林本坚:如何把半导体元件缩到光波长的四十分之一 | 学术研讨会

2018 年 12 月 4 日 未来论坛

为庆祝半导体浸润式光刻方法的开创者林本坚博士,获得2018年未来科学大奖-数学与计算机科学奖。未来论坛和北京大学于11月19日共同为林本坚博士举办了专题学术研讨会。林老师向与会师生及芯片业人士详解了半导体光刻技术及其发展历程,展示了一个详尽、立体的光刻世界。下面是林老师演讲的精彩内容:



当人类刚发明出集成电路的时候,当时的特征尺寸大概是5μm(5000nm),之后缩小到了3μm,发展至今,台积电已经开始量产7nm的IC了。在这个过程当中,制程共经历了20代变革,未来几年,5nm集成电路也将实现量产。从5μm到5nm,实现了1000倍的变化,大概经历了40年。



在这一过程当中,有一件比较神奇的事情,5μm阶段,当时的波长是436nm,而到当今的7nm,波长是193nm,变化并不是特别大,这样,从光学的角度看,我们要实现将特征尺寸缩到波长的四十分之一,似乎是不可能完成的任务,我们需要跳出纯光学思维,从半导体的角度去考虑如何实现它。


人的头发横截面直径大概是80μm,以采用28nm制程工艺的SRAM为例,可以在头发的横截面上放20735个这个样的SRAM单元,随着微缩技术的发展,在直径为80μm的横截面上,可以容纳越来越多的SRAM单元了。



那么,这是如何做到的呢?主要是由光刻工艺及其技术演进实现的。


光刻微缩的理论基础主要基于下图的方程式:分辨率和DOF(depth of focus,景深)。



从图中的公式可以看出,分辨率主要由三个因数决定,分别是波长λ、镜头角度的正弦值sinθ,以及k1,其中,对于做光刻的人来说,k1这个参数是非常重要的。


缩短波长和加大sinθ(目前可以做到0.93)都可以提升分辨率,但这些都是有代价的,缩短波长λ、增加sinθ,DOF都会缩短,而k3和k1又是有关联的,且比较复杂。


4种方法提升分辨率


对于采用不同设备制造相同制程IC的制造厂来说,其技术水平差异就会很突出,例如,有的厂商用EUV设备(光刻波长为13.5nm)才能做7nm芯片,而有的厂商用DUV设备(光刻波长为193nm)就可以做出7nm芯片,做同样的产品,前者需要更多的投资去购买更新近的设备,而后者则不需要。这就是通过高水平工艺提升分辨率W所产生的经济效益。


1、增大sinθ


如下图所示,依据方程式,有4种方法可以提升分辨率W,而对于工程师来说,其中最方便的方法莫过于增加sinθ了,对于半导体厂的工程师来说,只要向老板多申请一些经费,订购大一点的镜头和机器就好了,因此,工程师会采取的首选方案,往往就是在sinθ上做文章。



提高sinθ的同时,镜头的复杂度随着增加,因为sinθ每增加一点,镜头里就需要增加相应的镜片。以sinθ=0.93的镜头为例,整个镜头的长度会超过一个成年人的身高,而且很重,需要用起重机来搬运和加装。这样的镜头,便宜的也要2000多万美金一个,贵的要7000万美金左右。另外,增加sinθ虽然使工程师轻松不少,但景深DOF的牺牲会比较大。


如下图所示的镜头,左边的5X镜头(0.32NA)是当年在IBM工作时,我的老板发明的,当时,这是全球半导体光刻界最厉害的镜头了。随着技术的进步,新的4X镜头陆续出现,这些镜头里增加了越来越多的镜片,而且对精度的要求逐年提升,要做到波长的五十分之一。



2、减小波长


增加sinθ需要大量的投资,而且越来越贵,此外,目前sinθ已经提升到0.93,已很难再提升,而且其不可能大于1。这样,我们可以通过改变波长λ来进一步提升光刻的分辨率。


但是,改变波长会产生连锁反应,由于镜片对不同波长光的折射率都是不一样的,焦点也就不一样,因此,波长改变一次,就需要对镜片进行矫正,使其焦点正确。但这些对激光的频宽提出了更高的要求,特别是到28nm制程时,传统的光刻光源已经不能满足要求,需要特殊的、更低频宽的激光才能进行矫正。


此外,还有其它一些方法可以矫正焦点,具体如下图所示。



而在将来,更先进的光刻系统内,不允许有任何透光的镜片,如EUV系统,只能通过将光多次反射实现应用功能。



另外,波长每改变一次,光阻也要变,由于光阻是化学性质的,改起来并不容易,特别是当光阻从365变为28的时候,需要很大的改动,实现这一壮举的人是当年我在IBM的同事,当时得到了光刻界的诺贝尔奖,即日本天皇奖,他采用化学放大效应,将光阻提升了十倍,这一技术出来以后,使得整个光刻系统成本下降很多。不过,这种新光阻在刚出来的时候并不稳定,有时能提升十倍,有时又远不能达到这一指标,问题出在哪里呢?经过研究,他最终发现,问题在于光阻的浓度,这就对过滤器提出了很高的要求,需要考虑很多因素,另外,这种过滤器会消耗大量的电能,这对很多应用单位来说,都是不可承受之重。


