EUV
關(guān)注創(chuàng)建者：jiupo5563 創(chuàng)建時間：2018-10-09
EUV的實例教程
根據(jù)韓媒Thelec報道，美國監(jiān)管中國出口的半導(dǎo)體設(shè)備中，最引入注目的是EUV(極紫外線)設(shè)備。因為EUV設(shè)備對于極微半導(dǎo)體制造工藝至關(guān)重要。對于EUV設(shè)備出口管制，荷蘭政府和ASML表示反對，稱“如果需要的話，也會把設(shè)備賣給中國”。也有外媒報道稱，中國開始開發(fā)自己的EUV設(shè)備。
漢陽大學(xué)新材料工程系教授安鎮(zhèn)浩
中國能否成功開發(fā)出EUV設(shè)備？另外，EUV生態(tài)系統(tǒng)正式爆發(fā)的時間是什么時候？從被譽為韓國EUV最高專家的漢陽大學(xué)新材料工程系教授安振浩那里，我們可以了解到相關(guān)展望和預(yù)測。
今年2019年，安教授主導(dǎo)成立韓國首個EUV相關(guān)產(chǎn)學(xué)合作中心—EUN-IUCC(極紫外線產(chǎn)學(xué)合作研究中心)。最近，他以該中心為基礎(chǔ)，主導(dǎo)成立了漢陽智能半導(dǎo)體研究院(HY-ISS)，負(fù)責(zé)整個半導(dǎo)體工藝的研發(fā)，并擔(dān)任首任院長。
安鎮(zhèn)浩教授斬釘截鐵地說：“面對美國的出口管制，中國開始研發(fā)EUV設(shè)備，但不可能在短期內(nèi)開發(fā)成功。”他說：“EUV的技術(shù)難度很高，連日本都放棄了。10年、15年后，(中國成功開發(fā)EUV設(shè)備)將是不可能的。”
安教授接著評價稱：“High-NA EUV設(shè)備能夠?qū)嶋H應(yīng)用于量產(chǎn)的時間將是2026年”，“High-NA EUV設(shè)備價格高達每臺5000億韓元（約26.5億人民幣），雖然很貴，但要想穩(wěn)定高效運營精細(xì)工藝，轉(zhuǎn)型是必須的。”
圍繞半導(dǎo)體工藝的周邊生態(tài)系統(tǒng)也強調(diào)要為向High-NA EUV時代過渡做好準(zhǔn)備。安教授表示：“EUV的Lens數(shù)差越多，光源的功率越高，對光刻膠(PR)、掩膜版、防護膜(pellicle)等各個半導(dǎo)體材料、器件要求的規(guī)格也會更高。因此，需要提高耐久性，或者利用針對更細(xì)微電路實現(xiàn)優(yōu)化的材料的方式等。”
展開 對于擁有多年視野的長期投資者來說，延遲應(yīng)該無關(guān)緊要，就像之前很久的 EUV 延遲目前不再重要一樣，因為 ASML（終于）從 EUV 獲得了數(shù)十億美元。
特別是，英特爾新任 CEO 特意將“全面擁抱 EUV”作為讓 7nm 重回正軌的關(guān)鍵原因，修訂后的 7nm 工藝流程包含兩倍的 EUV 層數(shù)。這顯然也有利于英特爾未來對 EUV 的需求。例如，雖然上面的引用談到了四個系統(tǒng)，但最近 ASML 實際上只談到了兩個系統(tǒng)。顯然，英特爾在 EUV 上的支出將在 2022 年及以后增加。
為了滿足所描述的需求，ASML 此前曾表示將在 2021 年提高其生產(chǎn)能力，最多可生產(chǎn) 45-50 個 EUV 工具。然而，鑒于供應(yīng)鏈的交貨時間較長以及上一節(jié)所述的問題，ASML 無法及時對 EUV 需求的增加做出反應(yīng)。因此，ASML 很可能在 2020 年僅提供約 40 個設(shè)備。
有人指出，這將導(dǎo)致 ASML 連續(xù)第四年或第五年無法達到其年度交付目標(biāo)，但當(dāng)然只是討論了對此的提醒。
盡管如此，預(yù)計 ASP 的增加也將帶來進一步的增長，路線圖上有幾個升級的工具，這將帶來改進，例如更高的 WPH 吞吐量。ASML 預(yù)計其即將推出的工具將與其公司毛利率以及低兩位數(shù)的 ASP 增長（從約 1.4 億美元的水平）達到平價。2023 年工具實際上將在毛利率上交叉。
還有一些因素可以帶來額外的增長。例如，服務(wù)收入取決于曝光的晶圓數(shù)量，直到最近，這對于 EUV 來說仍然很低。為此，ASML 表示，每個 EUV 工具基本上都會成為其 ASP 每年 5-6% 的經(jīng)常性收入來源。
此外，未來將有更多晶圓（芯片中的層）使用 EUV 進行曝光，因為目前只有十幾個最關(guān)鍵的層使用 EUV 進行曝光。（這就是英特爾“全面擁抱 EUV”的意思。）最后，DRAM 內(nèi)存行業(yè)有望在未來也采用 EUV。
展開 當(dāng)制程發(fā)展到7nm后，必須要用到EUV
(極紫外線)
光刻機，這種光刻機只有ASML能夠生產(chǎn)，且產(chǎn)能有限，廠商們要買到，并不容易，且ASML要優(yōu)先供應(yīng)臺積電、三星、英特爾這三家股東。
難以逾越的EUV
EUV是一種曝光設(shè)備，它可以根據(jù)發(fā)出的光的種類減少工序數(shù)量并節(jié)省時間和金錢。現(xiàn)有的半導(dǎo)體材料氟化氬具有193nm的光波長。波長越短，可以雕刻出更精細(xì)的電路。使用氟化氬，以某種方式可以實現(xiàn)7nm的制程工藝。但在這之下就很難了。由于臺積電、三星等主要代工企業(yè)已達到5nm及以下的工藝，氟化氬曝光設(shè)備面臨限制。
EUV設(shè)備克服了這一限制。EUV的波長為13.5nm，可以實現(xiàn)5nm以下的工藝。因此，全球生產(chǎn)先進制程
（10nm以下）
的芯片代工企業(yè)都在努力引進 EUV 設(shè)備，這使得EUV供給非常緊張。如果有需求，可以通過增加供應(yīng)來平衡。然而，EUV設(shè)備開發(fā)難度很大，一年只能生產(chǎn)十幾臺，ASML今年要生產(chǎn)的EUV設(shè)備數(shù)量約為40臺。這40臺被臺積電、三星電子和英特爾瓜分。2019年，EUV占ASML銷售額的31%，但到2020年，就占到了43%，成為最“賺錢”的產(chǎn)品線。
一臺EUV設(shè)備的高度可以達到4到5米，重量接近180噸。這樣的高科技設(shè)備，其中的零部件數(shù)量也是巨大的，大約有10萬個。EUV設(shè)備曝光是在真空室中完成的。還需要以0.005℃為單位精細(xì)控制溫度的技術(shù)。由于光學(xué)系統(tǒng)對污染物非常敏感，因此還必須實時進行內(nèi)部監(jiān)控。由于這些特點，生產(chǎn)EUV設(shè)備并不容易。
EUV 設(shè)備的性能取決于鏡頭和反射鏡的分辨率。分辨率通常與鏡頭像差 (NA) 成正比。出于這個原因，努力增加 NA 是絕對必要的。
展開 更重要的是，地球上沒有 EUV 光源的天然來源。太陽的核心能產(chǎn)生 EUV 光譜，但沒有一個到達地球表面，因為大氣和臭氧層吸收了所有這些光。
電磁波譜
綜上所述，在地球上，EUV 完全由人工來源生產(chǎn)。這就使得其產(chǎn)生了兩個明顯的挑戰(zhàn)：
