近年来，随着人们对更先进性能的不断追求，先进制程已成为各大芯片制造厂商“军备竞赛”的重要战场。据悉，台积电延误已久的3nm制程工艺在近期取得了重大突破，其或将年内率先完成第二版3nm制程的量产，并将其命名为“N3B”。英特尔也宣布了其“埃米级”18A制程芯片将在2024年提前落地。
然而，在制造更高性能芯片时，一块心病困扰着所有厂商——良率。在2021年拿下高通新SoC骁龙8G1订单的三星电子，却被爆出试产阶段芯片良率造假丑闻。部分5nm以下制程的芯片良率甚至只有35%左右。这不仅影响了三星电子自身，也使得原客户高通公司决定转向台积电进行代工业务。
这种情况对于那些依赖于代工服务的大型企业来说是致命打击。高通公司面临的是超大核架构导致功耗过高、发热问题以及产品成本上涨等问题。而对于三星电子而言，这次事件不仅损害了其声誉，更让它失去了一个重要客户。
事实上，对于每一家半导体制造企业来说，“良率地狱”是一个共同挑战。Entegris执行副总裁及首席运营官Todd Edlund曾表示，对于3D NAND晶圆厂而言，每提高1%的良率可能意味着每年额外1.1亿美元净利润；对于逻辑晶圆厂而言，这一提升可带来额外1.5亿美元净利润。
在此背景下，EUV光刻机技术成为了解决这一难题的一把钥匙。但使用EUV光刻机进行圆晶刻蚀过程中会出现随机缺陷，这些缺陷包括线边缘和线宽粗糙、CD均匀性误差、叠加错误以及边缘短路或开路等。此类缺陷会影响设备性能、良率和可靠性，使得检测这些缺陷变得异常复杂。
目前，最常用的检测工具包括光学检测工具与扫描电子显微镜（SEM）。但传统图像处理过滤器往往无法准确反映实际情况。在这个时候，就需要像Fractilia这样的工具，它们能够通过频域中的功率谱密度来查看粗糙度，从而提供更加精确的地图，以便工程师优化SEM使用并匹配不同供应商提供的手段。
不过，即便是最先进的技术也不能保证100%正确无误。在极端逻辑集成电路中从几百万个到几十亿个过孔中准确找到丢失或触点对工程师来说仍是一项巨大的挑战。而且，由于人工智能加入到软件中，这些缺陷可以得到更好的标识和分类，但确定哪些区域需要重点关注仍然是一个难题。
AFM（原子力显微镜）正逐渐成为解决这一难题的一个关键手段。虽然AFM吞吐量较低，但它可以监控340个样品以进行光刻、蚀刻或CMP工艺控制。而AFM审查工具利用机器视觉坐标，将从光学系统中获取的圆晶图数据指向可能出现缺陷位置，并对周围区域进行成像。这有助于更好地分类各种类型的缺陷，如有机颗粒掉落、大型硅颗粒或者碎片掉落，以及堆叠或者结晶缺陷等。
因此，对于要提高产品质量和减少生产成本至关重要的是，不断更新现有的技术，同时探索新的方法，比如采用更多的人工智能算法，加强材料科学研究，以便开发出更加耐用、高效能且成本较低的人造材料，以进一步提升整个行业水平，而不是简单依赖单一技术上的突破。此外，还应该加强全球合作，为全球半导体产业提供稳定供给链，同时促进知识共享，让全世界都能从科技创新中受益。
