Hintergrund:

Hybride Silizium Pixeldetektoren bestehen aus einem in Pixel unterteilten Sensor (ein Array von in Sperrrichtung betriebenen Si-Dioden) und einem Auslesechip, der für die Verstärkung und Digitalisierung der Signale aus dem Sensor benutzt wird. Zusammen bilden diese Komponenten ein Detektormodul. 

Die Verbindung zwischen einzelnen Pixeln des Sensors und einzelnen Auslesekanälen des Chips wird dabei durch sogenannte Bump Bonds hergestellt. Bisher werden dabei einzelne Sensoren mit einzelnen oder mehreren Auslesechips verbunden. Das ist sehr kostspielig, da viele einzelne Arbeitsschritte nötig sind. Daher wird dieser Prozess in der Halbleiterindustrie zunehmend von Verbindungstechnologien ersetzt, bei denen ganze Sensorwafer mit ganzen Chipwafern verbunden werden, bevor die einzelnen Detektormodule aus den Wafern ausgeschnitten werden. Diese Technologien sind bekannt als Waferbonden.

Da Detektoren in der Hochenergiephysik in Zukunft immer größere Flächen abdecken müssen, ist die Qualifizierung eines solchen Verbindungsprozesses zum Bau von Pixeldetektoren sehr attraktiv. Neben der preisgünstigeren Herstellung erlaubt der Prozess auch, Detektormodule mit wesentlich geringerer Dicke als bisher zu bauen, was für die Impulsauflösung zukünftiger Spurdetektoren sehr wichtig ist.

Ziel der Arbeit:

Unser Industriepartner arbeitet gerade an der Entwicklung eines Waferbondingprozesses. Dabei wird die erreichte Bondqualität, d.h. der Anteil funktionierender Verbindungen zwischen den Wafern, mittels speziell hergestellter Wafer getestet, bei denen die Bondverbindungen alternierend über die beiden Waferoberflächen niederohmig miteinander verbunden sind (daisy chain wafer). So lässt sich die Bondqualität einfach durch eine Messung des ohmschen Widerstandes über eine ganze Kette testen.

Im Laufe dieser Arbeit werden der Anteil funktionierender Verbindungen, sowie weitere charakteristische Größen (z. Bsp. der Widerstand pro Bond) an solchen daisy chain Wafern gemessen.

Voraussetzungen:

• Interesse an Detektorphysik und experimenteller Arbeit im Labor
• Grundkenntnisse in Elektronik
• Grundkenntnisse in Programmierung und Datenverarbeitung mit Python

Back