原子层沉积 (Atomic layer deposition，ALD) 是一种高度可控的薄膜合成工艺，可制造出只有一个原子厚的薄膜。广泛应用于计算机芯片、太阳能电池、锂电池等领域。很多企业常用 ALD 来制造半导体器件。ALD 的灵活性和多样性给确定工艺参数带来了重大挑战，但仍需要专家的直觉和耗时的反复试验来确定最佳工艺参数。
最近，来自美国能源部（DOE）阿贡国家实验室的研究人员 描述了多种基于 AI 的方法来自动优化 ALD 工艺。详细说明了每种方法的相对优势和劣势，以及可用于更有效、更经济地开发新流程的见解。
该研究以《用于优化原子层沉积的智能代理》「 Intelligent Agents for the Optimization of Atomic Layer Deposition 」为题发表在《 ACS Appl. Mater. Interfaces 》杂志上。
前沿，但也面临挑战
ALD是一种工艺，通过前驱体蒸气和基板表面之间的一系列自限反应，在基板上沉积原子厚度的均匀薄膜。ALD 可访问大量的元素和化合物目录，元素周期表中超过一半的元素在出现在ALD过程中。
ALD 擅长在复杂的 3D 表面上生长精确的纳米级薄膜，例如在硅晶片上形成图案的深而窄的沟槽，以制造当今的计算机芯片。 这促进了科学家为下一代半导体器件开发新的薄膜 ALD 材料。
然而，开发和优化这些新的 ALD 工艺是具有挑战性和劳动密集型的。研究人员必须考虑许多可以改变这一过程的不同因素，包括：分子前体之间的复杂化学反应；反应器设计、温度和压力；前驱体剂量和吹扫时间。
为了找到克服这些挑战的方法，阿贡科学家评估了 三种新型优化策略 ：(a)随机选择气体时间；(b) 基于高斯过程代理模型的贝叶斯优化 (BO)，以及 (c) 基于规则的专家系统方法，利用人类策略和物理直觉。值得注意的是， 后两种使用不同的 AI 方法，且以前从未应用于 ALD。
Table 1 列出了该研究的四种ALD 工艺模型：Al2O3 在 200 下使用三甲基铝 (TMA) 和 H2O，Al2O3 在 100 下使用 TMA 和 H2O，W 在 200 下使用六氟化钨 (WF6) 和乙硅烷 (Si2H6)，TiO2 使用钛 (IV) 异丙醇 (TTIP) 和 200 下的 H2O。
敏感性分析
在比较所有四种ALD工艺模型的三种优化策略之前， 了解关键超参数对成本函数和优化性能的影响非常重要。 可确保在平等的基础上比较优化策略。以在 200 下生产 Al2O3 薄膜为例，研究ALD 系统的效果。
专家系统方法对关键超参数的值很敏感。 首先，专家系统策略需要指定一组起始时间。尝试了多种分配初始时序的方法，包括使用统一时序（所有时序相同）和随机时序（时序在优化边界之间随机初始化）。 探索 发现统一的初步计时产生了可靠的性能。
此外， 专家系统优化策略对给定时序所采用的重复 ALD 周期数也很敏感。 相比之下， 贝叶斯优化策略对采用的重复次数相对不敏感。
优化策略比较
研究人员通过比较他们如何优化 ALD 中使用的两种前驱体的剂量和清洗时间来评估他们的三种策略。加药时间(dosage time）是指前体加入反应器的时间，而吹扫时间是指去除多余的前体和气态化学产品所需的时间。
目标： 找到可以在最短的时间内实现高且稳定的薄膜生长的条件。 科学家们还使用代表反应堆内 ALD 过程的模拟来判断他们收敛到理想时间集的速度策略。
将他们的优化方法与模拟系统联系起来，让他们能够根据优化算法生成的处理条件，在每个循环后实时测量薄膜的生长情况。
研究人员比较了四种 ALD 工艺的三种优化策略的性能。通过比较了 Al2O3 薄膜在 200 C 下0.1%和10%噪声水平下生长的优化策略性能。研究表明： 在这两个噪声水平上，贝叶斯优化的性能最好，其次是专家系统，然后是低测量噪声的随机策略，高测量噪声的反向策略。
除了考虑给定优化算法在接近一组最优 ALD 时序时的效率之外，实际考虑也很重要，例如 CVD 类型生长（如果选择了不适当的低吹扫时间），从而使反应器结垢，对 ALD 反应器安全可靠运行的影响。实验表明：专家系统方法完全避免了不受控制的生长，而随机优化策略则始终对产生过量CVD型增长的条件进行采样。贝叶斯优化方法在避免大增长率方面做得更好。
研究得出： （1)随机优化(RO)在其他两种策略的优化时间质量不确定性较大的情况下表现良好，导致处理空间 探索 过程中GPC值过高。（2）贝叶斯优化（BO）可靠，性能好，不需要超参数调优。然而，在早期和后期的循环中，BO受到GPC值过高的影响。(3) 专家系统优化 (ESO) 可靠且安全，但前驱体剂量次数过于保守。
一劳永逸 （Set it and forget it）
「所有这些算法都提供了一种更快地收敛到最佳组合的方法，你不必像今天通常那样花时间将样品放入反应器中、取出样品、进行测量等。相反，你拥有实时与反应堆连接的回路。」该研究的合著者、Argonne 首席材料科学家 Angel Yanguas-Gil 说。
这种设置还通过形成一个闭环系统使两种 AI 方法的过程自动化。
尽管存在一些弱点，但人工智能方法有效地确定了不同模拟 ALD 工艺的最佳剂量和清洗时间。 这使得这项研究成为第一批表明使用 AI 可以实时优化薄膜的研究。
研究人员表示： 在未来的工作中，除了改进现有的算法外，还希望将这些方法扩展到包括反应堆温度和前驱体分压。
「这是令人兴奋的，因为它开辟了使用这些类型的方法来快速优化实际 ALD 工艺的可能性，这一步骤可能会在未来开发新应用时为制造商节省宝贵的时间和金钱。」Jeff Elam 总结道。
《科创板日报》（编辑 郑远方）， 日前，全球半导体厂商相继公布2021年全年业绩的同时，也展开了2022年行业展望。
通过10家公司财报及电话会议内容——包括英飞凌、恩智浦、意法半导体、德州仪器、瑞萨电子5家IDM厂商，台积电、格芯、中芯国际3家晶圆代工厂商，以及ASML、Lam Research 2家设备厂商，《科创板日报》整理出各家对2022年行业走向的大致判断。
总体上，虽说“缺芯渐入尾声”的疑虑已笼罩市场多时，但从多家厂商的表态来看， 目前库存水平仍远不及预期，产业链依旧难以摆脱供应短缺。
针对芯片供应短缺具体结束时间，各家答案不尽相同。乐观者如英飞凌认为，有望在今年告别芯片短缺；而恩智浦却给出完全相反的意见，认为今年难以收尾。
ASML则认为无需担心供需反转，其指出半导体增长前景的确需要大幅扩产；同时，行业自身会设法避开供应过剩，以“维持一个无障碍、高效的创新生态系统。”
另一方面， 此前“需求分化”的消息也得到进一步论证。 台积电等晶圆代工厂作出了“景气分化、不同应用领域需求各异”的判断；中芯国际还提出，地区需求也将分化。
下游需求极为强劲，多家企业手握大额订单，远高于产能规划水平。细分领域中，车用芯片则成为各大厂商一致看好的领域。
【整体订单情况】
部分厂商已透露目前具体在手订单/预付款金额，从“订单能见度高”、“订单量远超供应”等乐观表述中，不难看出需求高涨的盛况依旧。
英飞凌：
新签订单大幅超过取消的订单量。不过公司也提醒，部分订单或意在防备短缺，因此随着供应改善、重复下单取消，未来几个季度这一订单金额或将大幅下降。
恩智浦：
在手订单已远远超过供应能力，能见度达2023-2024年，目前“没有任何订单取消或改期”。
意法半导体：
订单能见度较高，在手订单超过18个月水平，远高于公司目前及2022年规划产能。
瑞萨电子：
截至2021年底，公司在手订单额超过1.2万亿日元；2022全年已确认订单也在增长。
台积电：
截至2021年底，已收到67亿美元预付款。总体来说，来自IC设计与IDM委外等订单增加，“晶圆代工今年会是个好年”。
【库存】
• 恩智浦：
2021年Q4，库存水位进一步降低；渠道库存水位也小幅下降至1.5个月。恩智浦预计，2022年供需情况将于2021年类似。
• 德州仪器：
2021年Q4，德仪库存水位为116天，较前一季度高出约4天水平，但仍低于公司130-190天的目标。
【 汽车 芯片】
在本次统计的10家企业中，除设备厂商之外，其余所有公司均表现出对 汽车 业务增长的强烈信心。
整体上，2021年半导体厂商 汽车 芯片业务营收已有较大增幅，2022年也已获新订单在手。未来电动化、智能化仍是这一市场的两条增长主线：电动 汽车 方面，驱动因素包括充电基建、动力电池电源管理芯片；智能驾驶方面，则包括L2+/L3级智能驾驶发展、4D成像雷达等。
• 英飞凌：
汽车 芯片需求“远超”公司供给能力，库存水位也严重低于正常水平。值得注意的是，英飞凌指出，除电动/智能 汽车 本身之外，充电基础设施也是需求增长的另一大驱动力。
• 恩智浦：
得益于电动 汽车 及L2+/L3级智能驾驶发展， 汽车 领域订单稳定性明显增强，公司2022年已有订单在手。值得注意的是，只要芯片短缺情况仍在持续，整车厂便会将芯片供应及自身产能优先供给高端车型，以获得更高盈利。
• 意法半导体：
今年车用芯片产能已售罄。预计未来85%的 汽车 芯片将落在16nm-19nm制程。
• 德州仪器：
2021年全年，工业、 汽车 两大领域将是德仪未来发展的“战略重点”。
• 瑞萨电子：
汽车 领域业务增长驱动力强劲，包括车规级MCU等相关芯片配备数量增长、产品价格上涨、整车厂生产恢复、确保库存。
• 台积电：
预期2022年， 汽车 业务增长将高于公司整体水平。
• 格芯：
预计今年 汽车 业务会有季度波动，但总体依旧非常看好终端需求的强劲增长潜力；且部分客户将在2023年开始在4D成像雷达及动力电池电源管理方面开始发力，格芯有望受惠。
• 中芯国际：
物联网、电动 汽车 、中高端模拟IC等增量市场需求旺盛，存在结构性产能缺口。
【其余业务】
除 汽车 芯片之外，被提及的其余增长点则较为分散。其中，工业、物联网领域需求被提及频次相对较多，基建、数据中心、AI、元宇宙、碳化硅也受部分企业看好。不过，多数厂商预计，消费电子需求或将进一步疲软。
• 英飞凌：
今年SiC（碳化硅）业务营收将翻倍增长达3亿欧元，这一领域需求同样明显高于现有产能。
• 瑞萨电子：
工业/基建/物联网需求同样高涨，不过瑞萨预计，今年Q1其营收及客户需求量环比增幅将低于 汽车 芯片。
• 格芯：
智能移动终端市场中，Wi-Fi 6、5G图像传感器、电源应用需求；通信基建、数据中心市场需求；物联网有望成为格芯2022年增长最快业务领域。
• 台积电：
细分应用市场中，某些市场强劲势头可能会放缓或调整。预期2022年，HPC、 汽车 业务增长将高于公司整体水平，物联网增速与公司水平一致，智能手机业务略低于公司水平。
• 中芯国际：
手机和消费电子市场缺乏发展动力，存量市场供需逐步平衡；物联网、电动 汽车 、中高端模拟IC等增量市场需求旺盛，存在结构性产能缺口。
• Lam Research（泛林/科林研发）
AI、物联网、云计算、5G及元宇宙将成为强劲增长驱动力，全年晶圆设备需求有望继续增长。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）