首先，EUV 光很難以受控方式產(chǎn)生。只有多重電離原子內(nèi)殼中的激發(fā)電子才能發(fā)射 EUV。你只會在熾熱、致密的等離子體
（例如太陽的最外層區(qū)域）
中找到這些電子，而制造這些電子是一項相當(dāng)艱巨的工作。或者將自由電子通過同步加速器發(fā)射產(chǎn)生EUV光——這是一種巨大且極其昂貴的設(shè)備。
其次，EUV 光很容易被空氣和其他氣體吸收。這意味著光從產(chǎn)生的那一刻到撞擊硅片的那一刻，都必須穿過高質(zhì)量的真空。這也意味著不可能構(gòu)建“EUV 鏡頭”。相反，需要使用高度復(fù)雜的曲面反射鏡。傳統(tǒng)的光掩模也會吸收過多的光，因此它也需要具有反射性。
換而言之，對EUV光刻機而言，光源和鏡頭部分會是最大的兩個挑戰(zhàn)所在。再加上其他系統(tǒng)，這勢必是一個浩瀚的設(shè)計工程，光靠ASML一家是完成不了。為此，荷蘭巨頭和業(yè)界多家廠商合作。如蔡司、Cymer和通快，就是ASML EUV光刻機背后鮮被提及的巨頭。
鏡頭后面的“大家”
如前所述，由于EUV光的特性，在EUV光刻機中，一個反射的鏡頭是非常重要的，也是非常復(fù)雜的，這主要因為現(xiàn)實世界中沒有任何材料可以在單層中反射大部分 EUV 光。然而多層則可以增強彼此的反射，于是業(yè)界探討用這種方式制作相當(dāng)高效的 EUV 反射鏡來縮小和聚焦圖像。
展開 
EUV的相關(guān)專題、標(biāo)簽、搜索
EUV的最新內(nèi)容
? AI賦能先驗建模，通過深度學(xué)習(xí)挖掘光刻圖形隱性特征，實現(xiàn)先驗分布的自適應(yīng)生成，提升邊緣概率密度估計的場景適配性；
? 多物理場問題模型升級，融入EUV光刻偏振、熱變形等極端效應(yīng)，完善BCS模型的物理約束；
跨流程協(xié)同優(yōu)化，聯(lián)動OPC、掩模制造工藝構(gòu)建全鏈路貝葉斯估計框架，解決優(yōu)化結(jié)果可制造性瓶頸；
? 極端制程突破，針對1nm及以下節(jié)點研發(fā)量子貝葉斯迭代算法，結(jié)合量子稀疏表示優(yōu)化信號估計流程
尤其在復(fù)雜圖形優(yōu)化中，其稀疏表示與非線性映射的協(xié)同機制有效解決了傳統(tǒng)技術(shù)的過擬合問題，為3nm及以下節(jié)點EUV光刻提供了可靠的優(yōu)化范式。
目標(biāo)函數(shù)通過空間像保真度與工藝窗口的耦合量化，實現(xiàn)了成像質(zhì)量的精準(zhǔn)錨定；
含制造規(guī)則罰函數(shù)的總目標(biāo)函數(shù)有效約束了光源復(fù)雜度與掩模曼哈頓化偏差，使優(yōu)化結(jié)果可制造性提升30%；基于2D-DCT的稀疏表示與參數(shù)變換技術(shù)將變量維度降低75%，大幅提升求解效率；最終集成的非線性CS-SMO模型通過迭代優(yōu)化，在3nm節(jié)點驗證中實現(xiàn)線寬誤差控制在2nm內(nèi)，較傳統(tǒng)模型收斂效率提升60%，為EUV光刻優(yōu)化提供了高精度理論支撐
?AI賦能模型構(gòu)建，通過深度學(xué)習(xí)挖掘掩模-成像的隱性非線性關(guān)聯(lián)，實現(xiàn)重構(gòu)模型的自適應(yīng)泛化，適配不同光刻圖形與工藝場景；
?多物理場耦合模型升級，融入EUV光刻偏振、熱效應(yīng)等復(fù)雜因素，提升極端制程下的理論適配性；
