"블랙박스"에서 데이터 과학으로: 화학기계연마(CMP)의 패러다임 전환

"블랙박스"에서 데이터 과학으로: CMP의 패러다임 전환

반도체 제조업계에서는 화학기계연마(CMP) 오랫동안 엄격한 과학이라기보다는 "예술"에 더 가까운 것으로 여겨져 왔습니다.수십 년 동안 엔지니어들은 CMP를 표준 절차 루프(슬러리 선택, 매개변수 설정, 웨이퍼 실행, 경험에 따른 미세 조정)로 취급해 왔습니다.

그러나 고급 프로세스 노드를 추진함에 따라 업계는 벽에 부딪히고 있습니다.최근 획기적인 보고서에 따르면 CMP의 "시행착오" 시대가 끝나고 새로운 패러다임으로 대체되었습니다. 표면 특성화 + AI 모델링.

1. 핵심 갈등: "환원 불가능한 다변량 시스템"으로서의 CMP

CMP의 근본적인 과제는 복잡성에 있습니다.하나의 변수를 변경하면 예측 가능한 결과가 나오는 선형 프로세스가 아닙니다.대신에, 그것은 고도로 결합된 시스템 포함:

이러한 변수는 동시에 상호 작용하기 때문에 기존의 "매개변수 조정"은 기본적으로 학습된 추측에 불과합니다.재료가 다양해지고 창이 좁아질수록 인간 경험의 경계는 점점 넓어지고 있습니다.

보고서는 CMP를 2단계 시너지 프로세스로 분류하여 CMP의 물리적 본질을 명확히 설명합니다.

실험을 통해 질소(N) 함량, 산소(O) 수준, 재료 밀도 등 단일 변수가 독립적으로 영향을 미칠 수 없음이 입증되었습니다. 재료 제거율(MRR).관계는 비선형적이고 상호의존적입니다.

본 연구의 가장 중요한 공헌은 다음과 같은 전환이다. "기다려 측정하세요" 에 "예측 및 최적화."

비접촉 특성화 데이터를 입력으로 활용(예: FTIR(표면화학), XPS, WCA(물접촉각), 그리고 밀도—연구원들은 기계 학습 모델을 적용했습니다(XGBoost 와 PCA 차원 축소) 결과를 예측합니다.

우리는 반도체 제조 분야에서 근본적인 변화를 목격하고 있습니다. CMP는 'Experience Engineering'에서 'Data Science'로 옮겨가고 있습니다.

한때 "블랙박스" 프로세스였던 것이 투명하고 예측 가능하며 최적화 가능한 시스템으로 변모하고 있습니다.고급 노드 경쟁에서 경쟁 우위는 더 이상 가장 많은 경험을 가진 사람이 아니라 가장 잘할 수 있는 사람에게 있습니다. 표면 상호작용을 모델링합니다.

키워드: 반도체 제조, CMP 공정 최적화, 계측 기계 학습, 재료 제거율(MRR), 표면 특성화.