CN117545874A - 用于前驱物输送系统的浓度传感器 - Google Patents
用于前驱物输送系统的浓度传感器 Download PDFInfo
- Publication number
- CN117545874A CN117545874A CN202280044989.9A CN202280044989A CN117545874A CN 117545874 A CN117545874 A CN 117545874A CN 202280044989 A CN202280044989 A CN 202280044989A CN 117545874 A CN117545874 A CN 117545874A
- Authority
- CN
- China
- Prior art keywords
- gas
- precursor
- concentration
- flow path
- data
- 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
Links
- 239000002243 precursor Substances 0.000 title claims description 266
- 230000008016 vaporization Effects 0.000 claims abstract description 113
- 238000009834 vaporization Methods 0.000 claims abstract description 110
- 150000001875 compounds Chemical class 0.000 claims abstract description 74
- 239000000126 substance Substances 0.000 claims abstract description 21
- 239000007789 gas Substances 0.000 claims description 288
- 238000000034 method Methods 0.000 claims description 254
- 230000008569 process Effects 0.000 claims description 196
- 239000012159 carrier gas Substances 0.000 claims description 131
- 238000012545 processing Methods 0.000 claims description 101
- 238000010801 machine learning Methods 0.000 claims description 73
- 239000000758 substrate Substances 0.000 claims description 22
- 239000011364 vaporized material Substances 0.000 claims description 15
- 238000012549 training Methods 0.000 description 43
- 239000003708 ampul Substances 0.000 description 32
- 239000007787 solid Substances 0.000 description 30
- 230000015654 memory Effects 0.000 description 28
- 238000005259 measurement Methods 0.000 description 27
- 238000013528 artificial neural network Methods 0.000 description 24
- 238000005229 chemical vapour deposition Methods 0.000 description 24
- 238000000231 atomic layer deposition Methods 0.000 description 23
- 239000007788 liquid Substances 0.000 description 17
- 239000012530 fluid Substances 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- 239000000463 material Substances 0.000 description 15
- 230000008859 change Effects 0.000 description 11
- 239000012707 chemical precursor Substances 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 239000012705 liquid precursor Substances 0.000 description 9
- 238000000429 assembly Methods 0.000 description 8
- 230000000712 assembly Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000011112 process operation Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 238000000859 sublimation Methods 0.000 description 7
- 230000008022 sublimation Effects 0.000 description 7
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- ZMANZCXQSJIPKH-UHFFFAOYSA-N Triethylamine Chemical compound CCN(CC)CC ZMANZCXQSJIPKH-UHFFFAOYSA-N 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- SPRIOUNJHPCKPV-UHFFFAOYSA-N hydridoaluminium Chemical compound [AlH] SPRIOUNJHPCKPV-UHFFFAOYSA-N 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 239000000376 reactant Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 229910052715 tantalum Inorganic materials 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical compound [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 description 4
- -1 copper Chemical class 0.000 description 4
- 238000000151 deposition Methods 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000004886 process control Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 4
- 238000005019 vapor deposition process Methods 0.000 description 4
- BLIQUJLAJXRXSG-UHFFFAOYSA-N 1-benzyl-3-(trifluoromethyl)pyrrolidin-1-ium-3-carboxylate Chemical compound C1C(C(=O)O)(C(F)(F)F)CCN1CC1=CC=CC=C1 BLIQUJLAJXRXSG-UHFFFAOYSA-N 0.000 description 3
- BOTDANWDWHJENH-UHFFFAOYSA-N Tetraethyl orthosilicate Chemical compound CCO[Si](OCC)(OCC)OCC BOTDANWDWHJENH-UHFFFAOYSA-N 0.000 description 3
- 239000007983 Tris buffer Substances 0.000 description 3
- 229910000091 aluminium hydride Inorganic materials 0.000 description 3
- 229910052786 argon Inorganic materials 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- FQNHWXHRAUXLFU-UHFFFAOYSA-N carbon monoxide;tungsten Chemical compound [W].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-] FQNHWXHRAUXLFU-UHFFFAOYSA-N 0.000 description 3
- 239000012876 carrier material Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- YNLAOSYQHBDIKW-UHFFFAOYSA-M diethylaluminium chloride Chemical compound CC[Al](Cl)CC YNLAOSYQHBDIKW-UHFFFAOYSA-M 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000005092 sublimation method Methods 0.000 description 3
- 239000010936 titanium Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 2
- KJTLSVCANCCWHF-UHFFFAOYSA-N Ruthenium Chemical compound [Ru] KJTLSVCANCCWHF-UHFFFAOYSA-N 0.000 description 2
- BLRPTPMANUNPDV-UHFFFAOYSA-N Silane Chemical compound [SiH4] BLRPTPMANUNPDV-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 150000004820 halides Chemical class 0.000 description 2
- 239000001307 helium Substances 0.000 description 2
- 229910052734 helium Inorganic materials 0.000 description 2
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 125000000740 n-pentyl group Chemical group [H]C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])* 0.000 description 2
- 238000013105 post hoc analysis Methods 0.000 description 2
- 229910052707 ruthenium Inorganic materials 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 229910000077 silane Inorganic materials 0.000 description 2
- 235000012239 silicon dioxide Nutrition 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 239000012706 solid chemical precursor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- SQBBHCOIQXKPHL-UHFFFAOYSA-N tributylalumane Chemical compound CCCC[Al](CCCC)CCCC SQBBHCOIQXKPHL-UHFFFAOYSA-N 0.000 description 2
- GETQZCLCWQTVFV-UHFFFAOYSA-N trimethylamine Chemical compound CN(C)C GETQZCLCWQTVFV-UHFFFAOYSA-N 0.000 description 2
- NXHILIPIEUBEPD-UHFFFAOYSA-H tungsten hexafluoride Chemical compound F[W](F)(F)(F)(F)F NXHILIPIEUBEPD-UHFFFAOYSA-H 0.000 description 2
- OQXNUANTNKDCBC-UHFFFAOYSA-N (1-methyl-2h-pyridin-2-yl)hydrazine Chemical compound CN1C=CC=CC1NN OQXNUANTNKDCBC-UHFFFAOYSA-N 0.000 description 1
- OVPOAKZURMLERI-UHFFFAOYSA-N CCNCC.[Ta] Chemical compound CCNCC.[Ta] OVPOAKZURMLERI-UHFFFAOYSA-N 0.000 description 1
