2023-01-17 | 대전=박희윤 기자

KAIST开发可实时纳米测量的3D表面预测技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国科学技术院(KAIST)17日表示,机械工程系李正哲教授研究团队提出了一种基于深度学习、利用显微镜照片预测纳米尺度3D表面的方法论。

基于物理接触对纳米尺度表面形貌进行3D测量的原子力显微镜已被用于晶圆器件检测等半导体产业领域。但由于原子力显微镜以物理方式扫描表面,存在测量速度慢、无法在高温极端环境下工作的缺点。

研究团队在非接触式测量方法——光学显微镜中利用深度学习,预测了可由原子力显微镜获得的纳米尺度3D表面。与之概念相似的从照片预测深度的技术,是自动驾驶领域被大量研究的方向。

研究团队将此类技术的应用尺度从日常生活范围转移到纳米尺度范围,并训练了人工智能模型。人工智能模型采用了从输入数据中提取对象特征、再由所提取特征表现输出数据的编码器—解码器结构。

研究团队提出的模型将光学显微镜照片表示为一个变量,随后成功地由该变量计算并呈现出显微镜照片的3D表面。

研究团队将所提出的方法论应用于半导体产业传感器、太阳能电池及纳米颗粒制造中所用的锗(germanium)自组装结构的工艺中分析与检测。利用光学显微镜照片,在15%误差水平以内预测出分辨率最高提升1.72倍的高度图,并以此为基础实时检测工艺过程,使各应用所需形貌的自组装结构得以形成。

此外,还用同一深度学习模型模拟退火(加热)过程中动态变化的表面形貌,对工艺过程进行分析与优化,制造出以现有工艺无法实现的空腔形貌。

本次研究提出的基于深度学习的方法论意义在于:将此前受原子力显微镜限制的纳米尺度表面高度图测量扩展至最大1平方毫米的大面积表面,测量速度提升至200 FPS,相当于现有原子力显微镜测量速度的10倍;并且由于是利用光学的非接触观测,提供了在极端热环境下也可测量的方法。

本次研究使得在小于光波长——即光学显微镜分辨率物理极限——的纳米尺度上,仅凭显微镜即可分析动态现象,预计将促进材料、物理、化学等需要在工艺中或工艺后进行表面分析的纳米尺度研究。

此外,预计不仅在学术界,在产业界也将得到应用。今后在半导体业务中,通过改善晶圆表面分析速度与精度,可在半导体工艺中以生产速度与精密测量为提升良率作出贡献。

主导该研究的KAIST李正哲教授表示:“所开发的技术是首个仅利用几张不连续的低分辨率光学显微镜照片,就能针对随时间变化的半导体表面及内部结构生成连续高分辨率原子力显微镜视频的研究”,“将带来替代极端工艺中实时纳米测量的效果,为半导体及尖端传感器产业发展作出贡献。”

本次研究于去年12月20日在国际学术期刊《Advanced Intelligent Systems》上在线发表,并被选为2023年第一季度封面论文(Inside back cover)之一。

阅读韩文原文