第227章 小芯AI辅助排查121个工艺缺陷（2/2）
他调出尚未启动的23个缺陷列表：“这些都是硬骨头。要么需要昂贵的实验验证，要么涉及根本性的工艺变革，要么……我们连问题到底出在哪里都不知道。”
比如第112號缺陷：**电晶体閾值电压隨晶圆位置系统性漂移**。同一个晶圆上，边缘区域的电晶体閾值电压比中心区域高8-12毫伏，导致晶片性能不均匀。
“我们排查了所有可能的工艺偏差：光刻曝光均匀性、离子注入角度、退火温度梯度……”负责电晶体工艺的梁志远博士摇头，“所有参数都在规格范围內，但最终的电性参数就是有系统性差异。就像有一个看不见的手，在晶圆上画了一个渐变场。”
林薇一直在旁听，此刻突然开口：“也许问题不在製造过程，而在衬底本身。”
“衬底？高纯硅片是我们自己製备的，检测数据完美。”梁志远说。
“检测的是宏观参数：纯度、晶向、缺陷密度。”林薇调出硅片供应商的数据表，“但有没有可能，在晶体生长过程中，存在微量的掺杂浓度梯度？或者晶格常数有纳米级的区域差异？这些差异在28纳米节点可以忽略，但在14纳米节点就会被放大。”
这个猜测很大胆。因为如果问题真的在硅片本身，那就意味著他们需要重新评估整个材料供应链，甚至要自建更精密的检测能力。
“验证这个假设需要什么？”张京京问。
“需要做晶圆级的纳米压痕测试和微区x射线衍射，测量每个位置的力学性能和晶格常数。”林薇说，“这种设备国內只有三台，都在国家实验室，预约排队至少两个月。”
时间又成了拦路虎。
这时，赵静举起手：“也许……我们可以用间接方法验证。小芯ai分析了过去所有批次的数据，发现一个规律：来自同一个硅锭不同位置的晶圆，閾值电压漂移的模式高度相似。如果是工艺问题，不同批次的模式应该是隨机的；但如果漂移模式在硅锭层面就有『签名』，那就指向衬底本身。”
她展示了ai发现的证据：来自硅锭顶部的晶圆，总是呈现“中心低、边缘高”的漂移模式；来自底部的晶圆，则是“左侧高、右侧低”。这种规律性太强了，不像是隨机工艺波动。
“如果真是这样，那我们这一个月都在解决错误的问题。”金秉洙苦笑。
“但至少现在我们知道了正確的问题是什么。”张京京倒是很平静，“立即联繫徐文渊院士的团队，请他们协助分析硅锭的微观均匀性。同时，调整工艺参数，尝试补偿这种衬底梯度——如果我们知道漂移的规律，也许可以在製造过程中反向校正。”
“补偿需要精確的模型。”梁志远说，“每个晶圆都要单独测量，生成校正图，然后调整每个晶片位置的工艺参数。这相当於从『大批量製造』转向『个性化製造』，產能会大幅下降。”
“但在找到完美的衬底之前，这是唯一的办法。”张京京做出决定，“先保证良率，再考虑產能。我们首先要在85天內达到75%的成本线，这是生死线。”
晚上十一点，赵静还在ai研发中心。屏幕上正在运行第119號缺陷的分析——这是最难啃的骨头之一：**静態隨机存储器（sram）单元在低温下软错误率异常升高**。
问题诡异在於：晶片在室温下测试一切正常，但降到零下40摄氏度时，sram单元的读写错误率会飆升两个数量级。而他们的晶片设计工作温度范围是零下40到85摄氏度，这个缺陷直接导致產品不合格。
团队已经排除了存储器设计、製造工艺、甚至封装问题。现在怀疑是某种材料在低温下的特性突变，但具体是哪一种材料、哪个环节，毫无头绪。
小芯ai已经连续运行了三天三夜的模擬，尝试了七百多种可能的材料组合和工艺条件，仍然没有找到匹配的失效模式。
赵静盯著屏幕上滚动的数据流，突然想到什么。她调出小芯ai的学习日誌，查看它在分析过程中的“注意力分布”——这是最近加入的可解释性模块，可以显示ai在决策时最关注哪些特徵。
日誌显示，在分析低温失效数据时，ai的注意力高度集中在三个特徵上：一是sram单元中某种特殊介电材料的厚度；二是金属接触孔的深宽比；三是……晶片背面的某种封装材料的导热係数。
前两个很好理解，但第三个特徵引起了赵静的注意。晶片背面？sram单元在晶片正面，和背面材料有什么关係？
除非……热应力。
她立即重新设定模擬条件：假设晶片在低温下，因为正面和背面材料的热膨胀係数不匹配，產生巨大的热应力。这种应力可能通过硅衬底传递，导致sram单元中的电晶体沟道区域出现纳米级的应变，改变载流子迁移率，进而影响存储单元的稳定性。
模擬开始运行。五分钟后，结果弹出：完全吻合。
“找到了！”赵静忍不住喊出声。
她把结果发给封装团队。一小时后，封装团队回覆：確实，他们为了降低成本，在最新的批次中更换了一种背面散热材料。新材料的导热性能更好，但热膨胀係数与硅的差异比旧材料大30%。在低温下，这种差异会导致晶片弯曲，產生局部应变。
解决方案很简单：换回旧材料，或者在新材料与硅之间增加应力缓衝层。
第119號缺陷，关闭。
赵静靠在椅背上，长出一口气。窗外，夜色深沉，但ai研发中心的灯火依然通明。其他研究员还在工作，屏幕上运行著各种复杂的模型。
她看向墙上的进度图：121个缺陷点，已经解决了89个，剩下的32个也都有了明確方向。按照这个速度，再有五天，清单就能全部完成。
这比最初的预估快了整整三倍。
而这一切，都得益於小芯ai强大的数据挖掘能力和跨领域关联分析。人类工程师的直觉和经验，加上ai的计算和模式识別，形成了一种前所未有的协同效应。
但赵静知道，这只是开始。解决了已知的121个缺陷，还会有新的缺陷冒出来。製造工艺的优化，是一场永无止境的战爭。
她的手机震动，是林薇发来的消息：“合城那边传来消息，无尘岛先导实验线的关键部件加工遇到瓶颈，需要更精確的tcad模型支持。宝岛电路那边表示可以提供帮助，但他们要求技术交换。”
tcad——工艺和器件仿真软体，这是半导体设计的核心工具之一。全球市场被两家欧美公司垄断，而宝岛电路因为歷史原因，拥有深厚的tcad模型开发经验。
如果真能获得他们的关键模型，无尘岛的技术验证將大大加速。
但技术交换……对方会要什么？
赵静回覆：“我明天一早去找您详细谈。另外，121个缺陷排查进度良好，预计五天內完成。”
发送完毕，她关掉电脑，走出实验室。
走廊里静悄悄的，但透过玻璃墙，她能看到各个实验室里依然忙碌的身影。这个城市，这个国家，有成千上万的人正在为同一个目標熬夜奋斗。