半導(dǎo)體產(chǎn)業(yè)網(wǎng)訊 近日，廈門大學(xué)康俊勇教授團(tuán)隊(duì)康聞?dòng)钐厝胃毖芯繂T和尹君副教授在人工智能輔助的SiC單晶無損表征方面取得重要進(jìn)展，相關(guān)研究成果以“Non-destructive and deep learning-enhanced characterization of 4H-SiC material”為題發(fā)表于Aggregate期刊。該工作為重現(xiàn)SiC晶體的生長(zhǎng)過程、快速優(yōu)化生長(zhǎng)工藝提供一條全新的途徑，相關(guān)技術(shù)對(duì)于提高第三代半導(dǎo)體單晶生產(chǎn)效率表現(xiàn)出重要的應(yīng)用前景。
研究背景
第三代半導(dǎo)體材料碳化硅（SiC）因其卓越的電學(xué)特性在高壓、高頻和高溫電子器件領(lǐng)域獲得巨大應(yīng)用。然而，傳統(tǒng)的SiC晶體PVT生長(zhǎng)被認(rèn)為是一個(gè)“盲盒”，晶體質(zhì)量及工藝可靠性極易受多方面因素影響。當(dāng)前，針對(duì)SiC單晶的缺陷表征與質(zhì)量評(píng)價(jià)僅能依賴于各種破壞性測(cè)試實(shí)現(xiàn)。這些傳統(tǒng)方法不僅會(huì)造成晶體材料的損耗、耗時(shí)耗力，還難以用直觀的且多維度的方式追溯并呈現(xiàn)SiC晶體的生長(zhǎng)過程。這也是當(dāng)前SiC單晶良率較低、襯底成本仍居高不下的原因之一。因此，迫切需要發(fā)展一種無損的、快速的、多維度的檢測(cè)方法，以識(shí)別和溯源大尺寸晶錠內(nèi)部缺陷的形成與演化，從而指導(dǎo)生長(zhǎng)工藝的優(yōu)化。
研究創(chuàng)新點(diǎn)
針對(duì)上述挑戰(zhàn)，廈門大學(xué)康俊勇教授團(tuán)隊(duì)依據(jù)SiC晶體中缺陷對(duì)X光的調(diào)制特性，成功開發(fā)了一種基于顯微CT掃描和人工智能（深度學(xué)習(xí)）增強(qiáng)的方法，實(shí)現(xiàn)了對(duì)大尺寸（≥6英寸）4H-SiC晶錠的快速無損表征。團(tuán)隊(duì)通過對(duì)SiC晶體的全面多維度掃描，獲取了SiC晶體中潛在微米級(jí)缺陷的圖像特征，如微管、多型和碳包裹物等（圖1）；進(jìn)一步地結(jié)合傳統(tǒng)光學(xué)方法表征的驗(yàn)證，確認(rèn)了掃描圖像中的圖像特征與缺陷類型的指認(rèn)關(guān)系。在此基礎(chǔ)上，通過搭建人工智能架構(gòu)，借助卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)，對(duì)上述缺陷圖像特征進(jìn)行訓(xùn)練和驗(yàn)證，實(shí)現(xiàn)了復(fù)雜CT圖像中人工智能輔助的SiC缺陷快速、準(zhǔn)確識(shí)別與定位（圖2）。實(shí)驗(yàn)結(jié)果表明，訓(xùn)練模型對(duì)4H-SiC晶體微米尺度的典型缺陷，含多型體、微管和碳包裹物，均可達(dá)到96%以上的識(shí)別和定位準(zhǔn)確度。同時(shí)，該方法實(shí)現(xiàn)了晶體三維數(shù)字化重構(gòu)，直觀地展示了晶體內(nèi)部不同微觀缺陷的空間分布及相關(guān)演化過程（圖3）?；谌S數(shù)字化重建的定量分析，也為后續(xù)SiC襯底制備的“數(shù)字孿生”提供了技術(shù)支持。
圖1. 利用顯微CT掃描無損獲取4H-SiC晶體缺陷圖像特征
圖2. 人工智能識(shí)別4H-SiC缺陷流程與架構(gòu)
圖3. 人工智能增強(qiáng)表征獲取SiC晶體缺陷可視化演變過程和定量分析
總結(jié)與展望
本研究開發(fā)了一種基于人工智能增強(qiáng)的4H-SiC材料無損表征技術(shù)，實(shí)現(xiàn)了對(duì)其微觀缺陷的快速、直觀、有效評(píng)估，并通過生動(dòng)的數(shù)字化重建揭示了SiC晶體生長(zhǎng)過程中的缺陷演變，為PVT生長(zhǎng)工藝的優(yōu)化提供了重要指導(dǎo)。值得一提的是，該方法不僅適用于SiC，也可推廣至AlN、Ga2O3等其他高價(jià)值第三代半導(dǎo)體單晶材料的無損快速表征和生長(zhǎng)動(dòng)力學(xué)過程再現(xiàn)，提升晶圓產(chǎn)率，進(jìn)而推動(dòng)半導(dǎo)體材料制備領(lǐng)域的快速發(fā)展。
論文信息
Xiaofang Ye, Aizhong Zhang, Jiaxin Huang, Wenyu Kang, Wei Jiang, Xu Li, Jun Yin, Junyong Kang, Non-destructive and deep learning-enhanced characterization of 4H-SiC material. Aggregate, 2024, e524.
https://doi.org/10.1002/agt2.524
論文第一作者為廈門大學(xué)物理科學(xué)與技術(shù)學(xué)院光電信息工程專業(yè)2022級(jí)博士研究生葉曉芳，通訊作者為廈門大學(xué)康聞?dòng)?/b>特任副研究員，尹君副教授。
通訊作者簡(jiǎn)介
康聞?dòng)?，博士畢業(yè)于The University of Adelaide，2021年加入廈門大學(xué)。研究工作涉及深紫外光電器件與裝備在食品安全領(lǐng)域的應(yīng)用，短波長(zhǎng)光電子、功率半導(dǎo)體晶體材料與相關(guān)裝備的研發(fā)，新型固態(tài)光源的開發(fā)等。部分學(xué)術(shù)成果已以第一/通訊作者身份發(fā)表于Nature Electronics、Opto-Electronic Advances、Aggregate、Food Research International等國(guó)際學(xué)術(shù)期刊15篇，申請(qǐng)國(guó)家專利10件。先后承擔(dān)國(guó)家重點(diǎn)研發(fā)計(jì)劃“新型顯示與戰(zhàn)略性電子材料”與“高性能制造技術(shù)與重大裝備”專項(xiàng)項(xiàng)目、廈門市重大產(chǎn)業(yè)科技項(xiàng)目等。
尹君，廈門大學(xué)副教授，2014年畢業(yè)于華中科技大學(xué)光學(xué)與電子信息學(xué)院，同年加入廈門大學(xué)。主要研究方向?yàn)閷捊麕О雽?dǎo)體材料生長(zhǎng)、量子調(diào)控及其器件應(yīng)用，高效有機(jī)無機(jī)雜化太陽(yáng)能電池等，近年來以第一作者/通訊作者在Light Sci. Appl.、Adv. Funct. Mater.、Adv. Sci.、Adv. Opt. Mater.、Opto-Electron Adv.、J Am. Chem. Soc.等期刊發(fā)表SCI論文30余篇，授權(quán)發(fā)明專利10余項(xiàng)。先后主持及承擔(dān)國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目協(xié)作課題、國(guó)家自然科學(xué)基金青年基金項(xiàng)目、福建省自然科學(xué)基金面上項(xiàng)目、福建省科技廳工業(yè)引導(dǎo)性重點(diǎn)項(xiàng)目、江西省自然科學(xué)基金重點(diǎn)項(xiàng)目、廈門市重大科技項(xiàng)目（子課題）等多項(xiàng)科研課題。
