近年来HBM(高带宽内存)与 Chiplet(小芯片)集成技术发展迅速，这给检测工作带来了全新的挑战，简单来说Chiplet 技术就像把多个小积木拼在一起，而 HBM 则是这些积木中负责高速数据传输的关键部分，在先进封装工艺中这些高密度互连的 3D 堆叠结构，比如系统级封装(SiP)对 X-Ray 检测提出了极高的要求，今天际诺斯想和大家聊聊如何用 X-Ray 来发现 HBM 堆叠中的那些“隐形杀手”。
Chiplet 异构集成是目前芯片设计的主流趋势，它将不同功能、不同工艺的芯片(如逻辑芯片和 HBM)通过先进封装技术整合在一起，HBM 的典型结构是 3D 堆叠，就像叠罗汉一样，一层层 DRAM 芯片通过 TSV(硅通孔)和微凸点垂直连接，TSV 就像芯片里的“高速公路”，而微凸点则是连接这些高速公路的“立交桥”，底部填充胶则像胶水一样，把芯片和基板粘牢，防止它们因为热胀冷缩而开裂，在 Chiplet 异构集成中不同供应商的 HBM 和逻辑芯片，其热膨胀系数和材料密度往往不同，这意味着不能用一套固定的 X-Ray 检测参数去应对所有情况，必须建立一个基于材料、结构和缺陷类型的动态参数库，才能实现真正的“参数一键优化”，从工艺工程师的标准化困境来看，这种结构复杂性是最大的挑战，例如当检测 TSV 时需要高分辨率来发现微小的空洞，而检测微凸点时又需要合适的电压来穿透金属层，这就像用同一台相机拍蚂蚁和大象，参数设置完全不同。
在 HBM 堆叠中最常见的缺陷包括 TSV 的断裂、空洞和偏移，这些缺陷就像高速公路上的坑洞或断桥会严重影响信号传输，微凸点则容易出现桥接(两个不该连在一起的凸点连上了)、缺失或形貌异常，这就像立交桥的匝道堵了或者断了，底部填充胶的气泡、裂纹和不均匀分布，可能导致芯片在后续使用中开裂，在 Chiplet 异构集成中一个微小的缺陷可能引发“级联失效”，比如，一个 TSV 空洞可能导致整个 HBM 堆叠的供电不稳，进而影响逻辑芯片的正常工作，这种连锁反应会严重降低系统级封装(SiP)的良率，过去，我们常常面临“数据孤岛”的问题——检测数据、工艺参数和材料批次之间没有关联，这导致漏检和误检率居高不下，我的建议是，构建一个“缺陷-工艺-材料”三元关联图谱，每次检测时把缺陷的类型、位置、尺寸，与当时的电压、电流、曝光时间以及材料批次信息绑定在一起，当发现某个批次材料容易产生特定缺陷时就能反向调整检测参数，从而降低误检率。
针对 HBM 堆叠结构，X-Ray 设备的选择很重要，通常，我们需要纳米级分辨率的设备，关键参数包括电压、电流、曝光时间和分辨率，例如检测 TSV 空洞时可能需要较高的电压(比如 100kV)来穿透硅基板，同时降低曝光时间以避免图像模糊，而检测微凸点桥接时则需要更高的分辨率(比如 0.5 微米)和较低的电压，参数一键优化的核心不是预设一个固定值，而是建立基于实时图像质量反馈的闭环调整机制，例如当系统检测到 TSV 空洞时它会自动提升电压并降低曝光时间，以增强对比度，当检测到微凸点桥接时则自动切换至更高分辨率模式，这种“缺陷类型驱动参数切换”策略，能大幅减少人工干预，解决参数波动大的痛点，在 3D 堆叠结构下多角度成像也很重要，我们可以通过旋转样品从不同角度拍摄，然后利用三维重建技术，更准确地判断缺陷的位置和大小。
高精度图像处理算法是识别微小缺陷的关键，例如，我们可以用边缘检测算法来识别 TSV 的轮廓，用形态学运算来分离重叠的微凸点，多角度成像和三维重建技术，能帮助我们判断缺陷是表面还是内部的，在 Chiplet 异构集成中TSV 和微凸点的缺陷往往同时出现，例如一个 TSV 空洞可能导致其上方微凸点的应力集中，从而引发桥接，因此我们需要联合识别策略同时分析这两种结构，
小贴士： 引入缺陷置信度评分机制，可以显著降低误检率，我们将检测结果按置信度高低分级处理：高置信度缺陷直接报警并触发参数回溯;低置信度缺陷进入人工复核队列，同时自动标记为“待验证”，并关联后续电测数据，，既避免了过度依赖算法导致的漏检，又减少了人工复核的工作量，基于机器学习的缺陷分类方法也很有效，我们可以用卷积神经网络(CNN)来训练模型，让它自动识别 TSV 空洞、微凸点桥接等缺陷，随着训练数据的增加，模型的准确率会越来越高。
去年我们服务了一家国内领先的先进封装企业，他们采用 Chiplet 技术集成 HBM 产品，但在 HBM 堆叠过程中，出现了 TSV 空洞和微凸点桥接问题，导致良率下降了 15%。
问题描述： 经过初步分析，我们发现 TSV 空洞主要出现在堆叠的中间层，而微凸点桥接则集中在边缘区域，传统检测方法很难同时发现这两种缺陷，导致漏检率高达 30%。
解决方案： 我们引入了际诺斯提供的 X-Ray 检测系统，，我们根据材料批次和结构特点，建立了动态参数库，针对 TSV 空洞，我们设置了 100kV 电压、0.8 微米分辨率和 2 秒曝光时间;针对微凸点桥接，我们切换至 60kV 电压、0.5 微米分辨率和 1.5 秒曝光时间，同时，我们引入了基于机器学习的智能识别算法，并建立了“缺陷-工艺-材料”三元关联图谱。
实施效果： 经过一个月的优化，检测准确率提升至 99.2%，漏检率降低了 60%，检测效率提高了 40%，更重要的是，我们引入了“持续学习”机制——每次检测后，系统会自动将新缺陷样本加入训练集，定期更新模型，这使得检测系统能适应不同批次材料的微小变化，真正实现了参数一键优化和数据互联互通的长期价值。
X-Ray 检测在 HBM 与 Chiplet 集成中扮演着越来越重要的角色，随着 Chiplet 异构集成和 3D 堆叠技术的不断发展，对检测技术的要求也会越来越高，未来，X-Ray 检测系统不应只是一个“检测工具”，而应成为工艺工程师的“工艺大脑”，通过数据互联互通，它能自动生成检测标准与 SOP 草案，并基于历史数据预测缺陷趋势，实现从被动检测到主动预防的跨越，我相信，随着技术的进步，我们一定能攻克更多检测难题，为半导体行业的发展贡献力量。
留言板
返回列表