ALD对照CVD淀积技术的优势
ALD 适合制备很薄的高K金属氧化物层,对腔室的真空度要求比较高,对反应气体源及比例的要求也较高。
目前沉积速率还是比较慢,大大限制了其在工业上的推广应用,不过随着设备技术的不断进步,包括ALD系统,前景还是很值得期待的。
ALD 除了常规的半导体高K 材料,太阳能等领域,军事上的用途: MCP , 热和快中子探测等领域。
应用范围会越来越广,只是,沉积速率,成本和价格的问题,在制约推广。
如果说严重不足应该是源的问题,不像CVD的源那样广

有了合适的源,ALD才能更好的发挥作用。
ALD发展是很迅速的,推广的步伐随着微电子及光伏的发展也在加快。现在的突出问题是其沉积速率低,源是一方面,但不是主要的。
由于低温沉积、薄膜纯度以及绝佳覆盖率等固有优点,ALD(原子层淀积)技术早从21世纪初即开始应用于半导体加工制造。DRAM电容的高k介电质沉积率先采用此技术,但近来ALD在其它半导体工艺领域也已发展出愈来愈广泛的应用。
高k闸极介电质及金属闸极的ALD沉积对于先进逻辑晶片已成为标准,并且该技术正用于沉积间隔定义的双倍暨四倍光刻图样(SDDP、SDQP),用以推广传统浸润式微影的使用,以界定高密度逻辑,memory设计的最小特征尺寸。本产业正在转换到三维结构,进而导致关键薄膜层对ALD的需求。

过去在平面元件中,虽可使用几个PVD与CVD步骤,但就闸极堆叠的观点而言,过渡到FinFET元件,需要全方位的ALD解决方案。FinFET大小尺寸及控制关键元件参数,对后闸极(gate last)处理的需求,按14nm制程,需用到全ALD层。有趣的是,使用FinFET减缓了效能提升,对介电质EOT缩放的需求,可用较缓慢的速度,调整闸极介电质厚度。

二氧化铪(HfO2)的厚度,对于最新一代的元件已缩小至15埃以下,再进一步的物理缩放,将会导致层形成不完全;对于二氧化铪的缩放,10至12埃似乎已达到极限。然而,利用能提升闸极堆叠k值,并且能使用实体较厚层之添加元素,本材料可预期延续,使用于更多代工艺,借以降低穿隧漏电流。

FinFET为解决平面结构中,某些关键整合难题的有效方式,尤其是控制短通道效应,以及使用轻掺杂或无掺杂通道,控制随机掺杂扰动。然而,对于先进制程节点,鳍部宽度已低于微影限制,需要ALD层,以供间隔定义的双倍光刻图样界定(SDDP)鳍部结构。

线缘粗糙度和CD圴匀度,在鳍部定义中扮演关键的角色,鳍部变异会使元件或晶圆之间的临界电压产生扰动。必须有效控制鳍部的蚀刻,以在最小化鳍部高度变异的同时,使晶体损害降到最低。由于邻近鳍部的阴影效应,对离子布植技术造成影响,鳍部的均匀掺杂会有挑战性。电浆掺杂也有类似问题。

将鳍部做成锥状,可以解决前述问题,解决覆盖性闸极介电质与金属沉积的忧虑,但下一代最终仍需要利用高掺杂、一致性、ALD层之固态掺杂之类的新颖方法以持续缩放鳍部。

在FinFET、多闸极元件中,Fin的侧边与上部为主动通道区。高k闸极介电质与金属闸极,必须以最小厚度及物理特性变异,以沉积于鳍部。变异将导致电晶体彼此之间产生临界电压变异和效能变异,或使鳍部的电流承载能力降低。另外,闸极接点金属,必须对闸极腔提供无空隙填充物。逐层ALD沉积快速地成为解决这些问题的唯一技术。

在标准平面替换闸极技术中,金属闸极堆叠,已由ALD、PVD以及CVD金属层的结合所组成。ALD用于覆盖性关键阻障物(critical barrier)与功函数(work function)设定层,而传统PVD和CVD用于沉积纯金属,给低电阻率闸极接点。

随着FinFET之类三维结构的出现,全方位ALD解决方案对于介电质、阻挡层与work function设定层,以及闸极接点具有关键性。最大热预算持续压低,理论上,金属沉积必须在低于500℃的温度下进行。纯金属之热ALD,在此温度范围具有挑战性,以及大部份将在此温度,形成纯金属的母材并不稳定,在沉积期间把杂质混入金属内。

然而,电浆增强型ALD(PEALD)的使用极具优势,这一技术能以混入最少杂质的方式,进行纯金属之低温沉积。直接或远端电浆两者皆可用于沉积纯金属,靠近闸极区,使用电浆仍留有某些忧虑。本产业持续评估不同低温金属母材,用以对藉由ALD沉积纯金属,提供一个适用于所有温度的解决方案。

三维架构和较低热预算的结合,对于特定关键薄膜沉积应用,需要由CVD与PVD移向ALD。在传统PVD与CVD技术领域中,已观察到对ALD替代的强烈关注。在不久的将来,可完全预期ALD扩展至MEOL与BEOL的应用。ALD母材的开发至关重要,尤其是在金属沉积空间中,以供交付特性与PVD/CVD基线效能匹配的薄膜。

