CN114888715A - 针对垫厚度使用机器学习和补偿的抛光装置 - Google Patents

针对垫厚度使用机器学习和补偿的抛光装置 Download PDF

Info

Publication number
CN114888715A
CN114888715A CN202210494281.5A CN202210494281A CN114888715A CN 114888715 A CN114888715 A CN 114888715A CN 202210494281 A CN202210494281 A CN 202210494281A CN 114888715 A CN114888715 A CN 114888715A
Authority
CN
China
Prior art keywords
thickness
polishing
substrate
values
signal values
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.)
Pending
Application number
CN202210494281.5A
Other languages
English (en)
Inventor
徐坤
丹尼斯·伊万诺夫
哈里·Q·李
钱隽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Applied Materials Inc
Original Assignee
Applied Materials Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Applied Materials Inc filed Critical Applied Materials Inc
Publication of CN114888715A publication Critical patent/CN114888715A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/04—Lapping machines or devices; Accessories designed for working plane surfaces
    • B24B37/07—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool
    • B24B37/10—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool for single side lapping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/11—Lapping tools
    • B24B37/20—Lapping pads for working plane surfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/10—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving electrical means
    • B24B49/105—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving electrical means using eddy currents
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67092—Apparatus for mechanical treatment
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Neurology (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本公开内容涉及抛光系统、抛光基板的方法和执行该方法的计算机存储介质。在抛光系统和抛光方法中，针对传感器的每次扫描，从原位监测系统所接收的数据包括层上的多个不同位置的多个测量到的信号值。基于来自该原位监测系统的该数据确定抛光垫的厚度。针对每次扫描，基于该抛光垫的该厚度来调整该些测量到的信号值的一部分。针对多次扫描中的每次扫描和多个不同位置中的每个位置，生成表示该位置处的该层的厚度的值。此举包括使用由机器学习来构造的一个或多个处理器来处理这些调整后信号值。基于表示该多个不同位置处的该些厚度的该些值来检测抛光终点或更改抛光参数。

