CN109799251B - 一种可宏观识别晶片晶畴分布范围的检测方法 - Google Patents
一种可宏观识别晶片晶畴分布范围的检测方法 Download PDFInfo
- Publication number
- CN109799251B CN109799251B CN201910168426.0A CN201910168426A CN109799251B CN 109799251 B CN109799251 B CN 109799251B CN 201910168426 A CN201910168426 A CN 201910168426A CN 109799251 B CN109799251 B CN 109799251B
- Authority
- CN
- China
- Prior art keywords
- wafer
- distribution
- area
- crystal domain
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种可宏观识别晶片晶畴分布范围的检测方法,该方法采用高分辨率X射线衍射仪,采取对晶片进行摇摆曲线面扫描的方式对整个晶片进行测试,然后对测试摇摆曲线半高宽数值进行拟合,并通过半高宽数值分布规律判断出晶畴的分布情况。采用高分辨X射线衍射仪可实现测试及峰值拟合工作。本方法适用性强,通用性好,自动化程度高,方便快捷有效降低人工时间成本;同时采用HRXRD测试对样品无需特殊处理,操作流程简便,同时可以实现晶片整片区域测试,实现宏观判断晶畴的分布情况,对于半导体衬底质量检测以及外延工艺了解衬底情况具有重要意义。
Description
技术领域
本发明涉及半导体晶片材料检测,尤其涉及一种可宏观识别晶片晶畴分布范围的检测方法。
背景技术
半导体晶片材料晶畴会对其下游工艺甚至器件等稳定性、成品率等造成重要影响。随着半导体衬底材料技术提升,晶片产品(包括衬底以及外延片)最小标准尺寸为2英寸,目前科研生产过程中判断晶片缺陷分布情况,通常商业化的仅有表面缺陷仪检测仪器对样品加工水平以及表面洁净度水平要求很高,未经过精细加工以及清洗的样品无法直接观测。目前,科研人员科学研究表征晶畴的手段通常采用原子力显微镜、扫描电子显微镜、透射电镜等检测方式均有对制样的特殊要求,检测方式以点测方法为主,但点测方法识别晶畴分布情况很不科学,也不利于商业化应用。传统显微模式下观测晶畴的方法受限于视场范围,通常视场范围最大在cm2量级,无法获得整个晶片上晶畴的分布范围。
发明内容
鉴于上述现有技术状况和存在的不足,本发明的目的是克服现有技术中存在不能体现晶片整体分布情况的局限性,同时解决现有技术中实现整片检测晶畴的商用表面缺陷检测设备需要对样品加工状态以及清洗水平有较高的要求等限定问题,特别提供一种可宏观识别晶片晶畴分布范围的检测方法。该方法通过采用高分辨X射线衍射仪对晶片进行摇摆曲线面扫描的方式,对整个晶片测试,然后对测试摇摆曲线半高宽(FWHM)峰值进行拟合,拟合图可以直观观察FWHM数值结果范围,FWHM数值分布规律可以判断晶畴的分布情况。
本发明为实现上述目的采取的技术方案是:一种可宏观识别晶片晶畴分布范围的检测方法,其特征在于,该方法采用高分辨率X射线衍射仪,采取对晶片进行摇摆曲线面扫描的方式对整个晶片进行测试,然后对测试摇摆曲线半高宽数值进行拟合,并通过半高宽数值分布规律判断出晶畴的分布情况;其步骤如下:
步骤一:首先对被测晶片进行表面缺陷测试,并记录晶片宏观缺陷分布的范围,用于排除后续对晶片进行判断晶畴分布情况的干扰因素。
步骤二:测试准备及样品预处理,记录样品基本信息以便确定测试区域。
步骤三:设置测试程序。
步骤四:测试,根据设置的测试程序进行X射线摇摆曲线面扫描。
步骤五:数据采集,采用数据分析软件对测试的半高宽数值拟合处理,获得半高宽分布规律拟合图。
步骤六:数据分析,设半高宽分布规律拟合图中覆盖测试面积50%以上区域的半高宽最大值为n,从半高宽分布规律拟合图中识别出半高宽值≥2n的区域,该区域均为晶畴聚集区域。
步骤七:数据验证,在识别出的晶畴聚集区域中选取对应测试点的摇摆曲线原始数据图谱,若该摇摆曲线原始数据图谱为非单峰、双峰或多峰中的一种,则该测试点所在区域为晶畴聚集区域。
步骤八:晶畴区域确认,将已确认的晶畴聚集区域与表面缺陷状态进行对比,若符合步骤六、步骤七中的判定条件且无表面缺陷的区域,最终认定为晶畴密集分布区域。
