JP2020070494A - 薄膜蒸着工程を制御するための装置、方法及び命令を記録した記録媒体 - Google Patents

薄膜蒸着工程を制御するための装置、方法及び命令を記録した記録媒体 Download PDF

Info

Publication number
JP2020070494A
JP2020070494A JP2019100773A JP2019100773A JP2020070494A JP 2020070494 A JP2020070494 A JP 2020070494A JP 2019100773 A JP2019100773 A JP 2019100773A JP 2019100773 A JP2019100773 A JP 2019100773A JP 2020070494 A JP2020070494 A JP 2020070494A
Authority
JP
Japan
Prior art keywords
thin film
data
correlation model
state data
measurement
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
Application number
JP2019100773A
Other languages
English (en)
Other versions
JP6865474B2 (ja
Inventor
英 均 盧
Young Kyun Noh
英 均 盧
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.)
IVWORKS CO Ltd
Original Assignee
IVWORKS CO Ltd
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 IVWORKS CO Ltd filed Critical IVWORKS CO Ltd
Publication of JP2020070494A publication Critical patent/JP2020070494A/ja
Priority to JP2021054312A priority Critical patent/JP7536302B2/ja
Application granted granted Critical
Publication of JP6865474B2 publication Critical patent/JP6865474B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/54—Controlling or regulating the coating process
    • 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
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/54—Controlling or regulating the coating process
    • C23C14/542—Controlling the film thickness or evaporation rate
    • C23C14/545—Controlling the film thickness or evaporation rate using measurement on deposited material
    • 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
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/20058—Measuring diffraction of electrons, e.g. low energy electron diffraction [LEED] method or reflection high energy electron diffraction [RHEED] method
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Plasma & Fusion (AREA)
  • Physical Vapour Deposition (AREA)
  • Chemical Vapour Deposition (AREA)

Abstract

【課題】機械学習（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）を通じて薄膜蒸着工程を制御するための技術を提供する。【解決手段】制御装置は、通信インターフェース、１つ以上のメモリ及び１つ以上のプロセッサを含み、１つ以上のプロセッサは、メモリにアクセスしてレシピを実行して薄膜蒸着装置に薄膜蒸着工程を実行させ、工程中に通信インターフェースを介して受信された薄膜測定結果から薄膜の工程中薄膜状態データを取得し、第１相関モデルを用いて、工程条件データ、センシングデータ及び工程中薄膜状態データから、薄膜の工程後薄膜状態データを導き出すことができる。【選択図】図３

Description

本開示は、薄膜蒸着工程を制御するための技術に関するものである。
多様な薄膜蒸着方法により、処理室に収容された基板（ｗａｆｅｒまたはｓｕｂｓｔｒａｔｅ）に薄膜が蒸着され得る。薄膜蒸着工程と関連し、薄膜の蒸着状態、薄膜蒸着装置の動作状態及び／または薄膜蒸着工程の工程条件などに関するデータが収集され得る。例えば、電子回折測定、Ｘ線回折分光などの方法を通じて、工程中薄膜の状態に関するデータが収集され得る。収集されるデータは、薄膜の状態確認、工程条件変更など多様な分析作業に活用され得る。
収集されたデータは、人間であるユーザーにより分析され得る。ユーザーは、収集されたデータを解析し、解析された結果に基づいて工程条件などを変更することができる。しかし、ユーザーが、収集されるデータを総合的に考慮して薄膜または工程に対する分析作業を行うことは難しいこともある。薄膜蒸着工程において、多様な薄膜蒸着方法が用いられ得、薄膜蒸着工程に関して収集されるデータの種類もますます膨大となっていくためである。薄膜蒸着装置、薄膜の状態を測定する測定装置、薄膜蒸着装置の状態をセンシングするセンサのインターフェースもそれぞれ異なり得、ユーザーがこれを全て熟知することは容易ではないこともある。また、ユーザーの能力、専門性により、収集されたデータに対する分析結果が変わることがある。特に収集されるデータが定量化されていないデータである場合、分析結果に対するユーザー間の偏差が激しくなり、分析結果の信頼性が大きく落ちることがある。
本開示は、機械学習（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）を通じて薄膜蒸着工程を制御するための技術を提供する。
