Uncertainty propagation from SEM profiles to TCAD-referenced electrical predictions using coupled process and device models
Questo articolo presenta un framework che propaga l'incertezza dai profili SEM trasversali attraverso modelli TCAD di processo e di dispositivo accoppiati per generare contorni spazialmente coerenti e previsioni elettriche calibrate, raggiungendo un'elevata accuratezza geometrica e una copertura affidabile dell'intervallo della tensione di soglia per la caratterizzazione dei dispositivi semiconduttori.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo dell'elettronica moderna, i componenti più piccoli vengono costruiti strato dopo strato, come un grattacielo microscopico fatto di silicio e metallo. Per garantire che queste minuscole strutture funzionino correttamente, gli ingegneri si affidano a potenti simulazioni al computer che prevedono come l'elettricità scorrerà attraverso di esse. Queste simulazioni necessitano di un progetto preciso della forma del dispositivo. Tuttavia, quando gli scienziati osservano questi dispositivi reali sotto un microscopio elettronico, le immagini sono spesso sfocate o ambigue ai bordi. È difficile capire esattamente dove finisce un materiale e ne inizia un altro. Questa incertezza nell'immagine crea un problema: se la simulazione al computer parte da una forma sfocata o ipotizzata, anche la sua previsione delle prestazioni elettriche sarà incerta. La domanda che i ricercatori si pongono è se sia possibile utilizzare l'immagine imperfetta del microscopio per restringere le possibili forme a sufficienza da rendere una previsione elettrica affidabile, anche senza conoscere esattamente le impostazioni di produzione che hanno creato il dispositivo.
Un ricercatore della East China Normal University ha affrontato questa sfida creando un nuovo metodo che tratta il bordo sfocato di un'immagine al microscopio non come un singolo errore da correggere, ma come un intervallo di possibilità da esplorare. Invece di costringere il computer a scegliere una singola linea per rappresentare il bordo di un materiale, il loro sistema genera centinaia di contorni leggermente diversi e plausibili che si adattano tutti all'immagine. Successivamente, caricano ciascuno di questi profili possibili in un simulatore fisico dettagliato per vedere come si comporterebbe l'elettricità in ogni versione. Combinando i risultati di tutte queste simulazioni, possono produrre una previsione che include una misura di confidenza, dicendo agli ingegneri non solo quale sia probabilmente la prestazione elettrica, ma anche quanto tale prestazione possa variare a causa dell'incertezza nell'immagine.
Il ricercatore ha testato questo approccio su un set di dati di 180 immagini reali al microscopio tratte da un tipo specifico di transistor avanzato. Ha confrontato il suo metodo con diverse tecniche standard utilizzate nel settore. I metodi standard cercano solitamente di trovare una sola linea ottimale per rappresentare il bordo, oppure utilizzano ipotesi statistiche più semplici. Il nuovo metodo, che accoppia l'analisi dell'immagine con la simulazione fisica, si è rivelato più accurato. Nel prevedere una proprietà elettrica chiave chiamata tensione di soglia — che determina quando il transistor si accende — il nuovo metodo ha sbagliato in media solo 11,9 millivolt. Al contrario, il miglior metodo standard utilizzando una singola linea fissa presentava uno scostamento maggiore, e un baseline statistico più complesso era leggermente meno accurato. Inoltre, il nuovo metodo ha fornito un intervallo di valori probabili che era sia preciso che affidabile. Nel 91 percento dei casi di test, il comportamento elettrico effettivo rientrava nell'intervallo previsto, e l'ampiezza di questo intervallo era sufficientemente stretta da essere utile per le decisioni ingegneristiche.
Una parte cruciale dello studio è stata garantire che le previsioni del computer si basassero sui dati dell'immagine e non solo su assunzioni relative a come il dispositivo fosse stato fabbricato. Il ricercatore ha utilizzato un riferimento "gold standard" creato da un esperto che ha tracciato indipendentemente la forma del dispositivo senza vedere le ipotesi del computer. Ciò ha permesso di misurare la vera conseguenza elettrica dell'estrazione della forma. Hanno scoperto che il loro metodo traduceva con successo l'incertezza visiva del microscopio in un'incertezza elettrica realistica. Ad esempio, potevano prevedere che la corrente che scorre attraverso il dispositivo sarebbe variata di una piccola quantità calcolabile, piuttosto che fornire un numero singolo e potenzialmente fuorviante. Questa capacità di quantificare l'incertezza è vitale perché aiuta gli ingegneri a comprendere i rischi nei loro progetti senza dover costruire e testare ogni singola variazione fisica.
Lo studio ha anche esplorato come migliorare ulteriormente il processo chiedendo a esperti umani di ricontrollare immagini specifiche. Il ricercatore ha sviluppato un sistema intelligente che decide quali immagini beneficerebbero maggiormente di un secondo sguardo. Invece di scegliere le immagini in modo casuale o semplicemente cercando quelle che appaiono più confuse, il sistema calcola quali immagini, se riesaminate, migliorerebbero maggiormente la previsione elettrica finale. Quando hanno aggiunto solo 30 annotazioni extra di esperti utilizzando questo metodo di selezione intelligente, l'errore nella previsione elettrica è sceso al 2,12 percento. Questo è stato migliore rispetto alla scelta casuale di immagini o alla semplice scelta di quelle con maggiore ambiguità visiva. Questo risultato suggerisce che, in futuro, gli ingegneri potrebbero risparmiare tempo e denaro concentrando la loro limitata attenzione umana sui punti dati che sono più importanti per le prestazioni finali del prodotto.
Tuttavia, il ricercatore è stato attento a sottolineare i limiti del proprio successo. Quando hanno provato ad applicare il sistema addestrato a un nuovo lotto di dispositivi realizzati in condizioni leggermente diverse, l'accuratezza è diminuita e gli intervalli di confidenza sono diventati meno affidabili. Ciò indica che, sebbene il metodo funzioni molto bene all'interno di una specifica famiglia di dispositivi, non è ancora una soluzione universale che funziona perfettamente attraverso tutte le variazioni di produzione senza qualche aggiustamento. Hanno scoperto che l'aggiunta di pochi nuovi esempi dal nuovo lotto permetteva al sistema di ricalibrarsi e recuperare la maggior parte della sua accuratezza. Questo evidenzia che, sebbene il metodo sia potente, dipende ancora dal fatto che il processo di produzione rimanga relativamente costante.
In definitiva, questo lavoro dimostra un modo pratico per colmare il divario tra le immagini imperfette che possiamo scattare dei piccoli dispositivi e le precise previsioni elettriche necessarie per progettarli. Riconoscendo che il bordo di un materiale non è una singola linea ma una zona di possibilità, e tracciando matematicamente come quella zona influenzi il flusso di elettricità, il ricercatore ha fornito uno strumento che è più accurato e più onesto riguardo ai propri limiti rispetto ai metodi precedenti. Per l'industria, questo significa un passo verso una progettazione assistita dal computer più affidabile, dove gli ingegneri possono fidarsi del fatto che le loro simulazioni riflettano la reale variabilità del mondo fisico, portando a chip migliori ed elettronica più efficiente.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.