华林科纳 硅片表面颗粒去除工艺

研究发现,碱性溶液(NH40H-H2O2-H2O)在去除硅片表面颗粒上比酸性溶液更有效。0.05:1:5的混合比例下,蚀刻速率为0.3nm/min,能保持晶片表面平滑度。pH值升高时,溶液可氧化并改变有机颗粒形态,提高去除效率。在酸性溶液中,如H2SO4-H2O2,强氧化性有助于粒子去除。碱性溶液依赖蚀刻和电排斥,而酸性溶液依赖氧化和分解机制。
    本文讲述了利用半导体制造中的酸和碱性溶液进行了硅片表面颗粒去除研究。结果表明,碱性溶液在颗粒去除效率方面优于酸性溶液。碱性溶液中的颗粒去除机理如下:溶液蚀刻晶片表面以去除颗粒,然后从晶片表面电排斥颗粒。通过实验确定,需要0.25nm/min或以上的蚀刻速率来去除吸附在晶片表面的颗粒。通过实验确定,需要0.25nm/min或以上的蚀刻速率来去除吸附在晶片表面的颗粒。当混合ra-tio设置为0.05:1:5(NH40H:过氧化氢:HzO)时,NH40H-HzOZ-Hz0溶液的蚀刻速率为0.3nm/min。通过这个混合比,晶片的表面平滑度保持在初始水平。因此,可以将NH40H-HzOZ-Hz0溶液中的NH40H浓度降低到常规水平的1/20。

此外,已经证实,当NH40H-Hz0z-Hz0溶液的pH值升高时,聚苯乙烯乳胶球和天然有机颗粒被氧化,表面变成凝胶,形状发生变化。有机颗粒的氧化可被降解。当NH40HHzO2-Hz0溶液中NH40H含量高于0.1:1:s(pH超过9.1)时,有机颗粒的氧化变得显著。这些实验结果表明,nh40H-hzo2-H20溶液的混合比应设为0.05:1:5。这种混合比可以有效地保持晶圆的颗粒去除效率和晶圆的表面平滑性。
实验过程 略
实验过后,我们发现溶液pH在酸性溶液中用H202或硫酸调整,用H202H和H202或TMAH在碱性溶液中用H202调整。在低pH溶液中,粒子的吸附量最高,随着溶液pH的增加,吸附粒子的数量减少。图。2也显示了众所周知的pH对Fe203粒的zeta势的影响。可以看到,这些图。1和2的曲线几乎完全匹配。据报道,随着溶液pH的增加,硅晶圆表面吸附的si02球或聚苯乙烯乳胶球的数量减少,如图1所示。
在这里插入图片描述

除此之外,在酸溶液中,h2s04-h202溶液去除颗粒的效率很高。预计h2so4-h2o2溶液由于其强氧化力而氧化和分解晶片表面吸收的粒子。此外,在H、S04溶液中,吸附在晶片表面的粒子数量有限,H2S04-H、0溶液具有较强的氧化力,以及晶片表面和颗粒之间的电状态,因此具有较高的颗粒去除效率。
图 12说明了去除吸附在晶片表面上的颗粒的机制。在具有极强氧化力的溶液中(如H2S04-H702溶液)。吸附在晶圆表面上的粒子被氧化。分解后,溶解成溶液。另一方面。在碱性溶液(如NH40H-H2O2-H、O)溶液中,蚀刻后去除吸附在晶片表面的颗粒,然后通过电排斥从晶片表面移出。碱性溶液需要晶片表面的蚀刻和电排斥力来去除粒子。碱性溶液在颗粒去除效率方面优于酸溶液。
在这里插入图片描述
其他结果 略
总结 略

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值