本開示の一側面として、薄膜蒸着工程を制御するための制御装置が提案され得る。本開示の一側面による制御装置は、基板上に薄膜を蒸着する１つ以上の薄膜蒸着装置を制御するための制御装置であって、前記薄膜蒸着装置、前記薄膜蒸着装置の少なくとも一部の状態をセンシングしてセンシングデータを生成する１つ以上のセンサ、及び前記基板上の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置と通信する通信インターフェース；予め設定された工程条件データに従って薄膜蒸着工程を行うためのレシピ；及び機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された第１相関モデルを格納する１つ以上のメモリ；及び１つ以上のプロセッサを含み、前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータであり、前記プロセッサは、前記メモリにアクセスして前記レシピを実行して前記薄膜蒸着装置に前記工程を実行させ、前記工程中に前記通信インターフェースを介して受信された前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得し、前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出すように構成され得る。
一実施例において、前記メモリは、前記薄膜の規格データをさらに格納し、前記プロセッサは、前記工程後薄膜状態データ及び前記規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算するように構成され得る。
一実施例において、前記プロセッサは、前記確率が予め設定された基準値以下である場合、前記確率を示す知らせを１つ以上の出力装置に伝達するように構成され得る。
一実施例において、前記プロセッサは、データ変換アルゴリズムを用いて前記薄膜測定結果の一部を定量的データに変換することにより前処理された測定データを取得するように構成され得る。
一実施例において、前記メモリは、機械学習アルゴリズムにより薄膜測定結果セット、前処理された測定データセット、及び工程中薄膜状態データセット間の相関関係をモデリングして構築された第２相関モデルをさらに格納し、前記薄膜測定結果セット、前記前処理された測定データセット、及び前記工程中薄膜状態データセットは、前記複数の基板に対して生成されたデータであり、前記プロセッサは、前記第２相関モデルを用いて、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つから前記工程中薄膜状態データを導き出すように構成され得る。
一実施例において、前記薄膜測定結果は、前記測定装置が前記工程中に前記薄膜に照射した電子ビームが前記薄膜から反射されて形成される回折パターンを示す回折パターンイメージであって、前記前処理された測定データは、前記回折パターンのパターン類型、パターン間隔、及び前記反射された電子ビームの強度のうち少なくとも１つを含み、前記第２相関モデルを用いて導き出される前記工程中薄膜状態データは、前記工程中の前記薄膜の表面構造、結晶構造、薄膜の原子組成、応力（ｓｔｒｅｓｓ）、及び蒸着速度のうち少なくとも１つを含むことができる。
一実施例において、前記プロセッサは、前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態データ、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つを、１つ以上の出力装置に伝達するように構成され得る。
一実施例において、前記プロセッサは、前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記工程後薄膜状態データが前記規格データにマッチングされるようにする工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出し、前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御するように構成され得る。
一実施例において、前記プロセッサは、前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記確率を前記基準値以上にするための工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出し、前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御するように構成され得る。
一実施例において、前記プロセッサは、予め設定されたＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を用いて、前記通信インターフェースを介して、前記薄膜に対して前記工程後に測定された工程後薄膜状態測定データを格納するサーバから前記工程後薄膜状態測定データを受信することができる。
一実施例において、前記プロセッサは、前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態測定データ、及び前記第１相関モデルから導き出された前記工程後薄膜状態データを前記第１相関モデルに入力し、機械学習アルゴリズムにより前記第１相関モデルの相関関係を更新するように構成され得る。
一実施例において、前記薄膜蒸着装置は、ＭＢＥ（Ｍｏｌｅｃｕｌａｒ Ｂｅａｍ Ｅｐｉｔａｘｙ）、ＰＬＤ（Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＭＯＣＶＤ（Ｍｅｔａｌ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＰＥＣＶＤ（Ｐｌａｓｍａ Ｅｎｈａｎｃｅｄ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＡＬＤ（Ａｔｏｍｉｃ Ｌａｙｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、蒸発（Ｅｖａｐｏｒａｔｉｏｎ）、スパッタリング（Ｓｐｕｔｔｅｒｉｎｇ）及び昇華（Ｓｕｂｌｉｍａｔｉｏｎ）のうち少なくとも１つの薄膜蒸着方法により前記工程を行うことができる。
本開示の一側面として、薄膜蒸着方法が提案され得る。本開示の一側面による薄膜蒸着方法は、１つ以上の薄膜蒸着装置を用いて、基板上に薄膜を蒸着するための方法であって、１つ以上のプロセッサが１つ以上のメモリにアクセスし、予め設定された工程条件データに従って薄膜蒸着工程を行うためのレシピを実行して、前記薄膜蒸着装置に前記工程を実行させる段階；前記１つ以上のプロセッサにより、前記工程中の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置から前記薄膜測定結果を取得する段階；前記１つ以上のプロセッサにより、前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得する段階；前記１つ以上のプロセッサが、第１相関モデルを用いて、前記工程条件データ、センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出す段階を含むものの、前記センシングデータは、１つ以上のセンサが前記薄膜蒸着装置の少なくとも一部の状態をセンシングして生成され、前記第１相関モデルは、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータであってもよい。
一実施例において、前記１つ以上のプロセッサが、前記工程後薄膜状態データ及び前記薄膜の規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算する段階をさらに含むことができる。
