接触孔收缩:对抗流过程的模拟研究及其应用于阻断聚合物共聚物的应用

科学领域:

• 材料科学与工程 材料科学与工程
• 半导体制造业 半导体制造业
• 计算物理 计算物理

背景情况:

• 在3D芯片结构中的垂直互连接接入 (VIA),包括高带宽内存 (HBM),需要缩小接触孔 (C / Hs).
• 电阻流过程 (RFP) 是一种有希望的技术,可以在没有复杂的光学增强的情况下实现低k1光刻的临界尺寸 (CD).
• 现有的RFP实证模型通常是启发式的,在预测关键维度时缺乏准确性,因为它们无法解释中间结构形状.

研究的目的:

• 为抵抗流过程 (RFP) 开发和验证先进的计算模型.
• 在3D芯片制造中准确预测缩小接触孔 (C/Hs) 的关键维度 (CD).
• 为了使半导体制造中的电阻流过程 (RFP) 的增强收缩建模.

主要方法:

• 使用演化方法和有限元分析建模电阻流过程 (RFP).
• 应用机器学习 (ML) 和深度学习 (DL) 技术在各种回流条件下模拟实验结果.
• 利用自相一致的场理论 (SCFT) 来描述C/H形成的预模式内的块共聚物 (BCP) 自组装.

主要成果:

• 证明了深度学习和机器学习在模拟物理优化问题的有效性,而没有分析解决方案.
• 通过使用先进的计算方法和ML/DL方法,成功模仿了抵抗流过程 (RFP) 的实验结果.
• 为随机接触孔 (C / Hs) 的增强抗流过程 (RFP) 提供了一个准确的收缩建模的框架.

结论:

• 开发的模型准确地预测了阻力流过程 (RFP) 的关键维度,克服了传统实证方法的局限性.
• 这项研究为生产更小,精确控制的接触孔 (C / Hs) 铺平了道路,这对于先进的3D芯片架构至关重要.
• 集成ML / DL和SCFT提供了一种强大的方法来优化半导体制造工艺,如RFP.