?迭代求解加速，結(jié)合量子計算與梯度預(yù)估算法，突破高維非凸優(yōu)化的計算瓶頸；
?跨理論融合，聯(lián)動深度學(xué)習(xí)與貝葉斯推斷優(yōu)化迭代公式的正則化策略，為1nm及以下節(jié)點光刻優(yōu)化提供前瞻性理論支撐
? AI賦能仿真建模，通過深度學(xué)習(xí)優(yōu)化光源-成像的非線性映射關(guān)系，實現(xiàn)仿真參數(shù)自適應(yīng)調(diào)優(yōu)，降低極端制程建模誤差；
? 多物理場耦合升級，融入EUV光刻偏振、掩模、三維衍射及熱變形等因素，提升仿真與實際制程的契合度；
? 跨流程協(xié)同仿真，聯(lián)動掩模制造、刻蝕工藝構(gòu)建全鏈路模型，預(yù)判光源優(yōu)化對后續(xù)工序的影響；
? 極端場景突破，針對1nm及以下節(jié)點研發(fā)量子化光學(xué)仿真模型，突破現(xiàn)有精度瓶頸，為技術(shù)迭代提供前瞻性支撐
未來，技術(shù)發(fā)展將圍繞迭代效率與場景適配性深化突破：
一是AI與迭代算法深度融合，通過深度學(xué)習(xí)預(yù)判最優(yōu)迭代初始值與步長，實現(xiàn)迭代過程的自適應(yīng)調(diào)控；
二是多物理場迭代模型構(gòu)建，將EUV光刻的偏振、熱效應(yīng)等融入迭代流程，優(yōu)化實施中的參數(shù)補償機制；
三是跨流程協(xié)同優(yōu)化，聯(lián)動掩模優(yōu)化、OPC等環(huán)節(jié)設(shè)計統(tǒng)一迭代框架，提升全鏈路光刻性能；
四是極端制程適配，針對1nm及以下節(jié)點研發(fā)量子輔助迭代算法與新型稀疏變換技術(shù)
未來，技術(shù)將向多維深化演進：AI賦能仿真模型實現(xiàn)最佳焦面參數(shù)自適應(yīng)尋優(yōu)；融入EUV多物理場耦合計算，提升復(fù)雜工藝下仿真精度；構(gòu)建跨流程數(shù)值框架，聯(lián)動刻蝕仿真實現(xiàn)全鏈路性能預(yù)測。針對1nm及以下制程，量子化數(shù)值模型與動態(tài)穩(wěn)定性驗證體系研發(fā)將成為核心，推動光刻成像性能再突破。
未來，技術(shù)將向多維融合演進：AI賦能仿真模型實現(xiàn)PW與掩模延拓參數(shù)的自適應(yīng)匹配；融入EUV多物理場耦合計算，提升復(fù)雜工藝下PW預(yù)測精度；構(gòu)建跨流程協(xié)同框架，聯(lián)動掩模制造與刻蝕工藝優(yōu)化PW。極端制程下，量子化數(shù)值模型將成為核心，助力1nm及以下節(jié)點PW性能突破。
未來，技術(shù)將向多維融合演進：AI賦能梯度計算實現(xiàn)策略自適應(yīng)選擇與參數(shù)動態(tài)調(diào)優(yōu)；融入EUV光刻多物理場模型，提升復(fù)雜效應(yīng)適配能力；構(gòu)建跨流程協(xié)同框架，聯(lián)動OPC與掩模制造優(yōu)化。針對1nm及以下制程，量子化梯度模型與新型混合策略研發(fā)將成為核心，推動光刻分辨率與良率雙重突破。
未來，算法將向多維度演進：AI與梯度計算結(jié)合實現(xiàn)自適應(yīng)優(yōu)化；融入多物理場梯度模型，適配EUV光刻復(fù)雜效應(yīng)；跨流程協(xié)同優(yōu)化梯度框架，聯(lián)動SMO等技術(shù)提升全芯片良率。同時，極端制程將驅(qū)動量子化梯度模型研發(fā)，支撐1nm及以下技術(shù)突破。
