人工智能计算承诺改善社会，创造数万亿美元的经济价值。然而对半导体行业来说，这是一个具有挑战性的时代。
随着摩尔定律的增速放缓，设计师们开始探索新的材料、集成方案和结构，以持续改善”PPAC”(芯片性能、功耗和面积/成本)。部署这些极具挑战性，需要达到高良率要求，同时在新工艺中可变性增加，容差率缩小。为了帮助客户加速其路线图，应用材料正在将计量学集成到工艺系统和腔室中，为晶圆加工带来前所未有的粒度。
对于一个已经接受传感器、数据和分析工艺控制的行业来说，这种类型的集成是合乎逻辑的。在过去十年中，部署在工艺系统中的传感器数量增加了一倍多，产生了大量的数据。大数据和机器学习也在进步，允许更多的传感器数据用于监测腔室健康，甚至预测晶圆片上的结果，我们称之为“虚拟计量”。
但仍然没有什么可以代替直接测量来最好地控制晶圆片和工艺结果。对于大多数工艺，芯片制造商已经制定了抽样策略，并使用离线计量和检查来捕获流程偏差。CMP成为集成和现场传感器的早期候选，使实时、片上测量和控制成为可能。
直到最近，沉积体系还不需要在真空和晶圆片上进行测量，因为其特性包括：
- 工艺稳定；
- 工艺窗较大；
- 薄膜单元厚；
- 流程简单堆叠；
- 暴露于环境中对其影响有限。
然而，材料和集成方案正在迅速变化，这就是为什么应用工程师们要放双“眼睛”到系统和腔室里。在人工智能时代，PPAC的改进是通过新型材料和堆叠实现的。接口工程是在原子尺度上进行的，工艺的成功越来越依赖于在晶圆片被加工时对其进行“观察”，以确保控制和可重复性。
Applied公司最近推出了Endura®Clover™MRAM PVD平台，该平台由9个独特的晶圆加工室组成，在原始的高真空条件下集成。这种集成的材料解决方案包括板上计量(OBM, on-board metrology)，它可以测量和监控MRAM层的厚度（MRAM具有亚埃敏感性），确保在原子水平的控制，防止其暴露在外部环境。MRAM存储器是由敏感材料制成的，当暴露于空气中的杂质时，这些敏感材料会迅速降解。MRAM器件的控制层非常薄(只有8个原子的高度)，为了最大限度地提高器件的读性能和持久力，需要正负一个原子的膜高度均匀性。
在处理超薄薄膜时，测量系统引入的任何误差都会消耗大量可用的工艺控制裕量。长期稳定性测试表明，与传统的基于x射线的离线测量方法相比，板上测量方法具有更高的精度(图2)。
板上计量对于实现MRAM、PCRAM和ReRAM等新型存储器的高成品率至关重要，同时也可以为3D NAND和DRAM制造带来优势。逻辑上的变化也促使人们需要“观察”沉积过程，以测量薄膜厚度和均匀性，以及晶圆片的几何形状、应力、表面温度和成分。
这是一个激动人心的时刻。人工智能时代正在推动计算领域的复兴，虽然经典的摩尔定律正在放缓，但新材料、集成方案和结构使PPAC的发展得以继续。新材料和外来材料的独特需求正在推动计量学的复兴。应用的目标是为客户提供新的功能，以补充和扩展离线计量和虚拟计量模型。通过在工艺系统和腔室中放置“眼睛”，我们可以对每个晶圆片进行实时监控，帮助客户最大限度地提高新型芯片设计的性能，更快地发现工艺偏差，从而提高成品率。
原文链接：http://blog.appliedmaterials.com/designing-eyes-improve-chip-performance-and-yield
