据半导体产业网，于2024年03月29日报道，近日，厦门大学康俊勇教授团队康闻宇特任副研究员和尹君副教授在人工智能辅助的SiC单晶无损表征方面取得重要进展，相关研究成果以“Non-destructive and deep learning-enhanced characterization of 4H-SiC material”为题发表于Aggregate期刊。该工作为重现SiC晶体的生长过程、快速优化生长工艺提供一条全新的途径，相关技术对于提高第三代半导体单晶生产效率表现出重要的应用前景。
研究背景
第三代半导体材料碳化硅（SiC）因其卓越的电学特性在高压、高频和高温电子器件领域获得巨大应用。然而，传统的SiC晶体PVT生长被认为是一个“盲盒”，晶体质量及工艺可靠性极易受多方面因素影响。当前，针对SiC单晶的缺陷表征与质量评价仅能依赖于各种破坏性测试实现。这些传统方法不仅会造成晶体材料的损耗、耗时耗力，还难以用直观的且多维度的方式追溯并呈现SiC晶体的生长过程。这也是当前SiC单晶良率较低、衬底成本仍居高不下的原因之一。因此，迫切需要发展一种无损的、快速的、多维度的检测方法，以识别和溯源大尺寸晶锭内部缺陷的形成与演化，从而指导生长工艺的优化。
研究创新点
针对上述挑战，厦门大学康俊勇教授团队依据SiC晶体中缺陷对X光的调制特性，成功开发了一种基于显微CT扫描和人工智能（深度学习）增强的方法，实现了对大尺寸（≥6英寸）4H-SiC晶锭的快速无损表征。团队通过对SiC晶体的全面多维度扫描，获取了SiC晶体中潜在微米级缺陷的图像特征，如微管、多型和碳包裹物等（图1）；进一步地结合传统光学方法表征的验证，确认了扫描图像中的图像特征与缺陷类型的指认关系。在此基础上，通过搭建人工智能架构，借助卷积神经网络图像识别技术，对上述缺陷图像特征进行训练和验证，实现了复杂CT图像中人工智能辅助的SiC缺陷快速、准确识别与定位（图2）。实验结果表明，训练模型对4H-SiC晶体微米尺度的典型缺陷，含多型体、微管和碳包裹物，均可达到96%以上的识别和定位准确度。同时，该方法实现了晶体三维数字化重构，直观地展示了晶体内部不同微观缺陷的空间分布及相关演化过程（图3）。基于三维数字化重建的定量分析，也为后续SiC衬底制备的“数字孪生”提供了技术支持。
总结与展望
本研究开发了一种基于人工智能增强的4H-SiC材料无损表征技术，实现了对其微观缺陷的快速、直观、有效评估，并通过生动的数字化重建揭示了SiC晶体生长过程中的缺陷演变，为PVT生长工艺的优化提供了重要指导。值得一提的是，该方法不仅适用于SiC，也可推广至AlN、Ga2O3等其他高价值第三代半导体单晶材料的无损快速表征和生长动力学过程再现，提升晶圆产率，进而推动半导体材料制备领域的快速发展。
论文信息
Xiaofang Ye, Aizhong Zhang, Jiaxin Huang, Wenyu Kang, Wei Jiang, Xu Li, Jun Yin, Junyong Kang, Non-destructive and deep learning-enhanced characterization of 4H-SiC material. Aggregate, 2024, e524.
https://doi.org/10.1002/agt2.524
论文第一作者为厦门大学物理科学与技术学院光电信息工程专业2022级博士研究生叶晓芳，通讯作者为厦门大学康闻宇特任副研究员，尹君副教授。
通讯作者简介
康闻宇，博士毕业于The University of Adelaide，2021年加入厦门大学。研究工作涉及深紫外光电器件与装备在食品安全领域的应用，短波长光电子、功率半导体晶体材料与相关装备的研发，新型固态光源的开发等。部分学术成果已以第一/通讯作者身份发表于Nature Electronics、Opto-Electronic Advances、Aggregate、Food Research International等国际学术期刊15篇，申请国家专利10件。先后承担国家重点研发计划“新型显示与战略性电子材料”与“高性能制造技术与重大装备”专项项目、厦门市重大产业科技项目等。
尹君，厦门大学副教授，2014年毕业于华中科技大学光学与电子信息学院，同年加入厦门大学。主要研究方向为宽禁带半导体材料生长、量子调控及其器件应用，高效有机无机杂化太阳能电池等，近年来以第一作者/通讯作者在Light Sci. Appl.、Adv. Funct. Mater.、Adv. Sci.、Adv. Opt. Mater.、Opto-Electron Adv.、J Am. Chem. Soc.等期刊发表SCI论文30余篇，授权发明专利10余项。先后主持及承担国家重点研发计划项目协作课题、国家自然科学基金青年基金项目、福建省自然科学基金面上项目、福建省科技厅工业引导性重点项目、江西省自然科学基金重点项目、厦门市重大科技项目（子课题）等多项科研课题。
