1. 课程导论：注入均匀性在半导体制造中的重要性，剂量与角度协同优化的概念引入

1.1 注入均匀性：良率的隐形基石

在半导体制造中，离子注入工艺通过将掺杂原子（如硼、磷、砷）加速并注入硅片，精确调控晶体管的阈值电压（Vt）和源漏电阻。然而，注入均匀性——即掺杂原子在硅片表面及深度方向分布的一致性——直接决定了芯片的良率与性能一致性。

• 阈值电压漂移：若注入剂量在硅片中心与边缘偏差超过±1%，会导致同一晶圆上不同芯片的Vt差异超过50mV，严重时造成逻辑功能失效。
• 漏电流增加：非均匀掺杂会在源漏结区形成局部高浓度区域，引发结击穿电压降低和静态功耗上升。
• 器件匹配性恶化：在模拟IC和存储器阵列中，相邻晶体管的电学参数失配直接由注入均匀性决定。

1.2 影响均匀性的关键工艺参数

注入均匀性并非单一变量决定，而是多个物理过程的耦合结果。下表列出了主要影响因素及其典型影响范围：

1.3 剂量与角度协同优化的概念引入

传统的均匀性优化方法通常采用“单变量扫描”策略：固定角度，调整剂量分布；或固定剂量，优化角度设置。然而，随着器件特征尺寸缩小至纳米级，这种解耦方法已无法满足亚0.5%的均匀性要求。

协同优化的核心思想是：将注入剂量与注入角度视为一个二维参数空间，通过实验设计（DOE）或物理模型驱动的方法，同时寻找最优组合，使硅片表面各点的有效掺杂浓度达到全局一致。

• 剂量补偿机制：在晶圆边缘区域，由于束流发散角增大导致有效剂量降低，可通过局部增加扫描停留时间（即提高剂量）来补偿。
• 角度调制机制：通过调整晶圆倾斜角（Tilt）和旋转角（Twist），改变离子入射方向，利用沟道效应的各向异性来平衡不同晶向区域的掺杂深度。
• 耦合效应：剂量与角度的变化并非线性叠加。例如，大角度注入时，离子在晶格中的投影射程变短，相同剂量下表面浓度更高，因此需要降低剂量以维持结深一致。

1.4 协同优化的技术框架

下图展示了剂量与角度协同优化的核心流程与数据闭环：

1.5 本课程的学习路径

本案例课程将按照以下逻辑展开，帮助您系统掌握协同优化方法：

1. 理论基础：深入理解离子注入的物理机制，包括沟道效应、束流光学与扫描均匀性模型。
2. 实验设计：介绍面向剂量-角度协同优化的DOE方法，包括全因子设计、响应面法与空间填充设计。
3. 数据建模：使用统计建模与机器学习方法构建剂量-角度-均匀性响应面。
4. 优化求解：基于遗传算法与多目标优化策略，寻找Pareto最优解集。
5. 工艺验证：通过实际注入实验与电学测试数据，验证优化结果的可靠性。