AI를 활용한 Fab Technology Co-Optimization (FTCO™)
제조 공정을 최적화하기 위한 일반적인 접근 방식은 공정 및 팹 엔지니어가 시행착오 접근 방식을 사용하여 DoE 를 생성하고 설정하는 것을 수반합니다. 웨이퍼 제조가 비용과 시간이 많이 소요되므로, 이러한 접근 방식은 종종 비용이 드는 반복 작업으로 이어집니다. 일반적으로 어떤 공정 파라미터가 목표를 충족하지 못하는지에 따라 몇 주에서 몇 개월의 시간이 필요할 수 있습니다.
현재 이미 사용중인 새로운 접근 방식은 AI 와 머신 러닝을 활용하여 제조 단계의 정확한 모델을 생성합니다. 이는 관련된 실제 물리학과 화학을 고려하는 팹 공정 (디지털 트윈)의 TCAD 디지털 모델을 사용합니다. 디지털 트윈 모델은 동일한 DoE 방법론을 사용하여 테스트 및 분석에 사용되지만 여러 개의 웨이퍼를 제조할 필요가 없으므로, 관련된 시간과 비용을 절약할 수 있습니다.
이번 시간에 FTCO 플로우를 사례와 함께 소개하고, 상황에 맞게 적용할 수 있는 통찰력을 제시합니다.
다음 사항을 살펴봅니다.
- FTCO 소개
- 디지털 트윈
- 머신 러닝
- Fab Technology Co-Optimization (FTCO™)
- FTCO를 지원하는 실바코 툴
- 공정 마진 분석을 위한 FTCO
- 사용 예: STI 트렌치 모델링 및 최적화
- 실시간 2D 구조 모델링 툴 (Real-Time 2D Structure Modeling, RTSM)
- 기타 FTCO 예시
발표
Christian Caillat 박사. 실바코 Senior Staff CAE
Christian Caillat 박사는 2023년 6월에 실바코에 입사하였습니다. 마이크론 테크놀로지에서 13년동안 근무하며, imec과의 신규 메모리 프로그램 협업, 3D NAND 셀 팀의 책임자, 최신 메모리 모델링 등의 다양한 프로젝트에 기여했습니다.
Caillat 박사는 프랑스 그레노블 공과 대학에서 전자공학 학위와 마이크로 전자공학 박사 학위를 취득하였습니다.
참석 대상
TCAD 엔지니어, 팹 엔지니어, 공정 엔지니어, 제품 관리자, 엔지니어링 관리자
일시 (한국 시각)
7/25 11:00 am
7/25 6:00 pm
7/26 2:00 am