除了确保ALD母材具有足够的反应性,母材的稳定度与蒸气压力具有关键性。若ALD大量取代传统的PVD和CVD技术,未来ALD母材的开发,在化学供应商、设备制造商以及元件制造商之间需密切配合,确保这些薄膜,能以可再生、生产保证的方式沉积。

ALD对照CVD淀积技术的优势相关推荐

  1. ALD和CVD晶体管薄膜技术

    ALD和CVD晶体管薄膜技术 现代微处理器内的晶体管非常微小,晶体管中的一些关键薄膜层甚至只有几个原子的厚度,光是英文句点的大小就够容纳一百万个晶体管还绰绰有余.ALD 是使这些极细微结构越来越普遍的 ...

  2. POE交换机技术及优势介绍

    PoE交换机就是支持对网线供电的交换机,和普通交换机相比就是受电终端(比如AP.数字摄像头等)不用再进行电源布线,对整个网络而言可靠性更高.今天,飞畅科技的小编在这里为大家详细介绍下POE交换机的技术 ...

  3. 云原生技术的优势是什么?

    也许云原生技术最大的优势是快速部署.还是那个天气应用,让我们假设一个国家的特定地区需要空气质量指数数据,要求快速实现功能. 云原生技术的优势是什么? 如果空气质量指数数据依赖于原系统运行,部署该功能可 ...

  4. 请详细告诉我物联网技术的优势

    物联网技术的优势包括: 实时监控:可以对实体物品进行实时监控和跟踪,并对其进行远程控制. 智能化:可以通过大量数据和人工智能技术来提高物品的智能化水平,并进行自动化操作. 连接性:可以将不同物品之间连 ...

  5. 中国商用5纳米工艺,技术领先优势获得认可,美国AMD给出5年合同

    早在半年多前,中国就陆续有芯片企业表示可以实现3nm.5nm工艺芯片的封测技术,如今中国的芯片企业通富微电表示已正式商用5nm封测技术,还获得了美国芯片企业AMD一笔大单,双方的合作将延续到2026年 ...

  6. BIM技术的优势和应用有哪些?

    随着BIM技术在我国的快速发展,越来越多的企业与个人对于其在建筑业的应用非常重视,纷纷开始进行尝试与应用,其中不乏佼佼者,今天笔者就与各位聊聊BIM技术的优势和应用有哪些? 一.可视化沟通平台 对于没 ...

  7. 2D和3D机器视觉检测技术的优势和局限性

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉 机器视觉一般由工业光源,图像采集单元,图像处理 ...

  8. 随机对照试验设计有哪些先天优势?

    随机对照试验一般用于干预措施疗效比较,其设计的核心要点在于对受试者的分配入组是由正式的随机化程序确定的,最大程度降低选择性偏倚.下图1展示了申办方发起的随机对照试验设计.实施.结果报告的全流程,尽管每 ...

  9. linux虚拟化技术 教程,Linux上实现虚拟化技术的优势

    何晓龙:Linux上实现虚拟化技术,和Windows实现虚拟化技术相比有哪些优势? 金林钢:省钱.技术层面Windows是微软自己开发的,Linux是全世界所有开源的人一起开发的.我们Linux用的是 ...

最新文章

  1. Blender 2.9中的真实感三维产品全流程制作学习教程
  2. 深度学习的强大应用,且看如何用神经网络给可爱的圆滚滚们发对象!
  3. C~K要找女朋友了!!!_JAVA
  4. 外媒:苹果正研发新的Apple Watch机型 显示屏和速度将升级
  5. 【Java学习】网络编程1
  6. winpe+linux iso,用syslinux引导maxdos,winpe,slax l
  7. python三种基本的数据类型有_python基本数据类型一
  8. 如何编写好的软件设计文档
  9. MongoDB从入门到高级的实战操作
  10. 在线上传图片二维码识别解析
  11. MVX-Net: Multimodal VoxelNet for 3D Object Detection
  12. spring data mongodb 大数据量查询性能差的原因(20s 优化到2s)
  13. table固定列html5,css+js简单实现table固定首行首列
  14. Python爬虫天涯论坛美图
  15. android 最新微信红包,分享Android微信红包插件
  16. 【码农话健身】健身房练胸窍门
  17. Mac 几款不错的文件管理工具
  18. 泰凌微BDT烧录软件遇到的问题
  19. linux 进程 锁定cpu,如何限制Linux中任何进程的CPU使用情况 | MOS86
  20. JAVA带财务进销存 ERP管理系统源码《免费分享源码》

热门文章

  1. 2022-2028年中国塑料鞋行业市场发展调研及未来前景规划报告
  2. 顺时针打印矩阵 python
  3. 只要5分钟用数据可视化带你看遍11月份新闻热点事件
  4. Tensorflow函数——tf.variable_scope()
  5. 算法精解:DAG有向无环图
  6. LeetCode中等题之删除链表的中间节点
  7. 无人驾驶传感器融合技术
  8. Django celery6.4
  9. 【CV】吴恩达机器学习课程笔记第10章
  10. DNC-cs6200 ospfv3