CN101218550A - 通过采用进化算法的过程变化检测 - Google Patents
通过采用进化算法的过程变化检测 Download PDFInfo
- Publication number
- CN101218550A CN101218550A CNA2006800216137A CN200680021613A CN101218550A CN 101218550 A CN101218550 A CN 101218550A CN A2006800216137 A CNA2006800216137 A CN A2006800216137A CN 200680021613 A CN200680021613 A CN 200680021613A CN 101218550 A CN101218550 A CN 101218550A
- Authority
- CN
- China
- Prior art keywords
- data set
- plasma
- substrate
- change detection
- state function
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Drying Of Semiconductors (AREA)
Abstract
本发明提供一种用于创建过程变化检测算法的方法。把进化计算技术应用于包含至少一个已知过程变化的至少一个过程数据集。进化计算技术将生成优化已知过程变化的检测的过程状态函数(或者与现有的过程状态函数一起使用的比例系数)。然后,所生成的过程状态函数或系数可以被应用于未来的数据集(实时的或者处理之后的)以检测过程变化。
Description
与相关申请的交叉引用
本申请要求于2005年6月16日提交的题为“Process ChangeDetection Through the Use of Evolutionary Algorithms”的共有的U.S.临时专利申请序列号60/690,941的优先权并与该临时专利申请相关,该临时专利申请通过引用并入此处供参考。
技术领域
本发明涉及一种用于检测等离子系统中的过程变化的方法。更具体地,本发明涉及采用进化计算技术以生成用于等离子蚀刻终点系统的过程状态函数或比例系数集合。
背景技术
在任何工业过程(process)中,需要监视过程数据通道以检测可能影响最终产品的任何变化。随着过程复杂度的增长,必须被监视的数据通道的数目也在增长。在极为复杂的过程中,必须分析几百个数据通道以确定过程的状态。
尽管有时采用矩阵表示,但是通常可以将过程状态描述为函数:
过程状态=f(a1M1,a2M2,a3M3,...anMn)
其中,每个变量Mn表示特定的过程数据通道,以及每个an表示比例系数。选择比例系数以采用可以优化过程变化检测的函数的结果的方式来修改过程数据通道。
评估变量为过程数据通道的函数(或多个函数)是一种用于分析多个数据通道并且产生描述过程状态的输出的方法。图1表示了按照过程状态函数描述的种属(generic)过程变化检测系统。利用至少一个检测器收集数据,并将数据发送到分析单元。在分析单元中,数据通道与比例系数组合并被输入随后将被评估的过程状态函数。该函数的输出随后可用于过程变化的检测。
在半导体工业中,可以发现过程变化检测的说明性实例。在制造半导体器件中所采用的一个步骤是等离子蚀刻。在等离子蚀刻过程中,把样品暴露给被设计用来从样品表面蚀刻掉特定材料的等离子。通常需要在特定的时刻停止等离子蚀刻以获得精确的蚀刻深度。等离子蚀刻应该被停止的时刻被称为过程终点。过程终点的确定通常采用被称为发射光谱学(OES)的多通道技术来完成。图2描述了典型的OES终点检测系统。
在等离子蚀刻期间,等离子发射大范围波长内的电磁能量。由等离子发射的精确光谱部分地取决于在蚀刻样品期间产生的挥发性副产品的存在。在典型的OES终点系统中,采用分光计将等离子发射分为离散波长。测量按每个波长的发射强度并且该发射强度成为可以在整个蚀刻期间监视的单独的过程数据通道。通过监视在蚀刻期间表现出可重复的变化的那些数据通道,可以确定何时样品已经被完全蚀刻。
在其最简单的实现中,OES系统可以被用于监视单个数据通道。Gorin等人(U.S.专利4,263,088)公开了一种在多晶硅蚀刻中采用优化的光导电池以检测在520nm处的等离子发射从而确定终点的装置。通过在蚀刻期间监视由该电池产生的电压,可以检测发生在多晶硅膜被完全蚀刻时的等离子组分的变化。按照过程状态函数,该方法可以表示为:
过程状态=M520nm
该方法的局限在于,通常单个数据通道不能生成足够超过系统噪音以允许可靠的终点检测的信号。
其它研究人员已经注意到,通过采用多个数据通道,可以提高终点检测的灵敏度。Jerde等人(U.S.专利4,491,499)公开了:测量发射光谱的窄频带,同时测量以该窄频带为中心的较宽背景频带的强度。以这种方式,可以将背景数据通道从终点信号通道中减去,得到改进的终点信噪比。
然而,由于包括了多个数据通道,所以描述过程状态的函数变得稍微复杂,如下所示:
过程状态=(MSignal 1+MSignal 2+....+MSignal n)-
