半导体晶圆缺陷检测的偏振光学方法（二）：散射模型与缺陷参量化

上一篇介绍了偏振散射检测的基本原理与仿真方法，指出建立“缺陷物理参数”与“散射光偏振态”的定量映射是提高灵敏度的关键。本篇将深入探讨这一映射关系的数学描述、三类散射模型的参数化方法，以及如何利用模型参数识别缺陷类型。

一、偏振散射的理论框架

在偏振散射检测中，散射光分布是入射光与表面微结构相互作用的物理结果。传统的标量双向反射分布函数（BRDF）仅描述光强角分布，无法刻画偏振信息。为此引入偏振BRDF（pBRDF）概念，即一个4×4的穆勒矩阵，将入射斯托克斯矢量映射为散射斯托克斯矢量：

该矩阵的16个元素包含完整偏振信息。其中对角线元素体现散射光对入射偏振态的保持能力，而非对角线元素反映偏振态之间的转换（如线偏振转圆偏振、不同方向能量耦合）。后者对缺陷检测尤为关键，因为它们直接表征微结构对偏振光的“扰动”强度。

晶圆表面的散射源主要分三类：

表面粗糙度散射：

来自本征微观不平整，是背景噪声主要来源。其偏振态分布具有统计各向同性，不随入射偏振角显著变化。

微粒散射：

来自颗粒污染物（最常见缺陷）。根据粒径与波长关系产生瑞利或米氏散射，其偏振态对颗粒尺寸、形状、材料折射率及与衬底间距高度敏感，是缺陷分类的物理基础。

刻蚀形貌异常散射：

如桥接、断线、空洞等结构性缺陷，需考虑与周围周期图案的耦合效应，不可简单等效为孤立微粒。

二、软件中的散射模型与参数化

OAS光学软件将上述机制封装为不同BRDF模型，理解其参数化方法是有效仿真的前提。

瑞利缺陷模型（亚波长微粒）

将表面缺陷等效为亚波长微粒，通过偶极子近似或扩展Mie理论求解散射场。关键输入参数包括：

复折射率：区分金属颗粒（强吸收）与介质颗粒（弱吸收），导致偏振特征迥异。

平均半径及尺寸分布：远小于波长时（瑞利区），散射光偏振度高，呈偶极辐射；接近或超过波长时（米氏区），偏振度下降且前向散射增强，为偏振反推尺寸提供依据。

微粒-界面距离：衬底影响局域场分布，对仿真准确性至关重要。

表面膜层与面密度：支持多层结构微粒，面密度影响散射绝对强度。

PSD粗糙度模型（表面本征噪声）

基于功率谱密度（PSD）函数描述表面高度起伏的空间频域特征。软件利用实测或参数化PSD（如ABC模型、分形模型），计算不同空间频率粗糙度分量对s、p偏振的不同散射效率。该模型的核心价值在于提供“零缺陷基准”——即无颗粒/缺陷时仅由粗糙度引起的背景偏振分布，用于后续信噪比计算。

广义微粒缺陷模型（复杂形态）

针对非球形、内部结构或嵌埋缺陷扩展而来：

形状各向异性：椭球、柱体等在不同偏振入射下表现出方向依赖的散射响应，形成独特的“特征指纹”。

多层复合结构：支持核-壳等多层定义，模拟带氧化外壳的颗粒或含空洞缺陷。

近场耦合：高密度下可调整微粒间距，考虑相互耦合效应。

三、参数与缺陷的定量映射

建立映射关系是从“定性判断”走向“定量分析”的关键。不同缺陷在参数空间中占据不同区域：

实际检测面临的是逆问题：从测得的偏振分布反推缺陷参数。常用求解策略包括：

正演数据库法：预计算大量参数组合，建立“参数-响应”库，实测数据匹配插值；

参数优化法：定义仿真与实测差异为目标函数，用遗传算法或粒子群算法搜索最优解；

机器学习法：利用仿真大数据训练深度学习模型，实现端到端映射。

四、模型验证与标定工程流程

模型须经实验验证方可实用，标准流程如下：

1、参考样品测量

选用经SEM/TEM表征的已知缺陷晶片，获取实测偏振散射分布；

2、参数初设与仿真

依据表征结果在软件中设定对应参数并运行计算；

3、对比与偏差分析

将仿真与实验对比，判断偏差源于模型近似误差或参数设定偏差；

4、迭代修正

调整参数直至二者吻合，标定后的模型即可用于系统优化和未知样品识别。

五、小结与预告

本篇核心要点：

• 偏振BRDF（穆勒矩阵）是散射偏振态的数学基础，其非对角元素反映缺陷对偏振的扰动能力；
• 瑞利模型、PSD模型和广义模型分别对应微粒、粗糙度和复杂缺陷，参数与尺寸、材料、形状、位置等物理特征明确关联；
• 通过定量映射，检测能力从“判断有无”升级为“识别类型与参数”。

上述模型与参量化方法已在 OAS 光学软件中完整实现，为用户提供了从理论建模到工程仿真的统一平台。第三篇（最终篇） 将基于 OAS 软件，聚焦工程实践，详解如何完成检测系统仿真、信噪比优化，并最终提升实际检测灵敏度，敬请期待。

以仿真之眼，看见光的无限可能。我是光学小哥7315，如需了解更多技术细节或申请软件试用，欢迎联系。