设备笔记-碳化硅晶圆的缺陷检测 - KLA-Tencor，Lasertec，Horiba，Visiontec，洲际酒店的子品牌…
一个碳化硅芯片业余爱好者的学习笔记。文献整理，业界新闻，偶有所得，天马行空。本公众号属于个人学习笔记，仅为个人业余兴趣爱好，不涉及任何商业目的。文中如果有引用不规范的地方敬请见谅。有人的爱好是养花养草唱歌钓鱼，也有人喜欢写Twiter博客抖音，我最近几年，喜欢周末偶尔读点书刷刷paper，看看前沿方向材料和器件技术发展。
做点有趣的事，做个有趣的灵魂。
“做器件的不谈工艺，做工艺的不谈设备，做设备的自己不去设计流片，那就都是耍牛氓！”
精彩节选：
A1：整个产业处在初期阶段，包括 Cree 在内的跨国公司，对碳化硅的设备、工艺等的knowhow 都非常严格地保密，因为这些是他们的核心竞争力，基本上都是“黑匣子”，技术人员的开发环境都非常封闭，不对外公开，这是比较难学习的一点。从材料到设备的控制，很多都是凭经验去摸索，我们在收购 Norstel 后也是经过两年时间的不断试错才让产出从 4寸长到 6 寸，同时提高材料的质量和成品率，没有捷径。Norstel 到现在已经做了 20 年，在这方面一直深耕。如果有国内公司很轻易地就说有 6 寸的晶片，可以问他你的种晶来源于哪里，如果用其他公司的种晶是涉及到知识产权问题的，别家种晶的固有缺陷在你这里也一定会体现出来。
“如果有国内公司很轻易地就说有 6 寸的晶片，可以问他你的种晶来源于哪里，如果用其他公司的种晶是涉及到知识产权问题的，别家种晶的固有缺陷在你这里也一定会体现出来。”
A2：所有的创业团队背景从募资材料上来看都非常亮眼，看不出实际水平。我认为看项目有两个方面：一方面是怎么解决种晶的问题，回答种晶从哪来，就像种一棵树需要好的种子，非法获取种子来做肯定会存在很大的瑕疵；第二是实操层面，把长出的衬底产品给未来的客户，即国内的生产团队去用，看能不能做出产品，成本是不是有竞争力。如果只是你自己说行，那是无法判断的，必须你的直接客户愿意给你下订单，这是最终极的判断。
$$$$$$$$$$$$$$$$$$$$$$$$
碳化硅器件，如果不认真流个几千片把衬底缺陷外延缺陷工艺过程和电性能可靠性数据都汇总起来看，大抵是很难理解清晰的。当然这是我个人理解。特别当流完片发现只有百分之三四十的良率，你总想着要找谁吵一架的时候…
当年猴哥跟我讲解他怎样一路追踪他那十几片的缺陷数据，怎样艰难的费眼睛调试缺陷检测机台的自动识别，又怎样因为检测设备的Bin丢错了导致数据有矛盾的地方…他跟我说，如果你真要半路出来干这个，你得花别人五倍的时间在上面… 我虽然惊讶于他的执着与毅力，但内心里想的是，“英迪格” 这家设备显然不靠谱，当年洲际的“迈克姥爷”就没干过好事，他们搞的子品牌能有好的？我想着我以后要真干这一行，一定要去买个好设备先！
CS20我听说过没用过，CS920当年扫了几张图但自动识别归类也很痛苦。中间有几年我去干别的了，听说出来款CS8520，多了个国人最爱的数字8，想着有这三四年的改进，应该AI图像识别这块Train的差不多了吧！能把猴哥当年要追踪一千片的梦想实现了！
所以前些天听天域的报告说他们线上的人不太喜欢用Candela 8520，多数时候用日本的Lasertec那台的时候，我有点小惊讶。
（线上实操工程师的实际感受才是核心，一线技术人员往往心直口快，我想以后设备商应该经常请请线上的EE们吃饭了）
不是说Lasertec不好，能搞定EUV几千万美金一套的Mask检测的厂商，当然也是很牛逼的！只是，碳化硅晶圆缺陷检测这一块，可是Candela发力了很多年的深耕自留地啊！
而且这一块的缺陷检测识别，其实识别的算法才是核心，这方面，KT一直是业界顶尖的公司。
能每年在斯坦福附近地下室里找出那些搞数学的“车库创业团队”好苗子，经常为了一个稍有改进的图像压缩或识别算法就砸个几百万美金收进来…这一块，怎么说KT应该好用才对！
https://www.mad.tf.fau.de/files/2020/05/thesisproposal2030_sic_defect_classification.pdf
“英迪格”的迈克姥爷今年刚发布了一个2021-2030年的博士生招聘方向，要搞AI晶体缺陷自动识别，大抵也就是同样的原因。当年英迪格扫一张图几百兆，后来能压缩到几十兆，PCO的图像压缩算法功不可没！
这天气燥热的不行，我又不喜欢吹空调，实在没力气再去好好思考Visiontec和Horiba在这方面有没有什么更亮眼的表现了。只能改天再慢慢看了。
真正在线上天天使用这些设备的人才有发言权。所以如果大家有啥好经验，欢迎随时交流。 特别是大家有用过CS8520，Lasertec或PCO的经验的，非常欢迎一起探讨。
| 
发表于 2021-6-27 15:43:17