本发明的有益效果是:通过多种检测方法辅证并且采集大量数据支撑获得,方法简便、适用、通用性强,广泛适用于科研、商业,不同形状规则、不同加工(经过研磨后,抛光、未抛光、清洗、未清洗均可)状态的晶片。本方法采用HRXRD面扫描的方式,获得摇摆曲线半高宽的峰值拟合数据图,可以显而易见发现晶畴分布区域。本方法适用性强、通用性好、自动化程度高。
本发明采用高分辨X射线衍射仪可实现测试及峰值拟合工作,方便快捷有效降低人工时间成本,同时采用HRXRD测试对样品无需特殊处理,操作流程简便,同时可以实现晶片整片区域测试,实现宏观判断晶畴的分布情况,对于半导体衬底质量检测以及外延工艺了解衬底情况具有重要意义。
附图说明
图1为本发明实施例1中的样品面扫描FWHM峰值分布规律拟合图;
图2为图1中FWHM宽峰区域多峰的摇摆曲线原始测试数据图谱;
图3为本发明实施例2中的样品面扫描FWHM峰值分布规律拟合图;
图4为图2中FWHM宽峰区域多峰的摇摆曲线原始测试数据图谱。
具体实施方式
以下结合附图对本发明的实施例作进一步说明。
本检测方法采用高分辨X射线衍射仪,因此选择的样品可以未经过精细加工,但样品不能存在明显的因切割带来的线痕,同时样品是经过初步筛选的,应为单晶,而且无多晶点,无肉眼可观测的宏观缺陷聚集或密集分布情况,或允许以上缺陷均存在,但是测试结果后要排除干扰因素,排除以上区域去判断晶畴的分布。
一种可宏观识别晶片晶畴分布范围的检测方法有如下步骤:
1、首先对被测晶片进行表面缺陷(例如,微管道、裂纹、坑等)测试,并记录晶片宏观缺陷分布的范围,用于排除后续对晶片进行判断晶畴分布情况的干扰因素。
2、测试准备及样品预处理,记录样品基本信息以便确定测试区域。
3、设置测试程序,测试程序包括扫描速度、扫描步进、被测样品衍射面、出入射狭缝、测试区域和测试点数等基础信息。
4、测试,根据设置的测试程序进行X射线摇摆曲线面扫描。
5、数据采集,采用Origin数据分析软件对测试的半高宽数值拟合处理,获得半高宽分布规律拟合图。
6、数据分析,设半高宽分布规律拟合图中覆盖测试面积50%以上区域的半高宽最大值为n,从半高宽分布规律拟合图中识别出的半高宽值≥2n的区域,该区域均为晶畴聚集区域。
实施例1:如图1所示,标记1指半高宽范围从43.5arcsec~60arcsec的区域,标记2指半高宽范围从60arcsec~76.5arcsec的区域,标记3指半高宽范围从159arcsec~175.5arcsec的区域,标识4指半高宽范围从大于175.5arcsec的区域,其中符合标记1和标记2范围的区域占整片50%以上,半高宽最大数值(n)≤76.5arcsec的区域占被测晶片测试总面积的50%以上,此时≥153arcsec(2n)的区域为晶畴聚集区域,因此,出现标记3和标记4颜色范围的区域为晶畴聚集区域。
实施例2:如图3所示,标记5指半高宽范围从25.5arcsec~41.25arcsec的区域,标记6指半高宽范围从41.25arcsec~57arcsec的区域,标记7指半高宽范围从120arcsec~135.8arcsec的区域,标记8指半高宽范围从135.8arcsec~151.5arcsec的区域,标记9指半高宽范围从大于151.5arcsec的区域,其中符合标记1和标记2范围的区域占整片50%以上,半高宽最大数值(n)≤57arcsec的区域占被测晶片测试总面积的50%以上,此时≥114arcsec(2n)的区域为晶畴聚集区域,因此,出现标记7、标记8和标记9颜色范围的区域为晶畴聚集区域。
7、数据验证,在识别出的晶畴聚集区域中选取对应测试点的摇摆曲线原始数据图谱,实施例1的摇摆曲线原始数据图谱为多峰(如图2所示);实施例2的摇摆曲线原始数据图谱为双峰(如图4所示);验证实施例1和实施例2测试点所在区域均为晶畴聚集区域。
8、晶畴区域确认,将已确认的晶畴聚集区域与表面缺陷状态进行对比(即第1步识别的缺陷以外的区域),以上实施例1和实施例2符合步骤6、步骤7中的判定条件且无表面缺陷的区域,最终认定为晶畴密集分布区域。
Claims (1)
1.一种可宏观识别晶片晶畴分布范围的检测方法,其特征在于,该方法采用高分辨率X射线衍射仪,采取对晶片进行摇摆曲线面扫描的方式对整个晶片进行测试,然后对测试摇摆曲线半高宽数值进行拟合,并通过半高宽数值分布规律判断出晶畴的分布情况;其步骤如下:
