JP2020015940A - 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム - Google Patents
学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム Download PDFInfo
- Publication number
- JP2020015940A JP2020015940A JP2018138592A JP2018138592A JP2020015940A JP 2020015940 A JP2020015940 A JP 2020015940A JP 2018138592 A JP2018138592 A JP 2018138592A JP 2018138592 A JP2018138592 A JP 2018138592A JP 2020015940 A JP2020015940 A JP 2020015940A
- Authority
- JP
- Japan
- Prior art keywords
- film
- data
- control condition
- film forming
- forming apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing semiconductor wafers
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Physical Vapour Deposition (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
- Physical Deposition Of Substances That Are Components Of Semiconductor Devices (AREA)
Abstract
Description
特許文献1 特開2013−56803号公報
図1は、本実施形態に係るシステム1を示す。システム1は、成膜装置2および学習処理装置3を備える。
成膜装置2は、基板の表面に成膜を行う。成膜装置2は、蒸着法によって成膜を行ってもよいし、他の手法によって成膜を行ってもよい。
学習処理装置3は、機械学習による学習処理を行うものであり、制御条件取得部31と、膜特性取得部32と、状態取得部33と、学習処理部34と、モデル35とを有する。また、本実施形態では一例として学習処理装置3は、モデル35を用いて成膜装置2を制御可能となっており、目標膜特性取得部36と、目標膜特性供給部37と、推奨制御条件取得部38と、制御部39とを有する。
制御条件取得部31は、成膜装置2の制御条件を示す制御条件データを取得する。制御条件取得部31は制御条件データを、オペレータ、成膜装置2および後述の制御部39の少なくとも1つから取得してよい。制御条件取得部31は、取得した制御条件データを学習処理部34に供給してよい。
膜特性取得部32は、制御条件データが示す制御条件で動作させた成膜装置2によって成膜された膜の特性を示す膜特性データを取得する。膜特性取得部32は膜特性データを、オペレータ、および、膜特性を計測するための計測装置(図示せず)の少なくとも1つから取得してよい。計測装置は成膜装置2の内部に配置されてもよいし、外部に配置されてもよい。膜特性取得部32は、取得した膜特性データを学習処理部34に供給してよい。
状態取得部33は、成膜装置2の状態を示す状態データを取得する。状態取得部33は状態データを、オペレータおよび成膜装置2の少なくとも1つから取得してよい。また状態取得部33は、成膜装置2の設置された環境の温度や湿度などを、状態データとして取得してもよい。膜特性取得部32は、取得した状態データを学習処理部34およびモデル35に供給してよい。
学習処理部34は、入力される学習データを用いてモデル35の学習処理を実行する。学習データは、制御条件取得部31からの制御条件データ、膜特性取得部32からの膜特性データ、および、状態取得部33からの状態データを含んでよい。
モデル35は、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する成膜装置2の制御条件を示す推奨制御条件データを出力する。本実施形態では一例として、モデル35には、成膜装置2の状態を示す状態データが更に入力される。なお、モデル35は、学習処理装置3の外部のサーバに格納されてもよい。モデル35は、推奨制御条件データを推奨制御条件取得部38に出力するが、学習処理装置3の外部に出力してもよい。
目標膜特性取得部36は、目標とする膜の特性を示す目標膜特性データを取得する。本実施形態では一例として、目標膜特性取得部36は目標膜特性データをオペレータから取得する。目標膜特性取得部36は、取得した目標膜特性データを目標膜特性供給部37に供給してよい。
目標膜特性供給部37は、目標膜特性取得部36からの目標膜特性データをモデル35に供給する。
推奨制御条件取得部38は、目標膜特性データをモデル35に供給したことに応じてモデル35が出力する推奨制御条件データを取得する。推奨制御条件取得部38は、取得した推奨制御条件データを制御部39に供給してよい。
制御部39は、成膜装置2に制御条件データを供給することで、当該制御条件データが示す制御条件で成膜装置2を動作させる。例えば制御部39は、成膜装置2に推奨制御条件データを供給することで、推奨制御条件データが示す制御条件で成膜装置2を動作させてよい。
図2は、成膜装置2の平面図を示す。例えば成膜装置2は分子線エピタキシー装置であり、基板10(図3参照)上にAl、Ga、In、As、Sb、Si、Te、Sn、Zn、および、Beの少なくとも1つを含む1または複数の膜を成膜する。一例として、基板はガリウムヒ素などの化合物半導体であってよく、成膜される膜はn型半導体層、アンドープ半導体層、p型活性層のいずれでもよい。あるいは、成膜される層は、例えばδドープのように不均一なドープ層(変調ドープ層)であってもよいし、それらの積層体であってもよい。基板10と基板10上に成膜される膜との間、および、上下に隣接する膜同士の間では、それぞれ格子定数が違っていてよい。成膜装置2は、成膜チャンバ20、1または複数のセル21、真空ポンプ22、サブチャンバ23およびロードチャンバ24を有する。
図3は、成膜チャンバ20の縦断面図を示す。成膜チャンバ20は、1または複数の基板10を保持する基板マニピュレータ200、基板マニピュレータ200に保持された基板10を加熱する基板ヒータ201、内部に液体窒素を流すことで成膜チャンバ20内のガスを吸着するクライオパネル202などを有する。なお、基板マニピュレータ200はシャフト2000を中心として回転可能に設けられてよい。また、成膜チャンバ20は、成膜チャンバ20内にガス(一例として酸素、オゾン、窒素、アンモニア)などを供給するガス供給ポートを有してもよい。また、成膜チャンバ20は、ガスを分解して基板に照射するためのプラズマ発生機構を備えても良い。
成膜装置2は、制御条件に従って成膜を行う。制御条件は、装置に入力されるインプット条件であって、例えばオペレータにより設定される。制御条件は、成膜装置2において直接的に制御可能な条件に限らず、間接的に制御可能な条件であってもよい。一例として制御条件は、各セル21の温度、セルヒータ211に対する供給電力、シャッター212の開閉条件、基板10の温度、基板ヒータ201に対する供給電力、成膜チャンバ20の真空度、成膜チャンバ20内に存在するガスの種類、ガスの量、クライオパネル202の温度、クライオパネル202に供給する液体窒素の量、成膜にかける時間、および、セル21等の温度のフィードバック制御におけるゲインのうち少なくとも1つでよい。このうち、シャッター212の開閉条件とは、例えば、開状態および閉状態の何れにするか、開閉のタイミング、および、開閉の速度の少なくとも1つでよい。フィードバック制御におけるゲインとは、一例としてPID制御におけるPゲイン、IゲインおよびDゲインの少なくとも1つでよい。基板マニピュレータ200が回転可能である場合には、その回転速度が制御条件に含まれてもよい。クライオパネル202に供給する液体窒素の量とは、液体窒素の液面(残量)、液体窒素の供給流量を含んでもよい。基板10の温度としては、例えば基板ヒータ201への供給電力を制御するべく基板ヒータ201と基板10との間に設置された熱電対の温度を用いることができる。以上で述べたような制御条件は、経時的に設定されていてもよいし、時間の経過とは無関係に一律に設定されていてもよい。制御条件は、例えば積層構造(1)、積層構造(2)等の膜構造の種類、あるいはレシピ番号のような識別符号を含んでよく、このような識別符号に対応付けて、制御条件に含まれる各要素の設定値が纏められてよい。なお、成膜チャンバ20の真空度は、クライオパネル202の温度(液体窒素の残量など)、真空ポンプ22の動作状況、各セル21の温度などにより影響を受けるため、成膜装置2の状態を示す状態データであるが、真空度が或る閾値よりも良い場合に成膜動作を実施する場合には、制御条件として用いることが可能である。同様に、成膜装置2の状態を示す後述の状態データの少なくとも一部は、制御条件としても用いられてもよい。
この場合の原料のフラックス量は、例えばセル21の温度を制御条件とした制御の結果、測定される状態データである。ただし成膜装置2の構成上、セル21の温度と原料のフラックス量の間の相関関係が設定されており、成膜装置2にフラックス量を入力してフラックス量を制御可能な場合には、原料のフラックス量は制御条件となりえる。セル21の温度は、例えばセルヒータ211への供給電力を制御するべく、セル21に装着される坩堝の近傍に設置される熱電対の温度を用いることができる。
成膜装置2には、種々のメンテナンスが行われる。例えば、メンテナンスは、成膜チャンバ20、サブチャンバ23およびロードチャンバ24を大気開放して行われてもよいし、これらのチャンバを密閉したままで行われてもよい。メンテナンスは窒素でベント、あるいはパージされた状態で行うこともできる。メンテナンスは定期的(一例として1年ごと)に行われてもよいし、成膜された膜の特性に応じて行われてもよいし、使用部品の寿命,故障などに応じて行われてもよい。
[3−1.モデルの学習処理]
図4は、モデル35の学習方法を示す。システム1は、ステップS1〜S7の処理によりモデル35の学習を行う。なお、システム1はステップS1〜S7の処理を、成膜装置2における各回の成膜動作について行ってもよいし、ある期間の成膜動作のみを抽出するなど、一部の成膜動作について行ってもよい。成膜される膜構造は、単層膜であってもよいし、積層膜であってもよい。
図5は、化合物半導体の製造方法を示す。まず、ステップS11においてオペレータが基板10を準備する。例えばオペレータは基板10を成膜装置2の成膜チャンバ20内にセットする。ステップS13においてオペレータは、化合物半導体に含まれるべき複数の膜を基板10上に積層する。これにより、基板10上に複数の膜が積層された化合物半導体が製造される。
図6は、モデル35を用いた成膜方法を示す。システム1は、上述のステップS13の処理においては、積層する複数の膜のうち、少なくとも1つの膜をステップS21〜S27の処理により成膜してよい。
