Uncertainty propagation from SEM profiles to TCAD-referenced electrical predictions using coupled process and device models
تقدم هذه الورقة إطار عمل يعمل على نشر عدم اليقين من مقاطع SEM العرضية عبر نماذج TCAD للعمليات والأجهزة المترابطة لتوليد كونتورات متماسكة مكانياً وتنبؤات كهربائية معايرة، محققاً دقة هندسية عالية وتغطية موثوقة لفترات جهد العتبة لتوصيف أشباه الموصلات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الإلكترونيات الحديثة، تُبنى أصغر المكونات طبقة تلو الأخرى، مثل ناطحة سحاب مجهرية مصنوعة من السيليكون والمعدن. ولضمان عمل هذه الهياكل الدقيقة بشكل صحيح، يعتمد المهندسون على محاكاة حاسوبية قوية تتنبأ بكيفية تدفق الكهرباء من خلالها. وتتطلب هذه المحاكاة مخططاً بيانياً دقيقاً لشكل الجهاز. ومع ذلك، عندما ينظر العلماء إلى هذه الأجهزة الواقعية تحت مجهر إلكتروني، غالباً ما تكون الصور ضبابية أو غامضة عند الحواف. ومن الصعب تحديد أين تنتهي مادة ما وتبدأ أخرى بدقة. هذا اليقين في الصورة يخلق مشكلة: إذا بدأت المحاكاة الحاسوبية بشكل ضبابي أو تخميني، فإن تنبؤها بالأداء الكهربائي سيكون هو الآخر غير مؤكد. والسؤال الذي يواجه الباحثين هو ما إذا كان بإمكانهم استخدام صورة المجهر غير المثالية لتضييق نطاق الأشكال المحتملة بما يكفي لجعل التنبؤ الكهربائي موثوقاً، حتى دون معرفة إعدادات التصنيع الدقيقة التي أنتجت الجهاز.
لقد تصدى باحث من جامعة شرق الصين العادية لهذا التحدي عبر ابتكار طريقة جديدة لا تتعامل مع الحواف الضبابية لصورة المجهر كخطأ واحد يجب إصلاحه، بل كنطاق من الاحتمالات التي يجب استكشافها. فبدلاً من إجبار الحاسوب على اختيار خط واحد يمثل حافة المادة، يقوم نظامهم بتوليد مئات الخطوط الخارجية المختلفة قلي-ما تكون متطابقة والتي تتناسب جميعها مع الصورة. ثم يقومون بتغذية كل شكل من هذه الأشكال المحتملة في محاكي فيزيائي مفصل لمعرفة كيف ستتصرف الكهرباء في كل نسخة. ومن خلال دمج نتائج كل هذه المحاكاة، يمكنهم إنتاج تنبؤ يتضمن مقياساً للثقة، مما يخبر المهندسين ليس فقط بالأداء الكهربائي المرجح، بل أيضاً بمدى التباين الذي قد يطرأ على هذا الأداء بسبب عدم اليقين في الصورة.
اختبر الباحث هذا النهج على مجموعة بيانات مكونة من 180 صورة مجهرية حقيقية مأخوذة من نوع معين من الترانزستورات المتقدمة. وقارن طريقته بعدة تقنيات قياسية مستخدمة في الصناعة. عادة ما تحاول الطرق القياسية إيجاد خط واحد مثالي لتمثيل الحافة، أو تستخدم تخمينات إحصائية أبسط. وقد أثبتت الطريقة الجديدة، التي تربط تحليل الصورة بمحاكاة الفيزياء، أنها أكثر دقة. فعند التنبؤ بخاصية كهربائية رئيسية تسمى "جهد العتبة" — والتي تحدد متى يعمل الترانزستور — كان الخطأ في الطريقة الجديدة بمتوسط 11.9 ميلي فولت فقط. وفي المقابل، كانت أفضل طريقة قياسية تستخدم خطاً ثابتاً واحداً تعاني من هامش خطأ أكبر، بينما كانت الطريقة المرجعية الإحصائية الأكثر تعقيداً أقل دقة بقليل. علاوة على ذلك، قدمت الطريقة الجديدة نطاقاً من القيم المحتملة كان دقيقاً وموثوقاً في آن واحد؛ حيث وقع السلوك الكهربائي الفعلي ضمن النطاق المتوقع في 91 بالمائة من حالات الاختبار، وكان عرض هذا النطاق ضيقاً بما يكفي ليكون مفيداً للقرارات الهندسية.
