Uncertainty-aware calibration from SEM profiles to electrical response using coupled process and device TCAD
यह शोध पत्र एक अनिश्चितता-जागरूक (uncertainty-aware), क्लोज्ड-लूप कम्प्यूटेशनल फ्रेमवर्क प्रस्तुत करता है जो युग्मित प्रक्रिया और डिवाइस TCAD सिमुलेशन के माध्यम से बाउंड्री वितरणों को प्रसारित करके SEM प्रोफाइल को इलेक्ट्रिकल रिस्पॉन्स से मैप करता है, जिससे पारंपरिक हार्ड-बाउंड्री कैलिब्रेशन की तुलना में इलेक्ट्रिकल प्रेडिक्शन सटीकता और एनोटेशन दक्षता में सुधार होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक इलेक्ट्रॉनिक्स की अदृश्य दुनिया में, सबसे छोटे ट्रांजिस्टर परतों के ऊपर परतें बनाकर बनाए जाते हैं, जैसे सूक्ष्म गगनचुंबी इमारतें। यह सुनिश्चित करने के लिए कि ये नन्ही संरचनाएं सही ढंग से काम करें, इंजीनियरों को शक्तिशाली सूक्ष्मदर्शी (माइक्रोस्कोप) के साथ उनका निरीक्षण करना पड़ता है जो नैनोमीटर पैमाने की विशेषताओं को देख सकें। ये चित्र, जिन्हें स्कैनिंग इलेक्ट्रॉन माइक्रोस्कोप प्रोफाइल कहा जाता है, ट्रांजिस्टर के क्रॉस-सेक्शन के सटीक आकार को दर्शाते हैं। हालाँकि, ये चित्र कभी भी पूरी तरह से स्पष्ट नहीं होते; SEM ब्लर और इंटर-एनोटेटर वेरिएशन (विभिन्न विशेषज्ञों के बीच भिन्नता) के कारण इनके किनारे धुंधले दिखाई देते हैं, और अलग-अलग विशेषज्ञ किसी आकार की रूपरेखा को थोड़े अलग तरीकों से खींच सकते हैं। यह अनिश्चितता महत्वपूर्ण है क्योंकि ट्रांजिस्टर की सटीक ज्यामिति (जियोमेट्री) यह तय करती है कि बिजली इसके माध्यम से कैसे प्रवाहित होगी। यदि आकार केवल कुछ नैनोमीटर भी इधर-उधर होता है, तो उपकरण ठीक से चालू या बंद होने में विफल हो सकता है, या यह बहुत अधिक बिजली की खपत कर सकता है। दशकों से, इंजीनियरों ने एक धुंधली छवि से एक एकल, सर्वोत्तम-अनुमानित रूपरेखा लेकर उसे कंप्यूटर सिमुलेशन में फीड करने का प्रयास किया है ताकि डिवाइस के व्यवहार की भविष्यवाणी की जा सके। लेकिन यह दृष्टिकोण धुंधलेपन में निहित मूल्यवान जानकारी को त्याग देता है, और संभावनाओं की एक श्रृंखला को इस तरह मानता है जैसे कि केवल एक ही परिणाम वास्तविक हो।
ईस्ट चाइना नॉर्मल यूनिवर्सिटी के किनौ क्यू (Qinao Hu) द्वारा किए गए एक नए अध्ययन ने इस समस्या को संभालने का एक अलग तरीका प्रस्तावित किया है। एक धुंधली छवि पर एक एकल, कठोर रेखा थोपने के बजाय, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई जो शुरुआत से ही अनिश्चितता को स्वीकार करती है। उन्होंने ट्रांजिस्टर के किनारे को एक निश्चित रेखा के रूप में नहीं, बल्कि संभावनाओं के एक बादल (क्लाउड) के रूप में माना। यह बादल उन सभी संभावित तरीकों का प्रतिनिधित्व करता है जिनसे एक विशेषज्ञ छवि की धुंध