まず、成膜装置2にメンテナンスが行われた場合には、各セル21の温度および基板10の温度の昇降を行って原料のフラックス量および基板温度などの状態データを取得し、この状態データと目標膜特性データとをモデル35に入力して得られる推奨制御条件データにより成膜装置2で成膜を行う。これにより、メンテナンス毎に成膜装置2の状態(一例としてセル21に対する原料のチャージ量、成膜チャンバ20の内壁面の汚れ具合、および、温度測定用の熱電対の位置など)が異なることに起因して制御条件と膜特性との相関関係が異なる場合に、今回のメンテナンス後のキャンペーンでの相関関係が正確に予想されて、推奨される制御条件データにより成膜が行われる。
製造される化合物半導体は、例えば赤外線センサ(一例として赤外線式ガスセンサ)または磁気センサ等のセンサに用いられてよい。化合物半導体は、LEDの発光素子など、他の用途に用いられてもよい。
Claims (13)
- 成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、
前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、
取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部と
を備える学習処理装置。 - 前記成膜装置は分子線エピタキシー装置であり、
前記制御条件データは、
基板に照射される原料のフラックス量、前記分子線エピタキシー装置のセルの温度、前記セルのヒータに対する供給電力、前記セルのシャッターの開閉条件、基板の温度、基板ヒータに対する供給電力、チャンバの真空度、前記チャンバ内に存在するガスの種類、前記ガスの量、前記チャンバ内のクライオパネルの温度、前記クライオパネルに供給する液体窒素の量、成膜にかける時間、および、前記セルの温度のフィードバック制御におけるゲインの少なくとも1つに関するデータを含む
請求項1に記載の学習処理装置。 - 前記成膜装置の状態を示す状態データを取得する状態取得部を更に備え、
前記学習処理部は、取得された前記状態データを更に含む前記学習データを用いて、前記目標膜特性データおよび前記状態データを入力したことに応じて前記推奨制御条件データを出力する前記モデルの学習処理を実行する
請求項1または2に記載の学習処理装置。 - 前記状態データは、前記成膜装置の運転履歴を示す運転履歴データを含む請求項3に記載の学習処理装置。
- 前記運転履歴データは、前記成膜装置のメンテナンスの回数および内容の少なくとも1つに関するデータ、前記成膜装置の少なくとも1つの部品の使用回数に関するデータ、前記成膜装置の成膜回数に関するデータ、および過去に形成した膜に関するデータの少なくとも1つを含む請求項4に記載の学習処理装置。
- 前記膜特性データは、前記成膜された膜の膜厚、組成、平坦性、電気特性、光学特性、結晶性、表面情報、および、転位密度の少なくとも一つに関するデータを含み、
前記表面情報は、前記成膜された膜の光学顕微鏡写真から得られる情報を含む
請求項1〜5の何れか一項に記載の学習処理装置。 - 前記成膜装置は、Al、Ga、In、As、Sb、Si、Te、Sn、Zn、および、Beの少なくとも1つを含む膜を成膜する請求項1から6のいずれか一項に記載の学習処理装置。
- 目標とする膜の特性を示す前記目標膜特性データを取得する目標膜特性取得部と、
前記目標膜特性データを前記モデルに供給する目標膜特性供給部と、
前記目標膜特性データを前記モデルに供給したことに応じて前記モデルが出力する前記推奨制御条件データを取得する推奨制御条件取得部と、
前記成膜装置を、前記推奨制御条件データが示す制御条件で動作させる制御部と
を更に備える請求項1から7のいずれか一項に記載の学習処理装置。 - 成膜装置の制御条件を示す制御条件データを取得する制御条件取得段階と、
前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得段階と、
取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理段階と
を備える学習処理方法。 - 前記成膜装置は分子線エピタキシー装置であり、
前記制御条件データは、
基板に照射される原料のフラックス量、前記分子線エピタキシー装置のセルの温度、前記セルのヒータに対する供給電力、前記セルのシャッターの開閉条件、基板の温度、基板ヒータに対する供給電力、チャンバの真空度、前記チャンバ内に存在するガスの種類、前記ガスの量、前記チャンバ内のクライオパネルの温度、前記クライオパネルに供給する液体窒素の量、成膜にかける時間、および、前記セルの温度のフィードバック制御におけるゲインの少なくとも1つに関するデータを含む
請求項9に記載の学習処理方法。 - 目標とする膜の特性を示す前記目標膜特性データを取得する目標膜特性取得段階と、
前記目標膜特性データを前記モデルに供給する目標膜特性供給段階と、
前記目標膜特性データを前記モデルに供給したことに応じて前記モデルが出力する前記推奨制御条件データを取得する推奨制御条件取得段階と、
前記成膜装置を、前記推奨制御条件データが示す制御条件で動作させる制御段階と
を更に備える請求項9または10に記載の学習処理方法。 - 基板を準備する準備段階と、
化合物半導体に含まれるべき複数の膜を前記基板上に積層する積層段階と
を備え、
前記積層段階において、請求項11に記載の学習処理方法を用いて前記成膜装置を動作させて、前記複数の膜のうち少なくとも1つの膜を成膜する
化合物半導体の製造方法。 - コンピュータを、
成膜装置の制御条件を示す制御条件データを取得する制御条件取得部と、
前記制御条件データが示す制御条件で動作させた前記成膜装置によって成膜された膜の特性を示す膜特性データを取得する膜特性取得部と、
取得された前記制御条件データおよび前記膜特性データを含む学習データを用いて、目標とする膜の特性を示す目標膜特性データを入力したことに応じて推奨する前記成膜装置の制御条件を示す推奨制御条件データを出力するモデルの学習処理を実行する学習処理部
として機能させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018138592A JP6959190B2 (ja) | 2018-07-24 | 2018-07-24 | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム |
US16/519,003 US11347203B2 (en) | 2018-07-24 | 2019-07-23 | Learning processor, learning processing method, production method of compound semiconductor, and recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018138592A JP6959190B2 (ja) | 2018-07-24 | 2018-07-24 | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020015940A true JP2020015940A (ja) | 2020-01-30 |
JP6959190B2 JP6959190B2 (ja) | 2021-11-02 |
Family
ID=69179145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018138592A Active JP6959190B2 (ja) | 2018-07-24 | 2018-07-24 | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11347203B2 (ja) |
JP (1) | JP6959190B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3584007A1 (en) * | 2018-06-18 | 2019-12-25 | Covestro Deutschland AG | Method and computer system for determining production parameters for the production of a polymeric product |
CN111837221B (zh) * | 2019-02-14 | 2024-03-05 | 株式会社日立高新技术 | 半导体制造装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03171301A (ja) * | 1989-11-30 | 1991-07-24 | Toshiba Corp | 物質の合成制御システム |
JPH0637021A (ja) * | 1992-07-17 | 1994-02-10 | Fuji Electric Co Ltd | 学習予測・指示機能付半導体製造装置 |
JPH0737821A (ja) * | 1993-07-20 | 1995-02-07 | Hitachi Ltd | 薄膜製造装置及び半導体装置の製造方法 |
JPH08339961A (ja) * | 1995-02-01 | 1996-12-24 | Texas Instr Inc <Ti> | 分子ビームエピタキシャル層成長方法 |
JPH10237645A (ja) * | 1997-02-28 | 1998-09-08 | Asahi Optical Co Ltd | 光学薄膜製造システム |
JPH10245674A (ja) * | 1997-02-28 | 1998-09-14 | Asahi Optical Co Ltd | 光学薄膜製造システム |
JP2017174983A (ja) * | 2016-03-24 | 2017-09-28 | 東京エレクトロン株式会社 | 制御装置、基板処理システム、基板処理方法及びプログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68929423T2 (de) * | 1988-04-18 | 2003-08-07 | 3D Systems Inc | Stereolithografische CAD/CAM-Datenkonversion |
US5999184A (en) * | 1990-10-30 | 1999-12-07 | 3D Systems, Inc. | Simultaneous multiple layer curing in stereolithography |
US6259962B1 (en) * | 1999-03-01 | 2001-07-10 | Objet Geometries Ltd. | Apparatus and method for three dimensional model printing |
US6511898B1 (en) * | 2000-05-24 | 2003-01-28 | Advanced Micro Devices Inc. | Method for controlling deposition parameters based on polysilicon grain size feedback |
WO2001097267A1 (en) | 2000-06-16 | 2001-12-20 | Matsushita Electric Industrial Co., Ltd. | Structure evaluating method, method for manufacturing semiconductor devices, and recording medium |
US6444481B1 (en) | 2001-07-02 | 2002-09-03 | Advanced Micro Devices, Inc. | Method and apparatus for controlling a plating process |
US7323256B2 (en) | 2003-11-13 | 2008-01-29 | Cree, Inc. | Large area, uniformly low dislocation density GaN substrate and process for making the same |
US7065423B2 (en) * | 2004-07-08 | 2006-06-20 | Timbre Technologies, Inc. | Optical metrology model optimization for process control |
US7488933B2 (en) * | 2005-08-05 | 2009-02-10 | Brion Technologies, Inc. | Method for lithography model calibration |
JP4456050B2 (ja) | 2005-09-12 | 2010-04-28 | シャープ株式会社 | 薄膜形成方法および薄膜形成ユニット |
WO2007045000A2 (en) * | 2005-10-14 | 2007-04-19 | Vantus Technology Corporation | Personal fit medical implants and orthopedic surgical instruments and methods for making |
US8027040B2 (en) * | 2007-07-24 | 2011-09-27 | Imec | Method for determining an analyte in a sample |
WO2009123883A2 (en) * | 2008-04-02 | 2009-10-08 | Novartis Ag | Method for making ophthalmic devices using single mold stereolithography |
JP5363766B2 (ja) * | 2008-07-03 | 2013-12-11 | 東京エレクトロン株式会社 | プラズマ処理装置システムの制御装置、プラズマ処理システムの制御方法および制御プログラムを記憶した記憶媒体 |
WO2012009630A1 (en) * | 2010-07-16 | 2012-01-19 | Georgia Tech Research Corporation | Fabricating parts from photopolymer resin |
JP2013056803A (ja) | 2011-09-08 | 2013-03-28 | Tamura Seisakusho Co Ltd | β−Ga2O3系単結晶膜の製造方法 |
US10639679B2 (en) * | 2017-04-03 | 2020-05-05 | International Business Machines Corporation | Removing a residual photo-mask fence in photolithography |
-
2018
- 2018-07-24 JP JP2018138592A patent/JP6959190B2/ja active Active
-
2019
- 2019-07-23 US US16/519,003 patent/US11347203B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03171301A (ja) * | 1989-11-30 | 1991-07-24 | Toshiba Corp | 物質の合成制御システム |
JPH0637021A (ja) * | 1992-07-17 | 1994-02-10 | Fuji Electric Co Ltd | 学習予測・指示機能付半導体製造装置 |
JPH0737821A (ja) * | 1993-07-20 | 1995-02-07 | Hitachi Ltd | 薄膜製造装置及び半導体装置の製造方法 |
JPH08339961A (ja) * | 1995-02-01 | 1996-12-24 | Texas Instr Inc <Ti> | 分子ビームエピタキシャル層成長方法 |
JPH10237645A (ja) * | 1997-02-28 | 1998-09-08 | Asahi Optical Co Ltd | 光学薄膜製造システム |
JPH10245674A (ja) * | 1997-02-28 | 1998-09-14 | Asahi Optical Co Ltd | 光学薄膜製造システム |
JP2017174983A (ja) * | 2016-03-24 | 2017-09-28 | 東京エレクトロン株式会社 | 制御装置、基板処理システム、基板処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US11347203B2 (en) | 2022-05-31 |
US20200033838A1 (en) | 2020-01-30 |
JP6959190B2 (ja) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11054793B2 (en) | Learning processor, learning processing method, production method of compound semiconductor, and recording medium | |
US11347203B2 (en) | Learning processor, learning processing method, production method of compound semiconductor, and recording medium | |
CN116134396B (zh) | 基于使用神经网络的聚集统计的异常检测 | |
US20230245872A1 (en) | Control of Processing Equipment | |
JP2020070470A (ja) | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム | |
Zawadzka et al. | Temperature-dependent luminescence dynamics for ZnO thin films | |
JP2014199253A (ja) | 飽和電圧推定方法及びシリコンエピタキシャルウエハの製造方法 | |
JP7163229B2 (ja) | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム | |
WO2022122845A1 (en) | Method of using sensor-based machine learning to compensate error in mass metrology | |
TW202230061A (zh) | 基於任務相依性的動態排程 | |
JP7190380B2 (ja) | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム | |
Jacobs et al. | Role of thermal expansion matching in CdTe heteroepitaxy on highly lattice-mismatched substrates | |
Zhuk et al. | Combinatorial reactive sputtering with auger parameter analysis enables synthesis of wurtzite Zn2TaN3 | |
CN103805942B (zh) | 用于形成太阳能电池中的薄膜的装置和方法 | |
JP7429116B2 (ja) | 装置、方法およびプログラム | |
Sharopov et al. | Formation of defects on the surface of LiF crystals under irradiation with different ions mass | |
Fonoll-Rubio et al. | Combinatorial Analysis Methodologies for Accelerated Research: The Case of Chalcogenide Thin‐Film Photovoltaic Technologies | |
US20210225673A1 (en) | Semiconductor processing flow field control apparatus and method | |
CN102121099B (zh) | 使用lpcvd工艺沉积薄膜的方法 | |
US10043666B2 (en) | Method for inter-chamber process | |
US20240184858A1 (en) | Methods and mechanisms for automatic sensor grouping to improve anomaly detection | |
US20240234073A9 (en) | Methods, systems, and apparatus for monitoring radiation output of lamps | |
Jarosz et al. | Initial Optimization of the Growth Conditions of GaAs Homo-Epitaxial Layers after Cleaning and Restarting the Molecular Beam Epitaxy Reactor | |
Jaffri | Computation of Electronic Conductivity of Pentance By Castep As Semiconductor Material | |
US20230306300A1 (en) | Methods and mechanisms for measuring patterned substrate properties during substrate manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200304 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210610 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211007 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6959190 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |