1 定義與概念
關鍵尺寸掃描電子顯微鏡（CD‑SEM，Critical Dimension Scanning Electron Microscope）是半導體制造工藝控制領域中，用於量測晶圓上奈米級電路圖形物理尺寸的專用高精度電子光學裝置。它並非通用型掃描電鏡，而是一套集成了亞奈米級電子光學成像、低損傷訊號採集、高魯棒性邊緣檢測演算法與全自動化產線適配能力的綜合量測系統。其核心功能在於，對已通過光刻、刻蝕等工藝步驟形成的光刻膠掩模圖形或硬掩模圖形，進行非破壞性的關鍵尺寸（CD，Critical Dimension）測量、形貌表徵及缺陷重檢（Review），為晶片製造提供單分子層級別的物理基準。
作為半導體過程控制（Process Control）體系中的“黃金標準”量測工具，CD‑SEM 的量測精度和穩定性直接決定了先進光刻工藝的開發週期、量產良率爬坡速度和最終器件的效能分佈。在邏輯晶片領域，它負責量測電晶體柵極長度（Gate Length）、鰭片寬度（Fin Width）、金屬互連線寬（Interconnect Width）；在儲存晶片領域，則用於監控電容孔徑（Capacitor Hole CD）、位線（Bit Line）及字線（Word Line）的關鍵尺寸。隨著技術節點向 5nm、3nm 及以下演進，以及環繞柵極電晶體（GAA，Gate-All-Around）和極紫外光刻（EUV）技術的匯入，CD‑SEM 的角色已從單一的尺寸監控工具，演變為關聯光刻機掃描器（Scanner）引數反饋、刻蝕工藝偏移校正以及設計版圖可製造性驗證（DFM）的核心資料樞紐。
從方法論上看，CD‑SEM 的運作機制是先利用高度聚焦的電子束在特定測試圖形上進行光柵掃描，激發並採集反映表面形貌的二次電子訊號，繪製高解析度灰度影像，再通過精確界定影像中邊緣的位置來提取線寬、孔徑、邊緣粗糙度等引數。它與光學散射測量（OCD，Optical Critical Dimension）等間接測量技術形成互補。OCD 擅長測量週期性結構的平均尺寸，速度快且對光刻膠無損傷；而 CD‑SEM 則具備對孤立結構、非重複性圖形缺陷以及區域性隨機效應進行直接、視覺化量測的獨特能力。正是這種不可替代性，確立了 CD‑SEM 在嚴苛的晶圓廠生產環境中作為最終物理參考基準的地位。
2 歷史演進與里程碑
CD‑SEM 的發展史，是一部半導體量測精度需求驅動電子光學與演算法極限不斷突破的創新史，其演進與積體電路技術節點的每一次微縮緊密耦合。
早期階段 (1990s)：從實驗室工具到產線裝置的轉型。 在 0.5μm 至 0.25μm 工藝節點時代，產線上的關鍵尺寸量測主要依賴常規掃描電鏡和光學顯微鏡。然而，隨著線寬縮小至 0.35μm 以下，光學系統的解析度極限日益凸顯。第一批專為產線設計的 CD‑SEM 應運而生，其核心突破在於引入了穩定的高亮度電子源和更適合自動化操作的平台，將測量重複性推進至 10nm 級別。這個階段的里程碑是 CD‑SEM 開始被晶圓廠接受為線上量測的必選裝置，取代了部分破壞性的切片分析方法，初步確立了其在過程控制中的地位。
精度提升階段 (2000s)：攻克光刻膠收縮、電荷積累與邊緣定位難題。 當工藝進入 130nm 至 65nm 節點時，193nm 光刻膠對電子束極其敏感的收縮效應成為巨大挑戰。電子束照射會導致光刻膠體積塌縮，使得測量到的尺寸與實際尺寸產生嚴重偏差。這一時期，低加速電壓技術成為關鍵突破口，通過將電子著陸能量（Landing Energy）降低至數百電子伏特，最大限度地減少對光刻膠的損傷。同時，減速浸沒透鏡技術（Retarding Immersion Lens） 被髮明並應用，它允許電子束在鏡筒內以高能量傳輸以維持高解析度，僅在著陸於樣品表面的瞬間減速至極低能量，巧妙地平衡了高解析度與低損傷之間的矛盾。此外，針對絕緣材料上的電荷積累問題，開發了低能離子噴淋（Flood Gun） 進行電荷中和，保障了成像穩定性。邊緣檢測演算法也從簡單的50%閾值法，演進為基於物理模型的線邊緣粗糙度（LER）分析演算法，能夠更準確地捕捉邊緣位置和粗糙度資訊，這是針對 65nm 以下電晶體線寬波動控制需求的重要里程碑。
整合智慧階段 (2010s-至今)：擁抱多重曝光、3D結構與AI。 進入 28nm 以下，特別是 EUV 光刻與 FinFET、3D NAND、GAA 等立體結構時代，CD‑SEM 面臨全新的挑戰。設計量測一體化（DCM，Design-based CD Measurement） 成為主流，系統需直接讀取圖形設計系統（GDS）版圖資料，在現場導航工具移動到精準的測量點位，並能區分測量複雜二維和三維結構的特定部位。為應對 EUV 光子散粒噪聲引起的隨機缺陷和極高的線邊緣粗糙度（LER），基於模型的邊緣擬合算法 更進一步，能夠同步提取線寬、側壁角、頂部圓化等三維引數。近年來，深度學習（Deep Learning）演算法，如 U‑Net 等卷積神經網路，被引入用於語義分割和邊緣檢測，在低訊雜比、圖形變形嚴重的影像上展現出遠超傳統演算法的魯棒性。最新的里程碑是高數值孔徑 EUV（High-NA EUV） 光刻技術的匯入，它對量測精度提出了 0.15nm 乃至更高的要求，推動 CD‑SEM 向多路並行電子束（Multi-beam） 技術發展，以在維持超高解析度的同時，不會因逐點掃描而導致吞吐量瓶頸，這標誌著 CD‑SEM 正從單束微觀量測向高通量、大數據統計分析裝置演進。
