CN113737148A - 一种优化分子束外延薄膜均匀性的方法 - Google Patents

Abstract

本发明属于半导体薄膜生长技术领域，公开了一种优化分子束外延薄膜均匀性的方法，包括基于源炉‑衬底相对位置信息和源炉束流角度分布信息建立外延薄膜均匀性模型；针对外延薄膜均匀性模型，采用多参数优化方法计算得到外延薄膜均匀性最优时对应的最优目标参数；采用蒙特卡洛方计算得到源炉内坩埚的内壁形状与源炉束流角度分布之间的关系式；根据最优源炉束流角度分布参数和上述关系式计算得到源炉内坩埚最优的内壁形状参数；将最优源炉‑衬底相对位置参数和源炉内坩埚最优的内壁形状参数作为最优装备参数，基于最优装备参数进行分子束外延装备的设计和制备薄膜。本发明能够有效提高外延生长过程中薄膜的均匀性。

Description

一种优化分子束外延薄膜均匀性的方法

技术领域

本发明属于半导体薄膜生长技术领域，更具体地，涉及一种优化分子束外延薄膜均匀性的方法。

背景技术

分子束外延(Molecular Beam Epitaxy，MBE)是一种基于物理沉积方法的薄膜生长技术，在超高真空(Ultra High Vacuum，UHV)环境下，通过高温蒸发或等离子体激发等手段产生原子束流，喷射到衬底上，在衬底表面沉积并实现薄膜晶体生长。

分子束外延薄膜的厚度均匀性水平是能否获取高质量外延薄膜的关键问题之一，具有十分重要的意义。衬底上外延薄膜厚度不均匀会严重影响材料的表面质量和电学特性等材料性能，对于多层超晶格材料的生长，材料生长过程中厚度的不均匀会严重降低材料界面质量，进而降低材料性能。此外，掺杂元素在材料中分布的均匀性也会对材料的性能质量和良率产生重大的影响，严重时，不均匀性会导致材料失效。

如何对分子束外延薄膜的组分和厚度均匀性进行优化，是本领域需要解决的一个技术问题。

发明内容

为解决现有技术中存在的上述问题，本发明通过提供一种优化分子束外延薄膜均匀性的方法。

本发明提供一种优化分子束外延薄膜均匀性的方法，包括以下步骤：

步骤1、基于源炉-衬底相对位置信息和源炉束流角度分布信息，建立外延薄膜均匀性模型；

步骤2、针对所述外延薄膜均匀性模型，采用多参数优化方法，计算得到外延薄膜均匀性最优时对应的最优目标参数；所述最优目标参数包括最优源炉-衬底相对位置参数和最优源炉束流角度分布参数；

步骤3、采用蒙特卡洛方法，计算得到源炉内坩埚的内壁形状S与源炉束流角度分布P之间的关系式，记为P＝f(S)；

步骤4、根据所述步骤2得到的所述最优源炉束流角度分布参数和所述步骤3得到的关系式P＝f(S)，计算得到源炉内坩埚最优的内壁形状参数；

步骤5、将所述步骤2中得到的所述最优源炉-衬底相对位置参数和所述步骤4中得到的所述源炉内坩埚最优的内壁形状参数作为最优装备参数，基于所述最优装备参数进行分子束外延装备的设计和制备薄膜。

优选的，所述步骤1中，根据所述源炉-衬底相对位置信息和所述源炉束流角度分布信息，计算得到衬底上任意一点处的相对沉积速率，基于衬底上不同点处的相对沉积速率表征外延薄膜均匀性。

优选的，所述步骤2中，所述外延薄膜均匀性最优对应衬底上所有点处的相对沉积速率的最大值与衬底上所有点处的相对沉积速率的最小值之间的差值最小。

优选的，步骤1中，所述外延薄膜均匀性模型记为Uniformity＝f(a，b，P)；其中，Uniformity表示外延薄膜均匀性；a为第一相对位置参数，b为第二相对位置参数，P为源炉束流角度分布参数；

步骤2中，所述最优目标参数包括最优第一相对位置参数Opitmum{a}、最优第二相对位置参数Opitmum{b}和最优源炉束流角度分布参数Opitmum{P}；

步骤5中，将所述步骤2中得到的所述最优第一相对位置参数Opitmum{a}、所述最优第二最优相对位置参数Opitmum{b}和所述步骤4中得到的所述源炉内坩埚最优的内壁形状参数Optimum{S}作为最优装备参数。

优选的，衬底位于XOY平面，所述衬底的中心记为O，所述第一相对位置参数a对应源炉的出口在XOY平面的投影点与所述衬底的中心O之间的距离，所述第二相对位置参数b对应源炉的出口在YOZ平面的投影点与所述衬底的中心O之间的距离。

优选的，所述步骤2中，所述多参数优化方法采用粒子群优化算法、遗传算法、模拟退火算法中的一种。

优选的，所述步骤4中，采用人工神经网络方法计算得到所述源炉内坩埚最优的内壁形状参数。

优选的，所述步骤5中，得到所述最优装备参数后，还包括基于所述最优装备参数进行仿真验算，得到衬底上沉积的外延薄膜相对厚度分布结果。

优选的，采用多源炉沉积时，每个源炉用于沉积一种组分；

针对每一个源炉，通过步骤1至步骤5的方法得到该源炉对应的最优装备参数；

得到所有源炉对应的最优装备参数后，基于所有源炉对应的最优装备参数进行分子束外延装备的设计和制备薄膜。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

在发明中，首先基于源炉-衬底相对位置信息和源炉束流角度分布信息建立外延薄膜均匀性模型，然后采用多参数优化方法计算得到外延薄膜均匀性最优时对应的最优目标参数(包括最优源炉-衬底相对位置参数和最优源炉束流角度分布参数)，之后采用蒙特卡洛方法计算得到源炉内坩埚的内壁形状与源炉束流角度分布之间的关系式(即计算不同内壁形状的坩埚及其对应的束流角度分布)，根据最优源炉束流角度分布参数和上述关系式计算得到源炉内坩埚最优的内壁形状参数(即计算实现最优均匀性所需的坩埚内壁形状)，将最优源炉-衬底相对位置参数和源炉内坩埚最优的内壁形状参数作为最优装备参数，基于最优装备参数进行分子束外延装备的设计和制备薄膜。基于上述方法，能够确保某一源炉中的组分在衬底上沉积的均匀性。采用多源炉沉积时，每个源炉用于沉积一种组分，针对每一个源炉，通过上述方法得到该源炉对应的最优装备参数，得到所有源炉对应的最优装备参数后，基于所有源炉对应的最优装备参数进行分子束外延装备的设计和制备薄膜，能够确保多源炉多组分在衬底上沉积的均匀性。综上，本发明能够实现对外延薄膜均匀性的优化，提高外延生长过程中薄膜的厚度和组分均匀性从而提升外延薄膜的质量。

附图说明

图1为本发明实施例提供的一种优化分子束外延薄膜均匀性的方法的流程示意图；

图2为外延薄膜均匀性模型的示意图；

图3为采用多参数优化方法得到最优目标参数的示意图；

图4为某一坩埚内壁形状时粒子蒸发沉积过程的蒙特卡洛计算示意图；

图5为采用人工神经网络方法得到最优源炉内坩埚的内壁形状参数的示意图；

图6为采用本发明实施例提供的一种优化分子束外延薄膜均匀性的方法得到的外延薄膜相对厚度分布计算结果。

具体实施方式

分子束外延薄膜的组分和厚度均匀性取决于从源炉中蒸发的粒子沉积在衬底上各点的沉积速率，这与源炉和衬底的相对位置关系以及源炉的束流角度分布相关，而源炉的束流角度分布取主要决于蒸发坩埚内壁形状。即外延薄膜组分和厚度分布除了与坩埚形状及束流角度分布有关之外，还取决于坩埚和衬底相对位置尺寸，且两者作为一个沉积体系中的不同要素，互相耦合，相互影响。本发明将分子束外延设备源炉与衬底之间相对几何位置关系和源炉束流角度分布综合考虑进行整体优化，以提升外延薄膜的质量。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

本实施例提供一种优化分子束外延薄膜均匀性的方法，参见图1，包括以下步骤：

步骤1、基于源炉-衬底相对位置信息和源炉束流角度分布信息，建立外延薄膜均匀性模型。

具体的，根据所述源炉-衬底相对位置信息和所述源炉束流角度分布信息，计算得到衬底上任意一点处的相对沉积速率，基于衬底上不同点处的相对沉积速率表征外延薄膜均匀性。

所述外延薄膜均匀性最优对应衬底上所有点处的相对沉积速率的最大值与衬底上所有点处的相对沉积速率的最小值之间的差值最小。

步骤2、针对所述外延薄膜均匀性模型，采用多参数优化方法，计算得到外延薄膜均匀性最优时对应的最优目标参数；所述最优目标参数包括最优源炉-衬底相对位置参数和最优源炉束流角度分布参数。

步骤3、采用蒙特卡洛方法，计算得到源炉内坩埚的内壁形状S与源炉的束流角度分布P之间的关系式，记为P＝f(S)。

步骤4、根据所述步骤2得到的所述最优源炉束流角度分布参数和所述步骤3得到的关系式P＝f(S)，计算得到源炉内坩埚最优的内壁形状参数。

步骤5、将所述步骤2中得到的所述最优源炉-衬底相对位置参数和所述步骤4中得到的所述源炉内坩埚最优的内壁形状参数作为最优装备参数，基于所述最优装备参数进行分子束外延装备的设计和制备薄膜。

基于上述方法，能够确保某一源炉中的组分在衬底上沉积的均匀性。

此外，采用多源炉沉积时，每个源炉用于沉积一种组分；针对每一个源炉，通过步骤1至步骤5的方法得到该源炉对应的最优装备参数；得到所有源炉对应的最优装备参数后，基于所有源炉对应的最优装备参数进行分子束外延装备的设计和制备薄膜。

基于上述方法，能够确保多源炉多组分在衬底上沉积的均匀性。

下面对各个步骤作进一步的说明。

1)建立外延薄膜均匀性模型。

外延薄膜均匀性取决于源炉-衬底位置关系参数(包括第一相对位置参数a和第二相对位置参数b)和源炉束流角度分布参数P，所述外延薄膜均匀性模型记为Uniformity＝f(a，b，P)。

衬底位于XOY平面，所述衬底的中心记为O，所述第一相对位置参数a对应源炉的出口在XOY平面的投影点与所述衬底的中心O之间的距离，所述第二相对位置参数b对应源炉的出口在YOZ平面的投影点与所述衬底的中心O之间的距离，参见图2。

所述外延薄膜均匀性模型，是根据源炉-衬底相对位置关系参数和源炉的束流角度分布参数，计算衬底上任意一点的相对沉积速率，可通过衬底上不同的点处的相对沉积速率来推断衬底上各点处的组分和厚度，进而可以得到外延薄膜整体均匀性，可建立起外延薄膜均匀性与源炉-衬底相对位置参数和源炉的束流角度分布参数之间的计算关系。

2)采用多参数优化算法根据所述外延薄膜均匀性模型，计算最优薄膜组分和厚度均匀性及实现最优均匀性所对应的最优目标参数Opitmum{a，b，P}。

即所述最优目标参数包括最优第一相对位置参数Opitmum{a}、最优第二相对位置参数Opitmum{b}和最优源炉束流角度分布参数Opitmum{P}。其中，源炉的束流角度分布参数是由若干描述束流分布的函数的系数组成的集合。

对于上一步中建立的外延薄膜均匀性模型，采用多参数优化方法，对参数a，b，P进行优化，得到均匀性Uniformity(衬底上所有点处的相对沉积速率最大值与最小值之差)最小值及其对应的参数组Optimum{a，b，P}，其过程如图3所示。

为了兼顾外延薄膜的均匀性与源炉中蒸发材料的利用率以及分子束外延的装备工程设计实现，可以先确定源炉-衬底相对位置参数的取值范围，即a，b两个参数的取值范围。

具体的，所述多参数优化方法可采用粒子群优化算法、遗传算法、模拟退火算法等。

3)采用蒙特卡洛方法，计算源炉内坩埚的内壁形状S及其对应的束流角度分布P之间的关系P＝f(S)。

源炉坩埚内材料的蒸发过程是一个粒子在材料表面和坩埚内壁一次或者多次的吸附-脱附过程，源炉的束流角度分布主要取决于源炉内坩埚的内壁形状，但是其对应关系无法准确通过解析式来进行描述，因此采用蒙特卡洛方法来进行计算。在本例中，通过计算大量的坩埚内壁形状及其对应的束流角度分布数据来建立坩埚内壁形状与束流角度分布之间的映射关系，如图4所示。

4)在步骤2)中得到束流角度的最优目标分布Optimum{P}和在3)中建立的坩埚内壁形状S与束流角度P的对应关系后，采用人工神经网络方法，计算最优束流角度分布参数Optimum{P}对应的源炉内坩埚最优的内壁形状参数Optimum{S}＝ANN(Opitmum{P})，如图5所示。

5)将步骤2)中计算得到的最优源炉-衬底相对位置参数(包括最优第一相对位置参数Opitmum{a}、最优第二最优相对位置参数Opitmum{b})和步骤4)得到的源炉内坩埚最优的内壁形状参数Optimum{S}作为实现外延薄膜组分和厚度均匀性优化对应的最优装备参数。此外，得到所述最优装备参数后，还可基于所述最优装备参数进行仿真验算，得到衬底上沉积的外延薄膜相对厚度分布结果。

例如，采用本发明提供的一种优化分子束外延薄膜均匀性的方法得到的最优装备参数进行仿真验算，当第一相对位置参数a和第二相对位置参数b均为195mm时，在4英寸衬底上沉积的外延薄膜相对厚度分布计算结果如图6所示，可实现衬底相对厚度不均匀性约为1％。

此外，在多源炉沉积时，各组分在衬底上的相对沉积速率均匀可以确保各组分分布的均匀性。在外延生长过程中，一般有多个源炉同时沉积几种组分，每种组分在衬底上都有一个沉积速率，同一点在所有组分的共同沉积作用下，薄膜会生长。如果每一种元素的沉积速率是均匀的，那么多源炉沉积的外延薄膜组分和厚度都是均匀的。

综上，通过建立分子束外延薄膜的均匀性计算模型，采用多参数优化算法、蒙特卡洛计算和人工神经网络计算的优化方法，对外延薄膜组分和厚度均匀性进行整体优化，计算外延薄膜最优均匀性及实现该最优均匀性所对应的源炉-衬底相对位置参数和坩埚的内壁形状参数，为分子束外延装备的优化设计提供依据，实现分子束外延薄膜的组分和厚度均匀，进而能够提高外延薄膜的质量。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种优化分子束外延薄膜均匀性的方法，其特征在于，包括以下步骤：

步骤1、基于源炉-衬底相对位置信息和源炉束流角度分布信息，建立外延薄膜均匀性模型；

步骤2、针对所述外延薄膜均匀性模型，采用多参数优化方法，计算得到外延薄膜均匀性最优时对应的最优目标参数；所述最优目标参数包括最优源炉-衬底相对位置参数和最优源炉束流角度分布参数；

步骤3、采用蒙特卡洛方法，计算得到源炉内坩埚的内壁形状S与源炉束流角度分布P之间的关系式，记为P＝f(S)；

步骤4、根据所述步骤2得到的所述最优源炉束流角度分布参数和所述步骤3得到的关系式P＝f(S)，计算得到源炉内坩埚最优的内壁形状参数；

步骤5、将所述步骤2中得到的所述最优源炉-衬底相对位置参数和所述步骤4中得到的所述源炉内坩埚最优的内壁形状参数作为最优装备参数，基于所述最优装备参数进行分子束外延装备的设计和制备薄膜。

2.根据权利要求1所述的优化分子束外延薄膜均匀性的方法，其特征在于，所述步骤1中，根据所述源炉-衬底相对位置信息和所述源炉束流角度分布信息，计算得到衬底上任意一点处的相对沉积速率，基于衬底上不同点处的相对沉积速率表征外延薄膜均匀性。

3.根据权利要求2所述的优化分子束外延薄膜均匀性的方法，其特征在于，所述步骤2中，所述外延薄膜均匀性最优对应衬底上所有点处的相对沉积速率的最大值与衬底上所有点处的相对沉积速率的最小值之间的差值最小。

4.根据权利要求2所述的优化分子束外延薄膜均匀性的方法，其特征在于，步骤1中，所述外延薄膜均匀性模型记为Uniformity＝f(a，b，P)；其中，Uniformity表示外延薄膜均匀性；a为第一相对位置参数，b为第二相对位置参数，P为源炉束流角度分布参数；

步骤2中，所述最优目标参数包括最优第一相对位置参数Opitmum{a}、最优第二相对位置参数Opitmum{b}和最优源炉束流角度分布参数Opitmum{P}；

步骤5中，将所述步骤2中得到的所述最优第一相对位置参数Opitmum{a}、所述最优第二最优相对位置参数Opitmum{b}和所述步骤4中得到的所述源炉内坩埚最优的内壁形状参数Optimum{S}作为最优装备参数。

5.根据权利要求4所述的优化分子束外延薄膜均匀性的方法，其特征在于，衬底位于XOY平面，所述衬底的中心记为O，所述第一相对位置参数a对应源炉的出口在XOY平面的投影点与所述衬底的中心O之间的距离，所述第二相对位置参数b对应源炉的出口在YOZ平面的投影点与所述衬底的中心O之间的距离。

6.根据权利要求1所述的优化分子束外延薄膜均匀性的方法，其特征在于，所述步骤2中，所述多参数优化方法采用粒子群优化算法、遗传算法、模拟退火算法中的一种。

7.根据权利要求1所述的优化分子束外延薄膜均匀性的方法，其特征在于，所述步骤4中，采用人工神经网络方法计算得到所述源炉内坩埚最优的内壁形状参数。

8.根据权利要求1所述的优化分子束外延薄膜均匀性的方法，其特征在于，所述步骤5中，得到所述最优装备参数后，还包括基于所述最优装备参数进行仿真验算，得到衬底上沉积的外延薄膜相对厚度分布结果。

9.根据权利要求1所述的优化分子束外延薄膜均匀性的方法，其特征在于，采用多源炉沉积时，每个源炉用于沉积一种组分；

针对每一个源炉，通过步骤1至步骤5的方法得到该源炉对应的最优装备参数；

得到所有源炉对应的最优装备参数后，基于所有源炉对应的最优装备参数进行分子束外延装备的设计和制备薄膜。

Images