3. 缺陷密度定义：Defect Density (D₀) 的数学定义、单位与关系

缺陷密度（Defect Density，通常记为 D₀）是半导体良率监控中最核心的量化指标之一。它直接反映了晶圆制造过程中随机缺陷的分布水平，是连接工艺洁净度与最终良率的桥梁。

3.1 数学定义与单位

D₀ 定义为：单位面积晶圆上存在的平均缺陷数量。其数学表达式为：

D₀ = N_defects / A_wafer

其中：

• N_defects：在特定工艺层或检测区域内，通过光学/电子束检测设备捕获到的总缺陷个数。
• A_wafer：被检测的有效晶圆面积（通常扣除边缘排除区）。

标准单位： defects/cm²（个/平方厘米）。

3.2 与缺陷数量的关系

D₀ 与缺陷数量之间并非简单的线性关系，而是通过面积归一化建立联系。下表展示了不同晶圆尺寸下，相同 D₀ 值对应的总缺陷数量差异：

从表中可以清晰看出：

• 面积放大效应： 在相同 D₀ 下，300mm 晶圆的总缺陷数量是 200mm 晶圆的 2.25 倍（面积比）。
• 工艺控制难度： 为了维持相同的良率水平，大尺寸晶圆必须将 D₀ 压得更低，以控制缺陷数。

3.3 D₀ 与缺陷分类的关系

在实际 Fab 中，D₀ 通常按缺陷类型进行细分监控，以便快速定位工艺问题：

• 随机缺陷 D₀： 由颗粒、微尘、化学残留等随机事件引起，是良率模型的主要输入。
• 系统缺陷 D₀： 由光刻对准偏差、刻蚀负载效应、CMP 碟形凹陷等系统性工艺偏移引起，通常具有空间重复性。
• 致命缺陷 D₀： 落在有源区或关键图形上，直接导致芯片功能失效的缺陷。

3.4 D₀ 与缺陷数量关系流程图

下图展示了从原始缺陷检测到 D₀ 计算，再到良率模型输入的完整数据流：

3.5 工程实践中的 D₀ 监控

在量产 Fab 中，D₀ 的监控通常遵循以下步骤：

1. 设定基线： 在工艺稳定期，采集 20~30 批晶圆的 D₀ 数据，建立统计过程控制（SPC）基线。
2. 分层监控： 按光刻层（Poly、Contact、Metal1 等）分别计算 D₀，识别高缺陷层。
3. 空间分布分析： 绘制晶圆内 D₀ 热力图，识别边缘密集、中心密集或环形分布模式。
4. 缺陷 Pareto 分析： 对 D₀ 贡献最大的缺陷类型进行根因分析（RCA）。

3.6 D₀ 与芯片面积的关系

D₀ 对良率的影响程度与芯片面积（A_chip）密切相关。下表展示了不同 D₀ 和芯片面积下的良率（基于 Poisson 模型）：

从表中可以得出重要结论：

• 面积越大，良率对 D₀ 越敏感： 200mm² 芯片在 D₀ 从 0.05 升至 0.20 时，良率下降 23.5 个百分点。
• D₀ 的微小改善可带来巨大收益： 将 D₀ 从 0.10 降至 0.05，100mm² 芯片良率提升 4.6 个百分点。