CN102567560A - Mos器件寿命预计方法及*** - Google Patents

Abstract

本发明公开了一种MOS器件寿命预计方法，包括步骤：分析器件的物理失效机理与器件宏观参数退化的相关性，构建基于所述物理失效机理的器件宏观参数退化模型；对器件进行可靠性模拟仿真，分析器件宏观参数退化对物理失效机理的敏感性；选择应力施加方式，对器件进行基于参数退化寿命试验并获取可靠性试验数据；分析上述可靠性试验数据，建立基于参数退化的寿命预计计算模型；根据上述寿命预计计算模型获取器件的寿命预计结果。利用该方法解决新技术条件下传统器件寿命预测方法准确性和可操作性的问题，减少试验样品数量，降低试验费用，提高预计试验结果的准确性。

Description

MOS器件寿命预计方法及***

技术领域

本发明涉及半导体技术领域，特别是涉及一种MOS(Metal OxidSemiconductor)器件寿命预计方法及***。

背景技术

我国高可靠、长寿命集成电路在紧跟国际半导体技术发展实现设计、生产跨越式进步的同时，也面临可靠性和测试方面的挑战。高可靠、长寿命MOS器件在不同环境下适应性、稳定性，特别是相互之间的适配性，有着严格的要求，因此高可靠、长寿命MOS器件对质量和可靠性提出更高要求。

另一方面，随着技术的进步，MOS器件特别是大规模数字集成电路的失效率与过去相比有了显著的降低，器件在传统的基于时间-失效的寿命考核方法中几乎不发生失效，研制单位通过试验难以获得器件可靠性的信息，制约了长寿命MOS器件的技术攻关。

未来的高可靠、长寿命MOS器件性能指标、环境适应性和可靠性要求将大幅提高，传统的寿命试验和老化筛选试验等技术不能满足需求，需要研究与MOS器件发展相匹配的试验评价方法，解决长寿命可靠性试验评价方法难题。

MOS器件失效机理一般包括电迁移(EM)、热载流子注入(HCI)、栅氧化层经时击穿(TDDB)、负偏置温度不稳定性(NBTI)等，这些失效机理支配着MOS器件的寿命与可靠性。随着器件尺寸缩减和新材料的使用也带来对器件失效机理和失效模式的研究和分析需求。MOS器件的可靠性问题包括HCI、NBTI、EM、TDDB等，要求对这些新的可靠性问题极其失效机理、失效模式进行完备的测试、评价和方法进行修改。

在新工艺、新材料的使用下，如Cu互连、高k、低k材料、SOI等，为MOS器件可靠性评价、长寿命预计提供技术支撑，提高长寿命试验和可靠性评价结果的准确性。例如工艺中采用高k材料有助于解决超薄栅介质层的漏电问题，但高k材料的使用却容易产生一些新的可靠性问题，如多晶硅/高k电介质界面上形成固定电荷密度时，通常会加速NBTI效应变差和导致阈值电压、平带电压(flat band)偏离现象。再如为降低与金属互连线有关的寄生RC延迟而从传统的铝互连技术线转向使用铜互联，虽然Cu基金属互连线的薄片电阻系数可达到Al基金属***的一半，但Cu互联要求新的工艺步骤，并会出现一些与之有关的新的可靠性风险，如铜镶嵌工艺带来的应力传递导致氮化硅剥离而引起金属短路等问题。

因此，对于MOS器件，急需一套基于失效机理参数退化的寿命预计方法，为高可靠、长寿命MOS器件的研制和考核提供支撑。

发明内容

本发明的目的是提供一种基于失效机理参数退化的MOS器件的寿命预计方法。

为达到上述目的，提供一种依照本发明实施方式的MOS器件寿命预计方法，包括如下步骤：

S1，分析器件的物理失效机理与器件宏观参数退化的相关性，构建基于所述物理失效机理的器件宏观参数退化模型；

S2，对器件进行可靠性模拟仿真，分析器件宏观参数退化对物理失效机理的敏感性；

S3，选择应力施加方式，对器件进行基于参数退化寿命试验并获取可靠性试验数据；

S4，分析上述可靠性试验数据，建立基于参数退化的寿命预计计算模型；

S5，根据上述寿命预计计算模型获取器件的寿命预计结果。

优选地，所述步骤S1中的物理失效机理包括热载流子注入、时间相关介质层击穿、负偏压不稳定性和/或电迁移。

优选地，所述步骤S3中的可靠性试验数据包括器件的敏感参数随时间的变化数据以及器件的硬失效数据。

优选地，所述步骤S3中，采用阿列尼乌斯模型、E模型、艾琳模型或者其组合确定应力施加方式。

优选地，所述步骤S4包括：分析器件各种单一失效模式的分布以及各种单一失效模式之间的相关性。

本发明通过对MOS器件失效机理、失效模式的分析，最终形成了一种基于失效机理的参数退化的寿命预计方法。利用该方法解决新技术条件下传统器件寿命预测方法准确性和可操作性问题，减少试验样品数量，降低试验费用，提高预计试验结果的准确性，并为试验结果提供理论依据，帮助研发人员和设计人员针对MOS器件的失效机理有效提高器件的寿命，减少了试验周期，加速产品上市。

附图说明

图1是本发明实施例的MOS器件寿命预计方法的方法流程图；

图2是描述本发明实施例的MOS器件寿命预计方法的晶体管退化对电路产生影响的示意图；

图3是本发明实施例的MOS器件寿命预计方法中利用可靠性仿真分析工具进行可靠性模拟仿真线路图；

图4是现有MOS器件寿命预计方法中MOS器件失效的时间退化曲线图；

图5是本发明实施例的MOS器件寿命预计方法中不同温度下加速试验对凹型退化曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明实施例针对主要MOS器件物理失效机理：HCI、TDDB、EM及NBTI等，分析MOS器件失效机理和器件参数退化的相关性，整理出基于物理失效的MOS器件宏观参数退化模型；利用集成电路测试和试验领域的技术经验和先进软硬件技术设备，设计高精度和高稳定度的试验和测试平台，与高可靠、长寿命集成电路设计单位结合，选取和加工合适的MOS器件及结构，设计并实施试验，分析试验应力施加方法与参数退化的敏感性，形成有效的基于参数退化寿命试验方法；选择合适的样品和试验方案，通过设计一系列的验证试验采集数据；采用国际最新的数据挖掘及探索性数据分析技术，分析退化数据模式识别，数据拟合与外推技术等技术，建立针对MOS器件的一种基于失效机理的参数退化的寿命预计方法。如图1所示，本发明所述方法的详细步骤如下：

步骤一：MOS器件失效机理的分析

主要分析MOS器件物理失效机理：HCI、TDDB、EM及NBTI等，分析MOS器件失效机理和器件参数退化的相关性，并构建基于物理失效机理的MOS器件宏观参数退化模型。

步骤二：建立性能退化敏感参数与器件失效的关系

以MaCRO的HCI模型为例，在MaCRO中，通过热载流子致串联电阻增强值ΔR_d来体现HCI引起的晶体管退化对电路产生的影响，如图2所示。

注入栅氧化层的热载流子会引起界面态及氧化层电荷的产生，进而导致沟道迁移率、阈值电压、跨导以及饱和漏电流的变化。这些效应通过由下式确定的ΔR_d值体现：

${\mathrm{\ΔR}}_d=\frac{1+\mathrm{\α\ΔN}}{I_{\mathrm{ds}0}}{V}_{\mathrm{Rd}}$

上式中ΔR_d是热载流子效应引起的MOS晶体管的漏端串联电阻变化量；V_Rd是ΔR_d两端的压降；ΔN是由热载流子效应引起的界面态面密度和氧化层电荷面密度之和；α是与工艺相关的常数；I_ds0是MOS晶体管热载流子效应退化前的漏端电流。

因此，通过人为改变模型参数的取值，即可调整HCI对整个电路产生的影响，从而更为方便和准确地确定敏感参数集。对于TDDB、NBTI和EM等效应，也可以利用类似的方法帮助确定敏感参数集，这样就在物理失效退化和器件参数间建立了映射关系。

针对不同类型的MOS器件，找出与器件失效直接相关，并且可以在器件级直接测量的宏观参数，构成宏观参数集。利用现有的MOS集成电路可靠性仿真分析工具，对MOS电路进行可靠性模拟仿真，寻找与物理失效机理相关的器件级敏感参数。详细流程如说明书附图3所示，首先提出与失效相关的最敏感模块，对其进行“网络级”描述，更精确地反应失效特性，对于不敏感的模块，使用“行为级”描述；然后进行电路行为模拟，进行直流分析、交流分析、瞬态分析和其它分析，确定电路直流、功率(I、V、f、T、P等)等工作点，确定出每一个晶体管的每个模块所处的电、热应力环境；最后利用实测的退化试验数据对失效模型进行参数提取，代入退化模型进行失效率的模拟。

在此步骤中，由于只需要定性分析器件级参数对微观失效机理的敏感性，因此并不需要非常准确的提取晶体管退化模型中的模型参数；并且还可以通过调整晶体管退化模型中相关模型参数取值，人为的放大或缩小不同失效机理(HCI、TDDB、NBTI、EM)对整个电路的影响，利用这种方法可以确定敏感参数中每个参数对不同微观失效机理的敏感性。

步骤三：试验应力选择技术的确定

试验中的器件处于试验条件下，通过对被试器件持续施加应力以检测并采集器件的敏感参数随时间的变化数据。试验应力条件不同，器件退化的情况也不同。例如，一般情况下，试验温度越高，器件的退化速度越快。通过提高被试器件电压、电流、频率的输入，也可以加速器件的退化。对于复杂的数字器件，需重点研究试验电应力的施加，以使得尽可能多的单元被施加电应力。对于加速退化试验试验应力的选择，可以有多种方法。例如，假定失效机理是由于热激活引起的，对此常用阿列尼乌斯模型。对于存在单一失效机理的情况，通常的方法是将ln(失效率)与温度的倒数1/T绘在图上将得到一条直线(或可采用指数回归拟合)；对于失效机理是由电激发的情况，例如TDDB，常见的模型为“E-模型”。若ln(失效率)与电场梯度(ΔV/tox)成正比。绘制ln(失效率)和(ΔV/tox)的图将得到一条线(或使用指数回归拟合)；假定失效是由两种不同的应力造成的。例如，TDDB对温度和电压敏感。设计策略的关键是假定艾琳模型充分起作用(可分离的应力)，可以构造一个二维坐标的“空间”(温度为一坐标轴，电压为另一坐标轴)，使用因子设计以确定应力条件探测了空间中受约束的区域。

步骤四：MOS器件寿命预计模型的确定

多种失效模式可能导致MOS器件失效，而失效模式又由不同的物理失效机理所支配。在实际的退化失效寿命试验数据中，包含有关于器件可靠性的大量信息，例如，器件的多个敏感参数退化数据以及在退化过程中器件发生硬失效的数据。MOS器件寿命预计模型就是要综合分析这些可靠性试验数据，建立基于参数退化的寿命预计计算模型，并由此得出器件的寿命预计结果。

从现有成果分析，大多数的失效可以追溯出一条退化过程轨迹。这些退化轨迹可表示为三种时间退化曲线：直线(linear)，凹线(concave)和凸线(convex)，如图4所示，横坐标代表时间，纵坐标代表敏感参数的退化，图中的虚线为失效位置。直线主要表征恒定退化率；对于凹线，退化开始速度较快，然后慢慢达到饱和并接近于失效点；凸线则不同，刚开始时速度较慢，在接近失效点时快速劣化。

对于加速退化试验，退化曲线除了是时间的函数，同时也是加速应力的函数。为了获得加速寿命试验结果到正常工作寿命的外推，需要考虑加速应力的影响。例如，对于温度加速凹型退化曲线，若温度-反应率加速方程为阿列尼乌斯方程，反应率的表达式为：

R(T)＝B*exp[-Ea/kB(T+273.15)]

上式中的T为摄氏温度，kB为波尔兹曼常数，Ea为激活能，B代表与器件相关的常数，不同的器件B值不同。

加速因子AF的表达式为AF(T)＝AF(T，T₀，Ea)＝R(T)/R(T₀)，其中，T₀代表与T相比的原始温度。退化曲线D(t，T)的表达式为D(t，T)＝D∞*{1-exp[-{R(T₀)*AF(T)}*t]}。不同温度下加速试验对凹型退化曲线图如图5所示。图中横坐标代表时间，纵坐标代表敏感参数的变化，图中曲线由上至下依次为80摄氏度、150摄氏度、195摄氏度以及237摄氏度时加速试验对凹型退化曲线图。

为了建立寿命预计模型，首先要分析各种单一失效模式的分布以及各单一失效模式之间的相关性，其次要知道各单一失效机理的分布。当各失效模式的失效率是常数时，元器件总的可靠度R、累积分布函数F和总失效率h与每个单一失效机理的可靠度、分布函数以及失效率的关系如下式所示，式中的下标i表示为第i个单一失效机理，R_i(t)表示第i个单一失效机理的可靠度，F_i(t)表示第i个单一失效机理的分布函数，h_i(t)表示第i个单一失效机理的失效率。

$R\left(t\right)=\underset{i=1}{\overset{k}{\mathrm{\Π}}}{R}_i\left(t\right)$

$F\left(t\right)=1-\underset{i=1}{\overset{k}{\mathrm{\Π}}}(1-F_i\left(t\right))$

$h\left(t\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{h}_i\left(t\right)$

竞争风险模型通过以下三个步骤建立寿命预计模型：寿命分布数据观察；不同失效模式导致失效的寿命分布确定；以及建立寿命预计模型。

竞争风险模型是基于参数退化寿命试验中使用较多的寿命预计模型，具有较高的准确度，它可处理多种失效模式同时起作用的情况。所有的失效机理都起作用，看哪个失效机理首先导致器件失效。在这一竞争过程中，各失效机理之间不相互关联，它们只是沿各自的路径发展导致，首先“达到”的失效机理引起器件失效。

举例如下：假设被试元器件有2个竞争失效模式：第一个失效模式是参数Y(t)退化导致的软失效；第二个失效模式是由于元器件功能终止导致的硬失效。

退化模式为退化率为常数μ的线性退化；测量误差分布为随机分布，因此参数退化Y(t)可以由以下模型描述：

Y(t)＝Y₀+σW(t-t₀)+μ(t-t₀)，t≥t₀

其中，W(t)是标准布朗运动方程。对于给定的失效点S。寿命TS为Y(t)首次到达S的时间。对于Y₀＜S，寿命TS遵循Legesgne方程所描述的逆高斯分布。

$f_{\mathrm{TS}}=\frac{S-Y_0}{\sqrt{{2\mathrm{\π\σ}}^2{(t-t_0)}^3}}\exp (-\frac{{(S-Y_0-\mathrm{\μ}(t-t_0))}^2}{{2\mathrm{\σ}}^2(t-t_0)})I(t>t_0)$

因为幸存的被试器件在试验时没有达到失效点S，为了得到似然方程，必须寻找截断Wiener过程的概率密度函数。假设Y_j-1，Y_j为t_j-1和t_j时刻的退化值，对t_j-1≤τ≤t_j以及Y(τ)＜S的Y(t)概率密度分布为：

另一方面，对于硬失效数据，根据EDA分析硬失效出服从威布尔分布，概率密度函数f(t)定义如下：

$f\left(t\right)=\frac{\mathrm{\β}}{\mathrm{\η}}{\left(\frac{t}{\mathrm{\η}}\right)}^{\mathrm{\β}-1}{e}^{-{\left(\frac{t}{\mathrm{\η}}\right)}^{\mathrm{\β}}}$

本发明利用似然法求得竞争风险模型中的参数，通过试验数据求解似然方程即可对被试器件寿命做出预测，似然方程如下：

$L(x,\mathrm{\θ})=\begin{array}{c}\underset{i=1}{\overset{n}{\mathrm{\Π}}}\left\{\underset{j=1}{\overset{M_i}{\mathrm{\Π}}}\right[\frac{1}{\mathrm{\σ}\sqrt{t_{\mathrm{ij}}-t_{\mathrm{ij}-1}}}\mathrm{\φ}\left[\frac{(Y_{\mathrm{ij}}-Y_{\mathrm{ij}-1})-\mathrm{\μ}(t_{\mathrm{ij}}-t_{\mathrm{ij}-1})}{\mathrm{\σ}\sqrt{t_{\mathrm{ij}}-t_{\mathrm{ij}-1}}}\right]\\ \×[1-\exp \{-\frac{2(S-Y_{\mathrm{ij}-1})(S-Y_{\mathrm{ij}})}{{\mathrm{\σ}}^2(t_{\mathrm{ij}}-t_{\mathrm{ij}-1})}\left\}\right]\end{array}$