Description

针对垫厚度使用机器学习和补偿的抛光装置
本申请是申请日为2019年3月28日、申请号为201980005214.9、发明名称为“针对垫厚度使用机器学习和补偿的抛光装置”的发明专利申请的分案申请。
技术领域
本公开内容关于抛光基板期间的原位监测。
背景技术
集成电路一般通过在硅晶片上依次沉积导体层、半导体层、或绝缘层并通过依次处理这些层来形成于基板(例如半导体晶片)上。
一个制造步骤涉及将填料层沉积在非平坦表面上方，且平坦化该填料层直到非平坦表面被暴露为止。例如，可以将导电填料层沉积于图案化的绝缘层上以填充绝缘层中的沟槽或孔洞。接着抛光填料层直到绝缘层的凸起的图样被暴露为止。在平坦化之后，导电层留存在绝缘层的凸起图案之间的部分形成了在基板上的薄膜电路之间提供导电路径的过孔(via)、插头、和接线。此外，可以使用平坦化来平坦化用于光刻的基板表面。
化学机械抛光(CMP)是一个被接受的平坦化方法。此平坦化方法一般需要将基板安装在载体头上。基板的暴露面抵靠旋转的抛光垫而安置。载体头在基板上提供了可控制的负载以将基板推抵至抛光垫。抛光液(例如具有磨料颗粒的浆料)被供应到抛光垫的表面。
在半导体处理期间，确定基板或基板上的层的一个或多个特性可能是重要的。例如，在CMP工艺期间知道导电层的厚度，使得该工艺可以在正确的时间终止可能是重要的。可以使用许多方法来确定基板特性。例如，光学传感器可被用于化学机械抛光期间的基板的原位监测。替代性地(或附加性地)，可以使用涡电流感测系统来在基板上的导电区域中感应涡电流以确定例如导电区域的局部厚度的参数。
发明内容
在一个方面中，一种抛光基板的方法包括以下步骤：使该基板与抛光垫接触；相对于该抛光垫移动该基板以抛光该基板上的层；和使用原位监测系统的传感器在抛光站处的抛光期间监测该层。传感器相对于该基板移动以跨越该基板提供该传感器的多次扫描，且该原位监测系统生成数据，针对该多次扫描中的每次扫描，该数据包括该层上的多个不同位置的多个测量到的信号值。基于来自该原位监测系统的该数据确定该抛光垫的厚度。针对该多次扫描中的每次扫描，基于该抛光垫的该厚度来调整该多个测量到的信号值的至少一部分，以提供多个调整后信号值。针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置，生成表示该位置处的该层的厚度的值，从而提供表示该多个不同处的厚度的多个值。该生成步骤包括以下步骤：使用由机器学习来构造的一个或多个处理器处理至少该多个调整后信号值。基于表示该多个不同位置处的该些厚度的该多个值来检测抛光终点和/或更改抛光参数。
在另一个方面中，抛光系统包括：用于抛光垫的支撑件；载体，用于将基板保持为与该抛光垫接触；原位监测系统，具有传感器；马达，用于在该传感器与该基板之间生成相对运动，使得该传感器跨越该基板进行多次扫描；和控制器。该原位监测系统被构造为生成数据，针对该复数次扫描中的每次扫描，该数据包括该层上的多个不同位置的多个测量到的信号值。该控制器被构造为：从该原位监测系统接收该数据；基于来自该原位监测系统的该数据确定该抛光垫的厚度；针对该多次扫描中的每次扫描，基于该抛光垫的该厚度来调整该多个测量到的信号值的至少一部分，以提供多个调整后信号值；针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置，生成表示该位置处的该层的厚度的值，从而提供表示该多个不同位置处的厚度的多个值，其中该生成步骤包括以下步骤：使用由机器学习来构造的一个或多个处理器来处理至少该多个调整后信号值；和及执行以下步骤中的至少一者：基于表示该多个不同位置处的该些厚度的该多个值来检测抛光终点或更改抛光参数。
在另一个方面中，一种计算机储存介质编码有指令，这些指令在被一个或多个计算机执行时使得该一个或多个计算机执行操作。从原位监测系统接收数据，针对该原位监测系统的传感器的该多次扫描中的每次扫描，该数据包括该层上的多个不同位置的多个测量到的信号值。基于来自该原位监测系统的该数据确定该抛光垫的厚度。针对该多次扫描中的每次扫描，基于该抛光垫的该厚度来调整该多个测量到的信号值的至少一部分，以提供多个调整后信号值。针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置，生成表示该位置处的该层的厚度的值，从而提供表示该多个不同处的厚度的多个值。通过以下步骤来生成该值：使用由机器学习来构造的一个或多个处理器处理至少该多个调整后信号值。基于表示该多个不同位置处的该些厚度的该多个值检测抛光终点或更改抛光参数。
实施方式可以包括以下特征中的一者或多者。
可以将该抛光垫的该厚度表示为该抛光垫的垫磨损量或表示为该抛光垫的实际厚度。
可以测量针对该基板的增益，且可以从相关函数确定该抛光垫的该厚度，该相关函数提供垫厚度值作为增益的函数。针对该基板确定该增益的步骤可以包括以下步骤：基于表示发生在该层的抛光操作的初始部分中的多次扫描的厚度的该多个值，确定该层的估计起始厚度值。可以在抛光之前测量该层的初始厚度值，其中确定该增益的步骤包括以下步骤：将该估计起始厚度值与该测量到的起始厚度值进行比较。该传感器可以生成多个原始厚度值，且在确定该增益之后，可以将该多个原始厚度值与该增益相乘，以生成该多个测量到的信号值。
可以在该多个测量到的信号值的至少该部分上执行卷积，以调整该多个测量到的信号值的至少该部分。该卷积可以是该抛光垫的磨损量的高斯函数，以将该测量到的信号值缩放为零垫磨损时的信号值。
该层上的该多个不同位置可以包括该基板的边缘区域中的至少一个边缘位置、该基板的中心区域中的至少一个中心位置、和该中心区域与该边缘区域之间的锚定区域中的至少一个锚定位置。该多个测量到的信号值的该至少一部分可以包括与该边缘区域对应的测量到的信号值，且可以包括与该锚定区域对应的测量到的信号值，但不需要包括与该中心区域对应的测量到的信号值。
处理至少该多个调整后信号值的步骤可以包括输出更改后的信号值。可以使用相关曲线来计算表示厚度的该多个值，该相关曲线提供层厚度值作为信号值的函数。该多个测量到的信号值的该至少一部分可以包括少于该多个测量到的信号值中的所有测量到的信号值。
可以基于该多个更改后的信号值从表示厚度的该多个值中计算第一组值，且可以基于不在该多个测量到的信号值的该部分中的测量到的信号值的其余部分从表示厚度的该多个值中计算第二组值。该第一组值可以包括来自该基板的边缘区域中的位置的值，而该第二组值可以包括来自该基板的中心区域中的位置的值。
处理至少该多个调整后信号值的步骤可以包括以下步骤：将该多个调整后信号值输入到神经网络。该神经网络可以包括一个或多个神经网络层，该一个或多个神经网络层包括输入层、输出层、和一个或多个隐藏层。每个神经网络层可以包括一个或多个神经网络节点，且可以将每个神经网络节点构造为根据一组参数处理输入来生成输出。
可以接收该层的一个或多个不同位置中的每个位置的厚度真值(ground truth)，可以计算每个位置的该厚度估计量与该位置的相对应的厚度真值之间的误差量，且可以基于该误差量来更新神经网络系统的参数。该真值可以是使用四点探针法的测量值。
该原位监测系统可以包括涡电流监测系统。相对于该抛光垫移动该基板的步骤可以包括以下步骤：旋转平台板(platen)，保持该平台板和该传感器以便使得该传感器对整个基板进行多次扫掠(sweep)。
某些实施方式可以包括以下优点中的一者或多者。原位监测系统(例如涡电流监测系统)可以在传感器对整个基板扫描时生成信号。即使在抛光垫的厚度有改变的情况下，该系统也可以补偿该信号的与基板边缘对应的一部分中的失真。可以将该信号用于终点控制和/或抛光参数(例如载体头压力)的闭环控制，因此改善了晶片内不均匀性(within-wafer non-uniformity,WIWNU)和晶片间不均匀性(water-to-wafer non-uniformity,WTWNU)。
一个或多个实施方式的细节被阐述在附图和以下的说明中。其他的方面、特征、及优点将通过说明书和附图，以及通过权利要求书而变得显而易见。
附图说明
图1A是包括涡电流监测系统的化学机械抛光站的部分横截面示意侧视图。
图1B是化学机械抛光站的示意俯视图。
图2是被抛光装置的传感器头扫描的基板的示意俯视图。
图3是信号强度的示意图表，该信号强度是基板上的层的厚度的函数。
图4是在传感器跨越基板的单次扫描中获得的测量到的信号的示意图表。
图5是测量到的作为时间(在基板的多次扫描内)的函数的信号的示意图表。
图6是作为增益的函数的垫厚度的示意图表。
图7是神经网络的示意说明。
图8是用于抛光基板的示例处理的流程图。
图9是用于使用神经网络生成厚度的估计测量的示例处理的流程图。
图10是用于训练神经网络以针对一组测量到的信号生成更改后信号的示例处理的流程图。
各种附图中的类似参考符号指示类似的元件。
具体实施方式
抛光装置可以使用原位监控系统(例如涡电流监测系统)来检测基板上被抛光的外层的厚度。在外层的抛光期间，原位监测系统可以确定基板上的层的不同位置的厚度。可以使用厚度测量值来触发抛光终点和/或实时调整抛光工艺的处理参数。例如，基板载体头可以调整基板的背侧上的压力以增加或减少外层的这些位置的抛光速率。可以调整抛光速率使得层的这些位置的厚度在抛光之后实质相同。CMP系统可以调整抛光速率，使得层的这些位置的抛光在大约相同的时间完成。可以将此类分布控制称为实时分布控制(real timeprofile control,RTPC)。
对于靠近基板边缘的位置处的测量而言，原位监测系统可能容易受到信号失真的影响。例如，涡电流监测系统可以生成磁场。在基板边缘附近，因为磁场仅部分重叠基板的导电层，信号可能不自然地很低。若抛光装置使用神经网络来基于由原位监测系统所生成的测量到的信号生成更改后信号，则该装置可以补偿基板边缘处的失真(例如减少的信号强度)。
遗憾的是，抛光垫厚度的改变可能造成涡电流传感器的灵敏度的改变，即使给定补偿技术，这可能仍会在基板边缘处造成不准确的信号。假设，可以用来自多个不同垫厚度的数据来训练神经网络，且垫厚度的测量被用作神经网络的输入。尽管可行，但遗憾的是，获取此类数据可能是麻烦且耗时的。然而，垫厚度可以用于调整输入到神经网络的信号，从而抵消由垫厚度的改变引起的信号失真。
