了这种定制晶圆检测解决方案的优势。

“通过采集和分析完整的蚀刻碳化硅晶圆，我们增加了晶圆检测解决方案的产品组合。^2、3现在我们可以采集和分析完整的 6 英寸。和 8 英寸。蚀刻碳化硅晶圆，“Norbert 说。Sergej 补充道：“该解决方案使用机器学习来改进缺陷表征。此外，分析与数据采集同时进行，以提高效率。

该检测解决方案对于识别和表征SiC晶体生长过程中可能发生的缺陷非常重要。

SiC晶体采用物理气相传输（PVT）方法生长，其中单晶在SiC气相中生长。在生长过程中控制晶体应力是最大限度地减少缺陷扩展密度的关键，例如微管 （MP）、基平面位错 （BPD）、螺纹螺钉位错 （TSD） 和螺纹边缘位错 （TED）.4 这些缺陷会影响 SiC 晶圆的电性能。熔融KOH蚀刻法被认为是一种有效的方法 表征SiC中的位错5

例如，图 1 显示了蚀刻 SiC 晶圆上的各种类型的缺陷，例如微管 （MP） 基平面位错、螺纹螺钉位错 （TSD） 和螺纹边缘位错 （TED）。
 

图 1.用 KOH 蚀刻的 SiC 晶圆上典型缺陷的显微镜图像.6 图片来源：MDPI。
 

EEMCO向Evident提出的要求是：为了控制和监控生产过程和最终产品的质量，对完整的6英寸进行100%的光学分析。或 8 英寸。必须执行直径的SiC晶圆。

Norbert 说：“首先，需要整个晶圆的高分辨率图像（1-2 μm/像素），这需要占用时间并产生每个晶圆 GB 的数据。其次，经典粒子分析无法检测位错。错位往往会聚类和重叠，因此简单的基于阈值的分割不够准确，无法提供有意义的结果。

阈值不会检测图像中的特定结构。相反，它根据预定义的灰度或 RGB 强度值，一次检测多个对象，而不区分它们⁷。Sergej指出，“相比之下，机器学习基于感兴趣对象代表的多个示例来形成目标检测规则。自动评估，基于深度人工神经网络，该网络已学会独立于图像区域进行分类 预先在图像中设置阈值，使图像分析更容易、更准确。⁷

Custom Solutions团队证明，使用经过适当训练的神经网络（见图2）的分割方法可用于自动分离聚类和叠加位错（见图3），从而进行充分的缺陷密度分析。
 

图2.位错训练标签（上部）和蚀刻碳化硅晶圆的明场图像（图像分辨率：1.095 μm/像素）的屏幕截图。
 

图3.神经网络分割产生的检测到位错的屏幕截图（上部）和蚀刻 SiC 晶圆的明场图像（图像分辨率：1.095 μm/像素）。请注意，簇状位错和叠加位错是分开的。
 

但是，应该注意的是，训练神经网络和执行神经网络都需要大量的计算能力，这通常由支持 CUDA 的 NVIDIA 显卡的数百或数千个计算统一设备架构 （CUDA） 内核提供。

“一个 6 英寸的总图像。分辨率为 1.095 μm/像素成像的晶圆由大约 4,000 张单张图像组成，大小约为 25 GB。即使使用最先进的显卡，通过神经网络计算整个图像的分割也需要数小时，“Sergej 解释道。

因此，由于碳化硅晶圆的质量标准是单位面积的位错密度，因此定制解决方案的方法是使用两台PC进行并行工作，将该过程分为采集方法和分析方法。这使吞吐量翻了一番，提高了效率。

Norbert 解释了整个定制解决方案：“采集系统捕获的整个晶圆的图像存储在预定义的位置。状态文件指示图像是否完整，是否可以使用基于神经网络的缺陷晶圆分析解决方案进行分析。通过晶圆分析解决方案，将大晶圆图像划分为具有可定义尺寸的较小瓦片图像，并对每个瓦片应用带有神经网络分割的批量分析过程。这 在较小的图块上进行计算可提高效率。结果还提供了每个单个瓦片区域的位错密度数。由于晶圆上瓷砖的位置是已知的，因此输出基本上是整个晶圆的密度图。

现在，让我们看一下定制解决方案工作流程，该工作流程从晶圆采集开始（见图4）。
 

图4.晶圆采集解决方案的屏幕截图，显示了“定义晶圆类型”的工艺定义对话框。

以下是获取整个SiC晶圆的大全景图像的步骤（见图5）。然后，生成的图像文件（我们专有的 VSI 格式）将用于分析工作流程。
 

SiC晶圆采集工作流程

使用晶圆分析解决方案，将大晶圆图像分成较小的平铺图像，并在每个平板上应用预定义的宏（此处为具有神经网络分割的计数和测量解决方案）（参见图 6）。
 

图6.晶圆分析解决方案的屏幕截图，显示了“定义分析配方”的工艺定义对话框。
 

碳化硅晶圆分析工作流程

碳化硅晶圆检测结果

结果可以导出为 CSV 或 XLSX 文件，以提供每个瓦片的数据以及有关检测到的缺陷的单个信息（图 8，上图）或作为包含每个瓦片缺陷类别的汇总表（图 8，下图）。第一张图纸包括每个图块一个图像，以及对象 ID（已识别缺陷）及其在 X 方向上的质心、Y 方向上的质心以及其形状的各种描述值，例如球形度和方向。

摘要文件显示所有子图块的行和列 ID 以及每个类的单个缺陷计数。每个类别代表一种特定的缺陷类型（示例见图 1）。最后，该软件以TIF的形式提供SiC晶圆的概览图像（图9），检测层显示每个缺陷类别的颜色代码。出于文档目的，还可以选择带有老化检测叠加层的压缩 JPEG 图像。这些有组织的图像和数据共同实现了 对整个晶圆上的缺陷进行高效分析。
 

图8.导出为CSV或XLSX文件的SiC晶圆检测结果提供了有关缺陷的详细信息，包括每个类别的缺陷计数、形状和其他参数。
 

图 9.整个SiC晶圆的概览图。

结论

EEMCO和Evident在简化蚀刻SiC晶圆的图像采集和分析流程方面的合作突显了我们对SiC制造创新和质量的承诺。通过定制软件和机器学习，碳化硅晶圆上的缺陷表征得到了显著改善，为提高各种应用的产品质量和性能铺平了道路。随着对基于SiC的器件的需求不断增长，这种合作努力体现了 行业致力于应对不断变化的技术挑战，推动可持续、高性能电子产品的时代。