MétaCan
Menu
Retour à la cohorte
Enregistrement W3190968529 · doi:10.1109/ectc32696.2021.00360

Prognostic Detection of Electromigration Void Failure in Buried Metal Interconnect using Piezoresistive Sensors

2021· article· en· W3190968529 sur OpenAlexaff
Ari Laor, David Nairn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectromigrationMaterials scienceVoid (composites)InterconnectionFlip chipPiezoresistive effectResistive touchscreenOptoelectronicsComposite materialComputer scienceElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

A novel applied reliability tool is presented to prognostically detect electromigation (EM) failures within VLSI buried metal interconnect trees. This is achieved non-destructively, in-situ, using piezo-restive sensors located at the likely point of failure. In practical applications, electrical detection of impending failures is limited to detecting the void growth at the onset of failure, when void growth almost entirely spans the metal segment. Prior to failure, the electrical changes are too small in magnitude to be pragmatically measured. Instead, piezo-resistive sensors are used to detect mechanical stress changes near the substrate as the failure progresses. A test chip has been developed in a cost effective 180nm technology with 24 active reservoir structures and respectively 24 piezo-restive sensors located at the segment's cathode where the void formation is stimulated. The metal segments are tuned to fail at an accelerated rate and include embedded mechanical sensors below to detect the changes. First a metal segment is tuned to fail by employing active reservoirs, extra current carrying metal extrusion that can alter the hydrostatic stress within metal lines proportionally to the applied current density, to accelerate void formation and subsequent growth. These allow geometrically identical metal segments to fail at different rates by tuning their respective current densities. Additionally, the accelerated void growth can be achieved without the need for elevated temperatures above 125C allowing for use in conventional devices and commercial applications. The local mechanical changes caused by void growth can be detected by taking advantage of the piezo-resistive properties of the semiconductor layers below the metal lines. To verify and monitor the test segment's resistance increase over time, four-wire resistance probes are built into the test structures. In this case the stress is measured and compared at two reference temperatures for two geometrically identical segments. The first segment with the active reservoir engaged as a sink and the other dormant as a healthy reference structure. The thermal expansion of a voided line is sufficiently different from the healthy reference and the void growth can be detected in this way.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSemiconductor materials and devicesTravaux en français237 207