에칭된 탄화규소(SiC) 웨이퍼의 결함 감지

탄화규소(SiC)는 첨단 회로의 기술적, 물리적 속성을 구성하는 데 사용되므로 반도체 산업에서 중요한 재료입니다. SiC 장치는 향상된 효율성, 전력 밀도 및 신뢰성을 제공하여 전기차, 재생 에너지 시스템, 산업용 드라이브 등 여러 산업에서 전기 전자 분야에 혁명을 일으키고 있습니다.

이 글에서는 SiC 재료 제조사인 EEMCO가 Evident와의 협력을 통해 완성형 에칭 SiC 웨이퍼의 이미지 분석 프로세스를 간소화한 방법을 알아봅니다. 기술 협력의 결과, 머신 러닝 기능이 탑재된 Evident의 맞춤형 소프트웨어는 웨이퍼 결함 감지 및 특성 분석의 정확성과 효율성을 향상할 수 있었습니다. 이러한 혁신 기술과 이 기술이 여러 산업에 미친 영향에 대해 자세히 알아보세요. 
 

SiC 장치의 응용 분야

SiC 장치의 세 가지 주요 응용 분야는 자동차, 고전력 전자장치 및 재생 에너지 산업입니다. 

1. 자동차

자동차 산업의 경우 전기 드라이브에 대한 수요가 급격히 증가해 왔습니다. 60%를 넘는 시장점유율을 가진 전기 드라이브는 고전력 전자장치 시장에서 중요한 요소입니다.¹ 이로 인해 전기차/하이브리드 자동차(EV/HEV)를 위한 고효율 전력 반도체에 대한 수요가 증가하고 있습니다. 

SiC 기반 반도체는 기존의 Si 기반 부품에 비해 분명한 장점을 보여주어 SiC 기반 전력 반도체로 빠르게 전환하는것이 바람직함을 시사합니다. SiC가 제공하는 높은 효율성과 전력 밀도는 범위를 향상하고 시스템 크기를 줄이며 충전 시간을 단축합니다. 일반적인 응용 분야로는 효율성이 뛰어난 인버터, 온보드 충전 전자장치, 부스터, DC/DC 컨버터 등이 있습니다. 

SiC 단결정을 경제적으로 사용하기 위한 필수 조건 중 하나는 단결정의 최저 결함 밀도와 최대 결정 웨이퍼입니다(현재 6인치 웨이퍼가 표준이며, 곧 8인치 웨이퍼가 도입될 예정입니다.). 이를 위해서는 EEMCO가 제공하는 기술과 같이 복잡한 결정 증식 기술을 마스터해야 합니다.

2. 고전력 전자장치

보조 전력 공급 장치의 필요성으로 인해 광범위한 산업 응용 분야가 영향을 받습니다. 이러한 응용 분야에는 일반적으로 모터 드라이브, 인버터, 산업용 제조 장비(로봇공학 포함)가 포함됩니다.

탄화규소의 고유한 특성은 시스템의 에너지 효율성, 신뢰성, 성능을 크게 향상시킵니다.5 SiC 기반 기술을 사용하는 대표적인 장치는 쇼트키 다이오드(쇼트키 배리어 다이오드(SBD)라고도 부름)부터 접합형 게이트 전계 효과 트랜지스터(junction-gate field-effect transistor, JFET) 및 모스 전계 효과 트랜지스터(metal-oxide semiconductor field-effect transistor, MOSFET)까지 다양합니다. 

SiC SBD는 절연 게이트 양극성 트랜지스터(insulated gate bipolar transistor, IGBT) 전력 모듈과 역률 보정(power factor correction, PFC) 회로에 널리 사용됩니다. SiC는 이러한 응용 분야에서 효율성을 높이고 냉각 요구 사항을 낮추기만 하는 것이 아닙니다. 성능을 저해하지 않고 수동 부품의 양을 줄이고 설계를 간소화하므로 장치 설계도 간소화됩니다. 이와 같은 특성은 IT 산업, 특히 데이터 센터 분야에서 유용합니다.

3. 재생 에너지

태양력, 풍력, 재생 에너지 저장 산업은 놀라운 성장세를 보이고 있습니다. 재생 에너지 부문은 공급과 수요의 균형을 효과적이고 효율적인 방식으로 유지할 수 있는 부문입니다. 수년간 재생 에너지는 SiC 제품의 사용이 선호되는 응용 분야였지만, 현재의 기후 위기와 에너지 위기로 인해 대체 에너지원에 대한 수요는 훨씬 더 커졌습니다. 

일반적인 응용 분야로는 인버터와 부스터(전력 컨버터)와 같은 고효율 전자 전력 장치뿐만 아니라 전력 변환과 에너지 저장 시스템을 위한 필수 부품이 있습니다. 전기　저장 장치의 충전 손실은 일반적으로 6~9%인데, SiC 기술을 적용하면 손실률을　크게 낮출 수 있습니다.¹ SiC 기반 장치 기술은 또한 복잡한 회로 설계를　단순화하여 전체적으로 필요한 부품 수가 줄어듭니다.
 

SiC 웨이퍼의 최종 제품 품질 관리 및 모니터링

많은 산업에서 SiC 기반 장치 기술을 필요로 하는 가운데 SiC 제조사들은 생산 과정에서 혁신, 품질, 효율성을 높이는 데 중점을 두고 있습니다. 그 중 한 예가 2020년 EBNER에서 분사한 스타트업인 EBNER EUROPEAN MONO CRYSTAL OPERATION(EEMCO)입니다. 

"EEMCO는 반도체 산업을 위해 200mm SiC 기판을 대량 생산하고자 하는 유럽 최초의 독립 회사"라고 EEMCO에서 공정 엔지니어링을 담당하고 있는 Mirko Löhmann은 소개합니다. 

이 오스트리아 회사는 결정 성장 장치 설계 및 제조 분야에서 12년간 쌓은 R&D 경험을 활용하여 4H SiC 단결정 성장 프로세스를 위한 전용 용광로를 개발하고, 200mm 보울(boule) 및 퍽(puck)으로 다음 단계를 밟고 있습니다.

오스트리아 레온딩에 위치한 시설에서 전 세계 전문가로 구성된 EEMCO 팀은 반도체 산업을 위한 SiC 단결정을 배양합니다. 

"이러한 결정은 자동차, 산업, 재생 에너지 부문과 같은 고전력 응용 분야에서 사용됩니다."라고 EEMCO에서 결함 엔지니어링을 감독하는 Sebastian Hofer는 설명합니다..

EEMCO는 운영 중인 용광로 수를 늘리고 있습니다. 용광로에서는 물리적 증기 운송(physical vapor transport, PVT) 프로세스를 통해 SiC 단결정이 성장하여 SiC 기상에서 단결정을 형성합니다. 

"우리 회사의 목표는 이러한 유형의 SiC 결정을 생산하는 유럽 최초의 독립 회사로서 전략적 하이테크 제품을 제조하여 미국 또는 중국의 공급업체에 의존하지 않도록 고품질 대안 재료를 제공하는 것입니다."라고 Hofer는 말합니다. Löhmann은 "또한, 지속 가능한 에너지 절약 제품인 SiC는 다양한 시장과 최종 소비자 제품에 걸쳐 CO2 감소에 상당히 기여합니다."라고 덧붙입니다.

고품질 150 및 200mm 퍽을 전문으로 하는 EEMCO는 독자적 용광로와 공정 기술을 활용합니다. "지난 2년 동안, 우리는 SiC 결정 성장 장비 및 공정과 관련된 30개가 넘는 특허를 출원했습니다. 우리의 전략은 주로 유럽 고객을 대상으로 전 세계 잉곳(ingot) 제조 및 공급을 위해 150 및 200mm SiC 단결정을 증식하는 것입니다."라고 Hofer는 설명합니다. 

생산 공정과 최종 제품의 품질을 관리하고 모니터링하려면 150 또는 200mm 직경의 SiC 웨이퍼 전체를 100% 광학적으로 분석해야 합니다. 이 작업에는 두 가지 어려움이 따릅니다.

• 고해상도 이미징: 웨이퍼 전체에 대한 고해상도(1~2μm/픽셀) 이미지를 획득하려면 시간이 많이 들고 웨이퍼당 여러 기가바이트의 데이터가 생성됩니다.
• 전위 감지: 기존의 입자 분석은 클러스터링되고 오버레이된 전위(dislocation)를 감지하는 데 충분하지 않습니다. 단순한 임계값 기반 분할(segmentation)은 정확성이 부족하여 의미 있는 결과를 얻을 수 없습니다.

"에칭된 SiC 웨이퍼 전체를 획득하고 분석해야 합니다."라고 Löhmann은 설명합니다. "우리가 실험실에서 사용하는 Evident의 산업용 이미징 플랫폼인 PRECiV™ 소프트웨어를 기반으로 솔루션을 개발하기 위해, 우리는 Evident Technology Center Europe(ETCE)의 맞춤형 솔루션 팀과 협력했습니다."라고 덧붙였습니다. 이 협력을 통해 우리는 머신 러닝을 사용하여 에칭된 SiC 웨이퍼 전체에 대한 결함 특성 분석 역량을 향상합니다.
 

대형 SiC 웨이퍼에 대한 광학 분석용 맞춤형 솔루션 설계

Evident Technology Center Europe(ETCE) 맞춤형 솔루션 그룹(Customized Solutions Group, CSG)의 솔루션 매니저인 Norbert Radomski 박사와 Sergej Bock 박사는 이러한 맞춤형 웨이퍼 검사 솔루션의 장점을 설명합니다. 

“에칭된 SiC 웨이퍼 전체에 대한 획득과 분석을 통해 우리는 웨이퍼 검사 솔루션 포트폴리오를 확장했습니다.^{2, 3} 이제 우리는 에칭된 완전한 6인치 및 8인치 탄화규소 웨이퍼를 획득하고 분석할 수 있습니다.”라고 Norbert는 말합니다. Sergej는 여기에 “이 솔루션은 머신 러닝을 사용하여 결함 특성 분석을 향상합니다. 또한, 효율성을 향상하기 위해 데이터 획득과 동시에 분석을 수행합니다.”라고 덧붙였습니다.

이러한 검사 솔루션은 SiC 결정 성장 프로세스 동안 발생할 수 있는 결함을 찾아내고 특성을 분석하는 데 중요합니다. 

SiC 결정은 물리적 증기 운송(PVT) 방법을 사용하여 증식합니다. 이 방법에서는 SiC 기상에서 단결정이 증식됩니다. 성장 프로세스 동안 결정 응력을 통제하는 것은 마이크로파이프(micropipe, MP), 기판 표면 전위(basal plane dislocation, BPD), 스레딩 스크류 전위(threading screw dislocation, TSD), 스레딩 에지 전위(threading edge dislocation, TED)와 같은 결함의 확장된 밀도를 최소화하는 데 필수적입니다.4 이러한 결함은 SiC 웨이퍼의 전기적 특성에 영향을 미칩니다. Molten KOH 에칭 방법은 SiC의 전위 특성을 분석하는 효과적인 방법으로 간주됩니다.5

그림 1은 마이크로파이프(MP), 기판 표면 전위, 스레딩 스크류 전위(TSD), 스레딩 에지 전위(TED)와 같은 에칭된 SiC 웨이퍼의 다양한 결함 유형의 예를 보여줍니다.
 

그림 1. KOH로 에칭된 SiC 웨이퍼의 일반적인 결함에 대한 현미경 이미지.6 이미지 출처: MDPI.
 

EEMCO가 Evident에 한 요청 사항: 생산 공정과 최종 제품의 품질을 관리하고 모니터링하려면 6인치 또는 8인치 직경의 SiC 웨이퍼 전체를 100% 광학적으로 분석해야 합니다. 

이것은 상당한 도전이었다고 Norbert는 말합니다. “첫째, 웨이퍼 전체에 대한 고해상도(1~2µm/픽셀) 이미지를 획득해야 하는데, 이는 시간이 많이 들고 웨이퍼당 여러 기가바이트의 데이터를 생성합니다. 둘째, 기존의 입자 분석으로는 전위 감지를 수행할 수 없습니다. 전위의 클러스터링되고 오버레이되는 경향으로 인해 단순한 임계값 기반 분할은 의미 있는 결과를 제공하기에는 정확성이 충분하지 않습니다.“

임계값 측정은 이미지의 특정 구조를 감지하지 못합니다. 대신, 사전 정의된 그레이스케일 또는 RGB 강도 값에 따라 여러 대상을 구분하지 않고 한 번에 감지합니다⁷. Sergej는 “이와 대조적으로, 머신 러닝은 관심 대상의 대표적 예 여러 개를 기반으로 대상 감지를 위한 규칙을 형성합니다.”라고 말합니다. 이전에 이미지에 설정된 임계값과 상관없이 이미지 영역을 분류하는 방법을 학습한 심층적 인공 지능 신경망을 기반으로 자동화된 평가 작업 덕분에 이미지 분석이 쉬워지고 정확해집니다.⁷

맞춤형 솔루션 팀은 적절하게 훈련된 신경망을 사용한 분할 접근법(그림 2 참조)을 사용하여 클러스터링되고 중첩된 전위를 자동으로 분리할 수 있으며(그림 3 참조), 이를 통해 충분한 결함 밀도 분석이 가능해진다는 점을 입증했습니다.
 

그림 2. 전위 훈련 라벨의 스크린샷(위쪽 부분)과 에칭된 SiC 웨이퍼의 명시야 이미지(이미지 해상도: 1.095µm/픽셀).
 

그림 3. 신경망 분할로 감지된 전위의 스크린샷(위쪽 부분)과 에칭된 SiC 웨이퍼의 명시야 이미지(이미지 해상도: 1.095µm/픽셀). 클러스터링된 전위와 오버레이된 전위가 분리되어 있습니다.
 

그러나, 신경망 훈련과 실행에는 많은 컴퓨팅 성능이 필요하다는 점을 인식해야 합니다. 보통 이러한 성능은 CUDA(Compute Unified Device Architecture) 지원 NVIDIA 그래픽 카드의 수백 개 또는 수천 개의 CUDA 코어를 사용하여 제공합니다. 

“1.095µm/픽셀의 해상도로 이미지화된 6인치 웨이퍼의 총 이미지는 약 4,000개의 단일 이미지로 구성되며, 그 크기는 약 25GB입니다. 최첨단 그래픽 카드를 사용해도 신경망으로 전체 이미지의 분할을 계산하면 몇 시간이 소요될 것입니다.”라고 Sergej는 설명합니다.

따라서 SiC 웨이퍼의 품질 기준은 영역당 전위 밀도이므로, 이 맞춤형 솔루션은 두 대의 PC를 사용하여 획득 프로세스와 분석 프로레스 나눠 병렬 작업하는 것입니다. 이렇게 하면 처리량이 두 배가 되어 효율성이 향상됩니다.

Norbert는 전체 맞춤형 솔루션에 대해 설명합니다. “획득 시스템으로 캡처한 전체 웨이퍼의 이미지는 사전 정의된 위치에 저장됩니다. 상태 파일은 이미지가 완전하고 신경망 기반 결함 웨이퍼 분석 솔루션으로 분석 가능한지를 알려줍니다. 웨이퍼 분석 솔루션은 큰 웨이퍼 이미지를 정의 가능한 치수의 작은 타일 이미지로 나누고, 각 타일에 신경망 분할을 사용한 배치 분석 프로세스를 적용합니다. 작은 타일에서 계산을 수행하므로 효율성이 향상됩니다. 또한 개별 타일 영역당 전위 밀도 수치가 결과로 제공됩니다. 웨이퍼에서 타일의 위치가 어디인지 표시되므로, 결과물은 사실상 전체 웨이퍼의 밀도 지도인 셈입니다.” 

그러면 맞춤형 솔루션 워크플로를 살펴보겠습니다. 이 워크플로는 웨이퍼 획득에서부터 시작됩니다(그림 4 참조). 
 

그림 4. 웨이퍼 유형 정의를 위한 프로세스 정의 대화 상자를 보여주는 웨이퍼 획득 솔루션의 스크린샷

전체 SiC 웨이퍼의 대형 파노라마 이미지를 획득하는 단계는 아래와 같습니다(그림 5 참조). 다음으로, 생성되는 이미지 파일(Evident의 독자적인 VSI 형식)은 분석 워크플로에 사용됩니다. 
 

SiC 웨이퍼 획득 워크플로

웨이퍼 분석 솔루션은 큰 웨이퍼 이미지를 작은 타일 이미지로 나누고 각 타일에 대한 배치 프로세스를 통해 사전 정의된 매크로(여기에서는 신경망 분할이 적용된 계수 및 측정 솔루션)를 적용합니다(그림 6 참조).
 

그림 6. 분석 레시피 정의를 위한 프로세스 정의 대화 상자를 보여주는 웨이퍼 분석 솔루션의 스크린샷.
 

SiC 웨이퍼 분석 워크플로

SiC 웨이퍼 검사 결과

결과를 CSV 또는 XLSX 파일로 내보내 감지된 결함에 대한 개별 정보가 있는 타일당 데이터(그림 8, 위쪽 이미지)로 제공하거나 타일당 결함 클래스를 보여주는 요약 표(그림 8, 아래쪽 이미지)로 제공할 수 있습니다. 이 첫 번째 장에는 오브젝트 ID 및 X 방향 질량 중심, Y 방향 질량 중심 그리고 구형도 및 방향과 같은 형태에 대한 다양한 설명 값과 함께 타일당 이미지 하나가 포함됩니다.

요약 파일은 모든 하위 타일의 행 및 열 ID와 클래스당 개별 결함 수를 보여줍니다. 각 클래스는 특정 결함 유형을 나타냅니다(그림 1에서 예 참조). 마지막으로, 이 소프트웨어는 결함당 클래스의 색상 코드를 보여주는 결함 계층이 있는 SiC 웨이퍼의 개요 이미지(그림 9)를 TIF 파일로 제공합니다. 문서화 목적으로, 번인(burned-in) 감지 오버레이가 있는 압축 JPEG 이미지가 옵션으로 제공됩니다. 이 체계적으로 정리된 모든 이미지와 데이터를 활용하면 전체 웨이퍼의 결함을 효율적으로 분석할 수 있습니다. 
 

그림 8. CSV 또는 XLSX 파일로 내보낸 SiC 웨이퍼 검사 결과는 클래스당 수, 형태 및 기타 매개변수를 포함하여 결함에 대한 세부 정보를 제공합니다. 
 

그림 9. 전체 SiC 웨이퍼에 대한 개요 이미지.

결론

에칭된 SiC 웨이퍼에 대한 이미지 획득 및 분석 프로세스를 간소화하기 위한 EEMCO와 Evident의 협력은 혁신적인 고품질 SiC 제조에 대한 당사의 신념을 보여줍니다. SiC 웨이퍼의 결함 특성 분석은 맞춤형 소프트웨어와 머신 러닝을 통해 상당히 향상되었으며, 이는 다양한 응용 분야에서 제품 품질과 성능 향상을 위한 길을 열어줍니다. SiC 기반 장치에 대한 수요가 지속적으로 증가하는 상황에서 이러한 협력은 진화하는 기술적 과제를 해결하고 지속 가능한 고성능 전자장치의 시대를 앞당기려는 업계의 노력을 보여줍니다. 

참고 문헌

1.  “EEMCO Applications.” 2021. EEMCO. 
2.  Bock S. and Radomski N. 2022. “Optimizing Wafer Inspection with Advanced Microscopy and Image Analysis.” Electronics Today. 
3.  Bock S. 2023 “Optimize Your Wafer Inspection Microscope and Workflow.” Evident InSight Blog. 
4.  Seldrum T. “Short Overview Etch Pits: High Quality 150 mm SiC Substrates for Power Electronics Application.” Power Electronics Europe. Issue 4.
5.  Wang et al. 2021. “Micropipes in SiC Single Crystal Observed by Molten KOH Etching” Materials. 14(19), 5890. 
6.  Ou et al. 2023 “Novel Photonic Applications of Silicon Carbide.” Materials. 16(3), 1014. 
7.  Janovsky A. 2023. “The Potential of AI-Based Image Analysis in Metallography and Materialography.” Evident InSight Blog.