CN116922258A - 调节系统及调节方法 - Google Patents

Abstract

提供一种调节系统。根据一个实施例的调节系统，可包括：研磨垫，其与基板相接触；调节器，其对研磨垫的表面进行调节；传感器部，其对研磨垫的表面状态进行测量；控制部，其根据控制模型，对调节器进行控制；以及机器学习部，其通过机器学习来优化控制模型，机器学习部包括：评价部，其基于传感器部所测量的测量数据，对控制模型进行评价；以及修正部，其根据评价部所评价的结果，对控制模型进行修正。

Description

调节系统及调节方法

技术领域

下面的实施例涉及一种利用机器学习的调节系统及调节方法。

背景技术

在制造基板时需要包括研磨、抛光及清洗在内的CMP(chemica l mechan ica lpo l i sh ing，化学机械研磨)作业。在基板的CMP作业中，需要通过研磨垫对基板的被研磨面进行研磨的工艺。CMP装置作为用于对基板的一面或两面进行研磨、抛光和清洗的构成要素，包括支撑基板的载体、使得基板表面物理磨损的研磨垫。

另一方面，在通过研磨垫对基板进行研磨的过程中，研磨垫因与基板摩擦而磨损。例如，在CMP工艺中所使用的泥浆和由于基板的研磨而产生的颗粒等异物可能会化学腐蚀研磨垫，并且在物理上发生研磨垫表面的不均匀。研磨垫的腐蚀和不均匀可使得基板不能被顺利地研磨从而成为降低基板收率的原因。为了使得其最小化而使用调节器来感知诸如研磨垫的不均匀性和腐蚀等状态的变化，并且去除存在于研磨垫表面上的异物。

因此，实情是需要一种可对研磨垫的表面状态进行感知，并且通过与之相对应来控制调节器的系统及方法。

以上背景技术是发明者在导出本申请的公开内容的过程中持有或掌握的，并不一定是在本申请前向一般公众公开的公知技术。

发明内容

一个实施例的目的在于提供一种可根据已测量的研磨垫的表面状态，对调节器进行控制的系统及方法。

根据一个实施例的调节系统，包括：研磨垫，其与基板相接触；调节器，其对研磨垫的表面进行调节；传感器部，其对研磨垫的表面状态进行测量；控制部，其根据控制模型，对调节器进行控制；以及机器学习部，其通过机器学习，优化控制模型，机器学习部可包括：评价部，其基于传感器部所测量的测量数据，对控制模型进行评价；以及修正部，其根据评价部所评价的结果，对控制模型进行修正。

机器学习部还可包括变更部，其对初始控制模型进行任意变更。

评价部可对任意变更后的控制模型分别赋予根据评价结果而打出的分数。

评价部可根据对任意变更后的控制模型分别赋予的分数，选定最终控制模型。

修正部可将初始控制模型修正为最终控制模型。

机器学习部还可包括反复部，其将修正后的最终控制模型再次设定为初始控制模型。

研磨垫的表面状态可以为研磨垫的轮廓。

控制模型可将施加于调节器的压力、调节器的旋转速度及调节器和研磨垫之间接触时间中的至少一个作为变数。

评价部可以以研磨垫的平坦度为基准，对控制模型进行评价。

根据一个实施例的调节方法，包括：机器学习步骤，其通过机器学习，优化控制模型；研磨垫提供步骤，其提供与基板相接触的研磨垫；调节步骤，其通过调节器对研磨垫的表面进行调节；测量步骤，其对研磨垫的表面状态进行测量；以及控制步骤，其根据控制模型对调节器进行控制，机器学习步骤可包括：评价步骤，其基于测量步骤所测量的测量数据，对控制模型进行评价；以及修正步骤，其根据在评价步骤中所评价的结果，对控制模型进行修正。

机器学习步骤还可包括变更步骤，其对初始控制模型进行任意变更。

评价步骤可对任意变更后的控制模型分别赋予根据评价结果而打出的分数。

评价步骤可根据对任意变更后的控制模型分别赋予的分数，选定最终控制模型。

修正步骤可将初始控制模型修正为最终控制模型。

机器学习步骤还可包括反复步骤，其将修正后的最终控制模型再次设定为初始控制模型。

研磨垫的表面状态可以为研磨垫的轮廓。

控制模型可将施加于调节器的压力、调节器的旋转速度及调节器和研磨垫之间接触时间中的至少一个作为变数。

评价步骤可以以研磨垫的平坦度为基准，对控制模型进行评价。

根据一个实施例的调节系统及方法，可根据已测量的研磨垫的表面状态，对调节器进行反馈控制，从而可保持工艺效果恒定。

根据一个实施例的调节系统及方法的效果不限于以上提到的效果，一般的技术人员可以从以下的记载中明确理解未提及的其他效果。

附图说明

本说明书中所附的以下附图是对本发明的一个优选实施例的例示，与发明的详细内容一起，起到进一步理解本说明的技术思想的作用，因此不应解释为本发明只限定于附图中记载的事项。

图1是根据一个实施例的调节系统的块图。

图2a是根据一个实施例的研磨部的立体图。

图2b是根据一个实施例的研磨部的平面图。

图3是根据一个实施例的机器学习部的块图。

图4a及图4b是示出根据一个实施例的研磨垫的轮廓的图表。

图5是根据一个实施例的调节方法的顺序图。

图6是根据一个实施例的机器学习步骤的顺序图。

标号说明

1：调节系统

11：研磨部

12：传感器部

13：控制部

14：机器学习部

2：调节方法

21：机器学习步骤

22：研磨垫提供步骤

23：调节步骤

24：测量步骤

25：控制步骤

具体实施方式

以下，参照附图对实施例进行详细的说明。但是，由于实施例可进行多种变更，因此权利范围并不受这些实施例的限制或限定。而是应当理解为对实施例进行的所有变更、均等物乃至替代物包含于权利范围内。

实施例中使用的术语仅用于说明目的，不应被解释为想要限定的意图。单数的表达包括多数的表达，除非文脉上有明显不同的意思。在本说明书中，“包括”或“具有”等术语应理解为要指定说明书中所记载的特征、数字、步骤、动作、构成要素、元件或它们组合的存在，不是事先排除一个或一个以上的其他特征或数字、步骤、动作、构成要素、元件或它们组合的存在或者附加可能性。

除非另有定义，否则包括技术的或科学的术语在内，在这里使用的所有术语都与在实施例所属的技术领域中具有一般知识的人通常所理解的含义具有相同的意义。通常使用的词典中定义的那些术语，应解释为具有与在相关技术的上下文中所具有的含义一致的意义，除非在本申请中明确定义，否则不能解释为理想的或过于形式上的意思。

另外，在参照附图进行说明时，不管附图标号如何，同一构成要素赋予相同的参照标号，并省略其重复的说明。在说明实施例时，当判断对相关的公知技术的具体的说明可能会不必要地模糊实施例的要旨时，将省略其详细的说明。

另外，在说明实施例的构成要素时，可以使用第一、第二、A、B、(a)、(b)等术语。这些术语只是为了将该构成要素与其他构成要素区别开来，并不因该术语而限制相关构成要素的本质或顺序或步骤等。当某个构成要素被记载为“连接”、“结合”或“接入”于其他构成要素时，应理解为虽然该构成要素可以直接连接或接入于其他构成要素，但在各构成要素之间也可以“连接”、“结合”或“接入”有另外的构成要素。

在某一个实施例中包含的构成要素和包含共同功能的构成要素，在其他实施例中使用相同的名称来进行说明。如果没有相反的记载,任何一个实施例中记载的说明都可适用于其他实施例，并在重复的范围内省略具体说明。

图1是根据一个实施例的调节系统1的块图，图2a是根据一个实施例的研磨部11的立体图，图2b是根据一个实施例的研磨部11的平面图，图3是根据一个实施例的机器学习部14的块图，图4a及图4b是示出根据一个实施例的研磨垫1122的轮廓的图表。

