JP2024043651A - エッチング制御装置、エッチング制御方法、及びエッチング制御システム - Google Patents
エッチング制御装置、エッチング制御方法、及びエッチング制御システム Download PDFInfo
- Publication number
- JP2024043651A JP2024043651A JP2022148754A JP2022148754A JP2024043651A JP 2024043651 A JP2024043651 A JP 2024043651A JP 2022148754 A JP2022148754 A JP 2022148754A JP 2022148754 A JP2022148754 A JP 2022148754A JP 2024043651 A JP2024043651 A JP 2024043651A
- Authority
- JP
- Japan
- Prior art keywords
- etching
- model
- parameters
- substrate
- process parameters
- 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
- 238000005530 etching Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 150
- 238000009826 distribution Methods 0.000 claims abstract description 45
- 239000000758 substrate Substances 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000000126 substance Substances 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 4
- 238000001039 wet etching Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 19
- 230000009977 dual effect Effects 0.000 description 14
- 238000012549 training Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 239000007788 liquid Substances 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007639 printing Methods 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
- H01L21/67011—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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Drying Of Semiconductors (AREA)
- Weting (AREA)
- Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
- Cleaning Or Drying Semiconductors (AREA)
Abstract
【課題】ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現できるエッチング制御装置、エッチング制御方法、及びエッチング制御システムを提供する。
【解決手段】エッチング制御装置は、基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、モデルのパラメータを更新する更新部と、更新部によってパラメータが更新されたモデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する計算部と、プロセスパラメータを用いて、複数のノズルの動作を制御する動作制御部と、を有する。
【選択図】図1
【解決手段】エッチング制御装置は、基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、モデルのパラメータを更新する更新部と、更新部によってパラメータが更新されたモデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する計算部と、プロセスパラメータを用いて、複数のノズルの動作を制御する動作制御部と、を有する。
【選択図】図1
Description
本開示は、エッチング制御装置、エッチング制御方法、及びエッチング制御システムに関する。
従来、半導体加工において、回転する基板上に現像液等の薬液を吐出する現像装置及び枚葉洗浄装置が知られている(例えば、特許文献1を参照)。
本開示は、ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現できるエッチング制御システム、及びエッチング制御方法を提供する。
実施形態に係るエッチング制御装置は、基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、前記基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、前記モデルのパラメータを更新する更新部と、前記更新部によってパラメータが更新された前記モデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する計算部と、前記プロセスパラメータを用いて、前記複数のノズルの動作を制御する動作制御部と、を有する。
本開示によれば、ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現できる。
近年、半導体加工の複雑化に伴い、枚葉洗浄装置におけるウェットエッチング制御に求められる性能が多彩化している。例えば、これまで通りの均一なエッチングプロファイルだけではなく、前工程までに生じた残膜量を補正して打ち消し、均一にするような制御性が求められる場合がある。
また、ウェットエッチングプロファイルを制御する手法として、スイングシーケンスが知られている。スイングシーケンスは、薬液を吐出するノズルを、回転する基板の半径方向に行ったり来たりさせる手法である。
しかしながら、従来の技術では、ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現することが難しいという問題がある。
ここで、エッチング量は、エッチングの深さである。また、エッチング量の分布は、基板の半径方向の位置(半径位置)ごとのエッチング量である。
例えば、従来のスイングシーケンスにおいては、基板(ウェーハ)の回転中にノズルが動き続けるため、プロセスレシピに示される動作が複雑になる上、任意の半径位置のエッチング量を増加させたい、又は減少させたいというニーズには対応し辛い。
なお、プロセスレシピは、スイングシーケンスにおける1つ以上のノズルの動作を定義した情報である。
また、例えば、従来のスイングシーケンスにおいては、プロセスレシピの最適化の手法が自動化されておらず、エンジニアの経験と多くの試行によってプロセスレシピの最適化が行われる。
そこで、ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現できる技術が期待されている。
以下に、エッチング制御装置、エッチング制御方法、及びエッチング制御システムの実施形態について、図面に基づいて詳細に説明する。なお、以下の実施形態により開示技術は限定されない。
実施形態では、デュアルディスペンスプロセスと呼ばれるウェットエッチングが行われるものとする。デュアルディスペンスプロセスでは、2つのノズルが円形の基板に液を吐出する。
2つのノズルのうちの第1のノズルは、リンス(例えば、水)を吐出する。また、2つのノズルのうちの第2のノズルは、薬液(例えば、エッチング液)を吐出する。薬液は、基板を腐食させる。また、リンスは、薬液を薄め、基板の腐食の度合いを抑える。
2つのうちの一方は、基板の中心部に対して液の吐出を行い、他方は基板の外周部に対して液の吐出を行う。エッチング制御システムは、2つのノズルの位置をプロセスレシピに従って移動させることにより、基板上に意図したエッチング量の分布を生じさせる。
デュアルディスペンスプロセスにおいては、一方のノズルの位置を基板の中央部に固定し、他方のノズルの位置を外周部で移動させることで、制御性を向上させることができる。また、デュアルディスペンスプロセスは、現像及び枚葉洗浄等で採用され得る。
[実施形態の構成]
図1を用いて、エッチング制御システムの構成を説明する。図1は、エッチング制御システムの構成例を示す図である。
図1を用いて、エッチング制御システムの構成を説明する。図1は、エッチング制御システムの構成例を示す図である。
図1に示すように、エッチング制御システム1は、エッチング制御装置20及び測定装置80を有する。
エッチング制御装置20は、エッチング量の分布とプロセスパラメータとの関係を表すモデルの更新、及び当該モデルを使ったプロセスパラメータの予測を行う。なお、エッチング量は、単膜ウェーハ上での膜厚の減少量だけではなく、デバイスパターン上のエッチング量又はCD(Critical Dimension)に置き換えられてもよい。
プロセスパラメータは、デュアルディスペンスプロセスにおける2つのノズルの動作を定義するための情報である。例えば、プロセスパラメータを基にプロセスレシピが生成される。
図2に示すように、エッチング量の分布は、基板上の位置ごとのエッチング量である。図2は、エッチング量の分布を説明する図である。図2の横軸は、基板上の中心からの距離、すなわち半径位置である。図2の縦軸は、半径位置ごとのエッチング量である。
エッチング量の分布は、一定の半径位置ごと(例えば1mmごと)のエッチング量を実際に示すデータであってもよいし、曲線の形状を特定するためのパラメータであってもよい。
モデルは、エッチング量の分布とプロセスパラメータとの関係を表現可能なものであればよく、例えば回帰モデルである。また、モデルは、回帰モデルに限られず、ニューラルネットワーク等であってもよい。
エッチング制御装置20は、プロセスパラメータに基づき、エッチング装置を制御する。具体的には、エッチング制御装置20は、デュアルディスペンスプロセスにおける2つのノズルの動作を制御する。
測定装置80は、エッチングの対象となる基板の残膜量の分布を測定する。例えば、測定装置80は、分光膜厚計、スキャトロメトリ、SEM(Scanning Electron Microscope)等により基板の残膜量の分布を計測する。
ここで、図3を用いて、デュアルディスペンスプロセスを説明する。図3は、デュアルディスペンスプロセスを説明する図である。
図3に示すように、本実施形態におけるデュアルディスペンスプロセスは、ステップS501、ステップS502、ステップS503、ステップS504、ステップS505、ステップS506、ステップS507、ステップS508を含む。デュアルディスペンスプロセスでは、これらの全てのステップが実施されてもよいし、一部のステップが省略されてもよい。プロセスパラメータは、各ステップにおけるノズルの動作(吐出位置、吐出時間、速度等)を定義する。
ウェーハ61は、デュアルディスペンスプロセスにおいてエッチングが行われる円状(円盤状)の基板である。ノズル62は、リンス(例えば、水)を吐出するノズルである。ノズル63は、薬液(例えば、エッチング液)を吐出するノズルである。
ステップS501(Type3外側)では、ノズル62がウェーハ61の中心部にリンスを吐出し、ノズル63がウェーハ61の外周部に薬液を吐出する。また、ステップS501については、プロセスパラメータによって、ノズル63の吐出位置及び吐出時間が定義される。
ステップS502(Type3スキャンイン)では、ノズル62がウェーハ61の中心部にリンスを吐出し、ノズル63がウェーハ61の外周部から中心部に移動しつつ薬液を吐出する。また、ステップS502については、プロセスパラメータによって、ノズル63の移動速度が定義される。
ステップS503(Type3内側)では、ノズル62がウェーハ61の中心部にリンスを吐出し、ノズル63がウェーハ61の外周部(ただし、ステップS501(Type3外側)よりも中心部に近い)に薬液を吐出する。また、ステップS503については、プロセスパラメータによって、ノズル63の吐出位置及び吐出時間が定義される。
ステップS504(Type2内側)では、ノズル63がウェーハ61の中心部に薬液を吐出し、ノズル62がウェーハ61の外周部にリンスを吐出する。また、ステップS504については、プロセスパラメータによって、ノズル62の吐出位置及び吐出時間が定義される。
ステップS505(Type2スキャンアウト)では、ノズル63がウェーハ61の中心部に薬液を吐出し、ノズル62がウェーハ61の中心部から外周部に移動しつつリンスを吐出する。また、ステップS505については、プロセスパラメータによって、ノズル62の移動速度が定義される。
ステップS506(Type2外側)では、ノズル63がウェーハ61の中心部に薬液を吐出し、ノズル62がウェーハ61の外周部(ただし、ステップS504(Type2内側)よりも中心部から遠い)にリンスを吐出する。また、ステップS506については、プロセスパラメータによって、ノズル62の吐出位置及び吐出時間が定義される。
ステップS507(Type1)では、ノズル63がウェーハ61の中心部に薬液を吐出する。また、ステップS507については、プロセスパラメータによって、ノズル63の吐出時間が定義される。
ステップS508(Type1)では、ノズル62がウェーハ61の中心部にリンスを吐出する。
Type3のレシピではノズル63によって薬液が吐出される領域のエッチング量は増加し、また、ノズル63の吐出時間が長いほど(又はスキャンにおける移動速度が遅いほど)その他の領域に比較してエッチング量は増加する。Type2のレシピではノズル62によってリンスが吐出される領域のエッチング量は減少し、また、ノズル62の吐出時間が長いほど(又はスキャンにおける移動速度が遅いほど)その他の領域に比較してエッチング量は減少する。
なお、スキャン(S502、S505)における移動開始位置及び移動終了位置は、前後のステップの吐出位置から導かれる。また、移動速度、移動開始位置及び移動終了位置から、吐出時間が導かれる。このため、スキャンについては、プロセスパラメータによって移動速度のみが定義されていればよい。
図3で説明した各ステップのプロセスパラメータを調整することで、エッチング制御装置20は、様々なエッチング量の形状を実現することができる。
図1に戻り、エッチング制御システム1の処理の流れを説明する。まず、測定装置80は、訓練用データを生成する(ステップS1)。訓練用データのエッチング量は、エッチング処理の前後に測定装置80が計測した残膜量の差すなわちエッチング量の分布に相当する。
次に、エッチング制御装置20は、訓練用データを用いてモデルを更新する(ステップS2)。
訓練用データは、実際に測定装置80がエッチング前後の基板を測定して得られた残膜量の差であるエッチング量の形状(検量線データ)と、そのときのプロセスパラメータの組み合わせである。このようなデータの組み合わせは、機械学習における教師データということができる。エッチング制御装置20は、既知の学習手法により、モデルを更新することができる。
次に、エッチング制御装置20は、更新済みのモデル及び目標プロファイルを基に、プロセスパラメータを予測する(ステップS3)。目標プロファイルは、指定されたエッチング量の分布である。また、目標プロファイルに対応するプロセスパラメータは未知である。
例えば、目標プロファイルは、前工程で生じた基板上の残膜を打ち消すようなエッチング量の分布である。
エッチング制御装置20は、更新済みのモデルに目標プロファイルを入力し、プロセスパラメータを出力させる。すなわち、ステップS3では、更新済みのモデルを使った推論処理が行われる。
続いて、エッチング制御装置20は、プロセスパラメータを基にプロセスレシピを更新する(ステップS4)。そして、エッチング制御装置20は、プロセスレシピを基にエッチングを実施する(ステップS5)。
図4を用いて、エッチング制御装置20の構成を説明する。図4は、実施形態に係るエッチング制御装置の構成例を示すブロック図である。
図4に示すように、エッチング制御装置20は、I/F(インタフェース)部21、記憶部22及び制御部23を有する。
I/F部21は、他の装置の間でデータのやり取りを行うためのインタフェースである。例えば、I/F部21はNIC(Network Interface Card)である。さらに、I/F部21は、マウス、キーボード、ディスプレイ及びスピーカ等の入出力装置と接続されていてもよい。
記憶部22は、例えば、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。
記憶部22は、プロセスレシピ221及びモデル情報222を記憶する。プロセスレシピ221は、デュアルディスペンスプロセスにおける各ノズルの動作を定義した情報である。モデル情報222は、モデルを構築するための情報である。モデル情報222は、エッチング制御装置20によって更新される。例えば、モデル情報222は回帰モデルにおける回帰係数等のパラメータである。
制御部23は、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、GPU(Graphics Processing Unit)等によって、内部の記憶装置に記憶されているプログラムがRAMを作業領域として実行されることにより実現される。
また、制御部23は、例えば、ASIC(Application Specific Integrated Circuit)及びFPGA(Field Programmable Gate Array)等の集積回路により実現されてもよい。
制御部23は、予測部231及びエッチング制御部232を有する。また、予測部231は、計算部231aと、更新部231bと、提供部231cと、を有する。エッチング制御部232は、取得部232aと、更新部232bと、動作制御部232cと、を有する。なお、制御部23の内部構成は、ここで説明した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
計算部231aは、モデル情報222を基に構築されたモデルに、エッチング量の分布を入力し、プロセスパラメータを計算する。計算部231aは、訓練用データに含まれるエッチング量の分布、又は目標プロファイルとして指定されたエッチング量の分布をモデルに入力することができる。
更新部231bは、基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、モデルのパラメータを更新する。
ここでは、更新部231bは、訓練用データに含まれるエッチング量の分布と、訓練用データ取得時のプロセスパラメータから予測されるエッチング量データの差分が小さくなるように、モデルのパラメータ(モデル情報222)を更新する。
例えば、更新部231bは、モデルが回帰モデルであれば最小二乗法を使ってパラメータを更新し、モデルがニューラルネットワークであれば誤差逆伝播法を使ってパラメータを更新することができる。
提供部231cは、計算部231aによって計算されたプロセスパラメータを提供する。提供部231cは、ディスプレイ及びプリンタ等の出力装置にプロセスパラメータを出力してもよいし、エッチング制御部232にプロセスパラメータを送信してもよい。
取得部232aは、提供部231cから提供されるプロセスパラメータを取得する。
更新部232bは、取得部232aによって取得されたプロセスパラメータを基に、プロセスレシピ221を更新する。
動作制御部232cは、取得部232aによって取得されたプロセスパラメータを用いて、複数のノズルの動作を制御する。動作制御部232cは、プロセスレシピ221に従ってノズルを動作させることにより、デュアルディスペンスプロセスを実施する。
[実施形態の処理]
図5を用いて、エッチング制御システム1の処理の流れを説明する。図5は、エッチング制御システムの処理の流れを示すフローチャートである。
図5を用いて、エッチング制御システム1の処理の流れを説明する。図5は、エッチング制御システムの処理の流れを示すフローチャートである。
まず、エッチング制御装置20は、訓練用データの入力を受け付ける(ステップS101)。次に、エッチング制御装置20は、訓練用データを用いてモデルを更新する(ステップS102)。
続いて、エッチング制御装置20は、更新済みのモデルに目標プロファイルを入力しプロセスパラメータを予測する(ステップS103)。エッチング制御装置20は、プロセスパラメータを基にエッチングを実施する(ステップS104)。
ここで、図6及び図7を用いて、エッチング制御装置20によるモデルの更新処理及びプロセスパラメータの予測処理の流れを説明する。図6及び図7は、モデルの更新処理及びプロセスパラメータの予測処理の流れを示すフローチャートである。
モデルによって出力されるプロセスパラメータは、下記の11個であるものとする。これにより、モデルは、回転する基板上にリンスを吐出する第1のノズルと、基板をエッチングする薬液を吐出する第2のノズルと、の吐出時間、吐出位置、及び移動速度を決定するためのパラメータであるプロセスパラメータと、エッチング量の分布との関係を表す。
(1)中央吐出(Type1)時間:ステップS507(Type1)におけるノズル63の吐出時間に関連。
(2)Type2 外周吐出位置_1:ステップS504(Type2内側)におけるノズル62の吐出位置に関連。
(3)Type2 外周吐出時間_1:ステップS504(Type2内側)における両方のノズルの吐出時間に関連。
(4)Type2 Scan速度:ステップS505(Type2スキャンアウト)におけるノズル62の移動速度に関連。
(5)Type2 外周吐出位置_2:ステップS506(Type2外側)におけるノズル62の吐出位置に関連。
(6)Type2 外周吐出時間_2:ステップS506(Type2外側)における両方のノズルの吐出時間に関連。
(7)Type3 外周吐出位置_1:ステップS501(Type3外側)におけるノズル63の吐出位置に関連。
(8)Type3 外周吐出時間_1:ステップS501(Type3外側)における両方のノズルの吐出時間に関連。
(9)Type3 Scan速度:ステップS502(Type3スキャンイン)におけるノズル63の移動速度に関連。
(10)Type3 外周吐出位置_2:ステップS503(Type3内側)におけるノズル63の吐出位置に関連。
(11)Type3 外周吐出時間_2:ステップS503(Type3内側)における両方のノズルの吐出時間に関連。
(1)中央吐出(Type1)時間:ステップS507(Type1)におけるノズル63の吐出時間に関連。
(2)Type2 外周吐出位置_1:ステップS504(Type2内側)におけるノズル62の吐出位置に関連。
(3)Type2 外周吐出時間_1:ステップS504(Type2内側)における両方のノズルの吐出時間に関連。
(4)Type2 Scan速度:ステップS505(Type2スキャンアウト)におけるノズル62の移動速度に関連。
(5)Type2 外周吐出位置_2:ステップS506(Type2外側)におけるノズル62の吐出位置に関連。
(6)Type2 外周吐出時間_2:ステップS506(Type2外側)における両方のノズルの吐出時間に関連。
(7)Type3 外周吐出位置_1:ステップS501(Type3外側)におけるノズル63の吐出位置に関連。
(8)Type3 外周吐出時間_1:ステップS501(Type3外側)における両方のノズルの吐出時間に関連。
(9)Type3 Scan速度:ステップS502(Type3スキャンイン)におけるノズル63の移動速度に関連。
(10)Type3 外周吐出位置_2:ステップS503(Type3内側)におけるノズル63の吐出位置に関連。
(11)Type3 外周吐出時間_2:ステップS503(Type3内側)における両方のノズルの吐出時間に関連。
プロセスパラメータには、吐出位置、吐出時間、速度等の名称が付されているが、これらのプロセスパラメータの値がノズルの吐出位置、吐出時間、速度を必ずしも直接決定するわけではない。
例えば、プロセスパラメータ「(2)Type2 外周吐出位置_1」は、図3のステップS506(Type2外側)におけるノズル62の吐出位置と関連しているが、ノズル62の吐出位置を一意に決定するものとは限らない。
例えば、エッチング制御装置20は、各プロセスパラメータの値を適宜加工し、単位を定め、プロセスレシピを生成する。その場合、エッチング制御装置20は、プロセスレシピに従ってノズルの動作を制御する。
図6は、モデルの更新処理の流れを示すフローチャートである。まず、エッチング制御装置20は、訓練用データとして、中央エッチング量を取得する(ステップS201)。具体的には、エッチング制御装置20は、中央部のエッチング量と(1)のプロセスパラメータ(実際の値)との組み合わせを取得する。
ここで、あらかじめ用意した様々なエッチング形状を参照することで、エッチング制御装置20は、中央部のエッチング量及び(1)のプロセスパラメータのみを用いてモデルを更新することができる。あらかじめ用意したエッチング形状を用いてモデルの更新を行う場合、すなわち形状を微調整しない場合(ステップS202、No)、エッチング制御装置20はステップS204に進む。
一方、あらかじめ用意したエッチング形状を用いてモデルの更新を行わない場合、すなわち形状を微調整する場合(ステップS202、No)、エッチング制御装置20はステップS203に進む。
形状フィッティング(ステップS203)では、エッチング制御装置20は、(2)、(5)、(7)、(10)のプロセスパラメータ(実際の値)とエッチング量との組み合わせにより、モデルの更新を行う。
さらに、エッチング制御装置20は、外周吐出位置最適化を行う(ステップS204)。ここでは、エッチング制御装置20は、現時点のモデルを使って、目標プロファイルから、(1)~(11)のプロセスパラメータ(予測値)を計算する。
そして、エッチング制御装置20は、ステップS204で計算した予測値と、訓練データに含まれるプロセスパラメータとの誤差が小さくなるように、暫定パラメータ群を更新する。暫定パラメータ群は、目標プロファイルと(1)~(11)のプロセスパラメータとによって決まる暫定的なパラメータ群であって、ステップS206及びS207で使用される。
エッチング制御装置20は、吐出時間最適化を行う(ステップS206)。ここでは、エッチング制御装置20は、(2)、(4)、(5)、(7)、(9)、(10)のプロセスパラメータを調整する。
さらに、エッチング制御装置20は、ステップS206までの処理で予測されたプロセスパラメータから導かれるエッチング量の分布と、目標プロファイルとの誤差を、モデル残差として算出する(ステップS207)。
このとき、終了条件が満たされている場合(ステップS208、Yes)、エッチング制御装置20は、ステップS206までの処理で予測されたプロセスパラメータを最終的なプロセスパラメータとして出力し、処理を終了する。例えば、終了条件は、モデル残差が十分小さくなったこと、繰り返しが一定回数だけ行われたこと、等である。
終了条件が満たされていない場合(ステップS208、No)、エッチング制御装置20は、ステップS206に戻りさらに処理を繰り返す。
ステップS201、S203及びS204では、主に吐出位置に関するプロセスパラメータが調整され、エッチング量の分布の形状が決定される。さらに、ステップS206では、主に吐出時間に関するプロセスパラメータが調整され、エッチング量の分布の形状が伸縮し、目標プロファイルに近付いていく。
予測装置10は、図7に示す流れで更新処理を行ってもよい。図7は、モデルの更新処理の流れを示すフローチャートである。図7の例では、最初のステップで形状の微調整を行うか否かによって分岐する。
あらかじめ用意したエッチング形状を用いてモデルの更新を行う場合、すなわち形状を微調整しない場合(ステップS301、No)、予測装置10はステップS304に進む。
ステップS304の外周吐出位置最適化では、予測装置10は、モデルを使って、目標プロファイルから、(1)~(11)のプロセスパラメータ(予測値)を計算する。また、予測装置10は、中央エッチング量を取得する(ステップS305)。
一方、あらかじめ用意したエッチング形状を用いてモデルの更新を行わない場合、すなわち形状を微調整する場合(ステップS301、Yes)、予測装置10はステップS302に進む。
そして、予測装置10は、図6のステップS201及びS203と同様に、中央エッチング量取りと形状フィッティングを行い(ステップS302)、ステップS303に進む。
そして、ステップS303の外周吐出位置最適化では、予測装置10は、モデルを使って、目標プロファイルから、(2)~(11)のプロセスパラメータ(予測値)を計算する。予測装置10は、ステップS302で(1)のプロセスパラメータを取得済みである。
そして、予測装置10は、ステップS304又はS305で計算した予測値と、訓練データに含まれるプロセスパラメータとの誤差が小さくなるように、暫定パラメータ群を更新する(ステップS306)。暫定パラメータ群は、目標プロファイルと(1)~(11)のプロセスパラメータとによって決まる暫定的なパラメータ群であって、ステップS307及びS308で使用される。
予測装置10は、吐出時間最適化を行う(ステップS307)。ここでは、予測装置10は、(2)、(4)、(5)、(7)、(9)、(10)のプロセスパラメータを調整する。
さらに、予測装置10は、ステップS307までの処理で予測されたプロセスパラメータから導かれるエッチング量の分布と、目標プロファイルとの誤差を、モデル残差として算出する(ステップS308)。
このとき、終了条件が満たされている場合(ステップS309、Yes)、予測装置10は、ステップS307までの処理で予測されたプロセスパラメータを最終的なプロセスパラメータとして出力し、処理を終了する。例えば、終了条件は、モデル残差が十分小さくなったこと、繰り返しが一定回数だけ行われたこと、等である。
終了条件が満たされていない場合(ステップS309、No)、予測装置10は、ステップS206に戻りさらに処理を繰り返す。
ステップS301、S302、S303、S304及びS305では、主に吐出位置に関するプロセスパラメータが調整され、エッチング量の分布の形状が決定される。さらに、ステップS307では、主に吐出時間に関するプロセスパラメータが調整され、エッチング量の分布の形状が伸縮し、目標プロファイルに近付いていく。
これまで説明してきたように、実施形態のエッチング制御装置20は、更新部231bと、計算部231aと、動作制御部232cと、を有する。更新部231bは、基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、モデルのパラメータを更新する。計算部231aは、更新部231bによってパラメータが更新されたモデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する。動作制御部232cは、取得部232aによって取得されたプロセスパラメータを用いて、複数のノズルの動作を制御する。その結果、実施形態によれば、ウェットエッチングにおいて複雑なエッチング量の分布を効率良く実現できる。
また、エッチング制御装置20がエッチングの動作制御とプロセスパラメータの最適化の両方を行うため、エッチングの結果に応じたフィードバックによりその場でプロセスパラメータを最適化することができる。
さらにエッチング制御システム1は測定装置80を有するため、エッチング前に測定されたウェーハの残膜量と目標プロファイルから、フィードフォワードにより当該ウェーハの最適なプロセスパラメータを最適化することができる。
今回開示された実施形態は、すべての点で例示であって、制限的なものではないと考えられるべきである。上記の実施形態は、添付の請求の範囲及びその主旨を逸脱することなく、様々な形体で省略、置換、変更されてもよい。
上記の実施形態で説明した各種の処理は、あらかじめ用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の各実施形態と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図8は、プログラムを実行するコンピュータの一例を示す図である。
図8に示すように、コンピュータ1000は、各種演算処理を実行するコンピュータ1010と、データ入力を受け付ける入力装置1020と、モニタ1030とを有する。また、コンピュータ1000は、各種装置と接続するためのインタフェース装置1040と、他の情報処理装置等と有線又は無線により接続するための通信装置1050とを有する。また、コンピュータ1000は、各種情報を一時記憶するRAM1060と、記憶装置1070とを有する。また、各装置1010~1070は、バス1080に接続される。
記憶装置1070には、図4に示した計算部231a、更新部231b、提供部231c、取得部232a、更新部232b、及び動作制御部232cの各処理部と同様の機能を有するプログラムが記憶される。また、記憶装置1070には、モデル情報222が記憶される。入力装置1020は、例えば、コンピュータ1000のユーザから操作情報等の各種情報の入力を受け付ける。モニタ1030は、例えば、コンピュータ1000のユーザに対して表示画面等の各種画面を表示する。インタフェース装置1040は、例えば印刷装置等が接続される。通信装置1050は、例えば、図示しないネットワークと接続され、他の情報処理装置と各種情報をやり取りする。
コンピュータ1010は、記憶装置1070に記憶された各プログラムを読み出して、RAM1060に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ1000を、図4に示した計算部231a、更新部231b、提供部231c、取得部232a、更新部232b、及び動作制御部232cとして機能させることができる。
なお、上記のプログラムは、必ずしも記憶装置1070に記憶されている必要はない。例えば、コンピュータ1000が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ1000が読み出して実行するようにしてもよい。コンピュータ1000が読み取り可能な記憶媒体は、例えば、CD-ROMやDVD(Digital Versatile Disc)、USB(Universal Serial Bus)メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、LAN等に接続された装置にこのプログラムを記憶させておき、コンピュータ1000がこれらからプログラムを読み出して実行するようにしてもよい。
ここでは、エッチング制御装置20を実現するためのコンピュータの例を説明したが、測定装置80についても、ここで説明したコンピュータと同様の構成のコンピュータにより実現される。
1 エッチング制御システム
20 エッチング制御装置
21 I/F部
22 記憶部
23 制御部
61 ウェーハ
62、63 ノズル
221 プロセスレシピ
222 モデル情報
231 予測部
231a 計算部
231b 更新部
231c 提供部
232a 取得部
232b 更新部
232c 動作制御部
20 エッチング制御装置
21 I/F部
22 記憶部
23 制御部
61 ウェーハ
62、63 ノズル
221 プロセスレシピ
222 モデル情報
231 予測部
231a 計算部
231b 更新部
231c 提供部
232a 取得部
232b 更新部
232c 動作制御部
Claims (4)
- 基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、前記基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、前記モデルのパラメータを更新する更新部と、
前記更新部によってパラメータが更新された前記モデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する計算部と、
前記プロセスパラメータを用いて、前記複数のノズルの動作を制御する動作制御部と、
を有することを特徴とするエッチング制御装置。 - 前記更新部は、回転する前記基板上にリンスを吐出する第1のノズルと、前記基板をエッチングする薬液を吐出する第2のノズルと、の吐出時間、吐出位置、及び移動速度を決定するためのパラメータであるプロセスパラメータと、エッチング量の分布との関係を表すモデルが最適化されるように、前記モデルのパラメータを更新することを特徴とする請求項1に記載のエッチング制御装置。
- エッチング制御装置によって実行されるエッチング制御方法であって、
基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、前記基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、前記モデルのパラメータを更新する更新工程と、
前記更新工程によってパラメータが更新された前記モデルを用いて、指定されたエッチング量の分布に対応するプロセスパラメータを計算する計算工程と、
前記プロセスパラメータを用いて、前記複数のノズルの動作を制御する動作制御工程と、
を含むことを特徴とするエッチング制御方法。 - 基板のエッチング量の分布を測定する測定装置と、エッチング制御装置と、を有するエッチング制御システムであって、
前記エッチング制御装置は、
基板に対してエッチングを行うための複数のノズルの動作を制御するためのパラメータであるプロセスパラメータと、前記基板の面内におけるエッチング量の分布と、の関係を表すモデルが最適化されるように、前記モデルのパラメータを更新する更新部と、
前記更新部によってパラメータが更新された前記モデルを用いて、前記測定装置によって測定されたエッチング量の分布に対応するプロセスパラメータを計算する計算部と、
前記プロセスパラメータを用いて、前記複数のノズルの動作を制御する動作制御部と、
を有することを特徴とするエッチング制御システム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022148754A JP2024043651A (ja) | 2022-09-20 | 2022-09-20 | エッチング制御装置、エッチング制御方法、及びエッチング制御システム |
CN202311171770.8A CN117747482A (zh) | 2022-09-20 | 2023-09-12 | 蚀刻控制装置、蚀刻控制方法以及蚀刻控制*** |
KR1020230123215A KR20240040039A (ko) | 2022-09-20 | 2023-09-15 | 에칭 제어 장치, 에칭 제어 방법 및 에칭 제어 시스템 |
US18/469,673 US20240096658A1 (en) | 2022-09-20 | 2023-09-19 | Etching control device, etching control method, and etching control system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022148754A JP2024043651A (ja) | 2022-09-20 | 2022-09-20 | エッチング制御装置、エッチング制御方法、及びエッチング制御システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024043651A true JP2024043651A (ja) | 2024-04-02 |
Family
ID=90244395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022148754A Pending JP2024043651A (ja) | 2022-09-20 | 2022-09-20 | エッチング制御装置、エッチング制御方法、及びエッチング制御システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240096658A1 (ja) |
JP (1) | JP2024043651A (ja) |
KR (1) | KR20240040039A (ja) |
CN (1) | CN117747482A (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5454407B2 (ja) | 2010-07-23 | 2014-03-26 | 東京エレクトロン株式会社 | 液処理装置及び液処理方法 |
-
2022
- 2022-09-20 JP JP2022148754A patent/JP2024043651A/ja active Pending
-
2023
- 2023-09-12 CN CN202311171770.8A patent/CN117747482A/zh active Pending
- 2023-09-15 KR KR1020230123215A patent/KR20240040039A/ko unknown
- 2023-09-19 US US18/469,673 patent/US20240096658A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117747482A (zh) | 2024-03-22 |
KR20240040039A (ko) | 2024-03-27 |
US20240096658A1 (en) | 2024-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007219208A (ja) | パターン補正装置、パターン補正プログラム、パターン補正方法および半導体装置の製造方法 | |
Granik | Correction for etch proximity: new models and applications | |
JP6173889B2 (ja) | シミュレーション方法、シミュレーションプログラム、加工制御システム、シミュレータ、プロセス設計方法およびマスク設計方法 | |
JP7126412B2 (ja) | 学習装置、推論装置及び学習済みモデル | |
JP2005099765A (ja) | プロセス近接効果の予測モデルの作成方法、工程の管理方法、半導体装置の製造方法、フォトマスクの製造方法およびプログラム | |
US20070198114A1 (en) | Three-dimensional device simulation program product and three-dimensional device simulation system | |
JP6741838B1 (ja) | 情報処理システム、情報処理装置、情報処理方法及びプログラム | |
JP2012134271A (ja) | シミュレータ、加工装置、ダメージ評価方法、及び、ダメージ評価プログラム | |
US20230101500A1 (en) | Additive manufacturing path generation apparatus, additive manufacturing path generation method, and machine learning apparatus | |
JP2024043651A (ja) | エッチング制御装置、エッチング制御方法、及びエッチング制御システム | |
JP2024043611A (ja) | エッチング制御システム、及びエッチング制御方法 | |
JP2024043646A (ja) | エッチング制御システム、及びエッチング制御方法 | |
KR100836945B1 (ko) | 게이트 전극 폭의 변동을 감소시키는 방법 | |
TW202418017A (zh) | 蝕刻控制系統及蝕刻控制方法 | |
KR20090071736A (ko) | 식각 바이어스 모델링을 이용한 광학적 근접 효과 보정방법 | |
TWI631415B (zh) | 同時微影及蝕刻校正流程之方法 | |
JP2009086293A (ja) | 形状予測方法、フォトマスクの製造方法、電子部品の製造方法、および形状予測プログラム | |
US6808591B1 (en) | Model based metal overetch control | |
Medina et al. | Optimal etch recipe prediction for 3D NAND structures | |
US7761179B2 (en) | Method for consistent updates to automated process control (APC) models with partitioning along multiple components | |
JP6819963B2 (ja) | シミュレーション装置、シミュレーション方法、およびプログラム | |
WO2023214541A1 (ja) | モデル生成方法、コンピュータプログラム及び情報処理装置 | |
CN106252286A (zh) | 嵌入式闪存的多晶硅干蚀刻工艺的选择方法 | |
JP5034410B2 (ja) | 現像ローディング測定方法および現像ローディング測定基板 | |
JP2010087299A (ja) | プロセスモデル評価方法、プロセスモデル生成方法、及びプロセスモデル評価プログラム |