預計 2018 年至 2050 年間，世界能源消耗將增長近 50%，隨著對可再生能源的需求增加、汽車工業系統電氣化以及對電源管理應用中設備的小型化和提高效率的需求不斷增長。

隨著半導體器件尺寸的縮小和變得更加復雜，缺陷定位和故障分析變得更加關鍵，也更具挑戰性。借助高密度互連、晶圓級堆疊、柔性電子器件和集成基板等結構元素，導致故障的缺陷有更多的隱藏空間。更糟糕的是，這些故障可能發生在設備封裝階段，導致產量下降和上市時間增加。

為了克服這一挑戰，結合電氣故障分析 （EFA） 和物理故障分析 （PFA） 可以更深入地了解故障機制，并最終提高性能、可靠性和制造良率。當先進的 EFA 和 PFA 分析工具結合到完整的 EFA 到 PFA 工作流程中時，這些工具使您能夠更快、更準確地定位和表征氮化鎵 （GaN） 等寬帶隙 （WBG） 材料中的細微電氣問題和碳化硅 （SiC）。

在功率器件中使用新材料

如今，半導體行業正在超越硅，開發下一代功率器件：WBG 功率器件。WBG 功率器件非常適合要求苛刻的應用，例如需要高功率的電動汽車或需要超長電池壽命的物聯網設計。不幸的是，GaN 和 SiC 等材料可能會遇到開發人員尚未見過的故障模式。因此，傳統的故障分析方法可能無法勝任這項任務。這使得識別可能影響產量和可靠性的根本原因變得更加困難。

硅金屬氧化物半導體場效應晶體管 （MOSFET） 提供了一個有用的示例。這些產品專為大功率應用而設計，已成為大多數開關電源應用的首選設備。不幸的是，功率 MOSFET 的性能已達到極限，因為新的要求要求在更小的封裝中提供更高的電壓和更快的頻率。使用 GaN 或 SiC 重新設計此類設備，可以為新興的大功率應用創建可靠、緊湊且具有成本效益的解決方案。

功率 MOSFET 器件的故障

當使用 WBG 材料制造時，功率 MOSFET 具有垂直結構，將源極和漏極放置在晶圓的相對兩側，從而實現更高的電流和電壓偏置。這與使用并行結構的 CMOS 器件不同。

在電氣領域，漏極和源極之間的漏電流 （I DSS ） 或柵極和源極之間的漏電流 （I GSS ） 是功率 MOSFET 故障的一般類別。將故障分析集中在這些機制上的能力提供了重要的見解，可用于改進生產方法、生產良率和未來設計。

圖 1：電子束圖像顯示了功率 MOSFET 晶片的漏極側，鋁沉積在鈦/氮化鈦層的頂部。

在物理實現中，鋁 （Al） 和鈦 （Ti） 或氮化鈦 （TiN） 的金屬層通常沉積在單個晶體管的頂部（圖 1）。這些不透明的層會造成故障隔離的困難。例如，很難使用光子發射顯微鏡或光束感應電阻變化 （OBIRCH） 掃描來準確觀察或定位缺陷。光子無法穿透金屬層，金屬可能會吸收 OBIRCH 激光。

EFA-TO-PFA 工作流程

WBG 功率器件（如功率 MOSFET）所帶來的一系列挑戰為采用新的故障分析方法提供了強有力的理由。

與功率設備制造商合作，開發和驗證了一個由四部分組成的工作流程，該工作流程結合了 EFA 和 PFA 的優勢，可實現電氣和物理故障的快速定位、隔離和可視化。例如，使用 Thermo Fisher Scientific 的 EFA 和 PFA 解決方案，工作流程從 EFA 進展到 PFA。四部分工作流程包括：

粗略故障隔離：在功率 MOSFET 中，故障可能是由于 I DSS或 I GSS泄漏電流。在這個階段，Thermo Scientific ELITE 和鎖定熱成像儀用于通過厚厚的頂層金屬檢測熱點及其位置。由于金屬層掩蓋了確切的缺陷，因此需要額外的步驟來準確確定故障及其確切位置。

樣品制備和去處理：為了準確識別故障及其確切位置，需要在金屬層中創建一個“窗口”以暴露各個晶體管。這是通過使用 Thermo Scientific Helios 5 PFIB 進行去處理來完成的，以去除 Al 和 Ti/TiN 的頂層。

精細故障隔離：然后使用帶有一個或兩個尖端納米探針的 Thermo Scientific ELITE 或 Hyperion II 對去處理區域進行精細故障隔離，以掃描并確定精確的故障位置。

成像和分析：通過精細故障隔離確定準確的故障位置后，使用 Thermo Scientific Helios 5 DualBeam 觀察和分析實際的物理缺陷。

圖 2：工作流程從粗故障隔離到去處理，再到精細故障隔離，再到缺陷成像，這是一個失敗的源接觸。

結果

在同一個示例中，我們與客戶合作，在有缺陷的 MOSFET 芯片和晶圓上測試和驗證了 EFA 到 PFA 的工作流程。

對于每個樣品，EFA 通過厚鋁層檢測到一個熱源。去處理快速、均勻地去除了鋁和 Ti/TiN 屏障，以進入感興趣區域 （ROI）。掃描 ROI 以在納米尺度上專門隔離故障。PFA 數據使客戶能夠成功地可視化和驗證各個故障位置的缺陷。

在所有情況下，工作流都實現了 100% 的成功率來導航并確定故障。

審核編輯：郭婷