摘要

本論文圍繞超薄晶圓切割工藝，探討切割液性能智能調控系統與晶圓 TTV 預測模型的協同構建，闡述兩者協同在保障晶圓切割質量、提升 TTV 均勻性方面的重要意義，為半導體制造領域的工藝優化提供理論與技術參考。

引言

在半導體產業飛速發展的當下，超薄晶圓切割工藝的精度要求不斷提升，晶圓 TTV 作為關鍵質量指標，直接影響芯片制造良率與性能。切割液性能的穩定對控制 TTV 至關重要，而傳統工藝中，切割液參數調整多依賴經驗，缺乏實時性與精準性。因此，構建切割液性能智能調控系統與晶圓 TTV 預測模型，并實現兩者協同，成為提升晶圓切割質量的關鍵路徑。

切割液性能智能調控系統構建

切割液性能智能調控系統以傳感器網絡為基礎，實時采集切割液的溫度、濃度、pH 值、黏度等關鍵參數。例如，利用紅外溫度傳感器監測切割液溫度，通過電導率傳感器檢測濃度變化。系統搭載的智能算法，如自適應 PID 控制算法，可根據預設參數閾值，自動調節切割液的補充、循環與添加劑投放，確保切割液性能穩定。同時，系統具備人機交互界面，方便操作人員進行參數設定與系統監控，實現對切割液性能的智能化、自動化調控。

晶圓 TTV 預測模型構建

晶圓 TTV 預測模型基于機器學習算法構建。首先，收集大量歷史切割數據，包括切割液性能參數、切割工藝參數（如切割速度、刀具轉速）以及對應的 TTV 檢測數據。然后，選擇合適的機器學習模型，如長短期記憶網絡（LSTM）或梯度提升決策樹（GBDT），對數據進行訓練。LSTM 能夠有效處理時間序列數據，捕捉切割過程中各參數與 TTV 之間的動態關系；GBDT 則在處理非線性關系上表現出色，可精準預測不同參數組合下的 TTV 值。通過不斷優化模型參數，提高預測模型的準確性與泛化能力。

兩者協同機制

切割液性能智能調控系統與晶圓 TTV 預測模型的協同體現在數據交互與動態反饋上。預測模型根據當前切割液性能參數及工藝參數，實時預測 TTV 值，并將預測結果反饋給智能調控系統。若預測 TTV 值超出目標范圍，智能調控系統依據反饋信息，調整切割液性能參數，如增加冷卻劑濃度以降低切割熱，或調整潤滑劑比例改善潤滑效果，從而優化切割條件，使 TTV 向目標值靠近。這種協同機制形成閉環控制，實現對晶圓 TTV 的精準調控。

實驗驗證

為驗證協同構建的有效性，設計對比實驗。設置對照組采用傳統切割工藝，實驗組應用切割液性能智能調控系統與晶圓 TTV 預測模型協同工作的工藝。實驗過程中，實時記錄兩組的切割液性能參數與晶圓 TTV 數據。初步實驗結果顯示，實驗組的 TTV 波動范圍明顯小于對照組，平均 TTV 值降低 25% - 35%，證明兩者協同構建對提升晶圓 TTV 均勻性具有顯著效果。

高通量晶圓測厚系統運用第三代掃頻OCT技術，精準攻克晶圓/晶片厚度TTV重復精度不穩定難題，重復精度達3nm以下。針對行業厚度測量結果不一致的痛點，經不同時段測量驗證，保障再現精度可靠。?

我們的數據和WAFERSIGHT2的數據測量對比,進一步驗證了真值的再現性：

（以上為新啟航實測樣品數據結果）

該系統基于第三代可調諧掃頻激光技術，相較傳統雙探頭對射掃描，可一次完成所有平面度及厚度參數測量。其創新掃描原理極大提升材料兼容性，從輕摻到重摻P型硅，到碳化硅、藍寶石、玻璃等多種晶圓材料均適用：?

對重摻型硅，可精準探測強吸收晶圓前后表面；?

點掃描第三代掃頻激光技術，有效抵御光譜串擾，勝任粗糙晶圓表面測量；?

通過偏振效應補償，增強低反射碳化硅、鈮酸鋰晶圓測量信噪比；

（以上為新啟航實測樣品數據結果）

支持絕緣體上硅和MEMS多層結構測量，覆蓋μm級到數百μm級厚度范圍，還可測量薄至4μm、精度達1nm的薄膜。

（以上為新啟航實測樣品數據結果）

此外，可調諧掃頻激光具備出色的“溫漂”處理能力，在極端環境中抗干擾性強，顯著提升重復測量穩定性。

（以上為新啟航實測樣品數據結果）

系統采用第三代高速掃頻可調諧激光器，擺脫傳統SLD光源對“主動式減震平臺”的依賴，憑借卓越抗干擾性實現小型化設計，還能與EFEM系統集成，滿足產線自動化測量需求。運動控制靈活，適配2-12英寸方片和圓片測量。