JP2018117116A - 処理のエンドポイントを制御するためのスペクトルの時系列からの特徴強要方法 - Google Patents

Abstract

【課題】エッチングエンドポイント動作を制御するためのスペクトルの時系列からの特微強要方法を提供する。【解決手段】方法は、トレーニング動作中に収集されたエッチング処理のためのスペクトルの時系列から形成された仮想カーペットにアクセスする。そして、加工ウエハに加工エッチング処理を施し、加工エッチング処理が実行される間に、スペクトルの時系列から規定されたカーペットの複数部分を加工エッチング処理に対して生成する。次いで、加工エッチング処理のカーペットの複数部分を仮想カーペットと比較することを備える。比較が、加工ウエハにとって所望のメトリックに到達したことを示唆する時に、加工エッチング処理のエンドポインティングが処理される。カーペットの複数部分は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含む。【選択図】図４

Description

本実施形態は、エッチングエンドポイント動作を制御するためにエッチング処理動作の処理中に抽出されたスペクトル情報の時系列を調べる方法およびコンピュータ実装処理に関する。方法およびシステムは、トレーニング処理を利用して、三次元強度表面プロファイル（本明細書ではカーペットと呼ぶ）を生成する。次いで、トレーニング中に生成されたカーペットは、仮想カーペットに変換され、仮想カーペットは、現時点での有効エッチング深さを予測または特定するためにウエハのリアルタイム処理中に用いられ、次いで、有効エッチング深さは、エッチングエンドポイントに達したか否かを判定するために用いられる。

基板（例えば、ウエハまたはフラットパネル）を処理して電子製品（例えば、集積回路またはフラットパネルディスプレイ）を形成するために、長い間、プラズマが利用されてきた。半導体ウエハは、通例、エッチングチャンバ内に配置され、下層にある材料のエッチングを方向付けるためのマスク層を備える。エッチング処理は、マスクによって被覆されていない下層の材料を除去する。エッチング処理はよく研究されており、しばしば、正確なレシピが、特定の構造、材料、および／または、材料スタックのために規定されているが、エッチング性能のばらつきが未だに生じる。この理由は、リアルタイムの製造環境でのエッチング処理が、異なるエッチングチャンバ内で実行されることである。これらのチャンバは、しばしば調整および適合されるが、それでも、物理的または電気的に同一ではない。さらに、処理されるウエハは、ウエハごとまたはロットごとに異なりうる。さらに、ウエハが各チャンバ内に配置される方法（例えば、ウエハオフセットのばらつき、ウエハの傾き、ウエハの厚さなどによって、ばらつきが導入されうる。

結果として、ウエハエッチング処理は、しばしば、少なくとも１つのタイプのエンドポインティング技術を利用する。かかる技術は、製造業者ごとに異なりうるが、最も一般的に用いられるエンドポインティングは、時間ベースのエンドポインティングまたは光学エンドポインティングを含みうる。時間ベースのエンドポインティングは、例えば、所定の量の材料を除去するために、特定のエッチング処理が終了すべき時間の予め較正された推定値を利用することに依存する。光学エンドポインティングシステムは、スペクトル放射の変化がエッチング材料の変化を示す時を特定するために、プラズマのスペクトル放射またはウエハからの反射を監視するよう設計される。例えば、エッチングが特定の量の材料をすべて除去した場合、または、別の材料が除去され始めた時、その時点のスペクトル放射が変化する。残念ながら、現在の技術は、未だ精度が低く、フィーチャサイズが小さくなると共に、さらに精度が足りなくなる。現在の光学エンドポインティングに関して、光学条件の変化の利用は、１つの特定の時点のスペクトル条件に依存している。

実施形態は、このような課題に対処するものである。

エッチングエンドポイント動作を制御するためにエッチング処理動作の処理中に抽出されたスペクトル情報の時系列を調べるための方法およびシステム。方法およびシステムは、トレーニング処理を利用して、三次元強度表面プロファイル（本明細書ではカーペットと呼ぶ）を生成する。カーペットとは、現在のフレームだけでなく、１または複数の以前のフレームの時間情報がサンプリングされるような、強度スペクトル情報の複数のサンプルフレームによって構築されたモデルのことである。結果として、カーペットは、一連の時間（ｔ）サンプルのモデルを規定し、各時間サンプルは、それに関連する強度スペクトル情報（Ｉ（λ）、例えば、波長）を有する。したがって、カーペットは、１つの特定の時点のスペクトル情報を提供するだけでなく、さらに、所与のウエハの処理を通してそのウエハのスペクトル情報の変化の履歴を提供する。

トレーニング段階中に、複数のウエハが処理（例えば、エッチング）され、各ウエハについて、カーペットが生成される。各カーペットについて、サンプリングされた最後のフレームは、典型的には測定システムからの実際の測定済みのエッチング深さと関連付けられうる。各カーペットは、係数値を有する多項式によって記述的に数学的に定義される。次いで、トレーニングカーペットのための多項式フィッティングが、浮動係数を有する仮想カーペットを規定するために実行され、仮想カーペットは、トレーニング中に生成されたカーペットすべてを記述する。仮想カーペットの多項式係数を用いて、各ウエハの最後のフレームの仮想フレーム番号が、仮想カーペットに関して得られている。測定されたエッチング深さに対するこれらのフレーム番号の相関が、さらに、良好な精度を得るために最適化されている。

トレーニングの終了時に、最適化された多項式係数が、ランタイム実行のためのレシピパラメータとしてダウンロードされる。ウエハのランタイム処理中に、仮想カーペットの多項式係数は、エンドポイントを確認するためにエッチングシステムのコントローラによって利用されうる。コントローラは、一実施形態において、リアルタム処理からカーペットを生成している。カーペットのフレームが生成されている時、連続的なフレームのグループ（例えば、カーペットパッチ）が、現在の仮想フレーム番号を特定するために、仮想カーペットにフィッティングされうる。仮想フレーム番号は、予測メトリックに予め相関されている。一実施形態では、浮動パラメータが、仮想フレーム番号に加えて、メトリックの予測値に対応付けるために用いられる。メトリックの予測値は、所望のメトリックと実質的に一致した時に、エッチングエンドポイントに達したことを示唆する。

この処理を用いて、予測エッチングポイントに達した時にエッチング処理を終了できるように、エンドポインティングを実行することができる。トレーニングカーペットを生成し、仮想カーペットを生成し、仮想カーペットをリアルタイムで利用するための処理に関するさらなる詳細について、図面を参照しつつ、後に詳述する。

一実施形態において、スペクトルの時系列を用いてエッチング処理のエンドポイントを特定するための方法が開示されている。方法は、トレーニング動作中に収集されたエッチング処理のためのスペクトルの時系列から形成された仮想カーペットにアクセスすることを備える。そして、加工ウエハに加工エッチング処理を施し、加工エッチング処理が実行される間に、スペクトルの時系列から規定されたカーペットの複数部分が、加工エッチング処理に対して生成される。次いで、加工エッチング処理のカーペットの複数部分を仮想カーペットと比較し、比較が、加工ウエハにとって所望のエッチング深さに到達したことを示唆する時に、加工エッチング処理のエンドポインティングが処理される。一例では、カーペットの複数部分は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含む。加工エッチング処理のカーペットの複数部分は、エッチング処理についての予測エッチング深さに相関された仮想フレーム番号を特定するために、仮想カーペットにフィッティングされる。

いくつかの実施形態において、トレーニング動作は、エッチング処理を複数のウエハに実行し、各ウエハについて、個々にサンプリングされたフレーム時間にスペクトルの時系列を捕捉することと、を含む。個々にサンプリングされたフレーム時間に捕捉されたスペクトルの時系列は、それぞれのカーペットを規定し、各それぞれのカーペットは、異なる値で仮想カーペットを記載するそれぞれの係数を有する多項式によって特徴付けられる。

いくつかの実施形態において、トレーニング中に生成された各カーペットのそれぞれの多項式の係数は、仮想カーペットを生成するために、次元削減アルゴリズムによって処理される。いくつかの実施形態において、いくつかの次元削減処理方法がある（例えば、段階的方法、主成分分析など）。仮想カーペットは、トレーニングカーペットのすべての係数の上位集合としてそれぞれの係数を有する標準化された多項式によって規定される。

いくつかの実施形態において、加工エッチング処理のカーペットの複数部分を仮想カーペットと比較することは、仮想カーペットから仮想フレーム番号を特定するために、カーペットの複数部分を仮想カーペットにフィッティングすることを含む。仮想フレーム番号は、予測エッチング深さに対応付けられ、所望のエッチング深さに適合した時の予測エッチング深さは、エッチングエンドポイントを示唆する。

いくつかの実施形態において、トレーニング動作は、基板のエッチング中に生成されたサンプルスペクトルデータから複数のカーペットを生成することを含み、各カーペットは、エッチングされている基板から生成される。次いで、エッチングされる基板の各々に対するエッチング深さに関するデータを測定または受信することを含む。処理は、さらに、複数のカーペットの各々から仮想カーペットを生成することを備える。仮想カーペットは、複数の多項式を複数のカーペットの各々のそれぞれの係数とフィッティングすることによって生成された係数を有する多項式によって規定される。一実施形態において、仮想カーペットの多項式係数の一部は浮動してよく、他の係数は、複数のカーペットの各々のそれぞれの係数の多項式すべてが、仮想カーペットの多項式の部分集合になるように、固定されるかまたは浮動パラメータに結合される。一実施形態において、浮動パラメータは、仮想フレーム番号に加えて、エッチング深さの予測値に対応付けるために用いられ、所望のエッチング深さに実質的に適合した時のエッチング深さの予測値は、エッチングエンドポイントを示唆する。

いくつかの実施形態において、スペクトルの時系列は、広帯域その場反射率測定に関連する強度スペクトルデータ、発光分光分析（ＯＥＳ）に関連する強度スペクトルデータ、または、広帯域その場偏光解析に関連する偏光解析スペクトルデータであり、スペクトルデータは、フィーチャがウエハ上にエッチングされている時に、エッチングに用いられているチャンバから収集される。

別の実施形態において、チャンバ内でエッチング処理中に生成されたスペクトルの時系列からトレーニングデータを生成するための方法が提供されている。方法は、１または複数のチャンバ内で複数の基板をエッチングし、エッチングが処理されている間に、スペクトルのフレームの複数のサンプルを捕捉することを備える。捕捉されたスペクトルの各フレームは、波長の関数としてスペクトルの強度を特定する。次いで、測定されたメトリックを対応する基板のスペクトルの最後のフレームに関連付けることによって、エッチングの完了後に、メトリックが、各基板に関連付けられる。方法は、さらに、エッチングされる基板の各々に複数のカーペットを生成することを備える。カーペットの各々は、スペクトルの複数のフレームによって規定され、対応する係数を有する多項式が、カーペットの各々の特性を規定する。方法は、多項式フィッティングアルゴリズムを用いて複数のカーペットを処理することによって、仮想カーペットを生成し、仮想カーペットは、複数のカーペットのいずれもが、仮想フレーム番号を決定するために、仮想カーペット上に射影されうるように、複数のカーペットの上位集合になっている。例えば、仮想カーペットの次元の柔軟性により、射影された仮想フレーム番号と、測定からのメトリックの予測値との間の相関は、仮想カーペットのハイパーパラメータの浮動化、固定、および／または、結合の１つによって最適化されうる。方法は、仮想カーペットの仮想フレーム番号をメトリックの予測値に相関させることを備える。一実施形態において、方法は、さらに、決定係数または自由度調整済み決定係数を追跡することを備える。

一実施形態において、仮想カーペットは、仮想カーペットから得られたメトリックの現在の予測値が、リアルタイム処理中のエッチング処理のエンドポイントを示す所定の値に対応する時点を決定するために、基板のリアルタイム処理中にコントローラによってアクセスされる。

一実施形態において、エッチングに関連するメトリックは、エッチング深さ、クリティカルディメンションの値、ウエハ反りの値、または、それらの２以上の組み合わせ、の内の１つである。

いくつかの実施形態において、コントローラは、基板のリアルタイム処理についてトレーニング中に生成された仮想カーペットにアクセスするために、データベースまたはレシピファイルに接続するよう構成されている。

いくつかの実施形態において、リアルタイム処理中に、コントローラは、リアルタイム処理のためのカーペットを生成しているように構成され、カーペットが生成されている時に、カーペットの少なくとも一部またはパッチが、仮想カーペットとの比較に用いられる。

いくつかの実施形態において、比較は、仮想カーペットのハイパーパラメータに対するカーペットの一部またはパッチの多項式フィッティングを実行することで、トレーニング中に決定されたレシピパラメータを用いてエッチング深さを決定できるように、仮想フレーム番号を決定するために仮想カーペットおよびカーペットとの対応付けが生成されることを可能にすることを含む。したがって、仮想フレーム番号は、リアルタイム処理中に効率的に決定される。

いくつかの実施形態において、カーペットの一部は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含み、仮想カーペットとの比較中に、捕捉されたスペクトルの少なくとも１つの以前のフレームを用いることで、基板のリアルタイム処理の現在の状態の正確な特定が可能になる。

いくつかの実施形態において、カーペットの一部は、エッチング処理についての予測エッチング深さに相関された仮想フレーム番号を特定するために、仮想カーペットにフィッティングされる。

添付の図面を参照して行う以下の詳細な説明から、別の態様が明らかになる。

実施形態は、添付の図面に関連して行う以下の説明を参照することによって最も良好に理解できる。

一例に従って、ウエハを処理するために用いられるチャンバを備えたシステムを示す図。

強度を波長の関数として報告する時間を各フレームが表すフレームの時系列の捕捉によって生成された表面の三次元表現であるカーペットの一例を示す図。

一実施形態に従って、所望の深さまでエッチングされているフィーチャの断面例を示す図。

一実施形態に従って、トレーニングウエハの各々に対してカーペットを生成することを含むトレーニング生成器の利用に関して詳細を示す図。

一実施形態に従って、トレーニング中にウエハ（Ｗ０）がエッチングされる時に対応する多項式を生み出すカーペットの一例を示す図。

トレーニング動作中に生成された多項式すべてから導出された対応する多項式を有する仮想カーペットの一例を示す図。

トレーニングカーペット（例えば、トレーニング中に生成されたカーペット）の多項式係数の例（この例では、仮想カーペットを規定するために平均が用いられている）を示す図。

一実施形態に従って、仮想カーペットの仮想フレーム番号と、様々なカーペットを生成するトレーニング中に実行されたエッチング動作について測定された深さとの間のマッピングチャートの一例を示す図。

一実施形態に従って、後に仮想カーペットにフィッティングされる複数のカーペットを生成するために、複数のウエハからトレーニングデータを生成する処理の一例を示す図。

一実施形態に従って、後に仮想カーペットにフィッティングされる複数のカーペットを生成するために、複数のウエハからトレーニングデータを生成する別の処理例（仮想カーペット番号とカーペットのその他の浮動多項式パラメータとを含むカーペット多項式パラメータに関するエッチング深さのローディングが、回帰によって最大三次まで決定されうる）を示す図。

一実施形態に従って、仮想カーペットの生成に用いられるシステム、ならびに、エッチングエンドポイントを決定するために仮想カーペットデータにアクセスするチャンバおよびコントローラの一例を示す図。

一実施形態に従って、ウエハのリアルタイム処理が動作で実行される処理例を示す図。

一実施形態に従って、次元削減の繰り返しの性質を説明するフローチャート。

実施形態を実施するためのコンピュータシステムを示す概略図。

エッチングエンドポイント動作を制御するためにエッチング処理動作の処理中に抽出されたスペクトル情報の時系列を調べるための方法およびシステム。方法およびシステムは、トレーニング処理を利用して、三次元表面プロファイル（本明細書ではカーペットと呼ぶ）を生成する。カーペットとは、現在のフレームだけでなく、１または複数の以前のフレームの時間情報がサンプリングされるような、スペクトル情報の複数のサンプルフレームによって構築されたモデルのことである。結果として、カーペットは、一連の時間（ｔ）サンプルのモデルを規定し、各時間サンプルは、それに関連するスペクトル情報（λ、例えば、波長）を有する。したがって、カーペットは、１つの特定の時点のスペクトル情報を提供するだけでなく、スペクトル情報の１または複数の以前のサンプルにわたるスペクトル情報の変化の履歴も提供する。一実施形態において、仮想カーペットを生成するためにカーペットがトレーニング中に生成されるアルゴリズムが規定される。カーペットおよび仮想カーペットは、一実施形態において、時間およびスペクトルの両方の次元での多項式回帰による広帯域その場反射率測定スペクトル応答の抽出である。カーペットは、基本的に、複数の時間スライス／フレームのモデルであり、そのモデルでは、波長の関数として強度が、各フレームについて捕捉される。したがって、各時間サンプルについて、フレームが捕捉され、それにより、カーペットが生成される時に、捕捉された１または複数の以前のフレームを利用することも可能になる。本明細書に記載のアルゴリズム／方法を用いることにより、リアルタイム処理中のカーペット処理の利用において、エッチングによるスペクトルの時間発展からウエハレベルの変動によるスペクトル変化を切り離すというさらなる利点がある。

一実施形態において、スペクトルの時系列を用いてウエハの臨界条件を抽出するために、機械学習が実施されてよい。一実施形態において、トレーニング段階が用いられ、ここで、複数のウエハが、目標処理レシピを用いてエッチングされる。トレーニング段階は、目標処理レシピを実施する異なる処理チャンバを用いて実施されてよい。以前のウエハ処理工程のばらつき、チャンバのばらつき、ウエハ特性のばらつき、ウエハロットのばらつき、起こりうるウエハの傾斜または回転のばらつき、ならびに、その他のウエハレベルのばらつきなどにより、ウエハレベルのばらつきが、様々な形で導入されうる。結果として、同じ目標レシピが同じ機械で用いられた場合でも、エッチング処理が様々になる。しかしながら、一実施形態によれば、トレーニング中の各ウエハの処理中に、複数のウエハについてエッチング処理の期間にわたってスペクトルデータがサンプリングされる。したがって、サンプリングは、λの関数としての強度として規定されたスペクトル情報の複数のサンプルフレームを生成する。

したがって、フレームの時系列は、強度を表す三次元（３Ｄ）表面（本明細書ではカーペットと呼ぶ）のデータを規定する。したがって、カーペットは、一実施形態において、単一の強度スペクトルグラフだけではなく、スペクトル強度の変化の履歴情報を提供する。トレーニングに用いられる各ウエハについて、エッチングの深さの測定が行われる。測定は、任意の数の測定ツールで実行されてよい。方法の一例は、光学ＣＤ（ＯＣＤ）測定を利用する方法である。ＯＣＤ測定は、エッチング深さ、フィーチャ特性、エッチング前ＣＤ、フィーチャまたはエッチングのプロファイルなど、様々なメトリック（指標）を決定するために利用されうる。一実施形態では、次に、測定されたエッチングの深さは、エッチングの深さが測定された状態でのスペクトル強度を含むカーペットの最後のフレームと相関される。しかし、カーペットは、以前のフレームに関する情報も保持するので、最後のフレームにつながるのがどのスペクトル条件であるのかを理解することが有用である。一実施形態において、生成される各カーペットは、実験スペクトルを固有の係数（Ｃ０、・・・、Ｃｍｎ）を有する多項式または次数ｍ＊ｎとフィッティングすることによって数学的に取得され、ここで、ｍは時間次元における次数、ｎは波長次元における次数である。数学的には、フィットアルゴリズムは、多項式推定値および実験スペクトルの差として定義される性能指数を最小化するための回帰法である。

一実施形態において、多項式係数の次元を減らすための動作が導入される。この次元削減は、段階的回帰、マルチカーペット結合回帰、または、主成分分析のいずれかによって実施できる。次元削減の目的は、エッチング時間の影響を表すこれらの高次元における浮動パラメータおよび仮想フレーム番号に関して、最少の次元を用いて、カーペット間のばらつきを説明し、エッチング深さの測定値とうまく相関させることである。

一実施形態では、マルチカーペット結合回帰を実行することによって、回帰が処理された。アルゴリズムは、トレーニング中に生成されたカーペットの各々の多項式を入力として、次いで、すべてのカーペットを含めた総合平均二乗誤差（ＭＳＥ）を用いて、それらの多項式を、仮想カーペットを規定するパラメータ（Ｃ０、．．．Ｃｐ）の削減された次元を有する多項式にフィティングするよう構成される。例えば、ＭＳＥは、通例、以下のように定義される：

一実施形態では、いくつかの多項式係数が、残りを浮動状態にしたままでカーペット間の恒常性を表すために、線形関係によって規定された複数のカーペットにわたって結合される。どのパラメータが結合し、どのパラメータが浮動するのかに関する選択は、カーペットと実験スペクトルとの間の平均二乗誤差への影響によって決定される。

別の実施形態において、次元削減は、段階的パラメータ削減によって処理される。パラメータ空間が最も少ないパラメータと良好な相関を示すように調整された時に、削減されたパラメータ空間のエッチング深さ測定値に対する相関が、決定係数および自由度調整済み決定係数に関して評価される。必ずしもすべてのパラメータが、エッチング深さ測定値に対して相関する必要はない。

さらに別の実施例では、主成分のスコア、仮想フレーム番号、および、測定されたエッチング深さの相関を見つけるために、主成分分析を用いた。主成分の数は、より良い相関に達するために増やすことができる。上記の削減された高次元および仮想フレーム番号で、測定されたエッチング深さを説明するのに十分な相関に到達すると、トレーニングが完了する。

トレーニングカーペットの多項式の差が小さく、仮想カーペットフレーム番号自体が所望の精度でエッチング深さの測定値を説明するのに十分である場合、仮想カーペットの多項式は、多項式フィット係数の平均によって取得されてよい。

別の実施形態において、基準ウエハのスペクトル応答は、他のウエハを比較するために用いられてよい。さらに、多項式係数および仮想フレーム番号をエッチング深さに関連付けるいくつかの他の方法がある。かかる方法の１つは、部分最小二乗法であり、別の実施形態においては、ニューラルネットワーク処理が、パラメータと測定されたエッチング深さとの関係性を確立するために用いられる。

トレーニング処理が完了すると、エッチングエンドポイントを決定するために、製品ウエハのリアルタイム処理中に、仮想カーペットを利用できる。一実施形態において、仮想カーペット情報は、スペクトル履歴の関数として有効エッチング深さを測定するために、リアルタイムスペクトルと共に用いられる。仮想カーペットの利用に関するさらなる情報について、図面を参照して説明する。

いくつかの実施形態において、エッチング深さを測定する代わりに、仮想カーペットは、クリティカルディメンション（ＣＤ）測定値、ライン幅、ピッチ、間隔、反り検出メトリック、および、その他の測定可能なメトリックに結びつけられてもよい。すなわち、トレーニング中に処理された各ウエハについて、結果として得られたカーペットは、測定されたメトリックと相関しうるが、そのメトリックは、エッチング深さである必要はない。例えば、ウエハ反りが、ラムリサーチ社の特許第９，１２３，５８２号に記載されており、参照によって本明細書に組み込まれる。

一実施形態において、リアルタイム処理中（すなわち、ランタイム）、仮想カーペットは、広帯域その場反射率測定スペクトル対時間および意図された目標エッチング深さを予測するために利用されうる。したがって、この処理は、ウエハレベルでのエッチング速度およびエッチングを停止すべき時刻の正確な予測を可能にする。広帯域その場反射率測定または干渉計は、ウエハ上のスポットに光線を集束させて、複数の波長の反射光の強度を測定することによって、エッチング（または蒸着）中のウエハ表面の反射率を測定する。広帯域その場反射率測定の一例は、フラッシュランプ／連続波反射率測定（例えば、ラムスペクトル反射率計（ＬＳＲ）とも呼ばれる）である。その場干渉計システムに関するさらなる関連情報については、ラムリサーチ社の特許第６，４００，４５８号および第６，１６０，６２１号を参照することが可能であり、それらは、参照によって本明細書に組み込まれる。

別の実施例において、動的時間伸縮法（ＤＴＷ）アルゴリズムが、基準スペクトルに対するスペクトルのマッチングを計算するために用いられてもよく、次いで、このマッチングは、エッチング速度および理想的なエッチング停止を計算するために直接利用できる。

スペクトルの時系列を利用するいくつかの利点がある。１つの利点は、スペクトルの因果関係のモデル依存性を保証することである。これは、モデリングパラメータを制約すると共に、さらなる精度を与えるよう作用する。例えば、２つの異なる時系列の同じスペクトルは、入ってくるばらつきからバイアスが生じうるので、ウエハの異なる条件を伝えうる。さらなる利点は、情報内容を保存するために、スペクトルおよび時間の共分散が仮想カーペット内で明確にモデル化されることである。したがって、実験情報の損失がない。さらに、各カーペットが個別にフィッティングされるので、大量の実験スペクトルを扱うために、拡張性の利点が保証されている。

アクティブ制御のためのアルゴリズムのトレーニングは、大規模な物理モデリングを必要とする多くの他の物理ベースのモデルよりも高速である。さらに、ランタイム実行速度も、混合アレイからのかかる複雑な反射率のための物理ベースのモデルより高速である。

本明細書に記載の方法は、強度スペクトルに限定されないことを理解すべきである。方法は、適切にスケーリングされた時間内の任意の信号セットに適用されてよく、ここで、各時間フレーム内で、相関信号は、時間内の「スペクトル」としてのｘに沿った主成分という意味で相関の特定のシグネチャと共に、「ｘ」内に表すことができ、同じ次元削減およびトレーニング戦略が導入されうる。例えば、局所的な深さを予測するためのウエハからの波長時間トレースと同様に、ＣＤ（クリティカルディメンション）またはＣＤ均一性を予測するために、静電チャック（ＥＳＣ）に関連する複数のセンサからの時間トレースを同様の方法で分析できる。これらの非スペクトル信号の共分散は、所与の時間フレームの間の基本情報を抽出するために、主成分分析で処理できるため、より高い精度のエンドポイント制御が可能になる。

本実施形態は、これらの具体的な詳細事項（例えば、エッチング速度）の一部またはすべてがなくとも実施可能であることが明らかである。また、本実施形態が不必要に不明瞭となることを避けるため、周知の処理動作の詳細な説明は省略した。

図１は、一例に従って、ウエハ１０６を処理するために用いられるチャンバ１０２を備えたシステム１００を示す。この例では、プラズマ１０８が、ウエハ１０６を処理するために用いられる。プラズマ１０８は、ウエハ１０６にフィーチャをエッチングするために利用できる。図示していないが、チャンバ１０２は、電源に接続されており、電源は、プラズマ１０８を生成するためにチャンバ１０２の電極へＲＦ電力を供給するよう構成されている。コントローラ１１０が、エッチング処理を制御するために、チャンバ１０２およびＲＦ電源とインターフェース接続するよう構成されている。いくつかの実施形態において、チャンバ１０２は、容量結合プラズマ（ＣＣＰ）チャンバまたは誘導結合プラズマ（ＩＣＰ）チャンバであってよい。さらなるシステム例として、ラムリサーチ社に発行された米国特許第６，９７９，５７８号を参照することが可能であり、これは、参照によって組み込まれる。’５７８号特許では、その場データ収集に用いられる光ファイバの例が図５に示されている。

いずれにしても、チャンバ１０２およびその処理は、コントローラ１１０とインターフェースされ、コントローラ１１０は、システム１００によるエッチングのためのレシピの処理に必要な設定を提供できる。その場監視装置１０４が、チャンバ１０２と統合され、コントローラ１１０と接続してよい。その場監視装置１０４は、ウエハ１０６の処理に関連するスペクトル放射の光学特性またはスペクトルデータを検出するよう構成されてよい。一実施形態において、その場監視装置１０４は、反射率計または干渉計の光信号に関連したスペクトルデータもしくは発光分光分析（ＯＥＳ）に関連したスペクトルデータを収集および／またはサンプリングするよう構成される。

一具体例において、その場監視装置１０４は、ウエハ１０６の表面上に投写される広帯域幅光を生成するよう構成され、検出器が、基板の表面からの反射光に関連したスペクトルデータを収集する。以下の議論では、主に、反射率計または干渉計の光信号の監視に焦点を当てているが、システムは、ＯＥＳまたはその他の検査技術を用いて動作されてもよい。

一実施形態において、コントローラ１１０は、ウエハ１０６の放射からのカーペット情報を処理するために、その場監視装置１０４によって収集されたスペクトルデータを利用する処理動作を実行するよう構成される。上述のように、カーペットは、時系列で捕捉されたスペクトルデータを表す一群のフレームとして定義される。すなわち、スペクトルデータは、所定の間隔（例えば、所定の大きさのミリ秒、秒、または、何らかのカスタムの時間設定ごと、など）で、その場監視装置１０４によって収集される。

図２は、フレームの時系列の捕捉によって生成された表面の三次元抽出であるカーペットの一例１２０を示し、ここで、各フレームは、強度を波長の関数として分類する時間を表している。図に示すように、フレーム０は、カーペット１２０について捕捉された最初のフレームであり、フレームｎまでの各後続フレームは、図３に示すエッチング動作のためのカーペットを表す。フレーム１〜ｎの各々は、特定の時間ｔ０〜ｔｎに捕捉される。したがって、各フレームは、波長に関して強度を記述するそれぞれ独自のスペクトルを有する。各フレームが捕捉されると、カーペット１２０が構築され、したがって、時間の経過と共に波長について強度の変化に関する情報を示す。

したがって、波長の関数としての強度の単一の時間フレームの情報だけでなく、複数の時間に対する波長の関数としての強度の連続的な変化の情報も収集されている。したがって、任意の一時点に、発生して時間の現在の状態までつながる変化を突き止めることができる。この情報は、エッチングフィーチャ１３２を規定するために基板材料１３０がエッチングされるにつれて、どのような強度変化が起きるのかを明らかにする。図３に示す例は、単一のエッチングフィーチャを示しているが、エッチング動作は、通例、光の波長よりも短い場合があり、半導体ウエハ全体にわたって分散されたリソグラフィ露光の単一のフィールドまたは複数のフィールドに対応しうる任意の数のフィーチャに対して実質的に同時に実行されることを理解されたい。単一の反射率センサが用いられる実施形態において、照射スポット下のスペクトル時系列のみが収集されるが、ウエハ全体のエンドポイントを制御するために用いられる。フィーチャのクリティカルディメンションおよび深さがエッチングの進行と共に変化する時に、入射ビームの回折が、波長の関数としてのファーフィールドにおける強度の変化を生み出し、分光計での強度の変化をもたらす。

したがって、図３は、エッチングが進行するにつれて、波長の関数としてのスペクトル強度のフレームが捕捉され続けるため、カーペット１２０を構築して規定することを示すためにのみ提供されている。一実施形態において、エッチング動作などの特定のウエハ処理動作中に、エッチングされるフィーチャは、測定された深さ（ｄｍ）として図３に示された特定の深さに到達する。この時点で、エッチング動作が完了し、図２のカーペット１２０が完成する。その結果、最後のフレーム（例えば、フレームｎ）がもたらされ、これは、時間ｔｎでの測定された深さｄｍに対応するフレームである。

図２のカーペット１２０および図３のエッチング動作の図面は、スペクトルデータの複数のフレームの捕捉を説明するために示されたものである。所望のサンプリング周波数に基づいて、さらに多くのフレームが捕捉され、これにより、ウエハレベルでのフィーチャＣＤ、深さ、または、プロファイル情報の変化に関連した豊富な情報を備えたより密度の高いカーペット１２０を提供できることを理解されたい。一実施形態において、カーペット１２０は、時間の関数として変化すると考えられ、これは、波長の関数として捕捉された複数のフレームによっては明らかにならない。カーペット１２０は、一実施形態において、波長の範囲について、数学的多項式をそれに関連する係数と共に用いて特徴付けることができる。したがって、多項式の係数は、時間内の表面と波長とを規定し、これらは、後述のようにアクセスされうる。

上述のように、本明細書に記載した一実施形態は、特定のエッチングレシピおよびエッチング処理に対して複数のウエハを処理することを必要とするトレーニング処理を利用する。いくつかの実施形態では、同じチャンバ１０２が、様々なウエハに用いられる。別の実施形態では、異なるチャンバが、ウエハの各々に対して用いられてもよい。トレーニング動作中に処理されたウエハの各々は、それぞれのカーペット１２０を生み出す。カーペットの各々は、サンプリング周波数に基づいて、フレームの各々で捕捉されたスペクトルデータに関して、その場監視装置１０４によって検出された特徴を規定する。複数のカーペットが規定されると、これらのカーペットは、多項式フィットアルゴリズムを用いて、浮動、固定、および／または、結合された係数パラメータを備えたカーペット（本明細書では、仮想カーペットと呼ぶ）を生成するためにフィッティングされうる。

図４は、一実施形態に従って、トレーニングウエハの各々に対してカーペットを生成することを含むトレーニング生成器１５０の利用に関して詳細を示す図である。図に示すように、トレーニング生成器１５０は、カーペット１２０ａ〜１２０ｎの生成を含み、ここで、各カーペットは、それぞれの多項式と関連しており、各カーペットは、測定されたエッチングの深さに相関する最後のフレームを有する。処理条件、チャンバ構成、および、その他の要素の間にばらつきがあるので、カーペットの各々を生成する時のエッチングの終了が異なる可能性がある。この影響は、段階的回帰、マルチカーペット結合回帰、または、主成分分析による多項式係数のローディングによってモデル化され、ここで、異なるカーペットのパラメータの差は、エンドポイントの推定値へのその影響を明らかにし、その後、測定されたエッチング深さに対する線形回帰を用いて決定される。

いくつかの実施形態において、様々なウエハが、様々なサイズのカーペット１２０を生成するために、異なる深さまで意図的にエッチングされてよい。いずれにしても、カーペット１２０の各々は、それらの多項式および関連する係数に関して捕捉される。上述のように、多項式の様々な係数は、エッチング動作に対して経時的に捕捉された複数のフレームによって規定されたカーペットの三次元コンター形状を記述する。この例では、多項式フィットプロセッサ１６２が、カーペット１２０ａ〜１２０ｎの各々から多項式を受信するよう構成される。さらに、カーペット１２０ａ〜１２０ｎの各々に関連するウエハの各々に対する測定深さも、測定装置１６０によって捕捉される。測定装置１６０は、様々な形態を取りうるものであり、概して、ウエハ、フィーチャ、深さ、および、一般的に特性の特定のパラメータまたはメトリックを測定できる半導体測定ツールでありうる。例としては、断面ＳＥＭ、ＴＥＭ、および、散乱計を含む。

多項式フィットプロセッサ１６２は、仮想カーペット生成器１６４と通信するよう構成されている。仮想カーペット生成器１６４は、仮想カーペット１２０を生成するための次元削減および線形回帰の処理である。仮想カーペット１２０は、波長の関数としてのスペクトル強度であるスペクトルデータのフレームに関して、所定のサイズを有するよう構成される。多項式フィットプロセッサ１６２は、上述のように、様々なカーペット１２０ａ〜１２０ｎの多項式を受信し、したがって、仮想カーペット生成器１６４によって規定された制約に従ってそれらをフィッティングするよう構成される。一実施形態において、仮想カーペット生成器１６４は、上述の様々な技術によって生成できる仮想カーペット２２０を生成するよう構成される。

したがって、仮想カーペット２２０が生成され、仮想カーペット２２０および測定装置１６０の出力が、測定装置１６０によって測定された特定の深さまたはメトリックに仮想カーペットの仮想フレーム番号を関連付けるために、２２４において相関される。したがって、リアルタイム処理およびエンドポイント動作２２６中に、チャンバのコントローラは、エッチング処理がエンドポイントに達した時を特定するために、仮想カーペット２２０および／または仮想フレーム番号−深さ相関器２２４にアクセスできる。エッチング処理が、エッチングされている特定のフィーチャに対して意図された深さに達した時に、エンドポイントに到達し、仮想カーペットを用いることで、現在処理中の（すなわち、現在の加工動作のための）カーペットの一部を仮想カーペット２２０に関連付けることによって、エンドポイントに到達できる。

例えば、実際の加工ウエハのリアルタイム処理は、コントローラが現在のエッチング動作のためのカーペットを生成している場合に、このアルゴリズムを利用できる。処理中、フレームがカーペットに対して生成されており、それらのフレームは、すでに生成された以前のフレームに追加される。一実施形態では、現在のフレームならびに１または複数の以前のフレーム（すなわち、パッチ）が、仮想カーペットへのフィッティングを実行するために、エッチングのリアルタイム処理中に現在生成されているカーペットから利用されうる。動的およびリアルタイムに仮想カーペットへのフィッティングを行うことにより、リアルタイムでエッチングの予測深さを特定することが可能である。上述のように、仮想カーペットは、エッチング深さと予め相関された仮想フレーム番号に関する情報を保持する。

後述するように、様々なエッチング深さが、トレーニングセッション中に処理された様々なウエハから近似されうる。そして、以前のトレーニングセッションが仮想カーペットを生成したので、スペクトルデータの現在捕捉されているフレーム（またはフレームのパッチ）に対して予測された深さに関する情報が、実際のエッチング深さの緊密に相関された推定または予測を生み出す。したがって、リアルタイム処理中にカーペットを処理し続けることにより、特定のエッチング動作について、仮想カーペットにフィッティングおよびマッピングされているフレームが所望の深さを示す時点に至る。この時点で、チャンバのコントローラは、エンドポイントに到達したことをシステムに知らせることができ、エッチング動作が停止される。

図５は、一実施形態に従って、トレーニング中にウエハ（Ｗ０）がエッチングされる時に対応する多項式を生み出すカーペットの一例１０２ａを示す。この例において、フレーム番号２３１および時間２３２を含むリアルフレームサンプル２３０への結果として、カーペット１２０ａが生成されたことがわかる。カーペット１２０ａを生成するためのエッチング動作が完了すると、様々なサンプルフレームからの最後のフレームに到達する。この例において、最後のフレームは、フレーム４６７番である。フレーム４６７番は、番号の例として示されているだけであり、捕捉されるフレームは、サンプリング周波数およびエッチング動作の持続時間に依存して決まる。

この例について続けると、フレーム４６７番は、測定装置またはシステムによって検査または測定されている測定エッチング深さまたは何らかのその他のパラメータまたはメトリックに関連する。上述のように、異なるメトリックについて波長の関数としてのスペクトル強度のフレームを測定または相関させることも可能である。かかるメトリックは、クリティカルディメンション検査、ウエハの反り特性、および、一般に測定されるかまたは測定可能であるその他のメトリックを含んでよい。

図６Ａは、トレーニング動作中に生成された多項式すべてから導出された対応する多項式を有する仮想カーペットの一例２２０を示す。図に示すように、この仮想カーペットについて、仮想フレームサンプル２４０も識別可能であり、ここで、仮想フレーム番号は、トレーニング中に異なるウエハから生成された様々なカーペットから生成された多項式すべてに対応する複数のリアルフレームサンプル２３０から導出された異なる時間に関連する。仮想フレームサンプル２４０は、仮想フレーム番号２４１および対応する時間２４２も含む。

この例において、仮想フレーム番号は標準化されているので、仮想フレーム番号は、仮想フレーム番号０から仮想フレーム番号３００までの範囲にある。様々なトレーニングカーペットすべての仮想フレーム番号は、異なるフレーム番号を有し、様々なフレームおよびそれらに関連する多項式係数は、仮想カーペット２２０に対して規定された仮想フレーム番号のセットに対して標準化されるように導出される。仮想カーペット２２０を生成することにより、様々なトレーニングカーペットから生じる変動を抽出し、したがって、各個別のカーペットで生じうる異常または誤判定を生成および除外することが可能である。さらに、仮想カーペット２２０を生成することにより、製品ウエハを扱っている処理による後の参照のために仮想カーペット２２０を用いることが可能であり、かかる製品ウエハは、エンドポイントを特定する仮想カーペット２２４を利用できる。

トレーニング中のウエハラン（例えば、ウエハ１〜５）に関連する多項式係数および結果として得られる仮想カーペット（例えば、平均）の例を提供する目的で、以下の図６Ｂは、いくつかの数値例を示す。この例において、平均値は、仮想カーペットを規定するために用いられるが、その他の方法を用いてもよい。
例えば、平均の代わりに、

図７は、一実施形態に従って、仮想カーペット２２０の仮想フレーム番号と、様々なカーペットを生成するトレーニング中に実行されたエッチング動作について測定された深さ３０４との間のマッピングチャート３００の一例を示す。加工ウエハの処理中、コントローラは、波長の関数として強度を有する複数のフレームによって規定された独自のカーペットを生成できる。カーペットが生成されている時、定期的に、フレームの内の２以上（すなわち、カーペットのパッチ）が捕捉され、仮想カーペット２２０に対してフィッティングされうる。仮想カーペット２２０にフィッティングすることにより、チャンバがウエハにエッチングを実行することによって処理されている最も最新のフレームの仮想フレーム番号３０２を特定することが可能である。

３１０に示すように、現在のフレーム番号（ＶＦＮｃ）が仮想フレーム番号３０２から特定され、マッピングチャート３００のエッチング深さ３０４から現在の深さｄｃを予測するために相関されてよい。マッピングチャート３００に示すように、トレーニング中に用いられる様々なテストウエハも、チャートにマッピングされてよく、チャートは、実質的に線形の近似を生成する。テストウエハの各々について測定された深さは、それぞれのカーペット１２０内の最後のフレームに関連しているため、線形近似は、それらの深さを示す。これは、ウエハ０が深さｄ１、ウエハ３が深さｄ２、ウエハ１が深さｄ３、ウエハが深さｄｎまでエッチングされたことを示す。

仮想フレーム番号は、カーペット１２０の各々から収集されたフレームの近似表現であるので、これらの工程は、実質的な直線に沿って実質的に起きると示されうる。したがって、仮想カーペットによって提供された標準化が、この実質的な線形応答または表現を生み出すと予期される。結果として、処理中に、現在の仮想フレーム番号ＶＦＮｃは、線形近似に沿った点３０６にマッピングされてよく、次いで、点３０６は、処理中に、予測現在深さｄｃに相関されうる。深さｄｃは、線形近似および特定された仮想フレーム番号に基づいて、深さｄ２とｄ３との間にあるように、さらに近似される。深さｄｃは、一実施形態において、補間を用いて特定されうる。リアルタイム処理がｄ３の深さに到達することを必要とする場合、システムは、現在の加工動作のためのカーペットを処理し続け、現在のパッチまたはフレームを仮想カーペットにフィッティングした後に、ウエハの現在生成中のカーペットの２以上のフレームまたはパッチを仮想カーペットと比較し続ける。

したがって、処理は、現在の仮想フレーム番号が所望の深さｄ３に対応するか否かをチェックし続けることができる。製品ウエハを処理するシステムが、例えば、ＶＦＮ５に到達すると、深さｄ３に到達し、コントローラは、エッチング処理の停止を指示する。

図８Ａは、一実施形態に従って、後に仮想カーペットにフィッティングされる複数のカーペットを生成するために、複数のウエハからトレーニングデータを生成する処理の一例を示す。動作４０２で、トレーニングデータが、複数のウエハの複数のエッチング処理から生成される。上述のように、同じエッチングシステムまたは同様に構成された様々なエッチングシステムが、多くのウエハを処理することができ、処理中に、波長の関数としての強度が捕捉されうる。動作４０４で、ウエハの各々に実行された処理の各々に対するカーペットが生成される。

カーペットは、波長の関数としての強度の複数のサンプリングされたフレームを含む。
処理エッチングがトレーニングウエハに対して完了すると、動作４０６は、各カーペット内の最後のフレームが、測定された結果の深さに対応するように、各ウエハについて結果の深さを測定する。一例において、測定システムが、測定を実行するために用いられてよい。動作４０８で、多項式フィットが、仮想カーペットを生成するために、生成カーペットの各々に対して処理される。仮想カーペットの多項式係数の一部は浮動してよく、他の係数は、複数のカーペットの各々のそれぞれの係数の多項式すべてが、仮想カーペットの多項式の部分集合になるように、固定されるかまたは浮動パラメータに結合される。したがって、仮想カーペットは、トレーニングの際のウエハの処理中に生成された複数のカーペットの上位集合である。動作４１０で、仮想カーペットの仮想フレーム番号とエッチングの予測深さとの間の相関が生成される。これは、エッチングの深さまたはメトリックを予測するために、仮想カーペットの仮想フレーム番号の教師付きトレーニングを実行する工程を含む。

例えば、マッピングチャート３００により、図７に相関を示している。動作４１２で、仮想カーペットおよび相関が、ウエハのリアルタイム処理中に利用するためにデータベースに格納される。

図８Ｂは、図８Ａの処理の別の例であり、動作４１０および４１２に関してさらなる詳細を提供する。この例において、動作４１０’は、エッチング深さのローディングがカーペット多項式パラメータに関して規定されることを記載する。かかるパラメータは、仮想カーペットフレーム番号とカーペットのその他の浮動多項式パラメータとを含んでよく、一部の場合に、回帰によって最大三次までを含んでよい。動作４１２’で、仮想カーペットの多項式が格納される。多項式は、浮動、固定、および／または、結合パラメータならびに関連定数のいずれかとしてデータベースに格納されうる。この例において、回帰の係数は、動作４１０’で取得される。

本明細書で用いられているように、ウエハのリアルタイム処理は、製品ウエハが処理されていることを意味し、用いられるエンドポイントメカニズムは、以前のトレーニング動作中に生成された仮想カーペットへの生成されたカーペットパッチのフィッティングを利用する。いくつかの実施形態において、チャンバのコントローラは、生成中のカーペットの仮想カーペットに対する相関を処理できる。別の実施例において、別個のコンピュータまたはネットワークコンピュータが、仮想カーペットにアクセスして、比較、フィッティング動作、および、結果としてのエンドポイント決定から結果を生成できる。

さらなる実施形態において、処理は、実コンピュータまたは仮想コンピュータの形態で、１または複数のコンピュータもしくは１または複数のプロセスによって共有されてもよい。いくつかの実施形態において、処理は、複数の仮想マシンの間に分散されてもよい。いずれにしても、加工ウエハの処理は、エンドポイントの決定またはエッチング処理に関連するメトリックの検証のために、加工中に生成されるカーペットを仮想カーペットと比較できるように、仮想カーペットを実装できる。上述のように、測定値は、エッチング深さで形成されうる。しかしながら、測定値は、ウエハ特性、クリティカルディメンション、ウエハ反りなど、任意の数の特徴メトリックで形成されてよい。

図９は、一実施形態に従って、仮想カーペット２２０の生成に用いられるシステム、ならびに、エッチングエンドポイントまたは何らかの他のメトリックを決定するために仮想カーペットデータにアクセスするチャンバおよびコントローラの一例を示す。図に示すように、プロセス特性化エンジン５００は、様々なシステムによって実行される機能動作を規定するよう構成される。トレーニング生成器１５０は、１または複数のウエハに対するトレーニング動作を実行するために、１または複数のチャンバと通信できる処理動作および命令を含みうる。

トレーニングの結果は、それぞれのカーペット１２０を生成し、次いで、カーペット１２０は、仮想カーペット２２０を生成するために用いられる。測定装置５０２は、１または複数のトレーニングシステムの各々によって生成されたカーペット１２０内の最後のフレームに関連する結果としてのエッチング深さ、特徴パラメータ、または、その他のメトリックを測定するために利用可能である。仮想フレーム番号−深さ相関器５０６が提供されてよく、この場合、エッチング深さが、測定されるメトリックである。相関器５０６は、一実施形態において、データベース５０４に格納できるコードまたは命令またはデータとして規定されてよく、データベース５０４は、仮想カーペット２２０のデータを含む。別の実施形態において、仮想フレーム番号−深さ／メトリック相関器５０６は、レシピファイルに格納されてもよく、ハードコードされたデータであってもよく、また、かかるデータは、サーバからリトリーブされてもよい。レシピ転送が、図１１に示す７３４および／または７１４を介して実施されうる。いずれの構成でも、仮想フレーム番号−深さ／メトリック相関器５０６は、ウエハのリアルタイム処理にアクセス可能にされる。リアルタイム処理中、コントローラ１１０は、データベース５０４から利用に向けてデータ（すなわち、仮想カーペットデータ）を取得またはダウンロードする。

図に示すように、チャンバ１０２は、それに対応するその場監視装置１０４を有する。
コントローラ１１０は、チャンバ１０２およびその場監視装置１０４とインターフェースされる。コントローラ１１０は、リアルタイムカーペット生成器５２０によって、リアルタイムでカーペットを生成するよう構成される。リアルタイムカーペット生成器５２０は、基本的に、各サンプル中に波長の関数としての強度を表すフレームを生成している。したがって、エッチング処理が完了する前でも、リアルタイムカーペット生成器５２０は、対応する所定のサンプリング時間の各々の間にますますフレームを忙しく生成している。動作５２２で、仮想カーペットへの多項式フィットが実行される。

このために、生成器５２０によって生成されるカーペットの少なくとも一部のための多項式および多項式の関連係数は、仮想フレーム番号−深さ／メトリック相関器５０６からの仮想フレーム番号を特定するために、仮想カーペット２２０にフィッティングされる。その結果、コントローラ１１０は、現在のエッチング深さまたはメトリック５２４を受信または特定する。図７に示すように、この処理は、コントローラ１１０による仮想カーペットのルックアップから、エッチング深さまたはメトリックに相関された仮想フレーム番号を特定することを伴ってよい。リアルタイムカーペット生成器５２０が処理し続ける時に、コントローラ１１０による仮想カーペットに対する連続的または繰り返しのルックアップにより、エッチング深さに達すると、エッチングエンドポイントプロセッサ５２６が、仮想カーペット２２０を用いて予測されるエッチング深さを特定してよく、これは、所望の深さのエッチングに対応する。その時点で、システムは、エンドポイントに到達したと判定する。

図１０Ａは、一実施形態に従って、ウエハのリアルタイム処理が動作６０２で実行される処理例を示す。図に示すように、リアルタイムウエハ処理は、その場監視装置１０４に結合または接続された加工チャンバ（チャンバ１０２など）によって実行されてよい。いくつかの実施形態において、チャンバ１０２は、多くの他のチャンバと共に、製造施設に設置されてよい。チャンバの各々は、時系列で複数のフレームについてスペクトルデータを収集できるように、それら自身がその場監視装置１０４に接続されうる。

動作６０４で、部分的なカーペットが、現在のエッチング動作の処理中に捕捉された複数のフレームから生成される。上述のように、製造処理中、現在のカーペットを規定するために、所定のサンプリングレートでますますフレームを追加することによって、カーペットが連続的に生成されている。プログラムで設定できる定期的な時点に、システムのコントローラまたは別個の処理は、動作６０６により、現在のエッチング動作に関連する処理を特性化するために、仮想カーペット（すなわち、トレーニング中に以前に生成された仮想カーペット）に対する部分的なカーペットの多項式フィットがなされるようにトリガできる。動作６０８で、仮想フレーム番号およびその他のカーペット多項式係数が、仮想カーペットに関連するデータから特定される。

動作６１０で、エッチングの予測深さが、図７の例を参照して示すように、特定された仮想フレーム番号に基づいて特定される。一実施形態において、エッチング深さの予測は、仮想フレーム番号およびその他のカーペット多項式係数を用いる。例えば、予測の少なくとも一部は、仮想フレーム番号に基づくが、ランタイム処理中に浮動した多項式係数は、部分的なカーペットの差を捕捉し、予測への（所定のローディングパラメータによる）補正を提供する。動作６１２で、エンドポイントに到達したか否かが判定される。エンドポイントに到達していない場合、システムは、最後のフレームすなわち最も最新に処理されたフレームを含む部分的なカーペットの別の部分を処理し続け、完了するまで、動作６０６、６０８、および、６１０に進む。処理エンドポイントに到達すると、これは、動作６１０における予測深さエッチングに対応する所望のエッチング深さに到達したことを意味するため、エッチング動作が停止される。

図１０Ｂは、一実施形態に従って、次元削減の繰り返しの性質を説明するフローチャートである。工程（ａ）で、仮想カーペットが、アンサンブル平均によって得られた多項式係数を用いて規定され、ここで、すべての係数は固定されている。上述のように、固定された係数を有することは、一実施例に従ったものである。工程（ｂ）で、トレーニング中に生成された各カーペットの仮想フレーム番号が取得される。一実施形態において、測定されたエッチング深さを備えたＸ／Ｙ散布図を生成して、傾きおよび切片を決定するために、１つの仮想フレーム番号が各トレーニングカーペットに対して取得される。これは、本願で議論するように、補正を提供する。

工程（ｃ）で、仮想フレーム番号は、測定されたエッチング深さにのみ相関される。この例では、工程（ｃ）まで、仮想カーペット多項式係数のすべてが固定された場合、仮想カーペットフィッティングから逸脱する仮想フレーム番号のみがある。したがって、この情報だけが、測定されたエッチング深さと相関させて、予測精度に対してチェックするために用いられる。良好でない場合、以下の（ｄ）におけるように、処理は、仮想フレーム番号と共に決定される仮想カーペットに浮動パラメータを、再び、トレーニングカーペットあたり１セットのパラメータとして導入し始める必要がある。次いで、ＶＦＮ＋１、ＶＦＮ＋２、・・・ＶＦＮ＋ｑパラメータを用いて、測定エッチング深さを予測する。この処理は、特徴抽出と呼ばれる。

したがって、工程（ｄ）で、必要な所定の精度に対してチェックがなされる。工程（ｃ）の結果が十分に良好である場合、処理は停止する。これは、仮想カーペットがエッチング深さを正確に予測していることを意味する。必要な精度に到達していない場合、工程（ｅ）で、仮想カーペットの浮動パラメータ空間を拡張して、平均二乗誤差を小さくする。工程（ｆ）で、段階的回帰、マルチカーペット結合回帰、または、ＰＣＡが、（ｅ）で取得された次元を削減するために用いられる。

工程（ｇ）では、工程（ｆ）で規定された高次元に基づいて、処理は、それらの高次元のローディングパラメータを浮動させつつ、トレーニング中に生成された各カーペットの仮想フレーム番号を取得するように進む。理解できる通り、複数回の仮想カーペット評価工程が、トレーニング処理中に実行される。したがって、測定された深さに対する仮想カーペットの相関の質を繰り返し改善する。（ｅ）〜（ｉ）の各反復の中で、仮想カーペット次元を再規定する。さらに、いくつかのカーペット固有のローディングパラメータが、仮想フレーム番号と共に、回帰の終了時にそれらの浮動次元に対して取得される。工程（ｈ）で、測定されたエッチング深さに対する、工程（ｇ）からのローディングパラメータおよび仮想カーペット番号の相関が、線形回帰によって実行される。工程（ｉ）で、精度に対するチェックが求められる。結果が十分に良好であれば、停止する。本明細書で用いられているように、「十分に良好」とは、仮想カーペットを用いたその場処理制御が、独立型の外部（ｅｘ−ｓｉｔｕ）測定システムの有効な代替と見なされるように、教師付きトレーニングおよび基準測定の差が十分に小さいことを意味する。

（ｉ）における結果が十分に良好ではない場合、工程（ｊ）で、高次元をさらに削減し、工程（ｇ）から繰り返す。

工程（ｋ）で、削減すべき高次元がこれ以上ない場合、浮動パラメータ空間を再び拡張し、工程（ｅ）を反復する。より高次の多項式を導入することにより、平均二乗誤差が、減り続ける。工程（ｌ）では、一実施形態において、平均二乗誤差（ＭＳＥ）を、不偏誤差分散（例えば、残差平方和を自由度数で割ったもの）に代えることができる。

測定された広帯域その場反射率測定スペクトルを用いたカーペットの生成に関して、具体例を提供したが、さらに他の測定方法を用いることもできる。さらに、レーザ吸収分光法のようなレーザによる方法を用いてもよい。一例において、積分帯域上にカーペットを有するレーザ吸収またはフルスペクトルを有するレーザ吸収分光法を用いてよい。さらに別の実施形態において、ウエハ上のメトリックの変化、チャンバの部品、プラズマインピーダンス（化学）の変化の両方に関連する同様の複雑なカーペットの挙動を示すことが知られている周波数スペクトルも有するＲＦ信号も、開示されている分析に適しうる。ＲＦ信号に関しては、取得されたメトリックが、エンドポイントにはあまり関連せず、チャンバマッチング／メトリフィケーションに関連するかまたは有用であると考えられる。いくつかの実施形態において、収集されたスペクトルデータは、光またはレーザ干渉法、反射率計および吸収、ＯＥＳ、または、ＲＦ電圧／電流トレース自体に関連するか、もしくは、数学的にＲＦスペクトル振幅に変換される。一実施形態において、スペクトルデータは、フィーチャがウエハ上にエッチングされる際にエッチングに用いられるチャンバから収集される。

さらに別の実施形態において、より多くのデータストリームが、カーペットのような挙動を有する合成「スペクトル」を形成するようにまとめられる。本明細書に記載のカーペットを用いる１つの有用性は、任意のスペクトル要素と、そのスペクトル次元に近い近傍およびその時間次元に近い近傍との間の物理的に制約を受けた強い相関および連続的な関係である。異なるツールデータが、収集されたスペクトルと共に用いられる場合、「スペクトル」および「時間」空間における相関の自然の法則により強化された連続性が低減されうる。これは、ツールデータ変数が必ずしも物理特性によって互いに「近い」とは限らないからである。一実施形態において、ツールデータ変数を互いに「隣接」させるように物理特性を見つけるためにツールデータをソートすることが可能であるか、そうでなければ、「良好に動作するツール」を「発見」することによって、変数をそのように数学的に選択して順序づける必要があり、変数は、「スペクトル−時間」相関および連続性を有することが知られている「偽スペクトル」内に、そのように配列される。

このように、カーペット処理を用いて、制御動作を呼び出し、ツール間の差を検出することができる。一実施形態において、上記の図１および図９を参照して説明したコントローラ１１０は、プロセッサと、メモリと、ソフトウェアロジックと、ハードウェアロジックと、プラズマ処理システムとの通信、監視、および、制御からの入出力サブシステムと、を備えてよい。コントローラ１１０は、さらに、例えば、プラズマ処理システムを動作させるために、様々な動作パラメータ（例えば、電圧、電流、周波数、圧力、流量、電力、温度など）の複数の設定点を含む１または複数のレシピの処理を扱ってもよい。さらに、エッチング動作（例えば、エッチングツール）を参照して、より詳細な例を提供したが、動作は蒸着動作（例えば、蒸着ツール）にも同様に利用できることを理解されたい。例えば、検証動作において、エッチング性能を検証する代わりに、蒸着性能の検証を行ってもよい。蒸着性能は、様々な方法で定量化でき、制限なく、様々なタイプの測定方法および／またはツールが用いられてよい。さらに、蒸着性能は、その場またはオフラインで、測定、検知、近似、および／または、試験されてよい。

いくつかの実施例において、コントローラ１１０は、システムの一部であり、システムは、上述の例の一部であってよい。かかるシステムは、１または複数の処理ツール、１または複数のチャンバ、処理のための１または複数のプラットフォーム、および／または、特定の処理構成要素（ウエハペデスタル、ガスフローシステムなど）など、半導体処理装置を備えうる。これらのシステムは、半導体ウエハまたは基板の処理前、処理中、および、処理後に、システムの動作を制御するための電子機器と一体化されてよい。電子機器は、「コントローラ」と呼ばれてもよく、システムの様々な構成要素または副部品を制御しうる。コントローラ１１０は、処理要件および／またはシステムのタイプに応じて、処理ガスの供給、温度設定（例えば、加熱および／または冷却）、圧力設定、真空設定、電力設定、高周波（ＲＦ）発生器設定、ＲＦ整合回路設定、周波数設定、流量設定、流体供給設定、位置および動作設定、ならびに、ツールおよび他の移動ツールおよび／または特定のシステムと接続または結合されたロードロックの内外へのウエハ移動など、本明細書に開示の処理のいずれを制御するようプログラムされてもよい。

概して、コントローラ１１０は、命令を受信する、命令を発行する、動作を制御する、洗浄動作を可能にする、エンドポイント測定を可能にすることなどを行う様々な集積回路、ロジック、メモリ、および／または、ソフトウェアを有する電子機器として定義されてよい。集積回路は、プログラム命令を格納するファームウェアの形態のチップ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）として定義されるチップ、および／または、プログラム命令（例えば、ソフトウェア）を実行する１または複数のマイクロプロセッサまたはマイクロコントローラを含みうる。プログラム命令は、様々な個々の設定（またはプログラムファイル）の形態でコントローラ１１０に伝えられて、半導体ウエハに対するまたは半導体ウエハのための特定の処理を実行するための動作パラメータ、もしくは、システムへの動作パラメータを定義する命令であってよい。動作パラメータは、いくつかの実施形態において、ウエハの１または複数の層、材料、金属、酸化物、シリコン、二酸化シリコン、表面、回路、および／または、ダイの加工中に１または複数の処理工程を達成するために設計された処理によって規定されるレシピの一部であってよい。

コントローラ１１０は、いくつかの実施例において、システムと一体化されるか、システムに接続されるか、その他の方法でシステムとネットワーク化されるか、もしくは、それらの組み合わせでシステムに結合されたコンピュータの一部であってもよいし、かかるコンピュータに接続されてもよい。例えば、コントローラ１１０は、「クラウド」内にあってもよいし、ウエハ処理のリモートアクセスを可能にできるファブホストコンピュータシステムの全部または一部であってもよい。コンピュータは、現在の処理のパラメータを変更する、現在の処理に従って処理工程を設定する、または、新たな処理を開始するために、システムへのリモートアクセスを可能にして、製造動作の現在の進捗を監視する、過去の製造動作の履歴を調べる、もしくは、複数の製造動作からの傾向または性能指標を調べうる。いくつかの例では、リモートコンピュータ（例えば、サーバ）が、ネットワーク（ローカルネットワークまたはインターネットを含みうる）を介してシステムに処理レシピを提供してよい。リモートコンピュータは、パラメータおよび／または設定の入力またはプログラミングを可能にするユーザインターフェースを備えてよく、パラメータおよび／または設定は、リモートコンピュータからシステムに通信される。

いくつかの例において、コントローラ１１０は、データの形式で命令を受信し、命令は、１または複数の動作中に実行される処理工程の各々のためのパラメータを指定する。パラメータは、実行される処理のタイプならびにコントローラ１１０がインターフェース接続するまたは制御するよう構成されたツールのタイプに固有であってよいことを理解されたい。したがって、上述のように、コントローラ１１０は、ネットワーク化されて共通の目的（本明細書に記載の処理および制御など）に向けて動作する１または複数の別個のコントローラ１１０を備えることなどによって分散されてよい。かかる目的のための分散コントローラ１１０の一例は、チャンバでの処理を制御するために協働するリモートに配置された（プラットフォームレベルにある、または、リモートコンピュータの一部として配置されるなど）１または複数の集積回路と通信するチャンバ上の１または複数の集積回路である。

限定はしないが、システムの例は、プラズマエッチングチャンバまたはモジュール、蒸着チャンバまたはモジュール、スピンリンスチャンバまたはモジュール、金属メッキチャンバまたはモジュール、洗浄チャンバまたはモジュール、ベベルエッジエッチングチャンバまたはモジュール、物理蒸着（ＰＶＤ）チャンバまたはモジュール、化学蒸着（ＣＶＤ）チャンバまたはモジュール、原子層蒸着（ＡＬＤ）チャンバまたはモジュール、原子層エッチング（ＡＬＥ）チャンバまたはモジュール、イオン注入チャンバまたはモジュール、トラックチャンバまたはモジュール、ならびに、半導体ウエハの加工および／または製造に関連するかまたは利用されうる任意のその他の半導体処理システムを含みうる。

上述のように、ツールによって実行される１または複数の処理工程に応じて、コントローラ１１０は、他のツール回路またはモジュール、他のツール構成要素、クラスタツール、他のツールインターフェース、隣接するツール、近くのツール、工場の至る所に配置されるツール、メインコンピュータ、別のコントローラ１１０、もしくは、半導体製造工場内のツール位置および／またはロードポートに向かってまたはそこからウエハのコンテナを運ぶ材料輸送に用いられるツール、の内の１または複数と通信してもよい。

図１１は、実施形態を実施するためのコンピュータシステムを示す概略図である。
本明細書に記載の方法は、従来の汎用コンピュータシステムなどのデジタル処理システムを用いて実行されてよいことを理解されたい。あるいは、１つの機能のみを実行するよう設計またはプログラムされた専用コンピュータが用いられてもよい。コンピュータシステムは、中央処理装置（ＣＰＵ）７０４を備えており、ＣＰＵは、バス７１０を介して、ランダムアクセスメモリ（ＲＡＭ）７０６、読み出し専用メモリ（ＲＯＭ）７１２、および、マスストレージデバイス７１４に接続されている。システムコントローラプログラム７０８が、ランダムアクセスメモリ（ＲＡＭ）７０６に格納されているが、マスストレージデバイス７１４に格納されてもよい。

マスストレージデバイス７１４は、フロッピーディスクドライブまたは固定ディスクドライブなどの永続データ記憶装置であり、ローカルであってもリモートであってもよい。ネットワークインターフェース７３０が、ネットワーク７３２を介して接続を提供し、他のデバイスとの通信を可能にする。ＣＰＵ７０４は、汎用プロセッサ、専用プロセッサ、または、特別にプログラムされた論理デバイスとして実装されうることを理解されたい。入力／出力（Ｉ／Ｏ）インターフェースが、様々な周辺機器との通信を提供しており、バス７１０を介して、ＣＰＵ７０４、ＲＡＭ７０６、ＲＯＭ７１２、および、マスストレージデバイス７１４に接続されている。周辺機器の例は、ディスプレイ７１８、キーボード７２２、カーソルコントロール７２４、リムーバブルメディアデバイス７３４などである。

ディスプレイ７１８は、本明細書に記載のユーザインターフェースを表示するよう構成される。キーボード７２２、カーソルコントロール７２４、リムーバブルメディアデバイス７３４、および、その他の周辺機器は、ＣＰＵ７０４に命令選択の情報を通信するために、Ｉ／Ｏインターフェース７２０に接続される。外部デバイスとのデータのやりとりは、Ｉ／Ｏインターフェース７２０を介して通信されてよいことを理解されたい。実施形態は、有線または無線ネットワークを通して接続された遠隔処理デバイスによってタスクが実行される分散コンピューティング環境で実施されてもよい。

実施形態は、ハンドヘルドデバイス、マイクロプロセッサシステム、マイクロプロセッサベースまたはプログラム可能な家電、ミニコンピュータ、メインフレームコンピュータなど、様々なコンピュータシステム構成で実施されてもよい。実施形態は、ネットワークを通して接続された遠隔処理デバイスによってタスクが実行される分散コンピューティング環境で実施されてもよい。

上述の実施形態を念頭に置いて、本実施形態は、コンピュータシステムに格納されたデータを含め、コンピュータに実装された様々な動作を利用できることを理解されたい。これらの動作は、物理量の物理操作を必要とするものである。本実施形態の一部を形成する本明細書で説明した動作はいずれも、有用な機械動作である。本実施形態は、さらに、これらの動作を実行するためのデバイスまたは装置に関する。装置は、専用コンピュータなど、必要とされる目的向けに特別に構築されてよい。専用コンピュータとして規定された場合、コンピュータは、特殊目的に含まれない他の処理、プログラム実行、または、ルーチンも実行しつつ、特殊目的のために動作することができる。あるいは、動作は、コンピュータメモリ、キャッシュに格納されたまたはネットワークを介して取得された１または複数のコンピュータプログラムによって選択的にアクティベートまたは構成された汎用コンピュータで処理されてもよい。データがネットワークを介して取得されると、そのデータは、ネットワーク（例えば、コンピューティングリソースのクラウド）上の他のコンピュータによって処理されてもよい。

１または複数実施形態は、コンピュータ読み取り可能な媒体上にコンピュータ読み取り可能なコードとして製造されてもよい。コンピュータ読み取り可能な媒体は、コンピュータシステムによって読み出し可能なデータを格納できる任意のデータ格納装置である。コンピュータ読み取り可能な媒体の例としては、ハードドライブ、ネットワーク接続ストレージ（ＮＡＳ）、読み出し専用メモリ、ランダムアクセスメモリ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、および、その他の光学および非光学式のデータ記憶装置が挙げられる。コンピュータ読み取り可能な媒体は、コンピュータ読み取り可能なコードが分散的に格納および実行されるように、ネットワーク接続されたコンピュータシステム上に分散されたコンピュータ読み取り可能なタンジブル媒体を含みうる。

方法の動作は特定の順番で記載されているが、オーバーレイ動作の処理が望ましく実行される限りは、他のハウスキーピング動作が動作の合間に実行されてもよいし、動作が若干異なる時間に実行されるように調整されてもよいし、処理に関連した様々な間隔で処理動作が起きることを許容するシステムに分散されてもよいことを理解されたい。

処理条件を監視するための方法および設定を調整するための方法に関するさらなる情報については、２０１６年８月３日出願の米国仮特許出願第６２／３７０，６５８号「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｍｏｎｉｔｏｒｉｎｇ Ｐｌａｓｍａ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ ａｎｄ Ａｄｖａｎｃｅｄ Ｐｒｏｃｅｓｓ ａｎｄ Ｔｏｏｌ Ｃｏｎｔｒｏｌ」、米国特許第６，６２２，２８６号「Ｉｎｔｅｇｒａｔｅｄ ｅｌｅｃｔｒｏｎｉｃ ｈａｒｄｗａｒｅ ｆｏｒ ｗａｆｅｒ ｐｒｏｃｅｓｓｉｎｇ ｃｏｎｔｒｏｌ ａｎｄ ｄｉａｇｎｏｓｔｉｃ」、米国特許第８，２９５，９６６号「Ｍｅｔｈｏｄｓ ａｎｄ ａｐｐａｒａｔｕｓ ｔｏ ｐｒｅｄｉｃｔ ｅｔｃｈ ｒａｔｅ ｕｎｉｆｏｒｍｉｔｙ ｆｏｒ ｑｕａｌｉｆｉｃａｔｉｏｎ ｏｆ ａ ｐｌａｓｍａ ｃｈａｍｂｅｒ」、米国特許第８，９８３，６３１号「Ａｒｒａｎｇｅｍｅｎｔ ｆｏｒ ｉｄｅｎｔｉｆｙｉｎｇ ｕｎｃｏｎｔｒｏｌｌｅｄ ｅｖｅｎｔｓ ａｔ ｔｈｅ ｐｒｏｃｅｓｓ ｍｏｄｕｌｅ ｌｅｖｅｌ ａｎｄ ｍｅｔｈｏｄｓ ｔｈｅｒｅｏｆ」、米国特許第８，４７３，０８９号「Ｍｅｔｈｏｄｓ ａｎｄ ａｐｐａｒａｔｕｓ ｆｏｒ ｐｒｅｄｉｃｔｉｖｅ ｐｒｅｖｅｎｔｉｖｅ ｍａｉｎｔｅｎａｎｃｅ ｏｆ ｐｒｏｃｅｓｓｉｎｇ ｃｈａｍｂｅｒｓ」、米国特許第８，２７１，１２１号「Ｍｅｔｈｏｄｓ ａｎｄ ａｒｒａｎｇｅｍｅｎｔｓ ｆｏｒ ｉｎ−ｓｉｔｕ ｐｒｏｃｅｓｓ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｃｏｎｔｒｏｌ ｆｏｒ ｐｌａｓｍａ ｐｒｏｃｅｓｓｉｎｇ ｔｏｏｌｓ」、および、米国特許第８，５３８，５７２号「Ｍｅｔｈｏｄｓ ｆｏｒ ｃｏｎｓｔｒｕｃｔｉｎｇ ａｎ ｏｐｔｉｍａｌ ｅｎｄｐｏｉｎｔ ａｌｇｏｒｉｔｈｍ」を参照することができ、これらはすべて、ラムリサーチ社すなわち本願の譲渡人に譲渡されており、これらの各々はすべての目的で本明細書に組み込まれる。

機械学習アルゴリズム、現象論的モデル、および、関連する処理に関するさらなる情報については、パドア大学情報工学部Ｂｅｒｔｏｒｅｌｌｅ Ｎｉｃｏｌａによる２０１０年６月２８日付けの論文「Ｖｉｒｔｕａｌ Ｍｅｔｒｏｌｏｇｙ ｆｏｒ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎｓ」；パドヴァ大学情報工学専攻Ｇｉａｎ Ａｎｔｏｎｉｏ Ｓｕｓｔｏによる２０１３年１月付の論文「Ｓｔａｔｉｓｔｉｃａｌ Ｍｅｔｈｏｄｓ ｆｏｒ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｍａｎｕｆａｃｔｕｒｉｎｇ」；および、ロシア化学技術大学（７，Ｆ．Ｅｎｇｅｌｓ Ｓｔ．，１５３００ Ｉｖａｎｏｖｏ，Ｒｕｓｓｉａ）電子デバイス／材料技術学部のＡ．Ｅｆｒｅｍｏｖ，ｅｔ ａｌ．による２００７年１月１２日付けの論文「Ｅｔｃｈｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｍｅｃｈａｎｉｓｍｓ ｏｆ ｔｈｅ ＭｇＯ ｔｈｉｎ ｆｉｌｍｓ ｉｎ ｔｈｅ ＣＦ４／Ａｒ ｉｎｄｕｃｔｉｖｅｌｙ ｃｏｕｐｌｅｄ ｐｌａｓｍａ」を参照することが可能であり、それらの各々は、参照により本明細書に組み込まれる。

さらに、参照により組み込まれた上記の文献および出願に記載の実施形態および任意の具体的な特徴が、特定の実施形態を規定または可能にするために、本明細書に記載の１または複数の特徴と組み合わされてもよい。

理解を深めるために、本実施形態について、ある程度詳しく説明したが、添付の特許請求の範囲内でいくらかの変更および変形を行ってもよいことは明らかである。したがって、本実施形態は、例示的なものであって、限定的なものではないとみなされ、実施形態は、本明細書に示した詳細に限定されず、添付の特許請求の範囲および等価物の範囲内で変形されてよい。

Claims (23)

1. スペクトルの時系列を用いて、エッチング処理のエンドポイントを特定するための方法であって、
   トレーニング動作中に収集された前記エッチング処理のためのスペクトルの時系列から生成された仮想カーペットにアクセスし、
   加工ウエハに加工エッチング処理を施す工程であって、前記加工エッチング処理が実行される間に、スペクトルの時系列から規定されたカーペットの複数部分が、前記加工エッチング処理に対して生成され、
   前記加工エッチング処理の前記カーペットの前記複数部分を前記仮想カーペットと比較し、
   前記比較が、前記加工ウエハにとって所望のメトリックに到達したことを示唆する時に、前記加工エッチング処理のエンドポインティングを処理すること、
   を備える、方法。
2. 請求項１に記載の方法であって、前記所望のメトリックは、所定のエッチング深さ、所定のクリティカルディメンションの値、所定のウエハ反りの値、所定のライン幅の値、所定のフィーチャピッチの値、所定のフィーチャ間隔の値、または、所定の測定可能な値、の内の少なくとも１つに関連する、方法。
3. 請求項１に記載の方法であって、前記カーペットの前記複数部分は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含み、前記カーペットの各部分は、少なくとも２つのフレームを含み、各部分は、前記カーペットのパッチである、方法。
4. 請求項１に記載の方法であって、前記加工エッチング処理の前記カーペットの前記複数部分は、前記メトリックの予測値に相関された仮想フレーム番号を特定するために、前記仮想カーペットにフィッティングされる、方法。
5. 請求項１に記載の方法であって、前記トレーニング動作は、前記エッチング処理を複数のウエハに実行し、各ウエハについて、個々にサンプリングされたフレーム時間にスペクトルの時系列を捕捉することを含み、前記個々にサンプリングされたフレーム時間に捕捉された前記スペクトルの時系列は、それぞれのカーペットを規定し、各それぞれのカーペットは、それぞれの係数を有する多項式によって特徴付けられ、前記仮想カーペットは、前記多項式から導出された係数と、前記トレーニング動作中に生成された前記カーペットのそれぞれの係数とを有する対応する多項式を有する、方法。
6. 請求項５に記載の方法であって、トレーニング中に生成された各カーペットの前記それぞれの多項式の前記係数は、前記仮想カーペットを生成するために、次元削減アルゴリズムによって処理され、前記仮想カーペットは、前記トレーニング動作中に生成されたカーペットから取得されたすべての係数の上位集合であるそれぞれの係数を有する標準化された多項式によって規定される、方法。
7. 請求項６に記載の方法であって、前記加工エッチング処理の前記カーペットの前記複数部分を前記仮想カーペットと比較することは、前記仮想カーペットから仮想フレーム番号を特定するために、前記カーペットの前記複数部分を前記仮想カーペットにフィッティングすることを含み、前記仮想フレーム番号は、前記メトリックの予測値に対応付けられ、所望のメトリックに実質的に適合した時の前記メトリックの前記予測値は、エッチングエンドポイントを示唆する、方法。
8. 請求項１に記載の方法であって、前記トレーニング動作は、
   基板のエッチング中に生成されたサンプルスペクトルデータから複数のカーペットを生成し、各カーペットは、エッチングされている基板から生成され、
   前記エッチングされた基板の各々について得られたメトリックに関するデータを測定または受信し、
   前記複数のカーペットの各々から前記仮想カーペットを生成し、前記仮想カーペットは、複数の多項式を前記複数のカーペットの各々のそれぞれの係数とフィッティングすることによって生成された係数を有する多項式によって規定されること、
   を含み、
   前記仮想カーペットの前記係数の少なくとも一部は、浮動パラメータであり、他のパラメータは、前記トレーニング動作中に生成された前記複数のカーペットの各々の前記多項式の前記係数すべてが、前記仮想カーペットの前記係数の部分集合になるように、固定されるかまたは前記浮動パラメータに結合される、方法。
9. 請求項８に記載の方法であって、前記仮想フレーム番号に加えて、前記浮動パラメータは、前記メトリックの予測値に対応付けるために用いられ、所望のメトリックに実質的に適合した時の前記メトリックの前記予測値は、エッチングエンドポイントを示唆する、方法。
10. 請求項１に記載の方法であって、前記スペクトルの時系列は、広帯域その場反射率測定に関連する強度スペクトルデータ、発光分光分析（ＯＥＳ）に関連する強度スペクトルデータ、または、広帯域その場偏光解析に関連する偏光解析スペクトルデータであり、前記スペクトルデータは、フィーチャがウエハ上にエッチングされている時に、エッチングに用いられているチャンバから収集される、方法。
11. チャンバ内でエッチング処理中に生成されたスペクトルの時系列からトレーニングデータを生成するための方法であって、
    １または複数のチャンバ内で複数の基板をエッチングし、前記エッチングが処理されている間に、スペクトルのフレームの複数のサンプルを捕捉し、捕捉されたスペクトルの各フレームは、波長の関数として前記スペクトルの強度を特定し、
    メトリックを測定し、前記エッチングの完了後に、前記測定されたメトリックを前記対応する基板のスペクトルの最後のフレームに関連付けることによって、各基板に関連するメトリックが関連付けられ、
    エッチングされる前記基板の各々に１つずつの複数のカーペットを生成し、前記カーペットの各々は、前記スペクトルの前記複数のフレームによって規定され、対応する係数を有する多項式が、前記各々のカーペットの特性を規定し、
    多項式フィッティングアルゴリズムを用いて前記複数のカーペットを処理することによって、仮想カーペットを生成し、前記仮想カーペットは、前記複数のカーペットのいずれもが、前記仮想カーペット内の仮想フレーム番号を決定するために、前記仮想カーペット上に射影されうるように、前記複数のカーペットの上位集合になっており、
    前記仮想カーペットの前記仮想フレーム番号を前記メトリックの予測値に相関させること、
    を備え、
    前記仮想カーペットは、前記仮想カーペットから得られた前記メトリックの現在の予測値が、リアルタイム処理中の前記エッチング処理のエンドポイントを示す前記メトリックの所定の値に対応する時点を決定するために、基板の前記リアルタイム処理中にコントローラによってアクセスされる、方法。
12. 請求項１１に記載の方法であって、前記エッチングに関連する前記メトリックは、エッチング深さ、クリティカルディメンションの値、ウエハ反りの値、ライン幅の値、フィーチャピッチの値、フィーチャ間隔の値、または、測定可能な値、の内の１つである、方法。
13. 請求項１２に記載の方法であって、前記コントローラは、前記基板の前記リアルタイム処理について前記トレーニングデータの生成中に生成された前記仮想カーペットにアクセスするために、データベースまたはレシピファイルに接続するよう構成されている、方法。
14. 請求項１２に記載の方法であって、
    前記リアルタイム処理中に、前記コントローラは、前記リアルタイム処理のためのカーペットを生成しているように構成され、
    前記カーペットが生成されている時に、前記メトリックの前記所定の値に到達したか否かを決定するために、前記カーペットの少なくとも一部またはパッチが、前記仮想カーペットとの比較に用いられる、方法。
15. 請求項１４に記載の方法であって、前記比較は、前記仮想カーペットのハイパーパラメータに対する前記カーペットの前記一部または前記パッチの多項式フィッティングを実行して、前記仮想カーペットおよび前記カーペットとの対応付けが前記リアルタイム処理中に生成されることを可能にすることを含み、前記仮想カーペットは、前記仮想フレーム番号を決定するために用いられ、前記メトリックは、前記トレーニングデータの生成中に実装されたレシピパラメータを用いて決定される、方法。
16. 請求項１５に記載の方法であって、前記カーペットの前記一部は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含み、前記仮想カーペットとの前記比較中に、捕捉されたスペクトルの前記少なくとも１つの以前のフレームを用いることで、前記基板の前記リアルタイム処理の現在の状態の正確な特定が可能になる、方法。
17. 請求項１５に記載の方法であって、前記メトリックは、エッチングの深さであり、前記カーペットの前記一部は、前記エッチング処理についてのエッチングの予測深さに相関された仮想フレーム番号を特定するために、前記仮想カーペットにフィッティングされる、方法。
18. スペクトルの時系列を用いて、エッチング処理のエンドポイントを特定するためのプログラム命令を有するコンピュータ読み取り可能な媒体であって、
    トレーニング動作中に収集された前記エッチング処理のためのスペクトルの時系列から生成された仮想カーペットにアクセスするためのプログラム命令と、
    加工ウエハに加工エッチング処理を施すためのプログラム命令と、前記加工エッチング処理が実行される間に、スペクトルの時系列から規定されたカーペットの複数部分が、前記加工エッチング処理に対して生成され、
    前記加工エッチング処理の前記カーペットの前記複数部分を前記仮想カーペットと比較するためのプログラム命令と、
    前記比較が、前記加工ウエハにとって所望のメトリックに到達したことを示唆する時に、前記加工エッチング処理のエンドポインティングを処理するためのプログラム命令と、
    を備える、コンピュータ読み取り可能な媒体。
19. 請求項１８に記載のコンピュータ読み取り可能な媒体であって、前記カーペットの前記複数部分は、捕捉されたスペクトルの現在のフレームと、捕捉されたスペクトルの少なくとも１つの以前のフレームとを含み、前記カーペットの各部分は、少なくとも２つのフレームを含み、各部分は、前記カーペットのパッチである、コンピュータ読み取り可能な媒体。
20. 請求項１８に記載のコンピュータ読み取り可能な媒体であって、前記加工エッチング処理の前記カーペットの前記複数部分は、前記メトリックの予測値に相関された仮想フレーム番号を特定するために、前記仮想カーペットにフィッティングされる、コンピュータ読み取り可能な媒体。
21. 請求項１９に記載のコンピュータ読み取り可能な媒体であって、前記トレーニング動作は、前記エッチング処理を複数のウエハに実行し、各ウエハについて、個々にサンプリングされたフレーム時間にスペクトルの時系列を捕捉することと、を含み、前記個々にサンプリングされたフレーム時間に捕捉された前記スペクトルの時系列は、それぞれのカーペットを規定し、各それぞれのカーペットは、それぞれの係数を有する多項式によって特徴付けられ、前記仮想カーペットは、前記多項式から導出された係数と、前記トレーニング動作中に生成された前記カーペットのそれぞれの係数と、を有する対応する多項式を有する、コンピュータ読み取り可能な媒体。
22. 請求項１７に記載のコンピュータ読み取り可能な媒体であって、前記トレーニング動作は、
    基板のエッチング中に生成されたサンプルスペクトルデータから複数のカーペットを生成するためのプログラム命令であって、各カーペットは、エッチングされている基板から生成される、プログラム命令と、
    前記エッチングされる基板の各々について得られたメトリックに関するデータを測定または受信するためのプログラム命令と、
    前記複数のカーペットの各々から前記仮想カーペットを生成するためのプログラム命令であって、前記仮想カーペットは、複数の多項式を前記複数のカーペットの各々のそれぞれの係数とフィッティングすることによって生成された係数を有する多項式によって規定される、プログラム命令と、
    を含み、
    前記仮想カーペットの前記係数の少なくとも一部は、浮動パラメータであり、他のパラメータは、前記トレーニング動作中に生成された前記複数のカーペットの各々の前記多項式の前記係数すべてが、前記仮想カーペットの前記係数の部分集合になるように、固定されるかまたは前記浮動パラメータに結合される、コンピュータ読み取り可能な媒体。
23. 請求項１８に記載のコンピュータ読み取り可能な媒体であって、前記所望のメトリックは、所定のエッチング深さ、所定のクリティカルディメンションの値、所定のウエハ反りの値、所定のライン幅の値、所定のフィーチャピッチの値、所定のフィーチャ間隔の値、または、所定の測定可能な値、の内の少なくとも１つに関連する、コンピュータ読み取り可能な媒体。