基于SAW技术的互连薄膜机械及界面性能多参数表征研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:Hollan720
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着5G、汽车电子、AI、物联网等下游应用领域的进一步兴起,集成电路(IC)产业蓬勃发展,互连布线是集成电路发展中的一项焦点工作。低介电常数(low-k)互连薄膜的应用可缓解IC互连中出现的RC延迟、串扰增强、功耗增大等问题,但是low-k材料自身存在机械特性差、界面特性差、热不稳定性等问题。针对这些需要被检测的参量,由于low-k材料质软、易脱落等问题,传统的检测方法难以满足low-k薄膜的特性检测,所以亟需发展适用于low-k材料特性检测的无损在线测量手段。本文基于声表面波(SAW)技术针对low-k薄膜机械及界面特性的无损、定量、在线检测这一关键问题进行了深入的研究。
  首先,本文通过将内聚力模型(CZM)引入到SAW技术中,获得了可表征界面粘附性的关键参数,从而完成了对薄膜/衬底结构界面间粘附特性的无损、定量表征。
  其次,本文基于CZM-SAW技术提出了一套界面粘附性的判定标准,在完成粘附性测量的同时,实现了界面粘附性的无损、量化、系统的判定。进一步地,本文通过在粘附性的判定标准值中计入薄膜参数的测量误差,从而修正了利用SAW技术测量粘附性时,由于薄膜其它参数的测量误差引入的粘附性测量结果的约为5%的误差。
  进一步考虑到在测量时界面粘附性与薄膜杨氏模量之间的相互影响,本文提出了一种可同时检测薄膜杨氏模量及界面粘附性双参数的测量方法,一方面提高了声表面波技术测量结果的可靠性,另一方面拓宽了声表面波技术的应用范围。在本文所测的实验样片中,采用双参数测量方法后,杨氏模量测量结果精确度提升最大的样片可达30.74%。
  在实验方面,首先,本文对激光激发超声表面波(LSAW)实验测量系统中的诸多关键因素进行了研究分析,包括:样片对激光的吸收率,激光脉冲宽度、线元宽度、薄膜厚度、实验时测试晶向的选择。通过研究确定了LSAW实验系统的一些最佳实验条件后,本文对所提出的所有基于SAW技术的薄膜特性的无损检测方法,均利用LSAW实验系统对不同的low-k测试样片进行了测试,粘附性的检测精度为0.1PPa/m,杨氏模量的检测精度为0.01GPa。并通过不同的测量方法,如纳米划痕法等,做了对比测试,验证了SAW检测技术的可行性和正确性。
其他文献
近年来信息安全问题日益突出。密码算法虽然为关键信息提供了一定的保护作用,但是实现密码算法的集成电路仍存在安全漏洞。针对密码电路的攻击主要分为侧信道攻击和故障注入攻击两种。故障注入攻击首先主动向密码电路注入故障,然后采用故障分析方法对故障结果进行处理来破解密钥。故障注入攻击具有攻击能力强、攻击效率高的特点。然而,大多故障分析方法提出的故障模型较为严格,采用现有的故障注入技术去实现,可能会带来较高的成
生命体征能够反应生命体的健康状况和确定生命体是否存在,其中呼吸和心跳特征是生命体征最重要的指标。基于连续波多普勒雷达的生命体征探测技术抗干扰能力强,不易受外界环境的影响,可以广泛应用于搜寻救援、医疗监护和健康监护等领域。因此,开展多普勒雷达生命体征探测技术的研究具有非常重要的意义和广泛的实用价值。  目前,基于多普勒雷达的生命体征探测技术仍然存在一些问题需要解决,诸如需要解决探测零点问题提高探测精
