4H-SiC晶圆智能激光切片方法及系统

本发明涉及半导体材料加工、超快激光内部改质及人工智能工艺优化交叉，具体涉及一种4h-sic晶圆智能激光切片方法及系统。

背景技术：

1、本部分的陈述仅仅提供了与本发明相关的背景技术，并不必然构成现有技术。

2、4h-sic 作为第三代宽禁带半导体核心衬底材料，广泛应用于新能源汽车、高压输配电以及射频器件相关器件制备领域。半导体器件性能对衬底晶片的加工品质存在较高要求，晶片切片加工是衬底制备流程中的关键工序。传统金刚石线锯切片方式容易带来切缝损耗与衬底内部损伤，超快激光内部改性切片依靠非接触加工的特点，逐步成为碳化硅衬底切片的可选加工手段。该加工方式通过将激光聚焦至晶体内部产生改性区域，再借助应力作用完成晶片分离，能够适配宽禁带半导体衬底的薄片化加工需求，在半导体衬底加工场景得到逐步推广应用。

3、不同掺杂类型的 4h-sic 晶圆会呈现不一样的光响应特性，现有超快激光切片处理过程中，一般依靠固定工艺参数或者人工反复试调的方式确定加工条件。当面对掺杂属性存在差异的晶圆批次时，现有处理方式较难结合晶圆自身电学属性、加工目标条件综合匹配适配的整套激光加工条件。同时加工过程中介质带来的光束聚焦畸变容易被忽略，加工完成后的切片质量信息也难以反向用于优化后续加工判断，容易出现加工适配效果不佳的情况。

技术实现思路

1、为了解决不同掺杂类型4h-sic晶圆难以匹配适配激光加工条件，加工适配效果不佳的问题，本发明提供了一种4h-sic晶圆智能激光切片方法及系统，通过获取晶圆电学与加工目标信息，生成对应的特征向量，经条件神经网络推理得到激光切片工艺参数集，结合球差校正得到校正后光束开展改性扫描，再完成晶圆剥离并利用切片质量信息实现工艺迭代，实现了面向不同掺杂晶圆的加工条件自适应输出，提高了4h-sic晶圆激光切片的加工适配性。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供了一种4h-sic晶圆智能激光切片方法。

4、一种4h-sic晶圆智能激光切片方法，包括以下过程：

5、获取待切片4h-sic晶圆的电阻率、掺杂类型以及目标焦深；

6、对所述电阻率做对数变换及标准化处理生成连续主干输入特征，对所述掺杂类型、所述目标焦深做独热编码后拼接生成离散条件向量；

7、将所述连续主干输入特征输入主干网络得到主干隐藏特征，利用所述离散条件向量生成缩放因子与偏移因子，使用所述缩放因子与所述偏移因子对所述主干隐藏特征做逐通道仿射调制得到调制后隐藏特征，基于所述调制后隐藏特征输出激光切片工艺参数集；

8、依据所述目标焦深计算焦移量生成球差补偿相位图，基于所述球差补偿相位图校正光束聚焦畸变，得到校正后光束；

9、依据所述激光切片工艺参数集，采用所述校正后光束执行晶圆内部改性扫描，对改性完成的晶圆施加应力实现晶圆剥离；

10、采集剥离后晶圆质量指标，依据所述剥离后晶圆质量指标扩充工艺数据库或者触发神经网络增量学习。

11、在本发明第一方面的一种实现方式中，对所述电阻率做对数变换及标准化处理生成连续主干输入特征，包括：

12、对所述电阻率取常用对数运算得到对数电阻率；

13、调取工艺数据库内部预先基于大量晶圆样本统计得到的对数电阻率均值、对数电阻率标准差；

14、将所述对数电阻率减去所述对数电阻率均值后，再除以所述对数电阻率标准差，完成零均值单位方差的标准化计算；

15、通过前述标准化计算得到无量纲的所述连续主干输入特征，所述连续主干输入特征用于输入主干网络参与后续特征提取运算。

16、在本发明第一方面的一种实现方式中，利用所述离散条件向量生成缩放因子与偏移因子，包括：

17、将所述离散条件向量完整输入条件调制分支网络内部；

18、在所述条件调制分支网络内部分别执行两组相互独立的线性映射运算；

19、通过其中一组线性映射运算输出所述缩放因子；

20、通过另外一组线性映射运算输出所述偏移因子；

21、输出得到的所述缩放因子、所述偏移因子的向量维度与主干网络输出的所述主干隐藏特征的维度保持一致。

22、在本发明第一方面的一种实现方式中，使用所述缩放因子与所述偏移因子对所述主干隐藏特征做逐通道仿射调制得到调制后隐藏特征，包括：

23、将所述缩放因子与所述主干隐藏特征按照通道维度进行逐元素相乘运算；

24、获取逐元素相乘运算所输出的中间运算结果；

25、将所述中间运算结果与所述偏移因子继续执行逐元素相加运算；

26、完成逐元素相加运算之后输出得到所述调制后隐藏特征；

27、所述调制后隐藏特征融合了来自所述离散条件向量带来的掺杂、焦深约束信息，用于后续推理计算得到所述激光切片工艺参数集。

28、在本发明第一方面的一种实现方式中，依据所述激光切片工艺参数集，采用所述校正后光束执行晶圆内部改性扫描，包括：

29、实时采集晶圆表面高度起伏数据；

30、将所述晶圆表面高度起伏数据转换为控制信号，闭环调整物镜的轴向高度，维持激光焦点在晶圆内部的实际深度稳定；

31、解析所述激光切片工艺参数集，提取得到激光功率、扫描速度、扫描步距、脉冲重复频率；

32、按照提取得到的各项参数，控制所述校正后光束沿预设晶向执行多线全域扫描作业；

33、通过多线全域扫描作业，在4h-sic晶圆的晶体内部形成连续桥接的微爆改性层。

34、在本发明第一方面的一种实现方式中，采集剥离后晶圆质量指标，依据所述剥离后晶圆质量指标扩充工艺数据库或者触发神经网络增量学习，包括：

35、使用检测设备测定剥离完成后的晶圆的表面粗糙度以及临界剥离断裂强度；

36、比对测定得到的所述表面粗糙度、所述临界剥离断裂强度与系统预先设置的预设合格阈值；

37、当所述表面粗糙度、所述临界剥离断裂强度同时满足所述预设合格阈值时，将该批次晶圆对应的晶圆物理属性与当前使用的所述激光切片工艺参数集共同封装成为一条完整样本，将所述完整样本追加存储至所述工艺数据库内部；

38、当所述表面粗糙度、所述临界剥离断裂强度任意一项不满足所述预设合格阈值时，将当前全部工况对应的数据标记归入校准数据集；

39、调用所述校准数据集触发神经网络执行在线增量学习流程，对神经网络内部网络权重进行更新，降低后续工艺参数的预测偏差。

40、在本发明第一方面的一种实现方式中，在获取待切片4h-sic晶圆的电阻率、掺杂类型以及目标焦深之前，还包括构建所述工艺数据库：

41、选取多种不同掺杂类别的4h-sic晶圆样本，采集每一份晶圆样本对应的电阻率、掺杂浓度；

42、设置多组不同的目标焦深条件，针对各份晶圆样本开展多组激光单线微爆以及全域扫描试验；

43、结合双温模型开展仿真运算获取晶格温度演化信息，同时获取试验后晶片实际剥离质量检测结果；

44、依据晶格温度条件、晶片剥离断裂强度、晶片表面粗糙度的合格判定条件，从全部试验结果之中筛选得到多份合格加工样本；

45、将每一份所述合格加工样本整理为标准样本对，所述标准样本对以掺杂类型、电阻率、目标焦深作为输入维度，以激光功率、扫描速度、扫描步距、脉冲重复频率作为输出维度；

46、基于全部所述标准样本对统计计算得到对数电阻率均值与对数电阻率标准差，将统计得到的常量固化存储至所述工艺数据库，以供后续生成所述连续主干输入特征时调取使用，完成所述工艺数据库的整体构建。