图1A及1B绘示了抛光装置100的示例。抛光装置100包括可旋转的盘状平台板120，抛光垫110位在该平台板上。平台板是可操作的以围绕轴125旋转。例如，马达121可以转动驱动轴杆124以旋转平台板120。抛光垫110可以是具有外抛光层112和较软的背层114的双层式抛光垫。
抛光装置100可以包括端口130以将抛光液132(例如浆料)分配到抛光垫110上。
抛光装置也可以包括抛光垫调节器170以研磨抛光垫110以将抛光垫110维持在一致的研磨状态下。此外，调节操作改善了基板与抛光垫之间的摩擦力的一致性。抛光垫调节器170可以包括调节器头172，调节器头172容许调节器头172随着平台板120旋转而在抛光垫110上方径向扫掠。调节器头172可以在下表面上保持调节器盘176(例如具有磨料(例如金刚石磨粒)的金属盘)。调节处理往往随时间磨损抛光垫110，直到需要替换抛光垫110为止。因此，在抛光了每个基板10之后，抛光垫110将变得稍微更薄。垫磨损率可以是动态的，例如跨越多个基板的抛光操作而变化，且可以取决于消耗品及处理条件。
抛光装置100包括至少一个载体头140。载体头140是可操作的以将基板10保持为抵靠抛光垫110。载体头140可具有与每个各别的基板相关联的抛光参数(例如压力)的独立控制。
详细而言，载体头140可以包括保持环142以将基板10保持在柔性膜片144下方。载体头140也包括由膜片所界定的多个可独立控制的可加压腔室(例如三个腔室146a-146c)，这些腔室可以向柔性膜片144上的相关联的区域施加可独立控制的压力，并因此向基板10上的相关联的区域施加可独立控制的压力。尽管为了容易说明起见在图1中只有绘示了三个腔室，但可以存在一个或两个腔室，或四个或更多个腔室，例如五个腔室。
载体头140从支撑结构150(例如转盘或轨道)悬挂，且由驱动轴杆152连接到载体头旋转马达154使得载体头可以围绕轴155而旋转。可选地，载体头140可以侧向振荡，例如在转盘150或轨道上的滑块上侧向振荡；或通过转盘本身的旋转振荡而侧向振荡。操作时，平台板围绕其中心轴125而旋转，且载体头围绕该载体头的中心轴155而旋转且跨越抛光垫的顶表面侧向平移。
尽管只示出了一个载体头140，但可以设置更多个载体头来保持额外的基板，使得可以高效地使用抛光垫110的表面区域。
抛光装置100也包括原位监测系统160。原位监测系统160生成时变的值序列，该时变的值序列取决于基板上的层的厚度。原位监测系统160包括传感器头，测量值在传感器头处生成；由于基板与传感器头之间的相对移动，将在基板上的不同位置处获取测量值。
原位监测系统160可以是涡电流监测系统。涡电流监测系统160包括驱动系统及感测系统，该驱动系统用于在基板上的导电层中感应涡电流，该感测系统用于检测由驱动系统在导电层中所感应的涡电流。监测系统160包括定位在凹部128中以与平台板一起旋转的芯162、围绕芯162的一部分而缠绕的至少一个线圈164、和由配线168连接到线圈164的驱动及感测电路系统166。芯162与线圈164的组合可以提供传感器头。在一些实施方式中，芯162凸出至平台板120的顶面上方，例如凸出至抛光垫110的底部中的凹部118中。
驱动及感测电路系统166被构造为向线圈164施加振荡的电信号并测量生成的涡电流。对于驱动及感测电路系统而言并且对于线圈的构造及位置而言，各种构造是可能的，例如，如在第6,924,641号、7,112,960号、及8,284,560号的美国专利中和在第2011-0189925号和2012-0276661号的美国专利公开文献中所描述的那样。驱动及感测电路系统166可以定位在平台板120的相同的凹部128或不同的位置中，或可以定位在平台板120外部且通过旋转式电接头129耦接至平台板中的部件。
操作时，驱动及感测电路系统166驱动线圈164以生成振荡的磁场。磁场的至少一部分延伸穿过抛光垫110并进入基板10。若基板上10存在导电层，则振荡的磁场在导电层中生成涡电流。涡电流使得导电层充当耦接到驱动及感测电路系统166的阻抗源。随着导电层的厚度改变，阻抗改变，且此可以被驱动及感测电路系统166检测到。
替代性或附加性地，可以将光学监测系统(其可用作反射计或干涉计)固定到平台板120在凹部128中。若使用两个系统，则光学监测系统和涡电流监测系统可以监测基板的相同部分。
CMP装置100也可以包括位置传感器180(例如光学断续器)以感测芯162何时在基板10下方。例如，可以将光学断续器安装在与载体头140相反的固定点处。标志182被附接到平台板的周边。标志182的附接点和长度经选择以使其在芯162在基板10下方扫掠的同时中断传感器180的光学信号。替代性或附加性地，CMP装置可以包括编码器以确定平台板的角位置。
控制器190(例如通用可编程数字计算机)从涡电流监测系统160接收强度信号。控制器190可以包括处理器、存储器、和I/O设备，以及输出设备192(例如监视器)和输入设备194(例如键盘)。
信号可以从涡电流监测系统160通过旋转式电接头129传递到控制器190。或者，电路系统166可以通过无线信号与控制器190通信。
因为芯162随着平台板的每次旋转在基板下方扫掠，因此关于导电层厚度的信息原位地并连续实时地累积(平台板每次旋转累积一次)。可以将控制器190编程为在基板大致覆盖芯162(由位置传感器所确定)时从监测系统采样测量值。随着抛光的进行，导电层的厚度改变，且采样的信号随时间而变化。可以将时变的采样信号称为迹线。可以在抛光期间将来自监测系统的测量值显示在输出设备192上，以容许设备的操作员可视地监视抛光操作的进度。
操作时，CMP装置100可以使用涡电流监测系统160来确定填料层的主体已在何时被移除和/或确定下层的停止层已在何时被实质暴露。用于检测器逻辑的可能的工艺控制和终点准则包括局部的最小值或最大值、斜率的改变、振幅或斜率的临界值、或上述项目的组合。
也可以将控制器190连接到控制由载体头140施加的压力的压力机构、连接到载体头旋转马达154以控制载体头的旋转速率、连接到平台板旋转马达121以控制平台板的旋转速率、或连接到浆料分布系统130以控制供应到抛光垫的浆料组成。此外，可以将计算机190编程为将在基板下方的每次扫掠的来自涡电流监测系统160的测量值分割成多个采样区，以计算每个采样区的径向位置，并将振幅测量值分类成多个径向范围，如在第6,399,501号美国专利中所讨论的。在将测量值分类成多个径向范围之后，可以将关于膜厚度的信息实时馈送到闭环控制器中以周期性地或连续地更改由载体头所施加的抛光压力分布，以便提供改善的抛光均匀性。
控制器190可以使用相关曲线来生成被抛光的层的厚度的估计测量，该相关曲线将由原位监测系统160所测量到的信号与在基板10上被抛光的层的厚度相关联。图3中示出了相关曲线303的示例。在图3中所描绘的坐标系统中，水平轴表示从原位监测系统160所接收的信号的值，而垂直轴表示基板10的层的厚度的值。对于给定的信号值，控制器190可以使用相关曲线303来生成对应的厚度值。可以将相关曲线303视为“静态”公式，因为其针对每个信号值预测厚度值，无论传感器头获得该信号的时间或位置如何。可以通过各种函数表示相关曲线，例如多项式函数，或与线性内插结合的查找表(LUT)。
参照图1B和图2，传感器头相对于基板10的位置的改变可以造成来自原位监测系统160的信号的改变。即，随着传感器头跨越基板10进行扫描，原位监测系统160将针对基板10上的不同位置处的多个区域94(例如测量点)进行测量。区域94可以是部分重叠的(参照图2)。
图4绘示图表420，图表420示出在传感器头单次经过基板10下方的期间来自原位监测系统160的信号401。尽管绘示为实线，但信号401是由在传感器头在基板下方扫掠时来自传感器头的一系列的个别测量值所组成的。图表420可以是测量时间的函数或基板上测量的位置(例如径向位置)的函数。在任一情况下，信号401的不同部分与由传感器头在基板10上扫描的不同位置处的测量点94对应。因此，针对基板由传感器头扫描的给定位置，图表420描绘来自信号401的对应的测量到的信号值。
参照图2及4，信号401包括第一部分422、第二部分424、和第三部分426，第一部分422与在传感器头跨越基板10的前缘时的基板10的边缘区域203中的位置对应，第二部分424与基板10的中心区域201中的位置对应，第三部分426与在传感器头跨越基板10的后缘时的边缘区域203中的位置对应。信号也可以包括部分428，部分428与基板外测量值(即在传感器头扫描图2中的基板10的边缘204之外的区域时生成的信号)对应。
边缘区域203可以与传感器头的测量点94与基板边缘204重叠的基板部分对应。中心区域201可以包括与边缘区域203相邻的环形锚定区域202和被锚定区域202围绕的内区域205。传感器头可以在其路径210上扫描这些区域，并生成与沿着路径210的位置序列对应的测量值序列。
在第一部分422中，信号强度从初始强度(一般是在不存在基板和不存在载体头时生成的信号)逐渐升高到较高的强度。这是由从起初在基板的边缘204处仅稍微重叠基板的监测位置(生成初始的较低的值)过渡到几乎完全重叠基板的监测位置(生成较高的值)所造成的。类似地，在第三部分426中，信号强度在监测位置过渡到基板的边缘204时逐渐降低。
尽管第二部分424被绘示为是平坦的，但这是为了简单起见，且第二部分424中的实际信号会可能包括由噪音和层厚度的变化引起的波动。第二部分424与扫描中心区域201的监测位置对应。第二部分424包括子部分421和423以及子部分427，子部分421和423由扫描中心区域201的锚定区域202的监测位置所造成，子部分427由扫描中心区域201的内区域205的监测位置所造成。
如上所述，区域422、426中的信号强度的变化部分地是由与基板边缘重叠的传感器的测量区域所造成的，而不是由被监测的层的厚度或导电率的固有变化所造成的。因此，信号401中的这种失真可能造成计算基板边缘附近的基板的特征值(例如层的厚度)时的误差。为了解决此问题，控制器190可以包括模块196，模块196由机器学习构造以基于与基板10的一个或多个位置对应的测量到的信号生成与这些位置对应的更改后信号。例如，模块196可以包括神经网络，例如图5的神经网络500，且可以用软件来实施。模块被构造为在适当训练时，生成更改后信号，这些更改后信号减少和/或除去基板边缘附近的计算信号值的失真。
然而，在测量到的信号被输入到模块196之前，可以更改这些信号以补偿环境参数(例如涡电流传感器本身的温度和/或抛光垫的厚度)的漂移。
可以将来自直列式或独立式度量站的基板的测量值与来自原位涡电流传感器的测量值结合使用，以校正涡电流监测系统的增益。例如，可以基于来自度量站的测量值和校正曲线来确定来自原位涡电流传感器的所需的起始信号。可以接着基于将预期的起始信号与来自原位涡电流传感器的实际起始信号进行比较来计算增益或增益的调整。
在一些实施方式中，可以使用以下的方程(1)来执行校正以计算增益：
G ＝ (SE-K)/(S0-K) (1)
其中S0是起始信号值，即在抛光开始时测量到的涡电流信号，SE是在给定已知的起始层厚度的情况下在抛光开始时所预期的信号，并且K是表示在层厚度为零的位置处或在晶片外的位置处的所需值。可以将K设定为预设值。
详细而言，参照图3，在抛光之前，在直列式或独立式度量站处测量待抛光的层的起始厚度TS。可以使用相关曲线303来计算预期信号SE。
图5绘示时变信号450，即迹线，例如由个别的信号值452所组成。在一些实施方式中，从在某个时段内累积的多个信号值选定或组合一个或多个信号值，而这些信号值被用于形成迹线450。例如，对于每次涡电流传感器跨越基板的扫描，可以基于在扫掠期间累积的各种信号值生成一个值452。例如，对于每次扫掠，来自与基板10的中心区域201中的位置对应的第二部分424的信号值(参照图3)可被取平均。然而，许多其他的技术是可能的；可以使用所有信号值，或可以使用来自该次扫掠的最高或最低值。此外，可以由基板上的区域对信号值进行分割，并为每个区生成的单独迹线；在此情况下，可以使用中心区来确定S0。
一旦抛光开始，就可以测量或计算基板的起始信号值S0。例如，可以将函数460(例如线性函数)与在抛光工艺的初始部分462期间累积的信号值拟合。可以从拟合的函数计算初始时间T0处的起始值S0。时间T0不一定是抛光操作的精确起始时间(例如基板被下降至与抛光垫接触的时间)，而可以是其后的几秒，例如2或3秒。尽管不希望受限于任何特定的理论，但使用基板被下降至与抛光垫接触的时间可能给予不自然地高的信号值，因为抛光速率可能起初是受限的，例如，由于平台板仍然正在逐渐增加到目标旋转速率的事实。
在确定了起始信号值S0和预期的信号值SE的情况下，可以计算增益，例如计算为G＝(SE-K)/(S0-K)。对于抛光操作的其余部分482，可以将来自传感器的原始信号值与增益G相乘以生成调整后信号值472，这些调整后信号值提供了调整后的迹线470。可以将函数480(例如线性函数)与在抛光工艺的其余部分482期间累积的信号值拟合。可以在函数480到达临界信号值ST的计算时间处调用(call)终点。
除了如上文所讨论的通过增益来调整信号以外，可以基于抛光垫的厚度按比例增减来自扫描的信号中的一些信号或所有信号，以补偿抛光垫的厚度的改变。在一些实施方式中，只有来自边缘区域和锚定区域的信号部分(例如区域422、421、423、和426(参照图4))被调整。在一些实施方式中，只有来自边缘区域的信号部分被调整。可以将抛光垫厚度表示为实际的厚度(例如垫的抛光面与底面之间的深度)或表示为垫磨损量(例如垫的起始实际厚度与目前厚度之间的差)。
为了调整抛光垫厚度，需要确定垫磨损量或垫厚度。可以通过来自涡电流传感器的测量值来确定垫磨损量或垫厚度。用于确定垫磨损量或垫厚度的各种技术是可能的。
作为一个示例，也可以使用针对基板的抛光所计算的增益G来确定垫磨损量。图6绘示了相关函数490，相关函数490示出增益G与垫磨损量Z之间的关系。因为信号强度往往随着实际的垫厚度减少和垫磨损量增加而增加，相关函数490可以具有负的斜率。
可以从在抛光多个基板的期间所计算的增益值根据经验生成相关函数490。下文讨论了用于生成此类相关函数的一个技术。可以在抛光垫被安装在平台板上之前或之后但在基板已被抛光之前测量抛光垫的起始厚度P0。接着使用抛光垫来对一系列基板进行抛光，计算并储存每个基板的增益G，且在每个基板被抛光的期间和/或之后调节垫。这生成了增益值序列G0、G1、…GF。
可以测量抛光垫的最终厚度PF，例如在已经从平台板移除抛光垫之后进行测量。起始厚度P0与最终厚度PF之间的差提供了垫磨损量ZF。
可以假设抛光垫是以线性的速率磨损的；此容许通过分别从起始垫磨损值Z0(可能是0)和最终垫磨损值ZF进行内插以针对每个增益值计算垫磨损值。例如，若抛光100个基板，则可以将抛光第25个基板的垫厚度值计算为0与ZF之间的25％。增益与垫磨损值的数值对在增益与垫磨损量的关系的2D空间中提供了一组点492。可以将函数(例如线性或多项式函数)与此组点拟合，因此生成了相关函数490。可以通过各种技术来实施相关函数490，例如多项式函数，或与线性内插结合的查找表(LUT)。可以接着使用相关函数490针对任意增益Gx计算垫磨损量Zx。
替代性或附加性地，可以在抛光垫仍然处于平台板上的同时在该系列基板的抛光的运行期间的一个或多个时间(例如以规则或不规则的间隔)测量抛光垫的厚度。此容许生成额外的具体测量的垫磨损值，例如ZA、ZB。可以通过仅将函数与具体测量的垫磨损值与其相关联的增益值的数值对拟合来生成相关函数490。或者，可以针对从相邻的具体测量的垫磨损值的每个增益值内插值来计算具体测量的垫磨损值之间的垫磨损值。在此情况下，可以通过将函数与特定的垫磨损值和内插的垫磨损值(及其相关联的增益值)拟合来生成相关函数。
作为另一个示例，可以测量在传感器经过已知厚度的导体(例如调节盘176(参照图1))下方时的信号值。一般而言，导体越靠近传感器(即抛光垫110越薄)，信号强度就越强。可以使用实验确定的校正曲线(例如被储存为查找表)来计算抛光垫厚度。
一旦已经确定了抛光垫厚度(作为磨损量或实际厚度)，就可以基于抛光垫厚度来调整来自扫描的信号的选定部分。这可以补偿由抛光垫的厚度改变所引起的传感器的灵敏度改变。如上所述，在一些实施方式中，信号的选定部分仅是来自边缘区域和锚定区域的部分，例如区域422、421、423、及426(参照图4)。
在一些实施方式中，信号的选定部分经受卷积以生成信号的校正部分。此卷积可以是垫磨损量的函数。
例如，可以依据以下方程来计算校正信号：
f(y)＝∫dxRAW(x)Gσ(x-y) (2)
其中f(y)是校正分布，RAW(x)是信号强度，该信号强度是径向位置x的函数(可能已经使用上述的方程1针对增益调整过)。函数Gσ可以由以下方程给定：
Figure BDA0003631933150000131
其中
σ＝k*Z
其中Z是基板的垫磨损量，而k是从经验数据确定的常数，例如k＝0.278。
一旦计算了校正分布f(y)，就可以将该校正分布输入到模块196。
抛光装置100可以使用神经网络500来生成更改后信号。可以接着使用更改后信号来针对基板的第一组位置(例如边缘区域(且可能是锚定区域)中的位置)中的每个位置确定厚度。例如，返回参看图4，边缘区域的更改后的信号值可以提供信号401的更改后部分430。
可以使用静态公式(例如相关曲线)将更改后的信号值430转换成厚度测量值。例如，控制器190可以使用神经网络500来确定基板的边缘位置和一个或多个锚定位置的厚度。相比之下，控制器190可以直接使用静态公式针对其他区域(例如内区域205)生成厚度测量值。即，可以将来自其他区域(例如内区域205)的信号值在未被神经网络更改的情况下转换成厚度值。
在一些实施方式中，一个或多个更改后的信号值与未更改的信号值重新结合(例如使用加权平均来重新结合)，且使用静态公式(例如相关曲线)将生成的结合信号值转变成厚度值。例如，可以通过更改后的信号值(由神经网络所生成)与原始测量值的加权平均数来生成与边缘区域203与中心区域(信号427)之间的区域中的位置(例如锚定区域202中的位置)对应的结合信号值。加权可以作为基板上的测量位置的函数而变化。详细而言，更靠近中心的位置可以朝向测量到的信号值进行更重的加权，而更靠近边缘的位置可以朝向更改后的信号值进行更重的加权。这可以提供由神经网络所生成的信号部分与不是由神经网络所生成的信号部分之间的平滑过渡。在一些实施方式中，信号值被重新组合的区域可以延伸到基板的边缘。
现参照图7，神经网络500接收一组输入504，且通过一个或多个神经网络层处理输入504以生成一组输出550。神经网络500的层包括输入层510、输出层530、和一个或多个隐藏层520。
神经网络500的每个层包括一个或多个神经网络节点。神经网络层中的每个神经网络节点接收一个或多个节点输入值(来自神经网络500的输入504或来自先前的神经网络层的一个或多个节点的输出)，依据一个或多个参数值处理节点输入值以生成启动值，并可选地将非线性变换函数(例如S形(sigmoid)或tanh函数)应用于启动值以生成神经网络节点的输出。
输入层510中的每个节点接收对神经网络500的输入504中的一者作为节点输入值。
对神经网络的输入504包括来自原位监测系统160的针对基板10上的多个不同位置测量到的信号值，例如第一测量到的信号值501、第二测量到的信号值502、到第n测量到的信号值503。测量到的信号值可以是信号401中的值序列中的个别值。
一般而言，多个不同位置包括基板10的边缘区域203和锚定区域202中的位置。在一些实施方式中，多个不同位置仅在边缘区域203和锚定区域202中。在其他实施方式中，多个不同位置遍布基板的所有区域。
这些测量到的信号值在信号输入节点544处被接收。可选地，神经网络500的输入节点504也可以包括一个或多个状态输入节点516，一个或多个状态输入节点516接收一个或多个处理状态信号504(例如抛光装置100的垫110的磨损量)。
隐藏层520和输出层530的节点被绘示为从先前的层的每个节点接收输入。这是完全连接的前馈神经网络的情况。然而，神经网络500可以是非完全连接的前馈神经网络或非前馈神经网络。并且，神经网络500可以包括以下项目中的至少一者：一个或多个完全连接的前馈层；一个或多个非完全连接的前馈层；和一个或多个非前馈层。
神经网络在输出层530的节点(即输出节点550)处生成一组更改后的信号值550。在一些实施方式中，来自原位监测系统且馈送到神经网络500的每个测量到的信号都有输出节点550。在此情况下，输出节点550的数量可以与输入层510的信号输入节点504的数量对应。
例如，信号输入节点544的数量可以等于边缘区域203和锚定区域202中的测量值的数量，且可以存在相等数量的输出节点550。因此，每个输出节点550生成与作为对信号输入节点544的输入而被供应的各别的测量到的信号对应的更改后信号，例如第一更改后信号551与第一测量到的信号501对应，第二更改后信号552与第二测量到的信号502对应，而第n更改后信号553与第n测量到的信号503对应。
在一些实施方式中，输出节点550的数量小于输入节点504的数量。在一些实施方式中，输出节点550的数量小于信号输入节点544的数量。例如，信号输入节点544的数量可以等于边缘区域203中的测量值的数量，或等于边缘区域203和锚定区域202中的测量值的数量。再次地，输出层530的每个输出节点550生成与作为信号输入节点504而被供应的各别的测量到的信号对应的更改后信号，例如第一更改后信号551与第一测量到的信号501对应，但仅用于从边缘区域203接收信号的信号输入节点554。
在一些实施方式中，对于与给定的测量位置对应的更改后的信号值，可以将神经网络500构造为使得只有来自该给定位置的预定距离内的测量位置的输入信号值被用于确定更改后的信号值。例如，若接收与路径210上的N个连续位置处的测量值对应的信号值S1、S2、…、SM、…、SN，则用于第M个位置(指示于RM处)的更改后的信号值S′M可以仅使用信号值SM-L(最小值1)、…、SM、…、SM+L(最大值N)来计算更改后的信号值S′M。可以将L的值选定为使得使用相距不超过约2-4mm的测量值来生成给定的更改后的信号值S′M；可以使用测量值SM的位置内约1-2mm内(例如1.5mm)的测量值。例如，L可以是来自0到4的范围的数字，例如1或2。例如，若使用3mm内的测量值，且测量值之间的间隔是1mm，则L可以是1；若间隔是0.5mm，则L可以是2；若间隔是0.25，则L可以是4。然而，这可以取决于抛光装置的构造和处理条件。仍然可以将其他参数(例如垫磨损量)的值用于计算更改后的信号值S′M。
例如，可以存在一个或多个隐藏层520的多个隐藏节点570，即“隐藏节点”570等于信号输入节点544的数量，其中每个隐藏节点570与各别的信号输入节点544对应。可以将每个隐藏节点570与相对于对应输入节点的测量值的位置大于预定距离的位置的测量值对应的输入节点544断开(或对于这些输入节点544的参数值为零)。例如，可以将第M个隐藏节点与第1个到第(M-L-1)个输入节点544和第(M+L+1)个到第N个输入节点断开(或对于这些输入节点的参数值为零)。类似地，可以将每个输出节点560与相对于输出节点的测量值的位置大于预定距离的位置的更改后信号对应的隐藏节点570断开(或对于这些隐藏节点的参数值为零)。例如，可以将第M个输出节点与第1个到第(M-L-1)个隐藏节点570和第(M+L+1)个到第N个隐藏节点断开(或对于这些隐藏节点的参数值为零)。
在一些实施例中，抛光装置100可以使用静态公式来确定第一组基板的多个位置(例如边缘区域内的位置)的厚度。可以使用这些基板来生成用于训练神经网络的训练数据。接着，抛光装置100可以使用神经网络500来生成更改后信号，这些更改后信号被用于确定第二组基板的多个位置(例如边缘区域内的位置)的厚度。例如，抛光装置100可以应用静态公式以确定第一组基板的厚度值，并使用训练过的神经网络500来生成更改后信号，这些更改后信号被用于确定第二组基板的厚度值。
图8是用于抛光基板10的示例处理600的流程图。可以由抛光装置100执行处理600。
抛光装置100抛光(602)基板10上的层，并在抛光期间监测(604)层，以针对层上的不同位置生成测量到的信号值。层上的位置可以包括基板的边缘区域203内的一个或多个位置(与信号401的区域422/426对应)，和基板上的锚定区域202内的一个或多个位置(与信号的区域421/423对应)。锚定区域202与基板边缘204隔开且在基板的中心区域201内，且因此不受到由基板边缘204所生成的失真的影响。然而，锚定区域202可以与边缘区域203相邻。锚定区域202也可以围绕中心区域201的内区域205。锚定位置的数量可以取决于原位监测系统160的测量点大小和测量频率。在一些实施例中，锚定位置的数量不能超过最大值，例如最大值4。
抛光装置100基于不同位置中的每个位置的测量到的信号来针对该位置生成厚度估计量(606)。这包括通过神经网络500处理测量到的信号。
对神经网络500的输入可以是由原位监测系统160针对不同位置所生成的原始的测量到的信号或更新的测量到的信号。在一些实施例中，装置100通过正规化信号的值来更新每个测量到的信号。该正规化可以增加对神经网络系统500的输入504中的至少一些落在特定范围内的可能性，这转而可以增加神经网络的训练品质和/或由神经网络500所做出的推断的准确度。此正规化是可选的，且在一些实施方式中是不执行的。
神经网络500的输出是更改后信号，每个更改后信号与一个输入的测量到的信号对应。若测量到的信号是正规化值，则与测量到的信号对应的更改后信号也将是正规化值。因此，抛光装置100可能需要在使用更改后信号来估计基板的厚度之前将此类更改后信号转换成非正规化值。
抛光装置100基于每个厚度估计量来检测(608)抛光终点和/或更改抛光参数。
图9是用于使用神经网络500生成估计的厚度量的示例处理700的流程图。可以由控制器190执行处理700。
控制器接收该组位置中的每个位置的测量到的信号值(702)。这些位置可以是在跨越基板的一次扫掠中。控制器190识别哪些位置与边缘区域对应，哪些位置与锚定区域对应，以及哪些位置与基板的中心区域对应(704)。在一些实施例中，锚定位置是与基板的边缘隔开的。
控制器接着将增益应用于测量到的信号(706)。可以将此增益应用于所有信号值，包括来自基板的边缘区域、锚定区域、及中心区域的测量值。
控制器选定信号的一部分(708)。选定部分可以是与锚定区域及边缘区域对应的测量值。
可选地，控制器190可以基于锚定位置的测量到的信号强度正规化(710)选定部分中的每个测量到的信号值以更新测量到的信号，例如通过将每个选定部分中的测量到的信号值除以锚定位置的测量到的信号强度来正规化。
此外，控制器190可以基于抛光垫厚度来调整选定部分中的每个测量到的(及可选地正规化的)信号值(712)。例如，可以使用垫磨损量的高斯函数在信号上执行卷积。
控制器190接着通过神经网络500处理更新的测量到的信号值以针对每个调整后信号生成更改后的信号值(714)。若是通过与锚定区域中的信号强度相除来正规化测量到的信号值，则控制器190可以使用锚定位置的测量到的信号强度将更改后的信号值转换回非正规化的调整后信号值，以更新测量到的信号值(716)，例如通过将每个测量到的信号值与锚定位置的测量到的信号强度相乘来进行转换。然而，若不正规化测量到的信号值，则可省略此步骤。
可以接着针对信号的选定部分从更改后的信号值并针对未选定的部分(即其余部分)从原始的测量到的信号值构建表示跨越基板的完整扫描的信号(718)。在一些实施方式中，可以例如使用基于测量位置的加权平均将更改后的信号值与未更改的信号值结合以生成结合信号值。
控制器190接着使用信号值(更改后的、或原始的、或结合的信号值)来例如使用相关函数生成每个位置的厚度估计量(参照图7中的步骤606)。如此，控制器190使用更改后的信号值来生成输入到神经网络500的测量值的该组位置中的每个位置的厚度估计量。
图10是用于训练神经网络500以生成一组测量到的信号的更改后信号的示例处理800的流程图。可以由构造为训练神经网络500的一个或多个计算机的系统执行处理800。
系统获得(802)由神经网络500基于输入值所生成的厚度估计量，这些输入值包括基板的一组位置中的每个位置的测量到的信号。系统也获得(804)该组位置中的每个位置的厚度的真值(ground truth)量。系统可以使用电阻抗测量法(例如四点探针法)来生成厚度真值。
系统计算(806)厚度估计量与厚度真值之间的误差量，且基于该误差量来更新神经网络500的一个或多个参数。为此，系统可以使用一种训练算法，该训练算法与反向传播法一起使用梯度下降法。
可以将监测系统用在各种抛光系统中。抛光垫或载体头或其两者可以移动以提供抛光面与基板之间的相对移动。抛光垫可以是固定到平台板的圆形的(或某些其他形状)垫、在供应辊和收取辊之间延伸的窄带(tape)、或连续的皮带(belt)。可以将抛光垫固定在平台板上、在抛光操作之间在平台板上渐进地推进、或在抛光期间连续驱动跨越平台板。可以在抛光期间将垫固定到平台板，或在抛光期间在平台板与抛光垫之间可以存在流体轴承。抛光垫可以是标准(例如具有或不具有填料的聚胺酯)的粗糙垫、软垫、或固定式磨料的垫。
尽管以上讨论聚焦于涡电流监测系统，但可以将校正技术应用于扫描过基板边缘的其他种类的监测系统，例如光学监测系统。此外，尽管以上讨论聚焦于抛光系统，但可以将校正技术施用于包括扫描过基板边缘的原位监测系统的其他种类的基板处理系统，例如沉积或蚀刻系统。
可以用数字电子电路、或用计算机软件、固件、或硬件(包括本说明书中所公开的结构性手段及其结构等效物)、或用上述项目的组合实施本说明书中所描述的所有功能性操作。可以将实施方式实现为一个或多个计算机程序产品(即有形地实施在信息载体中(例如非暂时性机器可读取储存介质中或传播信号中)的一个或多个计算机程序)，以供由数据处理装置(例如可编程处理器、计算机、或多个处理器或计算机)执行或控制该数据处理装置的操作。可以用任何形式的程序语言(包括编译的或解译的语言)编写计算机程序(也称为程序、软件、软件应用、或代码)，且可以用任何形式部署该计算机程序(包括部署为独立程序、或部署为模块、部件、子程序、或适于用在计算环境中的其他单元)。计算机程序不一定与文档对应。可以将程序储存在文档的容纳其他程序或数据的一部分中、储存在专用于所讨论的程序的单个文档中、或储存在多个协同文档(例如储存一个或多个模块、子程序、或代码部分的文档)中。可以将计算机程序部署为在一个计算机上执行、或在一个场所处或跨多个场所分布且由通信网络互连的多个计算机上执行。
可以通过执行一个或多个计算机程序以通过在输入数据上进行操作并生成输出执行功能的一个或多个可编程处理器，来执行此说明书中所述的处理和逻辑流程。也可以通过以下项目来执行处理和逻辑流程，且也可以将装置实施为以下项目：专用逻辑电路(例如FPGA(现场可编程门阵列)或ASIC(专用集成电路))。
已描述了许多实施方式。尽管如此，将了解到，可以在不脱离本公开内容的精神及范围的情况下做出各种更改。因此，其他的实施方式落入随附的权利要求的范围内。

Claims (15)

1.一种编码有指令的计算机储存介质，这些指令在被一个或多个计算机执行时使得该一个或多个计算机执行包括以下步骤的操作：
从原位涡电流监测系统接收数据，针对该原位涡电流监测系统的传感器对由抛光垫抛光的基板的导电层进行的多次扫描中的每次扫描，该数据包括该导电层上的多个不同位置的多个测量到的信号值；
基于来自该原位监测系统的该数据确定该抛光垫的测量到的厚度；
针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置来生成表示该位置处的该导电层的厚度的值，从而提供表示该多个不同位置处的厚度的多个值，其中该生成步骤包括以下步骤：使用由机器学习来构造的一个或多个处理器来处理至少该多个测量到的信号值和该抛光垫的该测量到的厚度；和
执行以下步骤中的至少一者：基于表示该多个不同位置处的这些厚度的该多个值来检测抛光终点或更改抛光参数。
2.如权利要求1所述的计算机储存介质，其中处理至少该多个测量到的信号值和该抛光垫的该测量到的厚度的步骤包括以下步骤：将该多个测量到的信号值的至少一些应用至训练过的神经网络的多个第一输入节点，以及将该抛光垫的该测量到的厚度应用至该训练过的神经网络的第二输入节点。
3.如权利要求2所述的计算机储存介质，其中该操作包括以下步骤：将少于所有的该多个测量到的信号值的一组测量到的信号值应用至该多个第一输入节点。
4.如权利要求3所述的计算机储存介质，其中该多个测量到的信号值包括来自该基板的边缘区域中的位置的第一组值和来自该基板的中心区域中的位置的第二组值。
5.如权利要求4所述的计算机储存介质，其中该操作包括以下步骤：将该第一组值应用至该多个第一输入节点。
6.如权利要求5所述的计算机储存介质，其中该第二组值未被应用至该神经网络。
7.如权利要求1所述的计算机储存介质，其中确定该抛光垫的该厚度的步骤包括以下步骤：针对该基板确定增益，和从相关函数确定该抛光垫的该厚度，该相关函数提供垫厚度值作为该增益的函数。
8.如权利要求7所述的计算机储存介质，其中针对该基板确定该增益的步骤包括以下步骤：基于表示发生在该层的抛光操作的初始部分中的多次扫描的厚度的该多个值，确定该层的估计起始厚度值；在抛光之前接收该层的初始厚度值；和将该估计起始厚度值与接收到的该初始厚度值进行比较。
9.如权利要求8所述的计算机储存介质，其中该操作包括以下步骤：从该传感器接收多个原始厚度值，且其中这些操作包括以下步骤：在确定该增益之后，将该多个原始厚度值与该增益相乘，以生成该多个测量到的信号值。
10.一种抛光系统，包括：
用于抛光垫的支撑件；
载体，用于将基板保持为与该抛光垫接触；
原位涡电流监测系统，具有传感器；
马达，用于在该传感器与该基板之间生成相对运动，使得该传感器跨越该基板进行多次扫描，该原位监测系统被构造为生成数据，针对该多次扫描中的每次扫描，该数据包括该基板的导电层上的多个不同位置的多个测量到的信号值；和
控制器，被构造为：
从该涡电流原位监测系统接收数据，针对该传感器的多次扫描中的每次扫描，该数据包括该导电层上的多个不同位置的多个测量到的信号值；
基于来自该原位监测系统的该数据确定该抛光垫的测量到的厚度；
针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置，生成表示该位置处的该导电层的厚度的值，从而提供表示该多个不同位置处的厚度的多个值，其中该控制器被构造为使用由机器学习来构造的一个或多个处理器来处理至少该多个测量到的信号值和该抛光垫的该测量到的厚度，以生成表示该导电层的该厚度的该值；和
执行以下步骤中的至少一者：基于表示该多个不同位置处的这些厚度的该多个值，检测抛光终点或更改抛光参数。
11.如权利要求10所述的系统，其中该控制器被构造为通过以下方式处理至少该多个测量到的信号值和该抛光垫的该测量到的厚度：将该多个测量到的信号值的至少一些应用至训练过的神经网络的多个第一输入节点，以及将该抛光垫的该测量到的厚度应用至该训练过的神经网络的第二输入节点。
12.如权利要求11所述的系统，其中该控制器被构造为将少于所有的该多个测量到的信号值的一组测量到的信号值应用至该多个第一输入节点。
13.一种抛光基板的方法，包括以下步骤：
使该基板与抛光垫接触；
相对于该抛光垫移动该基板以抛光该基板上的层；
使用原位监测系统的传感器在抛光站处的抛光期间监测该层，该传感器相对于该基板移动以跨越该基板提供该传感器的多次扫描，该原位监测系统生成数据，针对该多次扫描中的每次扫描，该数据包括该层上的多个不同位置的多个测量到的信号值；
基于来自该原位监测系统的该数据确定该抛光垫的测量到的厚度；
针对该多次扫描中的每次扫描，针对该多个不同位置中的每个位置，生成表示该位置处的该导电层的厚度的值，从而提供表示该多个不同位置处的厚度的多个值，其中该生成步骤包括以下步骤：使用由机器学习来构造的一个或多个处理器来处理至少该多个测量到的信号值和该抛光垫的测量到的厚度；和
执行以下步骤中的至少一者：基于表示该多个不同位置处的这些厚度的该多个值，检测抛光终点或更改抛光参数。
14.如权利要求13所述的方法，包括以下步骤：通过将该多个测量到的信号值的至少一些应用至训练过的神经网络的多个第一输入节点，以及将该抛光垫的该测量到的厚度应用至该训练过的神经网络的第二输入节点，来处理至少该多个测量到的信号值和该抛光垫的测量到的厚度。
15.如权利要求14所述的方法，包括以下步骤：将少于所有的该多个测量到的信号值的一组测量到的信号值应用至该多个第一输入节点。
CN202210494281.5A 2018-04-03 2019-03-28 针对垫厚度使用机器学习和补偿的抛光装置 Pending CN114888715A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862652286P 2018-04-03 2018-04-03
US62/652,286 2018-04-03
CN201980005214.9A CN111246970B (zh) 2018-04-03 2019-03-28 抛光系统、抛光基板的方法和计算机储存介质
PCT/US2019/024687 WO2019195087A1 (en) 2018-04-03 2019-03-28 Polishing apparatus using machine learning and compensation for pad thickness

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201980005214.9A Division CN111246970B (zh) 2018-04-03 2019-03-28 抛光系统、抛光基板的方法和计算机储存介质

Publications (1)

Publication Number Publication Date
CN114888715A true CN114888715A (zh) 2022-08-12

Family

ID=68055235

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210494281.5A Pending CN114888715A (zh) 2018-04-03 2019-03-28 针对垫厚度使用机器学习和补偿的抛光装置
CN201980005214.9A Active CN111246970B (zh) 2018-04-03 2019-03-28 抛光系统、抛光基板的方法和计算机储存介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201980005214.9A Active CN111246970B (zh) 2018-04-03 2019-03-28 抛光系统、抛光基板的方法和计算机储存介质

Country Status (6)

Country Link
US (2) US11524382B2 (zh)
JP (2) JP7085639B2 (zh)
KR (2) KR102476372B1 (zh)
CN (2) CN114888715A (zh)
TW (1) TWI825075B (zh)
WO (1) WO2019195087A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI789385B (zh) 2017-04-21 2023-01-11 美商應用材料股份有限公司 使用神經網路來監測的拋光裝置
JP7019305B2 (ja) * 2017-04-26 2022-02-15 株式会社荏原製作所 渦電流センサのキャリブレーション方法
TWI828706B (zh) 2018-06-20 2024-01-11 美商應用材料股份有限公司 用於原位電磁感應監控的基板摻雜補償的方法、電腦程式產品及研磨系統
JP2020053550A (ja) * 2018-09-27 2020-04-02 株式会社荏原製作所 研磨装置、研磨方法、及び機械学習装置
JP2020131353A (ja) * 2019-02-19 2020-08-31 パナソニックＩｐマネジメント株式会社 研磨加工システム、学習装置、学習装置の学習方法
JP2023517449A (ja) 2020-05-14 2023-04-26 アプライド マテリアルズ インコーポレイテッド 研磨中のインシトゥモニタリングで使用するためのニューラルネットワークをトレーニングするための技術及び研磨システム
JP7447284B2 (ja) 2020-06-24 2024-03-11 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定
US11693435B2 (en) * 2020-06-25 2023-07-04 Applied Materials, Inc. Ethercat liquid flow controller communication for substrate processing systems
US11794302B2 (en) 2020-12-15 2023-10-24 Applied Materials, Inc. Compensation for slurry composition in in-situ electromagnetic inductive monitoring
US11709477B2 (en) 2021-01-06 2023-07-25 Applied Materials, Inc. Autonomous substrate processing system
KR102352972B1 (ko) * 2021-01-13 2022-01-18 성균관대학교산학협력단 폴리싱 패드 컨디셔닝 시뮬레이션 방법 및 장치
CN112936085B (zh) * 2021-02-04 2022-09-16 华海清科股份有限公司 一种化学机械抛光控制方法及控制系统
JP2022127882A (ja) * 2021-02-22 2022-09-01 株式会社荏原製作所 基板処理装置
US20220281052A1 (en) * 2021-03-05 2022-09-08 Applied Materials, Inc. Machine learning for classifying retaining rings
JP2022180125A (ja) * 2021-05-24 2022-12-06 株式会社荏原製作所 基板処理装置および基板処理方法
US11969140B2 (en) * 2021-06-22 2024-04-30 Micron Technology, Inc. Surface cleaning
CN114589617B (zh) * 2022-03-03 2022-10-21 清华大学 金属膜厚测量方法、膜厚测量装置和化学机械抛光设备
CN117697613B (zh) * 2023-12-22 2024-05-07 上海强华实业股份有限公司 应用于石英产品研磨设备的识别与研磨控制方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1505554A (zh) * 2001-05-02 2004-06-16 Ӧ�ò��Ϲ�˾ 具有光学和涡流监视的集成结束点检测系统
JP2005034992A (ja) * 2004-10-29 2005-02-10 Ebara Corp ポリッシングの終点検知方法
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
KR100769566B1 (ko) * 2006-05-24 2007-10-23 중앙대학교 산학협력단 신경망을 이용한 박막 두께 측정 방법, 장치 및 이를 위한기록매체
US20080057830A1 (en) * 1999-04-01 2008-03-06 Molnar Charles J Advanced workpiece finishing
US20100099334A1 (en) * 2008-10-16 2010-04-22 Applied Materials, Inc. Eddy Current Gain Compensation
CN102398210A (zh) * 2010-09-09 2012-04-04 株式会社荏原制作所 研磨装置
TW201400239A (zh) * 2012-06-13 2014-01-01 Ebara Corp 研磨方法及研磨裝置
CN105659363A (zh) * 2013-10-29 2016-06-08 应用材料公司 涡电流传感器增益的确定
CN106625201A (zh) * 2015-10-27 2017-05-10 K.C.科技股份有限公司 化学机械抛光装置
CN107369635A (zh) * 2017-06-06 2017-11-21 上海集成电路研发中心有限公司 一种基于深度学习的智能半导体装备系统

Family Cites Families (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5433651A (en) 1993-12-22 1995-07-18 International Business Machines Corporation In-situ endpoint detection and process monitoring method and apparatus for chemical-mechanical polishing
DE69635816T2 (de) * 1995-03-28 2006-10-12 Applied Materials, Inc., Santa Clara Verfahren zum Herstellen einer Vorrichtung zur In-Situ-Kontrolle und Bestimmung des Endes von chemisch-mechanischen Planiervorgängen
US5660672A (en) 1995-04-10 1997-08-26 International Business Machines Corporation In-situ monitoring of conductive films on semiconductor wafers
US5559428A (en) 1995-04-10 1996-09-24 International Business Machines Corporation In-situ monitoring of the change in thickness of films
AU1145797A (en) 1995-12-05 1997-06-27 Skf Condition Monitoring Driver for eddy current proximity probe
US5644221A (en) 1996-03-19 1997-07-01 International Business Machines Corporation Endpoint detection for chemical mechanical polishing using frequency or amplitude mode
JPH1076464A (ja) 1996-08-30 1998-03-24 Canon Inc 研磨方法及びそれを用いた研磨装置
JP4484370B2 (ja) 1998-11-02 2010-06-16 アプライド マテリアルズ インコーポレイテッド 基板上のメタル層の化学機械研磨に関して終点を決定するための方法及び基板のメタル層を研磨するための装置
US6280289B1 (en) 1998-11-02 2001-08-28 Applied Materials, Inc. Method and apparatus for detecting an end-point in chemical mechanical polishing of metal layers
US6159073A (en) 1998-11-02 2000-12-12 Applied Materials, Inc. Method and apparatus for measuring substrate layer thickness during chemical mechanical polishing
US6172756B1 (en) 1998-12-11 2001-01-09 Filmetrics, Inc. Rapid and accurate end point detection in a noisy environment
US6190234B1 (en) 1999-01-25 2001-02-20 Applied Materials, Inc. Endpoint detection with light beams of different wavelengths
US6179709B1 (en) 1999-02-04 2001-01-30 Applied Materials, Inc. In-situ monitoring of linear substrate polishing operations
TW466153B (en) 1999-06-22 2001-12-01 Applied Materials Inc Method and apparatus for measuring a pad profile and closed loop control of a pad conditioning process
US6399501B2 (en) 1999-12-13 2002-06-04 Applied Materials, Inc. Method and apparatus for detecting polishing endpoint with optical monitoring
US6707540B1 (en) 1999-12-23 2004-03-16 Kla-Tencor Corporation In-situ metalization monitoring using eddy current and optical measurements
US6433541B1 (en) 1999-12-23 2002-08-13 Kla-Tencor Corporation In-situ metalization monitoring using eddy current measurements during the process for removing the film
JP4817575B2 (ja) 1999-12-23 2011-11-16 ケーエルエー−テンカー コーポレイション 渦電流測定を利用して、メタライゼーション処理を実状態で監視する方法
KR100718737B1 (ko) 2000-01-17 2007-05-15 가부시키가이샤 에바라 세이사꾸쇼 폴리싱 장치
US6407546B1 (en) 2000-04-07 2002-06-18 Cuong Duy Le Non-contact technique for using an eddy current probe for measuring the thickness of metal layers disposed on semi-conductor wafer products
US6924641B1 (en) 2000-05-19 2005-08-02 Applied Materials, Inc. Method and apparatus for monitoring a metal layer during chemical mechanical polishing
JP3916375B2 (ja) 2000-06-02 2007-05-16 株式会社荏原製作所 ポリッシング方法および装置
JP3832198B2 (ja) 2000-06-16 2006-10-11 日本電気株式会社 半導体ウェハの研磨終点検出方法ならびにその装置
US6626736B2 (en) 2000-06-30 2003-09-30 Ebara Corporation Polishing apparatus
US6878038B2 (en) 2000-07-10 2005-04-12 Applied Materials Inc. Combined eddy current sensing and optical monitoring for chemical mechanical polishing
US6602724B2 (en) 2000-07-27 2003-08-05 Applied Materials, Inc. Chemical mechanical polishing of a metal layer with polishing rate monitoring
US6829559B2 (en) 2000-09-20 2004-12-07 K.L.A.-Tencor Technologies Methods and systems for determining a presence of macro and micro defects on a specimen
US6923711B2 (en) 2000-10-17 2005-08-02 Speedfam-Ipec Corporation Multizone carrier with process monitoring system for chemical-mechanical planarization tool
TWI221435B (en) 2001-01-20 2004-10-01 Guo-Jen Wang Method for optimizing timing control process parameters in chemical mechanical polishing
US6564116B2 (en) 2001-04-06 2003-05-13 Gou-Jen Wang Method for determining efficiently parameters in chemical-mechanical polishing (CMP)
US6676482B2 (en) 2001-04-20 2004-01-13 Speedfam-Ipec Corporation Learning method and apparatus for predictive determination of endpoint during chemical mechanical planarization using sparse sampling
US7082345B2 (en) 2001-06-19 2006-07-25 Applied Materials, Inc. Method, system and medium for process control for the matching of tools, chambers and/or other semiconductor-related entities
US20020192966A1 (en) 2001-06-19 2002-12-19 Shanmugasundram Arulkumar P. In situ sensor based control of semiconductor processing procedure
US6594024B1 (en) 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
US6618130B2 (en) 2001-08-28 2003-09-09 Speedfam-Ipec Corporation Method and apparatus for optical endpoint detection during chemical mechanical polishing
US6821794B2 (en) 2001-10-04 2004-11-23 Novellus Systems, Inc. Flexible snapshot in endpoint detection
US7030018B2 (en) 2002-02-04 2006-04-18 Kla-Tencor Technologies Corp. Methods and systems for monitoring a parameter of a measurement device during polishing, damage to a specimen during polishing, or a characteristic of a polishing pad or tool
US6894491B2 (en) 2002-12-23 2005-05-17 Lam Research Corporation Method and apparatus for metrological process control implementing complementary sensors
US7016795B2 (en) 2003-02-04 2006-03-21 Applied Materials Inc. Signal improvement in eddy current sensing
US6945845B2 (en) 2003-03-04 2005-09-20 Applied Materials, Inc. Chemical mechanical polishing apparatus with non-conductive elements
US7008296B2 (en) 2003-06-18 2006-03-07 Applied Materials, Inc. Data processing for monitoring chemical mechanical polishing
JP2005011977A (ja) 2003-06-18 2005-01-13 Ebara Corp 基板研磨装置および基板研磨方法
US7271921B2 (en) 2003-07-23 2007-09-18 Kla-Tencor Technologies Corporation Method and apparatus for determining surface layer thickness using continuous multi-wavelength surface scanning
US7112960B2 (en) * 2003-07-31 2006-09-26 Applied Materials, Inc. Eddy current system for in-situ profile measurement
US7097537B1 (en) 2003-08-18 2006-08-29 Applied Materials, Inc. Determination of position of sensor measurements during polishing
US7153185B1 (en) 2003-08-18 2006-12-26 Applied Materials, Inc. Substrate edge detection
US7025658B2 (en) 2003-08-18 2006-04-11 Applied Materials, Inc. Platen and head rotation rates for monitoring chemical mechanical polishing
JP4451111B2 (ja) 2003-10-20 2010-04-14 株式会社荏原製作所 渦電流センサ
US7150673B2 (en) 2004-07-09 2006-12-19 Ebara Corporation Method for estimating polishing profile or polishing amount, polishing method and polishing apparatus
US7282909B2 (en) 2005-06-29 2007-10-16 Lam Research Corporation Methods and apparatus for determining the thickness of a conductive layer on a substrate
JP4906043B2 (ja) 2005-09-22 2012-03-28 キヤノン株式会社 研磨方法
US7189140B1 (en) 2005-11-08 2007-03-13 Novellus Systems, Inc. Methods using eddy current for calibrating a CMP tool
US7494929B2 (en) 2006-04-27 2009-02-24 Applied Materials, Inc. Automatic gain control
KR101278236B1 (ko) * 2006-09-12 2013-06-24 가부시키가이샤 에바라 세이사꾸쇼 연마장치 및 연마방법
WO2008103964A2 (en) 2007-02-23 2008-08-28 Applied Materials, Inc. Using spectra to determine polishing endpoints
JP5080933B2 (ja) 2007-10-18 2012-11-21 株式会社荏原製作所 研磨監視方法および研磨装置
CN201166564Y (zh) 2008-01-17 2008-12-17 上海星纳电子科技有限公司 太阳能晶片无接触式测试系统
US8106651B2 (en) 2008-04-17 2012-01-31 Novellus Systems, Inc. Methods and apparatuses for determining thickness of a conductive layer
JP5513795B2 (ja) 2009-07-16 2014-06-04 株式会社荏原製作所 研磨方法および装置
TWI408759B (zh) 2008-11-14 2013-09-11 Applied Materials Inc 具有增強邊緣解析度的渦電流感測器
US20110124269A1 (en) 2009-07-16 2011-05-26 Mitsuo Tada Eddy current sensor and polishing method and apparatus
TW201201957A (en) 2010-01-29 2012-01-16 Applied Materials Inc High sensitivity real time profile control eddy current monitoring system
US8190285B2 (en) 2010-05-17 2012-05-29 Applied Materials, Inc. Feedback for polishing rate correction in chemical mechanical polishing
US8930013B2 (en) 2010-06-28 2015-01-06 Applied Materials, Inc. Adaptively tracking spectrum features for endpoint detection
CN102278967A (zh) 2011-03-10 2011-12-14 清华大学 抛光液厚度测量装置、测量方法和化学机械抛光设备
US8367429B2 (en) 2011-03-10 2013-02-05 Taiwan Semiconductor Manufacturing Company, Ltd. Adaptive endpoint method for pad life effect on chemical mechanical polishing
US9023667B2 (en) 2011-04-27 2015-05-05 Applied Materials, Inc. High sensitivity eddy current monitoring system
US9205527B2 (en) 2012-11-08 2015-12-08 Applied Materials, Inc. In-situ monitoring system with monitoring of elongated region
US9275917B2 (en) 2013-10-29 2016-03-01 Applied Materials, Inc. Determination of gain for eddy current sensor
US9281253B2 (en) 2013-10-29 2016-03-08 Applied Materials, Inc. Determination of gain for eddy current sensor
JP6030041B2 (ja) 2013-11-01 2016-11-24 株式会社荏原製作所 研磨装置および研磨方法
US9490186B2 (en) 2013-11-27 2016-11-08 Applied Materials, Inc. Limiting adjustment of polishing rates during substrate polishing
US9636797B2 (en) 2014-02-12 2017-05-02 Applied Materials, Inc. Adjusting eddy current measurements
US9911664B2 (en) 2014-06-23 2018-03-06 Applied Materials, Inc. Substrate features for inductive monitoring of conductive trench depth
US9754846B2 (en) 2014-06-23 2017-09-05 Applied Materials, Inc. Inductive monitoring of conductive trench depth
US9662762B2 (en) * 2014-07-18 2017-05-30 Applied Materials, Inc. Modifying substrate thickness profiles
KR101655074B1 (ko) 2014-11-04 2016-09-07 주식회사 케이씨텍 화학 기계적 연마 장치 및 와전류 센서를 이용한 웨이퍼 도전층 두께 측정 방법
KR102437268B1 (ko) 2015-02-25 2022-08-29 주식회사 케이씨텍 화학 기계적 연마 시스템
US10478937B2 (en) 2015-03-05 2019-11-19 Applied Materials, Inc. Acoustic emission monitoring and endpoint for chemical mechanical polishing
US9676075B2 (en) 2015-06-12 2017-06-13 Globalfoundries Inc. Methods and structures for achieving target resistance post CMP using in-situ resistance measurements
TW201819107A (zh) * 2016-08-26 2018-06-01 美商應用材料股份有限公司 用於化學機械研磨的研磨墊厚度監測
KR102608200B1 (ko) 2017-01-13 2023-11-30 어플라이드 머티어리얼스, 인코포레이티드 인-시튜 모니터링으로부터의 측정들의 비저항 기반 조정
TWI789385B (zh) 2017-04-21 2023-01-11 美商應用材料股份有限公司 使用神經網路來監測的拋光裝置
TWI783037B (zh) 2017-09-25 2022-11-11 美商應用材料股份有限公司 使用機器學習方式以產生製程控制參數的半導體製造
WO2020067914A1 (en) 2018-09-26 2020-04-02 Applied Materials, Inc. Compensation for substrate doping in edge reconstruction for in-situ electromagnetic inductive monitoring
JP2020053550A (ja) 2018-09-27 2020-04-02 株式会社荏原製作所 研磨装置、研磨方法、及び機械学習装置
JP7447284B2 (ja) 2020-06-24 2024-03-11 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080057830A1 (en) * 1999-04-01 2008-03-06 Molnar Charles J Advanced workpiece finishing
CN1505554A (zh) * 2001-05-02 2004-06-16 Ӧ�ò��Ϲ�˾ 具有光学和涡流监视的集成结束点检测系统
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2005034992A (ja) * 2004-10-29 2005-02-10 Ebara Corp ポリッシングの終点検知方法
KR100769566B1 (ko) * 2006-05-24 2007-10-23 중앙대학교 산학협력단 신경망을 이용한 박막 두께 측정 방법, 장치 및 이를 위한기록매체
US20100099334A1 (en) * 2008-10-16 2010-04-22 Applied Materials, Inc. Eddy Current Gain Compensation
JP2012506152A (ja) * 2008-10-16 2012-03-08 アプライド マテリアルズ インコーポレイテッド 渦電流利得の補償
CN102398210A (zh) * 2010-09-09 2012-04-04 株式会社荏原制作所 研磨装置
TW201400239A (zh) * 2012-06-13 2014-01-01 Ebara Corp 研磨方法及研磨裝置
CN105659363A (zh) * 2013-10-29 2016-06-08 应用材料公司 涡电流传感器增益的确定
CN106625201A (zh) * 2015-10-27 2017-05-10 K.C.科技股份有限公司 化学机械抛光装置
CN107369635A (zh) * 2017-06-06 2017-11-21 上海集成电路研发中心有限公司 一种基于深度学习的智能半导体装备系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张勤俭, 曹凤国, 翟力军, 王先逵: "聚晶金刚石电火花磨削试验的人工神经网络建模", 金刚石与磨料磨具工程, no. 03 *

Also Published As

Publication number Publication date
CN111246970B (zh) 2022-05-24
US11524382B2 (en) 2022-12-13
TWI825075B (zh) 2023-12-11
JP7085639B2 (ja) 2022-06-16
KR20230006912A (ko) 2023-01-11
US20190299356A1 (en) 2019-10-03
JP7441889B2 (ja) 2024-03-01
CN111246970A (zh) 2020-06-05
US20230085787A1 (en) 2023-03-23
KR20200128757A (ko) 2020-11-16
KR102476372B1 (ko) 2022-12-12
TW201945118A (zh) 2019-12-01
JP2022137014A (ja) 2022-09-21
JP2021519221A (ja) 2021-08-10
WO2019195087A1 (en) 2019-10-10

Similar Documents

Publication Publication Date Title
CN111246970B (zh) 抛光系统、抛光基板的方法和计算机储存介质
US20210229234A1 (en) Polishing apparatus using neural network for monitoring
US20230381912A1 (en) Determination of substrate layer thickness with polishing pad wear compensation
US20240014080A1 (en) Technique for training neural network for use in in-situ monitoring during polishing and polishing system
TW202411017A (zh) 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination