凡走過必留下痕跡:影像感測器MA+SA分析

作者 : 汎銓科技

本文分析三星S21智慧型手機拆解下來的影像感測器,分析焦點放在畫素上,利用全方位的分析技術,引領讀者認識其內部的結構...

邏輯製程深受「摩爾定律」(Moore’s law)驅動,電晶體數量以每18個月或兩年倍增一次,在尺寸微縮過程中,為了讓晶片有更好的效能,電晶體架構經歷了革命性的改革,由原先平面式結構,演變成三維的鰭式(Fin)結構,再不久的將來更將導入閘極全環(Gate-all-around;GAA)結構,這種尺寸微縮與架構上的創新不但出現在積體電路上,在周邊的元件上也有類摩爾定律的趨勢,影像感測器(CMOS image sensor;CIS)就是一個明顯的例子。

正所謂「有圖有真相,眼見為憑」,舉凡在工作與日常生活上,影像(拍照與錄影)已經成為現代人紀錄大小事務的重要媒介,如何將眼睛所看見的事物,清楚且真實地記錄下來,其幕後功臣就是影像感測器。影像感測器的工作原理是將波長介於400到700nm的可見光透過光路,包含微透鏡(Microlens;ML)與彩色濾光片(Color filter;CF),聚焦在光電二極體(Photodiode;PD)上,光電二極體接收到光子會產生「電子-電洞對」而形成光電流,光電流轉換成電壓後,透過類比數位轉換器(ADC)轉換為數位資料,資料最後會被傳送到處理器將0與1的數位訊號創建成我們熟悉的影像模式。

近年來,受惠於智慧型手機、車用感測元件、工業4.0與物聯網(IoT)等廣範相關應用,影像感測器市場需求持續有強勁的成長動能,預估2026年全球市場規模將擴大至315億美元、較2020年大增約5成,成長力道不容小覷。

影像感測器在2009-2010年經歷了一次大的變革,由原先前照式(Front side illumination;FSI)、非堆疊(Non-stacked)設計,演變為背照式(Back side illumination;BSI)加上與其它晶片堆疊(Stacked)的設計,有效將影像感測器的效能推升到另一個境界,如畫素(Pixel)感光效率的提升、縮小影像感測器與畫素尺寸以及實現高速拍攝,未來,影像感測器將還有可能與人工智慧(Artificial intelligence;AI)晶片堆疊結合,影像擷取後,無縫地在AI堆疊層演算與判斷,減少原先因資料與主處理器傳遞所導致的延遲與功耗,屆時影像感測器將成為功能強大的AI影像感測器。

如同智慧型手機內的應用處理器所採用的單晶片系統(SOC),影像感測器因為堆疊結構的設計也算是個單晶片系統,系統主要可分為四大部份:畫素(Pixel)、邏輯區電路、類比數位轉換器以及影像訊號處理器(Image signal processor;ISP),本次汎銓科技將焦點放在畫素上,利用全方位的分析技術,引領讀者認識其內部的結構。

圖1:a & b Samsung S21智慧型手機正面與背面照片。c & d 手機X-ray照片,綠色虛線方框標示為本報告分析的目標,Samsung S5KGW2 BSI image sensor。e & f 分析目標的特寫照片。

本文分析的目標是由市場上購買的三星電子(Samsung Electronics) S21智慧型手機拆解下來的影像感測器——S5KGW2 BSI,其硬體相關規格列於11a1b為手機正面與背面照片,由照片可以清楚看到,S21背面有三個影像感測器,1c1d為手機X-Ray照片,分析目標的影像感測器位於最下方由綠色虛線方框標示,1e1f為此分析目標的特寫照片,我們分析的工具與技術包含高倍率3D光學顯微鏡(Optical microscopy;OM)、原子力顯微鏡(Atomic force microscopy;AFM)、聚焦離子束(Focused ion beam;FIB)、掃描電子顯微鏡(Scanning electron microscopy;SEM)以及掃描電容顯微鏡(Scanning capacitance microscopy;SCM)。