3 技術原理
CD‑SEM 的本質是一套將超高空間解析度與極低取樣損傷完美融合的精密儀器系統。其工作流程可被解構為電子光學系統的精確投射與聚焦、訊號的高保真激發與採集、以及物理模型驅動的尺寸計量學提取三個核心環節。
3.1 電子光學系統：亞奈米束斑的形成與低損傷著陸
CD‑SEM 的鏡筒是實現其效能的物理核心。為獲得優於 1nm 的空間解析度，系統普遍採用冷場發射（CFE, Cold Field Emission）或肖特基場發射（Schottky Emission）電子源。CFE 源因功函式低、電子能量分佈窄，能提供最高的亮度和最小的束斑，但其對真空度要求極高，發射電流也相對不穩定。而肖特基源則在高真空下表現出優異的電流穩定性與長壽命，是當前高階量產裝置的首選。
為了在解析度和避免光刻膠收縮之間取得平衡，幾乎所有的先進 CD‑SEM 都採用了減速浸沒透鏡技術。其工作原理是：電子束離開電子槍後，被 1-5kV 的高加速電壓加速，通過聚光鏡和掃描偏轉系統，這有助於保持束流能量，抵抗空間電荷效應，並縮小最終聚焦斑點；然而，在最終到達樣品表面之前，通過在物鏡與樣品之間施加一個強大的負減速電場，使電子束的著陸能量（Landing Energy）極速降低至 100eV 至 500eV 的範圍。低著陸能量意味著電子與樣品的作用體積更小，二次電子產額更高，且對光刻膠的損傷降至最低。這種“高能量傳輸、低能量著陸”的設計，是 CD‑SEM 能夠觀測 193nm 光刻膠和 EUV 光刻膠而不引起顯著變形的物理基石。
3.2 訊號生成、採集與成像機制
當聚焦的一次電子束轟擊樣品表面時，會通過彈性與非彈性散射激發出多種訊號，其中對 CD‑SEM 最為關鍵的是二次電子（SE, Secondary Electron）。SE 是由一次電子激發出的樣品原子外殼層電子，能量極低（< 50eV），僅能從樣品表面極淺的層（數奈米）內逃逸。其產額對錶面形貌的變化極其敏感：在圖形邊緣、尖端或陡坡處，SE 更易逸出，產額急劇升高，形成所謂的“邊緣效應”（Edge Blooming），這正是生成邊緣對比度的根本來源。
探測器通常採用埃弗哈特-索恩利（Everhart-Thornley）探測器或新型的半導體探測器陣列。以探測器捕獲到的 SE 訊號強度，逐一調變掃描區域內每個畫素點的灰度級，最終在螢幕上形成一幅立體感強烈、細節豐富的灰度影像。在掃描過程中，圖形邊緣的兩側訊號會經歷一個陡峭上升或下降區，形成灰度截面輪廓（Linescan）。該輪廓是後續尺寸提取的原始資料。值得注意的是，為抑制非導電性材料（如部分光刻膠、氧化物層）因電荷累積而導致的影像畸變和漂移，系統會同時使用低能離子噴淋，中和表面積累的負電荷，確保訊號採集過程的穩定與精確。
3.3 尺寸計量學：從灰度輪廓到物理尺寸的演算法鏈路
從一條灰度掃描輪廓線中精確界定“邊緣”位置，是 CD‑SEM 尺寸計量學的核心所在。整個過程由一系列精密演算法完成。
- 傳統方法（閾值法）：定義輪廓線最高訊號和背景基線訊號，以兩者之間某個線性歸化百分比（如 50%）所對應的位置作為物理邊緣。該方法簡單快速，但其準確性極度依賴於影像的對比度和物理形態。圖形側壁角的變化會導致閾值對應位置的物理意義發生偏移。
- 基於物理模型的方法（模型化邊緣擬合）：這是當前工業界的標準方法。它首先建立一個理想化的物理臺階模型（包含線寬、側壁角、頂部和底部曲率半徑、材料等引數）。然後，將該物理模型與電子束的束斑分佈函式（如高斯分佈）進行卷積，模擬出電子束在理論圖形上橫向掃描時應產生的理論灰度輪廓。最後，演算法通過最大似然估計或非線性最小二乘法，調整物理模型的各項引數，直至模擬輪廓與實測輪廓達到最佳匹配。此時，從最佳匹配的物理模型中即可直接讀出線寬（CD）、側壁角（SWA）及邊緣粗糙度（LER/LWR）等三維資訊。這種方法從根源上解釋了訊號生成的物理過程，因而具有極高的準確性和魯棒性。
- 深度學習方法：近年來，以 U‑Net 為代表的卷積神經網路被訓練用於直接對二維 SEM 影像進行語義分割。網路通過海量精確標記的不同形貌 SEM 影像進行監督學習，從而學會在訊雜比極低、圖形形態高度不規則（如 EUV 光刻膠的隨機橋接或斷裂）的情況下，依然能準確地識別和標記出邊緣畫素，進而完成尺寸測量。此方法正在成為解決 EUV 時代複雜圖形計量挑戰的關鍵技術驅動力。
+-----------------+ +------------------+ +---------------------+
| 電子槍 (冷場/肖特基) | --> | 聚光鏡/偏轉線圈 | --> | 物鏡 (減速浸沒技術) |
+-----------------+ +------------------+ +---------------------+
|
+------- 高能量傳輸 --------> | ---- 低能量著陸 ----
|
v +------------+
被測晶圓 (光刻膠/矽) | 離子噴淋 |
+-------------------+ (電荷中和) |
| +------------+
v
+-------------------+
| SE 探測器陣列 |
+-------------------+
|
v
(A) 灰度截面輪廓 (Linescan)
----> 閾值法, 模型擬合法, 深度學習
(B) 二維 SEM 影像
----> 邊緣檢測, 特徵提取4 成熟度與標準化
CD‑SEM 在半導體產線上的應用已高度成熟，但其持續的標準化工作與對新制程的適應性驗證，是保持其“黃金基準”地位的基石。
4.1 Gartner 技術成熟度曲線定位
從技術炒作週期看，CD‑SEM 作為一個整體品類，早已越過泡沫低谷期，處於生產力高原（Plateau of Productivity）。其核心能力——高精度線寬測量——已成為全球半導體制造的“公共事業”，具備了高度標準化的操作流程、驗收標準及廣泛的供應商生態系統。然而，若對該技術進行細分，不同技術模組的成熟度則存在差異。
- 成熟穩定技術：基於傳統閾值法和模型法的低加速電壓單束 CD‑SEM 技術，在 28nm 及以上成熟製程中，其測量方法、校準標準和機臺匹配流程均已高度標準化，被 SEMI（國際半導體產業協會）釋出的行業標準（如 SEMI E10, E78 等）全面覆蓋。
- 正處於快速採納與規範化階段的技術：專為 EUV 光刻設計的高解析度、低損傷成像模式，以及基於模型對 GAA 奈米片（Nanosheet）進行全面三維量測的演算法，目前正處於穩步爬升光明期（Slope of Enlightenment）。主流裝置商和應用廣泛的晶圓廠在聯合開發並將這些最佳實踐固化。
- 處於技術萌芽期的前沿探索：多路並行電子束（Multi-beam）CD‑SEM、冷場發射與超低著陸能量（sub-10eV）的結合、以及完全由深度學習驅動的自適應量測系統，目前正處於技術萌芽期（Innovation Trigger），主要由少數研究機構和頂級裝置廠探索，是未來3-5年的重點研發方向。
4.2 國際標準化與關鍵規範
CD‑SEM 的量測結果必須在不同時間、不同機臺、不同晶圓廠之間具有可比性，這高度依賴於嚴密的標準化體系。
- SEMI 標準系列：SEMI 組織的標準涵蓋了裝置定義、效能評估、校準和計量的方方面面。例如，SEMI E10 定義了裝置可靠性、可用性、可維護性的評估通則。SEMI E78 則專門針對量測裝置的機臺匹配（Tool Matching）提供實施指南。SEMI P43 提供了 CD‑SEM 效能評估的測試方法。
- NIST 可追溯性：美國國家標準與技術研究院（NIST）提供了可追溯到國際單位制（SI）的奈米線寬標準物質（如 RM 8111 等）。晶圓廠通過這些物質校準自己的內部標準片，再將這一標準傳遞至線上 CD‑SEM，保證了量值在全球範圍內的統一。
- 內部黃金基準片與 SPC：各大晶圓廠均建立了內部更嚴格的“黃金/白金晶圓”標準片管理體系，每日利用標準片對機臺進行穩定性監控（每日質控，Daily QC），並結合統計過程控制（SPC）手段，確保任何微小的精度漂移都能在影響產品良率之前被偵測、鎖定和校正。
5 市場格局與競爭分析
CD‑SEM 市場是半導體過程控制裝置中集中度最高的細分市場之一，呈現出寡頭壟斷的格局，其競爭壁壘深植於高技術和對客戶工藝的深度繫結。
5.1 全球市場規模與驅動因素
根據公開的半導體裝置市場研究報告，CD‑SEM 的市場規模與全球晶圓廠資本支出高度正相關，尤其與光刻機的採購量及先進製程的產能擴張緊密聯動。隨著 EUV 光刻層數在 5nm/3nm 節點的急劇增加（每片晶圓光學層可達 20 層以上），以及 GAA 結構匯入後對各工藝環節量測需求的指數級增長，CD‑SEM 在裝置投資中的比重持續攀升。全球 CD‑SEM 市場總額預估可達數十億美元量級，並持續以高於晶圓廠裝置（WFE）平均增速的水平增長。核心驅動因素包括：EUV/高NA EUV 光刻帶來的隨機缺陷量測需求、GAA 奈米片級的三維尺寸控制需求、以及線上良率管理系統對大數據（Big Data）需求的推動。
5.2 競爭格局與“兩大巨頭”
市場長期由兩家公司高度壟斷，合計佔據了全球絕大多數市場份額。
- 日立高新技術（Hitachi High-Tech）：通常被視為 CD‑SEM 領域的全球領導者，尤其在邏輯晶片先進製程領域佔有顯著優勢。其產品線（如 CG 系列）以極高的測量精度、長期穩定性和高速產能著稱。其核心技術優勢包括：業內領先的冷場發射技術與減速浸沒透鏡結合，能夠在超低加速電壓下提供優異的訊雜比，對 EUV 光刻膠損傷極小；在基於深度學習的缺陷量測和邊緣檢測演算法上版面配置激進；與全球主要的邏輯晶片製造商（如台積電、Intel、三星）建立了長達數十年的深度合作關係，深度參與了這些關鍵客戶先進製程技術的聯合開發。日立高通的客戶黏性極大，其裝置與客戶的光刻工藝引數和 OPC（光學鄰近效應修正）模型已形成緊密閉環。
- 應用材料（Applied Materials）：作為半導體裝置領域的綜合巨頭，應用材料通過其“ProVision”系列 CD‑SEM 裝置深度參與了市場競爭，尤其在儲存晶片領域（如 3D NAND）具有強大影響力。其競爭優勢在於能夠將 CD‑SEM 與其龐大的過程控制產品組合（如刻蝕、薄膜沉積、缺陷檢測裝置）及良率管理軟體（如 E3）進行深度整合，為客戶提供一站式的工藝整合解決方案。其產品強調高通量和與晶圓廠自動化系統的無縫對接。
這種雙寡頭格局極其穩固。對於任何新進入者而言，即使能夠研發出在實驗室指標上可匹敵的樣機，也幾乎不可能在短期內突破兩大巨頭歷經數十年建立起的“裝置-工藝-資料-信任”四位一體的生態系統壁壘。潛在的差異化者可能出現在多束高速量測或全新形態的計量學領域。
6 應用場景與案例分析
CD‑SEM 的應用貫穿於晶片製造的前道工藝五大環節（光刻、刻蝕、沉積、研磨、擴散），尤其在光刻和刻蝕的工藝控制中處於核心地位。
6.1 光刻工藝控制：ADI 與 AEI
在顯影後檢查（ADI, After Develop Inspection）階段，CD‑SEM 測量的是光刻膠掩模上的圖形尺寸。此時，其面臨的最大挑戰是光刻膠收縮。應用低著陸能量技術是標準做法。例如，在監測 EUV 光刻形成的密集線條陣列時，CD‑SEM 通過智慧取樣策略，僅在不可利用的光學鄰近效應修正測試圖形上進行高精度量測，從而保護晶片產品區域。量測資料（包括線寬、均勻性）會即時反饋給光刻機掃描器，用於調整曝光劑量和焦距，完成閉環控制。 在刻蝕後檢查（AEI, After Etch Inspection）階段，圖形已被轉移至硬掩模（如氮化矽或氧化物），對電子束損傷的容忍度更高。此階段的量測重點是刻蝕偏差，即最終物理圖形與設計版圖間的差異。通過DCM功能精準導航至版圖指定測量點，提取線寬、側壁角及刻蝕線性度等資訊，資料被反饋給刻蝕裝置以調整工藝引數（如射頻功率、氣體流量）。
案例：3nm GAA 奈米片溝道釋放工藝控制。 奈米片電晶體製造的終極挑戰是溝道釋放（Channel Release）工藝，即通過選擇性刻蝕移除圍繞矽奈米片（Si Nanosheet）的犧牲矽鍺（SiGe）層。該工藝後，必須精確測量懸空矽奈米片的厚度（最終溝道厚度）和寬度，精確到單原子層級別。光學散射測量（OCD）在此遇到極大困難，因為釋放後的結構沒有周期性且對外界環境敏感。此時，CD‑SEM 成為唯一可靠的測量工具。通過對釋放後的奈米片截面或頂視進行超高分辨、低損傷成像，並利用基於物理的模型定量提取極薄奈米片的尺寸及其靜態下垂形變資訊，為刻蝕停止控制提供了不可替代的物理依據，直接決定了 GAA 器件的閾值電壓均勻性。
6.2 缺陷複檢與分類
當明場或暗場光學缺陷檢測裝置發現物理形貌異常後，CD‑SEM 接續扮演“高解析度顯微鏡”的角色，對缺陷進行高倍率成像複檢（Review）和自動分類（ADC）。尤其在 EUV 光刻中，檢測到的隨機缺陷點需經由 CD‑SEM 進行精確定義（如橋接、斷線、奈米壓印等），其成像結果被輸入深度學習缺陷分類系統，精準分類缺陷成因，區分系統性問題與隨機誤差，從而引導工程師鎖定並消除汙染的製程裝置。
7 產業鏈與供應鏈
CD‑SEM 的產業鏈是高度專業化的系統工程，其供應鏈涉及全球範圍內的精密技術供應商，最終服務於晶圓代工廠和儲存器廠兩大類客戶。
上游核心元件供應商： CD‑SEM 的供應鏈高度集中且存在技術門檻。
- 電子光學元件：冷場發射和肖特基場發射電子源是其“心臟”。目前，高質量的肖特基源多由少數幾家頂尖公司（如丹麥的 Dantherm，日本的 Denka）特殊加工。高效能物鏡、靜電透鏡、偏轉線圈等精密部件的製造依賴極高的加工和裝配精度。
- 超高真空系統：為保證電子槍壽命和電子束傳輸穩定性，鏡筒內需維持在超高真空（< 1e-9 torr）環境，這依賴於高效能的離子泵、渦輪分子泵和吸氣劑泵（Getter Pump）供應商。
- 精密運動與減振系統：承載 300mm 晶圓的載物臺需在嚴苛真空環境下實現奈米級的定位精度和高速移動，依賴精密陶瓷或空氣軸承電機、雷射干涉儀和高效能主動/被動減震器供應商。
- 訊號處理與演算法：高速模數轉換器（ADC）和現場可程式設計門陣列（FPGA）用於訊號前端處理，而核心的邊緣檢測和深度學習演算法則是裝置商的軟體“黑盒”。
下游客戶與採購模式： 直接客戶涵蓋邏輯代工廠（台積電、三星、Intel）、儲存廠商（SK 海力士、美光、鎧俠/西部資料）及小眾化合物半導體和MEMS製造商。採購模式幾乎全部為資產性採購（CapEx）。一個新晶圓廠在規劃階段就會依據其目標產能和工藝節點，詳細計算出所需的 CD‑SEM 總數（通常一個月產數萬片晶圓的先進邏輯廠需要數百臺 CD‑SEM）。這類裝置不可替代且客戶採購決策週期長、轉換成本極高，一旦某個機型的 CD‑SEM 被客戶認證並嵌入其 OPC 模型和良率管理平台，競爭對手便很難滲透。供應商與客戶的關係通常發展為長達5-10年的緊密戰略研發合作伙伴。
8 評估與選型指標
晶圓廠在選擇 CD‑SEM 機臺時，會依據一套嚴苛的、多方位的評估體系進行測試和比較。這些指標最終決定了裝置在量產環境中的可用性和價值。
-
核心計量效能：
- 測量重複性 (Precision)：同一位置、同一天連續重複測量的統計波動範圍（3σ 通常 < 0.2nm）。是衡量裝置穩定性的最關鍵指標。
- 長期重複性 (Long-term Precision / Stability)：相隔一定週期（如一天、一週）測量的偏移量，通常通過每日質控程式監控。
- 機臺匹配精度 (Tool Matching)：不同 CD‑SEM 機臺對同一測量點位所獲結果的一致性（通常要求匹配誤差 < 0.3nm 甚至更嚴），對晶圓廠同一產線多臺裝置的協同執行至關重要，這通常需要強大的機臺匹配演算法進行校準。
-
產能與效率：
- 測量速度 (Throughput)：每小時可完成測量的點數（如 wph），直接關聯裝置購置總量。這取決於樣品臺移動速度、自動對焦和尋邊的速度。
- 載具介面與自動化水平：與前端模組（EFEM）、晶圓盒（FOUP）和工廠物料管理系統（MES）的無縫整合能力。
-
工藝適應性：
- 對光刻膠的損傷程度：測量前後同一位置 CD 的變化量。這是評估低加速電壓和成像策略的關鍵。
- 對絕緣層的電荷控制能力：成像漂移和畸變程度。
- 對不同材料、三維結構的測量能力：能否準確測量高深寬比結構、GAA 奈米片等，以及先進的邊緣檢測演算法對不同工藝、輪廓的魯棒性。
-
軟體與資料生態：
- DCM (Design-based CD Measurement)能力：是否具備與 OPC 修正工具和良率管理系統雙向溝通資訊的能力。
- 資料輸出與分析便利性：能否便捷地將量測資料上傳至大型統計分析平台，支援 SPC 控制和根源分析。
選型時，晶圓廠通常會採用設計的“馬拉松測試”，在數天內對標準晶圓和特定工藝的微影晶圓進行上萬次的連續測試，以全面衡量上述所有指標，並觀察裝置在車間震動、電網波動等真實環境下的抗干擾能力。
9 程式碼示例：邊緣檢測與特徵提取
為了更具體地說明 CD‑SEM 資料處理中的核心演算法環節，下方提供一段簡化的 Python 指令碼，用於演示如何從一個模擬的 SEM 灰度截面訊號（Linescan）中定位邊緣並計算關鍵尺寸。此程式碼側重於展示模型化擬合方法背後的基礎計算邏輯，並非真實裝置上的商業軟體實現。
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
# 模擬 SEM 掃描輪廓訊號 (Linescan)
# 使用兩個誤差函式之和來模擬兩條邊緣的物理訊號
def simulate_linescan(x, cd=50, swa=2.0, noise_level=0.02):
"""生成理想化的SEM灰度輪廓，包含左右邊緣和隨機噪聲"""
left_edge = 3 / (1 + np.exp(-(x + cd/2) / swa)) # 左邊緣，上升沿
right_edge = 3 / (1 + np.exp((x - cd/2) / swa)) # 右邊緣，下降沿
signal = left_edge + right_edge + 1 # 構成完整輪廓
noise = np.random.normal(0, noise_level, x.shape) # 高斯白噪聲
return signal + noise
# 2. 定義用於擬合的模型函式
def model_func(x, base, height, cd, swa):
"""基於雙誤差函式的可調引數模型，用於最小二乘擬合"""
left_edge = height / (1 + np.exp(-(x + cd/2) / swa))
right_edge = height / (1 + np.exp((x - cd/2) / swa))
return base + left_edge + right_edge
# 3. 生成模擬資料
np.random.seed(42)
x_data = np.linspace(-100, 100, 500) # 模擬 200nm 掃描範圍
true_cd = 45.0 # nm
true_swa = 2.0
y_data = simulate_linescan(x_data, cd=true_cd, swa=true_swa)
# 4. 執行擬合
# 初始猜想值: [基線, 總高度, cd, swa]
initial_guess = [1.0, 3.0, 55.0, 1.5]
popt, _ = curve_fit(model_func, x_data, y_data, p0=initial_guess)
# 提取最佳擬合引數
fitted_cd, fitted_swa = popt[2], popt[3]
# 5. 計算邊緣位置 (通過尋找模型函式導數的極值點)
# 利用高解析度的x_model進行數值求導以確定畫素級邊緣
x_model = np.linspace(-100, 100, 5000)
y_model = model_func(x_model, *popt)
dy_dx = np.gradient(y_model, x_model)
# 左邊緣位置: 導數最大點
left_edge_index = np.argmax(dy_dx)
left_edge_position = x_model[left_edge_index]
# 右邊緣位置: 導數最小點
right_edge_index = np.argmin(dy_dx)
right_edge_position = x_model[right_edge_index]
# 6. 計算 CD 值
measured_cd_model = right_edge_position - left_edge_position
# --- 輸出結果與視覺化 ---
print(f"=== CD-SEM 尺寸提取模擬結果 ===")
print(f"模型擬合 CD: {fitted_cd:.2f} nm")
print(f"導數邊緣法計算的 CD: {measured_cd_model:.2f} nm")
print(f"擬合的側壁角引數 (SWA Proxy): {fitted_swa:.2f}")
print(f"真實 CD (用於生成資料): {true_cd:.2f} nm")
plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.plot(x_data, y_data, 'b.', markersize=2, label='實測輪廓(模擬)')
plt.plot(x_model, y_model, 'r-', label='最佳擬合模型')
plt.axvline(left_edge_position, color='g', linestyle='--', label=f'左邊緣 ({left_edge_position:.1f} nm)')
plt.axvline(right_edge_position, color='m', linestyle='--', label=f'右邊緣 ({right_edge_position:.1f} nm)')
plt.xlabel('掃描位置 (nm)')
plt.ylabel('灰度訊號強度 (a.u.)')
plt.title('灰度截面輪廓與邊緣定位')
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(x_model, dy_dx, 'k-')
plt.axvline(left_edge_position, color='g', linestyle='--')
plt.axvline(right_edge_position, color='m', linestyle='--')
plt.xlabel('掃描位置 (nm)')
plt.ylabel('訊號一階導數 (dSignal/dx)')
plt.title('邊緣位置與導數的關係')
plt.tight_layout()
plt.show()這個例子清晰地展示了超越簡單二值化閾值法的物理模型擬合思路：通過使用可表徵邊緣過渡區域形態（由引數 swa 控制）的數學函式，即使訊號存在噪聲，也能精準、重複地定位邊緣，並提取出比單純線寬更豐富的側壁形貌資訊。在實際 CD‑SEM 中，這個過程會被整合在專用硬體加速器的微秒內執行無數次。
10 專業術語解析
下表彙總了與 CD‑SEM 相關的核心專業術語，以提供統一的參考架構。
| 術語 (英文縮寫) | 全稱 / 解釋 | 在 CD‑SEM 語境下的核心意義 |
|---|---|---|
| CD | Critical Dimension (關鍵尺寸) | 被測量電路圖形的特徵尺寸，如電晶體柵寬。是量測的最終輸出目標。 |
| CD‑SEM | Critical Dimension-SEM | 專為奈米級 CD 量測設計的高精度掃描電子顯微鏡，融合了低損傷成像、精密計量演算法和產線自動化功能。 |
| SE | Secondary Electron (二次電子) | 用於成像和邊緣檢測的主要訊號。源自樣品淺層，對錶面形貌極其敏感，在圖形邊緣處產生高強度訊號（邊緣效應）。 |
| LWR / LER | Line Width Roughness / Edge Roughness (線寬粗糙度/邊緣粗糙度) | 表徵圖形邊緣偏離理想直線/曲線程度的統計量（通常為3倍標準差）。LWR = √2 * LER（對於非相關的左右邊緣）。控制 LWR 是先進光刻的關鍵挑戰。 |
| Landing Energy | 著陸能量 | 電子束撞擊樣品表面時的最終電子能量（通常 100eV-500eV）。是平衡成像解析度和光刻膠損傷的最核心可調引數。 |
| Retarding Immersion | 減速浸沒透鏡技術 | 在物鏡與樣品間施加強電場以在著陸前瞬間減速電子的技術。實現了“高能量傳輸、低能量著陸”。 |
| OCD | Optical Critical Dimension (光學關鍵尺寸量測) | 基於光學散射建模擬合的間接量測技術，速度快但需要大陣列結構。與 CD‑SEM 為互補而非競爭關係。 |
| DCM | Design-based CD Measurement (基於設計的尺寸量測) | 操作員根據設計版圖指定測量點，由裝置根據圖形匹配自動導航到晶圓正確位置的智慧方法。 |
| ADC | Automatic Defect Classification (自動缺陷分類) | CD‑SEM 在缺陷複檢後，利用演算法（現多為深度學習）自動識別並分類缺陷型別的功能。 |
| Tool Matching | 機臺匹配 | 指通過硬體校準與軟體演算法，使不同 CD‑SEM 機臺對同一晶圓測得的 CD 值高度一致，這是晶圓廠進行多機並行生產的前提。 |
11 常見誤區與澄清
在產業實踐中，對 CD‑SEM 的理解和使用常存在一些認知偏差，澄清這些誤區對於正確認識其角色至關重要。
誤區一：CD‑SEM 的解析度越高，測量精度就一定越高。 澄清：解析度是測量精度的必要非充分條件。在亞奈米領域，訊雜比、束致損傷、充電效應和演算法魯棒性對精度的影響可能遠超解析度的微小提升。例如，一個追求極致 0.5nm 解析度的高電壓成像模式，可能會因瞬間破壞 EUV 光刻膠而導致最終測量出的 CD 值毫無物理意義。物理意義上的精度是在維持樣品形態完整性的前提下實現的可重複、可匹配的量測值，它是光學、物理與演算法的系統工程。
誤區二：CD‑SEM 可以替代光學散射測量（OCD），因為 OCD 只能測平均值。 澄清：兩者是互補而非替代關係。OCD 的優勢在於非破壞性、高速度和對週期性結構平均尺寸的無接觸式測量，尤其擅長測量複雜三維形貌的內埋引數。而 CD‑SEM 的獨特性在於可以對任一單點結構進行直接、視覺化的測量，其發現和分析隨機缺陷的能力是 OCD 所不具備的。先進晶圓廠會將兩者結成“混合計量學（Hybrid Metrology）”的搭檔，例如用精確但稀疏的 CD‑SEM 資料去校準高通量的 OCD 模型，實現全晶圓範圍的、既精準又快速的尺寸監控。
誤區三：它能直接測量出 GAA 器件的所有三維尺寸。 澄清：除非配合破壞性切片，標準的頂視 CD‑SEM 仍然是一種二維成像工具。它從俯檢視中無法直接獲得奈米片的厚度或內層孔徑的深度。它量測的是結構的二維投影尺寸和邊緣形貌。對側面結構的理解需要依賴由灰度輪廓模型提取的“側壁角（SWA）”和“頂部/底部 CD”，這一過程是通過物理模型間接推論得出的。這一侷限正是多束電子束、原子探針層析（APT）、高分辨X射線散射等下一代三維計量工具成為研發熱點的原因。
12 風險與挑戰
CD‑SEM 在持續演進中面臨著多重技術、工藝和成本層面的深層挑戰。
-
物理極限挑戰：解析度與損傷的終極平衡。 隨著材料體系日趨複雜和光刻膠靈敏度日益增高，在無損傷前提下獲得足夠訊雜比用以實現 0.15nm 級精度的影像視窗正在收窄。超低著陸能量（< 20eV）會導致電子斑像差急劇增加、訊雜比惡化；而輕微增加能量以提升解析度則可能誘發新的聚合物交聯或收縮機制。這就是橫亙在 1nm 節點面前的“零損傷高解析度陷阱”。
-
3D NAND 與 GAA 的溝槽與孔洞測量瓶頸。 對於近乎垂直且深寬比超過 100:1 的 3D NAND 溝道孔，以及 GAA 器件的內層懸空結構，一次電子的穿透深度和二次電子的逃逸深度的限制，使得從頂部 CD‑SEM 影像中準確找出底部 CD 變得異常困難。即便使用高能量背散射電子模式，其解析度亦不足以支撐先進節點的控制需求。這導致相關工藝控制仍部分依賴間歇性的物理切片和透射電子顯微鏡。
-
EUV 隨機效應的量測成本挑戰。 EUV 光刻導致的隨機缺陷是稀疏且隨機的，這就需要 CD‑SEM 對大片晶圓區域進行海量成像來捕捉並統計這些不良事件，從而獲得有統計學意義的工藝風險評估。這直接導致了量測通量需求的指數級增加，而單純通過增加單束 CD‑SEM 機臺數量來解決是不經濟的。這催生了對創新型高速多束 CD‑SEM 裝置的顛覆性需求。
-
極度高昂的總持有成本。 集成了頂級電子光學、超精密運動臺、高真空系統和人工智慧專用處理器的現代 CD‑SEM 本身就是一座極度複雜的精密系統。整機採購價格、鏡筒部件更換、超淨間的耗能和維護成本居高不下，成為下游晶圓廠不斷攀升的資本支出與運營支出的重要組成部分。如何通過模組化設計、智慧節能和遠端運維來降低總成本，已成為裝置商競爭的新角力點。
13 前景與趨勢
CD‑SEM 的未來演進，將由技術上的“更精、更軟、更快”和架構上的“更智慧、更互聯”共同驅動。
-
多束並行化（Multi-beam CD‑SEM）。 為打破單束電子流的空間瓶頸和美其統計性，多束 CD‑SEM 成為關鍵的顛覆性方向。它利用一個陣列產生數十甚至數百束並行的微電子束，同時掃描晶圓不同區域，使成像吞吐量實現數量級飛躍。這不僅能在一個合理的週期內滿足 EUV 隨機缺陷測量的統計學要求，還可能重新定義晶圓級工藝均勻性控制策略。如何實現高密度束斑的無串擾控制、海量並行資料流的即時處理，是工程化的核心難題。
-
AI 原生化的自適應量測。 未來的 CD‑SEM 將不再被動執行預設的測量選單，而是進化為一個“感知-決策-執行”一體化的智慧製造主體。整合在裝置內部的深度學習模型將即時分析成像質量，自主調整電子束引數（焦點、著陸能量、掃描速度）和演算法模型，以在任意未知圖形上獲得最佳量測結果。同時，通過邊緣計算與工廠良率平台的即時聯動，它能即時給出工藝偏移的風險分級，而非僅僅報告一個測量值。
-
走向混合計量學的神經中樞。 在全晶圓廠大數據整合的生態中，CD‑SEM 將不再是孤立的資料來源，而是“混合計量學”網路中的關鍵節點。它提供的高保真物理基準，將直接被“數字孿生”工藝模擬平台用於校正自身的多物理場模型。同時，這些稀疏但極度精確的資料將作為“原點”，持續校準來自OCD、高光譜成像等高速感測器生成的全晶圓圖，最終生成為一個兼具化學、物理、結構和電性資訊的數字化“超級晶圓畫像”。
-
應對高NA EUV與CFET器件的計量學。 高NA EUV光刻帶來的焦深極限縮減和使用異形變形光學，將引入全新型號的圖形位移和三維形變。互補場效應電晶體（CFET）的出現，則直接將P型和N型器件在垂直方向堆疊，其複雜的疊層對準、多層內連和選擇性刻蝕，將產生對內部結構進行非破壞性深度剖析的迫切需求。這將繼續推動低能電子全息、具備深度分辨能力的 CD‑SEM 系統等前沿技術的研發。
14 實務指南：入門 CD‑SEM 應用
對於希望在其工作流程中深入駕馭 CD‑SEM 能力的工程師，建議遵循以下分階段實踐指南。
第一階段：紮實的成像與計量學基礎
- 精通電子-樣品互動：深度理解著陸能量、束流與光刻膠、硬掩模和半導體材料的互動原理。使用標準樣品進行實驗，對比不同著陸能量下得到的影像質量和同一個光刻膠樣品的測量結果，建立“眼見未必為實”的風險意識。
- 精通演算法選擇：不要預設使用自動模式。手動比較一個圖形線上性歸化閾值法、物理模型法和深度學習法下輸出的 CD、SWA 和 LWR 結果。理解當圖形輪廓不對稱或具有底切（Under-cut）時，模型法的校正能力比閾值法強在哪裡。
- 建立每日質控習慣：深入學習並使用“黃金/白金”標準晶圓執行每日質控檢查。通過 SPC 圖監控機臺的長期穩定性和微漂移，建立對資料質量的敏銳直覺。
第二階段：工藝閉環與協同工作 4. 掌握 DCM 技能：學習如何從 GDS/OASIS 版圖檔案中定義最關鍵的測量點位，並驗證導航及對準指令碼在不同光照條件下和不同晶圓上的魯棒性。 5. 探索混合計量學：獲取同一組圖形的 CD‑SEM 和 OCD 量測對比資料。使用統計分析軟體（如 JMP, MATLAB）建立 CD‑SEM 與 OCD 殘差的關聯，並嘗試推導簡單的線性矯正模型。親自體驗從“資料”到“資訊”的提煉過程。
第三階段：前沿架構與資料策略 6. 部署指令碼自動化：利用裝置製造商提供的程式設計介面，編寫 Python 或內部宏指令碼，實現對量測資料檔案的批次解析、異常值過濾，並與自有良率資料庫進行整合，減少手工勞動並確保一致性。 7. 預研 AI 模型應用：與裝置供應商或學術機構合作，獲取基於深度學習的預訓練邊緣檢測或缺陷分類模型的測試權限。用本廠的實際工藝難題進行測試，評估其與傳統方法相比的魯棒性。
15 總結與展望
CD‑SEM 已經站在了半導體計量的中心舞臺逾三十年，其本質始終未變：作為連結虛擬設計世界與矽基物理現實的終極尺寸標尺。它不僅是尺寸的“讀取器”，更進化為工藝資訊的“翻譯器”和良率體系的“看門人”。
當前，人工智慧、多束技術與混合計量生態的浪潮正以前所未有的能量重塑 CD‑SEM。短期來看，它將充分利用 AI 的賦能，從一臺精密的自動量測機進化為一個自主決策的智慧工藝哨兵，極大提升 EUV 與 GAA 量產線的控制效率。長期而言，隨著計算光刻、新材料體系（如二維材料、背面供電網路）和最終單片三維整合（CFET）時代的到來，工藝控制所需的根本不是一臺更好的 CD‑SEM，而可能是一個將成像、散射譜學、元素分析無縫融合的全新計量學物種。
儘管時間維度充滿了躍遷式創新的變數，但可以確定的是，對於任何未來極度複雜的晶片中，那個被用來標定整個製造流程精度的最終物理參考點，其背後所蘊含的將電子、光子、演算法與材料科學推向絕對極限的工程智慧與產業意志，正是 CD‑SEM 所代表的精神核心。它將持續進化，作為基石，支撐人類對算力無限的渴求。