电感耦合等离子刻蚀

引言

众所周知,化合物半导体中不同的原子比对材料的蚀刻特性有很大的影响。为了对蚀刻速率和表面形态的精确控制,通过使用低至25nm的薄器件阻挡层的,从而增加了制造的复杂性。本研究对比了三氯化硼与氯气的偏置功率,以及气体比对等离子体腐蚀高铝含量AlGaN与AlN在蚀刻速率、选择性和表面形貌方面的影响。

蚀刻速率受偏置功率和气体化学性质的影响很大。英思特详细说明了AlGaN的Al组成的微小变化的影响,并显示了与AlN相比,相对于偏置功率的蚀刻速率的显著变化。

实验与讨论

本研究采用金属有机化学气相沉积(MOCVD)培养了三种不同的样品,包括Al0.71Ga0.29N、Al0.85Ga0.15N和AlN。所有三个样品都在1.3mm厚的蓝宝石基板上的AlN缓冲层上生长。为了评估偏置功率对蚀刻速率和表面形貌的影响,在腔室压力(3mTorr)、ICP功率(125W)和气体流量(20%三氯化硼+5sccmAr)的条件下,将偏置功率从10W扫到100W。

图1显示了所有三种成分的蚀刻速率。我们观察到随着蚀刻率的线性增加,Al0.71Ga0.29N组成的调查偏差功率为100W。然而,Al0.85Ga0.15N和AlN蚀刻率呈现非线性趋势,即使在较低偏置功率下,都显示接近饱和蚀刻率100W偏置功率。

图1:偏置功率对蚀刻率的影响

如图2所示,与Al0.85Ga0.15N和AlN相比,Al0.71Ga0.29N对偏压功率表面粗糙度的响应显示出不同的趋势,其类似于图1中显示出的不同趋势的蚀刻速率。与Al0.71Ga0.29N相比,Al0.85Ga0.15N和AlN在10W至20W范围内表现出更大的表面粗糙度,在更低的偏置功率下过渡到更光滑的表面。

随着Al含量的降低,这种蚀刻机制的平衡得到改善,并且与较高的含Al成分相比,在低偏压下会导致较低的表面粗糙度。总的来说,对于后处理制造来说,30W以上的所有三种组合物的亚纳米表面粗糙度都是可接受的。

结论

英思特实验发现,当保持压力、ICP功率和总气体流量不变时,Al0.71Ga0.29N的蚀刻速率在高达100 W的偏压功率下呈现线性趋势,而Al0.85Ga0.15N和AlN都呈现接近饱和的非线性蚀刻速率。其结果表明,即使Al的含量发生微小变化,也会导致显著的蚀刻速率和表面形态趋势。

同样,所研究的较低Al含量,Al0.71Ga0.29N,随着BCl3与Cl2比率的变化,显示出对表面形态的不同响应。此外,对于高Cl2含量的等离子体蚀刻,其表面氧化导致蚀刻速率的显著降低以及表面粗糙度的增加。

相关推荐
lucky_lyovo2 小时前
自然语言处理NLP---预训练模型与 BERT
人工智能·自然语言处理·bert
fantasy_arch2 小时前
pytorch例子计算两张图相似度
人工智能·pytorch·python
AndrewHZ4 小时前
【3D重建技术】如何基于遥感图像和DEM等数据进行城市级高精度三维重建?
图像处理·人工智能·深度学习·3d·dem·遥感图像·3d重建
飞哥数智坊4 小时前
Coze实战第18讲:Coze+计划任务,我终于实现了企微资讯简报的定时推送
人工智能·coze·trae
Code_流苏4 小时前
AI热点周报(8.10~8.16):AI界“冰火两重天“,GPT-5陷入热议,DeepSeek R2模型训练受阻?
人工智能·gpt·gpt5·deepseek r2·ai热点·本周周报
赴3355 小时前
矿物分类案列 (一)六种方法对数据的填充
人工智能·python·机器学习·分类·数据挖掘·sklearn·矿物分类
大模型真好玩5 小时前
一文深度解析OpenAI近期发布系列大模型:意欲一统大模型江湖?
人工智能·python·mcp
双翌视觉5 小时前
工业视觉检测中的常见的四种打光方式
人工智能·计算机视觉·视觉检测
念念01075 小时前
基于MATLAB多智能体强化学习的出租车资源配置优化系统设计与实现
大数据·人工智能·matlab
nonono5 小时前
深度学习——常见的神经网络
人工智能·深度学习·神经网络