中心成果神经网络算法助力电容耦合反应离子刻蚀工艺探索

Posted 2021-04-24 天津大学纳米中心TICNN

【引言】

      反应离子刻蚀技术是一种各向异性强、选择性高的干法刻蚀技术。它是在真空系统中，利用射频源激发刻蚀气体产生等离子体，其中活性粒子与被刻蚀材料表面发生化学反应生成气态产物。同时，在外置偏压的作用下，阳离子加速轰击材料表面，保证了刻蚀的方向性。反应离子刻蚀技术是一种重要的半导体加工技术，在微机电系统、集成电路等诸多领域有着广泛的应用。然而，反应离子刻蚀的形貌受到射频功率，气体流量、压强和偏压等多个工艺参数的影响，阐明它们之间的关系对于研究刻蚀机理，工业上实现刻蚀形貌的可控性具有深远意义。随着计算机科学技术的不断发展，机器学习已经成为深度挖掘数据、解决多因素变量的有力工具。其中，人工神经网络是一种成熟的机器学习算法，通过模拟人脑的认知过程构建模型。利用神经网络算法模型研究反应离子刻蚀工艺参数的相互关系，挖掘参数间相对重要性关系。

【成果简介】

      本论文通过实验和机器学习的方法，探究了电容耦合反应离子刻蚀工艺参数间的相互关系。同时，使用SF6/O2混合气体进行反应离子刻蚀获得垂直性极好的硅槽刻蚀工艺参数。使用30 sccm 流量的SF6气体与20 sccm流量的O2气体混合气体，在射频功率为240W，压强为5.6Pa的条件下刻蚀硅样片，使用Ti/Ni金属作为掩模，获得垂直性极高的沟槽结构。利用神经网络算法和随机森林算法挖掘刻蚀工艺参数间的相互关系及相对重要性。得到与实验拟合度很高的神经网络模型。根据随机森林算法的结果，SF6与O2的混合比例对刻蚀形貌的影响至关重要，SF6的气体流量对刻蚀速率的影响最为重要。

【图文导读】

图1 刻蚀速率与刻蚀侧壁角度随刻蚀工艺参数变化的变化曲线。（a）射频功率，（b）SF6的占比，（c）气体总流量，（d）压强

 

图2. 不同射频功率下的刻蚀形貌SEM图，气体配比为SF6/O2=30/20 sccm。(a) 160W;(b) 200W; (c) 240W; (d) 280W; (e) 320W; (f) 360W.

图3. 不同SF6的气体流量占比下的刻蚀形貌SEM图，气体总流量为50sccm，射频功率240W。(a) 100%; (b) 90%; (c) 80;(d) 70%; (e) 60%; (f) 50%; (g) 40%; (h) 30%.

图4. 在SF6气体流量为60%，不同气体流量总流量下的刻蚀形貌SEM图，射频功率240W。(a) 15 sccm; (b) 25 sccm;(c) 35 sccm; (d) 45 sccm; (e) 55 sccm; (f) 65 sccm; (g) 75 sccm; (h) 85 sccm;

图5. 在SF6/O2=30/20sccm，射频功率240W条件下，不同气体压强下刻蚀形貌SEM图。(a) 20.3 Pa; (b) 11.2 Pa; (c) 7.6 Pa; (d) 6.6 Pa; (e) 5.8Pa; (f) 5.6 Pa.

图6.神经网络模型预测与实验结果对比及随机森林算法对工艺参数相对重要性排序。（a）（c）刻蚀速率；（b）（d）刻蚀侧壁角度。

 

文章题目：Extremely vertical sidewall trench etching on silicon substrate and modelling etching using artificial neural network

论文通讯作者为马雷教授，第一作者为硕士研究生杨栋勋。相关研究成果刊登于Material Research Express, 2019, 6, 125902.

DOI:https://doi.org/10.1088/2053-1591/ab55b4

责任编辑：许蕊

统筹：马彦青