$\&times;{\left[\frac{S-Y_{\mathrm{iMi}}}{\mathrm{\&sigma;}\sqrt{({\mathrm{\&tau;}}_i-t_{\mathrm{iMi}})}}\mathrm{\&phi;}\right[\frac{(S-Y_{\mathrm{iMi}})-\mathrm{\&mu;}({\mathrm{\&tau;}}_i-t_{\mathrm{iMi}})}{\mathrm{\&sigma;}\sqrt{({\mathrm{\&tau;}}_i-t_{\mathrm{iMi}})}}\left]\right]}^{I_{(\mathrm{Mi}<\mathrm{mi}})\mathrm{\&delta;}}\&times;{\left[\frac{\mathrm{\&beta;}}{\mathrm{\&eta;}}{\left(\frac{t_{\mathrm{iMi}}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}-1}{e}^{-{\left(\frac{t_{\mathrm{iMi}}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}}\right]}^{\mathrm{\&delta;}}{e}^{-{\left(\frac{t_{\mathrm{iMi}}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}}\}$

其中，

竞争风险模型是目前基于参数退化寿命试验中使用较多的寿命预计模型，在电子元器件寿命预计上取得较高的准确度。竞争风险模式是从每个单一失效模式出发，“自下而上”的构造出元器件可靠性模型。竞争风险模型的主要思想是所有的失效机理都起作用，看哪个失效机理首先导致器件失效。在这一竞争过程中，各失效机理之间不相互关联，它们只是沿各自的路径发展导致，首先“达到”的失效机理引起器件失效。在这种情况下，元器件可靠性是各种失效模式可靠性的产物，并且元器件的失效率就是各失效模式失效率的总和。

本发明通过对MOS器件失效机理和失效模式的分析，最终形成了对于MOS器件的一种基于失效机理的参数退化的寿命预计方法。通过本发明为MOS器件寿命预计提供了一种新的方法，解决新技术条件下传统器件寿命预测方法准确性和可操作性问题，减少试验样品数量，降低试验费用，提高预计试验结果的准确性，并为试验结果提供理论依据，帮助广大研发人员和设计人员等针对MOS器件的失效机理有效提高器件的寿命，减少了试验周期，加速产品上市。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (5)

1.一种MOS器件寿命预计方法，其特征在于，所述寿命预计方法包括：

S1，分析器件的物理失效机理与器件宏观参数退化的相关性，构建基于所述物理失效机理的器件宏观参数退化模型；

S2，对器件进行可靠性模拟仿真，分析器件宏观参数退化对物理失效机理的敏感性；

S3，选择应力施加方式，对器件进行基于参数退化寿命试验并获取可靠性试验数据；

S4，分析上述可靠性试验数据，建立基于参数退化的寿命预计计算模型；

S5，根据上述寿命预计计算模型获取器件的寿命预计结果。

2.如权利要求1所述的MOS器件寿命预计方法，其特征在于，所述步骤S1中的物理失效机理包括热载流子注入、时间相关介质层击穿、负偏压不稳定性和/或电迁移。

3.如权利要求1所述的MOS器件寿命预计方法，其特征在于，所述步骤S3中的可靠性试验数据包括器件的敏感参数随时间的变化数据以及器件的硬失效数据。

4.如权利要求1所述的MOS器件寿命预计方法，其特征在于，所述步骤S3中，采用阿列尼乌斯模型、E模型、艾琳模型或者其组合确定应力施加方式。

5.如权利要求1所述的MOS器件寿命预计方法，其特征在于，所述步骤S4包括：分析器件各种单一失效模式的分布以及各种单一失效模式之间的相关性。

Images