Ottimizzazione della progettazione del campo termico per il forno epitassiale SiC (reattore CVD a pareti calde)

L'obiettivo principale è ottenere l'uniformità della temperatura superficiale del wafer (≤±0,5–5℃) e la stabilità della temperatura/del campo di flusso, migliorando così l'uniformità dello spessore dello strato epitassiale (<3%), l'uniformità del drogaggio (<8%), riducendo la densità dei difetti e aumentando il tasso di crescita (>60 μm/h).

I recenti progressi nell’ottimizzazione del processo epitassia SiC si sono concentrati sulla gestione termica, sull’ottimizzazione multiparametrica, sulla simulazione assistita dall’intelligenza artificiale, sulla regolazione del flusso di gas e sugli aggiornamenti della struttura del reattore. Questi sviluppi mirano a migliorare l’uniformità dello strato epitassiale, l’efficienza della crescita, il controllo dei difetti e la scalabilità industriale dei wafer di grandi dimensioni.

Modellazione della conducibilità termica dei materiali isolanti

Un'importante direzione di ricerca è la modellazione della conduttività termica del feltro fibroso di grafite utilizzato nei reattori epitassia. Sono stati sviluppati modelli analitici avanzati per valutare la conduttività termica apparente considerando la composizione del gas, la pressione della camera e la temperatura operativa. In condizioni di gas vettore ricco di idrogeno, il trasferimento di calore in fase gassosa diventa il meccanismo di trasferimento di calore dominante. Gli studi dimostrano che la riduzione della pressione della camera da 100 mbar a 1,5 mbar riduce significativamente la potenza di riscaldamento richiesta. Questi modelli consentono inoltre una previsione più accurata della distribuzione della temperatura nelle diverse regioni del reattore, aiutando a prevenire la non uniformità di deposizione causata dalle variazioni di temperatura all'esterno dell'area del wafer anche quando la temperatura del substrato rimane costante.

Ottimizzazione dei parametri multi-obiettivo utilizzando FEM e Machine Learning

Un altro importante passo avanti combina la modellazione degli elementi finiti (FEM) con algoritmi di apprendimento automatico per l’ottimizzazione multi-obiettivo. I parametri chiave del processo includono la portata totale del gas, la temperatura di crescita, la pressione della camera, la velocità di rotazione del suscettore e la progettazione della distribuzione del gas. Approcci di ottimizzazione come MOPSO, NSGA-II e modelli surrogati SVM sono stati ampiamente adottati. I risultati dimostrano che l'uniformità dello spessore può essere migliorata di circa il 30%, mentre l'ottimizzazione del fronte paretiano raggiunge contemporaneamente tassi di crescita elevati e basso coefficiente di variazione. Le finestre di processo ottimali si trovano generalmente a temperature di crescita di 1.450–1.500°C, pressioni della camera di 80–100 mbar, velocità di rotazione del suscettore superiori a 60 giri/min e rapporti di ingresso del gas asimmetrici come 5:16:5.

Simulazione multifisica transitoria combinata con il machine learning

Studi recenti integrano anche simulazioni CFD transitorie con tecniche di apprendimento automatico per accelerare l’ottimizzazione dei processi. I modelli CFD accoppiati flusso-chimico termico combinati con le reti neurali ACO-BPNN vengono utilizzati per ottimizzare la temperatura di deposizione, il flusso di gas in ingresso, la velocità di rotazione e la pressione della camera. La validazione sperimentale mostra un eccellente accordo tra simulazione e risultati pratici, con deviazioni di previsione solo del 4,03% per il tasso di crescita e dello 0,49% per l'uniformità. Questo approccio riduce significativamente i cicli di sviluppo e ottimizzazione ed è particolarmente adatto per reattori CVD a pareti calde orizzontali.

Ottimizzazione del campo del flusso di gas e della temperatura

L'ottimizzazione del flusso di gas e della distribuzione del campo termico rimane fondamentale per la crescita epitassia SiC di alta qualità. In condizioni ottimizzate, tra cui una portata di H₂ di 100 slm, un rapporto di suddivisione del flusso di 20:60:20 (lato:centro:lato), un rapporto C/Si di 0,95, una temperatura di crescita di 1610°C e una rotazione del suscettore, i ricercatori hanno ottenuto un campo di flusso parallelo altamente stabile e una distribuzione uniforme della temperatura. Il gradiente di temperatura della superficie del wafer è stato ridotto a soli 19,3°C. Inoltre, l’uniformità del doping con azoto ha raggiunto il 3,35–4,85%, mentre i difetti dei cristalli sono stati significativamente ridotti a 28 difetti totali, inclusi solo 8 difetti triangolari e 6 dislocazioni del piano basale (BPD).

Iterazione e industrializzazione della struttura delle apparecchiature

Gli aggiornamenti dei reattori su scala industriale tra il 2023 e il 2026 si concentrano principalmente su sistemi di iniezione di gas con divisione verticale, riscaldamento a induzione multizona, compatibilità con configurazioni sia a wafer singolo che a wafer doppio per wafer da 6-12 pollici e riprogettazione dei componenti in grafite con manutenzione preventiva automatizzata (PM). Questi miglioramenti strutturali hanno consentito ai processi di epitassia SiC da 8 pollici e 12 pollici di ottenere una non uniformità di spessore inferiore al 3% e una variazione di drogaggio inferiore all'8%. Inoltre, la contaminazione da particelle è stata ridotta di circa il 50%, i tempi di inattività per la manutenzione ridotti del 30% e la variazione di temperatura controllata entro ±5°C nei sistemi a doppio wafer.

Tre conclusioni chiave

1. La simulazione e l'apprendimento automatico sono diventati il ​​metodo principale per l'ottimizzazione del campo termico: accoppiando il campo termo-fluido-chimico tramite CFD/FEM e combinandolo con ACO-BPNN o MOPSO/NSGA-II, i parametri paretiani ottimali possono essere trovati in poche settimane (anziché i tradizionali tentativi ed errori), migliorando significativamente l'uniformità di spessore/doping di oltre il 30% e riducendo i costi sperimentali. Questo è uno strumento essenziale per la crescita epitassiale su larga scala di SiC da 8-12 pollici.

2. L'influenza della fase gassosa (pressione/composizione H₂) all'interno del feltro isolante sulla conduttività termica apparente non può essere ignorata: a temperature H₂ elevate, il trasferimento di calore della fase gassosa è dominante e i cambiamenti nella pressione/portata del precursore altereranno la distribuzione complessiva della temperatura del reattore. Gli ultimi modelli analitici possono essere integrati direttamente nel CFD per ottenere una previsione accurata della potenza e un controllo del campo termico a circuito chiuso, che è il fulcro dell’alta efficienza, del risparmio energetico e dell’uniformità nei camini termici.

3. La transizione a dimensioni più grandi (8-12 pollici) richiede innovazione strutturale: le apparecchiature domestiche hanno raggiunto una temperatura superficiale del wafer ≤ ±0,5℃ e una differenza di temperatura del doppio wafer ≤ 5℃ attraverso la presa d'aria divisa verticalmente, il controllo della temperatura multizona e l'ottimizzazione del suscettore. L'uniformità di spessore/doping ha raggiunto il livello leader a livello internazionale, supportando direttamente la riduzione dei costi e il raddoppio della capacità produttiva. Hotwall orizzontale + suscettore rotante è ancora la soluzione principale e non vi è alcuna controversia evidente.

Semicorex offre alta qualitàcomponenti nel processo epitassiale. Se hai domande o hai bisogno di ulteriori dettagli, non esitare a contattarci.

Telefono di contatto n. +86-13567891907

E-mail: sales@semicorex.com