В Томске разрабатывают систему контроля производства полупроводниковой микроэлектроники с применением машинного обучения

Опубликовано 08.07.2019 г.

Ученые Томского университета систем управления и радиоэлектроники (ТУСУР) разрабатывают интеллектуальную систему контроля технологических процессов полупроводникового производства на основе методов машинного обучения. Это поможет увеличить производительность в электронной промышленности.

21727.jpg

Сегодня, чтобы контролировать качество проведения любого технологического процесса массового производства микроэлектроники, из партии проверяют одну-две подложки. Если технология стабильна, на остальных результат должен быть тем же самым. Однако, когда размер элементов на подложке уменьшается, даже незначительные отклонения становятся критическими, и возникает необходимость контроля всех подложек. Кроме того, всегда приходится ждать, когда будут проверены контрольные пластины, прежде чем корректировать (в случае необходимости) весь процесс.

«Наше решение позволяет отслеживать отклонения техпроцесса от заданной технологии  в режиме онлайн. С помощью датчиков собирается информация о процессе обработки текущей пластины и далее определяется контролируемый параметр, величина которого наиболее критична для данного техпроцесса. По величине данного параметра мы определяем, следует ли вносить корректировки в техпроцесс или нет — говорит магистр кафедры физической электроники ТУСУРа Артем Попов.

Чтобы обеспечить контроль всех пластин, в разработке используются методы машинного обучения: алгоритм на языке программирования обучает модель, которая предсказывает результат проведения техпроцесса по данным с датчиков технологической установки. Такую модель можно сохранить и использовать на компьютерах фабрики.

«Во время обработки пластины датчики измеряют множество параметров техпроцесса: давление, температуру, скорости потоков газов и так далее — это входные данные. Для контрольных подложек на участке метрологии измеряют критический параметр — например, толщину напыленной пленки. Это выходные данные, — поясняет Артем Попов. — Мы можем обучить модель по входным и выходным данным, применяя современные алгоритмы машинного обучения. Далее, если в эту модель ввести данные с датчиков, она предскажет значение критических параметров для каждой подложки, и мы сможем контролировать все изделия в партии». 

Проект поддержан программой «УМНИК», и на первом этапе разработчики уже сделали поведенческие модели, которые с высокой точностью предсказывают результат техпроцесса. Для работы они использовали данные с реального крупного зарубежного производства, которые были выложены на международный конкурс по машинному обучению. По словам Артема Попова, развить идею пытаются ученые во всем мире, а в результатах заинтересованы ведущие производители электроники.

«Сложность в том, что каждый техпроцесс уникален: если меняются характеристики установки, нужно менять и модель. Если получится сделать систему, в которую просто дают данные, и она обучается — неважно, какой техпроцесс, — это будет прорыв. Сейчас мы сосредоточены на том, чтобы сконцентрировать общий подход, а на втором этапе будем делать тонкие настройки в модели, чтобы повысить точность», — рассказал он.

Интеллектуальная система контроля с машинным обучением может использоваться на любом полупроводниковом производстве, где массово обрабатываются полупроводниковыекремниевые пластины. В России это фабрики по производству микроэлектроники, в том числе крупнейшие российские заводы в Зеленограде. В Томске технологию могут применять «Микран» и НИИПП.

«Контроль всех пластин даст значительную экономию времени и повышение процента выхода годных изделий, — комментирует Артем Попов. — Сейчас, для того чтобы оставаться на рынке, нужно обеспечить выход годной конечной продукции на уровне 90 процентов, как у гигантов вроде Intel или TSMC. В России с этим есть трудности, потому что система контроля развивается медленнее, чем хотелось бы».

Научными консультантами проекта выступает компания 50ohm Technologies.