步骤一:首先对被测晶片进行表面缺陷测试,并记录晶片宏观缺陷分布的范围,用于排除后续对晶片进行判断晶畴分布情况的干扰因素;
步骤二:测试准备及样品预处理,记录样品基本信息以便确定测试区域;
步骤三:设置测试程序;
步骤四:测试,根据设置的测试程序进行摇摆曲线面扫描;
步骤五:数据采集,采用数据分析软件对测试的半高宽数值拟合处理,获得半高宽分布规律拟合图;
步骤六:数据分析,设半高宽分布规律拟合图中覆盖测试面积50%以上区域的半高宽最大值为n,从半高宽分布规律拟合图中识别出半高宽值≥2n的区域,该区域均为晶畴聚集区域;
步骤七:数据验证,在识别出的晶畴聚集区域中选取对应测试点的摇摆曲线原始数据图谱,若该摇摆曲线原始数据图谱为非单峰、双峰或多峰中的一种,则该测试点所在区域为晶畴聚集区域;
步骤八:晶畴区域确认,将已确认的晶畴聚集区域与表面缺陷状态进行对比,若符合步骤六、步骤七中的判定条件且无表面缺陷的区域,最终认定为晶畴密集分布区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168426.0A CN109799251B (zh) | 2019-03-06 | 2019-03-06 | 一种可宏观识别晶片晶畴分布范围的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910168426.0A CN109799251B (zh) | 2019-03-06 | 2019-03-06 | 一种可宏观识别晶片晶畴分布范围的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109799251A CN109799251A (zh) | 2019-05-24 |
CN109799251B true CN109799251B (zh) | 2021-01-12 |
Family
ID=66562578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910168426.0A Active CN109799251B (zh) | 2019-03-06 | 2019-03-06 | 一种可宏观识别晶片晶畴分布范围的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109799251B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111678932B (zh) * | 2020-06-09 | 2023-09-15 | 首钢集团有限公司 | 一种电子背散射衍射的分析方法 |
CN114778577A (zh) * | 2022-06-23 | 2022-07-22 | 浙江大学杭州国际科创中心 | 一种x射线衍射仪检测碳化硅缺陷的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723302A (zh) * | 2002-12-11 | 2006-01-18 | 阿莫诺公司 | 模板型衬底及其制造方法 |
CN101335200A (zh) * | 2008-08-01 | 2008-12-31 | 武汉大学 | 一种AlN薄膜的制备方法 |
JP2010169469A (ja) * | 2009-01-21 | 2010-08-05 | Institute Of Physical & Chemical Research | 結晶歪み検出方法および結晶歪み検出装置 |
CN101834211A (zh) * | 2010-02-09 | 2010-09-15 | 广东中显科技有限公司 | 一种基于金属诱导的多晶硅薄膜 |
CN108726510A (zh) * | 2017-04-20 | 2018-11-02 | 北京大学 | 一种大面积超洁净石墨烯及其宏量制备方法与其洁净度的快速评估方法 |
-
2019
- 2019-03-06 CN CN201910168426.0A patent/CN109799251B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723302A (zh) * | 2002-12-11 | 2006-01-18 | 阿莫诺公司 | 模板型衬底及其制造方法 |
CN101335200A (zh) * | 2008-08-01 | 2008-12-31 | 武汉大学 | 一种AlN薄膜的制备方法 |
JP2010169469A (ja) * | 2009-01-21 | 2010-08-05 | Institute Of Physical & Chemical Research | 結晶歪み検出方法および結晶歪み検出装置 |
CN101834211A (zh) * | 2010-02-09 | 2010-09-15 | 广东中显科技有限公司 | 一种基于金属诱导的多晶硅薄膜 |
CN108726510A (zh) * | 2017-04-20 | 2018-11-02 | 北京大学 | 一种大面积超洁净石墨烯及其宏量制备方法与其洁净度的快速评估方法 |
Non-Patent Citations (1)
Title |
---|
LaAlO3单晶中一种晶体缺陷的观测;周圣明等;《中国科学技术大学学报》;19990630;第29卷(第3期);第341-344页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109799251A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109799251B (zh) | 一种可宏观识别晶片晶畴分布范围的检测方法 | |
CN107615469B (zh) | 半导体晶圆的评价方法 | |
CN107727663A (zh) | 一种对led芯片表征进行失效检测的方法 | |
CN110517946A (zh) | SiC衬底的制造方法 | |
CN108745921B (zh) | 一种金刚石线锯切割单、多晶硅片的分选检验方法 | |
JP4157597B2 (ja) | ウエハのシリコン層の探傷装置及び探傷方法 | |
CN112908876A (zh) | 硅片金属污染测试方法及装置 | |
JP3773477B2 (ja) | 結晶欠陥の検査方法 | |
US5535005A (en) | Method and system for inspecting polished surface texture | |
CN112444529B (zh) | 辨别非(100)面氧化镓晶体有无孪晶的hrxrd测试方法 | |
CN108281369B (zh) | 一种半导体衬底的处理系统 | |
CN114166171B (zh) | 晶体缺陷的检测方法与检测装置 | |
CN102353697B (zh) | 在线测评缺陷的方法 | |
CN101685786B (zh) | 用光学显微镜自动检测硅片周边去边及缺陷的方法 | |
CN115335975A (zh) | 硅晶圆的dic缺陷的形状测量方法及研磨方法 | |
US6333785B1 (en) | Standard for calibrating and checking a surface inspection device and method for the production thereof | |
McGuire et al. | Automated mapping of micropipes in SiC wafers using polarized-light microscope | |
JP3787547B2 (ja) | 結晶欠陥の自動検査方法及び自動検査装置 | |
KR100862312B1 (ko) | 반도체소자의 웨이퍼 결함 측정방법 | |
KR101453033B1 (ko) | 에피택셜 웨이퍼의 에피 적층결함 검출방법 | |
WO2022196292A1 (ja) | 炭化珪素単結晶ウェーハの結晶欠陥評価方法 | |
WO2002031877A1 (fr) | Procede d"analyse de specimen | |
CN104377144B (zh) | 狭长图形的srp分析方法 | |
US11145556B2 (en) | Method and device for inspection of semiconductor samples | |
WO2024190119A1 (ja) | 半導体基板の欠陥評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |