论文摘要
从1958年产生第一个集成电路开始,集成电路都一直以极其高的速度在发展,集成电路的集成度(每个微电子芯片上集成的器件数),每隔2年左右的时间就翻一番。同样,由集成电路发展的历史来看,它的制作工艺中的特征线宽,则相对应的每过一代缩小30%。随着半导体工业进入0.13微米工艺、90纳米工艺、以及65纳米,甚至更小工艺的发展趋势,良率问题越显突出。如何快速提高良率是纳米级半导体制造所面临的最大挑战之一,特别是采用新型的复杂设计和纳米技术时,良率问题越来越复杂。要想提高良率就必须先找到影响良率的原因,造成良率损失的原因很多,通常生产设备的错误操作会影响良率,电路设计的缺陷会影响良率,不适当的图形增强技术会影响良率等等,本论文中把这些图形统称之为关键图形。而作为量产良率诊断(Volume Yield Diagnostics)主要关心的还是图形设计系统缺陷所造成的良率损失,因为图形设计系统缺陷比随机缺陷多得多,而且更难解决。晶片检测设备可以在晶片中进行逐点扫描,发现并且报告缺陷,分析人员需要对每个缺陷进行分析和分类,对于大部分图形设计系统缺陷图形失效率一般不是百分之百,对于某个缺陷是不是图形设计系统缺陷就很难确定,只有发现和积累这些图形,制作专门的测试版图并调节设置不同的工艺参数,才能最后确认,这些都是很昂贵的。在现有的版图中快速的找到这些图形,进行定位扫描和分析,那就更现实些。再如,已经确认某一图形设计系统缺陷和分析出了当中的主要图形,我们通过图形修正可以弥补缺陷,那么能够快速的找到这些图形也成为关键。本论文根据关键图形查找的需要主要研究了以下几点内容:1、根据关键图形的形状,提出一整套图形定义的方法,方便了图形描述。2、提出和解决了多层复杂二维图形查找问题的方法,提高了图形查找方法的效率。3、将研究开发的软件与晶片检测设备绑定,提高设备利用率。本论文首先研究提出了一整套图形定义的方法,根据多边形的形状给出了直观形象的图形描述。并在此基础上建立了两种查找图形的算法:基于参数设置的查找和图形匹配查找。对于复杂的关键图形查找,还可再细分为含有完整多边形的和只含有残缺多边形的,对于含有完整多边形的还可细分为只含有一个和含有多个的。这些高效的查找算法解决了当前电子设计自动化图形查找中难以解决的二维图形定义和查找问题,甚至解决了多层复杂二维图形定义和查找问题,更加提高了查找方法的速度。对于每一种查找算法,都需要建立相应的图形描述语言。针对完整多边形查找的方法,本论文采用角度片段序列的图形描述语言;而对于残缺多边形查找算法,本论文提出了一种新的数据结构来描述图形,称为边结构,建立以后可以反复利用、也可以相互合并和相互拆分,甚至可以做到部分片断匹配,它将边在数学表达式中的表述方法和计算机技术结合在一起,在数据查找和匹配的效率和准确性上都有很大的提高。对于这些图形描述语言和数据结构,本论文也进行了具体的介绍和优缺点分析,以及它们在应用的不同之处。本论文首先通过对良率损失的分析,掌握由图形造成良率损失的主要因素,从而得到量产良率诊断的关键图形的相关数据,再通过计算机软件编程的方法对关键图形进行参数和图形提取,从而实现能够让芯片设计者在芯片设计重复的早期就发现和避免这些关键图形,进而提高芯片良率。同样通过参数设置和图形匹配,本项研究可以按照版图扫描设备的需求,对一些低敏感图形进行辨别,从而对此类图形采取跳过或放宽扫描参数的设置,避免假缺陷图形的引入对于良率分析工作量的增加,提高设备利用率。本论文研究中开发的软件可以与晶片检测设备绑定,对检测图形进行在线分析,大大提高了设备的利用率。经过二次开发和集成调试,这些算法已经集成到某电子设计自动化(Electronic Design Automatic,简称EDA)软件和相应设备中,成为该电子设计自动化软件和相应设备中的核心部分。它的运行速度也十分的高,达到预期的效果。