47、第二方面，本发明提供了一种4h-sic晶圆智能激光切片系统。

48、一种4h-sic晶圆智能激光切片系统，包括参数采集与处理模块、智能工艺预测与控制系统、超快激光调控及聚焦模块、运动平台与z轴闭环跟踪模块、应力引导剥离单元、切片质量检测与闭环反馈单元；

49、所述参数采集与处理模块，用于获取待加工4h-sic晶圆的电阻率、掺杂类型、目标焦深，对所述电阻率执行对数变换及标准化处理生成连续主干输入特征，对所述掺杂类型、所述目标焦深执行独热编码拼接生成离散条件向量，并将所述连续主干输入特征、所述离散条件向量传输至所述智能工艺预测与控制系统；

50、所述智能工艺预测与控制系统，内置特征线性调制神经网络，用于接收所述连续主干输入特征、所述离散条件向量，推理输出激光切片工艺参数集，将所述激光切片工艺参数集输出至所述超快激光调控及聚焦模块、所述运动平台与z轴闭环跟踪模块，接收所述切片质量检测与闭环反馈单元反馈的剥离后晶圆质量指标，执行工艺数据库扩充或者神经网络增量学习。

51、在本发明第二方面的一种实现方式中，所述超快激光调控及聚焦模块包括超快激光器、半波片、偏振片、扩束镜、液晶空间光调制器、第一透镜、第二透镜、二向色分束镜、同轴ccd相机、配装压电陶瓷轴向微调机构的显微聚焦物镜；

52、所述超快激光器输出的加工激光依次经过所述半波片、所述偏振片完成激光偏振状态以及输出功率的调节，调节完成后的光束入射至所述扩束镜；

53、所述扩束镜对入射光束做光束准直以及口径放大处理，处理完成之后的光束入射至所述液晶空间光调制器；

54、所述液晶空间光调制器加载来自所述智能工艺预测与控制系统输出的球差补偿相位图对光束做相位校正得到校正后光束，相位校正之后输出所述校正后光束依次经过所述第一透镜、所述第二透镜组成的4f光学中继成像系统；

55、经过4f光学中继成像系统处理的光束入射至所述二向色分束镜，所述二向色分束镜将所述校正后光束做反射处理，反射后的所述校正后光束入射至所述显微聚焦物镜，所述显微聚焦物镜将所述校正后光束聚焦投射至待加工4h-sic晶圆的晶体内部；

56、所述二向色分束镜同时透射来自晶圆端的观测光路，透射的观测光路传输至所述同轴ccd相机，所述同轴ccd相机依托该透射光路完成晶圆表面微观特征以及光斑焦距的同轴对准观测；所述压电陶瓷轴向微调机构接收来自所述运动平台与z轴闭环跟踪模块输出的高度控制信号，带动所述显微聚焦物镜完成轴向位置的动态调整。

57、在本发明第二方面的一种实现方式中，所述运动平台与z轴闭环跟踪模块包含真空吸盘、水平旋转轴、三轴直线进给机构、同轴激光位移传感器，所述真空吸盘用于吸附固定待加工4h-sic晶圆，保障扫描加工过程中晶圆位置不发生偏移；

58、所述水平旋转轴用于带动晶圆旋转，完成晶圆特定晶向与扫描进给方向之间的对准作业，所述三轴直线进给机构用于承载晶圆，完成加工过程中的高速扫描进给以及步距方向的进给运动，所述同轴激光位移传感器实时采集晶圆的表面高度起伏数据，将采集得到的所述晶圆表面高度起伏数据转换为高度信号输出至所述智能工艺预测与控制系统；

59、所述应力引导剥离单元包含上下对置拉伸夹具，所述上下对置拉伸夹具能够对内部已经形成微爆改性层的待加工4h-sic晶圆施加均匀的拉应力，诱导晶圆内部横向微裂纹沿着改性层扩展贯通，得到已剥离下的晶圆片材，实现晶圆片材的剥离；

60、所述切片质量检测与闭环反馈单元用于测定剥离完成之后的所述已剥离下的晶圆片材的表面粗糙度与临界剥离拉力，得到剥离后晶圆质量指标；

61、当检测指标满足合格条件时，所述切片质量检测与闭环反馈单元将所述剥离后晶圆质量指标对应的达标样本相关数据回传至所述智能工艺预测与控制系统完成数据库扩充；

62、当检测指标超出合格范围时，所述切片质量检测与闭环反馈单元向所述智能工艺预测与控制系统输出重校准信号，触发神经网络的在线增量更新与自适应演进。

63、与现有技术相比，本发明的有益效果是：

64、本发明获取待切片4h-sic晶圆的电阻率、掺杂类型以及目标焦深，分别生成连续主干输入特征与离散条件向量，借助条件神经网络对特征做逐通道仿射调制，输出适配当前晶圆工况的激光切片工艺参数集，可以对应不同掺杂属性晶圆的材料特性输出相匹配的加工参数，缓解不同掺杂晶圆难以匹配适配加工条件的情况，同时依据目标焦深计算得到球差补偿相位图，对光束聚焦畸变进行校正得到校正后光束，再使用校正后光束开展晶圆内部改性扫描，能够降低晶体介质带来的光束聚焦偏差对内部改性效果带来的干扰，完成晶圆应力剥离之后采集剥离后晶圆质量指标，利用该指标扩充工艺数据库或者触发神经网络增量学习，可将实际切片质量反馈作用于后续的参数推理过程，逐步改善神经网络对不同工况下工艺参数的推理准确度，由此本发明可以适配不同掺杂类型4h-sic晶圆的激光切片加工场景，改善了加工适配效果，有助于减少晶圆加工过程中出现的不良情况。

65、本发明构建了“连续物理属性-离散掺杂条件”调制范式，解决了传统深度学习难以拟合强非线性突变关系的难题。本发明显式设计了基于特征线性调制（film）机制的条件神经网络，以对数标准化电阻率为主干连续输入，以掺杂类型和焦深为条件向量，通过在隐藏层实施逐通道的缩放（）与偏移（）仿射变换，实现了对不同掺杂类型下非线性加工边界的自适应精准解耦，显著提升了算法对复杂半导体材料加工物理特性的表征能力与表达精度。

66、本发明突破了经验试错局限，实现了跨批次/跨掺杂类型切片工艺参数的“秒级逆向预测与零试错决策”。传统激光切片工艺调整完全依赖经验法则或耗时费力的网格化参数试验，面对电阻率波动的晶圆极易造成昂贵衬底大量报废。本发明利用数据驱动的逆向映射网络，建立了从“晶圆电学/结构初始属性”到“激光功率p、扫描速度v、扫描步距、重复频率”的预测机制，测试集全参数判定系数，实现了新批次或不同掺杂晶圆工艺参数的秒级自适应智能生成，彻底摒弃了传统加工中的人工经验试错，极大地缩短了新批次晶圆的工艺开发周期。

67、本发明建立了“单一统一模型”替代“多模型碎片化拼贴”，具备极强的模型泛化性与跨材料迁移能力。现有技术若要应对多种掺杂类型，通常需要针对每种掺杂单独训练并维护独立的预测模型，维护成本高昂。本发明将离散掺杂特征作为条件分支引入神经网络，利用统一的网络范式即可融汇半绝缘型（高透光/低载流子）与导电型（高吸收/强路径耗散）等全部掺杂类型的工艺规律。该模型结构，不仅能适应同种掺杂类型内部的电阻率微小波动，还可无缝迁移至gan、金刚石等其他存在掺杂吸收突变的宽禁带半导体激光微纳加工领域。

68、本发明构建了“属性采集-深度算法推理-激光系统执行”的智能化激光切片系统。本发明将深度学习工艺预测引擎与检测数据（电阻率、聚焦深度）及激光加工参数控制进行深度集成。神经网络模型逆向推理输出的工艺参数可直接转化为工业控制指令，实现了“材料属性输入算法推理决策激光自适应补偿扫描”的全自动智能化加工闭环，为碳化硅衬底加工装备从“经验控制型”向“数据驱动智能控制型”跨越提供了核心深度学习算法支撑。

69、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。