1. 课程导入与工程全景

在先进半导体制造中，晶圆缺陷检测是良率管理的核心环节。随着制程节点推进到7nm、5nm乃至3nm，单个致命缺陷的尺寸已缩小到20nm以下，一颗微小颗粒、一处图形桥连或一个针孔，都可能导致整颗芯片失效。KLA作为全球领先的工艺控制与良率管理设备供应商，其明场（Brightfield）与暗场（Darkfield）晶圆缺陷检测系统，构成了前道缺陷检测的主力平台。本课程围绕这两类系统的工程应用展开，目标是让学员理解它们各自"看什么、怎么看、看到之后怎么判断"，并能在实际产线场景中完成检测配方建立、缺陷分类、结果判读与异常排查。

明场与暗场：两种照明，两种"视觉逻辑"

明场检测使用与成像光路同轴的照明方式，光线垂直照射晶圆表面，收集的是镜面反射光。晶圆上的图形结构、薄膜厚度变化、残留物等会改变反射光的强度与相位，从而在图像中形成对比。明场系统对图形缺陷、化学残留、膜厚异常、微小颗粒都有较好的灵敏度，尤其擅长在密集图形区域发现桥连、断线、针孔等结构性缺陷。其典型代表是KLA的29xx系列和39xx系列宽带等离子体明场检测平台。

暗场检测则采用倾斜照明，成像端只收集散射光，不接收镜面反射光。当晶圆表面存在颗粒、划伤、凹坑等使光线发生散射的异常时，散射光被物镜收集并成像，而平整表面几乎不产生信号。因此暗场对表面颗粒和粗糙度变化极为敏感，背景干净、信噪比高，适合检测裸晶圆或图形较稀疏区域的表面污染。KLA的Surfscan系列是暗场表面检测的典型设备。

两者并非替代关系，而是互补关系。明场擅长"图形世界"里的结构异常，暗场擅长"表面世界"里的颗粒与散射体。在实际产线中，通常先由暗场快速筛查表面颗粒，再由明场对图形区域做精细缺陷检测，形成分层检测策略。

检测目标与典型缺陷类型

晶圆缺陷检测的核心目标可以归纳为三类：第一，发现致命缺陷（killer defect），即直接导致器件失效的缺陷，如栅氧针孔、金属桥连、断线；第二，监控工艺漂移，通过缺陷数量与类型的变化趋势判断某道工艺是否偏离正常窗口；第三，为良率分析提供数据基础，将缺陷分布与电性测试结果关联，定位良率损失的主要来源。

典型缺陷类型按来源可分为：颗粒（particle）、划伤（scratch）、图形缺陷（pattern defect，包括桥连、断线、针孔、残留）、晶体缺陷（crystal defect，如COP、位错）、薄膜缺陷（膜厚异常、针孔、剥离）以及化学污染残留。明场对图形缺陷和薄膜异常更敏感，暗场对颗粒和表面散射体更敏感。实际检测中，同一颗缺陷可能在明场和暗场中呈现不同形态，需要结合两种图像综合判断。

课程学习路径与工程任务概览

本课程共30章，按照"原理认知→设备操作→配方建立→缺陷判读→异常排查→综合实战"的路径组织。前几章建立明场与暗场的光学基础与系统架构认知；中间章节深入检测配方的关键参数，包括照明模式、像素尺寸、灵敏度阈值、缺陷分类算法；后续章节围绕实际工程任务展开，如新产品的检测配方建立、缺陷复检与分类、误报率优化、设备匹配与校准、以及跨机台数据一致性管理。

学完本课程，学员应能独立完成以下工程任务：根据产品层级与关注缺陷类型选择明场或暗场检测模式；建立并优化检测配方，在灵敏度与误报率之间取得平衡；对检测结果进行缺陷分类与真伪判读；针对常见异常（如灵敏度下降、误报激增、图像异常）进行排查与处理；理解检测数据在良率分析中的使用方式。

工程全景：检测在制造流程中的位置

在典型的逻辑芯片制造流程中，晶圆缺陷检测并非只做一次，而是分布在多个关键节点：浅槽隔离后、栅极形成后、接触孔刻蚀后、金属层沉积后等。每个节点的检测目标不同，选用的检测模式也不同。例如，栅极形成后更关注图形缺陷，明场是首选；金属层沉积后更关注表面颗粒与划伤，暗场或明场表面通道更合适。检测结果会反馈到工艺部门，用于调整刻蚀、沉积、清洗等工艺参数，形成"检测—分析—反馈—改善"的闭环。