- KVKAPJGOOSOFDJ-UHFFFAOYSA-N CN(C)[Ta] Chemical compound CN(C)[Ta] KVKAPJGOOSOFDJ-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- LJWVJFJYUUNRFY-UHFFFAOYSA-N N-ethylethanamine hafnium Chemical compound [Hf].CCNCC.CCNCC.CCNCC.CCNCC LJWVJFJYUUNRFY-UHFFFAOYSA-N 0.000 description 1
- VGJVFFRPVWIVCV-UHFFFAOYSA-N N-ethylethanamine titanium Chemical compound [Ti].CCNCC.CCNCC.CCNCC.CCNCC VGJVFFRPVWIVCV-UHFFFAOYSA-N 0.000 description 1
- VZLKPFKQMKUHFF-UHFFFAOYSA-N N-methylmethanamine titanium Chemical compound [Ti].CNC.CNC.CNC.CNC VZLKPFKQMKUHFF-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- YXEBCJAVXPLYIV-UHFFFAOYSA-N [Ta].C(C)NC Chemical compound [Ta].C(C)NC YXEBCJAVXPLYIV-UHFFFAOYSA-N 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- UOCJDOLVGGIYIQ-PBFPGSCMSA-N cefatrizine Chemical group S([C@@H]1[C@@H](C(N1C=1C(O)=O)=O)NC(=O)[C@H](N)C=2C=CC(O)=CC=2)CC=1CSC=1C=NNN=1 UOCJDOLVGGIYIQ-PBFPGSCMSA-N 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- KBLZFQBDODEHJH-UHFFFAOYSA-N dibutylalumane Chemical compound C(CCC)[AlH]CCCC KBLZFQBDODEHJH-UHFFFAOYSA-N 0.000 description 1
- VJRUISVXILMZSL-UHFFFAOYSA-M dibutylalumanylium;chloride Chemical compound CCCC[Al](Cl)CCCC VJRUISVXILMZSL-UHFFFAOYSA-M 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 125000001664 diethylamino group Chemical group [H]C([H])([H])C([H])([H])N(*)C([H])([H])C([H])([H])[H] 0.000 description 1
- JGHYBJVUQGTEEB-UHFFFAOYSA-M dimethylalumanylium;chloride Chemical compound C[Al](C)Cl JGHYBJVUQGTEEB-UHFFFAOYSA-M 0.000 description 1
- ZYLGGWPMIDHSEZ-UHFFFAOYSA-N dimethylazanide;hafnium(4+) Chemical compound [Hf+4].C[N-]C.C[N-]C.C[N-]C.C[N-]C ZYLGGWPMIDHSEZ-UHFFFAOYSA-N 0.000 description 1
- VSLPMIMVDUOYFW-UHFFFAOYSA-N dimethylazanide;tantalum(5+) Chemical compound [Ta+5].C[N-]C.C[N-]C.C[N-]C.C[N-]C.C[N-]C VSLPMIMVDUOYFW-UHFFFAOYSA-N 0.000 description 1
- BRUWTWNPPWXZIL-UHFFFAOYSA-N ethyl(methyl)azanide;tantalum(5+) Chemical compound [Ta+5].CC[N-]C.CC[N-]C.CC[N-]C.CC[N-]C.CC[N-]C BRUWTWNPPWXZIL-UHFFFAOYSA-N 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910052735 hafnium Inorganic materials 0.000 description 1
- HEMVIQFEEIQOAF-UHFFFAOYSA-N hafnium N-methylethanamine Chemical compound [Hf].CCNC.CCNC.CCNC.CCNC HEMVIQFEEIQOAF-UHFFFAOYSA-N 0.000 description 1
- RNZYQQUPEBYEHL-UHFFFAOYSA-N hafnium N-methylmethanamine Chemical compound [Hf].CNC.CNC.CNC.CNC RNZYQQUPEBYEHL-UHFFFAOYSA-N 0.000 description 1
- VBJZVLUMGGDVMO-UHFFFAOYSA-N hafnium atom Chemical compound [Hf] VBJZVLUMGGDVMO-UHFFFAOYSA-N 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013212 metal-organic material Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- DAZXVJBJRMWXJP-UHFFFAOYSA-N n,n-dimethylethylamine Chemical compound CCN(C)C DAZXVJBJRMWXJP-UHFFFAOYSA-N 0.000 description 1
- OOLAOPCYNNUFKX-UHFFFAOYSA-N n-methylmethanamine;tantalum Chemical compound [Ta].CNC OOLAOPCYNNUFKX-UHFFFAOYSA-N 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- RGSFGYAAUTVSQA-UHFFFAOYSA-N pentamethylene Natural products C1CCCC1 RGSFGYAAUTVSQA-UHFFFAOYSA-N 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- MZLGASXMSKOWSE-UHFFFAOYSA-N tantalum nitride Chemical compound [Ta]#N MZLGASXMSKOWSE-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- MNWRORMXBIWXCI-UHFFFAOYSA-N tetrakis(dimethylamido)titanium Chemical compound CN(C)[Ti](N(C)C)(N(C)C)N(C)C MNWRORMXBIWXCI-UHFFFAOYSA-N 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 238000007669 thermal treatment Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- XJDNKRIXUMDJCW-UHFFFAOYSA-J titanium tetrachloride Chemical compound Cl[Ti](Cl)(Cl)Cl XJDNKRIXUMDJCW-UHFFFAOYSA-J 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- VOITXYVAKOUIBA-UHFFFAOYSA-N triethylaluminium Chemical compound CC[Al](CC)CC VOITXYVAKOUIBA-UHFFFAOYSA-N 0.000 description 1
- JLTRXTDYQLMHGR-UHFFFAOYSA-N trimethylaluminium Chemical compound C[Al](C)C JLTRXTDYQLMHGR-UHFFFAOYSA-N 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0011—Sample conditioning
- G01N33/0016—Sample conditioning by regulating a physical variable, e.g. pressure or temperature
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
- C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
- C23C16/448—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for generating reactive gas streams, e.g. by evaporation or sublimation of precursor materials
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
- C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
- C23C16/52—Controlling or regulating the coating process
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/74—Devices for measuring flow of a fluid or flow of a fluent solid material in suspension in another fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/02—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Fluid Mechanics (AREA)
- Chemical Vapour Deposition (AREA)
Abstract
浓度传感器组件可包含具有化合物的汽化腔室。浓度传感器组件可包括耦接至汽化腔室的第一流路。第一流路可将第一气体引导至汽化腔室。第二流路可将第二气体引导出汽化腔室。第二气体可包含化合物和第一气体。沿第一流路设置第一传感器。第一传感器测量第一数据,该第一数据指示第一气体的第一质量流率。沿第二流路设置第二传感器。第二传感器测量第二数据,该第二数据指示第二气体的第二质量流率。计算装置可基于第一数据和第二数据确定第二气体中的可汽化物质的浓度。
Description
技术领域
本说明书大体而言涉及向工艺腔室输送气体。更具体而言,本说明书涉及用于测量工艺气体中的前驱物的浓度的传感器。
背景技术
集成电路已发展为单一芯片上包含数百万晶体管、电容器及电阻器的复杂元件。晶片设计的发展不断需要更快的电路系统及更大的电路密度,要求越来越精确的制造工艺。基板的精度处理需要准确控制处理期间使用的流体输送中的温度、流率及压力。
化学气相沉积(chemical vapor deposition;CVD)和原子层沉积(atomiclayerdeposition;ALD)是用于在基板上形成或沉积各种材料的气相沉积工艺。大体而言,CVD和ALD工艺涉及将气体反应物输送至基板表面,其中化学反应在对反应热力学有利的温度及压力条件下发生。可使用CVD工艺或ALD工艺形成的层的类型及组成受限于将化学反应物或前驱物输送至基板表面的能力。已通过在载体气体中输送前驱物在CVD和ALD应用中成功使用各种固态及/或液态前驱物。
在一些情况下,使载体气体在有助于使前驱物汽化的条件下传递穿过加热的容器或罐,例如安瓿或起泡器,其含有挥发性液态前驱物。在其他情况下,使载体气体在有助于使固态前驱物升华的条件下传递穿过加热的容器,其含有固态前驱物。升华过程通常在装载或充满固态前驱物的容器中进行,且加热容器壁以使固态前驱物材料升华,同时产生气态前驱物。在任一情况下,载体气体与汽化的前驱物结合以形成工艺气体,经由专用的导管或气体线路将该工艺气体从容器抽至反应腔室。
附图说明
图1A至图1B图示根据一些实施方式的浓度传感器组件的例示性实施方式。
图2图示根据一些实施方式的气体输送系统。
图3图示根据一些实施方式的气体输送系统。
图4图示根据一些实施方式的前驱物输送系统。
图5为根据一些实施方式的用于确定前驱物的浓度的方法的流程图。
图6图示根据本揭示案一实施方式的用于浓度传感器的模型训练工作流程及模型应用工作流程。
图7为根据本揭示案一实施方式的流程图,其图示训练机器学习模型以确定置于工艺气体中的可汽化物质的浓度的方法的实施方式。
图8描绘根据本揭示案的一些实施方式的使用经训练的机器学习模型确定可汽化物质的浓度的一个例示性方法的流程图。
图9描绘根据本揭示案的一或多个方面而操作的能够计算气体浓度的例示性计算装置的方块图。
发明内容
在一些实施方式中,一种浓度传感器组件包含具有化合物的汽化腔室。汽化腔室将化合物转换(例如经由升华或汽化)为气体。浓度传感器组件可进一步包括连接至汽化腔室的第一流路。第一流路可将第一气体引导至汽化腔室。第二流路被耦接至汽化腔室。第二流路将第二气体引导出汽化腔室。第二气体包含化合物气体及第一气体。沿第一流路设置第一传感器。第一传感器测量第一数据,该第一数据指示第一流路中的第一气体的第一质量流率。沿第二流路设置第二传感器。第二传感器测量第二数据,该第二数据指示第二流路中的第二气体的第二质量流率。浓度传感器可进一步包含耦接至第一传感器和第二传感器的计算装置。计算装置基于第一数据和第二数据确定第二气体中的化合物的浓度。
在一些实施方式中,一种前驱物浓度输送系统包含汽化容器。汽化容器包含前驱物。第一流路连接至汽化容器。第一流路将载体气体引导至汽化容器中。第二流路连接至汽化容器。第二流路将工艺气体引导出汽化容器。工艺气体包含载体气体和前驱物。工艺腔室连接至第二流路。第二流路将工艺气体引导至工艺腔室。沿第一流路设置第一流量计。第一流量计测量第一数据,该第一数据指示第一流路中的载体气体的第一流率。沿第二流路设置第二流量计。第二流量计测量第二数据,该第二数据指示第二流路中的工艺气体的第二流率。计算装置耦接至第一流量计和第二流量计。计算装置基于第一数据和第二数据确定工艺气体中的前驱物的浓度。
在一些实施方式中,一种方法包括由处理装置从第一传感器接收第一数据,该第一数据指示载体气体的第一质量流率。处理装置从第二传感器接收第二数据,该第二数据指示包含载体气体和汽化物质的化合物气体的第二质量流率。处理装置从第三传感器接收第三数据,该第三数据指示与汽化物质的汽化相关的汽化容器的温度。处理装置基于第一数据、第二数据和第三数据确定化合物气体中的汽化物质的浓度。方法可包括改变载体气体的流率。方法可包括提供浓度以由图形用户界面(graphical user interface;GUI)显示。
具体实施方式
如前文所述,化学气相沉积(CVD)和原子层沉积(ALD)是用于在基板上形成或沉积各种材料的气相沉积工艺。大体而言,CVD和ALD工艺涉及将气态反应物输送至基板表面,其中化学反应在对反应热力学有利的温度和压力条件下发生。使用CVD工艺或ALD工艺形成的层的类型和组成受限于将化学反应物或前驱物输送至基板表面的能力。已通过在载体气体中输送前驱物而在CVD和ALD应用中成功使用各种固态和/或液态前驱物。
在一些情况下,使载体气体在有助于使前驱物汽化的条件下传递穿过加热的容器或罐,例如安瓿或起泡器,其含有挥发性液态前驱物。在其他情况下,使载体气体在有助于使固态前驱物升华的条件下传递穿过加热的容器,其含有固态前驱物。升华工艺通常在装载或充满固态前驱物的容器中进行,且加热容器壁以使固态前驱物材料升华,同时产生气态前驱物。在任一情况下,载体气体与汽化的前驱物结合以形成工艺气体,经由专用的导管或气体线路将该工艺气体从容器抽至反应腔室。
常规上,使用固态前驱物的气相沉积工艺可能有一些问题。虽然应向固态前驱物提供足够热以使其升华为气态,但如果暴露于太多热,则固态前驱物可能分解。金属有机固态前驱物通常极其昂贵,其尤其易发生热分解,且在升华过程中大体应将金属有机固态前驱物保持在窄的温度和压力范围内。一旦分解,固态前驱物可能污染容器中剩余的前驱物、导管和阀门的输送系统和/或处理腔室以及基板。另外,使固态前驱物过热可使工艺气体中的前驱物浓度过高,从而会导致未使用的废弃前驱物,或前驱物凝结在输送线路中或基板上。
替代而言或另外,如果暴露于太少热,则固态前驱物可能不升华。随着载体气体流过容器并影响固态前驱物,来自固态前驱物的颗粒可能夹杂在载体气体中,并得以转移至工艺腔室中。这些固态或液态颗粒可变为输送系统、处理腔室和/或基板的污染源。在本领域中已通过包含与固态前驱物混合的液态载体材料解决颗粒污染的问题。然而,在受限的温度和压力范围之外,液态载体材料和固态前驱物的混合物可能不利,因为液态载体材料可能蒸发并成为输送系统内、处理腔室中和/或基板上的污染物。
常规地,前驱物(以及其他液体)通过在半导体制造期间将各种类型的反应气体引入至处理(或反应)腔室中而引起化学反应。在CVD处理中,越来越偏好使用液态前驱物而非气体。液态前驱物的受欢迎度部分地基于物理性质,使其比气态前驱物有害性、可燃性、腐蚀性和毒性更低。举例而言,用于制造半导体元件的更常见的液体之一是正硅酸四乙酯(TEOS),常常用其替代硅烷。与使用硅烷相比,使用TEOS时,可在具有较佳的阶梯覆盖和少得多的危害的情况下沉积无可检测缺陷的保形二氧化硅(SiO2)膜。在金属有机CVD(MOCVD)工艺中,针对诸如铜的金属常常使用液态前驱物,因为气态前驱物不可用。
因为液态前驱物(和其他工艺液体)首先为液体,因此将其转换为气态,从而经由输送线路以气体形式输送前驱物。生产操作或输送线路环境中的(特别是影响温度和压力的)故障可导致一些气体在输送线路中凝结。此凝结可吸收颗粒并将颗粒带到处理腔室中,使颗粒在基板上沉积,导致基板和任何所得到的制造元件上的颗粒缺陷。
本发明揭示了通过确定工艺气体中使用的前驱物量或前驱物浓度来检测并识别前驱物输送系统中的潜在问题的方法。可通过对前驱物输送系统中的流率进行高分辨率控制来解决或以其他方式缓解上述的许多问题。需要在稳定的测量状态下操作的有效且成本效益高的浓度传感器。举例而言,一些常规的浓度传感器或监测器可包含高成本的专用设备,这些高成本的专用设备不能测量与多种载体气体一起流动的各种前驱物的浓度。常规的浓度传感器常常涉及昂贵的设备,例如光学传感器,光学传感器需要预校准且对于不同的载体气体和/或前驱物依赖特定的设备规格和/或配置。
本揭示案的方面和实施方式通过提供用于确定化合物气体(例如工艺气体)中的化合物(例如前驱物)的浓度的组件、系统和/或方法,解决现有技术的这些和其他缺点。在一些实施方式中,用压力、质量流率和汽化率之间的关系确定通过汽化融合化合物之前和之后的气体的质量流率。举例而言,可校准并配置质量流量计以测量化合物(例如前驱物)汽化之前和之后的流率,从而确定流动穿过气体输送系统的一点的化合物有多少(例如浓度)。在另一实例中,在已知载体的分子质量可能不变的情况下,结合蒸气压与分子量之间的反相关而均衡(leverage)密度变化(亦即蒸气压乘以分子量),来确定汽化化合物的浓度。
在一例示性实施方式中,浓度传感器组件包含包括化合物的汽化腔室。汽化腔室使化合物汽化。浓度传感器组件可进一步包括连接至汽化腔室的第一流路。第一流路可将第一气体(例如载体气体)引导至汽化腔室。第二流路耦接至汽化腔室。第二流路将第二气体(例如载体气体加前驱物气体)引导出汽化腔室。第二气体包含化合物气体和第一气体。沿第一流路设置第一传感器。第一传感器测量第一数据,该第一数据指示第一流路中的第一气体的第一质量流率。沿第二流路设置第二传感器。第二传感器测量第二数据,该第二数据指示第二流路中的第二气体的第二质量流率。浓度传感器可进一步包含耦接至第一传感器和第二传感器的计算装置。计算装置基于第一数据和第二数据确定第二气体中的化合物的浓度。举例而言,计算装置可为可编程逻辑控制器(programmable logic controller;PLC)、芯片上系统(system on a chip;SoC)、计算机、现场可编程门阵列(fieldprogrammable gate array;FPGA)或其他类型的计算装置。
在一例示性实施方式中,前驱物浓度输送系统包含汽化容器。汽化容器包含前驱物。第一流路连接至汽化容器。第一流路将载体气体引导至汽化容器。第二流路连接至汽化容器。第二流路将工艺气体引导出汽化容器。工艺气体包含载体气体和前驱物。工艺腔室连接至第二流路。第二流路将工艺气体引导至工艺腔室。沿第一流动设置第一流量计。第一流量计测量第一数据,该第一数据指示第一流路中的载体气体的第一流率。沿第二流路设置第二流量计。第二流量计测量第二数据,该第二数据指示第二流路中的工艺气体的第二流率。计算装置耦接至第一流量计和第二流量计。计算装置基于第一数据和第二数据确定工艺气体中的前驱物的浓度。
在一例示性实施方式中,方法包括通过处理装置或计算装置从第一传感器接收第一数据,该第一数据指示载体气体的第一质量流率。处理装置从第二传感器接收第二数据,该第二数据指示包含载体气体和汽化物质的化合物气体的第二质量流率。处理装置从第三传感器接收第三数据,该第三数据指示与汽化物质的汽化相关的汽化容器的温度。处理装置基于第一数据、第二数据和第三数据确定化合物气体中的汽化物质的浓度。方法可包括改变载体气体的流率。方法可包括提供浓度以由图形用户界面(GUI)显示。举例而言,计算装置可包含显示器,所确定的浓度可输出至该显示器。
相比于常规的系统,本揭示案的方面提供各种技术优点和改良。如前文所述,测量浓度的方法可为困难的,缺少可靠性和/或通常效率低。在一些实施方式中,浓度传感器组件能测量气体(例如载体气体)中的化合物(例如前驱物)的浓度,其中能够改变化合物和气体。举例而言,可出于特定目的选择性使用载体气体(例如为了降低质量流率,改进表面的表面上的化学相互作用,提高前驱物的能力等),而不需要重新配置实体设备。可用载体气体和所使用前驱物的更新后数据校准传感器,及可执行浓度测量。
图1A至图1B图示根据一些实施方式的浓度传感器组件100A至100B的例示性实施方式。图1A图示以旁路或校准模式操作的浓度传感器组件100A。图1B图示以气体输送模式操作的浓度传感器组件100B。如图1A至图1B所示,浓度传感器组件100A至100B包括第一流路102。第一流路102将第一气体引导至汽化腔室108(例如安瓿、容器等)或使第一气体经过汽化腔室108,可通过腔室支线(leg)114A将该汽化腔室108耦接至第一流路。汽化腔室108可容纳化合物(例如固态和/或液态前驱物),该化合物可转换(例如通过汽化、升华等)为气态(例如蒸气)。可通过腔室支线114B将第二流路112耦接至汽化腔室。第二流路112可将第二气体引导出汽化腔室。第二气体可包含第一气体和处于气态的所述化合物。
如图1A至图1B所示,可沿第一流路102设置第一传感器104。第一传感器104可测量第一数据,该第一数据指示第一流路中的第一气体的第一质量流率。举例而言,传感器104可包含质量流量计、质量流量控制器(mass flow controller;MFC)、体积流量计、压力传感器、温度传感器、质量传感器和/或其他传感器,以测量第一流路102中的第一气体的状态。在一些实施方式中,传感器104直接测量质量流率。在其他实施方式中,传感器104测量第一流路102中的第一气体的体积流量、分子质量和/或压力中的一或多者。可将传感器104测量的数据传送至计算装置(未图示)以用于数据处理。
可沿第二流路112设置第二传感器110。第二传感器110可测量第二数据,该第二数据指示离开汽化腔室108的第二气体(例如工艺气体或化合物气体)的第二质量流率。举例而言,传感器110可包含质量流量计、MFC、体积流量计、压力传感器、温度传感器、质量传感器和/或其他传感器,以测量第二流路112中的第二气体的状态。在一些实施方式中,传感器110直接测量质量流率。在其他实施方式中,传感器110测量第二流路112中的第一气体的体积流量、分子质量和/或压力中的一或多者。可将第二传感器110测量的数据传送至计算装置(未图示)以用于数据处理。
如图1A所示,浓度传感器组件100A包含旁路流路106。载体气体可使用旁路流路106绕过汽化腔室108,避免使汽化的化合物聚集。可使用旁路流路106校准第二传感器110。举例而言,为实现线性和/或零偏置,可校准第二传感器110,从而提高质量流率测量和/或总浓度确定的准确性。
如上文所描述,可用计算装置接收并处理第一传感器104和第二传感器110测量的数据。可利用以下气体性质进行质量流量测量并计算浓度:
在一些实施方式中,计算装置确定第一传感器104的测量与第二传感器110的测量之间的密度(例如蒸气压乘以分子量)的变化。举例而言,气体可以28克每摩尔(g/mol)的分子量行进穿过第一流路。可通过在传感器104处确定第一气体在100托的压力下以250标准立方厘米每分钟(sccm)流动来对此进行测量。在传递穿过汽化腔室108且吸收化合物之后,包含第一气体(例如载体气体)和化合物(例如前驱物)的气体混合物流动穿过第二流路。第二传感器可测量30.89g/mol的平均分子量,其比单独载体气体大约10%。可通过测量约275sccm的流率和100托的压力而确定出该平均分子量。具有汽化化合物的载体气体的增加百分比指示化合物气体中的化合物的浓度。
应指出计算浓度的方法独立于物种。诸如光学传感器的常规浓度传感器被重新校准及制造,以利用密度、分子质量、流率等的极值测量预定物种规格窗。相比之下,实施方式允许独立于物种的计算,其可适用于各种气体(例如载体气体和工艺气体)和各种化合物(例如前驱物)。
在一些实施方式中,第一传感器114进一步包括质量流量控制器,以控制第一流路102中第一气体的流动。计算装置可向一或多个流率控制器发送指令,以基于化合物浓度确定结果改变第一流路203中的第一气体和/或第二流路112中的第二气体的流率。
在一些实施方式中,浓度传感器组件100A至100B可包含沿第一流路设置的第一阀门。第一阀门可与第一传感器104整合或以其他方式耦接至第一传感器104。可选择性打开和关闭第一阀门,以改变第一气体的第一流率。举例而言,可由计算装置控制第一阀门(例如基于化合物浓度确定结果)。在一些实施方式中,浓度传感器组件100A至100B可包含沿第二流路112设置的第二阀门。第二阀门可与第二传感器110整合或以其他方式耦接至第二传感器110。可选择性打开和关闭第二阀门,以改变第二气体的第二流率。举例而言,可由计算装置控制第二阀门(例如基于化合物浓度确定结果)。
在一些实施方式中,如将结合其他附图广泛地讨论,化合物可包含用于处理基板的前驱物。另外或替代而言,如将在其他实施方式中进一步讨论,浓度传感器组件100A至100B可包含耦接至汽化腔室108的第三流路。第三流路可引导汽化腔室108中的化合物。可沿第三流路设置第三传感器。第三传感器可测量第三数据,该第三数据指示第三质量流率(例如类似于传感器104和/或110)。计算装置可进一步基于第三数据计算第二气体中的化合物的浓度。计算装置可进一步基于第二气体中确定的浓度确定汽化腔室108中的化合物的耗尽速率。
在一些实施方式中,如将在其他实施方式中进一步讨论,浓度传感器组件100A至100B可包含传感器,以测量指示汽化腔室状态的数据。举例而言,传感器可测量腔室中的温度、压力等。计算装置可进一步基于汽化腔室的状态计算化合物的浓度。
图2图示根据一些实施方式的气体输送系统200。如图2所示,气体输送系统200包含工艺腔室202。工艺腔室202可为任何合适的半导体工艺腔室,例如化学气相沉积(CVD)腔室、原子层沉积(ALD)腔室或蚀刻腔室。对于一些实施方式,蚀刻腔室可适于执行氮化钽(TaN)ALD。
气体输送系统200经由工艺气体208将前驱物从容器204传输至工艺腔室202。通常,前驱物206通过升华或汽化过程在容器204中从固态或液态转变为气体(例如蒸气)。可通过任何合适的已知技术开始升华或汽化过程。举例而言,可将前驱物206加热至预定温度或与容器204中的起泡液体混合。对于一些实施方式,可控制容器124的温度,从而调节升华和/或汽化过程。
可将第一流路耦接至容器204(例如汽化容器)。第一流路可将载体气体引导至容器204中。载体气体210穿过阀门212、流量计216和/或第二阀门214中的一或多者流入容器204,并与汽化的前驱物206混合。可将第二流路耦接至容器204。第二流路可将工艺气体208引导出容器204。第二流路用以将工艺气体208引导至工艺腔室202。举例而言,工艺气体208流出容器204,并穿过阀门217、流量计220和/或阀门218中的一或多者将汽化的前驱物206传输至工艺腔室202。对于一些实施方式,气体输送系统200可包含例如从阀门214至阀门217的旁路线路,或绕过容器的等效流路。举例而言,旁路线路可使载体气体210直接流至工艺腔室,从而校准流量计220或冲洗工艺腔室202。
可基于要在工艺腔室202中执行的特定工艺选择前驱物206的材料。举例而言,前驱物206可为金属有机材料(例如羰基钨(W(CO)6)),以在晶片上沉积金属膜(W)。在另一实例中,前驱物206可为五二甲胺钽(PDMAT),以形成包含钽的膜。在另一实例中,前驱物206也可为用以在晶片上沉积介电材料层的前驱物,或用以将氟化物输送至蚀刻腔室的例如二氟化氙(XeF2)。通常基于前驱物206选择载体气体210。举例而言,如果前驱物206是羰基钨,则可将氩选为载体气体210。载体气体210可为诸如氩或氦之类的惰性气体,且可与前驱物206发生反应或不发生反应。
为便于理解,将气体输送系统200图示为仅将一气体输送至工艺腔室202。然而,气体输送系统200可将额外的气体(亦即携带额外的前驱物)输送至工艺腔室202,亦考虑多个气体输送系统。本领域技术人员亦将了解气体输送系统200亦可包括未图示的额外的部件,例如旁路阀门、冲洗阀门、流动控制器和/或温度控制器。
容器204可为例如能承受用于使前驱物206升华和/或汽化的温度和压力的任何合适的容器。对于一些实施方式,容器可包含起泡器。如前文所描述,在常规的处理系统中,可能难以确定设置在工艺气体208中且正输送至工艺腔室202的前驱物206的量(例如浓度)。另外或替代而言,在常规的系统中,可能难以确定容器204中剩余的前驱物206的量。
在一些实施方式中,如图2所示,气体输送系统200包含沿第一流路设置的流量计216。流量计216测量第一数据,该第一数据指示载体气体210(例如在第一流路中)的第一流率(例如质量流率或体积流率)。气体输送系统200包含沿第二流路设置的流量计220。流量计220测量工艺气体208(例如在第二流路中)的流率。流量计216和/或流量计220中的一者可分别计算载体气体210和工艺气体208的质量流率和/或体积流率。举例而言,可执行密度、压力和体积测量,以确定质量流率和/或体积流率。如本文所使用,质量流率是指在给定容积中(例如传递穿过流量计的区域)的气体的质量,容积流率是指在确定的区域中流动的气体(例如载体气体或工艺气体)的体积,且材料或物质密度是指在气体输送系统200的给定容积中的材料或物质的质量。可将从流量计216、220获得的数据传送至计算装置222。在一些实施方式中,流量计216、220可包含质量流量控制器(MFC)或以类似于质量流量控制器的方式操作。举例而言,流量计216、220可控制各别的流路中的载体气体和/或工艺气体的流动。
如图2所示,容器204可包含传感器223。传感器223可为对容器204执行诸如压力、温度、密度等测量的传感器。所述测量可与升华和/或汽化工艺相关。举例而言,传感器可测量容器204的当前温度。可将由传感器223获得的数据传送至计算装置222。
如图2所示,气体输送系统200可包含计算装置222。计算装置可从流量计216、220和/或传感器223中的一或多者接收数据。可将计算装置222耦接至流量计216、220、传感器223和/或处理腔室202。在一些实施方式中,可将计算装置222耦接至气体输送系统的一或多个阀门212、214、217、218。计算装置222可包含框架安装服务器、路由器计算机、个人计算机、主机计算机、膝上型计算机、平板计算机、桌上型计算机、FPGA、SoC、PLC等。计算装置222可包含计算硬件、固件和/或软件(例如结合图6描述的一或多个特征)。
计算装置222可包含浓度工具224、系统控制模块226和/或前驱物监测器228。浓度工具224接收:第一数据,其指示载体气体210的第一流率;和第二数据,其指示工艺气体208的第二流率。浓度工具可基于这些测量结果计算工艺气体208中的前驱物206的浓度。如前文所讨论,可使用流率、密度与汽化之间的关系确定工艺气体208中的前驱物的相对浓度。如将在其他实施方式中进一步讨论,计算装置可在适当时接收指示额外的流路的流率的数据,并可将此数据与第一和第二数据聚合,以执行更新后浓度的计算并作出进一步的确定。在一些实施方式中,如下文将进一步讨论,亦可接收指示容器204状态的传感器数据,并将其与所确定的前驱物206的浓度结合。
系统控制模块226监测并控制系统方法,例如控制气体(例如载体气体或工艺气体)的流率、调整容器的状态(例如改变温度、压力等)和/或执行工艺腔室程序(例如CVD工艺或ALD工艺)。可将前驱物206浓度确定(例如通过浓度工具224)结合至由系统控制模块226作出的决策中。举例而言,如果前驱物浓度高于阈值水平,则系统控制模块226可使载体气体的流动增加(例如打开阀门212或214以提高流率)或使前驱物进入容器中的流率减小(例如部分地关闭阀门230、232)。
在一些实施方式中,系统控制模块226可确定前驱物浓度是否满足阈值标准,并使与工艺腔室相关的工艺操作得到修改。举例而言,腔室中的工艺操作可停止,直至前驱物浓度不能达到阈值条件。在另一实例中,可基于确定的前驱物浓度在不同参数下(例如较高的温度、较长的蚀刻持续时间、沉积持续时间等)执行工艺步骤。
前驱物监测器228可接收前驱物浓度计算结果(例如从浓度工具224)并作出与前驱物相关的确定。在一些实施方式中,前驱物监测器228可基于工艺气体208中的前驱物206的浓度确定容器204中的前驱物206的耗尽速率。举例而言,可使用流率和浓度确定前驱物206的耗尽速率。在另一实例中,可考虑指示前驱物输入速率的流率(例如前驱物206从前驱物储存器至容器204的流动),且可将该流率用于计算前驱物206的耗尽速率。
在一些实施方式中,如前文所描述,前驱物206包括用于处理腔室202中的基板处理的前驱物。举例而言,前驱物206可用作CVD工艺或ALD工艺的一部分。
在一些实施方式中,沿第一流路设置第一阀门212、214,且沿第二流路设置第二阀门217、218。可选择性打开和/或关闭第一阀门212、214,以改变载体气体210的第一流率。可选择性打开和/或关闭第二阀门217、218,以改变工艺气体208的第二流率。
在一些实施方式中,气体输送系统200可包含第三流路(用虚线特征指示)。第三流路可包括阀门230、232、流量计234以及包含推动气体236的路径。第三流路可经由推动气体236将前驱物206引导至容器204中。流量计234测量第三数据,该第三数据指示第三流路中的前驱物的第三流率。计算装置222可进一步用第三数据计算前驱物206的浓度。举例而言,前驱物和推动气体的速率可占由流量计220测量的质量流率的一部分。
在另一实施方式中,第三流路可将第二载体气体引导至容器204中。流量计234可测量第三数据,该第三数据指示第三流路中的第二载体气体的第三流率。计算装置222可进一步使用第三数据(例如第二载体气体的流率)计算前驱物的浓度。举例而言,第二载体气体的流率可占由流量计220测量的质量流率的一部分。
在一些实施方式中,如前文所讨论,容器204可包含测量容器204的状态的传感器223。举例而言,传感器223可为能够测量数据的温度传感器,该数据指示容器204的温度。计算装置222可使用第三数据(例如使用浓度工具224)计算前驱物的浓度。
图3图示根据一些实施方式的气体输送系统300。气体输送系统300可为结合图2讨论且图示的气体输送系统200的进一步的实施方式。气体输送系统300可包含多个浓度传感器组件,这些浓度传感器组件共同工作以确定气体输送系统300中的一或多种前驱物的子浓度和总浓度。
如图3所示,第一流动支路可包含第一载体气体源310A、流量计316A、容器304A、前驱物306A和流量计320A。这些元件中的每一者的功能和/或配置可包括结合其他图描述的特征和描述(见图3)。流量计316A测量数据,该数据指示第一载体气体的质量流率。流量计320A测量数据,该数据指示沿第一流动支路设置的工艺气体的质量流率。计算装置322可确定接点308A处的第一工艺气体中的前驱物306A的浓度。
如图3所示,第二流动支路可包含第二载体气体源310B、流量计316B、容器304B、前驱物306B和流量计320B。这些元件中的每一者的功能和/或配置可包括结合其他图描述的特征和描述(见图3)。流量计316B测量数据,该数据指示第二载体气体的质量流率。流量计320B测量数据,该数据指示沿第一流动支路设置的工艺气体的质量流率。计算装置322可确定接点308A处的第二工艺气体中的前驱物306B的浓度。
第一工艺气体与第二工艺发生相互作用,并在接点340处混合在一起。气体输送系统300包含质量流量计330,该质量流量计330测量包含第一工艺气体和第二工艺气体的化合物气体的质量流率。可按本文所描述的进行化合物气体的质量流率。
如图3所示,可将计算装置322耦接至流量计316A、320A、316B、320B和330。计算装置可确定化合物气体中的第一前驱物306A和/或第二前驱物306B中的一或多者的相对浓度。计算装置可使用本文描述的方法论(例如图5的方法500)确定浓度。可确定每一前驱物相对于化合物气体整体的浓度。应指出图3描绘的系统中的两个流动支路具有相同的元件。然而,每一支路取决于所使用的实施方式可包含更多或更少的元件,例如阀门312A至312B、314A至314B、317A至317B、318A至318B以及温度传感器323A至323B。另外,可使用多于两种载体气体和前驱物组合来确定例如具有三种或更多种载体气体和/或前驱物组合的化合物气体中的前驱物的浓度。
如其他实施方式中所描述,计算装置322可包含浓度工具324、系统控制模块326和/或前驱物监测器328。浓度工具324接收:第一数据,其指示第一载体气体和/或第二载体气体的第一流率中的一或多者;和第二数据,其指示第一工艺气体和/或第二工艺气体的第二流率。浓度工具可计算第一工艺气体中的第一前驱物206A的浓度、第二工艺气体中的第二前驱物206B的浓度以及包含第一工艺气体和第二工艺气体的化合物气体中的第一前驱物206A和第二前驱物206B中的每一者。如前文所讨论,可使用流率、密度与汽化之间的关系确定每一前驱物的相对浓度。如将在其他实施方式中进一步讨论,计算装置可在适当时接收指示额外的流路的流率的数据,并将此数据聚合,以执行更新后浓度的计算并作出进一步的确定。在一些实施方式中,如将进一步讨论,亦可接收指示容器304状态的传感器数据,并将其与所确定的前驱物浓度结合。
系统控制模块326监测并控制系统方法,例如控制气体(例如载体气体或工艺气体)的流率、调整容器304A至304B的状态(例如改变温度、压力等)和/或执行工艺腔室程序(例如CVD工艺或ALD工艺)。可将前驱物306A至306B的浓度确定(例如通过浓度工具324)结合至系统控制模块326作出的决策中。举例而言,如果前驱物306A至306B的浓度高于阈值水平,则系统控制模块326可使载体气体的流动增加(例如打开阀门312A至312B或314A至314B以提高流率)或使进入容器304A至304B中的前驱物306A至306B的流率减小(例如部分地关闭阀门312A至312B、314A至314B)。
在一些实施方式中,系统控制模块326可确定前驱物浓度满足阈值标准,且使与工艺腔室302相关的工艺操作得到修改。举例而言,腔室中的工艺操作可停止,直至前驱物浓度无法满足阈值条件。在另一实例中,可基于确定的前驱物浓度在不同参数下(例如较高的温度、较长的蚀刻持续时间、沉积持续时间等)执行工艺步骤。
前驱物监测器328可接收前驱物306A至306B的浓度计算结果(例如从浓度工具324)并作出与前驱物相关的确定。在一些实施方式中,前驱物监测器328可基于每一工艺气体中的前驱物306A至306B的浓度确定容器204A至204B中的前驱物306A至306B的耗尽速率。举例而言,可使用流率和浓度确定前驱物306A至306B的耗尽速率。在另一实例中,可考虑指示前驱物输入速率的流率,例如前驱物306A至306B从前驱物储存器至容器304A至304B的流动,且可将该流率用于计算前驱物306A至306B的耗尽速率。
图4图示根据一些实施方式的前驱物输送系统400。前驱物输送系统400可适用于产生含有化学前驱物的工艺气体,且大体而言包括工艺腔室406和耦接至气体面板404的载体气体源405,后者的部件受控制器450或计算装置控制。气体面板404大体而言控制将各种工艺和载体气体输送至工艺腔室406的速率和压力。工艺腔室406可为一腔室,其执行气相沉积工艺或热处理,含有液态、气态或等离子体态的汽化化学前驱物。工艺腔室406通常是化学气相沉积(CVD)腔室、原子层沉积(CVD)腔室、原子层沉积(ALD)腔室或其衍生物。
在图1图示的配置中,控制器450包括中央处理单元(central processing unit;CPU)452、存储器454和支持电路456。中央处理单元452可为用于控制各种腔室和子处理器的可用于工业环境的任何形式的计算机处理器中的一者。存储器454耦接至CPU 452,且可为一或多种容易获得的存储器,例如随机存取存储器(random access memory;RAM)、只读存储器(read only memory;ROM)、快闪存储器、光盘、软盘、硬盘或任何其他形式的本地或远程数字储存器。支持电路456耦接至CPU 152,用于以常规方式支持CPU 152。这些电路包括高速缓存、电源、时钟电路、输入/输出电路系统、子系统和类似者。控制器450可为和/或包括计算装置,例如个人计算机、服务器计算机、可编程逻辑控制器(programmable logiccontroller;PLC)、微控制器等。控制器450可包括一或多个处理装置,其可为通用处理装置,例如微处理器、中央处理单元或类似者。更特定而言,处理装置可为复杂指令集计算(complex instruction set computing;CISC)微处理器、精简指令集计算(reducedinstruction set computing;RISC)微处理器、极长指令字(Very long instructionword;VLIW)微处理器或执行其他指令集的处理器或实施指令集组合的处理器。处理装置亦可为一或多个专用处理装置,例如特定应用集成电路(application specific integratedcircuit;ASIC)、现场可编程门阵列(field programmable gate array;FPGA)、数字信号处理器(digital signal processor;DSP)、网络处理器或类似者。控制器450可包括数据储存装置(例如一或多个磁盘驱动器和/或固态驱动器)、主存储器、静态存储器、网络接口和/或其他元件。控制器450可执行指令以执行本文描述的方法和/或实施方式中的任一或多者。可将指令储存于计算机可读取储存介质上,计算机可读取储存介质可包括主存储器、静态存储器、辅助储存器和/或处理装置(在执行指令期间)。
流体输送管路436大体而言意欲将载体气体源405、安瓿470和工艺腔室406流体地耦接。载体气体源405可为本地容器、远程容器或在设施中供应载体气体的集中设施源(例如内部气体供应源)。载体气体源405通常供应载体气体,例如氮气、氢气、氩气、氦气或其组合。流体输送管路436通常包含设置于载体气体源405与接点430之间的流动控制器420,流动控制器420适于调节穿过流体输送管路436的载体气体或其他流体的流率。流动控制器420可为比例阀、调节阀、针阀、调节器、质量流量控制器(MFC)或类似者。接点430将流体输送管路436分为气体产生线路438和旁路线路440。在连接至工艺腔室406之前,接点432将气体产生线路438和旁路线路440重新接合。
气体产生线路438包含安瓿入口支线438A,安瓿出口支线438B,阀门408、410、412,传感器426、428,断接零件462、463以及加热器422。安瓿入口支线438A将安瓿470的入口流体耦接至载体气体源405及至旁路线路440。安瓿出口支线438B将安瓿470的出口流体耦接至工艺腔室406及至旁路线路440。阀门408、410、412通常是远程可控的截止阀,这些阀门用于使流体输送管路436中的流体的流动转向,及/或用于选择性隔离流体输送管路436中的各个部件,以便于移除、更换和/或维护隔离的部件(包括传感器426、428,加热器422和安瓿470)。阀门408、410、412以及阀门414、416、418(下文结合旁路线路440描述)通常是气动控制或电子控制的,且其内部湿润表面由与工艺和流体输送线路436运输的其他流体相容的材料制成。通常,响应于来自控制器450或计算装置的信号致动阀门408、410、412、414、416和418,以协调气体穿过流体输送管路436的输送。传感器426、428通常适于检测流过气体产生线路438的工艺和/或载体流体的温度,例如设置在气体产生线路438的导管上的热电偶。
旁路线路440大体而言包括阀门414、416和加热器424,且用以在不使用气体产生线路438或安瓿470的情况下流体地耦接工艺腔室406和载体气体源405。阀门418大体而言耦接于接点432与工艺腔室406之间且可用于将工艺腔室406与流体输送管路436隔离。加热器422、424是电阻式加热元件或其他热源,这些热源适于分别加热流过气体产生线路438和旁路线路440的流体(例如载体气体)流。
在接点471与安瓿470之间设置流量计460。在接点472与安瓿之间设置流量计461。流量计460和470可包含能够测量数据的传感器,该数据指示质量流率。举例而言,可测量压力、体积流率、密度。在载体气体传递穿过安瓿470之前,流量计460测量载体气体的流动。在工艺气体(例如载体气体和前驱物)传递穿过安瓿470之后,流量计461测量该工艺气体的流动。CPU 452可接收流动测量结果。CPU可基于测量的载体气体的质量流率和工艺气体的质量流率计算工艺气体中的前驱物的浓度。另外,在一些实施方式中,安瓿470可包含用以测量安瓿状态(例如温度、压力等)的传感器。可接收安瓿470的测量状态,并进一步用其计算工艺气体中的前驱物的浓度。
安瓿470可包括气泡、罐和本领域已知的描述所设计容器并用于储存、传输和分配化学前驱物的其他术语。安瓿470可有多种大小和几何形状。安瓿470中的化学前驱物的体积容量在0.5L至约10L的范围中,且更通常在约1.2L至约4L的范围中。在一个实例中,安瓿470中的化学前驱物的体积容量为约2.5L。安瓿470中的化学前驱物包括液态、固态和气态前驱物,其在预定的温度和/或压力下较佳地处于液态或类流体态。举例而言,化学前驱物在室温下可能以固态存在,但一旦在安瓿470中将其加热至预定温度则其熔化为液态。在另一实例中,化学前驱物中的大部分在安瓿470中可能仍为固态,但在处理期间加热至更高的温度,使少量固态前驱物直接升华为蒸气。在另一实例中,化学前驱物在环境压力下可能以气态存在,但一旦在安瓿470中将其加压至预定压力则其凝结为液态。
固态化学前驱物可用于形成包含钽前驱物的工艺气体,钽前驱物例如五(二甲基氨基)钽(PDMAT、Ta(NMe2)5)、五(二乙基氨基)叔戊基亚胺-三(二甲基氨基)钽(TAIMATA、(tAmy1N)Ta(NMe2)3,其中tAmyl是叔戊基基团(C5H11-或CH3CH2C(CH3)2-))或其衍生物。在一个实施方式中,PDMAT的卤化物(例如Cl、F、I或Br)含量低。PDMAT可具有小于约100ppm的卤化物浓度。举例而言,PDMAT的氯浓度可为小于约100ppm,较佳地为小于约20ppm,更佳地为小于约5ppm,更佳地为小于1ppm,例如约100ppb或更小。
可用于通过升华工艺形成工艺气体的其他固态化学前驱物包括二氟化氙、羰镍和六羰钨或其衍生物。在其他实施方式中,可使液态化学前驱物蒸发,以在安瓿中形成本文描述的工艺气体。可用于形成工艺气体的一些液态化学前驱物包括:钨前驱物,例如六氟化钨(WF6);钽前驱物,例如钽(PDEAT、Ta(NEt2)5)、五(甲基乙基氨基)钽(PMEAT、Ta(NMeEt)5)、叔丁基亚胺基-三(二甲胺)钽(TBTDMT、tBuNTa(NMe2)3)、叔丁基亚胺基-三(二乙胺)钽(TBTDET、tBuNTa(NEt2)3)、叔丁基亚胺基-三(甲乙胺)钽(TBTMET、tBuNTa(NMeEt)3)或其衍生物;钛前驱物,例如四氯化钛(TiCl4)、四(二甲胺)钛(TDMAT、(Me2N)4Ti))、四(二乙胺)钛(TEMAT、(Et2N)4Ti))或其衍生物;钌前驱物,例如双(乙基环戊二烯基)钌((EtCp)2Ru);铪前驱物,例如四(二甲胺)铪(TDMAH、(Me2N)4Hf))、四(二乙胺)铪(TDEAH、(Et2N)4Hf))、四(甲乙胺)铪(TMEAH、(MeEtN)4Hf))或其衍生物;和铝前驱物,例如1-甲基吡啶肼:氢化铝(MPA、MeC4H3N:AlH3)、吡啶:氢化铝(C4H4N:AlH3)、烷基胺氢化铝络合物(例如三甲胺:氢化铝(Me3N:AlH3)、三乙胺:氢化铝(Et3N:AlH3)、二甲乙胺∶氧化铝(Me2EtN:AlH3))、三甲铝(TMA、Me3Al)、三乙铝(TEA、Et3Al)、三丁铝(Bu3Al)、氯化二甲铝(Me2AlCl)、氯化二乙铝(Et2AlCl)、氢化二丁铝(Bu2A1H)、氯化二丁铝(Bu2AlCl)或其衍生物。
在处理期间,载体气体穿过流体输送管路436从载体气体源405流至安瓿470。可用加热器422加热载体气体,可将安瓿470加热至目标温度,或在一些应用中,可加热载体气体和安瓿470。在处理期间,关闭阀门414和416,经由气体产生线路438和安瓿470将所有载体气体流引导至工艺腔室406。
图5为根据一些实施方式的用于确定前驱物的浓度的方法500的流程图。可用可包括硬件(例如电路系统、专用逻辑、可编程逻辑、微代码、处理装置等)、软件(例如在处理装置、通用计算机系统或专用机器上运行的指令)、固件、微代码或其任何组合的处理逻辑执行方法500。在一些实施方式中,可用图2的计算装置222执行方法500。
参考图5,方法500与确定气体输送系统(例如前驱物输送系统)中化合物(例如前驱物)的浓度相关。
在方块501,处理逻辑接收第一数据,该第一数据指示载体气体的第一质量流率。第一数据可为原始传感器数据,例如在载体气体的流路的一计量位置处的载体气体的流率、载体气体的分子量和/或载体气体的压力。可用本文讨论的一或多个装置(例如传感器)测量第一数据。可在压力受控的环境中测量第一数据。举例而言,系统可经设计以保持整个测量区域中的载体气体的压力恒定。
在方块502,处理逻辑接收第二数据,该第二数据指示化合物气体的第二质量流率。化合物气体包含载体气体和汽化的物质(例如前驱物)。第二数据可为原始传感器数据,例如化合物气体的流率、化合物气体的分子量和/或化合物气体的压力。可用本文讨论的一或多个装置(例如传感器)测量第二数据。可在压力受控的环境中测量第二数据。举例而言,系统可经设计以保持整个测量区域中的载体气体和化合物气体的压力恒定。
在一些实施方式中,第一传感器和/或第二传感器中的一或多者包括质量流率控制器。计算装置可向第一传感器和/或第二者发送指令,以改变载体气体和/或化合物气体的流率。如本文所讨论,流动控制可基于浓度测量结果和/或处理装置作出的确定。
在方块503,处理逻辑接收第三数据,该第三数据指示与汽化物质的汽化相关的汽化容器的温度。温度可指示汽化容器中化合物的汽化速率。汽化容器可为本文揭示的结构(例如图1的汽化腔室108、图2的容器204等)中的一或多者。
在方块504,处理逻辑基于第一数据、第二数据和第三数据确定化合物气体中的汽化物质的浓度。可在处理中利用以下气体性质进行质量流量测量并计算浓度:
在一些实施方式中,处理装置观察密度变化(例如蒸气压乘以分子量)。举例而言,气体可以28克每摩尔(g/mol)的分子量行进穿过第一流路。可通过在传感器104处确定第一气体在100托的压力下以250标准立方厘米每分钟(sccm)流动来对此进行测量。在传递穿过汽化腔室108且吸收汽化物质之后,包含第一气体(例如载体气体)和汽化物质(例如前驱物)的汽化物质气体流动穿过第二流路。第二传感器可测量30.89g/mol的平均分子量,其比单独载体气体大约10%。可通过测量约275sccm的流率和100托的压力确定该平均分子量。具有汽化物质的载体气体的增加百分比指示化合物气体中的汽化物质的浓度。
在一些实施方式中,处理逻辑将指示第一质量流率的第一数据、指示第二质量流率的第二数据和/或指示汽化容器的温度的第三数据输入至经训练的机器学习模型,该经训练的机器学习模型输出汽化物质的浓度。
应指出用于计算浓度的方法独立于物种。诸如光学传感器的常规浓度传感器应被预校准并制造,以测量预定物种规格窗,例如密度、分子质量、流率等的极值。相比之下,本文允许的标的可允许独立于物种的计算,其能适用于各种气体(例如载体气体和工艺气体)和各种化合物(例如前驱物)。
在方块505,处理逻辑视情况改变载体气体的流率。在一些实施方式中,处理监测并控制气体输送参数,例如控制气体(例如载体气体或工艺气体)的流率、调整汽化容器的状态(例如改变温度、压力等)和/或执行工艺腔室程序(例如CVD工艺或ALD工艺)。可将浓度确定结合至处理装置作出的决策中。举例而言,如果前驱物浓度高于阈值水平,则处理装置可使载体气体的流动增加(例如打开阀门)或使可汽化物质进入容器中的流率减小(例如部分地关闭阀门)。在一些实施方式中,处理装置可确定汽化物质的浓度满足阈值标准,并使与工艺腔室(例如基板处理腔室)相关的工艺操作得到改变。举例而言,腔室中的工艺操作可停止,直至汽化物质的浓度无法满足阈值条件。在另一实例中,可基于确定的可汽化物质的浓度在不同参数下(例如较高的温度、较长的蚀刻持续时间、沉积持续时间等)执行工艺步骤。
在一些实施方式中,处理逻辑将指示第一质量流率的第一数据、指示第二质量流率的第二数据和/或指示汽化容器的温度的第三数据输入至经训练的机器学习模型,该经训练的机器学习模型输出一或多个工艺参数更新,例如对载体气体和/或工艺气体的流率、汽化容器的状态的改变和/或其他工艺参数更新。
在方块506,处理逻辑视情况提供浓度以由图形用户界面(GUI)显示。可储存浓度且随后将其显示为事后分析的一部分。在一些实施方式中,当气体输送工艺进行时,可计算和/或显示浓度。举例而言,可在基板处理程序的一部分中追踪前驱物的浓度。
在一些实施方式中,处理逻辑从第四传感器接收第四数据,该第四数据指示第二载体气体的第三质量流率。化合物气体可进一步包含第二载体气体。
在一些实施方式中,处理逻辑基于确定的浓度确定设置在汽化容器中的汽化物质的量。可提供确定的汽化物质的量以供GUI显示。
图6图示根据本揭示案的一实施方式的用于浓度传感器的模型训练工作流程605和模型应用工作流程617以及基于工艺气体的检测浓度进行工艺控制。在实施方式中,可在包括或不包括浓度传感器应用的服务器处执行模型训练工作流程605,且将经训练的模型提供至浓度传感器应用(例如在图2的计算装置222上),该浓度传感器应用可执行模型应用工作流程617。可用计算装置的处理器执行的处理逻辑执行模型训练工作流程605和模型应用工作流程617。举例而言,可用一或多个机器学习模块实施这些工作流程605、617中的一或多者,可在浓度工具224、系统控制模块226、前驱物监测器228和/或在图2所示的计算装置222的处理装置上执行的其他软件和/或固件上实施这些机器学习模块。
模型训练工作流程605用于训练一或多个机器学习模型(例如深度学习模型)以执行与浓度传感器相关的一或多个分类、分段、检测、识别、决策等任务(例如测量质量流率、计算浓度、确定前驱物数据、确定系统控制数据和/或诊断、确定对工艺的修改等)。模型应用工作流程617用于应用一或多个经训练的机器学习模型以对汽化数据(例如载体气体的质量流量数据、工艺气体的质量流量数据、前驱物量和耗尽速率、汽化腔室数据等)执行分类、分段、检测、识别、确定等任务。机器学习模型中的一或多者可接收并处理气体输送数据(例如一或多种相关气体的分子质量、载体气体的质量流率、包含汽化前驱物的工艺气体的质量流率)。机器学习模型中的一或多者可接收并处理汽化腔室数据(例如腔室中的温度、压力、质量流量等)和前驱物数据(分子质量、化学组成、汽化腔室中的量、耗尽速率等)。
本文描述各种机器学习输出。本文描述且展示特定数量和布置的机器学习模型。然而,应理解可修改所使用的机器学习模型的数量和类型以及这些机器学习模型的布置,以达到相同或类似的最终结果。因此,描述且展示的机器学习模型的布置仅为实例,且不应将其解释为有限制性。
在实施方式中,训练一或多个机器学习模型以执行以下任务中的一或多者。每一任务可由单独的机器学习模型执行。替代地,单一的机器学习模型可执行任务中的每一者或任务的一子集。另外地或替代地,可训练不同的机器学习模型以执行任务的不同组合。在一实例中,可训练一个或几个机器学习模型,其中经训练的ML模型是具有多个共享层和多个更高阶相异输出层的单一共享神经网络,其中输出层中的每一者输出不同的预测、分类、识别等。一或多个经训练的机器学习模型可被训练以执行的任务如下:
a.前驱物浓度确定-如前文所讨论,可使用流率、密度和汽化之间的关系确定工艺气体中的前驱物的相对浓度。如本文所描述,计算装置可在适当时接收指示额外的流路的流率的数据,并可将此数据与第一和第二数据聚合以执行更新的浓度计算,且作出进一步的确定(例如前驱物浓度分类)。前驱物浓度确定可与气流硬件配置(例如流路的数量、流路的分开和分支、前驱物的数量、载体气体的数量等)相关。在一些实施方式中,前驱物浓度确定提供校准的
b.前驱物浓度分类-如前文所描述,计算装置可包含前驱物监测器,该前驱物监测器确定汽化容器中的前驱物的耗尽速率。可使用流率和前驱物浓度将前驱物浓度分类(例如在阈值边界内、高于阈值边界、在阈值边界内但以耗尽阈值或高于耗尽阈值耗尽等)。
c.系统控制分类-如前文所描述,计算装置可控制气体流动系统,例如控制气体(例如载体气体或工艺气体)的流率、调整容器的状态(例如改变温度、压力等)和/或执行工艺腔室程序(例如CVD工艺或ALD工艺)。机器学习模型可输出可被显示和/或应用于气体输送系统的指令,例如汽化系统需采取的补救或规定行为。举例而言,机器学习模块可检测到前驱物浓度高于阈值水平,并可使汽化系统提高载体气体的流率(例如,诸如用以稀释或降低工艺气体中的前驱物浓度)。
可用于执行上文的一些或所有任务的一类机器学习模型是人工神经网络,例如深度神经网络。人工神经网络大体而言包括特征表示部件,其具有将特征映射为期望输出空间的分类器或回归层。举例而言,卷积神经网络(convolutional neural network;CNN)具有(host)多层卷积滤波器。在较低层执行池化,并且可解决非线性,在较低层上通常附加多层感知器,将由卷积层提取的顶层特征映射为决策(例如分类输出)。深度学习是一类机器学习演算法,其使用非线性处理单元的多个层的级联以进行特征提取和变换。每一连续层使用来自前一层的输出作为输入。深度神经网络可按监督式(例如分类)和/或无监督(例如型样分析)的方式学习。深度神经网络包括层的阶层,其中不同的层学习对应于不同抽象等级的不同等级的表示。在深度学习中,每一等级学习将其输入数据变换为稍微更抽象和综合的表示。举例而言,在前驱物分类中,原始输入可为载体和/或工艺气体的质量流量测量结果,第二层可包含与汽化腔室的状态相关的特征数据,第三层可包含载体和/或工艺气体的识别特征(例如分子量、密度、化学组成)。应指出,深度学习过程可学习将哪些特征最佳地置于其有的哪一等级。“深度学习”中的“深度”指数据经由其变换的层的数量。更精确而言,深度学习系统具有较大的信用分配路径(credit assignmenttpath;CAP)深度。CAP为从输入至输出的变换链。CAP描述输入与输出之间潜在的因果关联。对于前馈神经网络,CAP的深度可为网络的深度,且可为隐藏层的数量加一。对于其中信号可穿过层传播多于一次的递归神经网络,CAP深度可能不受限制。
在一个实施方式中,一或多个机器学习模型是递归神经网络(recurrent neuralnetwork;RNN)。RNN是一类神经网络,其包含使神经网络能够获取时间依赖性的存储器。RNN能够学习输入-输出映射,输入-输出映射取决于当前输入和过去输入。RNN将处理过去和未来的流率测量结果,并基于此连续的计量信息作出预测。可使用训练数据集训练RNN以产生固定数量的输出(例如以确定沿气体输送系统的流路上的各个点处可汽化物质的浓度)。可使用的一类RNN是长短期记忆(long short term memory;LSTM)神经网络。
可按监督式学习方式实现神经网络的训练,其涉及经由网络馈送由标记的输入组成的训练数据集,观察其输出,界定误差(通过测量输出与标签值之间的差)以及使用诸如深梯度下降和后向传播的技术来调节网络上跨其所有层和节点的权重,使得将误差降至最小。在许多应用中,在训练数据集的许多标记的输入重复此过程产生一网络,当出现与训练数据集中存在的输入不同的输入时,该网络可产生正确的输出。
对于模型训练工作流程605,应使用包含数百个、数千个、数万个、数十万个或更多载体和工艺气体流率测量结果(例如气体输送数据610)的训练数据集形成训练数据集。在实施方式中,训练数据集亦可包含用于形成训练数据集的相关前驱物分类612,其中每一数据点和/或相关前驱物分类可包含一或多类有用信息的各种标签或分类。举例而言,每一情况可包含数据和确定的前驱物分类(例如前驱物浓度、耗尽速率、汽化腔室中储存的量等),该数据指示载体气体的第一流率和工艺气体的第二流率。可处理此数据以产生用于训练一或多个机器学习模型的一或多个训练数据集636。举例而言,可训练机器学习模型,以使前驱物输送系统的一或多个工艺自动化(例如提高/降低载体和/或工艺气体的流率、提高汽化腔室中的前驱物量以及与输送前驱物相关的其他工艺)。
在一些实施方式中,使用包含数百个、数千个、数万个、数十万个或更多载体和工艺流率测量结果(例如气体输送数据610)的训练数据集形成训练数据集。训练数据集亦可包含用于形成训练数据集的相关前驱物分类612。前驱物分类612可包含一或多个浓度测量结果(例如使用残余气体分析器RGA或其他浓度传感器进行的)。
在一个实施方式中,产生一或多个训练数据集636包括收集载体气体和工艺气体的一或多个气体流动测量。使用的标签可取决于将对特定的机器学习模型训练的内容。举例而言,为训练机器学习模型以进行前驱物分类,训练数据集636可包含指示气体类型的数据(例如分子量、密度等)、气体流动测量结果(例如载体和/或工艺气体的质量流率)以及指示半导体处理规格的数据。举例而言,半导体工艺可与前驱物浓度窗相关,前驱物浓度窗与满足阈值标准的半导体处理结果相关。
为实现训练,处理逻辑将训练数据集636输入至一或多个未训练的机器学习模型中。在将第一输入输入至机器学习模型中之前,可初始化机器学习模型。处理逻辑基于训练数据集训练未训练的机器学习模型,以产生执行上文所述的各个操作的一或多个经训练的机器学习模型。
可通过将气体输送数据610和前驱物分类612中的一或多者一次一者地输入至机器学习模型而进行训练。在一些实施方式中,训练机器学习模型包括调节模型以接收气体输送数据610(例如载体气体和工艺气体的质量流率)并输出在所测量前驱物浓度(例如使用残余气体分析器RGA或其他浓度传感器进行)的阈值差内的前驱物浓度预测(例如前驱物分类612)。
机器学习模型处理输入,以产生输出。人工神经网络包含一输入层,该输入层由一数据点中的值组成。下一层称为隐藏层,且在该隐藏层处的节点各自接收一或多个输入值。每一节点含有要应用于输入值的参数(例如权重)。因此,每一节点基本上将输入值输入至多变量函数(例如非线性数学变换)以产生输出值。下一层可为另一隐藏层或输出层。在任一情况下,下一层处的节点从前一层处的节点接收输出值,且每一节点将权重应用于这些值,并随后产生其自身的输出值。这可在每一层进行。最后一层是输出层,其中针对机器学习模型可产生的每一类别、预测和/或输出存在一个节点。
因此,输出可包括一或多个预测或推测。举例而言,输出预测或推测可包括前驱物输送系统中的前驱物的确定的浓度。处理逻辑随后可将预测或推测的输出与训练数据项中包含的测量或已知的前驱物分类(例如测量的浓度)比较。处理逻辑基于机器学习模型的输出与已知分类(例如前驱物分类)的差确定误差(亦即分类误差)。处理逻辑基于误差调整机器学习模型中的一或多个节点的权重。对于人工神经网络中的每一节点,可确定误差项或差量。基于此误差,人工神经网络针对其节点中的一或多者调整其参数中的一或多者(节点的一或多个输入的权重)。可以反向传播方式更新参数,使得首先更新最高层处的节点,然后更新下一层处的节点,以此类推。人工神经网络包含多层“神经元”,其中每一层从前一层的神经元接收输入值。对于每一神经元,参数包括与从前一层的神经元中的每一者接收的值相关的权重。因此,调整参数可包括对于人工神经网络中的一或多层处的一或多个神经元调整分配至每一输入的权重。
模型参数一经最佳化,即可进行模型验证,以确定模型是否已改进,并确定深度学习模型的当前准确性。在一或多轮训练之后,处理逻辑可确定是否已满足停止标准。停止标准可为准确性的目标水平、来自训练数据集的处理后影像的目标数量、对一或多个先前数据点上的参数的改变的目标量、其组合和/或其他标准。在一个实施方式中,当已至少处理最少数量的数据点且至少达到阈值准确性时,则满足停止标准。举例而言,阈值准确性可为70%、80%或90%的准确性。在一个实施方式中,如果机器学习模型的准确性已停止提高,则满足停止标准。如果未满足停止标准,则执行进一步训练。如果已满足停止标准,则训练可完成。一旦训练了机器学习模型,则可使用训练数据集的保留部分测试模型。
举例而言,在一个实施方式中,训练机器学习模型(例如前驱物分类器668),以确定汽化腔室中的前驱物浓度和/或前驱物的状态。可进行类似的过程,以训练机器学习模型以执行诸如上文所述的任务的其他任务。可收集一组许多(例如数千个至数百万个)气体输送测量结果(例如载体气体和/或工艺气体的质量流率测量结果),并可确定与预测或推测浓度相关的浓度数据666,所述预测或推测浓度与输入数据662相关。
一旦产生一或多个经训练的机器学习模型638,即可将其储存于模型储存器645中并可添加至浓度传感器应用(例如浓度工具224、系统控制模块226和/或前驱物监测器228)。浓度传感器应用随后可使用一或多个经训练的ML模型638以及另外的处理逻辑实施自动模式,其中尽量减少了用户人工信息输入或在一些情况下甚至消除了用户人工信息输入。
在一个实施方式中,模型应用工作流程617包括一或多个经训练的机器学习模型,其用作系统控制分类器667、前驱物浓度确定器664和/或前驱物分类器668。在实施方式中,可将这些逻辑实施为单独的机器学习模型或实施为单个组合机器学习模型。举例而言,系统控制分类器667、前驱物浓度确定器664和前驱物分类器668可共享一深度神经网络的一或多个层。然而,这些逻辑中的每一者可包含该深度神经网络的相异的更高阶层,这些层经训练以产生不同类型的输出。为方便起见,所示的实例仅展示上文的任务清单中所述的一些功能性。然而,应理解亦可向模型应用工作流程617添加任何其他任务。
根据一个实施方式,对于模型应用工作流程617,可将输入数据662输入至系统控制分类器667中,系统控制分类器667可包含经训练的神经网络。基于输入数据662,系统控制分类器667输出信息,该信息指示前驱物输送系统的状态(例如输送数据669)。这可包括输出用于规定行为672的一组分类几率。规定行为672可包括向控制器(例如用户和/或自动化系统)通知的行为,当应用于气体输送系统时,这些行为改变前驱物输送系统的状态(例如降低工艺气体中的前驱物的浓度、降低汽化腔室的温度、停止操作等)。
根据一个实施方式,可将输入数据662输入至前驱物浓度确定器664中,前驱物浓度确定器664可包含经训练的神经网络。基于输入数据662,前驱物浓度确定器664输出与输入数据662相关的前驱物输送系统中前驱物的浓度的确定结果(例如浓度数据666)。举例而言,机器学习模型可被调节以接收气体输送数据610(例如载体气体和工艺气体的质量流率)且输出在同一载体气体和工艺气体的所测量前驱物浓度(例如使用残余气体分析器RGA或其他浓度传感器进行)的阈值差内的前驱物浓度预测结果(例如前驱物分类612),这些载体气体和工艺气体的质量流率被测量且被用作前驱物浓度确定器664的输入。
根据一个实施方式,可将输入数据662输入至前驱物分类器668中,前驱物分类器668可包含经训练的神经网络。基于输入数据662,前驱物分类器668可将前驱物输送系统的前驱物分类。举例而言,输出可指示汽化腔室中的前驱物的耗尽速率。输出可指示汽化腔室中的前驱物的量。输出可指示前驱物的化学组成(例如多个前驱物的浓度百分比)。
图7为根据本揭示案的一实施方式的流程图,其图示训练机器学习模型以确定工艺气体中的可汽化物质的浓度的方法700的实施方式。在方法700的方块702,处理逻辑收集训练数据集,训练数据集可包含气体输送系统中的载体气体和工艺气体的流率(例如质量流率)。训练数据集的每一数据项(例如载体气体质量流率和/或工艺气体质量流率)可包含设置于工艺气体中的可汽化物质的一或多个已知的浓度水平。
在方块704,将训练数据集中的数据项输入至未训练的机器学习模型。在方块706,基于训练数据集训练机器学习模型,以产生经训练的机器学习模型,该经训练的机器学习模型确定工艺气体中的可汽化物质(例如前驱物)浓度。机器学习模型亦可经训练以输出一或多种其他类型的预测、分类、决策等。举例而言,机器学习模型亦可经训练以将前驱物分类,并作出决策(例如手动或自动进行)以改变气体输送系统(例如图2的气体输送系统200)的操作。
在一个实施方式中,在方块710,向机器学习模型中输入训练数据项的输入。该输入可包括气体输送系统的气体流动数据。在方块712,机器学习模型处理输入,以产生输出。输出可包含气体输送系统的工艺气体中的可汽化物质(例如前驱物)的浓度的预测和/或推测,及/或使用气体输送系统的制造工艺的一或多个工艺更新(例如以执行原子层沉积工艺、化学气相沉积工艺或其他工艺)。
在方块714,处理逻辑将输出与设置在相关工艺气体中的可汽化物质的已知浓度测量结果比较。在方块716,处理逻辑基于输出与浓度测量结果之间的差确定误差。在方块718,处理逻辑基于误差调整机器学习模型中的一或多个节点的权重。
另外,在方块714,处理逻辑将其他预测、分类等的输出几率与和输入相关的一或多个其他标签比较。举例而言,机器学习模型可输出一或多个工艺参数更新,可将其与待使用的合适的工艺参数的标签比较。在方块716,处理逻辑可确定每一比较结果的误差。在方块718,处理逻辑可基于这些误差调整机器学习模型中的一或多个节点的权重。由此,机器学习模型可经训练以进行浓度确定以及前驱物分类和/或一或多个其他分类、确定或预测操作。
在方块720,处理逻辑确定是否满足停止标准。如果不满足停止标准,则方法返回至方块710,并将另一训练数据项输入至机器学习模型中。如果满足停止标准,则方法进行至方块725,机器学习模型的训练完成。
在一个实施方式中,多个不同的ML模型被训练以进行浓度确定、前驱物分类和/或系统控制分类。ML模型中的每一者可被训练以对不同类型的输入数据进行确定和/或分类。举例而言,第一ML模型可被训练以使用载体和工艺气体的质量流率测量结果进行浓度确定,第二ML模型可被训练以使用指示汽化腔室状态(例如温度、压力等)的数据进行浓度确定,且第三ML模型可被训练以使用腔室数据和气体流率数据的组合进行浓度确定。在一个实施方式中,训练单一ML模型以执行上文讨论的第一、第二和第三ML模型的操作。
图8描绘根据本揭示案的一些实施方式的使用经训练的机器学习模型确定可汽化物质(例如前驱物)的浓度的一例示性方法的流程图。通过可包括硬件(电路系统、专用逻辑等)、软件(例如在通用计算机系统或专用机器上运行的)或其任何组合的处理逻辑执行方法800。在一个实施方式中,使用计算装置222和经训练的机器学习模型638执行方法,但在一些其他实施方式中,可用图中未描绘的一或多个其他机器执行图8的一或多个方块。
方法800可包括使用诸如经训练的机器学习模型638的经训练的模型接收气体输送数据(例如结合图2至图4描述的气体流动数据)并处理气体输送数据。在一些实施方式中,经训练的模型可被配置为基于气体输送产生一或多个输出,该一或多个输出指示(i)置于相关工艺气体中的可汽化物质的预测浓度,和(ii)与预测浓度的准确性相关的置信度水平。在一些实施方式中,经训练的机器学习模型可被配置为基于气体输送产生一或多个输出,该一或多个输出指示(i)对工艺控制参数的更新,和(ii)该更新可改进气体输送系统的一或多个操作条件的置信度水平。
在方块802,识别与气体输送系统(例如图2的气体输送系统200)相关的气体输送数据。气体输送数据可包含数据,该数据指示载体气体的第一质量流率、包含载体气体和汽化物质的化合物气体的第二质量流率和/或与使汽化物质汽化相关的汽化容器的温度。
在一些实施方式中,气体输送数据进一步包括合成数据或自原始传感器数据工程化的数据。举例而言,如前文的实施方式所描述,各种工程工具可进行特征提取及/或形成人工和/或虚拟参数组合。特征提取器可通过进行变量分析(例如对原始传感器数据的工艺控制分析、单变量限制违规分析和/或多变量限制违规分析)形成各种特征。
在方块804,将气体输送数据作为输入提供至经训练的机器学习模型,且在方块806,从经训练的机器学习模型获取一或多个输出。一或多个输出可包括前驱物浓度、前驱物分类和/或工艺控制更新。在方块808,从在方块806获取的输出提取置信度数据。在一个实施方式中,置信度数据包含与预测浓度的准确性相关的置信度水平。在一个实例中,置信度水平是0与1之间的实数(包括0和1)。应指出置信度水平可并非几率(例如规定行为的置信度水平的和可能不等于1)。在方块810,处理逻辑确定置信度水平满足阈值条件。
在方块812,处理逻辑视情况改变载体气体的流率。在一些实施方式中,处理监测并控制气体输送参数,例如控制气体(例如载体气体或工艺气体)的流率、调整汽化容器的状态(例如改变温度、压力等)和/或执行工艺腔室程序(例如CVD工艺或ALD工艺)。可将浓度确定结合至处理装置作出的决策中。举例而言,如果前驱物浓度示值高于阈值水平,则处理装置可使载体气体的流动增加(例如打开阀门)或使进入容器中的可汽化物质的流率减小(例如部分地关闭阀门)。在一些实施方式中,处理逻辑可确定汽化物质的浓度满足阈值标准,并使与工艺腔室(例如基板处理腔室)相关的工艺操作得到改变。举例而言,腔室中的工艺操作可停止,直至汽化物质的浓度不能达到阈值条件。在另一实例中,可基于确定的可汽化物质的浓度在不同参数下(例如较高的温度、较长的蚀刻持续时间、沉积持续时间等)执行工艺步骤。在一些实施方式中,机器学习将改变和/或调整输出至气体输送系统。举例而言,机器学习模型可指示气体(例如载体气体和/或工艺气体)的流率的变化。
在方块814,处理逻辑视情况提供浓度以由图形用户界面(GUI)显示。可储存浓度并随后将其显示为事后分析的一部分。在一些实施方式中,当气体输送工艺进行时,可计算和/或显示浓度。举例而言,可在基板处理程序的一部分中追踪前驱物的浓度。
图9描绘根据本揭示案的一或多个方面而操作的能够计算气体浓度的例示性计算装置的方块图。在各个说明性实例中,计算装置900的各个部件可表示计算装置222和/或控制器450的各个部件。
可将例示性计算装置900连接至LAN、内联络、外联络和/或互联网中的其他计算机装置。计算装置900可在客户端-服务器网络环境中以服务器的身份操作。计算装置900可为个人计算机(personal computer;PC)、机顶盒(set-top box;STB)、服务器、网络路由器、交换机或网桥或能够执行指定由装置执行的动作的一组指令(顺序的或以其他方式)的任何装置。另外,虽然仅图示单一例示性计算装置,但术语“计算机”亦应视为包括计算机的任何集合,其个别地或共同执行一组(或多组)指令以执行本文所讨论的方法中的任一或多者。
例示性计算装置900可包含处理装置902(亦称为处理器或CPU)、主存储器904(例如只读存储器(read-only memory;ROM)、快闪存储器、动态随机存取存储器(dynamicrandom access memory;DRAM)(例如同步DRAM(SDRAM)等)、静态存储器906(例如快闪存储器、静态随机存取存储器(static random access memory;SRAM)等)和辅助存储器(例如数据储存装置918),其可经由总线930相互通信。
处理装置902表示一或多个通用处理装置,例如微处理器、中央处理单元或类似者。更特定而言,处理装置902可为复杂指令集计算(complex instruction setcomputing;CISC)微处理器、精简指令集计算(reduced instruction set computing;RISC)微处理器、极长指令字(very long instruction word;VLIW)微处理器、实施其他指令集的处理器或实施指令集组合的处理器。处理装置902亦可为一或多个专用处理装置,例如特定应用集成电路(application specific integrated circuit;ASIC)、现场可编程门阵列(field programmable gate array;FPGA)、数字信号处理器(digital signalprocessor;DSP)、网络处理器或类似者。根据本揭示案的一或多个方面,处理装置902可被配置为执行指令,这些指令实施图5所示的方法500。
例示性计算装置900可进一步包括网络接口装置908,网络接口装置908可通信地耦接至网络920。例示性计算装置900可进一步包括视频显示器910(例如液晶显示器(liquid crystal display;LCD)、触控屏幕或阴极射线管(cathode ray tube;CRT))、字母数字输入装置912(例如键盘)、光标控制装置914(例如鼠标)和声波信号产生装置916(例如扬声器)。
数据储存装置918可包含机器可读储存介质(或者更特定而言,非暂时性机器可读储存介质)928,其储存一或多组可执行指令922。根据本揭示案的一或多个方面,可执行指令922可包含与执行图5至图8所示的方法500至800相关的可执行指令。
可执行指令922亦可在由例示性计算装置900、主存储器904和处理装置902(亦构成计算机可读储存介质)执行期间完全或至少部分地驻留于主存储器904和/或处理装置902内。可进一步经由网络接口装置908在网络上传送或接收可执行指令922。
虽然在图9中将计算机可读储存介质928展示为单一介质,但术语“计算机可读储存介质”应被视为包括储存一或多组操作指令的单一介质或多个介质(例如集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读储存介质”亦应被视为包括能够储存或编码一组指令的任何介质,该组指令用于由机器执行,使机器执行本文描述的方法中的任一或多者。因此,术语“计算机可读储存介质”应被视为包括但不限于固态存储器、光学介质和磁性介质。
根据对计算机存储器中的数据位的操作的演算法和符号表示展现上文的详细描述的一些部分。这些演算法描述和表示是数据处理领域的技术人员使用的向本领域的其他技术人员最有效地传达其工作实质的途径。此处将演算法大体解释为导致目标结果的自恰的步骤顺序。这些步骤需要对物理量的实体操纵。通常(但并非必需的),这些量采用电或磁信号的形式,可储存、传送、组合、比较或以其他方式操纵这些电或磁信号。有时(通常出于使用习惯的原因)为方便起见,将这些信号称为位、值、要素、符号、字符、术语、数字或类似者。
然而,应了解所有这些和类似的术语与合适的物理量相关,且仅是应用于这些量的方便标签。除非另外具体说明,否则从以下讨论可明显得出,应了解在整个描述中,使用诸如“识别”、“确定”、“储存”、“调整”、“使”、“返回”、“比较”、“形成”、“停止”、“装载”、“复制”、“切断”、“更换”、“执行”或类似者的术语的讨论是指计算机系统或类似的电子计算装置的行为和过程,计算机系统或类似的电子计算装置控制计算机系统的寄存器和存储器中表示为物理(电子)量的数据,并将其转换为在计算机系统存储器或寄存器或其他此类信息储存、传送或显示装置中类似地表示为物理量的其他数据。
本揭示案的实例亦与用于执行本文所描述方法的设备相关。可特别地构造此设备以用于预期的目的,或此设备可为通用计算机系统,该通用计算机系统由储存于计算机系统中的计算机程序选择性编程。可将此计算机程序储存于计算机可读储存介质中,例如但不限于包括光盘的任何类型的磁盘、光盘只读存储器(compact disc read only memory;CD-ROM)、磁光盘、只读存储器(read-only memory;ROM)、随机存取存储器(random accessmemory;RAM)、可抹除可编程只读存储器(erasable programmable read-only memory;EPROM)、电子可抹除可编程只读存储器(electrically erasable programmable read-only memory;EEPROM)、磁盘储存介质、光学储存介质、快闪存储器装置、其他类型的机器可存取储存介质或适于储存电子指令的任何类型的介质,其中每一者耦接至计算机系统总线。
本文提供的方法和显示器与任何特定的计算机或其他设备无内在联系。各个通用系统可与根据本文教示的程序一起使用,或其可便于建造执行所述方法步骤的更专用的设备。以下描述将阐述多个这些系统的结构。另外,本揭示案的范围不限于任何特定的编程语言。将了解可使用各种编程语言实施本揭示案的教示。
应理解以上描述意欲为说明性的,不具有限制性。在阅读并理解以上描述后,本领域技术人员将理解许多其他实施方式实例。虽然本揭示案描述具体实例,但将了解本揭示案的系统和方法不限于本文描述的实例,而是可在具有所附权利要求的范围内的修改的情况下实践。因此,应将说明书和附图视为说明性而非限制性的。因此应参考所附的权利要求以及这些权利要求所享有的等同物的全部范围来确定本揭示案的范围。
Claims (20)
1.一种浓度传感器组件,包含:
汽化腔室,包含化合物,所述汽化腔室用以将所述化合物转换为气态;
第一流路,耦接至所述汽化腔室,所述第一流路用以将第一气体引导至所述汽化腔室;
第二流路,耦接至所述汽化腔室,所述第二流路用以将第二气体引导出所述汽化腔室,其中所述第二气体包含所述化合物和所述第一气体;
第一传感器,沿所述第一流路设置,所述第一传感器用以测量指示所述第一流路中的所述第一气体的第一质量流率的第一数据;
第二传感器,沿所述第二流路设置,所述第二传感器用以测量指示所述第二流路中的所述第二气体的第二质量流率的第二数据;和
控制器,耦接至所述第一传感器和所述第二传感器,所述控制器用以基于所述第一数据和所述第二数据确定所述第二气体中的所述化合物的浓度。
2.如权利要求1所述的浓度传感器组件,其中所述第一传感器或所述第二传感器中的至少一者包含质量流率控制器。
3.如权利要求1所述的浓度传感器组件,进一步包含:
第一阀门,沿所述第一流路设置;和
第二阀门,沿所述第二流路设置,
其中所述第一阀门选择性打开和关闭,以改变所述第一气体的第一流率,且所述第二阀门选择性打开和关闭,以改变所述第二气体的第二流率。
4.如权利要求1所述的浓度传感器组件,其中所述化合物包含用于处理基板的前驱物。
5.如权利要求1所述的浓度传感器组件,进一步包含耦接至所述汽化腔室的第三流路,所述第三流路用以将所述化合物引导至所述汽化腔室中。
6.如权利要求5所述的浓度传感器组件,进一步包含沿所述第三流路设置的第三传感器,所述第三传感器用以测量指示所述第三流路中的所述化合物的第三质量流率的第三数据,其中所述控制器进一步基于所述第三数据计算所述化合物的所述浓度。
7.如权利要求6所述的浓度传感器组件,其中所述控制器基于所述浓度进一步确定所述汽化腔室中的所述化合物的耗尽速率。
8.如权利要求1所述的浓度传感器组件,进一步包含第三传感器,所述第三传感器用以测量指示所述汽化腔室的温度的第三数据,其中所述控制器进一步基于所述第三数据计算所述化合物的所述浓度。
9.一种前驱物输送系统,包含:
汽化容器,所述汽化容器包含前驱物;
第一流路,耦接至所述汽化容器,所述第一流路用以将载体气体引导至所述汽化容器中;
第二流路,耦接至所述汽化容器,所述第二流路用以将工艺气体引导出所述汽化容器,其中所述工艺气体包含所述载体气体和所述前驱物;
工艺腔室,耦接至所述第二流路,其中所述第二流路用以将所述工艺气体引导至所述工艺腔室;
第一流量计,沿所述第一流路设置,所述第一流量计用以测量指示所述第一流路中的所述载体气体的第一流率的第一数据;
第二流量计,沿所述第二流路设置,所述第二流量计用以测量指示所述第二流路中的所述工艺气体的第二流率的第二数据;和
控制器,耦接至所述第一流量计和所述第二流量计,所述控制器用以基于所述第一数据和所述第二数据确定所述工艺气体中的所述前驱物的浓度。
10.如权利要求9所述的前驱物输送系统,其中所述前驱物包含用于在所述处理腔室中进行基板处理的前驱物。
11.如权利要求9所述的前驱物输送系统,进一步包含沿所述第一流路设置的第一阀门和沿所述第二流路设置的第二阀门,其中所述第一阀门选择性地打开和关闭以改变所述载体气体的所述第一流率,且所述第二阀门选择性地打开和关闭以改变所述工艺气体的所述第二流率。
12.如权利要求9所述的前驱物输送系统,进一步包含沿第三流路设置的第三流量计,所述第三流路用以将所述前驱物引导至所述汽化容器中,其中所述第三流量计用以测量指示所述第三流路中的所述前驱物的第三流率的第三数据,其中所述控制器进一步使用所述第三数据计算所述前驱物的所述浓度。
13.如权利要求9所述的前驱物输送系统,进一步包含沿第三流路设置的第三流量计,所述第三流路用以将第二载体气体引导至所述汽化容器中,其中所述第三流量计用以测量指示所述第三流路中的所述第二载体气体的第三流率的第三数据,其中所述控制器进一步使用所述第三数据计算所述前驱物的所述浓度。
14.如权利要求9所述的前驱物输送系统,其中所述控制器基于所述浓度进一步确定所述汽化容器中的所述前驱物的耗尽速率。
15.如权利要求9所述的前驱物输送系统,进一步包含温度传感器,所述温度传感器用以测量指示所述汽化容器的温度的第三数据,其中所述控制器进一步使用所述第三数据计算所述前驱物的所述浓度。
16.一种方法,包含:
由处理装置从第一传感器接收指示载体气体的第一质量流率的第一数据;
由所述处理装置从第二传感器接收指示包含所述载体气体和汽化物质的化合物气体的第二质量流率的第二数据,
由所述处理装置从第三传感器接收指示与所述汽化物质的汽化相关的汽化容器的温度的第三数据;
由所述处理装置基于所述第一数据、所述第二数据和所述第三数据确定所述化合物气体中的所述汽化物质的浓度;和
执行以下的至少一者:a)改变所述载体气体的流率或b)提供所述浓度以供图形用户界面(GUI)显示。
17.如权利要求16所述的方法,其中所述汽化物质包含用于处理基板的前驱物。
18.如权利要求16所述的方法,进一步包含:
由所述处理装置从第四传感器接收指示第二载体气体的第三质量流率的第四数据,其中所述化合物气体进一步包含所述第二载体气体。
19.如权利要求16所述的方法,进一步包含:
将所述第一数据、所述第二数据和所述第三数据用作机器学习模型的输入;和
获取所述机器学习模型的一或多个输出,所述一或多个输出指示所述化合物气体中的所述汽化物质的所述浓度。
20.如权利要求16所述的方法,进一步包含:
基于所述浓度确定设置在所述汽化容器中的所述汽化物质的量;和
提供所述量以供所述GUI显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/365,906 US11808746B2 (en) | 2021-07-01 | 2021-07-01 | Concentration sensor for precursor delivery system |
US17/365,906 | 2021-07-01 | ||
PCT/US2022/035352 WO2023278474A1 (en) | 2021-07-01 | 2022-06-28 | Concentration sensor for precursor delivery system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117545874A true CN117545874A (zh) | 2024-02-09 |
Family
ID=84692057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280044989.9A Pending CN117545874A (zh) | 2021-07-01 | 2022-06-28 | 用于前驱物输送系统的浓度传感器 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11808746B2 (zh) |
EP (1) | EP4363631A1 (zh) |
KR (1) | KR20240023662A (zh) |
CN (1) | CN117545874A (zh) |
TW (1) | TW202307414A (zh) |
WO (1) | WO2023278474A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI829523B (zh) * | 2023-02-03 | 2024-01-11 | 國立中央大學 | 測量物性的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4341107A (en) * | 1980-10-14 | 1982-07-27 | Tylan Corporation | Calibratable system for measuring fluid flow |
DE68917561T2 (de) * | 1988-11-23 | 1995-04-13 | Applied Materials Inc | Anlage zum chemischen Bedampfen aus der Gasphase und Bauteil zur Versorgung mit Reaktionsmitteln. |
US6772072B2 (en) | 2002-07-22 | 2004-08-03 | Applied Materials, Inc. | Method and apparatus for monitoring solid precursor delivery |
US6909839B2 (en) | 2003-07-23 | 2005-06-21 | Advanced Technology Materials, Inc. | Delivery systems for efficient vaporization of precursor source material |
JP5264039B2 (ja) * | 2004-08-10 | 2013-08-14 | 東京エレクトロン株式会社 | 薄膜形成装置及び薄膜形成方法 |
US8951478B2 (en) | 2006-03-30 | 2015-02-10 | Applied Materials, Inc. | Ampoule with a thermally conductive coating |
US9857027B2 (en) * | 2014-07-03 | 2018-01-02 | Applied Materials, Inc. | Apparatus and method for self-regulating fluid chemical delivery |
US9951423B2 (en) | 2014-10-07 | 2018-04-24 | Lam Research Corporation | Systems and methods for measuring entrained vapor |
US10852282B2 (en) * | 2015-12-14 | 2020-12-01 | Hitachi Metals, Ltd. | System and method for determining a concentration of a constituent gas in a gas stream using pressure measurements |
EP3450588A4 (en) | 2016-04-26 | 2020-05-27 | L'Air Liquide Société Anonyme pour l'Etude et l'Exploitation des Procédés Georges Claude | PRECURRENT SUPPLY SYSTEM AND PRECURRENT SUPPLY METHOD |
US11718912B2 (en) | 2019-07-30 | 2023-08-08 | Applied Materials, Inc. | Methods and apparatus for calibrating concentration sensors for precursor delivery |
-
2021
- 2021-07-01 US US17/365,906 patent/US11808746B2/en active Active
-
2022
- 2022-06-28 EP EP22834082.4A patent/EP4363631A1/en active Pending
- 2022-06-28 KR KR1020247003053A patent/KR20240023662A/ko unknown
- 2022-06-28 WO PCT/US2022/035352 patent/WO2023278474A1/en active Application Filing
- 2022-06-28 CN CN202280044989.9A patent/CN117545874A/zh active Pending
- 2022-06-30 TW TW111124418A patent/TW202307414A/zh unknown
-
2023
- 2023-09-27 US US18/373,732 patent/US20240019410A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023278474A1 (en) | 2023-01-05 |
US20230003704A1 (en) | 2023-01-05 |
TW202307414A (zh) | 2023-02-16 |
US20240019410A1 (en) | 2024-01-18 |
EP4363631A1 (en) | 2024-05-08 |
US11808746B2 (en) | 2023-11-07 |
KR20240023662A (ko) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080044573A1 (en) | Rate control process for a precursor delivery system | |
CN106987824B (zh) | 原料气体供给装置和原料气体供给方法 | |
CN107043927B (zh) | 原料气体供给装置和原料气体供给方法 | |
US6772072B2 (en) | Method and apparatus for monitoring solid precursor delivery | |
US20240019410A1 (en) | Concentration sensor for precursor delivery system | |
US6038919A (en) | Measurement of quantity of incompressible substance in a closed container | |
KR101562180B1 (ko) | 앰풀용 가열형 밸브 매니폴드 | |
US9563209B2 (en) | Raw material gas supply method | |
US7628861B2 (en) | Pulsed mass flow delivery system and method | |
US7829353B2 (en) | Pulsed mass flow delivery system and method | |
US8951478B2 (en) | Ampoule with a thermally conductive coating | |
CN102791906B (zh) | 脉冲气体传送的控制和方法 | |
CN105483655B (zh) | 用于测量夹带蒸气的系统和方法 | |
WO2013016208A2 (en) | Reactant delivery system for ald/cvd processes | |
KR102109287B1 (ko) | 기판 처리 방법, 기억 매체 및 원료 가스 공급 장치 | |
KR20220103583A (ko) | 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법 | |
WO2006081020A1 (en) | Method and apparatus for monolayer deposition | |
KR20210073652A (ko) | 고순도 프리커서용 캐니스터 시스템과 프리커스의 잔존량을 알 수 있는 모니터링 시스템 | |
US10752995B2 (en) | Material delivery system and method | |
KR20140000637A (ko) | 액체 재료 유무 검지 방법 | |
CN113005428B (zh) | 薄膜沉积系统以及沉积薄膜的方法 | |
JP2024508307A (ja) | 自動補充システムにおける液体送達の制御 | |
Zhang | Multiscale Computational Fluid Dynamics Modeling of Thermal Atomic Layer Deposition with | |
JP2023018677A (ja) | プロセスチャンバへの前駆体送達をモニターするシステムおよび方法 |
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 |