半导体先进过程控制的参数优化控制方法技术

本发明专利技术公开了一个半导体先进过程控制（APC）的参数优化控制方法。在半导体工艺过程中，针对间歇过程的优化控制方法，传统方法一般采用线性预测模型。本发明专利技术采用基于遗传算法优化的BP神经网络预测模型，通过遗传算法对神经网络的初始权值和阈值进行优化，根据每个染色体所对应的适应度函数F，采用选择操作、概率交叉和变异操作等，并输出最优解，由此确定BP神经网络的最优初始权值和阈值，利用附加动量方法和变学习率学习算法提高BP神经网络的性能，使其经过训练后能很好的预测非线性模型。该方法中遗传算法具有很好的全局搜索能力，容易等到全局最优解，或性能很好的次优解，这对于提高神经网络的建模能力，有很好的促进作用。

【技术实现步骤摘要】

本专利技术涉及半导体工艺过程控制，具体是一种，用于对于批次间半导体器件的工艺参数动态设置及控制系统的优化调整。
技术介绍
随着集成电路芯片功能和性能的不断增强以及半导体器件特征尺寸不断的缩小，使得集成电路生产线投资成本变得非常高昂，因而半导体工艺的精确控制就显得尤为重要，尤其是对不同批次间半导体器件的Run-to-Run(R2R)控制。半导体芯片在生产过程中，要经历若干步不同的工艺过程，如光刻、CVD、PVD、刻蚀等。半导体先进过程控制(APC)可以提高设备的利用率，让半导体芯片工艺生产线具有可延伸性、灵活性，进一步提高半导体工艺设备的运行稳定性。在半导体工艺过程中，大多数半导体生产设备过程从控制的角度上可以看成是非线性过程，生产设备的控制参数会随着时间发生漂移，在采用固定的控制方案下进行生产控制，往往会导致不同批次之间产品的质量差异较大。为了保证成品率及控制成本，先进过程控制技术被越来越多地应用于消除设备特性漂移带来的影响。然而在半导体工艺过程中实施先进控制还存在些问题:I)在半导体工艺过程中很多工艺过程都存在突变漂移和缓变漂移。以热氧化为例，化学蒸气会逐渐的沉积在硅片立式炉的器壁上形成缓变漂移，当沉积物达到一定程度后经过清洗，清洗后的设备会形成阶跃扰动，从而导致突变漂移。2)半导体生产是一系列的间歇过程，在每批次生产过程中设备控制器都需要设定相应的控制参数和其他工艺参数。同一设备可能用于不同的工序或者生产不同的产品，使得生产工艺参数必须频繁的改动。
技术实现思路
本专利技术针对上述问题，提出了一种半导体先进过程控制(APC)的参数优化控制方法，采用了基于遗传算法优化的BP神经网络非线性预测模型与APC系统相结合，得到R2R级别工艺过程控制的APC解决方法，从而能有效控制半导体工艺过程中的器件参数的漂移，使得半导体工艺可以在非常小的工艺窗口内正常进行，达到对半导体工艺过程进行精确控制的目的。为实现上述目的本专利技术采用了如下技术方案:，包括以下步骤:S1:对经过工艺加工后晶圆的至少一个相关工艺参数进行实时的数据采集；S2:利用遗传算法建立半导体工艺参数BP神经网络非线性预测模型；S3:利用步骤S2所述BP神经网络非线性预测模型对晶圆的相关工艺参数进行预测；S4:对步骤SI中实时采集的数据与步骤S3中预测模型预测的数据进行指数加权移动平均控制算法处理，进而调整所述晶圆当前的工艺参数，然后转入步骤SI，直至完成工艺过程。更进一步地，上述建立半导体工艺参数BP神经网络非线性预测模型的具体步骤为:S21、以半导体工艺过程的刻蚀操作为例，将刻蚀机的控制参数TCP RF功率、偏置RF功率、OES控制信号、IEP控制信号、化学气体流速作为神经网络的出来参数，然后根据以上相关工艺参数随机初始化BP神经网络的所有初始权值和阈值，并由这些权值和阈值构建遗传算法的初始种群并进行实数编码。S22、根据初始种群中的个体，即BP神经网络的最初权值和阈值，然后用控制参数TCP RF功率、偏置RF功率、OES控制信号、IEP控制信号、化学气体流速训练BP神经网络后预测系统输出参数，即刻蚀速率、刻蚀均匀性、刻蚀组分和刻蚀终点，将预测输出和期望输出相减得到误差绝对值，并将误差绝对值作为个体适应度值。S23、对种群个体i进行选择操作，个体i的选择概率为:f=k/Fi本文档来自技高网...

【技术保护点】
半导体先进过程控制的参数优化控制方法，包括以下步骤：S1：对经过工艺加工后晶圆的至少一个相关工艺参数进行实时的数据采集；S2：利用遗传算法建立半导体工艺参数BP神经网络非线性预测模型；S3：利用步骤S2所述BP神经网络非线性预测模型对晶圆的相关工艺参数进行预测；S4：对步骤S1中实时采集的数据与步骤S3中预测模型预测的数据进行指数加权移动平均控制算法处理，进而调整所述晶圆当前的工艺参数，然后转入步骤S1，直至完成工艺过程。

【技术特征摘要】
1.导体先进过程控制的参数优化控制方法，包括以下步骤: S1:对经过工艺加工后晶圆的至少一个相关工艺参数进行实时的数据采集； 52:利用遗传算法建立半导体工艺参数BP神经网络非线性预测模型； 53:利用步骤S2所述BP神经网络非线性预测模型对晶圆的相关工艺参数进行预测； 54:对步骤SI中实时采集的数据与步骤S3中预测模型预测的数据进行指数加权移动平均控制算法处理，进而调整所述晶圆当前的工艺参数，然后转入步骤SI，直至完成工艺过程。2.据权利要求1所述半导体先进过程控制的参数优化控制方法，其特征在于:步骤S2中所述建立半导体工艺参数BP神经网络非线性预测模型的具体步骤为: 521、根据步骤SI所述相关工艺参数随机初始化BP神经网络的所有初始权值和阈值，并由...

【专利技术属性】
技术研发人员：王巍，安友伟，杨铿，冯世娟，王振，徐华，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：