集成电路制造中的缺陷检测
在追求极致性能与极小特征尺寸的集成电路制造领域，任何微小的异常均可能导致芯片失效。这些异常，即制造缺陷，是影响最终产品良率、性能与可靠性的直接因素。缺陷并非呈现单一形态，而是在晶圆经历上百道工艺步骤的过程中，不断演化、累积并显现，构成一幅复杂的图景。 一、缺陷分类 前端制程（Front End of Line, FEOL）是集成电路制造中形成晶体管等核心有源器件的阶段。在这一纳米尺度的精密制造过
标签专题 · 共 4 篇文章
# 缺陷检测
关于「缺陷检测」的技术文章、设计资料与工程师讨论，持续更新。
4
篇文章
13
人关注
227
次浏览
从缺陷检测到良品预测，英特尔如何在先进制造中大规模应用AI技术
英特尔的AI战略侧重于运营规模、生命周期管理以及全厂范围的部署。 AI已经融入半导体制造环节，在检测工具、统计过程控制和良率分析等方面提供支持。因此，AI在半导体行业并非从无到有的新生事物，但其角色正在发生变化。随着设备架构日益复杂、制程工艺窗口不断收窄，AI正逐渐成为支撑先进晶圆厂持续运行的核心基础设施的一部分。 在英特尔代工，这一转变在内部被描述为从孤立的分析转向该公司所称的“大规模应用智能”
集成电路工艺量测技术概述
本文介绍了在前段、中段、后段中分别用到的量测技术。 一、前段（FEOL）量检测技术 前端制程（Front End of Line, FEOL）是集成电路制造中形成晶体管等核心有源器件的阶段。在这一纳米尺度的精密制造过程中，量检测技术如同“制程之眼”，通过实时、在线的监控与测量，确保每一道工艺参数都严格控制在设计窗口内，是保障芯片性能、成品率和可靠性的基石。 核心量检测项目分类 FEOL的量检测任务
美光的智能制造：AI技术在企业中的应用
制造芯片的复杂程度超过制造火箭。阅读本案例研究，了解美光如何率先在制造、物流和业务流程中应用 AI，并将其大规模部署，从而实现技术优势地位。 美光在利用人工智能 (AI) 技术方面绝不仅限于空谈。公司将数据分析和 AI 应用于自身制造流程，真正做到了言行一致。美光将 AI 融入业务运营的核心，通过业界前沿内存和存储解决方案，彰显其赋能技术的卓越价值。 智能制造是自动化的更高阶段。其关键在于大规模智