공정 가스에 방전을 일으키면 하나의 온도로 표현되는 가스가 되지 않습니다. 전자와 이온은 다양한 에너지 범위에 분포합니다. 웨이퍼 근처의 시스에서는 어느 쪽도 열평형 거동을 보이지 않습니다.
시스가 프로파일을 결정합니다. 이온이 식각을 수행하고 시스 전기장이 각 이온의 도달 에너지와 각도를 결정합니다. 측벽, 깊이 및 균일도는 이 두 값에 따라 달라집니다. 시스 모델이 부정확하면 화학 반응을 어떻게 기술하든 프로파일도 부정확해집니다.
시뮬레이션이 없으면 챔버를 제작하여 가동하거나 기존 장비의 가스를 바꿔야 결과를 알 수 있습니다. 두 방법 모두 장비 시간과 웨이퍼가 소요됩니다. 플라즈마 모델링은 이러한 스윕을 소프트웨어로 옮깁니다. Silvaco의 플라즈마 시뮬레이터 VSim은 이를 위해 개발되었습니다.
VSim Plasma
Particle-in-cell 기법을 기반으로 한 운동론적 플라즈마 코드입니다. 모든 압력의 배경 가스에서 전자, 이온 및 중성 입자를 추적하고 이들 사이의 탄성 충돌, 여기 충돌 및 이온화 충돌을 처리합니다. 결과로 웨이퍼에서의 이온 에너지 및 각도 분포를 얻습니다.
챔버 분석을 플라즈마 코드에 맡기기 전에 어떤 시스템에서 실행되었고 누가 활용했는지 확인하고 싶으실 것입니다.
국가 규모의 컴퓨팅 시스템
VSim은 University of Sydney의 Artemis, Argonne National Laboratory의 Theta, Lawrence Berkeley National Laboratory의 Cori 및 KAUST의 Shaheen II에서 실행되었습니다. 클러스터부터 최대 규모의 슈퍼컴퓨터까지 확장하도록 작성된 병렬 코드입니다.
CERN의 이온 소스 모델링
“소프트웨어 가치의 상당 부분은 제공받은 지원과 이온 소스 모델 설정에 대한 도움이었습니다. 덕분에 VSim은 우리 연구에 매우 유용해졌습니다.”
플라즈마 시뮬레이션은 플라즈마를 온도로 평균화한 하나의 가스로 취급하지 않고 입자별로 계산합니다. Particle-in-cell 코드는 자체 생성된 장 속에서 하전 입자와 중성 입자를 이동시키고 이들 사이의 충돌을 추적합니다. 평균값이 아니라 분포를 얻습니다. 공정 플라즈마는 열평형 상태가 아니므로 이 점이 중요합니다.
플라즈마 시뮬레이션은 식각 및 증착에 어떻게 도움이 되나요?
핵심은 표면에 무엇이 도달하는지입니다. 식각에서는 시스 전기장이 결정하는 웨이퍼에서의 각 이온의 에너지와 각도입니다. 스퍼터 증착에서는 타깃의 침식 패턴과 그에 따른 증착 프로파일입니다. 모델에서 챔버나 레시피를 변경하면 실제 장비를 조정하기 전에 두 결과가 어떻게 달라지는지 확인할 수 있습니다.
플라즈마 모델링은 TCAD 공정 시뮬레이션과 어떻게 연결되나요?
웨이퍼의 이온 플럭스를 통해 연결됩니다. VSim은 챔버 수준의 입자 분포를 생성하고 Victory Process는 이를 읽어 식각된 피처를 예측합니다. 챔버 변경 사항이 예측된 소자 구조에 직접 반영됩니다.
Tech-X와 VSim은 어떻게 되었나요?
Tech-X Corporation은 2025년 4월 Silvaco에 합류했으며 VSim은 Silvaco의 플라즈마 시뮬레이터로 계속 제공됩니다. Tech-X의 전 CTO인 John Cary는 현재 Silvaco에서 시니어 디렉터 및 펠로를 맡고 있습니다. 기존 VSim 사용자는 계속 txcorp.com을 통해 지원과 라이선스를 이용합니다.
플라즈마 시뮬레이션을 GPU 또는 슈퍼컴퓨터에서 실행할 수 있나요?
예, 슈퍼컴퓨터에서 실행할 수 있습니다. 코드는 HPC 시스템에서 병렬로 실행되며 Argonne의 Theta와 KAUST의 Shaheen II 같은 국가 규모의 시스템에서도 사용되었습니다. GPU와 관련하여 Silvaco는 Tech-X가 다중 노드 GPU 알고리즘을 포트폴리오에 도입한다고 밝혔습니다. 클러스터 규모를 산정하기 전에 애플리케이션 엔지니어와 상담하세요.
플라즈마 시뮬레이션은 FTCO 및 디지털 트윈과 어떻게 함께 사용되나요?
전체 운동론적 시뮬레이션은 공동 최적화 루프 안에서 실행하기에는 너무 느립니다. SURGE 2025에서 발표된 연구는 반응기 수준과 피처 수준을 연결하는 머신러닝 모델을 학습시키며, 이는 FTCO가 공정 데이터에 사용하는 대리 모델 방식입니다. Tech-X 도구와 Victory TCAD를 결합하는 목표 중 하나로 더 정확한 디지털 트윈이 제시되었습니다.