.png){kind=icon}
返回
Precision Engineering and Intelligent Technologies for Predictable CMP
.png){kind=icon}
PRE
AI
DOI：10.1007/s12541-025-01328-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
化学机械抛光（CMP）是精密工程中精加工工艺中最复杂的平坦化技术，也是半导体制造中的关键技朮。尽管CMP被用于几乎所有的半导体制造，但由于工艺参数的复杂性，预测CMP结果仍然困难。传统上，CMP中的材料去除率（MRR）基于工程师的经验或数学模型进行预测，但精确预测CMP结果仍然是该领域的主要挑战。随着近期人工智能（AI）技术的进步，使用AI预测CMP结果和优化CMP工艺的研究已积极展开。为有效利用AI于CMP，不仅需要来自CMP设备的高质量可靠数据，还需要来自消耗品的数据。本研究综述了基于AI的CMP研究的当前状态以及旨在实现更可预测CMP工艺的CMP抛光垫和PVA刷的发展状况。此外，本文介绍了基于AI的CMP技术及消耗品创新在未来应应用的潜在领域。
Keyword:
Chemical Mechanical Polishing (CMP)
Artificial Intelligence (AI)
CMP consumable
CMP application
期刊
I
IF:
3.6
论文数:
305
被引数:
0
机构
引用论文
Enhancing CMP Performance of Micro-Structured Pad Patterns: CFD Simulations and Experimental Evaluations提升微结构化抛光垫图案的化学机械抛光性能：计算流体动力学模拟与实验评估.png)
IF0
PREAI
分享收藏Study of the protrusion of through-silicon vias in dual annealing-CMP processes for 3D integration双热处理-化学机械抛光工艺中通孔硅凸起的3D集成研究
OAAI
OAAI分享收藏High-yield, wafer-scale fabrication of ultralow-loss, dispersion-engineered silicon nitride photonic circuits超低损耗，色散工程氮化硅光子电路的高产量，晶片规模制造NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容