テクノロジースポットライト:連続回転とAIノイズ除去を備えた生産速度対応3D X線検査
2026年10月29日 | Hao-Che Chien、Chien-Yu Kuo
ハードウェアとソフトウェアを組み合わせたアクセラレーテッド・ワークフローにより、高品質なTSV検査を生産ラインへどのように近づけるか。
先端半導体製造において、競争力を求めるメーカーにとって検査速度は極めて重要な要素であり、市場投入までの時間、歩留まり、プロセス制御に直接的な影響を与えます。しかし、検査対象となる構造はますます微細化、高密度化、複雑化しています。シリコン貫通電極(TSV)はこの課題を如実に示しており、1枚のウェハー上に数百万ものほぼ同一の微細構造が高密度に配置される一方で、ボイドなどの重要な欠陥はわずか数マイクロメートルの大きさしかない場合があります。
従来のコンピュータ断層撮影(CT)やラミノグラフィ(CL)でも必要な3次元の詳細情報は得られますが、コンポーネントにダメージを与えない線量で十分な解像度のボリュームデータを取得するには時間がかかりすぎており、実際のインライン用途には現実的ではないことが少なくありません。このギャップを埋めるため、台湾のアプリケーションチームは、連続回転ラミノグラフィとディープラーニングによる画像ノイズ低減、および自動欠陥解析を組み合わせたワークフローを検証しました。その結果、信頼性の高いTSVボイド検出に必要な構造情報を維持しながら、4分間の3D検査サイクルを実現しました。このアプローチの仕組みと、その組み合わせが重要である理由について説明します。
TSVアレイ検査における2D/2.5Dと3Dの比較
ウェハーの加工が完了すると、ほぼ同一の寸法を持ち、密に配置された数百万ものTSVが含まれることがあります。検査システムは、これら個々の構造をセグメント化し、一貫して位置を特定し、小さな内部欠陥を特定する必要があります。これらすべてを、製造現場に適した速度で実行できなければなりません。
X線顕微鏡において、中心的な制約となるのはスループットと画質の間の物理的なトレードオフです。最新のTSV検査には1 µm未満の解像度が求められ、そのためには微小なX線焦点が必要となります。焦点サイズが小さくなると安全に照射できるターゲット電力が制限され、結果としてフォトンフラックスが減少します。従来の手法では、信号対雑音比(SNR)を維持するために長時間の露光や複数フレームの平均化でこれを補ってきましたが、どちらの方法も取得時間が長くなり、完全な3D検査のインライン導入を困難にしています。
2.5D X線イメージングは、部分的な妥協点を提供します。2Dイメージングの取得速度と、選択された角度でキャプチャされた限られた数の投影画像を組み合わせることで、完全なCTスキャンよりもはるか少ない計算コストで、奥行き感のある情報(「疑似3D」ビュー)を生成します。しかし、影や重なりによって特徴が見えにくくなったり、誤検出が発生したりすることが依然としてあります。要するに、速度は向上するものの、結果に対する信頼性が損なわれる可能性があります。
図1. 高密度TSVアレイの2.5Dチルトディテクタイメージングにおける深刻な特徴の重なりの例。ボイドの視認性が低下し、欠陥の解釈があいまいになっています。
目的: 高精度なTSVボイド検出を、現代の生産に対応可能なサイクルタイム内で実現できるか?