के आधार पर सीमा खींच सकता है। शोधकर्ताओं ने फिर केवल एक अनुमान के बजाय संभावनाओं के इस पूरे बादल को अपने कंप्यूटर मॉडल में फीड किया। ऐसा करके, उन्होंने कंप्यूटर को डिवाइस के वास्तविक प्रदर्शन के बारे में क्या हो सकता है, इसकी पूरी तस्वीर पकड़ने की अनुमति दी। लक्ष्य यह देखना था कि क्या इस अनिश्चितता को पूरी प्रक्रिया के दौरान जीवित रखने से वास्तविक प्रदर्शन की अधिक सटीक भविष्यवाणियां की जा सकती हैं।
शोधकर्ताओं ने एक विशिष्ट प्रकार के उन्नत ट्रांजिस्टर पर ध्यान केंद्रित किया जिसे नैनोशीट फील्ड-इफेक्ट ट्रांजिस्टर कहा जाता है, जिसका उपयोग आज के सबसे शक्तिशाली कंप्यूटर चिप्स में किया जाता है। उन्होंने 'स्पेशर' का परीक्षण किया, जो ट्रांजिस्टर चैनल के बगल में एक छोटी इंसुलेटिंग दीवार है, जो बिजली के प्रवाह को नियंत्रित करने के लिए महत्वपूर्ण है। अपने प्रयोगों में, उन्होंने निर्माण के पांच अलग-अलग बैचों से ली गई 180 वास्तविक छवियों के डेटासेट का उपयोग किया। इनमें से कुछ छवियों को दो अलग-अलग विशेषज्ञों द्वारा ट्रेस किया गया था, जिससे टीम को यह मापने में मदद मिली कि किनारों को परिभाषित करने में मानवीय निर्णय में कितनी भिन्नता थी। टीम ने एक कंप्यूटर प्रोग्राम को प्रशिक्षित किया कि वह इन छवियों को देखे और एक प्रोबेबिलिटी मैप (संभावना मानचित्र) आउटपुट करे, जो यह दिखाए कि किनारा कहाँ होने की संभावना है और उस स्थान पर वह कितना आश्वस्त है। इस प्रोग्राम को समग्र आकार, रेखाओं के बीच की दूरी और दीवारों के कोण और चैनल की चौड़ाई जैसे विशिष्ट महत्वपूर्ण मापों में त्रुटियों को कम करने के लिए सिखाया गया था।
एक बार जब कंप्यूटर ने प्रत्येक छवि के लिए आकृतियों का एक सेट तैयार कर लिया, तो शोधकर्ताओं ने इन आकृतियों को एक परिष्कृत सिमुलेशन के माध्यम से पारित किया जो निर्माण प्रक्रिया की नकल करता है। यह चरण, जिसे प्रोसेस कैलिब्रेशन कहा जाता है, सिमुलेशन के आंतरिक सेटिंग्स को देखे गए आकारों से मेल खाने के लिए समायोजित करता है। चूंकि इनपुट आकृतियों का एक बादल था न कि एक एकल रेखा, इसलिए आउटपुट भी विनिर्माण सेटिंग्स का एक बादल था। इस अनिश्चितता को डिवाइस के विद्युत प्रदर्शन की भविष्यवाणी करने वाले दूसरे सिमुलेशन में आगे ले जाया गया। इस अंतिम चरण ने आवश्यक वोल्टेज और करंट ले जाने की क्षमता जैसे प्रमुख मेट्रिक्स की गणना की। शोधकर्ताओं ने अपनी भविष्यवाणियों की तुलना डिवाइस सिमुलेशन के वास्तविक, उच्च-सटीकता वाले परिणामों से की ताकि यह देखा जा सके कि वे कितने करीब पहुंचे।
