SiC 에피택셜로(Hot-wall CVD 반응기)의 열장 설계 최적화

핵심 목표는 웨이퍼 표면 온도 균일성(±0.5~5℃ 이하) 및 온도/유동장 안정성을 달성하여 에피택셜 층 두께 균일성(<3%), 도핑 균일성(<8%)을 개선하고 결함 밀도를 낮추며 성장 속도(>60μm/h)를 높이는 것입니다.

SiC 에피택시 공정 최적화의 최근 발전은 열 관리, 다중 매개변수 최적화, AI 지원 시뮬레이션, 가스 흐름 조절 및 반응기 구조 업그레이드에 중점을 두었습니다. 이러한 개발의 목표는 에피택셜 층 균일성, 성장 효율성, 결함 제어 및 대형 웨이퍼 산업 확장성을 향상시키는 것입니다.

단열재의 열전도 모델링

중요한 연구 방향 중 하나는 에피택시 반응기에 사용되는 섬유상 흑연 펠트의 열전도도 모델링입니다. 가스 구성, 챔버 압력 및 작동 온도를 고려하면서 겉보기 열전도도를 평가하기 위해 고급 분석 모델이 개발되었습니다. 수소가 풍부한 운반 가스 조건에서는 기체상 열 전달이 지배적인 열 전달 메커니즘이 됩니다. 연구에 따르면 챔버 압력을 100mbar에서 1.5mbar로 줄이면 필요한 가열 전력이 크게 감소하는 것으로 나타났습니다. 또한 이러한 모델을 사용하면 다양한 반응기 영역 전체의 온도 분포를 보다 정확하게 예측할 수 있어 기판 온도가 일정하게 유지되는 경우에도 웨이퍼 영역 외부의 온도 변화로 인해 발생하는 증착 불균일을 방지하는 데 도움이 됩니다.

FEM 및 기계 학습을 사용한 다중 목표 매개변수 최적화

또 다른 주요 혁신은 유한 요소 모델링(FEM)과 다중 목표 최적화를 위한 기계 학습 알고리즘을 결합합니다. 주요 공정 매개변수에는 총 가스 유량, 성장 온도, 챔버 압력, 서셉터 회전 속도 및 가스 분배 설계가 포함됩니다. MOPSO, NSGA-II 및 SVM 대리 모델과 같은 최적화 접근 방식이 널리 채택되었습니다. 결과는 두께 균일성이 약 30% 향상될 수 있는 반면, 파레토 프론트 최적화는 높은 성장률과 낮은 변동 계수를 동시에 달성한다는 것을 보여줍니다. 최적의 공정 창은 일반적으로 1450~1500°C의 성장 온도, 80~100mbar의 챔버 압력, 60rpm 이상의 서셉터 회전 속도 및 5:16:5와 같은 비대칭 가스 유입 비율에서 발견됩니다.

기계 학습과 결합된 과도 다중물리 시뮬레이션

최근 연구에서는 과도 CFD 시뮬레이션을 기계 학습 기술과 통합하여 프로세스 최적화를 가속화합니다. ACO-BPNN 신경망과 결합된 열-흐름-화학 결합 CFD 모델은 증착 온도, 입구 가스 흐름, 회전 속도 및 챔버 압력을 최적화하는 데 사용됩니다. 실험적 검증에서는 성장률에 대한 예측 편차가 4.03%, 균일성에 대한 예측 편차가 0.49%에 불과하여 시뮬레이션과 실제 결과 사이의 탁월한 일치를 보여줍니다. 이 접근 방식은 개발 및 최적화 주기를 크게 단축하며 특히 수평형 열벽 CVD 반응기에 적합합니다.

가스 흐름 및 온도 필드 최적화

가스 흐름 및 열장 분포 최적화는 고품질 SiC 에피택시 성장에 여전히 중요합니다. H2 유량 100slm, 흐름 분할 비율 20:60:20(측면:중심:측면), C/Si 비율 0.95, 성장 온도 1610°C, 서셉터 회전 등 최적화된 조건에서 연구원들은 매우 안정적인 평행 흐름장과 균일한 온도 분포를 달성했습니다. 웨이퍼 표면 온도 구배는 19.3°C로 감소했습니다. 또한, 질소 도핑 균일도는 3.35~4.85%에 도달했으며, 결정 결함은 8개의 삼각형 결함과 6개의 기저면 전위(BPD)를 포함하여 총 28개의 결함으로 크게 감소했습니다.

장비 구조 반복 및 산업화

2023년에서 2026년 사이의 산업 규모 원자로 업그레이드는 주로 수직 분할 가스 주입 시스템, 다중 구역 유도 가열, 6~12인치 웨이퍼에 대한 단일 웨이퍼 및 이중 웨이퍼 구성과의 호환성, 자동화된 예방 유지 관리(PM)를 통한 흑연 구성 요소 재설계에 중점을 둡니다. 이러한 구조적 개선으로 8인치 및 12인치 SiC 에피택시 공정에서 두께 불균일성은 3% 미만, 도핑 편차는 8% 미만을 달성할 수 있었습니다. 또한 이중 웨이퍼 시스템에서 입자 오염이 약 50% 감소하고, 유지 관리 가동 중지 시간이 30% 단축되었으며, 온도 변화가 ±5°C 이내로 제어되었습니다.

세 가지 주요 결론

1. 시뮬레이션 + 기계 학습은 열장 최적화를 위한 주류 방법이 되었습니다. CFD/FEM을 통해 열유체-화학 분야를 결합하고 이를 ACO-BPNN 또는 MOPSO/NSGA-II와 결합함으로써 최적의 파레토 매개변수를 (전통적인 시행착오가 아닌) 몇 주 내에 찾을 수 있어 두께/도핑 균일성이 30% 이상 크게 향상되고 실험 비용이 절감됩니다. 이는 8~12인치 SiC의 대규모 에피택셜 성장을 위한 필수 도구입니다.

2. 겉보기 열전도율에 대한 단열재 내부의 가스상(H2 압력/조성)의 영향은 무시할 수 없습니다. 높은 H2 온도에서는 가스상 열 전달이 지배적이며 압력/전구체 유속의 변화는 반응기의 전체 온도 분포를 변경합니다. 최신 분석 모델을 CFD에 직접 내장하여 정확한 전력 예측과 폐쇄 루프 열장 제어를 달성할 수 있습니다. 이는 열 벽난로의 고효율, 에너지 절약 및 균일성의 핵심입니다.

3. 대형화(8~12인치)로의 전환은 구조적 혁신 필요: 국내 장비는 수직분할 흡기, 다구역 온도제어, 서셉터 최적화 등을 통해 웨이퍼 표면온도 ≤ ±0.5℃, 듀얼웨이퍼 온도차 ≤ 5℃를 달성했다. 두께/도핑 균일성은 국제 최고 수준에 도달하여 비용 절감과 생산 능력의 두 배 증가를 직접적으로 지원합니다. 수평 핫월 + 회전 서셉터가 여전히 주류이며 뚜렷한 논란은 없습니다.

Semicorex는 고품질을 제공합니다.에피택셜 공정의 구성 요소. 문의사항이 있거나 추가 세부정보가 필요한 경우, 주저하지 마시고 연락주시기 바랍니다.

전화번호 +86-13567891907에 문의하세요.

이메일: sales@semicorex.com