SandBox将AI工具应用到IC制造方法

20世纪80年代，EDA公司如雨后春笋般涌现，提供商业工具来加速复杂的集成电路设计，从此芯片行业的发展轨迹发生了翻天覆地的变化。芯片制造商传统上依赖内部专业技术来改进工厂的工艺工程，而现在他们可能已经准备好接受为半导体生产而开发的商业工具。

制造是芯片行业的新主角。

美国《芯片和科学法案》不仅吸引了公司在美国建造晶圆厂，还帮助增加了工厂工人、半导体生产工程师（尽管仍然短缺）和制造供应链上的公司。

因此，半导体行业开始涌现出一批对生产工艺有着浓厚兴趣的年轻化学工程师。

Meghali Chopra就是这样一位博士创业者。

Chopra在Texas的Austin创办了一家名为SandBox Semiconductor的初创公司。该公司提供软件工具，旨在加速探索配方开发的新工艺方案。这些工具旨在为工艺工程师提供基于物理的AI建模。

20世纪80年代，EDA（Electronic Design Automation）公司的诞生加速了半导体设计进步的步伐，而Sandbox是加速工艺工程的公司之一。

SandBox的CEO Chopra说：“当人们谈论半导体时，他们谈得最多的是设计，而不是芯片制造。但现在人们更加关注制造，我认为芯片生产中的工艺开发和可扩展的配方具有超级挑战性。”

复杂的工艺工程

工艺工程有三个主要步骤：光刻、蚀刻和沉积。据Chopra称，Sandbox专注于蚀刻和沉积及其单元工艺。“因此，我们的目标主要是帮助工艺工程师尽快找出这些单元和单元步骤的正确参数。”

Chopra指出，制造芯片需要1200个单元工艺。用化学工程术语来说，一个单元工艺就是一个步骤。

为了说明工艺工程的复杂性，她解释说：“无论何时改变芯片设计，基本上都必须重复开发所有这些不同的单元工艺。”

她补充说，“这就是为什么它如此困难。”

此外，集成工程师需要协调所有单元工艺组合，而边缘或沉积工程师则必须开发实际的单元工艺。“因此，对于整个集成工艺中的每一个步骤，边缘或沉积工程师都会得到一组他们必须达到的指标。”

如今，工艺工程师依赖内部开发的工具来优化单元工艺。他们的工作（本质上是迭代试错）也在很大程度上依赖于进行手动调整的工艺工程师的经验和专业知识。他们都使用Excel来管理工艺开发。

由于这些工程师的知识很难翻译或转移，因此一些工厂对尝试SandBox Studio AI等新的商用工艺开发平台表现出浓厚兴趣也就不足为奇了。

SandBox的产品

SandBox的核心产品是SandBox Studio AI。

据该公司称，该平台使工艺工程师能够“利用基于物理、统计和机器学习（ML）的模型快速预测工艺结果”，从而加速产品交付。

SandBox的AI解决方案的独特之处在于“物理支持的AI”。Chopra解释说：“为了对这些非常复杂的工艺进行建模，我们使用了基于物理的基本真实模型。然后，我们使用AI来增强该模型。”

她说：“因此，如果我尝试用物理模型模拟这些工艺，一次模拟可能需要5分钟到几天的时间，因为它们实在太复杂了。当然，这对于在工厂工作的工艺工程师来说并不可行。”

SandBox使用AI来“实现即时预测”。Chopra指出，“我们可以为工艺工程师提供实时反馈。但在所有AI的背后，仍然是一个基于物理的基础层。”

SandBox Studio AI平台的最新成员是Weave，它主要应对混合计量挑战。

混合计量在工艺工程师中越来越受欢迎，因为他们需要精确测量复杂的结构，而单一的工具集无法全面查看这些结构。SandBox解释说，在3D NAND、DRAM和GAA架构时代，混合计量是解决开发尖端工艺所涉及的复杂性和各种测量任务的必要条件。

但有一个问题。由于每种工具只能显示特定的视图（横截面、自上而下等），因此要管理来自不同来源的数据并从中获得洞察既困难又耗时。不可避免的结果就是出错。

SandBox声称，其刚刚发布的Weave采用先进的ML技术，从SEM（Scanning Electron Microscope）和TEM（Transmission Electron Microscopy）数据中提取和分析剖面，从而显著提高了计量精度。Chopra说：“从本质上讲，我们正在使用我们的平台对数据进行预处理，并将其与我们的计算模型进行协调。”

该公司表示，Weave的目的是让工艺工程师免去手动测量SEM和TEM图像的繁琐工作。SandBox指出，这样做的结果应该是，在工艺定义、产能爬坡和量产过程中，计量精度更高、实验速度更快、成本更低。

Weave可直接插入SandBox Studio AI的建模平台，为工程师提供了一种高效的方法，用于从不同长度尺度的计量资源中收集数据、解决数据冲突问题，以及预处理和组织数据，以进行建模和分析。

SandBox的客户

Chopra于2016年成立了SandBox，那时距离她从Texas大学化学工程专业博士毕业还有一年时间。Chopra在Lam Research短暂实习后，由于没有在晶圆厂担任工艺工程师的经验，她创办了自己的初创公司。

Chopra解释说，就在她从Stanford毕业后搬到Texas时，Texas大学Austin分校成立了制造研究中心。在研究生期间，她与不同公司的工艺工程师接触，积累了行业经验。

这些经验明确了她的目标，并验证了她所研究的软件工具的潜在市场需求。

如今，SandBox已拥有近十家客户，包括工具供应商和芯片制造商。

工艺配方开发一直被认为是制造设备供应商（如Lam Research或Applied Materials）的领域。事实上，当这些公司交付一个巨大的蚀刻或沉积工具时，都会附带他们所谓的Best Known Method，一个既定的基准配方。

然而，当这些工具到了芯片制造商手中时，麻烦就来了。Chopra解释说：“首先，客户希望工具供应商对配方进行小幅调整。因此，供应商会调整他们的基准配方。客户还需要进行具体的优化，结果就是来回折腾，需要工具供应商做大量的手把手工作。”

更糟糕的是，Chopra指出，芯片制造商不仅仅只是采购单一的工具，他们会购买许多工具。“当你拥有20种工具时，问题就变得更加棘手，因为你需要确保所有工具都匹配。这些工具会随着时间的推移而发生变化，工程师使用它们的方式也不尽相同。因此，芯片制造商本身需要能够找到不同的配方调整，以获得所谓的chamber-to-chamber匹配。”

因此，尽管工具制造商和芯片制造商有不同的需求，但如果公司希望提高工艺产量，就必须能够调整配方。配方必须符合整个晶圆的目标规格。

目前，SandBox有20名工程师。除了一些种子投资外，自2018年开始运营以来，它从未筹集过资金。Chopra说：“我们实际上已经盈利了。”

但她补充说，“我们的目标是通过了解客户的问题来慢慢成长。”

审核编辑：刘清