2024年11月5日，工程/制造类排名第1的TOP期刊《International Journal of Extreme Manufacturing》刊发精密仪器研究中心团队在晶圆缺陷检测领域最新成果，题为“Quasi-visualizable detection of deep sub-wavelength defects in patterned wafers by breaking the optical form birefringence（基于形序双折射破缺成像的图案化晶圆深亚波长缺陷准可视化检测）”。刘佳敏博士后为论文第一作者，刘世元教授、朱金龙教授、江浩教授为通讯作者。

在集成电路(IC)制造过程中，通过明场显微镜对图案化晶圆进行快速、无损且精确的缺陷检测，是确保芯片最终性能与良率的关键因素之一。随着IC纳米结构的关键尺寸持续缩小，由于众所周知的衍射极限、弱散射效应以及散射截面与缺陷形态之间的弱相关性，采用明场显微镜以直接成像方式来感知和分类深亚波长缺陷变得极具挑战性。

针对这一挑战，研究团队创新性地从晶圆缺陷矢量衍射成像和非对称偏振响应的物理本质出发，提出了基于形序双折射破缺成像的晶圆缺陷检测方法，借助模态展开理论对缺陷样件散射近场进行分解，澄清了缺陷散射近场响应的偏振依赖性，进而提出基于空间像差差分的正交偏振差分来评估缺陷散射信号，理论上以480 nm中心波长光束可实现30 nm尺寸缺陷检测，检测灵敏度可达λ/16；在此基础上，深入讨论了不同尺寸、不同类型、不同材料晶圆缺陷的形序双折射破缺成像检测性能，总结不同缺陷样件的检测灵敏度曲线；随后，提出了基于双通道AlexNet网络的缺陷特征智能分类算法，实现了30 nm尺寸晶圆缺陷的可靠分类，分类正确率优于90%。采用大量晶圆缺陷形序双折射破缺成像仿真计算和晶圆缺陷偏振显微镜检测实验验证了所提出方法的。

图1 正交偏振平面波照明下含颗粒物纳米天线二聚体的近场强度分布及其差分

利用基于自主开发的矢量成像模型的系列模拟和基于自建偏振显微镜的检测实验，证明了所提方法在检测λ/16 nm深亚波长缺陷方面的可行性和有效性。

图2 含缺陷（30nm尺寸缺陷）纳米结构的形序双折射破缺成像检测结果

在此基础上，提出了一种基于双通道AlexNet卷积神经网络的智能分类算法，该算法以二阶微分及其横向梯度图像作为输入，使特征高度相似的λ/16尺寸缺陷的分类准确率稳定在90%以上。低于100%的分类准确率可归因于输入模式仅对应单个二维周期单元结构，这本质上限制了训练集的规模。当输入模式尺寸扩展至2×2超单元周期结构时，各类图案化缺陷的分类准确率可提升至100%。

图3 基于AlexNet网络的缺陷智能分类算法的抗噪性与分类灵敏度评估

事实上，常用的晶粒间强度差分图通常非常接近艾里斑，将失去了与缺陷形态的相关性，这使得传统的明场显微技术在缺陷检测中仅具有有限的检测灵敏度和无意义的分类能力。而本文提出的方法打破了传统的只突出强度差图像中峰值的框架，率先关注了图案化缺陷的空间分布偏振响应，使其缺陷识别和分类能力远胜于传统的明场检测技术。总之，这项工作将为检测和分类图案化经验或掩模中的深亚波长缺陷提供一种全新但易于操作的方法，从而使当前的在线检测设备在先进的集成电路制造中承担更多使命。考虑到所提出的方法可以方便、廉价地集成到当前的明视场检测平台中，因此在先进集成电路制造中可以使用尽可能少的高分辨率复核扫描电镜，从而最终在不损失生产率的情况下提高芯片的良品率。此外，打破形式双折射成像框架赋予纳米级物体的准可视化和无标记检测功能，也为缺陷检测开辟了一条新途径。

论文信息：

J. Liu, J. Zhu, Z. Yu, X. Feng, Z. Li, L. Zhong, J. Zhang, H. Gu, X. Chen, H. Jiang, and S. Liu, "Quasi-visualizable detection of deep sub-wavelength defects in patterned wafers by breaking the optical form birefringence," Int. J. Extrem. Manuf. 7, 015601 (2025).