当波长减小到157nm的时候,装置中的空气会将该波长的光吸收掉,这主要是由氧气造成的,因此,需要一个密封的空间,而且里面不能有氧气,一般是充满氮气,但氮气很难被监测到,且不利于工程师维修(没有氧气,有生命危险)。


当光刻发展到EUV的时候,此时光的波长已经非常小,很容易被装置里面的气体吸收掉,因此,EUV需要抽真空的环境,而要实现真空,整个系统就会变得庞大许多,而且,抽真空泵的震动对光刻系统也会有一定的影响。此外,更加庞大和复杂的系统,维修起来也更加费时费力。


3、减小k1


下面谈k1,对于做光刻的人来说,k1可以说是最有趣的话题了。


k1是一个系数,在显微镜应用当中,k1最小只能降到0.61,再小的话,东西就会模糊,看不清楚了,而在光刻领域,则不存在这个问题,只需要考虑线的位置,只要能曝光就好,因此,可以把k1降低到0.07。通过改变k1,可以不用更换镜片,不用改变波长和光阻,就可以提升分辨率,具有很好的经济效益。此外,DOF还有可能会增加。



减小k1有这么多的好处,但其实现起来并不容易,需要很强的创新思维。


下图,制程工艺为250nm时,那时候的k1=0.63,跟显微镜的差不多,而180nm制程对应的k1则降到了0.47,此时,相对于250nm,线宽比较大,不容易控制,还要考虑很多干扰因素,有很大的学问在里面,需要更多的创新。


k1=0.47的时候,就感觉是一件非常奢侈的事情了,而当制程微缩到130nm的时候,k1进一步降到了0.42,这是一件非常不简单的事情,凝聚了光刻研发工程师的心血和智慧。



当k1=0.63和0.47的时候,是有可能增加DOF的,如下图所示。



4、增大n


这里的n是折射率,通过改变n,也可以提升光刻系统的分辨率,最简单的方法就是在镜头和晶体之间加入水,以代替空气,也就是沉浸式系统,通过增大n,可以得到短波长的效果。



当NA大于1的时候,特别是1.35NA时,需要放入具有特别构造的镜片,由于涉及到商业机密,下图中没有给出1.35NA的示意图,目前有两家公司可以做到这一点,他们采用不同的方法实现。



下图所示为沉浸式的原理,利用光通过液体介质时会弯折的特性,显微镜的影像透过浸湿的镜头会进一步放大。相反地,当光线通过浸在液体中的微缩影镜头时,就能将影像藉由折射率进一步缩小。


这里用水作为介质是最为经济高效的,否则就需要花几亿美金去研发新的、更好的介质,这样太耗费资金和时间,而且不一定能保证成功,算起来是划不来的。



结语


以上,林本坚博士主要讲述了提升光刻系统分辨率的4种方法,这里凝结了光刻研发工程师的大量心血和智慧,而作为沉浸式光刻技术的发明人,林博士对于产业的技术水平提升和经济效益做出了巨大的贡献。相信随着EUV的到来及普及,更多的先进技术还会诞生,继续把半导体光刻发扬光大。


本文转自微信公号:半导体行业观察,作者:张健。




登录查看更多
0

相关内容

半导体元件产品的统称。是集成电路(IC, integrated circuit)的载体,由晶圆分割而成。
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
人机对抗智能技术
专知会员服务
203+阅读 · 2020年5月3日
德勤:2020技术趋势报告,120页pdf
专知会员服务
191+阅读 · 2020年3月31日
专知会员服务
111+阅读 · 2020年3月20日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
107+阅读 · 2020年1月2日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
39+阅读 · 2019年12月5日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
30+阅读 · 2019年11月21日
社区分享|如何让模型在生产环境上推理得更快
【精益】精益生产与智能制造的联系和支撑
产业智能官
37+阅读 · 2019年9月14日
智能照明与智慧灯杆在智慧城市中的应用(PPT)
智能交通技术
10+阅读 · 2019年8月18日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
值得收藏丨一文读懂人脸识别技术
物联网智库
4+阅读 · 2019年2月11日
【学科发展报告】无人船
中国自动化学会
28+阅读 · 2019年1月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
孔晓泉:自然语言处理应用和前沿技术回顾
AI研习社
4+阅读 · 2018年6月1日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
【机器视觉】整合:机器视觉基础知识汇总
产业智能官
8+阅读 · 2018年1月22日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
3+阅读 · 2018年10月25日
Arxiv
24+阅读 · 2018年10月24日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
Arxiv
6+阅读 · 2018年2月8日
VIP会员
相关VIP内容
相关资讯
社区分享|如何让模型在生产环境上推理得更快
【精益】精益生产与智能制造的联系和支撑
产业智能官
37+阅读 · 2019年9月14日
智能照明与智慧灯杆在智慧城市中的应用(PPT)
智能交通技术
10+阅读 · 2019年8月18日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
值得收藏丨一文读懂人脸识别技术
物联网智库
4+阅读 · 2019年2月11日
【学科发展报告】无人船
中国自动化学会
28+阅读 · 2019年1月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
孔晓泉:自然语言处理应用和前沿技术回顾
AI研习社
4+阅读 · 2018年6月1日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
【机器视觉】整合:机器视觉基础知识汇总
产业智能官
8+阅读 · 2018年1月22日
相关论文
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
3+阅读 · 2018年10月25日
Arxiv
24+阅读 · 2018年10月24日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
Arxiv
6+阅读 · 2018年2月8日
Top
微信扫码咨询专知VIP会员