当前位置: 首页 > news >正文

激光干涉法在碳化硅衬底 TTV 厚度测量中的精度提升策略

摘要

本文针对激光干涉法在碳化硅衬底 TTV 厚度测量中存在的精度问题,深入分析影响测量精度的因素,从设备优化、环境控制、数据处理等多个维度提出精度提升策略,旨在为提高碳化硅衬底 TTV 测量准确性提供理论与技术支持。

引言

随着碳化硅半导体产业的蓬勃发展,对碳化硅衬底质量要求日益严苛,晶圆总厚度变化(TTV)作为关键质量指标,其精确测量至关重要。激光干涉法凭借非接触、测量速度快等优势,在碳化硅衬底 TTV 厚度测量中得到广泛应用。然而,受设备性能、环境因素、样品特性等影响,测量精度仍有待提高。探索有效的精度提升策略,对保障碳化硅衬底生产质量、推动半导体产业发展具有重要意义。

影响激光干涉法测量精度的因素分析

设备自身因素

激光干涉仪的光源稳定性、光学元件精度对测量精度影响显著。光源波长波动、光束发散角变化会导致干涉条纹畸变;光学元件的表面粗糙度、面形误差会引入额外的光程差,造成测量偏差。此外,干涉仪的信号采集与处理系统的分辨率和采样频率不足,也难以捕捉微小的厚度变化,影响测量精度。

环境因素

环境温湿度、振动、空气流动等因素会干扰激光干涉测量。温度变化会引起光学元件热胀冷缩,改变光程;湿度变化可能导致光学元件表面结露或腐蚀,影响光学性能;振动和空气流动会使干涉条纹抖动,导致数据采集不准确。

样品因素

碳化硅衬底的表面形貌、反射率差异会影响干涉效果。表面粗糙度高、存在划痕或污渍的衬底,会使反射光发生散射,降低干涉条纹对比度;不同区域反射率不一致,会导致光强信号波动,影响厚度测量准确性。

精度提升策略

设备优化

选用稳定性高的激光光源,如半导体稳频激光器,确保波长稳定性在 ±0.01nm 以内。对光学元件进行高精度加工和严格筛选,定期清洁和校准,减少元件误差。升级信号采集与处理系统,提高分辨率和采样频率,例如将采样频率提升至 10kHz 以上,以更精确地捕捉干涉条纹变化。

环境控制

搭建恒温恒湿、防震的测量环境。将测量室温度控制在(23±0.5)℃,湿度保持在 40% - 60% RH;采用气浮隔振平台和减震地基,隔离外界振动干扰;安装空气净化装置和防风罩,减少空气流动对测量的影响。

数据处理改进

采用数字滤波算法对采集到的干涉数据进行预处理,去除噪声干扰,如使用中值滤波、小波滤波等方法,提高数据信噪比。引入机器学习算法,如卷积神经网络(CNN),对干涉条纹图像进行分析,自动识别和校正因样品表面形貌引起的测量误差,实现更精准的厚度计算。

高通量晶圆测厚系统运用第三代扫频OCT技术,精准攻克晶圆/晶片厚度TTV重复精度不稳定难题,重复精度达3nm以下。针对行业厚度测量结果不一致的痛点,经不同时段测量验证,保障再现精度可靠。​

我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性:

(以上为新启航实测样品数据结果)

该系统基于第三代可调谐扫频激光技术,相较传统双探头对射扫描,可一次完成所有平面度及厚度参数测量。其创新扫描原理极大提升材料兼容性,从轻掺到重掺P型硅,到碳化硅、蓝宝石、玻璃等多种晶圆材料均适用:​

对重掺型硅,可精准探测强吸收晶圆前后表面;​

点扫描第三代扫频激光技术,有效抵御光谱串扰,胜任粗糙晶圆表面测量;​

通过偏振效应补偿,增强低反射碳化硅、铌酸锂晶圆测量信噪比;

(以上为新启航实测样品数据结果)

支持绝缘体上硅和MEMS多层结构测量,覆盖μm级到数百μm级厚度范围,还可测量薄至4μm、精度达1nm的薄膜。

(以上为新启航实测样品数据结果)

此外,可调谐扫频激光具备出色的“温漂”处理能力,在极端环境中抗干扰性强,显著提升重复测量稳定性。

(以上为新启航实测样品数据结果)

系统采用第三代高速扫频可调谐激光器,摆脱传统SLD光源对“主动式减震平台”的依赖,凭借卓越抗干扰性实现小型化设计,还能与EFEM系统集成,满足产线自动化测量需求。运动控制灵活,适配2-12英寸方片和圆片测量。

http://www.xdnf.cn/news/1285885.html

相关文章:

  • 高性能web服务器Tomcat
  • Vue 3 + Elementui + TypeScript 实现左侧菜单定位右侧内容
  • 石英加速度计如何实现高精度测量?
  • 深度贴:前端网络基础及进阶(3)
  • 鲲鹏arm服务器安装neo4j社区版,实现图书库自然语言检索基础
  • 地图可视化实践录:显示地理区域图
  • 自然语言处理关键库解析和使用方法- FuzzyWuzzy
  • 虚拟机一站式部署Claude Code 可视化UI界面
  • 豆包 + 蘑兔 AI:你的创作搭子
  • 运维学习Day22——Anisible自动化与基本使用
  • Kafka的一条消息的写入和读取过程原理介绍
  • kafka 消费者组的概念是什么?它是如何实现消息的点对点和发布/订阅模式?
  • PO、BO、VO、DTO、POJO、DAO、DO基本概念
  • 开源!!! htop移植到OpenHarmony
  • 【网络运维】Linux和自动化: Ansible基础实践
  • ncurses 6.5 交叉编译移植到OpenHarmomy
  • 【软考中级网络工程师】知识点之 IP QoS 技术
  • 小红书笔记信息获取_实在智能RPA源码解读
  • 【Redis优化深度剖析:如何通过读写分离提升系统性能】
  • 【限时分享:Hadoop+Spark+Vue技术栈电信客服数据分析系统完整实现方案
  • Rocky Linux 10 部署 Kafka 集群
  • Bevy渲染引擎核心技术深度解析:架构、体积雾与Meshlet渲染
  • AI-调查研究-49-大数据调研报告 发展历程:从概念诞生到多元化生态1997-2025
  • msyql中,max_connections和max_user_connections区别
  • 【DL】深层神经网络
  • 记录docker使用kong consul postgresql配置dns异常解决
  • SQL180 每类试卷得分前3名
  • 【Redis在在线表单提交防重复机制中的应用策略】
  • 移动端调用大模型详解
  • Web学习笔记5