早在2022年，OpenAI發布基于大語言模型的ChatGPT，就轟動全球，自此之后，各類AI大模型如同雨后春筍般涌現。訓練這些大模型需要阿伏伽德羅常數級的算力，以訓練GPT-4為例，需要215億petaFLOP，1 peta是10的15次方，即2.15 x 1025次浮點運算。阿伏伽德羅常數只有6.02x1023。
為了滿足對芯片算力的需求，邏輯芯片的線寬不斷縮小，器件結構更加復雜。從平面柵到鰭柵（FinFET），再到全環繞柵（GAA）。NVIDIA H100芯片就是廣泛應用的AI訓練芯片的產品，其先進邏輯芯片，采用的就是先進的GAA的晶體管結構。
H100為何價格居高不下，并且一片難求，其原因就在于，當先進邏輯芯片的工藝節點不斷發展演進，芯片的良率越來越成為制約產能和成本的因素。今年上半年，某晶圓大廠就曾爆出其GAA產品良率不到20%，遠遠低于保持其產品的競爭力的70%良率臨界值。
為了改進半導體生產工藝和產品良率，就需要獲取生產工藝中的量測和缺陷分析數據。而晶圓廠現有的量測和檢測方案，無法應對GAA晶體管復雜的3D結構帶來的挑戰。同時，時不我待的產業發展，也讓數據獲取更加爭分奪秒。基于賽默飛Helios 5 EXL晶圓級FIB產品的近產線TEM工作流程，可以彌補現有量測和缺陷分析的方案，助力并加速生產工藝改進和良率提升，實現產品更快的上市時間。
在GAA工藝過程中，有眾多的潛在缺陷，如：
“
超晶格外延段的結晶缺陷和擴散
“
鰭片形成階段的STI氧化物殘留
“
埋入式電源導軌的缺陷
“
鍺硅凹槽的鍺硅/內隔板蝕刻，外延層生長
“
High-k和Metal gate晶體缺陷
“
接觸質量和對準偏差
“
供電網絡的μTSV缺陷
針對不同工段的缺陷和不同的缺陷類型，基于賽默飛Helios 5 EXL晶圓級FIB的近線TEM工作流程，可以大大減少獲取缺陷信息的時間，并且從極小的樣品體積中獲取元素信息等關鍵數據。
▲左右滑動查看更多
▲左右滑動查看更多
▲左右滑動查看更多
缺陷分析僅僅是Helios 5 EXL可以諸多功能和應用的牛刀小試，除此之外，Helios 5 EXL還可以實現：
近產線 TEM 量測工作流程
近產線失效分析工作流程
可以掃碼下載賽默飛白皮書《利用 TEM 工作流程改進環繞柵極晶體管技術工藝和良率》，更多在此無法詳述的信息皆可盡收袋中：
掃碼下載白皮書
想了解更多Helios 5 EXL如何助力晶圓廠工藝改良和提高良率，并助推AI模型不斷升級演進，以及其它賽默飛半導體失效分析解決方案，還可以關注我們的官方微信或是訪問賽默飛。
2
立即詢價
您提交后，專屬客服將第一時間為您服務