(MBackground 1+MBackground 2+....+MBackground n)
由Jerde等人描述的方法的主要局限在于,必须基于用户对过程的了解而做出关于合适的过程数据通道以及相关比例因子选择的决定。因此,对于任何一个用户,为获得选择用于所有可能的等离子蚀刻应用的合适的数据通道及比例因子所需要的专业知识是惊人耗时的。对通过人工选择数据通道及比例因子而产生的任何过程状态函数进行适当的优化以检测给出的过程变化是不可能的。为了减轻这一负担,已经提出了几个多变量分析技术。
Angell等人(U.S.专利5,288,367)公开了采用主分量分析(PCA)来自动地选择数据通道。该公知的多变量分析技术将相关的数据通道分组为描述分析数据中方差的正交分量的线性组合。通过识别描述与过程终点相关的方差的分量以及检查该分量的数据通道组分,可以确定有利于监视以检测终点的通道。Angell等人的方法的过程状态函数可以表示为:
过程状态=f(p1M1,p2M2,p3M3,...pnMn)
其中pn由一个用户选择的主分量的负载(loading)给定。
基于PCA方法的局限在于,PCA算法试图将方差描述为正交分量的集合。PCA不试图直接优化用于过程变化检测的过程数据通道及比例因子的选择。希望正交分量之一完全的捕捉终点信息,但是PCA并不特别地以该结果为目的。因此,过程状态函数的信噪比对于一些应用来说可能不够。
应理解,尽管这里呈现的实例针对等离子蚀刻过程中的终点检测,但是所采用的技术是在广泛的各类过程监视应用中所采用的代表性技术。可以采用相似的技术来监视可以按照数据通道或多个通道的函数来描述其状态的任何过程。
因此,需要改善等离子蚀刻过程的过程状态函数的优化。
在现有技术中,没有提供本发明所伴随的好处。
因此,本发明的目标是提供一种克服现有技术中设备的不足的改进,并且该改进是对半导体处理技术的进步的重要贡献。
本发明的另一个目标是提供一种用于检测过程变化的方法,该方法包括:在室中放置衬底;使该衬底经历具有至少一个已知过程变化的过程;在过程期间获得至少一个数据集;以及将进化计算技术应用于至少一个数据集以生成过程变化检测算法。
前面的描述已经概括了本发明的一些相关目标。这些目标应被理解为只是对预期发明的一些较主要特征及应用的说明性描述。通过将此公开的发明以不同的方式应用或者在本公开的范围内修改本发明,可以获得许多其它有益的结果。因此,除了由权利要求限定的本发明的范围,通过结合附图参考本发明的内容以及优选实施例的详细描述,可以得到本发明的其它目标及更全面的理解。
发明内容
为了概述本发明,本发明包括一种用于在衬底的等离子蚀刻期间优化至少一个过程状态函数的改进的方法。
本发明的特征是提供一种用于检测过程变化的方法,该方法包括在等离子蚀刻系统的真空室中放置衬底。该衬底可以为诸如光掩模的绝缘材料、半导体材料或者导电材料。衬底被暴露给等离子蚀刻系统的真空室中的等离子。在该过程期间,记录对等离子状态、衬底状态以及处理设备状态的测量,还记录进行每次测量时的时间。每一种测量表示各个数据通道。将数据通道组合为数据集。执行进化计算技术(例如,遗传算法、遗传程序等)。通过采用合适的适应度函数,将进化计算技术应用于数据集以生成过程变化检测算法,例如过程状态函数或者比例系数集合。该算法随后可以被应用于未来数据集(处理期间实时的或者在处理之后的)以检测过程变化。
数据集由任何或全部数据通道组成,例如残留气体分析数据、激光反射数据、发射光谱数据、压力、匹配网络位置、DC电压等。过程变化检测算法可以由过程状态函数和/或合适的比例系数组成。过程状态函数可以由用户选择或通过进化计算技术生成。要检测的过程变化可以包括衬底材料组分的转变。进化计算技术可以采用过程变量数目的两倍或更多倍的种群大小。作为过程变化检测算法的部分,可以将过程状态函数应用于可测量的即将开始的过程。此外,可以将滤波器应用于过程状态函数的结果。虽然可以生成更复杂的状态函数,但是过程状态函数可以是数据集中全部经过比例变换的元素的总和。
前面的描述已经相当广泛地概述了本发明的较相关且重要的特征,这样随后的本发明详细描述可以被更好的了解,从而可以更全面地理解本发明对现有技术的贡献。将在下文中描述本发明的另外特征,构成本发明的各权利要求的主题。本领域的技术人员应理解,所公开的概念和具体的实施例可以容易地被用作为实现与本发明相同目的而修改或设计其它结构的基础。本领域的技术人员还应理解,这种相同的构造不背离如在权利要求书中所阐述的本发明的精神和范围。
附图说明
图1是按照过程状态函数描述的种属过程变化检测系统的示意图;
图2是典型的OES终点检测系统的示意图;
图3是遗传算法的流程图;
图4是显示将在200秒处发生过程终点的数据通道-强度的图;
图5示出了数据通道-比例系数的种群的图;
图6是采用比例系数来自图5的数据的图;
图7是将图6的经过比例变换的系数应用于过程状态函数以生成终点信号的图;
图8是评估图7所生成的终点信号的信噪比的图。
图9是从最高的信噪比到最低的信噪比的比例系数集合的排序。
图10示出了比例系数集合的最佳20%的选择。
图11示出了对于系数集合的重组概率的分配。
图12示出了重组过程的实例。
图13示出了用于平均信噪比相对于算法循环迭代的遗传优化的图示实例。
图14是用于优化的过程状态函数的随着时间的标准化信号的图。
图15是用于应用于其他数据集的优化系数的随着时间的标准化信号的图。
在附图的几个视图各处,相似的附图标记表示相似的部分。
具体实施方式
我们公开了一种通过使用诸如遗传算法的算法的进化计算技术来直接生成用于检测过程变化的优化的过程状态函数的方法。
在生物学中,通常接受的原理是,响应竞争压力,生物体通过进化过程变得更加适应它们的环境。成功繁殖的那些生物体被判断为“适合”那个环境。没有成功繁殖的那些生物体可以被认为“不适合”那个环境。由于通常存在对问题的很多潜在解,因此可能存在几种使得双亲能够进行繁殖的遗传性状。通过他们各自的遗传性状的组合,“适合”双亲的一些组合将很可能合理地产生可能潜在地更加“适合”的后代,这在此也被称为适应度函数(fitness function)。还可能在繁殖过程中发生随机突变,这将赋予子女他们的双亲所不具有的竞争优势。假设这些事实,统计上很可能暴露在相同环境下的生物体的每个继代(successive generation)在繁殖方面平均将比他们的前代(previousgeneration)更成功。通过进化,生物体相对于他们的环境进行优化,而不需要指导或最优生物体应该是什么的任何特别知识。
进化计算技术是那些试图至少部分地复制进化中所涉及的一些过程(process)的计算技术。这些技术已经成为用于优化的强大工具,能够被应用于广泛的各类包括连续的和离散分量的问题。进化计算技术的一个特定类型被称为遗传算法(图3)。该技术将问题的解表示为染色体,这些染色体被进化以达到期望的目标。
在本发明的一个实施例中,采用遗传算法来生成过程状态函数,其被优化用于检测过程变化。至少生成一个包含至少一个已知过程变化的数据集。还产生过程状态函数(和/或比例系数)的随机种群。将该种群的每个成员应用于至少一个已知的数据集,并且采用适应度函数来评估种群的每个成员,该适应度函数量化种群成员检测至少一个已知过程变化的能力。然后,重组最成功的种群成员的集合以创建新的种群。该新的种群随后被测试,并且接着被缩小及重组以生成又一个种群。在设定数目的迭代之后,或者在至少一个种群成员显示足以满足用户需求的能力时,可以终止该过程。
应理解,进化计算技术(并且实际上是所采用的具体的进化计算技术)的实现细节取决于应用。评估种群的适应度、用于重组的种群成员的选择、重组技术、突变操作的使用、种群的大小等的替代方法并不显著地背离本发明。
还应理解,本发明可以被用于优化除了过程状态函数和比例系数以外的过程变化检测的方面。滤波器系数、峰值检测技术以及几乎任何其它的过程变化检测参数可以被包括在种群中,并由此利用该技术进行优化。
终点检测实例:
在本实例中,为了检测在二元铬光掩膜上的等离子过程终点,采用遗传算法生成了比例系数的优化集合。
采用基于发射光谱(OES)的终点系统(与图2中描述的系统相同)来收集等离子发射并将它们分离到分量波长中。各个波长每个由数据通道Mn表示,并且产生总共2048个分开的数据通道。种属过程状态函数被定义为在每个波长处的强度和每个波长的唯一比例系数an(其值的范围为从-1到1)的乘积的总和:
过程状态函数=a1*M1+a2*M2+....+an*Mn
生成测试数据集,其中,在200秒时发生已知的过程变化(终点)(图4)。生成由2048个比例系数构成的集合所组成的包括1000个成员的种群(图5)。用分光计数据乘以每一个系数集合,以产生经过比例变换的光谱(图6)。将经过比例变换的光谱应用于过程状态函数以生成终点信号(图7)。为每一个系数集合评估适应度函数,在这种情况下,是所生成的终点信号的信噪比(SNR)(图8)。在这一点,根据SNR对系数集合进行排序。然后,具有最高SNR的系数集合的20%的被选择用于重组。从进一步的考虑中排除系数集合剩余的80%(图9和图10)。
在被选择用于重组的20%的系数集合中,基于其中每一个系数集合与其它留存的系数集合相比的相对适应度,为每一个系数集合分配重组概率。图11给出了其中为几个排序的集合分配重组概率的实例。随后执行用于重组的系数集合对(pair)的随机选择以产生新的包括1000个成员的种群。注意到,种群的大小以及选择用于重组或删除的集合的百分比在某种程度上是任意的,并且可以基于用户的要求进行选择。
当选择每一对系数集合进行重组时,这些系数集合的每一个(分别被称为双亲A和双亲B)在相同的随机选择断点处被分割为两个较小的部分。来自双亲A的一个部分(被称为A1)由位于分割点之前的系数组成,而另一个部分(被称为A2)将包含所有位于分割点之后的系数。执行对A1或A2的随机选择。不管哪一个部分被选择,其随后与来自双亲B的相对部分连接。例如,如果保留A1,则它与B2组合,以产生新的系数集合“A1B2”。如果保留A2,则它与B1组合,以产生新的系数集合“B1A2”。
当发生这种对(pair)的重组时,也存在较小的可能性(在我们的实验中为15%)用新的随机生成的系数集合来代替所述双亲之一。该方法被用于模拟突变过程。本领域的技术人员理解,使用突变操作可以得到比其它操作获得的更优的解。图12以简单的实例示出了该重组过程。
一旦通过来自第一代的最成功的系数集合的重组和突变创建了第二代,那么丢弃第一代。对由第二代产生的平均SNR的测量显示,第二代实际上胜过第一代。随后将第二代应用于相同的测试和重组过程,得到第三代。此外,第三代具有较高的信噪比。连续地应用该算法,最终可以生成较之初始未优化的比例系数集合具有非常高信噪比的系数集合。图13示出了平均SNR-算法循环迭代的图示。
最后,算法到达不能进一步显著改进SNR的点。随后所产生的比例系数最佳集合与该数据相乘并将乘积插入到过程状态函数中。得到的终点信号具有测量为35∶1的信噪比,对于终点检测肯定够了(图14)。
为了测试由遗传算法所产生的解是通用的还是仅仅特异于优化中采用的数据集,将系数集合应用于其它数据集(图15)。在采用稍微不同的蚀刻过程参数及铬含量来对二元铬掩模进行类似的蚀刻期间,取得这些数据集。尽管相对于由优化数据集得到的结果降低了性能,但是该性能显示,遗传算法的解在本质上是通用的,而不限于优化数据集。
本公开包括权利要求书以及上文中描述的内容。尽管以具有某种程度的特殊性的优选形式描述了本发明,但是应理解,只是通过实例的方式描述了优选形式的本公开,并且在不背离本发明的精神和范围的情况下,可以采用在各部分的构造以及组合和布置的细节上的多种变化。
Claims (19)
1.一种用于检测过程变化的方法,所述方法包括:
把衬底置于腔室中;
使所述衬底经历具有至少一个已知过程变化的过程;
在过程期间至少获得一个数据集;以及
把进化计算技术应用于至少一个数据集,以生成过程变化检测算法。
2.如权利要求1所述的方法,其中,所述过程变化检测算法被应用于未来的数据集以检测过程变化。
3.如权利要求2所述的方法,其中,所述过程变化检测算法被用在终点检测系统中。
4.如权利要求1所述的方法,其中,所述进化计算技术是遗传算法。
5.如权利要求1所述的方法,其中,所述进化计算技术采用作为信噪比度量的适应度函数。
6.如权利要求1所述的方法,其中,所述过程为等离子蚀刻过程。
7.如权利要求1所述的方法,其中,所述衬底为光掩模。
8.如权利要求1所述的方法,其中,所述衬底为半导体材料。
9.如权利要求1所述的方法,其中,所述衬底为电介质材料。
10.如权利要求1所述的方法,其中,所述衬底为导电材料。
11.如权利要求1所述的方法,其中,所述过程变化是所述衬底中的材料转变。
12.如权利要求1所述的方法,其中,所述数据集进一步包括等离子发射光谱数据。
13.如权利要求1所述的方法,其中,所述数据集进一步包括残留气体分析数据。
14.如权利要求1所述的方法,其中,所述数据集进一步包括至少一个等离子处理参数。
15.如权利要求14所述的方法,其中,所述等离子处理参数包括对等离子状态、衬底状态或者处理设备状态的测量。
16.如权利要求1所述的方法,其中,所述过程变化检测算法利用过程状态函数。
17.如权利要求1所述的方法,其中,所述过程变化检测算法利用比例系数集合。
18.如权利要求16所述的方法,其中,所述过程状态函数是在所述数据集中的所有经比例变换的元素的总和。
19.如权利要求16所述的方法,其中,将滤波器应用于所述过程状态函数的结果。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US69094105P | 2005-06-16 | 2005-06-16 | |
US60/690,941 | 2005-06-16 | ||
US11/441,811 US7625824B2 (en) | 2005-06-16 | 2006-05-26 | Process change detection through the use of evolutionary algorithms |
US11/441,811 | 2006-05-26 | ||
PCT/US2006/022705 WO2006138199A1 (en) | 2005-06-16 | 2006-06-12 | Process change detection through the use of evolutionary algorithms |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101218550A true CN101218550A (zh) | 2008-07-09 |
CN101218550B CN101218550B (zh) | 2010-10-13 |
Family
ID=37075641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006800216137A Active CN101218550B (zh) | 2005-06-16 | 2006-06-12 | 用于检测过程变化的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7625824B2 (zh) |
EP (1) | EP1891492B1 (zh) |
JP (1) | JP5066517B2 (zh) |
CN (1) | CN101218550B (zh) |
WO (1) | WO2006138199A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106463613A (zh) * | 2014-05-09 | 2017-02-22 | 瓦里安半导体设备公司 | 用于动态控制离子束能量及角度的设备及方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8255059B2 (en) * | 2003-03-11 | 2012-08-28 | Cochlear Limited | Using a genetic algorithm to fit a medical implant system to a patient |
JP5026326B2 (ja) * | 2008-04-04 | 2012-09-12 | 株式会社日立ハイテクノロジーズ | エッチング処理状態の判定方法、システム |
US8618807B2 (en) | 2009-06-30 | 2013-12-31 | Lam Research Corporation | Arrangement for identifying uncontrolled events at the process module level and methods thereof |
US8538572B2 (en) * | 2009-06-30 | 2013-09-17 | Lam Research Corporation | Methods for constructing an optimal endpoint algorithm |
US8473089B2 (en) | 2009-06-30 | 2013-06-25 | Lam Research Corporation | Methods and apparatus for predictive preventive maintenance of processing chambers |
US8983631B2 (en) | 2009-06-30 | 2015-03-17 | Lam Research Corporation | Arrangement for identifying uncontrolled events at the process module level and methods thereof |
JP6523732B2 (ja) | 2015-03-26 | 2019-06-05 | 株式会社日立ハイテクノロジーズ | プラズマ処理装置およびプラズマ処理方法 |
CN105651457B (zh) * | 2016-04-14 | 2018-09-28 | 东南大学 | 基于遗传算法的多维力传感器标定实验数据拟合方法 |
US20220283029A1 (en) * | 2019-08-06 | 2022-09-08 | Applied Materials, Inc. | Methods for detection using optical emission spectroscopy |
JP7110492B2 (ja) | 2020-06-16 | 2022-08-01 | 株式会社日立ハイテク | プラズマ処理装置およびプラズマ処理方法 |
US12062530B2 (en) * | 2020-06-25 | 2024-08-13 | Hitachi High-Tech Corporation | Vacuum processing apparatus and vacuum processing method |
CN113408370B (zh) * | 2021-05-31 | 2023-12-19 | 西安电子科技大学 | 基于自适应参数遗传算法的森林变化遥感检测方法 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4263088A (en) | 1979-06-25 | 1981-04-21 | Motorola, Inc. | Method for process control of a plasma reaction |
US4491499A (en) | 1984-03-29 | 1985-01-01 | At&T Technologies, Inc. | Optical emission end point detector |
US4935877A (en) | 1988-05-20 | 1990-06-19 | Koza John R | Non-linear genetic algorithms for solving problems |
US5841651A (en) | 1992-11-09 | 1998-11-24 | The United States Of America As Represented By The United States Department Of Energy | Closed loop adaptive control of spectrum-producing step using neural networks |
US5653894A (en) | 1992-12-14 | 1997-08-05 | Lucent Technologies Inc. | Active neural network determination of endpoint in a plasma etch process |
US5467883A (en) | 1992-12-14 | 1995-11-21 | At&T Corp. | Active neural network control of wafer attributes in a plasma etch process |
US5288367A (en) | 1993-02-01 | 1994-02-22 | International Business Machines Corporation | End-point detection |
US5737496A (en) | 1993-11-17 | 1998-04-07 | Lucent Technologies Inc. | Active neural network control of wafer attributes in a plasma etch process |
US5864633A (en) | 1996-05-17 | 1999-01-26 | Therma-Wave, Inc. | Method and apparatus for optical data analysis |
JPH10303126A (ja) * | 1997-02-28 | 1998-11-13 | Nikon Corp | 移動シーケンスの決定方法 |
JPH11176815A (ja) * | 1997-12-15 | 1999-07-02 | Ricoh Co Ltd | ドライエッチングの終点判定方法およびドライエッチング装置 |
EP0932194A1 (en) | 1997-12-30 | 1999-07-28 | International Business Machines Corporation | Method and system for semiconductor wafer fabrication process real-time in-situ interactive supervision |
US6101971A (en) | 1998-05-13 | 2000-08-15 | Axcelis Technologies, Inc. | Ion implantation control using charge collection, optical emission spectroscopy and mass analysis |
US6678572B1 (en) | 1998-12-31 | 2004-01-13 | Asml Holdings, N.V. | Recipe cascading in a wafer processing system |
US6472238B1 (en) | 2000-02-09 | 2002-10-29 | Therma-Wave, Inc. | Evaluation of etching processes in semiconductors |
US6532076B1 (en) | 2000-04-04 | 2003-03-11 | Therma-Wave, Inc. | Method and apparatus for multidomain data analysis |
US6824813B1 (en) * | 2000-04-06 | 2004-11-30 | Applied Materials Inc | Substrate monitoring method and apparatus |
US6627464B2 (en) * | 2001-02-07 | 2003-09-30 | Eni Technology, Inc. | Adaptive plasma characterization system |
US6859796B1 (en) | 2001-07-19 | 2005-02-22 | Hewlett-Packard Development Company, L.P. | Method of using multiple populations with cross-breeding in a genetic algorithm |
JP2003085526A (ja) * | 2001-09-12 | 2003-03-20 | Toshiba Corp | 最適値探索装置、最適値探索方法、最適値探索プログラム、パラメータ・フィッティング方法及び半導体装置の製造方法 |
US6641746B2 (en) | 2001-09-28 | 2003-11-04 | Agere Systems, Inc. | Control of semiconductor processing |
JP2003152102A (ja) * | 2001-11-15 | 2003-05-23 | Hitachi Ltd | 半導体集積回路装置の製造方法 |
US6884146B2 (en) * | 2002-02-04 | 2005-04-26 | Kla-Tencor Technologies Corp. | Systems and methods for characterizing a polishing process |
GB0206342D0 (en) * | 2002-03-18 | 2002-05-01 | Murgitroyd & Company | An improved process control method and apparatus |
JP4274348B2 (ja) * | 2002-07-02 | 2009-06-03 | 東京エレクトロン株式会社 | プロセスの予測方法及び処理装置並びにプロセス予測プログラム |
WO2003102724A2 (en) * | 2002-05-29 | 2003-12-11 | Tokyo Electron Limited | Method and system for data handling, storage and manipulation |
JP2004079727A (ja) * | 2002-08-15 | 2004-03-11 | Fujitsu Ltd | エッチング終点検出方法、エッチング終点検出システム、エッチング装置、およびエッチング終点検出プログラム |
JP4165638B2 (ja) * | 2002-09-02 | 2008-10-15 | 東京エレクトロン株式会社 | プロセスの監視方法及びプラズマ処理装置 |
US6919279B1 (en) * | 2002-10-08 | 2005-07-19 | Novellus Systems, Inc. | Endpoint detection for high density plasma (HDP) processes |
US6879860B2 (en) * | 2003-03-11 | 2005-04-12 | Gregory Howard Wakefield | Cochlear implant MAP optimization with use of a genetic algorithm |
US7101805B2 (en) * | 2003-05-09 | 2006-09-05 | Unaxis Usa Inc. | Envelope follower end point detection in time division multiplexed processes |
CN100419983C (zh) * | 2003-05-16 | 2008-09-17 | 东京毅力科创株式会社 | 处理系统健康指数及其使用方法 |
CN100419482C (zh) * | 2004-05-09 | 2008-09-17 | 上海理工大学 | 基于遗传算法的波导-光纤自动调芯法及其装置 |
CN1256670C (zh) * | 2004-09-16 | 2006-05-17 | 上海交通大学 | 基于实数编码遗传算法的应用服务器实例池动态配置方法 |
-
2006
- 2006-05-26 US US11/441,811 patent/US7625824B2/en active Active
- 2006-06-12 EP EP06772850A patent/EP1891492B1/en active Active
- 2006-06-12 CN CN2006800216137A patent/CN101218550B/zh active Active
- 2006-06-12 WO PCT/US2006/022705 patent/WO2006138199A1/en active Application Filing
- 2006-06-12 JP JP2008516968A patent/JP5066517B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106463613A (zh) * | 2014-05-09 | 2017-02-22 | 瓦里安半导体设备公司 | 用于动态控制离子束能量及角度的设备及方法 |
CN106463613B (zh) * | 2014-05-09 | 2019-07-23 | 瓦里安半导体设备公司 | 刻蚀衬底的方法、刻蚀装置结构的方法及处理设备 |
Also Published As
Publication number | Publication date |
---|---|
EP1891492A1 (en) | 2008-02-27 |
WO2006138199A1 (en) | 2006-12-28 |
JP2008547201A (ja) | 2008-12-25 |
JP5066517B2 (ja) | 2012-11-07 |
US7625824B2 (en) | 2009-12-01 |
US20060287753A1 (en) | 2006-12-21 |
EP1891492B1 (en) | 2012-06-06 |
CN101218550B (zh) | 2010-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101218550B (zh) | 用于检测过程变化的方法 | |
US5966312A (en) | Method for monitoring and analyzing manufacturing processes using statistical simulation with single step feedback | |
KR101215367B1 (ko) | 에칭 장치, 분석 장치, 에칭 처리 방법, 및 에칭 처리 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체 | |
US6564114B1 (en) | Determining endpoint in etching processes using real-time principal components analysis of optical emission spectra | |
TWI534855B (zh) | 藉由連結具有工具操作參數之光譜資訊及材料測量資訊及改進工具表現 | |
EP1210724B1 (en) | Method of determining etch endpoint using principal components analysis of optical emission spectra | |
US20130173042A1 (en) | Semiconductor manufacturing equipment | |
EP0584676A1 (en) | Closed loop semiconductor fabrication method and system | |
CN108369916B (zh) | 晶片逐点分析和数据呈现 | |
CN110782546A (zh) | 基于组合树模型的半导体pvd制程的电阻率虚拟量测方法 | |
KR100455559B1 (ko) | 측정 가능한 장비 신호들을 이용한 공정수행 인-라인모니터링을 위한 방법 및 시스템 | |
KR20200125491A (ko) | 학습 방법, 관리 장치 및 관리 프로그램 | |
Choi et al. | Virtual metrology for etch profile in silicon trench etching with SF₆/O₂/Ar plasma | |
US11404253B2 (en) | Plasma processing apparatus and analysis method for analyzing plasma processing data | |
KR102593981B1 (ko) | 네트워크 로그 데이터의 결측치 처리 및 이를 통한 통신 결함 근원 분류 방법 | |
KR20240067834A (ko) | 피처 모델들을 사용한 프로세스 레시피 생성 및 매칭 | |
CN111398200A (zh) | 非相干宽带腔增强吸收光谱最优反演波段确定方法 | |
US20240176339A1 (en) | Method of predicting an optimal process condition model to improve a yield of a semiconductor fabrication process and method of controlling a semiconductor fabrication process based on an optimal process condition model | |
Zeng et al. | Dimensionality reduction methods in virtual metrology | |
CN110286094B (zh) | 一种基于聚类分析的光谱模型转移方法 | |
CN117633053B (zh) | 一种用于监控变压器状态的数据处理系统 | |
Lin et al. | Machine Learning-Based Approach for Automatic Ion Implanter Monitoring | |
Chen et al. | Weighted fuzzy c-means clustering based on double coding genetic algorithm | |
Kim et al. | Prediction of plasma-induced DC bias using polynomial neural network | |
CN117095743A (zh) | 一种小分子肽阿胶的多肽谱匹配数据分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |