飞秒激光减薄4H-SiC的工艺边界识别与数据驱动优化

《Optics & Laser Technology》:Process-boundary identification and data-driven optimization for femtosecond laser thinning of 4H-SiC

【字体: 大 中 小 】 时间:2026年08月30日 来源:Optics & Laser Technology 4.6

编辑推荐:

   摘要飞秒激光减薄为4H-SiC晶圆厚度控制提供了一条有前途的途径,但增加去除深度可能导致激光改性产物的快速积累和表面完整性的恶化。本研究进行了200个拉丁超立方抽样实验,定量分析了激光功率、扫描速度和扫描间距对改性层厚度、减薄深度、Ra和Rt的耦合影响。表面和亚表面表征表明,

  

摘要

飞秒激光减薄为4H-SiC晶圆厚度控制提供了一条有前途的途径,但增加去除深度可能导致激光改性产物的快速积累和表面完整性的恶化。本研究进行了200个拉丁超立方抽样实验,定量分析了激光功率、扫描速度和扫描间距对改性层厚度、减薄深度、Ra和Rt的耦合影响。表面和亚表面表征表明,增加能量输入伴随着材料去除增强、改性产物积累、表面粗糙化以及亚表面结构无序度增加。响应面法捕捉了广泛的参数-响应趋势,但在高响应区域表现出不断增大的偏差。因此,评估了FT-Transformer代理模型以及SVR、XGBoost和BPNN。FT-Transformer在改性层厚度和Rt方面取得了最佳独立测试性能,同时在减薄深度和Ra方面接近最佳模型,在四个响应变量中提供了最平衡的整体预测。将代理模型与NSGA-II耦合,建立了四目标工艺边界。在151.94 μm的减薄深度处识别出一个名义拐点,而多种子和不确定性感知分析,结合有针对性的实验验证,支持了约150–160 μm的较宽过渡区域,随着减薄深度接近和超过该区域,完整性退化变得日益明显。精细修薄、平衡减薄和高去除的三种代表性工况经过实验验证,四个响应变量的相对预测误差均低于10%。所提出的框架为平衡飞秒激光减薄4H-SiC过程中的去除深度和表面完整性提供了定量基础。

引言

碳化硅(SiC)作为宽带隙半导体的代表,因其宽禁带、高热导率、优异的化学稳定性和高击穿电场,已广泛应用于高功率、高频和恶劣环境电子器件中[1], [2], [3], [4]。然而,其高硬度和脆性大大增加了传统机械减薄和抛光的难度,经常导致严重的砂轮磨损、亚表面损伤、加工效率低下和制造成本高昂[5], [6], [7], [8]。飞秒激光加工凭借其超短脉冲持续时间、高峰值功率和非接触式能量传递,为SiC晶圆减薄提供了一条有前途的途径[9], [10]。如图1所示,飞秒激光减薄可以服务于晶圆制造过程中的多个厚度控制阶段。浅层减薄主要用于去除近表面损伤和局部缺陷,进行小余量厚度修正,并改善后续研磨或化学机械抛光(CMP)的加工性能。中间减薄将初始晶圆调整到工艺兼容厚度,同时保持晶圆搬运和后续器件制造所需的机械强度、平面度和翘曲抵抗力。背面深层减薄产生器件封装前所需的最终衬底厚度,缩短垂直热传导和电流传输路径,并为后续背面金属化、封装和切割做准备。随着减薄向更大去除余量推进,越来越激进的加工条件可能促进激光改性产物的积累和表面形貌的恶化,从而增加后续研磨和CMP的负担。由此产生的减薄深度与表面完整性之间的权衡代表了飞秒激光减薄中的核心挑战,需要系统理解潜在的材料去除机理和非线性工艺响应。
飞秒激光能量沉积发生在与电子-晶格能量弛豫相当或更短的时间尺度上。非线性电离和载流子激发迅速产生高密度载流子群和瞬态等离子体,随后载流子热化和电子-晶格耦合驱动局部加热、瞬态应力、相变和材料烧蚀。这些过程表现出显著的非线性、非平衡和多尺度时间特征[11], [12]。在多脉冲照射4H-SiC过程中,增加的能量积累可以促进光机械喷射、熔化、蒸发和相爆炸之间的转变[13], [14], [15], [16], [17]。氧化和相变、烧蚀产物的再沉积以及等离子体屏蔽可能进一步改变局部激光吸收和能量传输[18], [19], [20]。先前的研究表明,Si面和C面之间表面终止和键合构型的差异可能影响激光烧蚀、相演变、改性层特性和表面形貌。面内晶体取向也可能影响断裂和裂纹扩展行为,这些影响的程度取决于特定的加工模式和参数窗口[21], [22], [23], [24], [25]。这些物理机理和材料特性的耦合在减薄深度、改性层厚度、Ra和Rt之间产生了复杂的非线性关系,并可能导致随能量积累增加而出现的表面完整性响应的类转变变化。
为了定量描述这些耦合关系,统计和理论模型已被广泛用于建立激光参数与加工响应之间的映射关系。响应面法(RSM)可以识别主导因素和一般响应趋势,并已应用于飞秒激光微加工和SiC材料的激光诱导氧化[26], [27]。一种纳入烧蚀深度、再凝固阈值、激光能量密度和脉冲孵化效应的基于阈值的解析模型,进一步建立了激光参数与再凝固层厚度之间的关系[28]。然而,当工艺响应表现出强非线性耦合和局域化类转变行为时,低阶回归模型可能变得不足。神经网络和机器学习方法越来越多地应用于激光加工预测和参数优化,并展现出对表面粗糙度、材料去除和质量相关响应的强大非线性建模能力[9], [29], [30]。现有研究主要集中在单一质量或去除响应和全局预测精度上。多个完整性相关输出的耦合演化,特别是深层减薄区域中类转变完整性退化的预测,仍未得到充分解决。
这些局限促使评估能够从有限的表格工艺数据中学习耦合关系的非线性代理模型。FT-Transformer将特征标记化与自注意力相结合,学习输入变量之间的非线性相互作用,并为多输出加工响应建模提供了灵活框架[31], [32]。多目标优化在表征减薄深度、改性层厚度、Ra和Rt之间竞争关系的同时,进一步保留了各个响应的独立物理意义。NSGA-II采用快速非支配排序、精英选择和基于拥挤距离的多样性保持,在保持解多样性的同时促进向帕累托前沿收敛,且无需预定义响应权重[33], [34]。因此,它适合生成覆盖不同加工需求的非支配参数组合。其在SiC飞秒激光加工多目标参数选择中的应用也已证明了其在质量-去除权衡分析中的适用性[35]。FT-Transformer与NSGA-II的集成提供了一种数据驱动框架,用于非线性响应预测、工艺边界识别以及不同减薄场景下的工艺选择。
因此,本研究旨在确定飞秒激光减薄4H-SiC过程中平衡减薄深度和表面完整性的实用工艺边界。首先通过加工和后处理分析以及具有代表性的表面和亚表面表征,检查与改性层形成和完整性退化相关的激光诱导结构和化学演变。然后定量分析激光功率、扫描速度和扫描间距对改性层厚度、减薄深度、Ra和Rt的耦合影响。随后将FT-Transformer代理模型与NSGA-II相结合,构建多响应工艺边界并确定不同减薄需求的代表性工况。过渡区域和选定的工况通过实验验证进一步评估。该框架将激光诱导的结构演变、非线性响应预测和完整性约束下的工艺选择联系起来,为飞秒激光减薄4H-SiC的工艺设计提供了定量基础。

章节摘要

实验设计

N型单晶4H-SiC晶圆由山东天岳先进科技股份有限公司提供,厚度约为500 μm,电阻率为0.0182 Ω·cm。初始表面粗糙度Ra约为5.3 nm,Rt约为58 nm。在激光加工之前,晶圆在乙醇中进行30分钟的超声清洗以去除表面污染物。所有减薄实验均在C面(000 1ˉ)上进行,主扫描线轴平行于[11 2ˉ 0]。

激光改性层的形成与去除

为了明确改性层的来源并为完整性评估建立基础,对处理后表面在后处理前后的形貌和成分演变进行了表征,如图4所示。后处理之前,加工后的表面被一层厚厚的激光诱导产物覆盖,遮住了底层的加工形貌(图4a)。这些产物与加工过程中的材料烧蚀、凝结和再沉积有关。

结论

本研究通过系统实验、结构表征、代理建模和多目标优化,研究了飞秒激光减薄4H-SiC过程中减薄深度与表面完整性的耦合演化。主要结论如下:
(1)增加激光能量输入促进了更深的材料去除,同时增加了改性产物积累、表面粗糙度和亚表面结构扰动。拉曼光谱、EDS、TEM/HRTEM,

作者贡献声明

马怡:撰写初稿、验证、方法学、调查、形式分析、数据管理。官迎春:审阅与编辑、监督、项目管理、资金获取、概念化。

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可能影响本论文所报道的工作。

致谢

本工作得到了"甬江2035"重点研发计划国际科技合作项目[编号2024H014]、国家自然科学基金[编号52375302]、宁波甬江青年人才子项目[编号2022A-147-G]以及宁波"甬江2035"重点研发计划[编号2025Z075]的支持。
马怡|官迎春
相关新闻
生物通微信公众号
微信
新浪微博

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