晶圆经湿法清洗后形成的残余物缺陷会引起器件良品率的下降，需要对其进行检测和消除。

　　集成电路制造商非常依赖光学检测手段来对晶圆生产过程进行监测和控制。光学检测已经被证明可以有效地对半导体晶圆上的多种物理缺陷如凹坑、微粒和划伤等进行检测和分类。最近几年以来，IC制造中的特征图形尺寸在持续地缩小，而同时半导体制造商针对先进的工艺技术引入了很多新的材料、工艺和结构，例如高k金属栅、低k介质和应力硅沟道等。在工艺上加速进步的步伐会引入新的影响良品率的缺陷种类，其中一些类型的缺陷并不能被光学检测手段所检测到。这些缺陷被称之为“非可见性缺陷(Non Visual Defects，NVD)”，包括有亚单层的残余物、表面沾污，以及工艺过程中产生的介质膜的荷电等缺陷。

　　Samsung Electronics和Qcept Technologies公司之前报道了一个分析案例，其中一个荷电类型的非可见性缺陷(NVD)被确认为是在栅氧化工序中反应前驱体气体所产生的物理“凹坑”所致。这篇论文描述了一个逻辑器件晶圆在进行湿法清洗之后所产生的残余物缺陷进行检测和消除的情况。该残余物缺陷与在后道工序(EOL)电学测试中所发现的良品率问题直接相关联，失效芯片呈半圆弧状分布并集中在晶圆的顶部。这种缺陷被认为是产生于前道工序(FEOL)的栅氧化工艺模块中，但是利用现有的光学检测设备却无法发现可以与其相匹配的缺陷图形，最终是利用了一种独特的非光学检测技术来将这种残余物缺陷确认为是一种“非可见性缺陷(NVD)”。

　　最早是在一个先进技术节点逻辑器件的制造过程中发现了这个问题，在EOL的电学测试中出现了良品率的异常损失。从随机批次中任意选出的晶圆上有大量芯片出现了低的集电极电压(Vcc)失效。图l图(a)和(b)是EOL失效(芯片)分布图，失效芯片(粉色)通常出现在晶圆的整个顶部区域。图(c)是在清洗后光学检测(ACI)的明场光学检测获得的缺陷分布，说明目前的光学检测方法并不能显示这种会引起良品率损失的缺陷。

　　图2左图是_AI ChemetriQ检测图像，显示了在经历了间隔层沉积、刻蚀、等离子灰化和清洗后在晶圆顶部残余物缺陷的分布图(红色箭头)，而功函数增加(+WF)区域在图中用白色显示。右图是对合成后的图像进行域值处理后所得到的缺陷分布图，晶圆整个顶部区域的缺陷分布与EOL的良率损失分布之间存在着直接的对应关系。

[NT:PAGE]

　　失效出现整个晶圆的a) b)顶部区域并呈现圆弧状分布(图1)，其失效模式表明缺陷是发生在栅极和间隔层( spacer)模块结构中的某个部位。对栅极和间隔层模块的现有明场光学检测数据进行了对比分析，并未发现有一种缺陷样本可与这种良率损失特征相符合。为了探讨和诊断这个问题，在栅极和间隔层模块的一些工序中引入了一种独特的非光学检测技术，因为它对各种类型非可见性缺陷(NVD)都很敏感，包括亚单层的沾污以及工艺过程引发的荷电等缺陷类型。

　　图3在进行间隔层刻蚀工序后，用来清洗晶圆的批次性处理浴槽的结构示意图。晶圆是以边缘切口向上取向从批处理浴槽中被提升出来，所以冲洗去离子水是从晶圆底部流向其顶部并溢出。

　　图4将晶圆旋转90度放八批次清洗设备的实验样本结果。晶圆的旋转同样引起了由ChemetriQ检测系统所检测到的NVD分布图和EOL测试良品率损失分布图的旋转。

[NT:PAGE]

　　这种检测系统是来自Qcept Technologies公司的ChemetriQ系统。ChemetriQ系统是一种扫描探针系统，它能够给出整个晶圆上功函数变化的分布。所得到的功函数差异数据可以进行数字化积分和域值化处理，来检测并显示晶圆上具有相对较高或较低功函数的区域。功函数的变化可以归结于晶圆上有着不同类型的表面状态，包括表面化学态的变化，例如存在残余物或沾污。这项技术对于低污染水平的亚单层表面沾污十分敏感，但是这种缺陷并不会对入射光线产生散射，所以不能被传统的光学检测手段所检测到。

　　ChemetriQ检测是在栅极和间隔层工艺模块中的一些工序中进行，包括在栅极光刻后、栅极刻蚀/清洗后、间隔层淀积和刻蚀/光刻胶灰化/清洗后。可以进行这种分解式的探测研究是因为ChemetriQ系统可以在多种不同的工序中进行晶圆的扫描检测而无需修改其扫描菜单，这样就无需花费更多的时间来对每个工艺步骤进行其扫描菜单的优化处理。晶圆在经过间隔层刻蚀、灰化和清洗步骤之后，非可见性缺陷(NVD)的检测数据显示在晶圆顶部区域有多个点具有较大的功函数(+WF)的增加。对在间隔层工序中检测到的NVD检测数据进行域值化处理后得到如图2所示的缺陷分布图。NVD的数量及其空间分布与EOL所检测到的失效芯片位置直接相关联，并且与晶圆顶部区域的良品率损失分布有非常相近的相关性。

　　分解式探测研究提供了强有力的证据，证明了在间隔层刻蚀和清洗过程中确实会产生缺陷。批次湿法清洗工艺被锁定为是最有可能会产生NVD缺陷的来源。从清洗过程中，晶圆是以边缘切口向上的取向从批次处理设备中提升取出，而冲洗用的去离子水流是从晶圆的底部流向晶圆的顶部，如图3所示。令人怀疑的是这种清洗工艺过程可能会引起晶圆顶部的清洗不充分。

　　我们设计了一个专门的实验，来验证在晶圆从批次湿法清洗设备中升高取出时是否是会由于去离子水流方式而引起缺陷的产生。我们将晶圆的切口转动90度并将其放入清洗设备中。在进行清洗工序后ChemetriQ检测图显示其正功函数(+WF)的NVD分布图也同样旋转了90度。EOL电学测试表明，失效芯片的分布图也同样旋转了90度(图4)。这些结果提供了令人信服的证据，表明批次清洗设备的去离子水冲洗过程会在晶圆表面留下残余物，并且由此引起了芯片良品率的损失。

　　为了消除在批次湿法清洗工艺过程中所产生的NVD，我们对不同的解决方案进行了评估，其中包括将现有批次式晶圆处理工艺和改为单片式晶圆清洗工艺流程。一个很有前景的选项是使用一种新型的直线型配置的单片晶圆清洗工艺来实现更为可靠的清洗工艺来消除NVD。对于使用这种新的直线型单片晶圆清洗工艺所获得的晶圆的ChemetriQ检测结果显示，它们具有更高的表面清洁度和均一性。EOL电学测量数据同样显示出这些晶圆在良品率上有着显著提升，并且其表示良品率损失的特征分布图也随之消失，如图5所示。

　　作为此项工作的结果，在间隔层刻蚀后的晶圆清图5由直线型配置的单晶圆清洗工艺进行晶圆清洗的样本检测和电学测试结果.从ChemetriQ检测和缺陷分布图显示已经消除了正功函数(+WF)缺陷的分布，并且EOL艮品率也得到了显著的提高。

　　结论

　　在本篇文章中，我们描述了检测和消除一种FEOL中栅极和间隔层工艺模块中会引起良品率下降的残余物缺陷。NVD是这种沾污缺陷引起良品率损失的一个实例，而常规的光学检测手段不能检测到这种缺陷。在这个案例当红，残余物缺陷是采用扫描探针技术来进行探测，它可以检测到由于化学沾污或介质薄膜DI荷电引起的晶圆表面功函数的变化。对表面功函数的检测结果可采用来对产生缺陷的清洗工序进行识别和调整。由此就可以消除这种缺陷类型。并使良品率获得提升，而且还可以应用这种检测系统来检测整个工艺过程以保证这种类型的缺陷不再重现。