半导体teos是什么

半导体teos是电子级正硅酸乙酯。

电子级正硅酸乙酯（TEOS)，属于微电子高端化学品，是第三代半导体材料和新兴半导体产业中重要的前驱体材料，需要严格控制金属离子杂质的含量。

半导体teos应用

广泛应用于先进集成电路芯片制造中的各类氧化硅薄膜沉积工艺中，工艺复杂，附加值高。中硅高科将成为国内举足轻重的集成电路材料企业。

前进的脚步，离不开中硅高科在硅基电子材料方面科研实力的支撑，离不开多晶硅材料制备技术国家工程实验室作用的发挥，离不开中国恩菲新高材料事业坚守者、奔跑者的不负初心、不断创新。

未来，中硅高科将继续向“国家战略级硅基材料创新中心和生产基地”攀登，助力国家能源、信息产业高技术、高质量发展。

为了写完光刻胶的研究任务，挑了南大光电， 本文写完的时候也是一个月前，一直放到草稿箱里到今天才发 ，所以一些信息可能没更新（比如南大光电的光刻胶通过的客户认证）。

公司的主营业务主要有MO源、光刻胶、电子特气、ALD前驱体产品。

我想此刻我们的心情是一样的。

为了了解这2个英文字母+1个汉字，估计我得对各个概念如剥笋般层层研究。首先看MO源，即“高纯金属有机源”，是制备LED、新一代太阳能电池、相变存储器、半导体激光器、射频集成电路芯片等的核心原材料，在半导体照明、信息通讯、航天等领域有极重要的作用。公司2010年在国内MO源的市场份额60%，全球15%。

它的下游客户，带“光电”二字的公司很多，可以进一步了解到，这个东西应该主要应用于光电子行业，如LED和太阳能电池。

好了，虽然不知道这个东西，但至少可以了解到它是做半导体的某种核心基本材料，看样子是不可或缺的。而且公司是这一块的绝对龙头（都60%市占率了还能说啥？）。

MO源“是利用先进的金属有机化学气相沉积（以下简称‘MOCVD’）工艺生成化合物半导体材料的关键支撑原材料，因而又被称为MOCVD的‘前体物’。MO源的质量直接决定了最终器件的性能，因此MOCVD工艺对MO源的质量要求很高，其中纯度是衡量MO源质量的关键指标。”

气相沉积不难理解，我个人通俗理解是，用化学气体或蒸汽附在材料上，形成一个涂层。化合物半导体就是之前我在《三安光电年报解读》中讲到的SiC、GaN之类。所以我对MO源这句话的通俗理解就是：为了做出SiC之类的第三代半导体，你得用上气相沉积（MOCVD）工艺，那为了用好这个工艺，你得用上高纯度的MO源。

MO源有60多种，三甲基镓和三甲基铟是最主要的两种MO源，其中又以三甲基镓的用量最大，使用比例在80%左右，三甲基铟使用比例平均不超过10%。

招股书继续写道：

看到这里林北清楚多了：三安、乾照等LED外延片供应商，使用的是MOCVD技术，把MO源上的原材料附着在衬底上，外延生长出化合物半导体，也就是我们常说的LED外延片。事实上，90%以上的MO源都被用于生产LED外延片。所以，对MO源市场前景的判断，关键就看LED的市场前景，而其需求又和MOCVD设备直接相关。

话虽如此，往后的报表却很不乐观。LED后来进入产能过剩阶段，MO源价格也跟着讲，毛利也从80%陆续下降到70%、60%、50%，其中用量最大的三甲基镓的毛利率更是从上市前最高70%掉到6%。

即电子特种气体，号称半导体生产过程中的“粮食”。具体可以看一下林北写过的《华特气体年报解读》。

公司于2013年成立了全椒南大材料，2016年才完成高纯磷烷、砷烷产品的产线建设；2019年直接并购山东飞源，又获得了三氟化氮、六氟化硫的生产能力。特气业务增长迅速，17年开始每年营业额是3600万、7800万、1.64亿，已经比MO源还多，毛利率也稳定在50%左右。