参照图1至图4b，根据一个实施例的调节系统1可通过机器学习，优化控制模型M，并且可根据优化的控制模型M控制调节器113。

根据一个实施例的调节系统1可包括研磨部11、传感器部12、控制部13和机器学习部14。

研磨部11可以是对基板W进行研磨工艺的机构。基板W的研磨工艺可指不仅包括直接研磨基板W的工艺，还包括调节研磨垫或将泥浆供给至基板W上的工艺的概念。在一个实施例中，研磨部11可包括载体头111、研磨平板112、调节器113及泥浆供给装置114。

在一个实施例中，载体头111可对基板W进行抓取。载体头111在抓取基板W的状态下加压于后述的研磨垫1122，从而可对基板W进行研磨。载体头111可以在抓取基板W的状态下进行旋转。载体头111可以以垂直于基板W面的轴(例如：z轴)为中心旋转。载体头111可以在平行于基板W面的平面上沿第一方向(例如：x轴方向)和垂直于第一方向的第二方向(例如：y轴方向)移动。因此，可根据载体头111的移动来调节基板W在研磨垫1122的上部的位置。

在一个实施例中，研磨平板112可与被载体头111抓取的基板W相接触，并对基板W进行研磨。研磨平板112可包括旋转台1121和研磨垫1122。

在一个实施例中，旋转台1121可以垂直于地面的轴(例如：z轴)为中心旋转。在旋转台1121的上部可设置有研磨垫1122。研磨垫1122在表面可形成有凹槽(groove)。研磨垫1122可具有大于基板W的面积。在研磨基板W的过程中，基板W可与研磨垫1122的局部地点相接触。

在一个实施例中，调节器113可对研磨垫1122的表面进行调节。随着研磨的进行，研磨垫1122的表面可能会受到磨损，例如，在研磨垫1122表面形成的凹槽会变平坦。由于凹槽的磨损降低了基板W的研磨效率，因此调节器113可通过削去研磨垫1122的表面的再生化作业进行复原，以使得研磨垫1122的表面具有充分的粗糙度。调节器113可包括与研磨垫1122相接触的调节垫和使调节垫相对于研磨垫1122旋转的调节头。

在一个实施例中，泥浆供给装置114可向研磨垫1122喷射泥浆。使得已喷射的泥浆中包含的化学成分对基板W的表面进行化学反应，从而可执行对基板W的表面部位进行化学研磨的化学研磨工艺。

传感器部12可对研磨部11的表面状态进行测量。例如，研磨垫1122的表面状态可以是研磨垫1122的轮廓。例如，传感器部12可包括加速度传感器、光学传感器、压力传感器、马达扭矩传感器及电磁场传感器中的至少任意一个。但是，传感器部12的种类并不限于此。传感器部12测量到的测量数据SD可实时进行测量。

控制部13可根据控制模型M对调节器113进行控制。在一个实施例中，控制模型M可将施加到调节器113的压力、调节器113的旋转速度及调节器113和研磨垫1122之间接触时间中的至少一个作为变数。因此，控制部13可对施加到调节器113的压力、调节器113的旋转速度及调节器113和研磨垫1122之间接触时间中的至少一个进行控制。

机器学习部14可借助通过机器学习的机器学习过程，优化控制模型M。在一个实施例中，机器学习部14可实时改变控制模型M，以优化控制模型。在一个实施例中，机器学习部14可包括变更部141、评价部142、修正部143和反复部144。

在一个实施例中，变更部141可任意变更初始控制模型M'。初始控制模型M'可以是最初由用户输入的模型，或者是在反复部144中设置的初始控制模型M'。用户在输入初始控制模型M'的过程中，可同时输入调节器113的运行时间。例如，变更部141可通过随机变更施加到调节器113的压力、调节器113的旋转速度及调节器113和研磨垫1122之间的接触时间中的至少一个的方式来变更初始控制模型M'。

在一个实施例中，评价部142可基于从传感器部12测量出的测量数据SD来评价控制模型M。例如，评价部142可以以研磨垫的平坦度为基准来评价控制模型M。在一个实施例中，评价部142对任意变更后的控制模型M1"、M2"、M3"分别赋予根据评价结果而打出的分数。例如，评价部142可对任意变更后的控制模型M1"、M2"、M3"按照高平坦度的顺序分别赋予高分。在一个实施例中，评价部142可根据对任意变更后的控制模型M1"、M2"、M3"分别赋予的分数来选定最终控制模型M″′。例如，评价部142可从任意变更后的控制模型M1"、M2"、M3"中选定分数最高的控制模型(例如：M1")作为最终控制模型M″′。

在一个实施例中，修正部143可根据评价部142所评价的结果修正控制模型M。在一个实施例中，修正部143可将初始控制模型M'修正为评价部142选定的最终控制模型M″′。因此，评价部142赋予最终控制模型M″′的评分可能高于初始控制模型M'的评分。因此，随着机器学习的反复，最终控制模型M″′可不断修正为评价部142赋予的分数较高的控制模型。

在一个实施例中，反复部144可将修正部143修正后的最终控制模型M″′再次设置为初始控制模型M'。如果反复部144修正的最终控制模型M″′再次被设置为初始控制模型M'，则变更部141可与前述的过程相同地，任意变更初始控制模型M'。通过反复部144，机器学习过程可能会不断反复。

参照图4a和图4b，可知随着机器学习过程的进行，研磨垫1122的平坦度变高。x轴表示距研磨垫1122中心的距离，单位为mm。另外，y轴表示研磨垫1122的高度，单位为μm。图4a示出了根据初始控制模型M'的研磨垫1122的轮廓。与研磨垫1122的中心距离越远，研磨垫1122的高度就越高，可见平坦度不均匀。图4b示出了机器学习开始后经过20个小时时根据控制模型M的研磨垫1122的轮廓。即使距研磨垫1122的中心的距离变远，与图4a相比，研磨垫1122的高度恒定，可见平坦度均匀。

图5是根据一个实施例的调节方法2的顺序图，并且图6是根据一个实施例的机器学习步骤21的顺序图。

参照图5和图6，根据一个实施例的调节方法2可通过机器学习优化控制模型，并且根据优化后的控制模型控制调节器。参照图5和图6，在说明调节方法2时，尽量省略与上述的内容重复的内容。

根据一个实施例的调节方法2可包括机器学习步骤21、研磨垫提供步骤22、调节步骤23、测量步骤24和控制步骤25。

机器学习步骤21可通过机器学习优化控制模型。在一个实施例中，控制模型可将施加到调节器的压力、调节器的旋转速度以及调节器和研磨垫之间的接触时间中的至少一个作为变数。在一个实施例中，机器学习步骤21可包括变更步骤211、评价步骤212、修正步骤213和反复步骤214。

在一个实施例中，变更步骤211可以是任意变更初始控制模型的步骤。

在一个实施例中，评价步骤212可以是基于测量步骤24测量出的测量数据来评价控制模型的步骤。在一个实施例中，评价步骤212可对任意变更后的控制模型分别赋予根据评价结果而打出的分数。在一个实施例中，评价步骤212可根据任意变更后的控制模型分别赋予的分数来选定最终控制模型。在一个实施例中，评价步骤212可以以研磨垫的平坦度为基准来评价控制模型。

在一个实施例中，修正步骤213可以是根据在评价步骤212中所评价的结果来修正控制模型的步骤。在一个实施例中，修正步骤213可将初始控制模型修改为最终控制模型。

在一个实施例中，反复步骤214可以是将已修改的最终控制模型再次设置为初始控制模型的步骤。

研磨垫提供步骤22可以是提供与基板相接触的研磨垫的步骤。

调节步骤23可以是调节器对研磨垫的表面进行调节的步骤。

测量步骤24可以是测量研磨垫表面状态的步骤。在一个实施例中，研磨垫的表面状态可以是研磨垫的轮廓。

控制步骤25可以是根据控制模型来控制调节器的步骤。

如上所述，虽然通过有限的图对实施例进行了说明，但如果是在相关技术领域具有一般知识的人，可以以上述内容为基础适用多种技术性修改和变形。例如，即使说明的技术按照与说明的方法不同的顺序进行，以及/或者说明的系统、结构、装置、电路等构成要素以与说明的方法不同的形态结合或组合，或者被其他构成要素或均等物替换或置换，都可以取得适当的结果。

因此，其他体现、其他实施例及和权利要求书均等的内容也都属于权利要求书的范围。

Claims (18)

1.一种调节系统，其特征在于，包括：

研磨垫，其与基板相接触；

调节器，其对研磨垫的表面进行调节；

传感器部，其对研磨垫的表面状态进行测量；

控制部，其根据控制模型，对调节器进行控制；以及

机器学习部，其通过机器学习来优化控制模型，

机器学习部包括：

评价部，其基于传感器部所测量的测量数据，对控制模型进行评价；以及

修正部，其根据评价部所评价的结果，对控制模型进行修正。

2.根据权利要求1所述的调节系统，其特征在于，

机器学习部还包括变更部，其对初始控制模型进行任意变更。

3.根据权利要求2所述的调节系统，其特征在于，

评价部对任意变更后的控制模型分别赋予根据评价结果而打出的分数。

4.根据权利要求3所述的调节系统，其特征在于，

评价部根据对任意变更后的控制模型分别赋予的分数，选定最终控制模型。

5.根据权利要求4所述的调节系统，其特征在于，

修正部将初始控制模型修正为最终控制模型。

6.根据权利要求5所述的调节系统，其特征在于，

机器学习部还包括反复部，其将修正后的最终控制模型再次设定为初始控制模型。

7.根据权利要求1所述的调节系统，其特征在于，

研磨垫的表面状态为研磨垫的轮廓。

8.根据权利要求1所述的调节系统，其特征在于，

控制模型将施加于调节器的压力、调节器的旋转速度及调节器和研磨垫之间接触时间中的至少一个作为变数。

9.根据权利要求1所述的调节系统，其特征在于，

评价部以研磨垫的平坦度为基准，对控制模型进行评价。

10.一种调节方法，其特征在于，包括：

机器学习步骤，其通过机器学习，优化控制模型；

研磨垫提供步骤，其提供与基板相接触的研磨垫；

调节步骤，其通过调节器对研磨垫的表面进行调节；

测量步骤，其对研磨垫的表面状态进行测量；以及

控制步骤，其根据控制模型对调节器进行控制，

机器学习步骤包括：

评价步骤，其基于测量步骤所测量的测量数据，对控制模型进行评价；以及

修正步骤，其根据在评价步骤中所评价的结果，对控制模型进行修正。

11.根据权利要求10所述的调节方法，其特征在于，

机器学习步骤还包括变更步骤，其对初始控制模型进行任意变更。

12.根据权利要求11所述的调节方法，其特征在于，

评价步骤对任意变更后的控制模型分别赋予根据评价结果而打出的分数。

13.根据权利要求12所述的调节方法，其特征在于，

评价步骤根据对任意变更后的控制模型分别赋予的分数，选定最终控制模型。

14.根据权利要求13所述的调节方法，其特征在于，

修正步骤将初始控制模型修正为最终控制模型。

15.根据权利要求14所述的调节方法，其特征在于，

机器学习步骤还包括反复步骤，其将修正后的最终控制模型再次设定为初始控制模型。

16.根据权利要求10所述的调节方法，其特征在于，

研磨垫的表面状态为研磨垫的轮廓。

17.根据权利要求10所述的调节方法，其特征在于，

控制模型将施加于调节器的压力、调节器的旋转速度及调节器和研磨垫之间接触时间中的至少一个作为变数。

18.根据权利要求10所述的调节方法，其特征在于，

评价步骤以研磨垫的平坦度为基准，对控制模型进行评价。