Halfgeleiders vormen de ruggengraat van moderne elektronica. Ze zijn ingebouwd in alles, van smartphones tot auto's en medische apparatuur. Zelfs minieme storingen in chips kunnen al aanzienlijke gevolgen hebben voor gezondheid, veiligheid of bedrijfsvoering. Het is daarom essentieel dat de halfgeleiderindustrie de storingen analyseert, de oorzaak ervan begrijpt en de resulterende kennis vertaalt naar verbeteringen in chipontwerp en -productie. Maar door de toegenomen complexiteit van chips, groeit de verscheidenheid aan onderliggende oorzaken die geanalyseerd moeten worden, met een explosief groeiende hoeveelheid data tot gevolg. MuSICA zal een nieuw, geïntegreerd spectroscopie- en data-analyseplatform creëren dat veel gevoeliger is voor het detecteren en classificeren van storingen in complexe halfgeleiders, en dat is ontworpen om verbeteringen in hun ontwerp en productie aan te bevelen.
Multidisciplinaire aanpak
MuSICA zal een oplossing bieden voor zowel fysieke als datagerelateerde wetenschappelijke uitdagingen op het gebied van kwaliteitsborging in halfgeleiders. Het project zal zich richten op de ontwikkeling van nieuwe spectroscopische instrumenten om te zien hoe licht interageert met materie en hoe dit halfgeleiderdefecten kan onthullen met behulp van nieuwe Hyperspectral Imaging Data Science. Deze gezamenlijke stap zal (1) de detectie van faalgerelateerde patronen mogelijk maken die verder gaan dan de bestaande, beperkte theoretische modellen voor de bestudeerde materialen en (2) een gevoeligere detectie van nieuwe defecten mogelijk maken. Een academische samenwerking tussen een groep die natuurkundige instrumentatie (voor time-resolved spectroscopie) ontwikkelt en een groep die zich specialiseert in datawetenschappen in de materiaalkunde is zeldzaam, zo niet ongekend, en zal leiden tot een nieuw paradigma in interdisciplinaire wetenschap.
Publiek-private samenwerking
Het consortium zal nieuwe samenwerkingen stimuleren op het snijvlak van verschillende disciplines binnen de Radboud Universiteit en de lopende samenwerking met NXP, NT-MDT en HAI consolideren. NXP Semiconductors en NT-MDT startten hun samenwerking met Alexey Kimel in 2020 binnen het ETN MSCA-project. HAI werkt samen met Jeroen Jansen in het lopende Engineering Business Intelligence-project, gefinancierd door TKI Energie & Industrie. In dit project ontwikkelen ze gezamenlijk een datastreaminginfrastructuur in combinatie met procesvoorspellingen op basis van nieuw ontwikkelde AI voor verschillende procesindustrieën. Het consortium zal zich richten op het verbeteren van de instrumentatie op basis van de digitale uitkomsten, om de gevoeligheid, detecteerbaarheid en voorspelbaarheid van chipfalen te verbeteren
Verhoogde betrouwbaarheid en levensduur van chips
Een hogere succesratio van het foutenanalyseproces dat chipfabrikanten gebruiken, zal het inzicht in de grondoorzaken van chipstoringen verbeteren en kritieke productiestappen en chipkenmerken identificeren. Weten wat er misging, waarom het gebeurde en hoe herhaling kan worden voorkomen, levert belangrijke input voor zowel het productieproces als het ontwerp om toekomstige storingen van belangrijke elektronische componenten in ons dagelijks leven te voorkomen. Verbetering van foutenanalyse in de halfgeleiderindustrie zal op de lange termijn verschillende maatschappelijke uitdagingen aanpakken, zoals het verminderen van afval en kritieke grondstoffen, veiligere en betrouwbaardere consumentenelektronica en transport, veerkrachtigere infrastructuur en zorgtechnologieën, en daarmee het beperken van risico's voor de nationale veiligheid en economische groei.
