用于半导体处理的监测的机器学习系统技术方案

操作抛光系统的方法包括以下步骤：使用机器学习算法训练多个模型以生成多个训练模型，每个训练模型经配置成基于来自半导体处理系统的原位监测系统的监测信号来确定基板的层的特征值；存储多个训练模型；接收指示要处理的基板的特征的数据；基于数据来选择多个训练模型中的一者以及将所选择的训练模型传递给处理系统。

【技术实现步骤摘要】
【国外来华专利技术】用于半导体处理的监测的机器学习系统
本公开有关于用于(例如在诸如化学机械抛光之类的处理期间)监测基板的机器学习系统。
技术介绍
通常通过在硅晶片上顺序沉积导电层、半导电层或绝缘层来在基板上形成集成电路。一个制造步骤涉及在非平坦表面上沉积填料层并使填料层平坦化。对于一些应用来说，填料层被平坦化直到暴露出图案化层的顶表面为止。例如，导电填料层可沉积在图案化的绝缘层上，以填充绝缘层中的沟槽或孔。在平坦化之后，导电层的保留在绝缘层的凸起图案之间的部分形成通孔、插塞及线，这些通孔、插塞及线在基板上的薄膜电路之间提供导电路径。对于其他应用来说，填料层被平坦化直到在下层上留下预定厚度为止。例如，沉积的介电层可被平坦化以用于光刻。化学机械抛光(CMP)是一种可接受的平坦化方法。此平坦化方法通常要求将基板安装在承载头上。基板的暴露表面通常靠着具有耐用粗糙表面的旋转抛光垫放置。承载头在基板上提供可控制的负载以将其推抵抛光垫。通常将抛光液(如具有磨料颗粒的浆料)供应到抛光垫的表面。CMP中的一个问题是使用适当的抛光速率来获得所需的轮廓，例如，已平坦化本文档来自技高网...

【技术保护点】
1.一种操作基板处理系统的方法，包括以下步骤：/n接收多组训练数据，每组训练数据包括多个训练光谱、针对来自所述多个训练光谱的每个训练光谱的时间戳以及针对所述多个训练光谱的起始特征值和/或结束特征值；/n存储多个机器学习模型，每个机器学习模型提供至少一个不同的超参数；/n存储多个物理工艺模型，每个物理工艺模型提供不同的函数以生成特征值，作为时间和/或不同物理工艺参数的不同函数；/n接收从所述多个机器学习模型中对机器学习模型的选择及从所述多个物理工艺模型中对物理工艺模型的选择，以提供所选择的机器学习模型及所选择的物理工艺模型的组合；/n接收所选择的机器学习模型的至少一个超参数值及所选择的物理工艺模...

【技术特征摘要】
【国外来华专利技术】20180313 US 62/642,4971.一种操作基板处理系统的方法，包括以下步骤：
接收多组训练数据，每组训练数据包括多个训练光谱、针对来自所述多个训练光谱的每个训练光谱的时间戳以及针对所述多个训练光谱的起始特征值和/或结束特征值；
存储多个机器学习模型，每个机器学习模型提供至少一个不同的超参数；
存储多个物理工艺模型，每个物理工艺模型提供不同的函数以生成特征值，作为时间和/或不同物理工艺参数的不同函数；
接收从所述多个机器学习模型中对机器学习模型的选择及从所述多个物理工艺模型中对物理工艺模型的选择，以提供所选择的机器学习模型及所选择的物理工艺模型的组合；
接收所选择的机器学习模型的至少一个超参数值及所选择的物理工艺模型的至少一个物理参数值；
根据所选择的机器学习模型及所述至少一个超参数值生成所实施的机器学习模型；
对于每组训练数据中的每个训练光谱而言，基于针对所述训练光谱的所述时间戳、针对该组训练数据的所述起始特征值和/或结束特征值、所述物理参数值及所选择的物理工艺模型来计算特征值，从而产生多个训练特征值，其中每个训练特征值与所述多个训练光谱中的一者相关联；
使用所述多个训练特征值及多个训练光谱来训练所实施的机器学习模型，以生成所训练的机器学习模型；以及
将所训练的机器学习模型传递给所述基板处理系统的处理控制系统。


2.如权利要求1所述的方法，其中所述基板处理系统包括化学机械抛光系统。


3.如权利要求2所述的方法，进一步包括以下步骤：
在所述抛光系统中抛光基板；
在抛光所述基板期间，用原位光谱监测系统来监测所述基板以产生多个测量光谱；
将所述多个测量光谱传递给所训练的机器学习模型以产生多个特征值；以及
基于所述多个特征值来控制所述抛光系统的至少一个处理参数。


4.如权利要求3所述的方法，其中控制所述至少一个处理参数的步骤包括以下步骤：停止抛光和/或调节承载头压力。


5.一种用于控制基板的处理的计算机程序产品，所述计算机程序产品有形地体现在非瞬态计算机可读介质中且包括用于使处理器执行以下操作的指令：
接收多组训练数据，每组训练数据包括多个训练光谱、针对来自所述多个训练光谱的每个训练光谱的时间戳以及针对所述多个训练光谱的起始特征值和/或结束特征值；
存储多个机器学习模型，每个机器学习模型提供至少一个不同的超参数；
存储多个物理工艺模型，每个物理工艺模型提供不同的函数以生成特征值，作为时间和/或不同物理工艺参数的不同函数；
接收从所述多个机器学习模型中对机器学习模型的选择及从所述多个物理工艺模型中对物理工艺模型的选择，以提供所选择的机器学习模型及所选择的物理工艺模型的组合；
根据所选择的机器学习模型生成所实施的机器学习模型；
对于每组训练数据中的每个训练光谱而言，基于针对所述训练光谱的所述时间戳、针对该组训练数据的所述起始特征值和/或所述结束特征值及所选择的物理工艺模型来计算特征值，从而生成多个训练特征值，其中每个训练特征值与所述多个训练光谱中的一者相关联；
使用所述多个训练特征值及所述多个训练光谱来训练所实施的机器学习模型，以生成所训练的机器学习模型；以及
将所训练的机器学习模型传递给基板处理系统的处理控制系统。


6.如权利要求5所述的计算机程序产品，其中所述特征值包括所述基板上的层的厚度值。


7.如权利要求5所述的计算机程序产品，其中所述多个物理工艺模型中的一些物理工艺模型包括时间的线性函数，并且所述多个物理工艺模型中的一些物理工艺模型包括时间的非线性函数。


8.如权利要求5所述的计算机程序产品，其中所述物理工艺参数包括图案密度、起始步长、临界阶梯高度及工艺选择性中的一者或多者。


9.如权利要求5所述的计算机程序产品，包括用于进行以下操作的指令：接收所选择的机器学习模型的至少一个超参数值；以及接收所选择的物理工艺模型的物理参数值，及其中用于生成所实施的机器学习模型的指令包括根据所选择的机器学习模型及所述至少一个超参数值生成所实施的机器学习模型的指令，且其中用于计算所述特征值的指令包括基于所述物理参数值来计算所述特征值的指令。


10.一种半导体制造系统，包括：
多个抛光系统，每个抛光系统包括用于保持抛光垫的支撑件、用于将基板保持抵靠所述抛光垫的载体、用于引起所述基板和所述抛光垫之间的相对运动的电机、在抛光过程中生成所述基板的一系列测量值和针对所述一系列测量值中的每个测量值的时间戳的原位监测系统以及控制器，
其中所述多个抛光系统中的至少一者的至少一个控制器经配置成使所述多个抛光系统中的一个或多个抛光系统抛光一系列的训练基板，
其中来自所述多个抛光系统的一个或多个系统的一个或多个控制器经配置成接收所训练的机器学习模型、使来自所述一个或多个系统的所述抛光系统抛光一系列的器件基板、从所述一个或多个系统的所述原位监测系统接收所述器件基板的一系列测量值、基于所述一系列测量值和所训练的机器学习模型产生一系列特征值以及基于所述一系列特征值来控制至少一个抛光控制参数；
在线或独立的计量系统，所述在线或独立的计量系统用于针对所述一系列的训练基板中的每者生成起始特征值和/或结束...

【专利技术属性】
技术研发人员：G·叶尼，B·切里安，
申请(专利权)人：应用材料公司，
类型：发明
国别省市：美国;US