ステージ1: 連続回転ラミノグラフィによるハードウェアベースの高速化
ラミノグラフィは、主に2つのスキャン戦略を用いて実行できます。ステップ・アンド・ゴースキャンでは、複数のフレームが取得される間、すべての角度位置で回転が一時停止します。これにより各投影のSNRが向上しますが、停止、安定、再開の繰り返しにより、機械的なオーバーヘッドが大幅に増加します。
連続回転ラミノグラフィは、動きと取得の同期を維持しながらサンプルを移動させ続けます。スタート・ストップサイクルを排除することで、スキャン総時間が大幅に短縮されます。トレードオフとして、モーションブラーやエイリアシングが発生する可能性があるため、精密なモーションコントロールと投影の同期が不可欠です。しかし、十分な数の角度投影があれば、システムは顕著なエイリアシングアーティファクトを発生させることなく、TSVのボリュームを正確に再構成できます。
ステージ2: ディープラーニングノイズ低減によるソフトウェアベースの高速化
高速で、シングルフレームかつ低線量での取得を行うと、必然的にSNRが低いデータが生成されます。第2ステージでは、特定のデバイス設計に合わせてトレーニングされた、自社製のディープラーニングノイズ低減モデルによってこの制限に対処します。選択された1つのダイの高投影数ステップ・アンド・ゴー・ラミノグラフィスキャンが、トレーニングのターゲットリファレンスとして機能します。
トレーニングが完了すると、このモデルは、追加の再トレーニングを必要とせず、同一設計の他のダイから新しく取得されたデータセットに適用できます。この設計固有のクロスダイ展開戦略により、インライン環境に十分な推論速度を維持しながら、正確な復元がサポートされます。
ハードウェアおよびソフトウェアのアクセラレータは独立して動作させることも可能ですが、その真価はそれらを組み合わせて使用するときに発揮されます。まず連続回転によって取得時間が短縮され、次にディープラーニングによって、高速かつ低線量のキャプチャで失われた画質が復元されます。この「ファスト・オン・ファスト」の組み合わせにより、高投影数のステップ・アンド・ゴー・スキャンに必要な時間のごく一部で、高品質な体積データが提供されます。
速度、信号、および測定信頼性の比較
| 撮像条件 | スキャン時間 | 相対SNR | ボイド率 %(平均 ± 標準偏差) |
|---|---|---|---|
高投影数ステップ・アンド・ゴー・ラミノグラフィ | 60 分 | 1.00 | 9.03 ± 0.18 |
低投影数ステップ・アンド・ゴー・ラミノグラフィ | 4分 | 0.43 | 7.28 ± 1.39 |
連続回転ラミノグラフィ | 4分 | 0.69 | 8.17 ± 0.65 |
ディープラーニングによるノイズ除去を伴う連続回転ラミノグラフィ | 4分 | 1.08 | 8.72 ± 0.38 |
(a) 高プロジェクション、ステップ・アンド・ゴー方式のラミノグラフィースキャン(1時間)
(b) 低プロジェクション、ステップ・アンド・ゴー方式のラミノグラフィースキャン(4分)
(c) 連続回転ラミノグラフィ(4分)
(d) ディープラーニングによるノイズ除去を伴う連続回転ラミノグラフィ
(4分)
この比較は、取得速度の向上だけでは不十分であることを示しています。ステップ・アンド・ゴー方式のスキャンでプロジェクション数を減らすと、サイクルタイムは60分から4分に短縮されますが、相対SNRは0.43に低下し、測定されたボイド率のばらつきが大きくなります。連続回転方式では、より優れた4分のベースラインが得られ、相対SNRは0.69となり、ボイド率も高プロジェクションの参照値に近い結果となります。
ディープラーニングによるノイズ除去を追加すると、結果はさらに決定的に改善されます。相対SNRは1.08へと上昇し、高プロジェクション参照値の1.00をわずかに上回ります。一方、測定されたボイド率は8.72 ± 0.38%となり、60分のリファレンススキャンによる9.03 ± 0.18%と同等の数値を示しています。したがって、この手法は測定の信頼性を維持しながら、取得時間を大幅に短縮します。
ステージ3:AI駆動型セグメンテーションによる結果の検証
SNRは重要な指標ですが、重要な疑問は、再構成されたボリュームが本来の検査タスクに耐えうるかという点です。ノイズ除去されたデータの断面図を見ると、TSV銅充填部やボイドの境界において、高プロジェクションのステップ・アンド・ゴー方式のスキャンと比較して、エッジのシャープネスや微細なディテールのコントラストがわずかに低下しています。それでもなお、ボイド検出に必要な重要な構造的特徴は十分に維持されています。
その点を定量的に検証するため、チームは2つ目のディープラーニングモデルを適用し、背景から各TSVをセグメンテーションした上で、その内部のボイドをセグメンテーションしました。ボイドの体積は、TSV全体の体積に対する割合として算出されました。高プロジェクションのリファレンスにおける平均ボイド率は9.03 ± 0.18%であったのに対し、ノイズ除去を伴う連続回転ラミノグラフィでは8.72 ± 0.38%となりました。この高い一致度は、高速化されたワークフローが自動欠陥解析に必要な情報を保持していることを示しています。
検出されたボイド(赤)および金属(オレンジ)を強調表示したTSVへのディープラーニング・セグメンテーションのオーバーレイ。
結論:3D検査を生産サイクルに組み込む
本研究で分析したインターポーザTSVサンプルは、すでに金属充填と化学機械研磨(CMP)を完了しており、マイクロバンプや再配線層(RDL)との統合の準備が整った状態でした。先進パッケージングのこの段階では、ボイドが下流工程の信頼性に直接影響を及ぼす可能性があるため、迅速かつ確実な検査の価値が特に高くなります。
連続回転ラミノグラフィ、設計に特化したディープラーニングによるノイズ除去、および自動セグメンテーションを組み合わせることで、チームは4分のサイクルタイム内で高品質な3D体積検査を達成しました。この速度は、リアルタイムのプロセス監視、歩留まり改善の加速、およびプロセスの体系的なドリフトの早期検出をサポートします。同様に重要な点として、単一のダイでノイズ除去モデルをトレーニングし、同一のウェハー設計全体に適用することで、セットアップのオーバーヘッドを最小限に抑えることができます。ここから得られるより大きな教訓は明確です。生産スピードでの3D検査は単一のブレークスルーに依存するものではなく、取得、再構成、解析にわたる協調的な高速化によって実現されるということです。
謝辞:
本記事の執筆にあたり、本研究の原著者であるHao-Che Chien氏およびChien-Yu Kuo氏に感謝いたします。さらに、Comet Solutions TaiwanのアプリケーションチームおよびR&D部門の同僚による、システム統合、実験セットアップ、データ取得における貴重な技術的サポートがなければ、本研究の成し得なかったことは言うまでもありません。また、ディープラーニングによるノイズ除去モデルのトレーニング、検証、展開に貢献していただいた解析ソフトウェアチームに特別な感謝を捧げます。TSVインターポーザサンプルをご提供いただき、インライン検査要件に関する貴重なフィードバックをいただいたプロセスエンジニアリングパートナーの皆様の協力にも感謝いたします。皆様のご支援は、本研究の成功に不可欠なものでした。
最新の3件のニュース
ガラスの向こう側を見る:アドバンストパッケージング向けTGV(ガラス貫通電極)のX線検査
2026年6月22日 | Dr. Daniel Stickler
ガラスは、アドバンスト半導体パッケージングの基板材料としてますます注目を集めています。その寸法安定性と電気的特性により、大面積パネルや高密度配線構造の興味深いベースとなります。しかし、TGV(ガラス貫通電極)を用いてガラス内に電気接続を配線する場合、新たな検査の課題が生じます。関連する欠陥の多くは、もはや表面からは見えないのです。 Photomask Japan 2026において、当社はガラス基板およびTGV構造の最初のイメージング事例を発表しました。この結果は、X線イメージングがエッチングされたガラスビアやメタライズされたTGV内の欠陥に対する非破壊的なアクセスをどのように提供できるか、そして傾斜撮影、コンピュータ断層ラミノグラフィ、検出器の性能、AI支援解析がなぜ重要であるかを示しています。
詳細を読むCTを使用してシュレスヴィヒ=ホルシュタイン州のドゥーヴェンゼー湿原で新たな発見を掘り起こす
2026年6月8日
今年初め、当社はフラウンホーファー個別医療技術・工学研究機構(Fraunhofer IMTE)および Leibniz Centre for Archaeology(LEIZA)と共同で、北ドイツ最古の墓地として知られるシュレスヴィヒ=ホルシュタイン州のドゥーヴェンゼー湿原で出土したオーロックス(原牛)の頭蓋骨の中にあったユニークな発見物の調査に取り組みました。
詳細を読む中学3年生のインターンシップ、CTスキャン、そして塩と砂糖を聞き分けることを学習したAI
2026年2月12日 | Dr. Daniel Stickler
Comet Yxlonでの最近の3週間の学生インターンシップの間、私は好奇心旺盛でモチベーションが高く、当然の理由からX線装置の単独操作が許可されていない中学3年生の指導をする機会を得ました。そこで私たちは、実感を伴う、実際のデータ、実際の分析、そして明確な成果が得られるプロジェクトを設計しました。目標は、X線イメージングとX線CTの基礎を学びながら、ソフトウェアを自分で操作できるようにすることでした。
詳細を読む