كان جزء حيوي من الدراسة هو التأكد من أن تنبؤات الحاسوب مبنية على بيانات الصورة وليس فقط على افتراضات حول كيفية صنع الجهاز. استخدم الباحث "معياراً ذهبياً" مرجعياً أنشأه خبير قام بتتبع شكل الجهاز بشكل مستقل دون رؤية تخمينات الحاسوب. وقد سمح هذا بقياس النتيجة الكهربائية الحقيقية لاستخراج الشكل. ووجدوا أن طريقتهم نجحت في ترجمة عدم اليقين البصري من المجهر إلى عدم يقين كهربائي واقعي. فعلى سبيل المثال، استطاعوا التنبؤ بأن التيار المتدفق عبر الجهاز سيتفاوت بمقدار صغير يمكن حسابه، بدلاً من إعطاء رقم واحد قد يكون مضللاً. وهذه القدرة على قياس عدم اليقين هي أمر حيوي لأنها تساعد المهندسين على فهم المخاطر في تصميماتهم دون الحاجة إلى بناء واختبار كل تباين فيزيائي.
كما استكشفت الدراسة كيفية جعل العملية أفضل من خلال الطلب من الخبراء البشريين مراجعة صور محددة. طور الباحث نظاماً ذكياً يقرر أي الصور ستستفيد أكثر من نظرة ثانية. وبدلاً من اختيار الصور عشوائياً أو البحث عن الصور الأكثر إرباكاً فحسب، قام النظام بحساب الصور التي، إذا تمت إعادة فحصها، ستؤدي أكثر من غيرها إلى تحسين التنبؤ الكهربائي النهائي. وعندما أضافوا 30 تعليقاً (annotation) إضافياً من الخبراء باستخدام طريقة الاختيار الذكي هذه، انخفض الخطأ في التنبؤ الكهربائي إلى 2.12 بالمائة. وكان ذلك أفضل من اختيار الصور عشوائياً أو ببساطة اختيار الصور ذات الغموض البصري الأكبر. ويشير هذا الاكتشاف إلى أنه في المستقبل، يمكن للمهندسين توفير الوقت والمال من خلال تركيز انتباههم البشري المحدود على نقاط البيانات التي تهم أكثر في الأداء النهائي للمنتج.
ومع ذلك، كان الباحث حريصاً على ملاحظة حدود نجاحهم. فعندما حاولوا تطبيق نظامهم المدرب على دفعة جديدة تماماً من الأجهزة المصنوعة تحت ظروف مختلفة قليلاً، انخفضت الدقة وأصبحت فترات الثقة أقل موثوقية. وهذا يشير إلى أنه بينما تعمل الطريقة بشكل جيد للغاية ضمن عائلة محددة من الأجهزة، إلا أنها ليست حلاً عالمياً يعمل بشكل مثالي عبر جميع التباينات التصنيعية دون بعض التعديلات. ووجدوا أن إضافة عدد قليل من الأمثلة الجديدة من الدفعة الجديدة سمح للنظام بإعادة المعايرة واستعادة معظم دقته. وهذا يسلط الضوء على أنه بينما الطريقة قوية، إلا أنها لا تزال تعتمد على بقاء عملية التصنيع ثابتة نسبياً.
في النهاية، يوضح هذا العمل طريقة عملية لسد الفجوة بين الصور غير المثالية التي يمكننا التقاطها للأجهزة الدقيقة والتنبؤات الكهربائية الدقيقة اللازمة لتصميمها. ومن خلال الإقرار بأن حافة المادة ليست خطاً واحداً بل منطقة من الاحتمالات، ومن خلال التتبع الرياضي لكيفية تأثير تلك المنطقة على تدفق الكهرباء، قدم الباحث أداة هي أكثر دقة وأكثر صدقاً بشأن حدودها من الطرق السابقة. وبالنسب بالنسبة للصناعة، فإن هذا يمثل خطوة نحو تصميم مدعوم بالحاسوب أكثر موثوقية، حيث يمكن للمهندسين الوثوق بأن عمليات المحاكاة الخاصة بهم تعكس التباين الحقيقي للعالم الفيزيائي، مما يؤدي إلى رقائق أفضل وإلكترونيات أكثر كفاءة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.