Optimisation de la conception du champ thermique pour four épitaxial SiC (réacteur CVD à parois chaudes)

L'objectif principal est d'obtenir l'uniformité de la température de surface de la tranche (≤ ± 0,5–5 ℃) et la stabilité du champ température/écoulement, améliorant ainsi l'uniformité de l'épaisseur de la couche épitaxiale (<3 %), l'uniformité du dopage (<8 %), réduisant la densité des défauts et augmentant le taux de croissance (>60 μm/h).

Les progrès récents dans l'optimisation des processus d'épitaxie SiC se sont concentrés sur la gestion thermique, l'optimisation multiparamètres, la simulation assistée par l'IA, la régulation du débit de gaz et les améliorations de la structure du réacteur. Ces développements visent à améliorer l’uniformité des couches épitaxiales, l’efficacité de la croissance, le contrôle des défauts et l’évolutivité industrielle des grandes tranches.

Modélisation de la conductivité thermique des matériaux isolants

Une direction de recherche importante est la modélisation de la conductivité thermique du feutre de graphite fibreux utilisé dans les réacteurs d'épitaxie. Des modèles analytiques avancés ont été développés pour évaluer la conductivité thermique apparente tout en tenant compte de la composition du gaz, de la pression de la chambre et de la température de fonctionnement. Dans des conditions de gaz vecteur riche en hydrogène, le transfert de chaleur en phase gazeuse devient le mécanisme de transfert de chaleur dominant. Des études montrent que la réduction de la pression dans la chambre de 100 mbar à 1,5 mbar diminue considérablement la puissance de chauffage requise. Ces modèles permettent également de prédire plus précisément la répartition de la température dans les différentes régions du réacteur, contribuant ainsi à prévenir la non-uniformité des dépôts provoquée par les variations de température en dehors de la zone de la tranche, même lorsque la température du substrat reste constante.

Optimisation des paramètres multi-objectifs à l'aide de FEM et de l'apprentissage automatique

Une autre avancée majeure combine la modélisation par éléments finis (FEM) avec des algorithmes d'apprentissage automatique pour une optimisation multi-objectifs. Les paramètres clés du processus comprennent le débit total de gaz, la température de croissance, la pression dans la chambre, la vitesse de rotation du suscepteur et la conception de la distribution du gaz. Les approches d'optimisation telles que les modèles de substitution MOPSO, NSGA-II et SVM ont été largement adoptées. Les résultats démontrent que l’uniformité de l’épaisseur peut être améliorée d’environ 30 %, tandis que l’optimisation du front de Pareto permet d’obtenir simultanément des taux de croissance élevés et un faible coefficient de variation. Les fenêtres de processus optimales se trouvent généralement à des températures de croissance de 1 450 à 1 500 °C, des pressions de chambre de 80 à 100 mbar, des vitesses de rotation du suscepteur supérieures à 60 tr/min et des rapports d'entrée de gaz asymétriques tels que 5:16:5.

Simulation multiphysique transitoire combinée à l'apprentissage automatique

Des études récentes intègrent également des simulations CFD transitoires à des techniques d'apprentissage automatique pour accélérer l'optimisation des processus. Les modèles CFD couplés flux thermique-chimique combinés aux réseaux neuronaux ACO-BPNN sont utilisés pour optimiser la température de dépôt, le débit de gaz d'entrée, la vitesse de rotation et la pression de la chambre. La validation expérimentale montre un excellent accord entre la simulation et les résultats pratiques, avec des écarts de prévision de seulement 4,03 % pour le taux de croissance et de 0,49 % pour l'uniformité. Cette approche raccourcit considérablement les cycles de développement et d’optimisation et est particulièrement adaptée aux réacteurs CVD horizontaux à parois chaudes.

Optimisation du débit de gaz et du champ de température

L’optimisation de la distribution du flux de gaz et du champ thermique reste essentielle pour une croissance par épitaxie SiC de haute qualité. Dans des conditions optimisées, notamment un débit de H₂ de 100 slm, un rapport de répartition du débit de 20:60:20 (côté:centre:côté), un rapport C/Si de 0,95, une température de croissance de 1 610 °C et une rotation du suscepteur, les chercheurs ont obtenu un champ d'écoulement parallèle très stable et une distribution uniforme de la température. Le gradient de température de la surface de la plaquette a été réduit à seulement 19,3°C. De plus, l'uniformité du dopage à l'azote a atteint 3,35 à 4,85 %, tandis que les défauts cristallins ont été considérablement réduits à 28 défauts au total, dont seulement 8 défauts triangulaires et 6 luxations du plan basal (BPD).

Itération et industrialisation de la structure des équipements

Les mises à niveau des réacteurs à l'échelle industrielle entre 2023 et 2026 se concentrent principalement sur les systèmes d'injection de gaz à division verticale, le chauffage par induction multizone, la compatibilité avec les configurations à une et deux tranches pour les tranches de 6 à 12 pouces et la refonte des composants en graphite avec maintenance préventive (PM) automatisée. Ces améliorations structurelles ont permis aux procédés d'épitaxie SiC de 8 et 12 pouces d'obtenir une non-uniformité d'épaisseur inférieure à 3 % et une variation de dopage inférieure à 8 %. De plus, la contamination par les particules a été réduite d'environ 50 %, les temps d'arrêt pour maintenance réduits de 30 % et la variation de température contrôlée à ±5 °C dans les systèmes à double plaquette.

Trois conclusions clés

1. La simulation et l'apprentissage automatique sont devenus la méthode courante pour l'optimisation du champ thermique : en couplant le champ thermo-fluide-chimique via CFD/FEM et en le combinant avec ACO-BPNN ou MOPSO/NSGA-II, les paramètres de Pareto optimaux peuvent être trouvés en quelques semaines (plutôt que par essais et erreurs traditionnels), améliorant considérablement l'uniformité de l'épaisseur/du dopage de plus de 30 % et réduisant les coûts expérimentaux. Il s’agit d’un outil essentiel pour la croissance épitaxiale à grande échelle de SiC de 8 à 12 pouces.

2. L'influence de la phase gazeuse (pression/composition H₂) à l'intérieur du feutre isolant sur la conductivité thermique apparente ne peut être ignorée : à des températures H₂ élevées, le transfert de chaleur en phase gazeuse est dominant et les changements de pression/débit de précurseur modifieront la répartition globale de la température du réacteur. Les derniers modèles analytiques peuvent être directement intégrés dans CFD pour obtenir une prévision précise de la puissance et un contrôle du champ thermique en boucle fermée, qui sont au cœur du rendement élevé, des économies d'énergie et de l'uniformité des foyers thermiques.

3. La transition vers des tailles plus grandes (8 à 12 pouces) nécessite une innovation structurelle : les équipements domestiques ont atteint une température de surface de tranche ≤ ± 0,5 ℃ et une différence de température sur double tranche ≤ 5 ℃ grâce à une prise d'air divisée verticale, un contrôle de température multizone et une optimisation du suscepteur. L'uniformité de l'épaisseur/du dopage a atteint le premier niveau international, soutenant directement la réduction des coûts et le doublement de la capacité de production. Le hotwall horizontal + le suscepteur rotatif sont toujours le courant dominant et il n'y a pas de controverse évidente.

Semicorex offre des produits de haute qualitécomposants dans le processus d'épitaxie. Si vous avez des questions ou avez besoin de détails supplémentaires, n'hésitez pas à nous contacter.

Téléphone de contact # +86-13567891907

Courriel : sales@semicorex.com