压控振荡器是无线通信系统、雷达系统收发机的重要组成部分。其性能的优劣在一定程度上决定了整个系统的功能。尤其是相位噪声和功耗,它们直接影响了评估振荡器整体性能的质量因数的大小,是设计压控振荡器的重要指标。  本文针对“低相位噪声、低功耗CMOS压控振荡器的设计”这一课题展开具体的研究。主要工作包括:(1)针对近二十年来发表的基于电感电容的压控振荡器相关的重要文献进行了文献综述。这部分对基于电感电容的
高效视频编码HEVC(High Efficiency Video Coding)诞生于2013年,由ITU-T和ISO/IEC联合制定,为上一代编码标准H.264/AVC的升级版,在同等压缩质量下压缩率能够提高一倍。但目前市场上应用最多的仍然是H.264,HEVC的发展受限于很多情况,其中很重要的一点就是其编码算法过于复杂。以帧内预测为例,相比于H.264,HEVC的预测模式从9种增加至35种,同
荧光寿命成像技术通过测量样本的荧光寿命值,进而得到样本及其所处微环境的理化特征,因其具有灵敏度高、可靠性强等优点被广泛应用在了细胞生物学、癌症诊断、药物动力分析等领域。时间数字转换器(TDC)作为荧光寿命成像的核心电路模块,其性能直接关系到荧光寿命成像系统的功能实现和结果优劣,但目前TDC的设计中存在有时间分辨率、动态范围和测量误差相互制约的问题,如何克服它们之间的矛盾,设计一款高性能的TDC对荧
近些年,随着无线通信技术的飞速发展,毫米波信号源在遥感、医疗、成像、探测等领域得到了广泛应用。毫米波信号源作为无线发射机射频前端最关键的模块,其研究一直以来都是射频通信领域的焦点。纵观毫米波信号源的发展历程,其研究主要围绕如何提高输出功率、带宽和频率纯度等各方面的性能指标展开。受集成电路工艺的限制,直接通过振荡器获取的信号源输出功率低、带宽窄、稳定性较差,从而限制了整个毫米波系统的性能。因此,可通
脑肿瘤是当今神经外科常见的疾病。早期筛查和诊断可极大地提高脑肿瘤患者治愈率、降低病死率。脑部影像学检查方法中,由于核磁共振成像(MRI)具有无放射性损害以及高度的软组织分辨能力等独特优点,已经发展成为用于诊断脑肿瘤疾病的主要方法。由于MRI图像数据量大,并且脑肿瘤形状极其不规则,因此人工分割脑肿瘤非常耗时,而且可能错过微妙的异常。为了提高医生的诊断效率,降低因医生主观因素造成的误诊和漏诊,本文以三
太赫兹(Terahertz, THz)成像技术作为目前研究较多和发展较快的太赫兹技术之一,按照其成像信息的位置又可分为远场成像和近场成像。远场成像主要是通过探测器获取电磁波透射过物体或经物体反射后的电磁波信息进行成像,其存在的主要问题是探测信号弱、衍射极限下成像分辨率不高,通常在几十毫米的水平。近场成像通过将获取成像信息的位置移至物体表面,利用基于近场扫描光学显微镜(NSOM)的架构以突破衍射极限
近年来,卷积神经网络被广泛应用于语音识别、目标检测及图像分割等领域。随着卷积神经网络算法的快速发展,大规模的卷积神经网络模型消耗大量的计算资源和存储资源,给卷积神经网络的应用带来了许多挑战。目前,卷积神经网络主要部署在云端服务器,终端数据需要传输到服务器端处理,功耗高,处理延迟大。为了解决这些问题,基于FPGA的卷积神经网络加速器逐渐成为研究热点。然而,FPGA平台受限于片上资源和片外内存带宽。在
脑肿瘤是一种严重威胁人类健康的疾病,由于其大小、形状和位置的明显不同,使得对脑肿瘤组织类型的准确表征和定位在脑肿瘤诊断和治疗中起关键作用。核磁共振成像(MRI)因为具有良好的软组织对比和非入侵的特点,致使基于MRI的脑肿瘤分割研究成为热点。肿瘤组织的手动分割繁琐耗时,并且会受到分割者主观意识的影响,因此如何高效、精准且全自动地分割脑肿瘤成为研究重点。  针对脑肿瘤图像分割领域存在的数据集小、类别失