2022年11月29日，据知名半导体和微电子情报提供商TechInsights报道，长江存储的232层3D NAND闪存X3-9070已经实现量产，领先于三星、美光、SK海力士等厂商，这也是中国品牌在半导体领域首次领先于国际竞争者。

中国半导体在先进制程制造上的持续重大突破，给国产量检测设备的发展提出了同样的要求，只有追求全产业链的整体提升，才能真正保持国际领先。复享光学作为国内集成电路核心光谱零部件供应商，配合设备厂商解决各类芯片制程工艺控制中的量检测核心问题，为实现集成电路产业的全链突破保驾护航。

近期，复享光学下属的上海微纳制程智能检测工程中心首次提出薄膜神经网络，突破百层3D NAND量测关键技术，相关成果发表于国际知名光学期刊Light: Advanced Manufacturing。

图片来源：msi.com

业内对3D NAND堆叠层数的不断追求来源于市场对单芯片存储容量需求的不断提升。由于芯片的微缩化已经接近2x nm性价比极限，通过实现存储单元在垂直方向的层层堆叠，就可以大幅度提升NAND芯片的性能和存储密度。业内预测，在2025年左右3D NAND会达到500层，而在2030年左右达到800层。

百层膜厚检测，3D NAND制备的新挑战

多层膜的制备是3D NAND的前道工序。由于层间应力的存在，工艺完成后的实际层厚与设计值相比会存在较大的偏差，因此多层膜的不均匀性对芯片生产的良率构成了严峻的挑战。

3D NAND 制备工艺挑战

图片来源：Lam Research

目前市场上针对薄膜的厚度量测方法，通常使用参数微扰差分获取梯度，并结合Levenberg-Marquardt算法构建映射关系进行在线优化。对于超过20层以上较多参数的多层结构，该方案必须预先假定其为周期性结构才能适用。并且，较多的结构参数会导致优化时间长达几小时，相当于在一次迭代中进行上百次计算，大大增加了等待耗时。

可见，传统厚度量测方法在3D NAND领域存在较大的局限性，亟需开发新的膜厚量测方案，以满足在线实时检测的产线需求。

薄膜神经网络，百层膜厚检测的新路径

在深度学习领域，多参数神经网络的优化过程中，常常采用反向传播算法来对神经网络中的大量参数进行优化。反向传播算法，是适合于多层神经元网络的一种学习算法。相较于传统的差分求梯度，反向传播算法是一种非常有效的快速获取梯度优化神经网络的手段，可上百倍，甚至上千倍地提升效率。

复享光学将光学逆问题研究主体（多层薄膜）视为神经网络来构建映射关系，并进行优化训练。这是全球首次将反向传播算法引入薄膜优化过程，在复享深度光谱™技术框架下开创性地发展了薄膜神经网络技术，极大地缩短了百层薄膜厚度的优化时间，相比于传统微扰差分的方法，其单次优化时间缩短为原来的2%。

薄膜神经网络技术原理

图片来源：Light: Advanced Manufacturing 2021, 2 (4), 395-402.

目前，复享光学已成功将此技术应用于232层非周期薄膜结构的厚度量测，有望解决百层3D NAND量测的痛点。

准确高效，比肩国际量测标准数据

除时间的大幅缩短外，薄膜神经网络技术的另一项优势在于，该技术无需前期准备大量数据集进行神经网络训练学习，直接构建于精确电磁仿真计算的映射关系上，即使在薄膜层数达到232层，依然能保证光谱结果的精确性。

232层薄膜优化案例

文章来源于:21IC    原文链接