特气这个行业不太好理解，主要是气体太多太杂，各个环节要用到的气体也不一样。在《华特气体年报解读》一文中，林北明确表示对特气公司只看不投，因为真的不懂。

2016年公司参股了北京科华微电子材料有限公司，经过笔者研究，北京科华应该是目前国内技术实力最强的光刻胶企业，唯一一家通过了EUV光刻胶“02专项”研发。但是现在在北京科华的工商信息上，看不到南大光电了，记录显示是2019年初转让掉的。

2018年，“193nm光刻胶及配套材料关键技术开发项目”和“ArF光刻胶开发和产业化项目”获得国家02专项的正式立项，获得中央财政拨款1.3亿。公司新设了光刻胶事业部，成立“宁波南大光电材料有限公司”。

总而言之，公司虽然有光刻胶的概念，但并没有实际开展业务，而且充满不确定性。不像晶瑞股份等是从g线、i线开始做，而是一上来就搞ArF，而且都处在“专项科研”阶段。

说它是业务有点勉强，它是公司16年和 科技 部签订的一个研究项目“ALD金属有机前驱体产品的开发和安全离子注入产品开发”。前驱体就是一个东西之前的形态，就像暴龙兽之前是亚古兽，再之前是滚球兽一样，额，这是我的理解。

ALD即原子层沉积，前面讲到气相沉积，就相当于给衬底烘一层蒸汽让物质附在上面，而ALD更厉害，直接以单原子膜的形式一层一层地附在上面。ALD懂了，前驱体懂了，ALD前驱体是什么，抱歉，我还没看懂。

南大光电是一家典型的高 科技 公司，所以林北只研究了它的行业，用来辅助最近的光刻胶行业调查任务，并没有对财务进行分析。总而言之，南大光电之前做MO源，但最近这门生意好惨。为了走出困境，公司积极布局电子特气行业，经过3年努力，特气的业务已经超过了老业务MO源。

然后是我关心的光刻胶行业，作为南大的校企（大股东南京大学资产经营有限公司），公司也理所当然地能拿到国家科研专项任务，一上来就高举高打研发ArF光刻胶，这可是中国目前没有办法供应的产品，同样还在研发的还有北京科华和容大感光。当然，所有这些公司都还在研发中，还没有一家投放市场，接着光刻胶的概念，好几年股价震荡的南大光电迎来大涨。

2019年1月，南大光电卖掉了北京科华的股份，价值1.7亿，获得了近2000万投资收益，占利润总额的28.87%，多好的一只母鸡就这么被卖掉了，现在公司多了一家技术NB的竞争者。但笔者不是公司高管，对此举不好评论。

原子层沉积 (Atomic layer deposition，ALD) 是一种高度可控的薄膜合成工艺，可制造出只有一个原子厚的薄膜。广泛应用于计算机芯片、太阳能电池、锂电池等领域。很多企业常用 ALD 来制造半导体器件。ALD 的灵活性和多样性给确定工艺参数带来了重大挑战，但仍需要专家的直觉和耗时的反复试验来确定最佳工艺参数。

最近，来自美国能源部（DOE）阿贡国家实验室的研究人员 描述了多种基于 AI 的方法来自动优化 ALD 工艺。详细说明了每种方法的相对优势和劣势，以及可用于更有效、更经济地开发新流程的见解。

该研究以《用于优化原子层沉积的智能代理》「 Intelligent Agents for the Optimization of Atomic Layer Deposition 」为题发表在《 ACS Appl. Mater. Interfaces 》杂志上。

前沿，但也面临挑战

ALD是一种工艺，通过前驱体蒸气和基板表面之间的一系列自限反应，在基板上沉积原子厚度的均匀薄膜。ALD 可访问大量的元素和化合物目录，元素周期表中超过一半的元素在出现在ALD过程中。

ALD 擅长在复杂的 3D 表面上生长精确的纳米级薄膜，例如在硅晶片上形成图案的深而窄的沟槽，以制造当今的计算机芯片。 这促进了科学家为下一代半导体器件开发新的薄膜 ALD 材料。

然而，开发和优化这些新的 ALD 工艺是具有挑战性和劳动密集型的。研究人员必须考虑许多可以改变这一过程的不同因素，包括：分子前体之间的复杂化学反应；反应器设计、温度和压力；前驱体剂量和吹扫时间。

为了找到克服这些挑战的方法，阿贡科学家评估了 三种新型优化策略 ：(a)随机选择气体时间；(b) 基于高斯过程代理模型的贝叶斯优化 (BO)，以及 (c) 基于规则的专家系统方法，利用人类策略和物理直觉。值得注意的是， 后两种使用不同的 AI 方法，且以前从未应用于 ALD。

Table 1 列出了该研究的四种ALD 工艺模型：Al2O3 在 200 下使用三甲基铝 (TMA) 和 H2O，Al2O3 在 100 下使用 TMA 和 H2O，W 在 200 下使用六氟化钨 (WF6) 和乙硅烷 (Si2H6)，TiO2 使用钛 (IV) 异丙醇 (TTIP) 和 200 下的 H2O。

敏感性分析

在比较所有四种ALD工艺模型的三种优化策略之前， 了解关键超参数对成本函数和优化性能的影响非常重要。 可确保在平等的基础上比较优化策略。以在 200 下生产 Al2O3 薄膜为例，研究ALD 系统的效果。

专家系统方法对关键超参数的值很敏感。 首先，专家系统策略需要指定一组起始时间。尝试了多种分配初始时序的方法，包括使用统一时序（所有时序相同）和随机时序（时序在优化边界之间随机初始化）。 探索 发现统一的初步计时产生了可靠的性能。

此外， 专家系统优化策略对给定时序所采用的重复 ALD 周期数也很敏感。 相比之下， 贝叶斯优化策略对采用的重复次数相对不敏感。

优化策略比较

研究人员通过比较他们如何优化 ALD 中使用的两种前驱体的剂量和清洗时间来评估他们的三种策略。加药时间(dosage time）是指前体加入反应器的时间，而吹扫时间是指去除多余的前体和气态化学产品所需的时间。

目标： 找到可以在最短的时间内实现高且稳定的薄膜生长的条件。 科学家们还使用代表反应堆内 ALD 过程的模拟来判断他们收敛到理想时间集的速度策略。

将他们的优化方法与模拟系统联系起来，让他们能够根据优化算法生成的处理条件，在每个循环后实时测量薄膜的生长情况。

研究人员比较了四种 ALD 工艺的三种优化策略的性能。通过比较了 Al2O3 薄膜在 200 C 下0.1%和10%噪声水平下生长的优化策略性能。研究表明： 在这两个噪声水平上，贝叶斯优化的性能最好，其次是专家系统，然后是低测量噪声的随机策略，高测量噪声的反向策略。

除了考虑给定优化算法在接近一组最优 ALD 时序时的效率之外，实际考虑也很重要，例如 CVD 类型生长（如果选择了不适当的低吹扫时间），从而使反应器结垢，对 ALD 反应器安全可靠运行的影响。实验表明：专家系统方法完全避免了不受控制的生长，而随机优化策略则始终对产生过量CVD型增长的条件进行采样。贝叶斯优化方法在避免大增长率方面做得更好。

研究得出： （1)随机优化(RO)在其他两种策略的优化时间质量不确定性较大的情况下表现良好，导致处理空间 探索 过程中GPC值过高。（2）贝叶斯优化（BO）可靠，性能好，不需要超参数调优。然而，在早期和后期的循环中，BO受到GPC值过高的影响。(3) 专家系统优化 (ESO) 可靠且安全，但前驱体剂量次数过于保守。

一劳永逸 （Set it and forget it）

「所有这些算法都提供了一种更快地收敛到最佳组合的方法，你不必像今天通常那样花时间将样品放入反应器中、取出样品、进行测量等。相反，你拥有实时与反应堆连接的回路。」该研究的合著者、Argonne 首席材料科学家 Angel Yanguas-Gil 说。

这种设置还通过形成一个闭环系统使两种 AI 方法的过程自动化。

尽管存在一些弱点，但人工智能方法有效地确定了不同模拟 ALD 工艺的最佳剂量和清洗时间。 这使得这项研究成为第一批表明使用 AI 可以实时优化薄膜的研究。

研究人员表示： 在未来的工作中，除了改进现有的算法外，还希望将这些方法扩展到包括反应堆温度和前驱体分压。

「这是令人兴奋的，因为它开辟了使用这些类型的方法来快速优化实际 ALD 工艺的可能性，这一步骤可能会在未来开发新应用时为制造商节省宝贵的时间和金钱。」Jeff Elam 总结道。

---