随着最近对数据存储的爆炸式需求，从数据中心到各种智能和互联设备，对更大容量和更紧凑的内存设备的需求也在不断增加。因此，半导体器件现在正从2D向3D移动。3D- nand闪存是当今商业上最成功的3D半导体设备，它对支持我们的数据驱动世界的需求正在呈指数增长。

 

三维器件的标度规律是通过堆叠越来越多的半导体层，杏耀代理远远超过100层，以更可靠的方式实现的。由于每一层厚度都对应着有效通道长度，因此精确地表征和控制每一层的厚度是至关重要的。不幸的是，到目前为止，对这种数百层结构的每一层厚度的无损、精确测量还不可能，这给未来3D设备的缩放设置了严重的瓶颈。

 

在最新发表的一篇论文:先进制造业,一个工程师团队从韩国先进科学技术研究所(韩科院)和三星电子有限公司,由金Jungwon韩科院的教授,韩国,已经开发了一种非破坏性厚度特征结合光学光谱测量和机器学习方法。利用半导体多层堆叠和介质多层反射镜的结构相似性， 登录杏耀手机客户端，采用了光谱光学测量，包括椭圆测量和反射率测量。然后使用机器学习来提取光谱测量数据和多层厚度之间的相关性。对于超过200层的氧化物和氮化物多层堆叠，可以以大约1.6 A的均方根误差的平均值确定整个堆叠的每一层的厚度。

 

除了在正常制造条件下准确测定多层厚度(有助于控制蚀刻和沉积过程)外，研究团队还开发了另一种机器学习模型，当层厚度与设计目标显著不同时，该模型可以检测异常值。它利用大量的模拟光谱数据进行更有效、更经济的训练，能够成功地检测出故障器件以及器件中准确的错误层位置。

 

“机器学习方法对于消除测量相关的问题很有用，”韩国科学技术学院的博士生、该研究的第一作者Hyunsoo Kwak说。他补充说:“通过将噪声注入光谱数据作为机器学习算法的输入，我们可以消除测量仪器产生的各种误差，以及不同制造条件下材料性能的变化。”

 

“这种方法可以很容易地应用于各种3D半导体设备的全面检查，杏耀”Kim教授说，“这项工作中使用的所有数据都来自于三星电子的商业3D NAND生产线，这一点可以作为例证。”