CN115428123A - 基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型 - Google Patents
基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型 Download PDFInfo
- Publication number
- CN115428123A CN115428123A CN202180029372.5A CN202180029372A CN115428123A CN 115428123 A CN115428123 A CN 115428123A CN 202180029372 A CN202180029372 A CN 202180029372A CN 115428123 A CN115428123 A CN 115428123A
- Authority
- CN
- China
- Prior art keywords
- substrate
- learning
- processing
- information
- chemical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000758 substrate Substances 0.000 title claims abstract description 774
- 238000012545 processing Methods 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims description 80
- 238000003672 processing method Methods 0.000 title description 14
- 239000000126 substance Substances 0.000 claims abstract description 254
- 239000007788 liquid Substances 0.000 claims abstract description 109
- 238000012993 chemical processing Methods 0.000 claims abstract description 87
- 238000005468 ion implantation Methods 0.000 claims abstract description 80
- 238000010129 solution processing Methods 0.000 claims abstract description 65
- 238000003860 storage Methods 0.000 claims description 69
- 238000010801 machine learning Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 13
- 239000000243 solution Substances 0.000 description 88
- 238000004891 communication Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 23
- 150000002500 ions Chemical class 0.000 description 21
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 18
- 230000008859 change Effects 0.000 description 16
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 12
- 238000002513 implantation Methods 0.000 description 12
- 239000012530 fluid Substances 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 10
- 230000002123 temporal effect Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 239000004065 semiconductor Substances 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- WGTYBPLFGIVFAS-UHFFFAOYSA-M tetramethylammonium hydroxide Chemical compound [OH-].C[N+](C)(C)C WGTYBPLFGIVFAS-UHFFFAOYSA-M 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 3
- 235000011114 ammonium hydroxide Nutrition 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000001311 chemical methods and process Methods 0.000 description 3
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 3
- 239000012459 cleaning agent Substances 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 239000011259 mixed solution Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000008367 deionised water Substances 0.000 description 2
- 229910021641 deionized water Inorganic materials 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- -1 alkylene carbonate Chemical compound 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910001423 beryllium ion Inorganic materials 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 229910000040 hydrogen fluoride Inorganic materials 0.000 description 1
- CABDFQZZWFMZOD-UHFFFAOYSA-N hydrogen peroxide;hydrochloride Chemical compound Cl.OO CABDFQZZWFMZOD-UHFFFAOYSA-N 0.000 description 1
- XEMZLVDIUVCKGL-UHFFFAOYSA-N hydrogen peroxide;sulfuric acid Chemical compound OO.OS(O)(=O)=O XEMZLVDIUVCKGL-UHFFFAOYSA-N 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 150000007530 organic bases Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/26—Processing photosensitive materials; Apparatus therefor
- G03F7/40—Treatment after imagewise removal, e.g. baking
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/26—Processing photosensitive materials; Apparatus therefor
- G03F7/42—Stripping or agents therefor
- G03F7/422—Stripping or agents therefor using liquids only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/027—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34
- H01L21/0271—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34 comprising organic layers
- H01L21/0273—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34 comprising organic layers characterised by the treatment of photoresist layers
- H01L21/0274—Photolithographic processes
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67017—Apparatus for fluid treatment
- H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
- H01L21/6704—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing
- H01L21/67051—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing using mainly spraying means, e.g. nozzles
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67017—Apparatus for fluid treatment
- H01L21/67063—Apparatus for fluid treatment for etching
- H01L21/67075—Apparatus for fluid treatment for etching for wet etching
- H01L21/6708—Apparatus for fluid treatment for etching for wet etching using mainly spraying means, e.g. nozzles
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing semiconductor wafers
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/02041—Cleaning
- H01L21/02057—Cleaning during device manufacture
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
- H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
- H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
- H01L21/3105—After-treatment
- H01L21/311—Etching the insulating layers by chemical or physical means
- H01L21/31127—Etching organic layers
- H01L21/31133—Etching organic layers by chemical means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
- H01L21/67207—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process
- H01L21/67213—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process comprising at least one ion or electron beam chamber
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
- H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
- H01L21/68714—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
- H01L21/68792—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support characterised by the construction of the shaft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Cleaning Or Drying Semiconductors (AREA)
- Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Drying Of Semiconductors (AREA)
Abstract
本发明的基板处理装置(100)具备基板保持部(120)、药液供给部(130)、基板信息取得部(22a)、药液处理条件信息取得部(22b)、及控制部(22)。基板信息取得部(22a)取得包含硬化层厚度信息或离子注入条件信息的基板信息,该硬化层厚度信息表示处理对象基板的抗蚀层中的硬化层的厚度,该离子注入条件信息表示在抗蚀层形成硬化层的离子注入的条件。药液处理条件信息取得部(22b)基于基板信息,自学习完成模型取得表示关于处理对象基板的药液处理条件的药液处理条件信息。控制部(22)根据药液处理条件信息来控制基板保持部(120)及药液供给部(130),以利用药液对处理对象基板进行处理。
Description
技术领域
本发明涉及一种基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型。
背景技术
处理基板的基板处理装置适合于被使用在半导体装置的制造等。在制造基板时,有在形成规定图案的抗蚀层(resist layer)之后对基板进行离子注入而将基板的特性加以改性的情形。在该情形下,在离子注入之后,利用药液将抗蚀层加以剥离。已知若在基板的制造过程中对抗蚀层注入离子,则在抗蚀层会形成硬化层或变质层(参照专利文献1)。
在专利文献1中记载有,利用对硫酸及过氧化氢溶液添加碳酸亚烃酯的半导体基板用清洗剂,对抗蚀层进行剥离、去除。根据专利文献1,该半导体基板用清洗剂在将抗蚀层剥离时,具有与SPM清洗剂匹敌的清洗力,另一方面,可减少半导体基板的损伤。
现有技术文献
专利文献
专利文献1:日本特开2012-67254号公报
发明内容
发明所要解决的问题
然而,在专利文献1的方法中,存在有无法将基板的抗蚀层中的硬化层适当地去除的情形。例如,若相对于被离子注入的抗蚀层而药液的使用量过少时,则无法将抗蚀层充分地去除。另外,若相对于被离子注入的抗蚀层而药液的使用量过多时,则会导致成本上升。
本发明是鉴于上述课题而完成的,其目的在于提供一种可将基板的抗蚀层中的硬化层适当地去除的基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型。
(解决问题的技术手段)
根据本发明的一方式,基板处理装置具备:基板保持部,其将具有形成了硬化层的抗蚀层的处理对象基板保持为能够旋转;药液供给部,其对上述处理对象基板供给药液;基板信息取得部,其取得关于上述处理对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成了上述硬化层的离子注入的条件;药液处理条件信息取得部,其根据上述基板信息,自学习完成模型取得表示关于上述处理对象基板的药液处理条件的药液处理条件信息;及控制部,其根据在上述药液处理条件信息取得部所取得的上述药液处理条件信息来控制上述基板保持部及上述药液供给部,以利用药液对上述处理对象基板进行处理。上述学习完成模型通过对学习用数据进行机器学习而构建,在该学习用数据中,将关于具有形成了硬化层的抗蚀层的学习对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息、药液处理条件信息、及处理结果信息建立关联;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;该药液处理条件信息表示利用药液对上述学习对象基板进行处理的条件;该处理结果信息表示利用药液对上述学习对象基板进行处理的结果。
在某实施方式中,上述基板处理装置还具备存储上述学习完成模型的存储部。
在某实施方式中,关于上述处理对象基板及上述学习对象基板中的每一个,上述硬化层厚度信息包含表示上述硬化层的高度的硬化层高度信息或表示上述硬化层的宽度的硬化层宽度信息。
在某实施方式中,关于上述处理对象基板及上述学习对象基板中的每一个,上述药液处理条件信息包含表示上述药液的浓度、上述药液的温度、上述药液的供给量、上述药液的喷出图案及供给上述药液时基板旋转速度中的任一者的信息。
在某实施方式中,表示上述药液的浓度的信息表示上述药液的浓度随着时间变化的浓度分布(profile)。
在某实施方式中,表示上述药液的温度的信息表示上述药液的温度随着时间变化的温度分布。
根据本发明的其他的方式,基板处理方法包含:将具有形成了硬化层的抗蚀层的处理对象基板保持为能够旋转的步骤;取得关于上述处理对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息的步骤;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;根据上述基板信息,自学习完成模型取得表示上述处理对象基板的药液处理条件的药液处理条件信息的步骤;及根据上述药液处理条件信息的药液处理条件,利用药液对上述处理对象基板进行处理的步骤。在取得上述药液处理条件信息的步骤中,上述学习完成模型通过对学习用数据进行机器学习而构建,在该学习用数据中,将关于具有形成了硬化层的抗蚀层的学习对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息、药液处理条件信息、及处理结果信息建立关联;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;该药液处理条件信息表示对上述学习对象基板所进行的药液处理的条件;该处理结果信息表示对上述学习对象基板所进行的药液处理的结果。
根据本发明的再另一方式,学习用数据的生成方法包含:自对具有形成了硬化层的抗蚀层的学习对象基板进行处理的基板处理装置所输出的时间序列数据,取得包含硬化层厚度信息或离子注入条件信息的基板信息的步骤;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;自上述时间序列数据,取得药液处理条件信息的步骤;该药液处理条件信息表示在上述基板处理装置利用药液对上述学习对象基板进行处理的条件;自上述时间序列数据,取得处理结果信息的步骤;该处理结果信息表示在上述基板处理装置利用药液对上述学习对象基板进行处理的结果;及关于上述学习对象基板,将上述基板信息、上述药液处理条件信息及上述处理结果信息建立关联而作为学习用数据存储于存储部的步骤。
根据本发明的再另外的方式,学习方法包含:取得根据上述学习用数据的生成方法所生成的学习用数据的步骤;及将上述学习用数据输入至学习程序,对上述学习用数据进行机器学习的步骤。
根据本发明的再另外的方式,学习装置具备:存储部,其存储根据上述的学习用数据的生成方法所生成的学习用数据;及学习部,其将上述学习用数据输入至学习程序,对上述学习用数据进行机器学习。
根据本发明的另外其他方式,学习完成模型的生成方法包含:取得根据上述的学习用数据的生成方法所生成的学习用数据的步骤;及生成学习完成模型的步骤,该学习完成模型通过对上述学习用数据进行机器学习而构建。
根据本发明的再另外其他方式,学习完成模型根据上述的学习用数据的生成方法所生成的学习用数据进行机器学习而构建。
根据本发明的再另一其他方式,基板处理装置具备:基板保持部,其将保持具有形成了硬化层的抗蚀层的基板保持为能够旋转;药液供给部,其对上述基板供给药液;存储部,其存储将基板信息与药液处理条件信息建立关联的转换表,其中,该基板信息包含硬化层厚度信息或表示离子注入的条件的离子注入条件信息;该药液处理条件信息表示药液处理的条件;基板信息取得部,其取得关于上述基板的包含硬化层厚度信息或离子注入条件信息的基板信息;其中,硬化层厚度信息表示上述硬化层的厚度;离子注入条件信息表示形成上述硬化层的离子注入的条件;药液处理条件信息取得部,其根据上述基板信息,使用上述转换表取得表示关于上述基板的药液处理条件的药液处理条件信息;及控制部,其根据在上述药液处理条件信息取得部所取得的上述药液处理条件信息来控制上述基板保持部及上述药液供给部,以利用药液对上述基板进行处理。
发明效果
根据本发明,可适当地将处理对象基板的抗蚀层中的硬化层去除。
附图说明
图1是具备本实施方式的基板处理装置的基板处理学习***的示意图。
图2是具备本实施方式的基板处理装置的基板处理***的示意图。
图3是本实施方式的基板处理装置的示意图。
图4是具备本实施方式的基板处理装置的基板处理***的框图。
图5的(a)是本实施方式的基板处理方法的流程图,图5的(b)是在本实施方式的基板处理方法中的药液处理的流程图。
图6的(a)至(c)是表示在本实施方式的基板处理装置中处理的基板上所形成的硬化层的形成制程的示意图。
图7的(a)至(d)是表示在本实施方式的基板处理装置中处理的基板上所形成的硬化层的形成制程的示意图。
图8是具备本实施方式的基板处理装置的基板处理***及学习用数据生成装置的框图。
图9是表示本实施方式的学习用数据生成方法的流程图。
图10是本实施方式的学习用数据生成装置及学习装置的框图。
图11是表示本实施方式的学习方法及学习完成模型的生成方法的流程图。
图12是表示被输入至本实施方式的学习装置的学习用数据的图。
图13是表示被输入至本实施方式的学习装置的学习用数据的图。
图14是表示被输入至本实施方式的学习装置的学习用数据的图。
图15的(a)是成为本实施方式的基板处理装置的处理对象的具有抗蚀层的处理对象基板的示意图,在该抗蚀层形成有硬化层,图15的(b)是表示基于基板信息所取得的药液处理条件的图。
图16是表示被输入至本实施方式的学习装置的学习用数据的图。
图17是本实施方式的基板处理装置的示意图。
图18是表示被输入至本实施方式的学习装置的学习用数据的图。
图19是本实施方式的基板处理装置的框图。
图20是表示在本实施方式的基板处理装置中的转换表的图。
具体实施方式
以下参照附图,对本发明的基板处理装置、基板处理方法、学***行于水平方向,Z方向平行于铅垂方向。
首先,参照图1,对具备本实施方式的基板处理装置100的基板处理学习***200进行说明。首先,参照图1,对基板处理学习***200进行说明。
图1是基板处理学习***200的示意图。如图1所示,基板处理学习***200具备基板处理装置100、基板处理装置100L、学习用数据生成装置300、及学习装置400。
基板处理装置100对处理对象基板进行处理。此处,处理对象基板具有形成了硬化层的抗蚀层,基板处理装置100利用药液对处理对象基板的抗蚀层进行处理。此外,基板处理装置100亦可对处理对象基板进行药液处理以外的处理。基板处理装置100是对处理对象基板一片一片地进行处理的单片型处理装置。典型地,处理对象基板大致呈圆板状。
基板处理装置100L对学习对象基板进行处理。此处,学习对象基板具有形成了硬化层的抗蚀层,基板处理装置100L利用药液对学习对象基板的抗蚀层进行处理。此外,基板处理装置100L亦可对学习对象基板进行药液处理以外的处理。学习对象基板的构成与处理对象基板的构成相同。基板处理装置100L是对处理对象基板一片一片地进行处理的单片型处理装置。典型地,处理对象基板大致呈圆板状。基板处理装置100L的构成与基板处理装置100的构成相同。基板处理装置100L亦可与基板处理装置100为同一物体。例如,亦可由同一个基板处理装置在过去对学习对象基板进行处理之后,再对处理对象基板进行处理。或者,基板处理装置100L亦可为具有与基板处理装置100相同的构成的其他制品。
在本说明书的以下的说明中,存在有将学习对象基板记载为“学习对象基板WL”,将处理对象基板记载为“处理对象基板Wp”的情形。另外,在无须将学习对象基板WL与处理对象基板Wp加以区别而进行说明时,则有将学习对象基板WL及处理对象基板Wp记载为“基板W”的情形。
基板W例如为半导体晶片、液晶显示设备用基板、等离子体显示器用基板、场发射显示器(Field Emission Display:FED)用基板、光盘用基板、磁盘用基板、磁光盘用基板、光掩模用基板、陶瓷基板、或太阳电池用基板。
基板处理装置100L将时间序列数据TDL加以输出。时间序列数据TDL是表示在基板处理装置100L中的物理量的时间变化的数据。时间序列数据TDL表示在规定期间中而按时间序列所变化的物理量(值)的时间变化。例如,时间序列数据TDL是表示关于基板处理装置100L对学习对象基板进行的处理的物理量的时间变化的数据。或者,时间序列数据TDL是表示关于通过基板处理装置100L处理的学习对象基板的特性的物理量的时间变化的数据。或者,时间序列数据TDL亦可包含表示利用基板处理装置100L对学习对象基板进行处理前的制造制程的数据。
此外,在时间序列数据TDL中表示的值亦可为在测定设备中直接测定的值。或者,在时间序列数据TDL中表示的值亦可为对在测定设备中直接测定的值进行运算处理的值。或者,在时间序列数据TDL中表示的值亦可为对在多个测定设备中测定的值进行运算的值。
学习用数据生成装置300基于时间序列数据TDL或时间序列数据TDL的至少一部分来生成学习用数据LD。学习用数据生成装置300将学习用数据LD加以输出。学习用数据LD包含学习对象基板WL的基板信息、表示对学习对象基板WL所进行的药液处理的处理条件的药液处理条件信息、及表示对学习对象基板WL所进行的药液处理的结果的处理结果信息。另外,学习对象基板WL的基板信息包含学习对象基板WL被进行药液处理之前所测定的学习对象基板WL的基板信息。
学习装置400通过对学习用数据LD进行机器学习,生成学习完成模型LM。学习装置400输出学习完成模型LM。
基板处理装置100将时间序列数据TD加以输出。时间序列数据TD表示基板处理装置100中的物理量的时间变化的数据。时间序列数据TD表示在规定期间中而按时间序列变化的物理量(值)的时间变化。例如,时间序列数据TD是表示关于基板处理装置100对处理对象基板进行的处理的物理量的时间变化的数据。或者,时间序列数据TD是表示关于通过基板处理装置100处理的处理对象基板的特性的物理量的时间变化的数据。
此外,在时间序列数据TD中表示的值亦可为在测定设备中直接测定的值。或者,在时间序列数据TD中表示的值亦可为对在测定设备中直接测定的值进行运算处理的值。或者,在时间序列数据TD中表示的值亦可为对在多个测定设备中测定的值进行运算的值。或者,时间序列数据TD亦可包含表示利用基板处理装置100对处理对象基板进行处理前的制造制程的数据。
基板处理装置100所使用的物体对应于基板处理装置100L所使用的物体。因此,基板处理装置100所使用的物体的构成与基板处理装置100L所使用的物体的构成相同。另外,在时间序列数据TD中,基板处理装置100所使用的物体的物理量对应于基板处理装置100L所使用的物体的物理量。因此,基板处理装置100L所使用的物体的物理量与基板处理装置100所使用的物体的物理量相同。
根据时间序列数据TD生成处理对象基板Wp的基板信息Cp。处理对象基板Wp的基板信息Cp对应于学习对象基板WL的基板信息。处理对象基板Wp的基板信息Cp包含关于处理对象基板Wp的基板信息。处理对象基板Wp的基板信息亦可为通过在处理对象基板Wp被药液处理之前对处理对象基板Wp进行测定而所得的信息。或者,处理对象基板Wp的基板信息亦可为关于在药液处理前对处理对象基板Wp所进行的处理的信息。
自学习完成模型LM,基于处理对象基板Wp的基板信息Cp,输出药液处理条件信息Rp,该药液处理条件信息Rp表示适合于在基板处理装置100中的处理对象基板Wp的药液处理条件。
以上,如参照图1所说明那样,根据本实施方式,学习装置400进行机器学习。因此,可根据非常复杂且解析对象庞大的时间序列数据TDL生成精度较高的学习完成模型LM。另外,对学习完成模型LM输入来自时间序列数据TD的基板信息Cp,而自学习完成模型LM输出表示药液处理条件的药液处理条件信息Rp。因此,可根据处理对象基板Wp来进行药液处理。
其次,参照图2,对具备本实施方式的基板处理装置100的基板处理***10进行说明。图2是基板处理***10的示意性的俯视图。
基板处理***10对基板W进行处理。基板处理***10具备多个基板处理装置100。基板处理装置100以对基板W进行蚀刻、表面处理、特性赋予、处理膜形成、膜的至少一部分的去除及清洗中的至少一种的方式对基板W进行处理。
如图1所示,基板处理***10除了多个基板处理装置100以外,亦具备流体柜32、流体箱34、多个装载埠LP、分度机械手IR、中心机械手CR、及控制装置20。控制装置20对装载埠LP、分度机械手IR及中心机械手CR进行控制。
各个装载埠LP将多片基板W予以层叠并收纳。分度机械手IR在装载埠LP与中心机械手CR之间搬送基板W。此外,亦可为以下装置构成:在分度机械手IR与中心机械手CR之间,设置暂时载置基板W的设置台(路径),以在分度机械手IR与中心机械手CR之间经由设置台而间接地传递基板W。中心机械手CR在分度机械手IR与基板处理装置100之间进行搬送基板W。各个基板处理装置100对基板W喷出液体,并对基板W进行处理。液体包含药液及/或冲洗液。或者,液体亦可包含其他的处理液。流体柜32用来收纳液体。此外,流体柜32亦可收纳气体。
具体而言,多个基板处理装置100形成以在俯视时包围中心机械手CR的方式所配置的多个塔TW(在图2中为4个塔TW)。各塔TW包含上下层叠的多个基板处理装置100(在图1中为3个基板处理装置100)。流体箱34分别对应于多个塔TW。流体柜32内的液体经由任一个流体箱34而被供给至对应于流体箱34的塔TW所包含的所有基板处理装置100。另外,流体柜32内的气体经由任一个流体箱34而被供给至对应于流体箱34的塔TW所包含的所有基板处理装置100。
控制装置20对基板处理***10的各种动作进行控制。控制装置20包含控制部22及存储部24。控制部22具有处理器。控制部22例如具有中央处理运算器(Central ProcessingUnit:CPU)。或者,控制部22亦可具有通用运算器。
存储部24存储数据及计算机程序。数据包含规程数据。规程数据包含表示多个规程的信息。多个规程各自对基板W的处理内容及处理顺序进行规定。
存储部24包含主存储装置及辅助存储装置。主存储装置例如为半导体存储器。辅助存储装置例如为半导体存储器及/或硬盘驱动器。存储部24亦可包含可移动介质。控制部22执行存储部24所存储的计算机程序以执行基板处理动作。
在存储部24存储有预先被规定顺序的计算机程序。基板处理装置100依照在计算机程序中所规定的顺序来进行动作。
此外,在图2中虽对基板处理***10以具备1个控制装置20的方式来表示,但是其亦可在每个基板处理装置100具备控制装置20。但是,在该情形下,基板处理***10具备对多个基板处理装置100及基板处理装置100以外的装置进行控制的其他控制装置为佳。
接着,参照图3,对本实施方式的基板处理装置100进行说明。图3是本实施方式的基板处理装置100的示意图。此外,此处,虽对基板处理装置100的构成进行说明,但是基板处理装置100L亦具有与基板处理装置100相同的构成。
基板处理装置100对基板W进行处理。基板处理装置100具备腔室110、基板保持部120、药液供给部130、及冲洗液供给部140。腔室110收纳基板W。基板保持部120保持基板W。基板保持部120将基板W保持为能够旋转。
腔室110为具有内部空间大致箱形状。腔室110收纳基板W。此处,基板处理装置100是对基板W一片一片地进行处理的单片型处理装置,基板W一片一片地被收纳至腔室110。基板W被收纳于腔室110内,在腔室110内被处理。在腔室110收纳有基板保持部120、药液供给部130及冲洗液供给部140各自的至少一部分。
基板保持部120保持基板W。基板保持部120以使基板W的上表面Wa朝向上方、基板W的背面(下表面)Wb朝向铅垂下方的方式水平地保持基板W。另外,基板保持部120在保持基板W的状态下使基板W旋转。
例如,基板保持部120亦可为夹持基板W的端部的夹持式保持部。或者,基板保持部120亦可具有自背面Wb保持基板W的任意的机构。例如,基板保持部120亦可为真空式保持部。在该情形下,基板保持部120通过使非器件形成面即基板W的背面Wb的中央部吸附于上表面而水平地保持基板W。或者,基板保持部120亦可为将使多个夹持销接触于基板W的周端面的夹持式保持部与真空式保持部加以组合。
例如,基板保持部120包含旋转基底121、夹持构件122、轴123、及电动马达124。夹持构件122被设置于旋转基底121。夹持构件122夹持基板W。典型地,在旋转基底121设置有多个夹持构件122。
轴123为中空轴。轴123沿着旋转轴Ax在铅垂方向延伸。在轴123的上端,结合有旋转基底121。基板W的背面接触至旋转基底121,基板W被载置于旋转基底121的上方。
旋转基底121为圆板状,水平地支撑基板W。轴123自旋转基底121的中央部向下方延伸。电动马达124赋予旋转力至轴123。电动马达124通过使轴123向旋转方向旋转,而以旋转轴Ax为中心使基板W及旋转基底121旋转。此处,旋转方向为逆时针旋转。
药液供给部130对基板W供给药液。由此,利用药液处理基板W。
例如,药液可包含氢氟酸(氟化氢水溶液:HF)。或者,药液亦可为包含硫酸、醋酸、硝酸、盐酸、柠檬酸、缓冲氢氟酸(BHF)、稀氢氟酸(DHF)、氨水、稀氨水、过氧化氢溶液、有机碱(例如,TMAH:氢氧化四甲基铵等)、界面活性剂、防腐剂中的至少一种的液体。另外,药液亦可为将上述液体加以混合的混合液。例如,作为将这些加以混合的药液而成的例子,可列举有SPM(硫酸过氧化氢溶液混合液)、SC1(氨过氧化氢溶液混合液)、SC2(盐酸过氧化氢溶液混合液)等。
药液供给部130包含喷嘴132、配管134、及阀136。喷嘴132与基板W的上表面Wa相对向,朝向基板W的上表面Wa喷出药液。配管134结合至喷嘴132。喷嘴132被设置于配管134的顶端。自供给源供给药液至配管134。阀136被设置于配管134。阀136对配管134内的流路进行开闭。
药液供给部130还包含喷嘴移动部138。喷嘴移动部138在喷出位置与退避位置之间使喷嘴132移动。在喷嘴132位于喷出位置的情形下,喷嘴132位于基板W的上方。在喷嘴132位于喷出位置的情形下,喷嘴132朝向基板W的上表面Wa喷出药液。在喷嘴132位于退避位置的情形下,喷嘴132较基板W更靠基板W的径向外侧。
喷嘴移动部138包含臂138a、转动轴138b、及移动机构138c。臂138a沿着大致水平方向延伸。在臂138a的顶端部安装有喷嘴132。臂138a结合至转动轴138b。转动轴138b沿着大致铅垂方向延伸。移动机构138c使转动轴138b以沿着大致铅垂方向的转动轴线为中心而转动,使臂138a沿着大致水平面进行转动。其结果,喷嘴132为沿着大致水平面移动。例如,移动机构138c包含使转动轴138b以转动轴线为中心转动的臂摆动马达。臂摆动马达例如为伺服马达。另外,移动机构138c使转动轴138b沿着大致铅垂方向进行升降,使臂138a升降。其结果,喷嘴132沿着大致铅垂方向移动。例如,移动机构138c包含滚珠螺杆机构、及对滚珠螺杆机构赋予驱动力的臂升降马达。臂升降马达例如为伺服马达。
冲洗液供给部140对基板W供给冲洗液。冲洗液亦可包含脱离子水(DeionizedWater:DIW)、碳酸水、电解离子水、臭氧水、氨水、稀释浓度(例如,10ppm~100ppm左右)的盐酸水、还原水(氢水)中的任一者。
冲洗液供给部140包含喷嘴142、配管144、及阀146。喷嘴142与基板W的上表面Wa相对向,朝向基板W的上表面Wa喷出冲洗液。配管144结合至喷嘴142。喷嘴142被设置于配管144的顶端。自供给源供给冲洗液至配管144。阀146被设置于配管144。阀146对配管144内的流路进行开闭。
基板处理装置100还具备杯状体180。杯状体180回收自基板W所飞散的液体。杯状体180可向铅垂上方上升至基板W的侧方为止。另外,杯状体180亦可自基板W的侧方向铅垂下方下降。
控制装置20对基板处理装置100的各种动作进行控制。控制部22对基板保持部120、药液供给部130、冲洗液供给部140及/或杯状体180进行控制。在一例中,控制部22对电动马达124、阀136、146、移动机构138c及/或杯状体180进行控制。
在本实施方式的基板处理装置100中,可对基板W进行药液处理及冲洗处理。
接着,参照图1~图4,对本实施方式的基板处理装置100进行说明。图4是具备基板处理装置100的基板处理***10的框图。
如图4所示,控制装置20对基板处理***10的各种动作进行控制。控制装置20对分度机械手IR、中心机械手CR、基板保持部120、药液供给部130、冲洗液供给部140及杯状体180进行控制。详细而言,控制装置20通过对分度机械手IR、中心机械手CR、基板保持部120、药液供给部130、冲洗液供给部140及杯状体180发送控制信号,而对分度机械手IR、中心机械手CR、基板保持部120、药液供给部130、冲洗液供给部140及杯状体180进行控制。
具体而言,控制部22对分度机械手IR进行控制,通过分度机械手IR而传递基板W。
控制部22对中心机械手CR进行控制,通过中心机械手CR而传递基板W。例如,中心机械手CR接取未处理的基板W,将基板W搬入至多个腔室110中的任一个。另外,中心机械手CR自腔室110接取被处理的基板W,将基板W加以搬出。
控制部22控制基板保持部120,对基板W旋转的开始、旋转速度的变更及基板W旋转的停止进行控制。例如,控制部22可控制基板保持部120,变更基板保持部120的转速。具体而言,控制部22可通过变更基板保持部120的电动马达124的转速来变更基板W的转速。
控制部22可控制药液供给部130的阀136及冲洗液供给部140的阀146,将阀136、146的状态切换为打开状态与关闭状态。具体而言,控制部22通过控制阀136、146,使阀136、146设为打开状态,可使在配管134、144内流动的药液、冲洗液通向喷嘴132、142。另外,控制部22通过控制药液供给部130的阀136及冲洗液供给部140的阀146,使阀136、146设为关闭状态,可停止使在配管134、144内流动的药液、冲洗液通向喷嘴132、142。
另外,控制部22以移动机构138c使臂138a向水平方向及/或垂直方向移动的方式进行控制。由此,控制部22可使被安装于臂138a的顶端的喷嘴132在基板W的上表面Wa移动。另外,控制部22可使被安装于臂138a的顶端的喷嘴132在喷出位置与退避位置之间移动。本实施方式的基板处理装置100可适合被使用于形成半导体装置。
在本实施方式的基板处理装置100中,存储部24存储学习完成模型LM及控制程序PG。基板处理装置100根据在控制程序PG中所被规定的顺序来进行动作。
另外,控制部22包含基板信息取得部22a及药液处理条件信息取得部22b。基板信息取得部22a取得处理对象基板Wp的基板信息。处理对象基板Wp的基板信息包含硬化层厚度信息或离子注入条件信息,该硬化层厚度信息表示处理对象基板Wp的硬化层的厚度,该离子注入条件信息表示对处理对象基板Wp所进行的离子注入的条件。此外,基板信息取得部22a亦可自存储部24取得硬化层厚度信息或离子注入条件信息以外的其他信息来作为基板信息。
学习完成模型LM基于基板信息来生成药液处理条件信息。典型地,若对学习完成模型LM输入基板信息,则对应于基板信息的药液处理条件信息被输出。在一例中,若对学习完成模型LM输入硬化层厚度信息或离子注入条件信息,则对应于硬化层厚度信息或离子注入条件信息的药液处理条件信息被输出。
药液处理条件信息取得部22b自学习完成模型LM取得药液处理条件信息。药液处理条件信息取得部22b自学习完成模型LM,以对应于处理对象基板Wp的基板信息的方式取得药液处理条件信息。
控制部22依照于药液处理条件信息所表示的药液处理条件,对基板保持部120及药液供给部130进行控制。
基板处理***10较佳为还具备显示部42、输入部44及通信部46。
显示部42显示图像。显示部42例如为液晶显示器或者有机电致发光显示器。
输入部44为用以对控制部22输入各种信息的输入设备。例如,输入部44为键盘及定点设备或者触控面板。
通信部46被连接至网络,与外部装置进行通信。在本实施方式中,网络例如包含因特网、局域网络(Local Area Network,LAN)、公众电话网、及近距离无线网络。通信部46为通信机,例如为网络接口控制器。
进而,基板处理***10较佳为还具备传感器50。典型地,多个传感器50检测基板处理***10的各部分的状态。例如,传感器50的至少一部分检测基板处理装置100的各部分的状态。
存储部24对来自传感器50的输出结果及控制程序的控制参数进行存储来作为时间序列数据TD。典型地,时间序列数据针对每个基板W而被分开存储。
传感器50在每1片基板W的处理中,在自基板W的处理开始至处理结束为止的期间中,检测基板处理装置100所使用的物体的物理量,将表示物理量的检测信号输出至控制部22。然后,控制部22在每1片基板W的处理中,将物理量与时间建立关联作为时间序列数据TD被存储于存储部24,该物理量由在自基板W的处理开始至处理结束为止的期间中自传感器50输出的检测信号来表示。
控制部22自传感器50取得时间序列数据TD,使时间序列数据TD存储于存储部24。在该情形下,控制部22使时间序列数据TD与批次识别信息、基板识别信息、处理顺序信息、及批次间隔信息建立关联并存储于存储部24。批次识别信息是用以识别批次的信息(例如,批次编号)。批次表示基板W的处理单位。1个批次通过规定数量的基板W所构成。基板识别信息系用以识别基板W的信息。处理顺序信息是表示对于构成1个批次的规定数量的基板W的处理的顺序的信息。批次间隔信息是表示自对批次的处理的结束至对下一批次的处理的开始为止的时间间隔的信息。
接着,参照图1~图5,对本实施方式的基板处理装置100的基板处理方法进行说明。图5的(a)是在本实施方式的基板处理装置100中的基板处理方法的流程图,图5的(b)是在本实施方式的基板处理方法中的药液处理的流程图。
如图5的(a)所示,在步骤S10中,将处理对象基板Wp搬入至基板处理装置100。被搬入的处理对象基板Wp装设于基板保持部120。典型地,处理对象基板Wp通过中心机械手CR被搬入至基板处理装置100。
在步骤S20中,利用药液对处理对象基板Wp进行处理。药液供给部130对处理对象基板Wp供给药液。自药液供给部130的喷嘴132将药液喷出至处理对象基板Wp的上表面Wa。药液覆盖处理对象基板Wp的上表面Wa。由此,利用药液,处理处理对象基板Wp。此外,在利用药液对处理对象基板Wp进行处理时,基板W通过基板保持部120旋转。处理对象基板Wp的旋转亦可继续至处理对象基板Wp即将搬出之前为止。
在步骤S30中,利用冲洗液对处理对象基板Wp进行冲洗。冲洗液供给部140对处理对象基板Wp供给冲洗液。自冲洗液供给部140的喷嘴142将冲洗液喷出至处理对象基板Wp的上表面Wa。冲洗液将处理对象基板Wp的上表面Wa加以覆盖。由此,利用冲洗液,处理处理对象基板Wp。
在步骤S40中,使处理对象基板Wp自基板保持部120脱离而将处理对象基板Wp搬出。典型地,处理对象基板Wp通过中心机械手CR自基板处理装置100搬出。如上所述,可对处理对象基板Wp进行药液处理。
在本实施方式的基板处理装置100中,如图5的(b)表示,对处理对象基板Wp进行药液处理。
在步骤S22中,取得处理对象基板Wp的基板信息。基板信息取得部22a取得处理对象基板Wp的基板信息。基板信息包含处理对象基板Wp的硬化层厚度信息或离子注入条件信息。
例如,控制部22自存储部24取得处理对象基板Wp的硬化层厚度信息或离子注入条件信息。此外,在处理对象基板Wp中的硬化层的厚度亦可在基板处理***10或基板处理装置100内测定。另外,在处理对象基板Wp中的硬化层的厚度亦可在基板处理***10或基板处理装置100的外部测定。
或者,对于处理对象基板Wp的离子注入亦可在基板处理***10或基板处理装置100内执行。另外,对于处理对象基板Wp的离子注入亦可在基板处理***10或基板处理装置100的外部执行。此外,控制部22亦可取得硬化层厚度信息或离子注入条件信息以外的基板信息。
在步骤S24中,将处理对象基板Wp的基板信息,输入至学习完成模型LM。其详细情形将于下文叙述,学习完成模型LM由学习用数据而构建,该学习用数据包含:学习对象基板WL的基板信息、表示对学习对象基板WL所进行的药液处理的处理条件的药液处理条件信息、及表示对学习对象基板WL所进行的药液处理的结果的处理结果信息。学习完成模型LM对应于处理对象基板Wp的基板信息而输出药液处理条件信息Rp。
在步骤S26中,自学习完成模型LM取得药液处理条件信息。药液处理条件信息取得部22b自学习完成模型LM取得对应于基板信息的药液处理条件信息。
在步骤S28中,根据药液处理条件信息,基板保持部120及药液供给部130对处理对象基板Wp执行药液处理。在图3所示的基板处理装置100中,药液供给部130根据药液处理条件信息对处理对象基板Wp供给药液。如上所述,可对处理对象基板Wp进行药液处理。
根据本实施方式,自通过机器学习而构建的学习完成模型LM,取得对应于基板信息的药液处理条件信息,根据在药液处理条件信息所表示的药液处理条件来执行药液处理,该基板信息包含处理对象基板Wp的硬化层厚度信息或离子注入条件信息。根据本实施方式,可配合在处理对象基板Wp中的硬化层的厚度来适当地执行药液处理。
接着,参照图6对在基板W上形成的硬化层进行说明,该基板W为本实施方式的基板处理方法的对象。图6的(a)~图6的(c)是用以说明在基板W的抗蚀层R中的硬化层的形成的示意图。
如图6的(a)所示,在基板W的上表面形成有抗蚀层R。抗蚀层R相对于基板W的主面在垂直的方向延伸。抗蚀层R被图案化为规定的形状。
如图6的(b)所示,对基板W注入离子。此处,离子向与基板W的主面的法线方向平行的方向被注入。通过离子注入,而基板W的表面的特性产生变质。此时,抗蚀层R的表面亦产生变质而形成硬化层Rc。此外,抗蚀层R的内部保持不变质,作为内部层Ri而残留。硬化层Rc较内部层Ri硬。
如图6的(c)所示,硬化层Rc具有规定的厚度d。详细而言,硬化层Rc的厚度d包含硬化层Rc的高度dt及硬化层Rc的宽度dw。在对抗蚀层R等向性地注入离子的情形下,高度dt与宽度dw大致相等。
另一方面,若对抗蚀层R非等向性地注入离子,则高度dt与宽度dw不同。例如,如图6的(b)所示,若离子自与基板W的主面的法线方向平行的方向被注入,则高度dt变成大于宽度dw。
接着,参照图7对在基板W上形成的硬化层进行说明,该基板W为本实施方式的基板处理方法的对象。图7的(a)~图7的(d)是用以说明在基板W的抗蚀层R中的硬化层的形成的示意图。
如图7的(a)所示,在基板W的上表面形成抗蚀层R。抗蚀层R相对于基板W的主面在垂直的方向延伸。
如图7的(b)所示,对基板W注入离子。此处,离子自相对于基板W的主面的法线方向朝向一个方向(相对于纸面为左方向)倾斜的方向被注入。通过离子注入,而基板W的表面的特性产生变质。此时,抗蚀层R的表面亦产生变质而形成硬化层Rc。在该情形下,相对于抗蚀层R而硬化层Rc的左侧相对地较厚,另一方面,硬化层Rc的右侧相对地较薄。
如图7的(c)所示,对基板W注入离子。此处,离子是自相对于基板W的主面的法线方向朝向另一方向(相对于纸面为右方向)倾斜的方向被注入。通过离子注入,而抗蚀层R表面所变质的硬化层Rc扩大。
如图7的(d)所示,硬化层Rc具有规定的厚度d。详细而言,硬化层Rc的厚度d包含硬化层Rc的高度dt及硬化层Rc的宽度dw。如上所述,可形成硬化层Rc。
此外,在图7的(b)及图7的(c)中,由于自抗蚀层R的左斜方向及右斜方向进行离子注入,故而可使硬化层Rc的左侧的宽度及右侧的宽度大致相等。另外,由于对抗蚀层R自倾斜方向进行离子注入,故而不仅可使硬化层Rc的高度dt增大而且亦可使硬化层Rc的宽度dw增大。
如上所述,硬化层Rc的厚度d、高度dt及/或宽度dw亦可利用测定设备来测定。或者,硬化层Rc的厚度d、高度dt及/或宽度dw通过抗蚀层R的特性(组成、厚度、宽度等)及/或离子注入的条件(离子种类、加速能量、注入量及注入方向等)而大致规定。因此,根据离子注入条件可对硬化层Rc的厚度d、高度dt及/或宽度dw进行特定。
参照图1,如上述所述,学习完成模型LM根据学习用数据LD生成,学习用数据LD根据基板处理装置100L的时间序列数据TDL生成。
接着,参照图8,对学习用数据LD的生成进行说明。图8是具备基板处理装置100L的基板处理***10L及学习用数据生成装置300的框图。此处,学习用数据生成装置300与基板处理装置100L可通信地连接。图8的具备基板处理装置100L的基板处理***10L中,控制部22L不具有基板信息取得部22a及药液处理条件信息取得部22b,存储部24L不存储学习完成模型LM而存储测试规程TR,除此以外与在图4所示的基板处理***10的框图相同,为了避免冗长而省略重复的记载。
基板处理***10L具备多个基板处理装置100L、分度机械手IRL、中心机械手CRL、控制装置20L、显示部42L、输入部44L、通信部46L、及传感器50L。基板处理装置100L、分度机械手IRL、中心机械手CRL、控制装置20L、显示部42L、输入部44L及通信部46L具有与在图4所示的基板处理***10的基板处理装置100、分度机械手IR、中心机械手CR、控制装置20、显示部42、输入部44及通信部46相同的构成。
另外,基板处理装置100L具备基板保持部120L、药液供给部130L、冲洗液供给部140L、及杯状体180L。腔室110L、基板保持部120L、药液供给部130L、冲洗液供给部140L及杯状体180L较佳为具有与在图3及图4所示的基板保持部120、药液供给部130、冲洗液供给部140及杯状体180相同的构成。
控制装置20L具有控制部22L及存储部24L。存储部24L存储控制程序PGL。基板处理装置100L根据在控制程序PGL中规定的顺序进行动作。
另外,存储部24L存储多个测试规程TR。多个测试规程TR包含药液处理条件不同的规程。因此,在控制部22L根据测试规程TR对学习对象基板WL进行处理的情形下,对不同的学习对象基板WL进行不同的药液处理。
存储部24L存储学习对象基板WL的时间序列数据TDL。时间序列数据TDL是表示在基板处理装置100L中的物理量的时间变化的数据。时间序列数据TDL表示通过传感器50L检测的多个物理量。时间序列数据TDL亦可包含表示利用基板处理装置100L对学习对象基板WL进行处理前的制造制程的数据。此外,时间序列数据TDL包含基板信息、药液处理条件信息及处理结果信息,该基板信息包含硬化层厚度信息或离子注入条件信息,该药液处理条件信息表示对学习对象基板WL所进行的药液处理条件,该处理结果信息表示对学习对象基板WL所进行的药液处理的结果。
学习用数据生成装置300与基板处理装置100L可通信地连接。学习用数据生成装置300对基板处理装置100L的时间序列数据TDL的至少一部分进行通信。
学习用数据生成装置300具备控制装置320、显示部342、输入部344、及通信部346。学习用数据生成装置300可经由通信部346而与多个基板处理装置100L的控制装置20L进行通信。显示部342、输入部344及通信部346具有与显示部42,输入部44及通信部46相同的构成。
控制装置320包含控制部322及存储部324。存储部324存储控制程序PG3。学习用数据生成装置300根据在控制程序PG3中规定的顺序进行动作。
控制部322自基板处理装置100L对时间序列数据TDL的至少一部分进行接收,并使所接收到的时间序列数据TDL存储于存储部324。存储部324存储学习对象基板WL的时间序列数据TDL的至少一部分。时间序列数据TDL经由通信部46L及通信部346而自基板处理装置100L被发送至学习用数据生成装置300。控制部322使被发送的时间序列数据TDL的至少一部分存储于存储部324。被存储于存储部324的时间序列数据TDL包含时间序列数据TDL的基板信息、药液处理条件信息及处理结果信息。
控制部322自存储部324的时间序列数据TDL取得学习对象基板WL的基板信息、药液处理条件信息及处理结果信息。更进一步,控制部322将学习对象基板WL的基板信息、药液处理条件信息及处理结果信息加以汇总而生成学习用数据LD,存储部324存储学习用数据LD。
接着,参照图8及图9,对本实施方式的学习用数据的生成方法进行说明。图9是本实施方式的学习用数据的生成方法的流程图。学习用数据的生成系在学习用数据生成装置300中进行。
如图9所示,在步骤S110中,取得学习对象基板WL的时间序列数据TDL。典型地,学习用数据生成装置300自基板处理装置100L对学习对象基板WL的时间序列数据TDL的至少一部分进行接收。存储部324存储所接收的时间序列数据TDL。
在步骤S112中,自被存储于存储部324的学习对象基板WL的时间序列数据TDL提取基板信息。基板信息包含硬化层厚度信息或离子注入条件信息。控制部322自存储部324的时间序列数据TDL取得学习对象基板WL的基板信息。
在步骤S114中,自被存储于存储部324的学习对象基板WL的时间序列数据TDL提取学习对象基板WL的药液处理条件信息。控制部322自存储部324的时间序列数据TDL取得学习对象基板WL的药液处理条件信息。
在步骤S116中,自被存储于存储部324的学习对象基板WL的时间序列数据TDL提取学习对象基板WL的处理结果信息。控制部322自存储部324的时间序列数据TDL取得学习对象基板WL的处理结果信息。
在步骤S118中,将学习对象基板WL的基板信息、药液处理条件信息及处理结果信息建立关联而生成为学习用数据LD,存储部324针对多个学习对象基板WL的每一个将学习用数据LD加以存储。
在本实施方式中,所生成的学习用数据包含针对每个学习对象基板WL相互地被建立关联的基板信息、药液处理条件信息及处理结果信息。该学习用数据适合被使用于学习处理。
此外,在图8中,学习用数据生成装置300与1个基板处理装置100L可通信地连接,但是本实施方式并不被限定于此。学习用数据生成装置300亦可与多个基板处理装置100L可通信地连接。
另外,在参照图8及图9的说明中,在基板处理装置100L所生成的时间序列数据TDL经由通信部46L及通信部346被发送至学习用数据生成装置300,但是本实施方式并不被限定于此。亦可为学习用数据生成装置300的控制装置320被组装至具备基板处理装置100L的基板处理***10的控制装置20,不在网络转送时间序列数据TDL,而在基板处理***10内根据时间序列数据TDL生成学习用数据LD。
接着,参照图10,对本实施方式的学习完成模型LM的生成进行说明。图10是本实施方式的学习用数据生成装置300及学习装置400的示意图。学习用数据生成装置300及学习装置400相互地可进行通信。
学习装置400与学习用数据生成装置300可通信地连接。学习装置400自学习用数据生成装置300接收学习用数据LD。学习装置400基于学习用数据LD进行机器学习,并生成学习完成模型LM。
学习装置400具备控制装置420、显示部442、输入部444、及通信部446。显示部442、输入部444及通信部446具有与在图4所示的基板处理***10的显示部42、输入部44及通信部46相同的构成。
控制装置420包含控制部422及存储部424。存储部424存储控制程序PG4。学习装置400根据在控制程序PG4中规定的顺序进行动作。
存储部424存储学习用数据LD。学习用数据LD经由通信部346及通信部446而自学习用数据生成装置300被发送至学习装置400。控制部422使被发送的学习用数据LD存储于存储部424。在被存储于存储部424的学习用数据LD中,时间序列数据TDL的基板信息、药液处理条件信息及处理结果信息相互地被建立关联。
存储部424存储学习程序LPG。学习程序LPG是用来执行机器学习算法的程序,该机器学习算法用于自多个学习用数据LD之中找出一定的规则,生成表现所找出的规则的学习完成模型LM。控制部422通过执行存储部424的学习程序LPG,对学习用数据LD进行机器学习而对推论程序的参数进行调整,生成学习完成模型LM。
机器学习算法只要为有教师学习即可,并不特别地被限定,例如,可为决策树、最近邻算法、简单贝叶斯分类器、支持向量机、或者神经网络。因此,学习完成模型LM包含决策树、最近邻算法、简单贝叶斯分类器、支持向量机、或者神经网络。在生成学习完成模型LM的机器学习中,亦可利用误差逆传播法。
例如,神经网络包含输入层、单个或多个中间层、及输出层。具体而言,神经网络是深度神经网络(DNN:Deep Neural Network)、循环神经网络(RNN:Recurrent NeuralNetwork)、或者卷积神经网络(CNN:ConvolutionalNeural Network),进行深度学习。例如,深度神经网络包含输入层、多个中间层、及输出层。
控制部422包含取得部422a及学习部422b。取得部422a自存储部424取得学习用数据LD。学习部422b通过执行存储部424的学习程序LPG,对学习用数据LD进行机器学习,并根据学习用数据LD生成学习完成模型LM。
学习部422b基于学习程序LPG对多个学习用数据LD进行机器学习。其结果,自多个学习用数据LD之中找出一定的规则,生成学习完成模型LM。即,学习完成模型LM通过对学习用数据LD进行机器学习而构建。存储部424存储学习完成模型LM。
然后,典型地,学习完成模型LM被传送至基板处理***10,存储部24存储学习完成模型LM。在该情形下,如参照图4的上述那样,在基板处理***10中的控制装置20的存储部24存储学习完成模型LM,药液处理条件信息取得部22b自存储部24的学习完成模型LM取得药液处理条件。
但是,本实施方式并不被限定于此。亦可为存储部24不存储有学习完成模型LM,药液处理条件信息取得部22b自基板处理***10的外部取得药液处理条件。例如,药液处理条件信息取得部22b亦可经由通信部46及通信部446而将处理对象基板Wp的基板信息发送至学习装置400的学习完成模型LM,经由通信部446及通信部46而自学习装置400接收在学习完成模型LM中输出的药液处理条件信息。
接着,参照图1~图11,对在本实施方式的学习装置400中的学习方法进行说明。图11是本实施方式的学习方法的流程图。学习用数据LD的学习及学习完成模型LM的生成在学习装置400中进行。
如图11所示,在步骤S122中,学习装置400的取得部422a自存储部424取得多个学习用数据LD。在学习用数据LD中,学习对象基板WL的基板信息、药液处理条件信息及处理结果信息相互地被建立关联。
接着,在步骤S124中,学习部422b基于学习程序LPG对多个学习用数据LD进行机器学习。
接着,在步骤S126中,学习部422b对学习用数据LD的机器学习是否结束进行判定。是否结束机器学习依照预先所规定的条件来决定。例如,若对规定数量以上的学习用数据LD进行机器学习则结束机器学习。
在机器学习未结束的情形下(在步骤S126中为否),处理返回至步骤S122。在该情形下,重复机器学习。另一方面,在机器学习结束的情形下(在步骤S126中为是),则处理进入步骤S128。
在步骤S128中,学习部422b将应用了最新的多个参数(系数)即多个学习完成参数(系数)的模型(1个以上的函数)作为学习完成模型LM加以输出。存储部424存储学习完成模型LM。
如以上所述,学习方法结束,生成学习完成模型LM。根据本实施方式,通过对学习用数据LD进行机器学习,则可生成学习完成模型LM。
此外,在图10中,学习装置400与1个学习用数据生成装置300可通信地连接,但是本实施方式并不被限定于此。学习装置400亦可与多个学习用数据生成装置300可通信地连接。
另外,在参照图10及图11的说明中,在学习用数据生成装置300所生成的学习用数据LD经由通信部346及通信部446被发送至学习装置400,但是本实施方式并不被限定于此。亦可为学习装置400的控制装置420被组装至学习用数据生成装置300的控制装置320,不在网络传送学习用数据LD,而在学习用数据生成装置300内根据学习用数据LD生成学习完成模型LM。
更进一步,在参照图8~图11的说明中,在基板处理装置100L所生成的时间序列数据TDL经由通信部46L及通信部346被发送至学习用数据生成装置300,在学习用数据生成装置300所生成的学习用数据LD经由通信部346及通信部446被发送至学习装置400,但是本实施方式并不被限定于此。亦可为学习用数据生成装置300的控制装置320及学习装置400的控制装置420被组装至基板处理***10L的控制装置20,不在网络传送时间序列数据TDL及学习用数据LD,而在基板处理***10L内根据时间序列数据TDL经由学习用数据LD生成学习完成模型LM。
其次,参照图12对学习用数据LD的一例进行说明。图12是表示学习用数据LD的一例的图。
图12表示学习对象基板WL的基板信息、学习对象基板WL的药液处理条件及学习对象基板WL的处理结果。此处,基板信息为学习对象基板WL的硬化层厚度信息。硬化层的厚度可通过对学习对象基板WL的抗蚀层中的硬化层进行测定而取得。药液处理条件信息表示对学习对象基板WL所进行的药液处理的条件。药液处理条件例如包含药液的浓度、药液的温度、药液的供给量及供给药液时的学习对象基板WL的旋转速度。处理结果表示药液处理后的学习对象基板WL的结果。在图12中,学习用数据LD包含学习用数据LD1至学习用数据LD1000。
学习用数据LD1表示某学习对象基板WL1的基板信息、药液处理条件及处理结果。此处,在学习用数据LD1中,Ld1表示学习对象基板WL1的硬化层的厚度。另外,Lp1表示对学习对象基板WL1所进行的药液处理的条件。
处理结果信息表示对学习对象基板WL1的药液处理的处理结果。处理结果亦可通过在学习对象基板WL1中是否发现特性的异常来判定。在学习用数据LD1中,由于被药液处理的学习对象基板的结果为良好,故而表示为○。另一方面,在被药液处理的学习对象基板的结果并非为良好的情形下,则表示为×。
学习用数据LD2~LD1000对应于学习对象基板WL2~WL1000而生成。对于学习对象基板WL所进行的药液处理条件可为相同,亦可为不同。处理结果根据学习对象基板WL的硬化层的厚度而大幅度地变动。
在图12所示的学习用数据LD中,数据的数量为1000个,但是本实施方式并不被限定于此。数据的数量可小于1000个,亦可大于1000个。但是,数据的数量尽量多则较佳。
此外,在学习用数据LD中,基板信息较佳为包含多个项目。例如,硬化层厚度信息亦可包含表示硬化层的高度的硬化层高度信息及表示硬化层的宽度的硬化层宽度信息。
图13是表示学习用数据LD的一例的图。如图13所示,学习用数据LD包含学习对象基板WL的基板信息、学习对象基板WL的药液处理条件信息及学习对象基板WL的处理结果信息。图13的学习用数据LD,除了学习对象基板WL的基板信息为包含硬化层高度信息及硬化层宽度信息这一点以外,与参照图12所述的学习用数据LD相同,为了避免冗长而省略重复的记载。
此处,基板信息为学习对象基板WL的硬化层高度信息及硬化层宽度信息。硬化层的高度及宽度可通过对学习对象基板WL的抗蚀层中的硬化层进行测定而取得。在图13中,学习用数据LD包含学习用数据LD1~LD1000。
学习用数据LD1表示某学习对象基板WL1的基板信息、药液处理条件及处理结果。此处,在学习用数据LD1中,Ldt1表示学习对象基板WL1的硬化层的高度。Ldw1表示学习对象基板WL1的硬化层的宽度。
学习用数据LD2~LD1000对应于学习对象基板WL2~WL1000而生成。处理结果根据学习对象基板WL的硬化层的高度及宽度而大幅度地变动。学习用数据LD较佳为具有非常有助于学习对象基板WL的药液处理的结果的变动的项目。
此外,在参照图12及图13的上述说明中,在处理结果为良好时表示为○,在处理结果并非为良好时表示为×,学习用数据LD1~LD1000的处理结果被2值化,但是本实施方式并不被限定于此。处理结果亦可被分类为3以上的多个值。或者,处理结果亦可被分类为最低值与最大值之间的任意的值。例如,处理结果除了学习对象基板WL的特性以外亦可考虑药液的使用量(供给量)或药液处理所需要的时间等而进行数值化。
此外,在学习用数据LD中,药液处理条件较佳为包含多个项目。例如,药液处理条件亦可包含药液的浓度、温度、供给量、对于学习对象基板的药液的喷出图案、药液处理时的基板保持部120的旋转速度。
接着,参照图14,对在本实施方式的学习方法中所被使用的学习用数据LD进行说明。图14是表示学习用数据LD的一例的图。
如图14所示,学习用数据LD包含学习用数据LD1~LD1000。学习用数据LD表示学习对象基板WL的基板信息、学习对象基板WL的药液处理条件及学习对象基板WL的处理结果信息。此处,药液处理条件包含药液的浓度、药液的温度、药液的供给量、对于学习对象基板的药液的喷出图案、及供给药液时的学习对象基板的旋转速度。
药液的浓度表示被使用于学习对象基板WL的药液的浓度。药液的温度表示被使用于学习对象基板WL的药液的温度。药液的供给量表示被使用于学习对象基板WL的药液的供给量。对于学习对象基板的药液的喷出图案表示对于学习对象基板WL喷出药液的路径(喷嘴132的动作路径)。学习对象基板的旋转速度表示供给药液时的学习对象基板WL的旋转速度。另外,在学习用数据LD中,在被药液处理的学习对象基板的结果为良好时表示为“○”,在被药液处理的学习对象基板的结果并非为良好时表示为“×”。
在学习用数据LD1中,Lc1表示被使用于学习对象基板WL1的药液的浓度,Lt1表示被使用于学习对象基板WL1的药液的温度。另外,Ls1表示被使用于学习对象基板WL1的药液的供给量,Le1表示对于学习对象基板WL1的药液的喷出图案,Lv1表示对学习对象基板WL1供给药液时的学习对象基板WL1的旋转速度。在学习用数据LD1中,由于被药液处理的学习对象基板WL1的处理结果为良好,故而处理结果为“○”。
关于学习用数据LD2~LD1000亦相同。此外,对学习对象基板WL所进行的药液处理条件可为相同,亦可为不同。例如,药液处理条件的多个项目的至少一部分可为相同,亦可为不同。或者,药液处理条件的多个项目的全部可为相同,亦可为不同。处理结果可根据学习对象基板WL的基板状态及药液处理条件而产生变动。
接着,参照图1~图15,对本实施方式的基板处理装置100中的药液处理进行说明。图15的(a)表示处理对象基板Wp的示意图,图15的(b)表示在学习完成模型LM中所生成的药液处理条件信息Rp。
如图15的(a)所示,处理对象基板Wp具有形成了硬化层Rc的抗蚀层R。此处,硬化层Rc的高度为dt,硬化层Rc的宽度为dw。
图15的(b)是表示药液处理条件信息Rp的图。药液处理条件信息Rp包含药液的浓度、药液的温度、药液的供给量、对于学习对象基板的药液的喷出图案及供给药液时的处理对象基板的旋转速度。
在药液处理条件信息Rp中,Rc表示被使用于处理对象基板Wp的药液的浓度,Rt表示被使用于处理对象基板Wp的药液的温度。另外,Rs表示被使用于处理对象基板Wp的药液的供给量,Pe表示被使用于处理对象基板Wp的药液的喷出图案,Rv表示对处理对象基板Wp供给药液时的处理对象基板Wp的旋转速度。
在此情形下,控制部22根据药液处理条件信息Rp所示的药液处理条件来控制基板保持部120及药液供给部130,以利用药液对处理对象基板Wp进行处理。
此外,在参照图14及图15的说明中,药液处理条件具有药液的浓度、药液的温度、药液的供给量、药液的喷出图案及处理对象基板的旋转速度的5个项目,但是本实施方式并不被限定于此。药液处理条件亦可具有这些5个项目中的1个以上的某些项目。或者,药液处理条件亦可为这些5个项目中的1个以上的某些项目与其他的项目的组合。或者,药液处理条件亦可具有与这些5个项目不同的1个以上的项目。
此外,在参照图12~图15的上述说明中,学习对象基板WL的基板信息是通过测定硬化层的厚度而所获得的信息,但是本实施方式并不被限定于此。学习对象基板WL的基板信息亦可包含与形成硬化层的离子注入的条件相关的信息。
接着,参照图16,对在本实施方式的学习方法中所使用的学习用数据LD进行说明。图16是表示学习用数据LD的一例的图。此外,图16的学习用数据LD除了基板信息表示用以形成学习对象基板WL的硬化层的离子注入条件这一点以外,与参照图12所述的学习用数据LD相同,为了避免冗长而省略重复的记载。
如图16所示,学习用数据LD包含学习用数据LD1~LD1000。学习用数据LD表示有学习对象基板WL的基板信息、学习对象基板WL的药液处理条件及学习对象基板WL的处理结果信息。此处,学习对象基板WL的基板信息包含表示用以形成学习对象基板WL的硬化层的离子注入条件的离子注入条件信息。
另外,离子注入条件信息包含离子种类、加速能量、注入量及注入方向。离子种类表示被用于离子注入用的离子种类,加速能量表示离子注入时的离子种类的加速能量。另外,注入量表示被离子注入的离子种类的量,注入方向表示对学习对象基板WL注入离子的方向。
在学习用数据LD1中,Lk1表示在形成学习对象基板WL1的硬化层时离子注入所使用的离子种类,La1表示形成学习对象基板WL1的硬化层时离子注入时的加速能量。另外,Lu1表示形成学习对象基板WL1的硬化层时离子注入量,Ld1表示形成学习对象基板WL1的硬化层时对学习对象基板WL注入离子的方向。
对于学习用数据LD2~LD1000亦相同。如此,基板信息并非表示硬化层的厚度本身,而表示用以形成硬化层的离子注入的条件亦可。此外,离子注入条件信息亦可为离子种类、加速能量、注入量及注入方向中的任一个项目。另外,离子注入条件信息亦可具有离子种类、加速能量、注入量及注入方向中的任一个项目与其他的项目的组合。或者,离子注入条件信息亦可具有离子种类、加速能量、注入量及注入方向以外的1个以上的项目。更进一步,基板信息亦可为硬化层厚度信息与离子注入条件信息的组合。
此外,在图3所示的基板处理装置100中,药液供给部130将一定状态的药液供给至基板W,但是本实施方式并不被限定于此。药液的浓度、温度亦可适当地被变更。
接着,参照图17对本实施方式的基板处理装置100进行说明。图17是本实施方式的基板处理装置100的示意图。此外,图17的基板处理装置100除了自药液供给部130所供给的药液的浓度、温度可调整这一点以外,与参照图3所述的基板处理装置100相同,为了避免冗长而省略重复的记载。
在图17所示的本实施方式的基板处理装置100中,药液供给部130对基板W供给SPM作为药液。SPM通过硫酸与过氧化氢溶液的混合而生成。例如,药液供给部130可变更SPM的浓度(混合比率)对基板W供给SPM。由此,基板W被SPM处理。
药液供给部130包含喷嘴132、配管134a、阀136a、调整阀137a、配管134b、阀136b、及调整阀137b。喷嘴132与基板W的上表面Wa相对向,朝向基板W的上表面Wa喷出药液。
配管134a结合至喷嘴132。喷嘴132被设置于配管134a的顶端。自供给源供给过氧化氢溶液至配管134a。阀136a及调整阀137a被设置于配管134a。阀136a对配管134a内的流路进行开闭。调整阀137a调整通过配管134a内的流路的过氧化氢溶液的流量。
配管134b结合至喷嘴132。喷嘴132被设置于配管134b的顶端。自供给源供给硫酸至配管134b。硫酸的温度可与过氧化氢溶液的温度相同,亦可为不同。阀136b及调整阀137b被设置于配管134b。阀136b对配管134b内的流路进行开闭。调整阀137b调整通过配管134b内的流路的硫酸的流量。
根据本实施方式,通过对调整阀137a、137b进行调整,可变更在配管134a、134b内流动的过氧化氢溶液、硫酸的流量。因此,可调整通过过氧化氢溶液与硫酸的混合而生成的SPM的浓度、温度。
此外,如参照图6及图7所述那样,在对基板W的抗蚀层R进行去除的情形下,相对地容易利用药液将内部层Ri加以去除,另一方面,相对地不容易利用药液将硬化层Rc加以去除。因此,较佳为,在对硬化层Rc进行去除时,以SPM的去除能力变高的方式控制SPM的浓度,在对内部层Ri进行去除时,以SPM的去除能力变低的方式控制SPM的浓度。
例如,在对硬化层Rc进行去除时,以SPM中的过氧化氢溶液的比率变高的方式控制SPM的浓度,在对内部层Ri进行去除时,以SPM中的过氧化氢溶液的比率变低的方式控制SPM的浓度。由此,可一面抑制抗蚀层R的损伤一面将抗蚀层加以去除。
接着,参照图18,对在本实施方式的学习方法中所使用的学习用数据LD进行说明。图18是表示学习用数据LD的一例的图。图18的学习用数据LD适合被使用于生成图17所示的基板处理装置100的学习完成模型LM。此外,图18的学习用数据LD除了学习用数据的至少1个项目的值示出表示物理参数的时间变化的分布这一点以外,与参照图1所述的学习用数据LD相同,为了避免冗长而省略重复的记载。
如图18所示,学习用数据LD包含学习用数据LD1~LD1000。药液处理条件包含药液的浓度分布、药液的温度分布、药液的供给量、对于学习对象基板的药液的喷出图案、及供给药液时的学习对象基板的旋转速度。浓度分布表示药液处理中的SPM的浓度的时间变化。温度分布表示被使用于学习对象基板WL的SPM的温度的时间变化。另外,供给量表示被使用于学习对象基板WL的SPM的供给量,喷出图案表示对于学习对象基板WL的SPM的喷出图案及喷出时机。另外,旋转速度表示对学习对象基板WL供给SPM时的学习对象基板WL的旋转速度。
在图17所示的基板处理装置100中,通过调整阀137a、137b,可变更SPM中的过氧化氢溶液/硫酸的比率。因此,在图18中,药液的浓度表示被使用于学习对象基板WL的药液的浓度的时间变化,药液的温度表示被使用于学习对象基板WL的药液的温度的时间变化。
在学习用数据LD1中,Lcp1表示被供给至学习对象基板WL1的SPM的浓度分布,Ltp1表示被供给至学习对象基板WL1的SPM的温度分布。Ls1表示被供给至学习对象基板WL1的SPM的供给量,Le1表示对于学习对象基板WL1的SPM的喷出图案。另外,Lv1表示对学习对象基板WL1供给SPM时的学习对象基板WL的旋转速度。
对于学习用数据LD2~LD1000亦相同。关于学习对象基板WL,因SPM的浓度分布及温度分布而学习对象基板WL的药液处理的结果有大幅度的变动。因此,学习用数据LD具有对学习对象基板WL的药液处理结果的变动有大贡献的项目较佳。
此外,在参照图1~图18的上述说明中,虽然基板处理装置100的存储部24或学习装置400的存储部424存储有通过机器学习而构建的学习完成模型LM,但是本实施方式并不被限定于此。基板处理装置100的存储部24或学习装置400的存储部424亦可存储有转换表CT来代替学习完成模型LM。
接着,参照图19对本实施方式的基板处理装置100进行说明。图19的基板处理装置100除了存储部24存储有转换表CT来代替学习完成模型LM这一点以外,具有与参照图4所述的基板处理装置100相同的构成,为了避免冗长而省略其重复的记载。
如图19所示,在基板处理装置100中,存储部24存储有转换表CT。转换表CT将处理对象基板Wp的基板信息与药液处理条件信息建立关联。处理对象基板Wp的基板信息例如包含硬化层高度信息及硬化层宽度信息。此外,转换表CT基于学习对象基板WL的基板信息、药液处理条件信息及处理结果信息而作成。
基板信息取得部22a自存储部24取得基板信息。例如,基板信息取得部22a自存储部24取得硬化层高度信息及硬化层宽度信息。
药液处理条件信息取得部22b根据转换表CT,基于基板信息取得药液处理条件信息。典型地,药液处理条件信息取得部22b自转换表CT提取与基板信息对应的值,根据在转换表CT中被建立关联的基板信息与药液处理条件信息的关系,取得药液处理条件信息。如此,药液处理条件信息取得部22b使用转换表CT,取得与基板信息相对应的药液处理条件信息。
然后,控制部22根据药液处理条件信息所表示的药液处理条件来控制基板保持部120及药液供给部130。
图20是表示转换表CT的一例的图。如图20所示,转换表CT表示处理对象基板Wp的基板信息及药液处理条件。在转换表CT中,基板信息包含与硬化层相关的信息。此处,处理对象基板Wp的基板信息包含硬化层高度信息及硬化层宽度信息。
转换表CT1表示与某基板信息相对应的药液处理条件。此处,在转换表CT1中,基板信息包含处理对象基板Wp的硬化层高度信息及硬化层宽度信息。dt1表示某处理对象基板Wp的硬化层的高度。dw1表示某处理对象基板Wp的硬化层的宽度。Rp1表示对于该处理对象基板Wp所应进行的药液处理条件。因此,假设在处理对象基板Wp的硬化层的高度为dt1,硬化层的宽度为dw1的情形下,基板处理装置100利用由Rp1所示的药液处理条件来进行药液处理。
对于转换表CD2~CD1000亦为同样。典型地,关于转换表CT1~CD1000,硬化层的高度及硬化层的宽度中的至少一者不同。
此外,在处理对象基板Wp的硬化层的高度及硬化层的宽度与转换表CT所示的值不一致的情形下,处理对象基板Wp的药液处理条件亦可通过转换表CT所示的药液处理条件的值的线性插补来决定。或者,处理对象基板Wp的药液处理条件亦可通过对在转换表所示的药液处理条件的值利用多项式进行插补来决定。
以上,已参照附图对本发明的实施方式进行了说明。但是,本发明并不被限定于上述实施方式,可在不脱离其主旨的范围内以各种方式来实施。另外,通过将上述实施方式所揭示的多个构成要素适当地加以组合,亦可形成本发明。例如,自实施方式所示的所有构成要素中删除若干构成要素亦可。更进一步,如将跨及不同实施方式的构成要素适当地加以组合亦可。为了更容易理解,附图中将各个构成要素在主体上示意性地表示,而被图示的各构成要素的厚度、长度、个数、间隔等为了方便制图而有与实际不同的情形。另外,在上述实施方式所示的各构成要素的材质、形状、尺寸等均为一例而已,而并非被特别地限定,可在实质上不脱离本发明的效果的范围内进行各种变更。
产业上的可利用性
本发明可适合使用于基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型。
【附图标记的说明】
10:基板处理***
20:控制装置
22:控制部
22a:基板信息取得部
22b:药液处理条件信息取得部
24:存储部
LM:学习完成模型
100:基板处理装置
130:药液供给部
140:冲洗液供给部
200:基板处理学习***
300:学习用数据生成装置
400:学习装置。
Claims (13)
1.一种基板处理装置,具备:
基板保持部,其将具有形成了硬化层的抗蚀层的处理对象基板保持为能够旋转;
药液供给部,其对上述处理对象基板供给药液;
基板信息取得部,其取得关于上述处理对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;
药液处理条件信息取得部,其根据上述基板信息,自学习完成模型取得表示关于上述处理对象基板的药液处理条件的药液处理条件信息;及
控制部,其根据在上述药液处理条件信息取得部所取得的上述药液处理条件信息来控制上述基板保持部及上述药液供给部,以利用药液对上述处理对象基板进行处理;
上述学习完成模型通过对学习用数据进行机器学习而构建,在该学习用数据中,将关于具有形成了硬化层的抗蚀层的学习对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息、药液处理条件信息、及处理结果信息建立关联;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;该药液处理条件信息表示利用药液对上述学习对象基板进行处理的条件;该处理结果信息表示利用药液对上述学习对象基板进行处理的结果。
2.如权利要求1所述的基板处理装置,其中,还具备存储上述学习完成模型的存储部。
3.如权利要求1或2所述的基板处理装置,其中,关于上述处理对象基板及上述学习对象基板中的每一个,上述硬化层厚度信息包含表示上述硬化层的高度的硬化层高度信息或表示上述硬化层的宽度的硬化层宽度信息。
4.如权利要求1至3中任一项所述的基板处理装置,其中,关于上述处理对象基板及上述学习对象基板中的每一个,上述药液处理条件信息包含表示上述药液的浓度、上述药液的温度、上述药液的供给量、上述药液的喷出图案及供给上述药液时的基板旋转速度中的任一者的信息。
5.如权利要求4所述的基板处理装置,其中,表示上述药液的浓度的信息表示上述药液的浓度随着时间变化的浓度分布。
6.如权利要求4或5所述的基板处理装置,其中,表示上述药液的温度的信息表示上述药液的温度随着时间变化的温度分布。
7.一种基板处理方法,包含:
将具有形成了硬化层的抗蚀层的处理对象基板保持为能够旋转的步骤;
取得关于上述处理对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息的步骤;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;
根据上述基板信息,自学习完成模型取得表示上述处理对象基板的药液处理条件的药液处理条件信息的步骤;及
根据上述药液处理条件信息的药液处理条件,利用药液对上述处理对象基板进行处理的步骤;
在取得上述药液处理条件信息的步骤中,上述学习完成模型通过对学习用数据进行机器学习而构建,在该学习用数据中,将关于具有形成了硬化层的抗蚀层的学习对象基板的包含硬化层厚度信息或离子注入条件信息的基板信息、药液处理条件信息、及处理结果信息建立关联;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成上述硬化层的离子注入的条件;该药液处理条件信息表示对上述学习对象基板所进行的药液处理的条件;该处理结果信息表示对上述学习对象基板所进行的药液处理的结果。
8.一种学习用数据的生成方法,包含:
自对具有形成了硬化层的抗蚀层的学习对象基板进行处理的基板处理装置所输出的时间序列数据,取得包含硬化层厚度信息或离子注入条件信息的基板信息的步骤;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示在上述抗蚀层形成了上述硬化层的离子注入的条件;
自上述时间序列数据,取得药液处理条件信息的步骤;该药液处理条件信息表示在上述基板处理装置利用药液对上述学习对象基板进行处理的条件;
自上述时间序列数据,取得处理结果信息的步骤;该处理结果信息表示在上述基板处理装置利用药液对上述学习对象基板进行处理的结果;及
关于上述学习对象基板,将上述基板信息、上述药液处理条件信息及上述处理结果信息建立关联而作为学习用数据存储于存储部的步骤。
9.一种学习方法,包含:
取得根据权利要求8所述的学习用数据的生成方法而生成的学习用数据的步骤;及
将上述学习用数据输入至学习程序,对上述学习用数据进行机器学习的步骤。
10.一种学习装置,具备:
存储部,其存储根据权利要求8所述的学习用数据的生成方法而生成的学习用数据;及
学习部,其将上述学习用数据输入至学习程序,对上述学习用数据进行机器学习。
11.一种学习完成模型的生成方法,包含:
取得根据权利要求8所述的学习用数据的生成方法而生成的学习用数据的步骤;及
生成学习完成模型的步骤,该学习完成模型通过对上述学习用数据进行机器学习而构建。
12.一种学习完成模型,通过对学习用数据进行机器学习而构建,该学习用数据根据权利要求8所述的学习用数据的生成方法而生成。
13.一种基板处理装置,具备:
基板保持部,其将具有形成了硬化层的抗蚀层的基板保持为能够旋转;
药液供给部,其对上述基板供给药液;
存储部,其存储将基板信息与药液处理条件信息建立关联的转换表;其中,该基板信息包含硬化层厚度信息或表示离子注入的条件的离子注入条件信息;该药液处理条件信息表示药液处理的条件;
基板信息取得部,其取得关于上述基板的包含硬化层厚度信息或离子注入条件信息的基板信息;其中,该硬化层厚度信息表示上述硬化层的厚度;该离子注入条件信息表示形成上述硬化层的离子注入的条件;
药液处理条件信息取得部,其根据上述基板信息,使用上述转换表取得表示关于上述基板的药液处理条件的药液处理条件信息;及
控制部,其根据在上述药液处理条件信息取得部所取得的上述药液处理条件信息来控制上述基板保持部及上述药液供给部,以利用药液对上述基板进行处理。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-080114 | 2020-04-30 | ||
JP2020080114A JP7421410B2 (ja) | 2020-04-30 | 2020-04-30 | 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル |
PCT/JP2021/009836 WO2021220633A1 (ja) | 2020-04-30 | 2021-03-11 | 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115428123A true CN115428123A (zh) | 2022-12-02 |
Family
ID=78278738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180029372.5A Pending CN115428123A (zh) | 2020-04-30 | 2021-03-11 | 基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230161301A1 (zh) |
EP (1) | EP4145492A4 (zh) |
JP (1) | JP7421410B2 (zh) |
KR (1) | KR102674868B1 (zh) |
CN (1) | CN115428123A (zh) |
TW (1) | TWI782476B (zh) |
WO (1) | WO2021220633A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102421919B1 (ko) * | 2019-12-27 | 2022-07-18 | 가부시키가이샤 스크린 홀딩스 | 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법 |
JP2023141070A (ja) * | 2022-03-23 | 2023-10-05 | 株式会社Screenホールディングス | 学習装置、情報処理装置、基板処理装置、基板処理システム、学習方法および処理条件決定方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3251184B2 (ja) * | 1996-11-01 | 2002-01-28 | 日本電気株式会社 | レジスト除去方法及びレジスト除去装置 |
US6025273A (en) * | 1998-04-06 | 2000-02-15 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method for etching reliable small contact holes with improved profiles for semiconductor integrated circuits using a carbon doped hard mask |
JP5657318B2 (ja) | 2010-09-27 | 2015-01-21 | 富士フイルム株式会社 | 半導体基板用洗浄剤、これを利用した洗浄方法及び半導体素子の製造方法 |
WO2013031390A1 (ja) * | 2011-08-26 | 2013-03-07 | 東京エレクトロン株式会社 | 液処理装置及び液処理方法 |
CN102968003B (zh) | 2012-11-29 | 2015-03-18 | 上海华力微电子有限公司 | 光刻胶的去除方法 |
JP6191953B2 (ja) * | 2013-09-02 | 2017-09-06 | 株式会社Screenホールディングス | 基板処理方法および基板処理装置 |
JP6587865B2 (ja) | 2014-09-30 | 2019-10-09 | 芝浦メカトロニクス株式会社 | 基板処理装置及び基板処理方法 |
JP6593591B2 (ja) | 2015-10-07 | 2019-10-23 | 株式会社Screenホールディングス | 基板処理方法 |
JP7096004B2 (ja) * | 2018-02-07 | 2022-07-05 | 株式会社Screenホールディングス | 基板処理方法および基板処理装置 |
-
2020
- 2020-04-30 JP JP2020080114A patent/JP7421410B2/ja active Active
-
2021
- 2021-03-11 US US17/921,864 patent/US20230161301A1/en active Pending
- 2021-03-11 CN CN202180029372.5A patent/CN115428123A/zh active Pending
- 2021-03-11 EP EP21795461.9A patent/EP4145492A4/en active Pending
- 2021-03-11 KR KR1020227040832A patent/KR102674868B1/ko active IP Right Grant
- 2021-03-11 WO PCT/JP2021/009836 patent/WO2021220633A1/ja unknown
- 2021-04-09 TW TW110112848A patent/TWI782476B/zh active
Also Published As
Publication number | Publication date |
---|---|
EP4145492A4 (en) | 2024-05-29 |
TW202201601A (zh) | 2022-01-01 |
JP2021174958A (ja) | 2021-11-01 |
KR102674868B1 (ko) | 2024-06-14 |
TWI782476B (zh) | 2022-11-01 |
KR20230004753A (ko) | 2023-01-06 |
US20230161301A1 (en) | 2023-05-25 |
EP4145492A1 (en) | 2023-03-08 |
JP7421410B2 (ja) | 2024-01-24 |
WO2021220633A1 (ja) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115428123A (zh) | 基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完成模型的生成方法及学习完成模型 | |
TW201438089A (zh) | 基板處理方法及基板處理裝置 | |
WO2022220126A1 (ja) | 基板処理装置、基板処理システム、及びデータ処理方法 | |
CN114582751A (zh) | 用于处理基板的装置 | |
Vu et al. | Surface characteristics of (100) silicon anisotropically etched in aqueous KOH | |
WO2018147008A1 (ja) | 基板処理方法および基板処理装置 | |
JP7399783B2 (ja) | 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル | |
EP4160653A1 (en) | Substrate processing device, substrate processing method, method for generating learning data, learning method, learning device, method for generating learned model, and learned model | |
US20240103462A1 (en) | Support device, support method, substrate processing system, and storage medium | |
KR20230019312A (ko) | 기판 처리 장치 | |
US20080236615A1 (en) | Method of processing wafers in a sequential fashion | |
US20230268208A1 (en) | Substrate processing condition setting method, substrate processing method, substrate processing condition setting system, and substrate processing system | |
JP2008251680A (ja) | 基板処理装置 | |
KR102550896B1 (ko) | 기판 처리 장치 | |
KR20220125152A (ko) | 기판 처리 장치, 및 기판 처리 방법 | |
US20230098810A1 (en) | Substrate processing method and substrate processing apparatus | |
CN117981058A (zh) | 基板处理装置以及基板处理方法 | |
CN115621156A (zh) | 基片处理装置和基片处理方法 | |
JP2022155739A (ja) | 基板処理装置及び基板処理方法 | |
TW202318542A (zh) | 基板處理裝置及基板處理方法 | |
JP2021174926A (ja) | 基板処理装置、及び基板処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |