基于AD加速物理信息反演的高通量半导体薄膜全光谱表征:硅与碳化硅外延应用案例

《Journal of Alloys and Compounds》:High-Throughput full-spectrum characterization of semiconductor thin films via AD-accelerated physics-informed inversion: Demonstrations in Si and SiC epitaxy

【字体: 大 中 小 】 时间:2026年08月30日 来源:Journal of Alloys and Compounds 6.7

编辑推荐:

   **摘要** 对先进功率半导体材料(如Si和SiC)的外延层厚度和掺杂特性进行同步精确表征,对于其质量控制和工艺稳定性至关重要。然而,各向异性中红外光谱的高度复杂性和非凸特性构成了重大挑战,传统反演方法面临三重困境:(i) 参数简并,(ii) 计算速度不足,(iii) 缺乏测

  

**摘要** 对先进功率半导体材料(如Si和SiC)的外延层厚度和掺杂特性进行同步精确表征,对于其质量控制和工艺稳定性至关重要。然而,各向异性中红外光谱的高度复杂性和非凸特性构成了重大挑战,传统反演方法面临三重困境:(i) 参数简并,(ii) 计算速度不足,(iii) 缺乏测量可靠性评估。针对这些挑战,本文提出了一种确定性反演与概率性反演协同的框架。整个工作流程被系统地解耦为离线校准和快速在线推理引擎两个部分。具体而言,建立了一个广义可微分物理模型,并采用多光束收敛比准则进行干涉机制选择。为有效缓解参数简并问题,采用全局敏感性分析(GSA)引导的非对称降维策略,利用离线马尔可夫链蒙特卡洛(MCMC)抽样提取并固定本征材料指纹。在后续算法阶段,部署了一套四阶段自适应在线推理流水线。通过采用带谷底搜索的非均匀网格搜索以防止条纹混叠,随后利用基于自动微分的物理信息顺序L-BFGS求解器,实现精确的点估计。同时,通过经威尔克斯定理验证的条件剖面似然评估实现实时不确定性量化。该框架在噪声水平高达1.0%的合成测试光谱上进行了验证,并在涵盖降维3D子空间(d∈[1,100] μm,A0∈[0.6,1.0],log10 ND,epi∈[17.3,19.3])的4H-SiC 250点合成网格上进行了测试。该方法在各项同性Si上实现了低拟合方差(1.0%噪声下最大相对厚度误差低于0.1%),在各向异性4H-SiC上实现了稳健的拟合一致性(1.0%噪声下最大相对厚度误差低于3.1%),且具有相当高的检索成功率。

**引言** 宽禁带和超宽禁带半导体,特别是碳化硅(SiC)、氮化镓(GaN)和氧化镓(Ga2O3),因其卓越的击穿电场和热导率,已成为现代大功率和高频电子器件的基石[1]、[2]。在MOSFET和IGBT等纵向功率器件的制造中,外延生长工艺是一个极为关键的制造步骤。该工艺的典型技术包括化学气相沉积(CVD)、有机金属化学气相沉积(MOCVD)、分子束外延(MBE)和氢化物气相外延(HVPE)。在此过程中,外延层厚度和活性掺杂浓度的精确控制直接决定了器件的基本性能指标,如阻断电压和导通电阻[3]。因此,为确保工艺稳定性并最大化晶圆良率,快速无损的光学计量——特别是傅里叶变换红外(FT-IR)光谱技术——成为在线监测这些外延层不可或缺的利器。

尽管红外光与复杂多层结构相互作用的基本理论已得到充分理解,但从FT-IR数据推断外延层物理属性需要解决一个高度复杂、非凸的反问题。通过利用详细的介电函数模型,而非单纯通过经验估计提取几何厚度,可以从光学响应中同步确定载流子浓度、迁移率和厚度,提供了一种完全无接触的诊断手段,替代了破坏性的霍尔效应或电容-电压(C-V)测量[4]、[5]。精确厚度估计需要考虑折射率在Reststrahlen带和等离子体边缘频率依赖性[6]。然而,同时检索这些耦合参数导致了高维目标空间,使得反问题求解效率低下,尤其在需要不确定性量化以支持高级工艺控制时更为突出。

历史上,厚度确定依赖于几何光学方法,如快速傅里叶变换(FFT)。虽然计算量极小,但FFT方法受限于波长分辨率,对于1-2 μm的超薄薄膜通常失效;此外,由于忽略了声子吸收带附近的复杂色散,对于高折射率材料(如SiC)会引入不可接受的误差。为克服这些局限,基于非线性最小二乘法(NLS)的全谱确定性优化成为行业标准[7]。然而,依赖有限差分梯度近似的传统NLS算法存在严重的计算瓶颈,使其不太适用于实时高通量晶圆映射。更为关键的是,确定性方法主要产生点估计。在复杂的制造环境中,仅依赖点估计无法区分测量噪声、物理界面异常和认知模型不足。虽然概率抽样方案如马尔可夫链蒙特卡洛(MCMC)可提供原则性的不确定性量化,但其采样效率低、收敛时间长,每个光谱通常需要数小时,无法在生产线上部署。

近期,包括神经网络代理模型和物理信息神经网络(PINN)在内的数据驱动方法被提出作为绕过传统反演算法计算负担的替代方案[8]、[9]、[10]。这些方法通过学习预计算训练数据集中的逆映射,或将物理约束嵌入网络架构,实现了加速检索速度。然而,它们内在要求大量的离线训练数据生成和模型优化投入,当材料体系、参数范围或测量配置发生变化时,通常需要重新训练。对于需要稳健不确定性量化和物理可识别性极限显式报告的应用场景,保留完整物理模型的无代理方法提供了互补优势。

与此同时,可微分物理框架已成为计算光学和光子学中反问题的一种强大范式[11]、[12]、[13]。自动微分(AD)通过复杂物理模型实现精确梯度计算,无需有限差分近似即可促进高效的基于梯度的优化[14]、[15]。近期可微电磁求解器和物理信息机器学习的进展在逆向设计和参数估计方面取得了显著改进[16]。然而,这些发展主要面向光子器件设计,而非半导体计量,其中高维各向异性参数空间、实时不确定性量化和零重训练部署要求仍有待解决。

为克服这些局限,本研究提出了一种无代理的确定性与概率性反演协同框架,旨在应对多个工业挑战:(i) 参数简并,(ii) 计算速度不足,(iii) 缺乏测量可靠性评估。虽然各组成部分——基于AD的优化、MCMC抽样和敏感性分析——在其各自领域已成熟,但本研究的贡献在于将它们可组合地集成为面向半导体FT-IR计量的端到端工作流。本文建立了一套模块化处理流水线,每个阶段独立设计又可组合。具体而言:(i) GSA模块识别参数层级并确定哪些参数进入离线校准流;(ii) MCMC指纹模块提取不变材料特性以实现降维;(iii) 自适应路由模块根据物理可检测性选择优化路径;(iv) 剖面似然模块提供快速不确定性量化。这些流水线阶段的可组合性,每个阶段均基于坚实物理原理,使得框架可灵活适应不同材料体系和测量场景,无需根本性架构变更。

随后,一套四阶段自适应顺序估计算法,由高度向量化的基于PyTorch的L-BFGS求解器驱动,快速定位最大似然估计(MLE)。通过将确定性解作为最优暖启动,实现实时不确定性量化,通过剖面似然评估并依据威尔克斯定理支持[17]。该方法在推理速度和效率方面提供了显著提升:执行时间为秒级,无需预训练代理模型,同时主动报告物理可检测性极限。在各项同性Si和各向异性4H-SiC外延的广泛参数范围内进行测试,该框架为先进半导体制造提供了一种实用的计算计量方法。

**各节摘要** 薄膜干涉的广义正向模型及其反问题:半导体外延层的精确计量依赖于电磁波与分层介质相互作用的详细数学描述。本节建立了基于传输矩阵法(TMM)和物理驱动的介电函数的广义正向模型。虽然该框架应用于Si和4H-SiC,但其数学表述具有通用性,适用于包括极性材料(如GaN)在内的一类广泛半导体。

**方法论:确定性与概率性反演方法** 第2节描述的反问题因目标函数的非凸性以及物理参数(如薄膜厚度与高频介电常数)之间的内在耦合而面临重大挑战。为稳健解决这些问题,建立了一个混合方法框架,将快速确定性优化与原则性概率推理相结合。

**统一混合全谱反演框架** 本节建立了一个统一混合反演框架,解决第1节确定的三项工业挑战,即参数简并、计算速度不足和缺乏测量可靠性评估。如图2所示,每项挑战映射到一个专门模块:(i) 参数简并通过GSA引导的非对称降维解决(第4.1.2节);(ii) 计算速度通过模块化在线推理流水线提供。

**案例研究和计算评估** 为评估所提出统一框架的拟合一致性,对两组FT-IR反射率光谱进行了回顾性谱拟合——一组来自各项同性Si晶圆,另一组来自各向异性4H-SiC外延层。拟合结果由基于物理的反演框架应用于标准FT-IR反射率数据得到,因此具有内在价值;直接实验验证(如SIMS、霍尔效应、SEM)作为对罕见情况的互补检验手段。

**计算效率和精度验证** 在上述各节中(第5.2节案例研究I:硅晶圆(各向同性基准验证)、5.3节案例研究II:4H-SiC外延层(各向异性挑战)),已采用并拟合了两个实验FT-IR反射率光谱样本,其中对各项同性Si晶圆和各向异性4H-SiC外延层均进行了检查。为进一步评估拟合一致性,因此构建了一套合成测试套件用于验证。即,250个样本。

**算法效能与吞吐量性能** 所提出框架基于以下原则:没有单一算法能普遍满足所有工业需求,而概率系统与确定性系统之间的协同关系是必需的。离线MCMC抽样为全谱反演建立了参考标准,通过在完整参数空间进行无偏高密度抽样,提供多模态后验分布并提取不变材料指纹。

**结论** 本研究建立了一种确定性与概率性反演协同框架,用于宽禁带半导体外延层的光谱计量。本文的主要贡献总结如下:(1) 一个通用且具有解释力的物理模型:开发了一个广义正向模型,统一处理各项同性(Si)和各向异性(SiC)材料。通过系统评估收敛比|q|,确定所需的干涉表述。

**CRediT作者贡献声明** 李振涛:撰写——初稿,可视化,验证,软件,方法论,调查,形式分析,数据管理,概念化。钟翔:撰写——初稿,验证,项目管理,方法论,调查,数据管理,概念化。钟静:撰写——审阅与编辑,验证,指导,项目管理,概念化。刘信阁:撰写——审阅与编辑,验证,指导,资源,资金获取。

**未引用参考文献** [25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]、[33]、[34]、[35]、[36]

**利益冲突声明** 作者声明他们没有已知的竞争经济利益或个人关系,这些利益或关系可能影响本文所述工作的客观性。

**致谢** 本研究部分受国家自然科学基金(NSFC)资助(批准号72293574)。作者感谢王轩茹对本研究做出的宝贵贡献。作者感谢编辑和审稿人提出的非常有用和富有建设性的意见。

李振涛|钟翔|钟静|刘信阁,中南大学数学与统计学院,湖南长沙410083,中国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号