परिणामों ने दिखाया कि अनिश्चितता को अपनाने से काफी बेहतर भविष्यवाणियां हुईं। जब शोधकर्ताओं ने अपनी नई पद्धति का उपयोग किया, तो ट्रांजिस्टर को चालू करने के लिए आवश्यक वोल्टेज की भविष्यवाणी करने में त्रुटि घटकर 11.9 मिलीवोल्ट रह गई, जो पारंपरिक पद्धति (जो एक एकल कठोर सीमा का उपयोग करती है) में देखी गई 21.8 मिलीवोल्ट की त्रुटि की तुलना में एक महत्वपूर्ण सुधार है। इसी तरह, करंट-वोल्टेज कर्व (जो विभिन्न स्थितियों के तहत डिवाइस के व्यवहार का वर्णन करता है) की भविष्यवाणी करने में त्रुटि 5.8 प्रतिशत से गिरकर 3.1 प्रतिशत हो गई। नया दृष्टिकोण अपने कॉन्फिडेंस इंटरवल (विश्वास अंतराल) में भी अधिक विश्वसनीय साबित हुआ; इसने 91 प्रतिशत समय अपने अनुमानित दायरे के भीतर वास्तविक विद्युत व्यवहार को सही ढंग से पकड़ा, जबकि पुराने तरीके के लिए यह केवल 63 प्रतिशत था। यह सुझाव देता है कि माइक्रोस्कोप छवियों के धुंधलेपन को स्वीकार करके, कंप्यूटर मॉडल विनिर्माण विविधताओं को अधिक प्रभावी ढंग से नेविगेट कर सकते हैं।
अध्ययन ने इस जानकारी का उपयोग डेटा को बेहतर बनाने के लिए करने की भी खोज की। चूंकि सिस्टम यह पहचान सकता था कि किन छवियों में सबसे अधिक अनिश्चितता थी जो अंतिम विद्युत प्रदर्शन के लिए वास्तव में मायने रखती है, इसलिए यह उन विशिष्ट छवियों को मानव विशेषज्ञों द्वारा पुन: परीक्षण के लिए प्राथमिकता दे सकता था। एक परीक्षण में जहाँ टीम ने अपने डेटासेट में केवल 30 नए लेबल जोड़े, इस स्मार्ट चयन रणनीति ने भविष्यवाणी त्रुटि को घटाकर 1.54 प्रतिशत कर दिया। इसके विपरीत, केवल यादृच्छिक (रैंडम) रूप से छवियों को चुनने, या केवल इस आधार पर चुनने कि वे कितनी धुंधली दिखती हैं (बिना उनके विद्युत प्रभाव पर विचार किए), के परिणामस्वरूप बहुत अधिक त्रुटियां (क्रमशः 2.36 प्रतिशत और 2.1 प्रतिशत) हुईं। यह निष्कर्ष रेखांकित करता है कि सभी अनिश्चितताएं समान नहीं होती हैं; धुंधले किनारे भी अंतिम उत्पाद के लिए बहुत अधिक मायने रख सकते हैं, और नया सिस्टम अंतर को पहचानने में सक्षम था।
अंततः, यह कार्य प्रदर्शित करता है कि सेमीकंडक्टर निर्माण की उच्च-दांव वाली दुनिया में, हमारे मापों की सीमाओं को अनदेखा करने से खराब भविष्यवाणियां हो सकती हैं। ट्रांजिस्टर के किनारे को एक निश्चित तथ्य के बजाय संभावनाओं के वितरण के रूप में मानकर, शोधकर्ताओं ने निर्माण प्रक्रिया का एक अधिक मजबूत 'डिजिटल ट्विन' बनाया है। यह दृष्टिकोण न केवल संख्याओं की सटीकता में सुधार करता है; बल्कि यह दुनिया की सबसे छोटी मशीनों के निर्माण में निहित जोखिमों और विविधताओं की एक स्पष्ट तस्वीर भी प्रदान करता है। यह विधि माइक्रोस्कोप छवि की दृश्य खामियों को कार्यात्मक चिप की विद्युत वास्तविकता से सफलतापूर्वक जोड़ती है, जो यह सिद्ध करती है कि हम जो नहीं जानते उसे सावधानीपूर्वक समझने से हम जो जानते हैं उसकी बेहतर समझ प्राप्त हो सकती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।