表1:三星S5手機的KGW2 BSI影像感測器規格。

高倍率3D光學顯微鏡主要是分析此影像感測器畫素的排列情形,分析前,我們先去除感測器上的保護殼,2a為此影像感測器模組包含周邊元件在去除保護殼之後的照片,2b為影像感測器的特寫照片,2c為影像感測器位於中間位置的高倍3D光學顯微鏡影像,由影像中可以清楚看到RGB三原色畫素的空間排列。

為了讓讀者輕鬆了解此影像感測器的畫素排列,我們利用2c下方的卡通圖來說明RGB三原色畫素的空間排列;另一方面,我們由2c也觀察到有些綠色畫素的尺寸較大,影像中呈現橢圓形狀,如2c左上方由白色箭號標示之結構,看起來像是由兩個綠色畫素所組成,且有週期性的排列,但其間隔距離已不易由光學顯微鏡分辨出來,這樣的結構推測是三星的Super PD技術,是強化的相位檢測自動對焦(Phase detection autofocus;PDAF)的解決方案,使移動中的主體能維持清晰對焦,以獲得更優化的成像品。

圖2:a Samsung S5KGW2 BSI image sensor模組包含周邊元件在去除保護殼之後的照片。b 影像感測器的特寫照片。c 影像感測器位於中間位置的高倍3D光學顯微鏡影像,白色箭號標示一較大的綠色畫素(Super PD),c下方的卡通圖為此影像感測器RGB三原色畫素的空間排列。

畫素的組成可以分成四大部份,由上而下分別為微透鏡(ML)、彩色濾光片(CF)、光電二極體(PD)以及畫素內各元件的連接電路,使用原子力顯微鏡分析影像感測器表面可以獲得最上面ML的表面形貌,3a是利用原子力顯微鏡所獲得ML表面形貌圖,沿著黑色雙箭號位置的高度分布呈現於3a的右下角,3b是以3D視角呈現ML的特寫圖。ML為類似半圓形的結構,此產品畫素的間距,d,為0.8 mm (3a右下圖藍色雙箭號),相鄰畫素的結構有重疊的區域,3也看到半橢圓球的結構,如3a以紫色箭號標示之結構,這就是先前在2c所觀察到Super PD結構,Super PD的單一晶格由黑色箭號所標示(X’ & Y’),週期為8X4Ö5,根據三星官方網站所提供的資料,此結構是以對角線隔開光電二極體的綠色畫素,我們也可以依此關係來判斷其它畫素所代表的顏色。

圖3:a 由原子力顯微鏡所獲得ML的表面形貌圖,紫色箭號標示一Super PD結構,黑色箭號(X’ & Y’)為Super PD週期性結構的排列方向與單一晶格大小。沿著黑色雙箭號位置的高度分布呈現於右下角,d為一般畫素間距。b 以3D視角呈現ML的特寫圖。

除了原子力顯微鏡外,表面結構也可利用掃描電子顯微鏡來觀察,4a為ML的掃描電子顯微鏡小倍率影像,4b-deg分別在不同的區域以不同的拍攝條件與視角所呈現ML的特寫照片,由掃描電子顯微鏡照片也可以清楚觀察到Super PD結構,由表面影像看起來Super PD是由約兩倍大的一般畫素所組成。

圖4:a ML的掃描電子顯微鏡影像。bdeg分別在不同的區域以不同的掃描電子顯微鏡拍攝條件與視角所呈現ML的特寫照片。

畫素的截面結構是另一個觀察重點,我們利用聚焦離子束搭配掃描電子顯微鏡來觀察畫素內彩色濾光片與光電二極體結構。我們首先製備一個大面積的截面來觀察與了解整個影像感測器的結構,5是分析目標截面的電子顯微鏡影像,很明顯地,此影像感測器是由上下兩個晶片貼合所構成的,上面晶片為畫素,由ML、CF、PD和畫素內各元件的金屬走線所組成,下面晶片則是影像訊號處理器(ISP),相關的結構位置也同時標示在圖中。

圖5:三星S5KGW2 BSI影像感測器截面的掃描電子顯微鏡影像。

接著我們使用聚焦離子束製備不同位置的截面,仔細觀察畫素的結構,我們一共製備了三個截面,方向與位置標示於6中,其中Cut 1有經過一個Super PD結構的截面,Cut 3為經過ML對角線方向的截面。

圖6:掃描電子顯微鏡影像標示聚焦離子束製備位置與方位。

7為Cut 1的截面掃描電子顯微鏡影像,畫素內部主要的結構由不同顏色的箭號與文字標示,不同顏色畫素以其對應顏色的正方形標示於7a ML的正上方,可以很清楚地看到,Cut 1的畫素是由藍色與綠色所組成,相鄰一排畫素的截面,Cut 2的掃描電子顯微鏡影像則呈現於8a8b中,此排畫素是由紅色與綠色所組成,8c8d為畫素對角線45°方向,Cut 3,截面的掃描電子顯微鏡影像,通過的畫素為紅色與藍色。此外,由78,我們觀察到除了綠色畫素的CF在掃描電子顯微鏡影像有呈現明顯對比外,藍色與紅色的CF與附近材料並沒有呈現出明顯的對比,這可能與不同顏色畫素所使用的CF材料有關。

圖7:a Cut 1的掃描電子顯微鏡影像,不同顏色畫素以其對應顏色的正方形標示於a ML的正上方。bd 掃描電子顯微鏡特寫影像。

圖8:a Cut 2的掃描電子顯微鏡影像,不同顏色畫素以其對應顏色的正方形標示於a ML的正上方。b 掃描電子顯微鏡特寫影像。c Cut 3的掃描電子顯微鏡影像,不同顏色畫素以其對應顏色的正方形標示於c ML的正上方。d 掃描電子顯微鏡特寫影像。

畫素的Grid是用來分隔不同畫素的結構,主要是用來形成光的反射,讓由ML聚焦下來的光,可以進到各自畫素內,增加靈敏度,也降低鄰近畫素的Crosstalk。78可以觀察Grid在不同方向的截面結構,如欲觀察其平面結構,我們可以利用汎銓特殊工法移除表面結構,讓Grid裸露出來,9為Grid不同倍率的掃描電子顯微鏡影像。

圖9:ac以不同倍率拍攝Grid的掃描電子顯微鏡影像。

畫素較下方為光電二極體(PD),PD的材料為Si,這是用來將光子轉化為電子的原件,其工作原理是當入射光子經由ML聚焦,透過CL進入PD會產生電子-電洞對,再經由PN接面空乏區內建電場將電子和電洞分開,而收集到電子訊號,因此如何提高PD產生「電子-電洞對」效率與降低因PD結構而產生的雜訊,攸關影像感測器的性能,因此分析PD內PN的分佈狀況是一項重要的工作。分析PN摻雜的空間分佈最佳的利器為掃描電容顯微鏡,10為原子力顯微鏡與掃描電容顯微鏡在光電二極體的分析結果,可以清楚看到此影像感測器的光電二極體中心為N摻雜,四周則是P摻雜。

圖10:光電二極體用原子力顯微鏡(左圖)與掃描電容顯微鏡(右圖)分析的結果。

光電二極體產生的光電子必須藉由控制Transfer gate (TG)傳輸到畫素內的Floating node (FN),並藉由畫素內的Source follow放大器(SF amplifier),將電子訊號轉換為電壓訊號並傳輸至後段處理電路,經由動態/連續的聚焦離子束分析(11),我們可以觀察到Transfer gate位於光電二極體的底部,深入Si內,稱之為Vertical TG,這與一般傳統Transfer gate是位於Si表面的2D架構是不一樣的設計,是畫素尺寸微縮下的趨勢,用以改善小畫素的效能。

圖11:a-d 動態聚焦離子束分析光電二極體結構,紅色虛線區域與紅點標示為Transfer gate位置。

受到智慧型手機、車用感測元件、工業4.0與物聯網等相關應用的驅動,影像感測器市場需求將持續有強勁的成長動能,為符合消費者對於產品效能永無止境的挑剔,與一般IC晶片一樣,影像感測器的製程技術也一代比一代地精進,相信在不久的將來,市面上將會出現更新、功能更強大的影像感測器,身為半導體產業「高階製程領航者」的汎銓科技也將持續為讀者介紹最新的分析結果。

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

加入LINE@,最新消息一手掌握!

發表評論