生成用于模型性能调谐的虚拟旋钮的方法和机制技术

一种电子装置制造系统，被配置为由处理器接收反映与基板的制造工艺相关的特征的输入数据。制造系统还被配置为基于反映特征的输入数据来训练机器学习模型。制造系统还被配置为鉴于特征的虚拟旋钮来修改机器学习模型。鉴于特征的虚拟旋钮来修改机器学习模型。鉴于特征的虚拟旋钮来修改机器学习模型。

【技术实现步骤摘要】
生成用于模型性能调谐的虚拟旋钮的方法和机制


[0001]本公开内容涉及电子部件，并且更具体地，涉及生成用于模型性能调谐的虚拟旋钮的方法和机制。

技术介绍

[0002]可以通过使用制造设备执行一个或多个制造工艺来生产产品。例如，半导体制造设备可以用于通过半导体制造工艺来生产半导体器件(例如，基板)。根据工艺配方，制造设备可以在基板的表面上沉积多层膜，并且可以执行蚀刻工艺以在所沉积的膜中形成复杂图案。例如，制造设备可以执行化学气相沉积(CVD)工艺以在基板上沉积交替层。传感器可以用于在制造工艺期间确定制造设备的制造参数，并且计量设备可以用于确定由制造设备生产的产品的性质数据，诸如基板上的层的总厚度。在基板制造工艺期间，处理腔室中的硬件变化(例如，不同的卡盘温度、不同的盖温度、输送到每个处理腔室的功率的差异、气流和/或压力的差异等)或处理腔室中的劣化条件会导致基板中的缺陷(例如，实际层厚度偏离预期层厚度、不均匀层厚度、不完全蚀刻等)。通过使用处理腔室硬件设置调整配方来补偿偏差是耗时且困难的过程。由此，期望一种能够虚拟地调整处理腔室的参数或调整配方的参数的系统。

技术实现思路

[0003]以下是本公开内容的简化概述，以便提供对本公开内容的一些方面的基本理解。该概述不是对本公开内容的广泛综述。其既不旨在标识本公开内容的关键或重要元素，也不旨在描绘本公开内容的特定实现方式的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现本公开内容的一些概念，作为稍后呈现的更详细描述的序言。
[0004]在本公开内容的一个方面中，电子装置制造系统被配置为由处理器接收反映与基板的制造工艺相关的特征的输入数据。制造系统还被配置为基于反映特征的输入数据来训练机器学习模型，并且生成所述特征的虚拟旋钮。制造系统还被配置为鉴于特征的虚拟旋钮来修改所述机器学习模型。
[0005]本公开内容的另一方面包括根据本文所述的任何方面或实施方式的方法。
[0006]本公开内容的另一方面包括包含有指令的非暂时性计算机可读取存储介质，所述指令在由可操作地耦合到存储器的处理装置执行时，执行根据本文所述的任何方面或实施方式的操作。
附图说明
[0007]在附图的各图中以示例的方式而非以限制的方式示出本公开内容。
[0008]图1是示出根据某些实施方式的示例系统架构的方块图。
[0009]图2是根据某些实施方式的用于训练机器学习模型的方法的流程图。
[0010]图3是根据某些实施方式的示例制造系统的俯视示意图。
[0011]图4是根据某些实施方式的用于生成机器学习模型的虚拟旋钮的方法的流程图。
[0012]图5是根据某些实施方式的用于使用修改后的机器学习模型确定预测计量数据的方法的流程图。
[0013]图6是示出根据某些实施方式的计算机系统的方块图。
具体实施方式
[0014]本文描述的是涉及用于为模型性能调谐生成虚拟旋钮的方法和机制的技术。膜可以在制造系统的处理腔室处执行的沉积工艺(例如，沉积(CVD)工艺、原子层沉积(ALD)工艺等)期间在基板的表面上沉积。例如，在CVD工艺中，将基板暴露于一种或多种前驱物，所述前驱物在基板表面上反应以产生所需的沉积物。膜可以包括在沉积工艺期间形成的一层或多层材料，并且每层可以包括特定的厚度梯度(例如，沿所沉积膜的层的厚度改变)。例如，第一层可以直接形成在基板的表面上(称为膜的近端层或近端)并且具有第一厚度。在基板的表面上形成第一层之后，具有第二厚度的第二层可以形成在第一层上。继续该工艺，直到沉积工艺完成并且形成膜的最终层(称为膜的远端层或远端)。膜可以包括不同材料的交替层。例如，膜可以包括氧化物和氮化物层的交替层(氧化物
‑
氮化物
‑
氧化物
‑
氮化物叠层或ONON堆叠)、交替的氧化物和多晶硅层(氧化物
‑
多晶硅
‑
氧化物
‑
多晶硅叠层或OPOP堆叠)等。
[0015]可以对膜进行例如蚀刻工艺以在基板的表面上形成图案、进行化学机械抛光/平坦化(CMP)工艺以使膜的表面光滑、或进行制造成品基板所需的任何其它工艺。蚀刻工艺可以包括将样品表面暴露在高能工艺气体(例如，等离子体)以分解表面处的材料，然后可以通过真空系统去除该材料。
[0016]处理腔室可以根据工艺配方执行每个基板制造工艺(例如，沉积工艺、蚀刻工艺、抛光工艺等)。工艺配方限定了在工艺期间要对基板执行的一组特定操作，并且可以包括与每个操作相关联的一个或多个设置。例如，沉积工艺配方可以包括处理腔室的温度设置、处理腔室的压力设置、在基板表面上沉积的膜中包括的材料的前驱物的流速设置等。由此，每个膜层的厚度可以与这些处理腔室设置相关。
[0017]典型的基板处理方法具有多个不同的工艺，其中每个工艺会具有多个工艺控制变量，也称为“旋钮(knob)”，这些变量可以用于调谐和优化性能。传统上，用于处理方法的配方可以体现为配方设置表，包括由用户(例如，工艺工程师)手动输入的一组输入或配方参数(“参数”)和工艺，以实现一组目标性质(例如，晶片上特性)，也称为一组目标。例如，输入可以对应于表格的行，而工艺可以对应于表格的列。然而，这样的参数和/或工艺的手动填充可能导致配方未根据多个期望的特性被优化。例如，在期望的特性之间可存在复杂的相互关系，其中修改配方的参数和/或工艺以实现期望的特性可能会对一个或多个其它期望的特性具有潜在的非期望的后果。由此，可以产生次优配方，该配方会产生有缺陷的基板。
[0018]本公开内容的方面和实现方式通过训练能够使用虚拟旋钮生成预测数据的机器学习模型来解决现有技术的这些和其它缺点。虚拟旋钮可以指在实际基板处理中没有使用的旋钮(工艺控制变量)，并且被提供用于调整经训练的机器学习模型的输出。特定来说，预测系统可以训练机器学习模型，用于基于来自一个或多个传感器的输入数据和一个或多个虚拟旋钮来生成预测数据。例如，机器学习模型可以使用一个或多个虚拟旋钮来进行配置，
且然后处理诸如反射率数据、温度数据等的输入传感器数据以生成预测数据。在一些实施方式中，预测数据可以包括一个或多个沉积层的厚度数据。
[0019]在一些实施方式中，基于一个或多个虚拟旋钮配置的机器学习模型可以基于训练数据来训练，所述训练数据包括例如与映射到计量数据(例如，膜厚度数据)的制造工艺的性能相关联的一个或多个特征有关的传感器数据。特征可以涉及制造工艺的被调节、监测、控制或以其它方式与一组或多组传感器或控制器相关联的任何方面。例如，特征可以包括气体流量、腔室压力、控制阀角度、前级管线压力、泵速度、气体温度、腔室温度等。膜厚度数据可以包括从测量由制造设备产生的材料的单独层所获得的测量厚度值或从测量由制造设备产生的膜堆叠所获得的测量厚度值。在一些实施方式中，膜厚度数据可以使用反射测量技术、椭圆测量技术、TEM分析、或任何其它测量技术来生成。在一些实施方式中，可以使用测量的计量数据来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包含：由处理器接收反映与基板的制造工艺相关的特征的输入数据；基于反映所述特征的所述输入数据来训练机器学习模型；生成所述特征的虚拟旋钮；以及鉴于所述特征的所述虚拟旋钮来修改所述机器学习模型。2.根据权利要求1所述的方法，进一步包含：由处理器获得与以下工艺中的至少一者相关联的传感器数据：在处理腔室中执行以在基板的表面上沉积膜的沉积工艺、在所述基板上执行的蚀刻工艺、或在所述基板上执行的化学机械平坦化(CMP)工艺；将所述传感器数据输入到修改后的所述机器学习模型中；以及获得修改后的所述机器学习模型的输出值，所述输出值指示计量数据。3.根据权利要求1所述的方法，进一步包含：对所述输入数据执行一个或多个预处理操作以生成预处理数据；以及基于所述预处理数据训练所述机器学习模型。4.根据权利要求1所述的方法，其中所述特征涉及所述制造工艺的方面，所述方面被调节、监测、控制、或与一组或多组传感器或控制器相关联。5.根据权利要求1所述的方法，其中所述特征涉及气体流量、腔室压力、控制阀角度、前级管线压力、泵速度、气体温度、反射率数据、或腔室温度中的至少一者。6.根据权利要求1所述的方法，其中所述虚拟旋钮包含虚拟旋钮值和缩放常数。7.根据权利要求1所述的方法，进一步包含：使用优化操作优化所述虚拟旋钮。8.根据权利要求1所述的方法，进一步包含：基于与所述虚拟旋钮相关联的值来执行校正动作或更新工艺配方。9.根据权利要求1所述的方法，进一步包含：生成所述虚拟旋钮的置信区间。10.一种电子装置制造系统，包含：存储器装置；以及处理装置，所述处理装置可操作地耦合到所述存储器装置，以执行包含下列的操作：接收反映与基板的制造工艺相关的特征的输入数据；基于反映所述特征的所述输入数据来训练机器学习模型；生成所述特征的虚拟旋钮；以及鉴于所述特征的所述虚拟旋钮来修改所述机器学习模型。11.根据权利要求10所述的电子装置制造系统，其中所述处理装置进一步执行包含下列的操作：获得与以下工艺中的至少一者相关联的传感器数据：在处理腔室...

【专利技术属性】
技术研发人员：林瑞哲，陈宴珠，李照贤，庄少特，韩鹏宇，王雲玄，
申请(专利权)人：应用材料公司，
类型：发明
国别省市：