本開示の一側面として、薄膜蒸着工程を制御するための命令を記録した記録媒体が提案され得る。本開示の一側面による記録媒体は、１つ以上のプロセッサによる実行時、前記１つ以上のプロセッサが演算を行うようにする命令を記録した非一時的コンピュータ読み取り可能記録媒体であってもよい。前記１つ以上のプロセッサにより行われる前記演算は、予め設定された工程条件データに従って基板上に薄膜を蒸着する薄膜蒸着工程を行うためのレシピを実行して、１つ以上の薄膜蒸着装置に前記工程を実行させる演算；前記工程中の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置から前記薄膜測定結果を取得する演算；前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得する演算；第１相関モデルを用いて、前記工程条件データ、センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出す演算を含み、前記センシングデータは、１つ以上のセンサが前記薄膜蒸着装置の少なくとも一部の状態をセンシングして生成され、前記第１相関モデルは、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータであってもよい。
一実施例において、前記１つ以上のプロセッサにより行われる前記演算は、前記工程後薄膜状態データ及び前記薄膜の規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算する演算；及び前記確率が予め設定された基準値以下である場合、前記確率を示す知らせを１つ以上の出力装置に伝達する演算をさらに含むことができる。
一実施例において、前記工程中薄膜状態データを取得する演算は、データ変換アルゴリズムを用いて前記薄膜測定結果の一部を定量的データに変換することにより、前処理された測定データを取得する演算を含むことができる。
一実施例において、前記工程中薄膜状態データを取得する演算は、第２相関モデルを用いて、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つから前記工程中薄膜状態データを導き出す演算をさらに含み、前記第２相関モデルは、機械学習アルゴリズムにより、薄膜測定結果セット、前処理された測定データセット、及び工程中薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、前記薄膜測定結果セット、前記前処理された測定データセット、及び前記工程中薄膜状態データセットは、前記複数の基板に対して生成されたデータであってもよい。
一実施例において、前記薄膜測定結果は、前記測定装置が前記工程中に前記薄膜に照射した電子ビームが前記薄膜から反射されて形成される回折パターンを示す回折パターンイメージであって、前記前処理された測定データは、前記回折パターンのパターン類型、パターン間隔、及び前記反射された電子ビームの強度のうち少なくとも１つを含み、前記第２相関モデルを用いて導き出される前記工程中薄膜状態データは、前記工程中の前記薄膜の表面構造、結晶構造、薄膜の原子組成、応力（ｓｔｒｅｓｓ）、及び蒸着速度のうち少なくとも１つを含むことができる。
一実施例において、前記１つ以上のプロセッサにより行われる前記演算は、前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態データ、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つを、１つ以上の出力装置に伝達する演算をさらに含むことができる。
一実施例において、前記１つ以上のプロセッサにより行われる前記演算は、前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記確率を前記基準値以上にするための工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出す演算；及び前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御する演算をさらに含むことができる。
本開示の多様な実施例によると、機械学習を通じて構築された相関モデルを用いて、制御装置は、薄膜蒸着工程の多様な変数を総合的に考慮した分析を行うことができる。
本開示の多様な実施例によると、機械学習を通じて構築された相関モデルを用いて、制御装置は、薄膜蒸着工程に対する分析の信頼性を担保することができる。
図１は、本開示による制御装置が動作する過程の一実施例を示す図である。 図２は、本開示の多様な実施例による、制御装置のブロック図を示す図である。 図３は、本開示の一実施例による、第１相関モデルを示す図である。 図４は、本開示の一実施例による、薄膜測定結果を前処理する過程を示す図である。 図５は、本開示の一実施例による、第２相関モデルを示す図である。 図６は、本開示の一実施例による、回折パターンイメージから工程中薄膜状態データを導き出す過程を示す図である。 図７は、本開示の一実施例による、回折パターン類型別の実際の薄膜の表面構造を示す図である。 図８は、本開示の一実施例による、薄膜蒸着工程中にリアルタイムで取得される回折パターンイメージを示す図である。 図９は、本開示の一実施例による、第１相関モデルを用いて薄膜蒸着装置を制御する過程を示す図である。 図１０は、本開示の一実施例による、工程後薄膜状態測定データを処理する過程を示す図である。 図１１は、本開示の一実施例による、出力装置の表出画面を示す図である。 図１２は、本開示による制御装置によって行われ得る、薄膜蒸着方法の一実施例を示す図である。
本文書に記載された多様な実施例は、本開示の技術的思想を明確に説明する目的で例示されたものであり、これを特定の実施形態に限定しようとするものではない。本開示の技術的思想は、本文書に記載された各実施例の多様な変更（ｍｏｄｉｆｉｃａｔｉｏｎｓ）、均等物（ｅｑｕｉｖａｌｅｎｔｓ）、代替物（ａｌｔｅｒｎａｔｉｖｅｓ）及び各実施例の全部または一部から選択的に組み合わせられた実施例を含む。また、本開示の技術的思想の権利範囲は、以下に提示される多様な実施例やこれに関する具体的説明に限定されない。
技術的または科学的な用語を含め、本文書で用いられる用語は、異なって定義されない限り、本開示が属する技術分野で通常の知識を有する者に一般に理解される意味を有し得る。
本文書で用いられる「含む」、「含むことができる」、「備える」、「備えることができる」、「有する」、「有することができる」等のような表現は、対象になる特徴（例：機能、動作または構成要素など）が存在することを意味し、他の追加の特徴の存在を排除しない。即ち、このような表現は、他の実施例を含む可能性を内包する開放型用語（ｏｐｅｎ−ｅｎｄｅｄ ｔｅｒｍｓ）と理解されるべきである。
本文書で用いられる単数形の表現は、文脈上異なって意味しない限り、複数形の意味を含み得、これは請求項に記載された単数形の表現にも同様に適用される。
本文書で用いられる「第１」、「第２」、または「第１に」、「第２に」等の表現は、文脈上異なって意味しない限り、複数の同種対象を指す場合において、ある対象を他の対象と区分するために用いられ、当該対象間の順序または重要度を限定するものではない。
本文書で用いられる「Ａ、Ｂ、及びＣ」、「Ａ、Ｂ、またはＣ」、「Ａ、Ｂ、及び／またはＣ」または「Ａ、Ｂ、及びＣのうち少なくとも１つ」、「Ａ、Ｂ、またはＣのうち少なくとも１つ」、「Ａ、Ｂ、及び／またはＣのうち少なくとも１つ」等の表現は、それぞれの羅列された項目または羅列された項目の可能な全ての組み合わせを意味し得る。例えば、「ＡまたはＢのうち少なくとも１つ」は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、（３）少なくとも１つのＡ及び少なくとも１つのＢをいずれも指すことができる。
本文書で用いられる「〜に基づいて」という表現は、当該表現が含まれる語句または文章で記述される、決定、判断の行為または動作に影響を与える１つ以上の因子を記述するのに用いられ、この表現は当該決定、判断の行為または動作に影響を与える追加の因子を排除しない。
本文書で用いられる、ある構成要素（例：第１構成要素）が他の構成要素（例：第２構成要素）に「連結されて」いるとか「接続されて」いるという表現は、前記ある構成要素が前記他の構成要素に直接的に連結または接続されていることのみでなく、新たな他の構成要素（例：第３構成要素）を媒介として連結または接続されていることを意味し得る。
本文書で用いられた表現「〜するように構成された（ｃｏｎｆｉｇｕｒｅｄ ｔｏ）」は、文脈により、「〜するように設定された」、「〜する能力を有する」、「〜するように変更された」、「〜するように作られた」、「〜をすることができる」等の意味を有し得る。当該表現は、「ハードウェア的に特別に設計された」という意味に制限されず、例えば、特定動作を行うように構成されたプロセッサとは、ソフトウェアを実行することによりその特定動作を行うことができる汎用プロセッサ（ｇｅｎｅｒｉｃ−ｐｕｒｐｏｓｅ ｐｒｏｃｅｓｓｏｒ）を意味し得る。
以下、添付の図面を参照して、本開示の多様な実施例を説明する。添付の図面及び図面に関する説明において、同一であるか、実質的に同等の（ｓｕｂｓｔａｎｔｉａｌｌｙ ｅｑｕｉｖａｌｅｎｔ）構成要素には、同一の参照符号が付与され得る。また、以下、多様な実施例の説明において、同一であるか、対応する構成要素を重複して記述することが省略され得るが、これは当該構成要素がその実施例に含まれないことを意味するものではない。
図１は、本開示による制御装置が動作する過程の一実施例を示す図である。本開示による制御装置は、多様な実施例による制御装置１００により具現され得る。本開示の多様な実施例による制御装置１００は、機械学習により構築された相関モデルを用いて、収集されたデータから工程後薄膜状態に関するデータなどを導き出すことができる。これを通じて制御装置１００は、薄膜の構造的特性の分析、薄膜の電気的特性の分析、薄膜の光特性の分析、データシミュレーションなどを行うことができる。
具体的には、１つ以上の薄膜蒸着装置により薄膜蒸着工程が行われ得る。１つ以上の薄膜蒸着装置は、処理室１１０に収容された基板１０５に対して予め設定された工程条件データにより薄膜を蒸着することができる。本開示において、基板は、半導体チップなどの素子を実装することができる板ないし容器であって、基板は、集積回路の製作などのために用いられ得、シリコーンなどの素材で生成され得る。本開示において、薄膜は、多様な薄膜蒸着方法を通じて基板上に成長した単結晶膜を意味し得る。薄膜が蒸着された基板は、エピウエハ（ｅｐｉｔａｘｉａｌ ｗａｆｅｒ）と呼ばれることもある。本開示において処理室は、薄膜蒸着リアクタ（ｒｅａｃｔｏｒ）または薄膜蒸着チャンバ（ｃｈａｍｂｅｒ）と呼ばれることもある。
一実施例において、１つ以上の薄膜蒸着装置は、処理室１１０、基板ヒータ（ｓｕｂｓｔｒａｔｅ ｈｅａｔｅｒ）１２０、シャッタ（ｓｈｕｔｔｅｒ）１３０、ソースヒータ（ｓｏｕｒｃｅ ｈｅａｔｅｒ）１４０等を含むことができる。基板ヒータ１２０は、薄膜蒸着工程を行うために基板１０５の温度を調節することができる。シャッタ１３０は、ソースが処理室１１０内に放出される孔を開閉して、ソースの放出量を調節することができる。本開示においてソースは、薄膜の材料となる物質を意味し得る。ソースヒータ１４０は、ソースを加熱してソースが処理室１１０内に放出されるようにすることができる。一実施例において、１つ以上の薄膜蒸着装置は、制御装置１００によりその動作がそれぞれ制御され得る。
本開示において、工程条件データは、薄膜蒸着工程の工程条件に関する情報を意味し、具体的には、薄膜蒸着工程をなす物理的、化学的段階の順序、または薄膜蒸着工程と関連するか、工程が行われる環境と関連する変数を意味し得る。一実施例において、工程条件データは、薄膜蒸着工程のレシピ（ｒｅｃｉｐｅ）に含まれることができる。一実施例において、薄膜蒸着工程の工程条件データは、ソースの種類、ソースの噴射量、ソースの噴射順序などを含むことができる。一実施例において、工程条件データは、必要に応じて調整され得る。
一実施例において、１つ以上のセンサが１つ以上の薄膜蒸着装置の状態をセンシング（ｓｅｎｓｉｎｇ）することができる。本開示においてセンサは、特定状態に対応するセンシングデータを生成または取得する装置であってもよい。センサは、対象の動作状態または環境状態に対応するデータを生成することができる。本開示においてセンシングは、感知ないし検出を意味し得る。一実施例において、１つ以上のセンサは、基板ヒータ１２０により加熱された基板１０５の温度を測定する温度センサ、シャッタ１３０の開閉動作で放出されるソースの量を測定する流量センサ及び／または圧力センサ、シャッタ１３０がソース放出口を開閉する速度を測定する速度センサ、ソースヒータ１４０により加熱されたソースの温度を測定する温度センサ、処理室１１０の温度を測定する温度センサ、処理室１１０の圧力を測定する圧力センサ、処理室１１０に残留した残留ガスを測定する残留ガス測定センサ１７０、及び／または処理室１１０内の基板１０５の位置を測定する位置センサなどを含むことができる。残留ガス測定センサ１７０が測定した残留ガスは、分子量の分析を通じて処理室１１０内の環境を確認するのに用いられ得る。一実施例において、センシングデータは、薄膜蒸着工程が進められるに伴い、リアルタイムで変化し得る。
一方、１つ以上の測定装置は、薄膜蒸着工程中の薄膜の状態を多様な方式で測定することができる（例えば、ｉｎ−ｓｉｔｕ測定）。測定により、１つ以上の測定装置は、多様な薄膜測定結果を取得することができる。取得された薄膜測定結果から、薄膜の結晶構造、薄膜の表面構造、薄膜の原子組成、薄膜蒸着速度、薄膜の応力（ｓｔｒｅｓｓ）等のデータが導き出され得る。
１つ以上の測定装置は、例えば、電子照射または光照射方法により測定を行うことができる。一実施例において、電子照射方法には、高エネルギー反射電子回折（Ｒｅｆｌｅｃｔｉｏｎ Ｈｉｇｈ Ｅｎｅｒｇｙ Ｅｌｅｃｔｒｏｎ Ｄｉｆｆｒａｃｔｉｏｎ）測定法、反射電子顕微鏡（Ｒｅｆｌｅｃｔｉｏｎ Ｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ）を用いた測定法、低エネルギー電子回折（Ｌｏｗ Ｅｎｅｒｇｙ Ｅｌｅｃｔｒｏｎ Ｄｉｆｆｒａｃｔｉｏｎ）測定法または電子顕微鏡（Ｓｃａｎｎｉｎｇ Ｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｙ）を用いた測定法などがあり得る。一実施例において、光照射方法には、反射計（Ｒｅｆｌｅｃｔｏｍｅｔｅｒ）を用いた測定法、赤外線温度センサ（Ｐｙｒｏｍｅｔｅｒ）を用いた測定法、Ｘ線回折分光測定法、光干渉計を用いた測定法、レーザプロファイル測定法、光吸収・透過・反射を用いた測定法または光放出分光（Ｓｐｅｃｔｒｏｓｃｏｐｅ）測定法などがあり得る。
例えば、１つ以上の測定装置は、高エネルギー反射電子回折測定法により薄膜の状態を測定することができる。１つ以上の測定装置のうち電子銃（ｅｌｅｃｔｒｏｎ ｇｕｎ）１５０は、工程中の薄膜に電子ビームを照射することができる。電子ビームは、基板１０５上に蒸着される薄膜の表面により反射されるが、薄膜の結晶構造により反射された電子ビームは、回折パターンを形成することができる。回折パターンは、回折パターンイメージの形態で測定され得る（１６０）。形成された回折パターンは、１．０ｎｍ以下の分解能を有しており、薄膜蒸着工程中の薄膜の結晶構造を原子層レベルでモニタリングするのに用いられ得る。回折パターンイメージは、薄膜の結晶構造に関する情報を内包することができる。
制御装置１００は、１つ以上の薄膜蒸着装置、１つ以上のセンサ及び／または１つ以上の測定装置と通信することができる。制御装置１００は、１つ以上のセンサからセンシングデータを取得することができる。センシングデータは、１つ以上のセンサが１つ以上の薄膜蒸着装置の少なくとも一部の状態をセンシングして生成されたデータであってもよい。制御装置１００は、１つ以上の測定装置から、薄膜蒸着工程中の薄膜の状態に対する薄膜測定結果を取得することができる。
制御装置１００は、レシピを実行して、１つ以上の薄膜蒸着装置に薄膜蒸着工程を実行させることができる。一実施例において、制御装置１００は、取得した薄膜測定結果に基づいて、当該薄膜蒸着工程中の薄膜の状態を示す工程中薄膜状態データを取得することができる。本開示において薄膜の状態とは、例えば、薄膜の表面構造、薄膜の結晶構造、薄膜の原子組成、薄膜の応力などを意味し得る。
制御装置１００は、第１相関モデルを用いて、前記取得したデータから当該薄膜の工程後薄膜状態を示す工程後薄膜状態データを導き出すことができる。具体的には、制御装置１００は、工程条件データ、センシングデータ及び／または導き出された工程中薄膜状態データを第１相関モデルに入力することができる。第１相関モデルは、入力に対応して当該薄膜の工程後薄膜状態データを出力または計算することができる。即ち、制御装置１００は、第１相関モデルから、当該薄膜の工程後薄膜状態データを導き出すことができる。一実施例において、制御装置１００は、導き出された工程後薄膜状態データまたは工程条件データ、薄膜測定結果など多様な情報をユーザーに表出することができる。
本開示による第１相関モデルは、薄膜蒸着工程と関連する多様なデータベースに基づいて構築されたものであってもよい。複数の実施例によると、第１相関モデルは、機械学習アルゴリズムにより、工程条件データセット（ｓｅｔ）、センシングデータセット、工程中薄膜状態データセット及び／または工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであってもよい。ここでデータセットとは、該当データの集合を意味し得る。例えば、工程条件データセットは、複数の工程条件データを意味し得る。一実施例において、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び／または工程後薄膜状態データセットは、工程中の基板１０５とは異なる、複数の基板に対して予め生成されたデータであってもよい。第１相関モデルは、入力された工程条件データ、センシングデータ、工程中薄膜状態データ及び／またはその他の情報に基づいて、当該薄膜の工程後薄膜状態データを導き出し、これを出力することができる。機械学習及び相関モデルのより具体的な事項については後述する。
一実施例において、１つ以上の薄膜蒸着装置は、ＭＢＥ（Ｍｏｌｅｃｕｌａｒ Ｂｅａｍ Ｅｐｉｔａｘｙ）、ＰＬＤ（Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＭＯＣＶＤ（Ｍｅｔａｌ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＰＥＣＶＤ（Ｐｌａｓｍａ Ｅｎｈａｎｃｅｄ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＡＬＤ（Ａｔｏｍｉｃ Ｌａｙｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、蒸発（Ｅｖａｐｏｒａｔｉｏｎ）、スパッタリング（Ｓｐｕｔｔｅｒｉｎｇ）及び昇華（Ｓｕｂｌｉｍａｔｉｏｎ）の中から選択された少なくとも１つの薄膜蒸着方法により、薄膜蒸着工程を行うことができる。
一実施例において、薄膜蒸着工程は、複数の工程ライン（ｌｉｎｅ）で同時に行われ得る。複数の工程ラインのそれぞれにおいて、薄膜蒸着工程は、１つ以上の薄膜蒸着装置によって行われ得る。複数の工程ラインのそれぞれは、識別番号により区分され得る。複数の工程ラインのそれぞれに対して同種の薄膜蒸着装置と同一の工程条件データが用いられるとしても、薄膜蒸着工程はそれぞれ異なって行われ得る。従って、複数の工程ラインのそれぞれに対して別途の第１相関モデル及び別途の第２相関モデルが構築され得る。第２相関モデルについては後述する。
図２は、本開示の多様な実施例による制御装置のブロック図を示す図である。一実施例において、制御装置１００は、１つ以上のプロセッサ２１０、１つ以上のメモリ２２０及び／または通信インターフェース２３０を含むことができる。一実施例において、制御装置１００のこの構成要素のうち少なくとも１つが省略されるか、または他の構成要素が制御装置１００に追加され得る。追加で（ａｄｄｉｔｉｏｎａｌｌｙ）または代替として（ａｌｔｅｒｎａｔｉｖｅｌｙ）、一部の構成要素が統合されて具現されたり、単数または複数の個体で具現され得る。制御装置１００の内、外部の構成要素のうち少なくとも一部の構成要素は、バス、ＧＰＩＯ（ｇｅｎｅｒａｌ ｐｕｒｐｏｓｅ ｉｎｐｕｔ／ｏｕｔｐｕｔ）、ＳＰＩ（ｓｅｒｉａｌ ｐｅｒｉｐｈｅｒａｌ ｉｎｔｅｒｆａｃｅ）またはＭＩＰＩ（ｍｏｂｉｌｅ ｉｎｄｕｓｔｒｙ ｐｒｏｃｅｓｓｏｒ ｉｎｔｅｒｆａｃｅ）等を介して互いに連結されて、データ及び／またはシグナルをやり取りすることができる。
通信インターフェース２３０は、制御装置１００とサーバまたは制御装置１００と他の外部装置間の無線または有線通信を行うことができる。例えば、通信インターフェースは、ｅＭＢＢ（ｅｎｈａｎｃｅｄ Ｍｏｂｉｌｅ Ｂｒｏａｄｂａｎｄ）、ＵＲＬＬＣ（Ｕｌｔｒａ Ｒｅｌｉａｂｌｅ Ｌｏｗ−Ｌａｔｅｎｃｙ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＭＭＴＣ（Ｍａｓｓｉｖｅ Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＬＴＥ（ｌｏｎｇ−ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ）、ＬＴＥ−Ａ（ＬＴＥ Ａｄｖａｎｃｅ）、ＵＭＴＳ（Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ）、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＣＤＭＡ（ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ）、ＷＣＤＭＡ（ｗｉｄｅｂａｎｄ ＣＤＭＡ）、ＷｉＢｒｏ（Ｗｉｒｅｌｅｓｓ Ｂｒｏａｄｂａｎｄ）、ＷｉＦｉ（ｗｉｒｅｌｅｓｓ ｆｉｄｅｌｉｔｙ）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ：登録商標）、ＮＦＣ（ｎｅａｒ ｆｉｅｌｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）またはＧＮＳＳ（ｇｌｏｂａｌ ｎａｖｉｇａｔｉｏｎ ｓａｔｅｌｌｉｔｅ ｓｙｓｔｅｍ）等の方式による無線通信を行うことができる。例えば、通信インターフェースは、ＵＳＢ（ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ）、ＨＤＭＩ（ｈｉｇｈ ｄｅｆｉｎｉｔｉｏｎ ｍｕｌｔｉｍｅｄｉａ ｉｎｔｅｒｆａｃｅ）、ＲＳ−２３２（ｒｅｃｏｍｍｅｎｄｅｄ ｓｔａｎｄａｒｄ２３２）またはＰＯＴＳ（ｐｌａｉｎ ｏｌｄ ｔｅｌｅｐｈｏｎｅ ｓｅｒｖｉｃｅ）等の方式による有線通信を行うことができる。一実施例において、通信インターフェース２３０は、１つ以上の薄膜蒸着装置、１つ以上のセンサ及び／または１つ以上の測定装置と通信を行うことができる。
１つ以上のメモリ２２０は、多様なデータを格納することができる。メモリ２２０に格納されるデータは、制御装置１００の少なくとも１つの構成要素により取得されたり、処理されたり、用いられたりするデータであって、ソフトウェア（例：命令、プログラムなど）を含むことができる。メモリ２２０は、揮発性及び／または非揮発性メモリを含むことができる。本開示において、命令ないしプログラムはメモリ２２０に格納されるソフトウェアであって、制御装置１００のリソースを制御するためのオペレーティングシステム、アプリケーション及び／またはアプリケーションが制御装置のリソースを活用し得るように多様な機能をアプリケーションに提供するミドルウェアなどを含むことができる。１つ以上のメモリ２２０は、前述の第１相関モデル及び後述する他の相関モデルを格納することができる。また、１つ以上のメモリ２２０は、予め設定された工程条件データに従って薄膜蒸着工程を行うためのレシピを格納することができる。また、１つ以上のメモリ２２０は、１つ以上のプロセッサ２１０による実行時、１つ以上のプロセッサ２１０が演算を行うようにする命令を格納することができる。
１つ以上のプロセッサ２１０は、ソフトウェア（例：命令、プログラムなど）を駆動してプロセッサ２１０に連結された制御装置１００の少なくとも１つの構成要素を制御することができる。また、プロセッサ２１０は、本開示と関連する多様な演算、処理、データ生成、加工などの動作を行うことができる。また、プロセッサ２１０は、データなどをメモリ２２０からロードしたり、メモリ２２０に格納することができる。
１つ以上のプロセッサ２１０は、メモリ２２０にアクセスして、前述のレシピを実行し、これにより、１つ以上の薄膜蒸着装置に薄膜蒸着工程を実行させることができる。また、１つ以上のプロセッサ２１０は、通信インターフェース２３０を制御して、１つ以上のセンサから、１つ以上の薄膜蒸着装置の少なくとも一部の状態をセンシングしたセンシングデータを取得することができる。また、１つ以上のプロセッサ２１０は、通信インターフェース２３０を制御して、１つ以上の測定装置から、薄膜蒸着工程中の薄膜に対する薄膜測定結果を受信することができる。１つ以上のプロセッサ２１０は、受信した薄膜測定結果に基づいて、当該薄膜蒸着工程中の薄膜に対する薄膜状態情報を取得することができる。１つ以上のプロセッサ２１０は、第１相関モデルを用いて、取得された工程条件データ、センシングデータ及び／または当該薄膜の工程中薄膜状態データから、当該薄膜の工程後薄膜状態データを導き出すことができる。
一実施例において、１つ以上のプロセッサ２１０は、１つ以上の入力装置からユーザーが入力した命令の伝達を受けることができる。入力装置は、外部から制御装置１００の少なくとも１つの構成要素に伝達するためのデータの入力を受ける装置であってもよい。例えば、入力装置は、マウス、キーボード、タッチパッドなどを含むことができる。一実施例において、１つ以上のプロセッサ２１０が入力装置から伝達を受ける情報は、ユーザーが入力した新たな工程条件、基板に対して工程後に測定された工程後薄膜状態測定データ、１つ以上の薄膜蒸着装置、センサまたは測定装置を制御するための信号などを含むことができる。
また、一実施例において、１つ以上のプロセッサ２１０は、１つ以上の出力装置に多様な情報を伝達することができる。出力装置は、制御装置１００から伝達を受けた多様な情報をユーザーに視覚的形態で提供する装置であってもよい。例えば、出力装置は、ディスプレイ、プロジェクター、ホログラムなどを含むことができる。一実施例において、１つ以上のプロセッサ２１０が出力装置に伝達する情報は、導き出された工程中薄膜状態データ、工程条件データ、薄膜測定結果などを含むことができる。
一実施例において、制御装置１００は、多様な形態の装置となり得る。例えば、制御装置１００は、携帯用通信装置、コンピュータ装置、携帯用マルチメディア装置、ウェアラブル（ｗｅａｒａｂｌｅ）装置または前述の装置のうち１つまたはそれ以上の組み合わせによる装置であってもよい。本開示の制御装置１００は、前述の装置に限定されない。
本開示による制御装置１００の多様な実施例は、互いに組み合わせることができる。各実施例は、場合の数により組み合わせられ得、組み合わせて作られた制御装置１００の実施例も本開示の範囲に属する。また、前述の本開示による制御装置１００の内／外部の構成要素は、実施例により追加、変更、代替または削除され得る。また、前述の制御装置１００の内／外部の構成要素は、ハードウェアコンポーネントで具現され得る。
図３は、本開示の一実施例による、第１相関モデルを示す図である。前述の通り、第１相関モデル３１０は、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット及び／または工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであってもよい。薄膜の工程後薄膜状態データは、第１相関モデル３１０により導き出された（予測された）薄膜状態データであってもよい。一実施例において、第１相関モデル３１０は、前述のデータ以外に他のデータ、例えば、工程後基板に対して測定された工程後薄膜状態測定データとの相関関係をさらに考慮して構築されることもできる。
本開示において機械学習は、データ及びデータを処理した経験を用いた学習を通じて、コンピュータソフトウェアがデータ処理能力を向上させることを意味し得る。機械学習は、相関モデルによって行われ得る。相関モデルは、データ間の相関関係をモデリングして構築されたものであって、相関関係は、複数のパラメータにより表現され得る。相関モデルは、与えられたデータから特徴を抽出して分析し、データ間の相関関係を導き出すが、このような過程を繰り返して相関モデルのパラメータを最適化していくことが機械学習であるといえる。例えば、データが相関モデルの入力及び出力対で与えられる場合、相関モデルは、入力と出力間のマッピング（相関関係）を学習することができる。または、入力データのみ与えられる場合にも、相関モデルは、与えられたデータ間の規則性を導き出してその関係を学習することもできる。一実施例において、機械学習アルゴリズムは、決定ツリー学習法、連関規則学習法、人工神経網、遺伝計画法、帰納論理計画法、サポートベクターマシン、クラスタリング、ベイズネットワーク、強化学習法、表現学習法及び／または同一性計測学習法の中から選択された少なくとも１つであってもよい。
１つ以上のプロセッサ２１０は、第１相関モデル３１０に前述の工程条件データ３２０、センシングデータ３２５及び／または工程中薄膜状態データ３３０を入力することができる。第１相関モデル３１０は、入力された工程条件データ３２０、センシングデータ３２５、工程中薄膜状態データ３３０及び／またはその他のデータに基づいて、当該薄膜の工程後薄膜状態データ３４０を導き出す（予測する）ことができる。第１相関モデル３１０は、導き出された工程後薄膜状態データ３４０を出力することができる。
一実施例において、１つ以上のプロセッサ２１０は、導き出された工程後薄膜状態データ３４０及び当該薄膜の規格（ｓｐｅｃｉｆｉｃａｔｉｏｎ）を示す規格データ３５０に基づいて、現在、工程中にある当該薄膜が工程後に良品と判定される確率３６０を計算する（導き出す）ことができる。１つ以上のプロセッサ２１０は、導き出された工程後薄膜状態データ３４０を薄膜の規格データ３５０と比較することができる。薄膜の規格データは、１つ以上のメモリ２２０に格納されていてもよい。
一実施例において、１つ以上のプロセッサ２１０は、計算された確率３６０が予め設定された基準値以下である場合、計算された確率３６０を示す知らせを１つ以上の出力装置に伝達することができる。予め設定された基準値は、1つ以上のメモリ２２０に格納されていてもよい。基準値は、実施例により異なって設定され得る。１つ以上の出力装置は、確率３６０を示す知らせをユーザーに表出することができる。一実施例において、表出される知らせは、計算された確率３６０の外に、基準値、規格データ３５０、工程条件データ３２０、工程中薄膜状態データ３３０及び／または第１相関モデル３１０により導き出された工程後薄膜状態データ３４０等をさらに含むこともできる。
図４は、本開示の一実施例による、薄膜測定結果を前処理する過程を示す図である。前述の通り、１つ以上のプロセッサ２１０は、１つ以上の測定装置から受信した薄膜測定結果４１０に基づいて、当該薄膜の薄膜蒸着工程中の薄膜状態データを取得する（導き出す）ことができる。一実施例において、薄膜測定結果４１０から工程中薄膜状態データを取得する過程は、機械学習による第２相関モデルを用いて行われ得る。第２相関モデルについては後述する。第２相関モデルを用いるのに先立ち、１つ以上のプロセッサ２１０は、薄膜測定結果４１０を前処理（ｐｒｅ−ｐｒｏｃｅｓｓｉｎｇ）することができる。前処理過程において１つ以上のプロセッサ２１０は、薄膜測定結果４１０のうち一部をデータ変換アルゴリズムにより定量的データに変換して、前処理された測定データ４６０、４８０を取得することができる。
具体的には、１つ以上のプロセッサ２１０は、取得された薄膜測定結果４１０が定量的データであるか否かを判断することができる（４２０）。本開示においてデータは、定量的データまたは定性的データであってもよい。定量的データは数値で表現され得るデータであって、定形化されたデータであり、統計的に分析が可能なデータであってもよい。定性的データは、自然言語による叙述で表現される範疇型データであって、非定型データであり、統計的な分析が容易ではないこともある。薄膜測定結果４１０が定量的データである場合、１つ以上のプロセッサ２１０は、該当データに別途のデータ変換過程を行わないこともある（４２２）。
薄膜測定結果４１０が定性的データである場合、１つ以上のプロセッサ２１０は、薄膜測定結果４１０が定量的データへの変換が可能であるか判断することができる（４３０）。薄膜測定結果４１０が定量的データへの変換が不可能な場合、１つ以上のプロセッサ２１０は、該当データに別途のデータ変換過程を行わないこともある（４３２）。
薄膜測定結果４１０が定量的データへの変換が可能な場合、１つ以上のプロセッサ２１０は、当該薄膜測定結果４１０を定量的データにデータ変換することができる（４４０）。一実施例において、データ変換は、一般的なデータ処理アルゴリズムにより行われ得る。一実施例において、データ変換過程４４０も、機械学習により構築された別途の相関モデルによって行われることもできる。
一実施例において、本来定量的データである薄膜測定結果４２２及びデータ変換４４０を通じて定量化されたデータは、１つ以上のプロセッサ２１０によりソーティング（ｓｏｒｔｉｎｇ）されたりトリミング（ｔｒｉｍｍｉｎｇ）され得る（４５０）。データソーティング及び／またはトリミングされたデータは、前処理された測定データ４６０として用いられ得る。この前処理された測定データ４６０は、定量的データであってもよい。
一実施例において、定量的データへの変換が不可能な薄膜測定結果４３２も、１つ以上のプロセッサ２１０によりソーティングされたりトリミングされ得る（４７０）。データソーティング及び／またはトリミングされたデータは、前処理された測定データ４８０として用いられ得る。この前処理された測定データ４８０は、定性的データであってもよい。
一実施例において、データソーティング及び／またはトリミングの過程４５０、４７０には、一般的なソーティングアルゴリズムまたはトリミングアルゴリズムが用いられ得る。一実施例において、データソーティング及び／またはトリミング過程４５０、４７０は、省略され得る。
図５は、本開示の一実施例による、第２相関モデルを示す図である。一実施例において、制御装置１００は、薄膜測定結果４１０及び／または前処理された測定データ４６０、４８０から工程中の薄膜状態に関するデータ３３０を導き出すことができる。このために、機械学習により構築された第２相関モデル５１０が用いられ得る。
具体的には、１つ以上のメモリ２２０は、第２相関モデル５１０をさらに格納することができる。第２相関モデル５１０は、機械学習アルゴリズムにより、薄膜測定結果セット、前処理された測定データセット、及び／または工程中薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであってもよい。一実施例において、薄膜測定結果セット、前処理された測定データセット、及び／または工程中薄膜状態データセットは、工程中の基板１０５とは異なる、複数の基板に対して予め生成されたデータであってもよい。
１つ以上のプロセッサ２１０は、第２相関モデル５１０を用いて、薄膜測定結果４１０、前処理された測定データ４６０、４８０及び／またはその他の情報から、当該薄膜の工程中薄膜状態に関するデータ３３０を導き出すことができる。具体的には、１つ以上のプロセッサ２１０は、薄膜測定結果４１０及び／または前処理された測定データ４６０、４８０を第２相関モデル５１０に入力することができる。１つ以上のプロセッサ２１０は、第２相関モデル５１０から、当該薄膜の工程中薄膜状態データを導き出すことができる。一実施例において、第２相関モデル５１０により導き出された工程中薄膜状態データ３３０は、前述の通り、第１相関モデル３１０に入力され得る。
本実施例では、第１相関モデル３１０と第２相関モデル５１０が２つの別途のモデルとして構築されたものとして例示しているが、本開示はこれに限定されない。一実施例として、第１相関モデル３１０と第２相関モデル５１０の一部または全部が統合構築され得る。他の実施例として、第１相関モデル３１０と第２相関モデル５１０が３以上のサブモデルで構築されることもできる。
図６は、本開示の一実施例による、回折パターンイメージから工程中薄膜状態データを導き出す過程を示す図である。一実施例において、薄膜測定結果４１０は、高エネルギー反射電子回折測定法により１つ以上の測定装置から取得された、回折パターンイメージであってもよい。
一実施例において、１つ以上のプロセッサ２１０は、薄膜測定結果４１０である回折パターンイメージに基づいて、前処理された測定データ４６０、４８０である回折パターンのパターン類型、パターン間隔及び／または反射された電子ビームの強度を導き出すことができる。薄膜測定結果４１０から前処理された測定データ４６０、４８０を導き出す過程は、前述の通りである。一実施例において、回折パターン類型は定性的データ、パターン間隔及び／または反射された電子ビームの強度は定量的データであってもよい。
一実施例において、１つ以上のプロセッサ２１０は、薄膜測定結果４１０である回折パターンイメージ及び／または前処理された測定データ４６０、４８０である回折パターンのパターン類型、パターン間隔、反射された電子ビームの強度から、工程中薄膜状態情報３３０を導き出す（予測する）ことができる。導き出される工程中薄膜状態情報３３０は、例えば、薄膜の表面構造、薄膜の結晶構造、薄膜の原子組成、薄膜の応力及び／または薄膜の蒸着速度を含むことができる。工程中薄膜状態情報３３０の導出過程は、前述の通り、第２相関モデル５１０を用いて行われ得る。例えば、１つ以上のプロセッサ２１０は、回折パターン類型から薄膜の表面構造及び／または薄膜の結晶構造を導き出すことができる。１つ以上のプロセッサ２１０は、パターン間隔から薄膜の原子組成及び／または薄膜の応力を導き出すことができる。また、１つ以上のプロセッサ２１０は、反射された電子ビームの強度から薄膜の蒸着速度を導き出すことができる。
図７は、本開示の一実施例による、回折パターン類型別の実際の薄膜の表面構造を示す図である。前述の通り、回折パターン類型から実際の薄膜の表面構造が導き出され得る。回折パターン類型による実際の薄膜の表面構造の予測は、第２相関モデル５１０によって行われ得る。第２相関モデル５１０は、回折パターン類型と薄膜の表面構造間の相関関係を機械学習して、回折パターン類型から薄膜の予想表面構造を導き出すことができる。
例えば、回折パターンが斑点（ｓｐｏｔｓ）類型である場合、薄膜の表面構造は、１つの平たい結晶表面（ｆｌａｔ ａｎｄ ｓｉｎｇｌｅ ｃｒｙｓｔａｌｌｉｎｅ ｓｕｒｆａｃｅ）を有するものと予測され得る（７１０）。回折パターンが縞（ｓｔｒｅａｋｓ）類型である場合、薄膜の表面構造は、小領域を有する平たい表面（ｆｌａｔ ｓｕｒｆａｃｅ ｗｉｔｈ ｓｍａｌｌ ｄｏｍａｉｎｓ）の形態であるものと予測され得る（７２０）。回折パターンが衛星型縞（ｓａｔｅｌｌｉｔｅ ｓｔｒｅａｋｓ）類型である場合、薄膜の表面構造は、２段階の階段式表面（ｔｗｏ−ｌｅｖｅｌ ｓｔｅｐｐｅｄ ｓｕｒｆａｃｅ）であるものと予測され得る（７３０）。回折パターンが変調された縞（ｍｏｄｕｌａｔｅｄ ｓｔｒｅａｋｓ）類型である場合、薄膜の表面構造は、複数の段階の階段式表面（ｍｕｌｔｉｌｅｖｅｌ ｓｔｅｐｐｅｄ ｓｕｒｆａｃｅ）であるものと予測され得る（７４０）。回折パターンが傾斜した縞（ｉｎｃｌｉｎｅｄ ｓｔｒｅａｋｓ）類型である場合、薄膜の表面構造は、隣接表面（ｖｉｃｉｎａｌ ｓｕｒｆａｃｅ）形態であるものと予測され得る（７５０）。回折パターンが伝送型斑点（ｔｒａｎｓｍｉｓｓｉｏｎ ｓｐｏｔｓ）類型である場合、薄膜の表面構造は、３Ｄ島（３Ｄ ｉｓｌａｎｄｓ）形態であるものと予測され得る（７６０）。
図８は、本開示の一実施例による、薄膜蒸着工程中にリアルタイムで取得される回折パターンイメージを示す図である。一実施例において、薄膜蒸着工程中の薄膜に対して複数の回折パターンイメージが連続的に取得され得る。回折パターンイメージは、それぞれ該当する時間での薄膜の表面に関する情報を有することができる。連続的に取得された回折パターンイメージを、前述の過程により第２相関モデル５１０を通じて分析することにより、薄膜蒸着工程中の薄膜状態をリアルタイムで把握することができる。
図９は、本開示の一実施例による、第１相関モデルを用いて薄膜蒸着装置を制御する過程を示す図である。一実施例において、制御装置１００は、前述の第１相関モデル３１０を用いて、薄膜蒸着工程後に薄膜が所望の薄膜状態を有するようにするための、工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０を導き出すことができる。本開示において工程条件変更データ９３０は、工程後薄膜状態データが所望の値を有するようにするために、現在の工程で用いられている工程条件データを変更した工程条件データであってもよい。本開示においてターゲットセンシングデータ９４０は、工程後薄膜状態データ３４０が所望の値を有するようにするために、１つ以上の薄膜蒸着装置の状態（例：動作状態）をセンシングした値の目標値を意味し得る。即ち、第１相関モデル３１０は、１つ以上の薄膜蒸着装置が導き出された工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０に従って動作する場合、所望の工程後薄膜状態データ３４０に至ることができると判断することができる。
具体的には、１つ以上のプロセッサ２１０は、工程条件データ３２０、センシングデータ３２５及び／または導き出された工程中薄膜状態データ３３０を第１相関モデル３１０に入力することができる。第１相関モデル３１０は入力に対応して、前述の工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０を出力することができる。
一実施例において、工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０は、工程後薄膜状態データ３４０が前述の規格データ３５０にマッチングされるようにする工程条件データ及び／またはセンシングデータであってもよい。
一実施例において、工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０は、現在の工程中にある当該薄膜が工程後に良品と判定される確率３６０を前述の基準値以上にするための工程条件データ及び／またはセンシングデータであってもよい。
１つ以上のプロセッサ２１０は、工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０を用いて、１つ以上の薄膜蒸着装置を制御することができる。例えば、１つ以上のプロセッサ２１０は、工程条件変更データ９３０及び／またはターゲットセンシングデータ９４０に従って、基板ヒータ１２０、シャッタ１３０、ソースヒータ１４０、その他バルブなどを制御することができる。これにより、基板温度、ソース流量、処理室内の温度、その他圧力などが制御され得る。
図１０は、本開示の一実施例による、工程後薄膜状態測定データを処理する過程を示す図である。一実施例において、薄膜蒸着工程を終えた基板の薄膜状態が、処理室外部で測定され得る（ｅｘ−ｓｉｔｕ測定）。このような測定は、非接触式面抵抗ポイントまたはマップ測定、光ルミネセンス（ｐｈｏｔｏ ｌｕｍｉｎｅｓｃｅｎｃｅ）ポイントまたはマップ測定、ＡＦＭ（Ａｔｏｍｉｃ Ｆｏｒｃｅ Ｍｉｃｒｏｓｃｏｐｅ）、パーティクルカウンタマップ測定、反射計ポイントまたはマップ測定、反り程度マップ測定、及び／またはＸ線回折分光ポイントまたはマップ測定を含むことができる。実施例により、このような測定過程は、外部測定サービスと呼ばれることもある。一実施例において、測定により取得された工程後薄膜状態測定データ１０００は、サーバに格納され得る。
一実施例において、１つ以上のプロセッサ２１０は、通信インターフェース２３０を制御してサーバから必要な情報を取得することができる。サーバから取得された情報は、１つ以上のメモリ２２０に格納され得る。一実施例において、サーバから取得される情報は、工程後薄膜状態測定データ１０００を含むことができる。１つ以上のプロセッサ２１０は、予め設定されたＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を用いて、通信インターフェース２３０を介して、工程後薄膜状態測定データ１０００等の情報をサーバから受信することができる。
一実施例において、制御装置１００は、サーバから取得された工程後薄膜状態測定データ１０００と第１相関モデルにより導き出された（予測された）工程後薄膜状態データ３４０を比較することができる。比較を通じて、制御装置１００は、第１相関モデル３１０を学習させることができる。具体的には、１つ以上のプロセッサ２１０は、前述の工程条件データ３２０、工程中薄膜状態データ３３０、工程後薄膜状態測定データ１０００及び／または第１相関モデル３１０から導き出された工程後薄膜状態データ３４０を第１相関モデル３１０に入力することができる。第１相関モデル３１０は、入力されたデータ間の相関関係を導き出すことができる。第１相関モデル３１０は、導き出された相関関係を用いて、第１相関モデル３１０の相関関係を更新することができる。即ち、第１相関モデル３１０は、入力されたデータを用いて機械学習を行うことができる。
一実施例において、薄膜蒸着工程を終えた基板の薄膜状態は、外部サービスにより測定されてサーバを介して制御装置１００に伝達されるのではなく、１つ以上の測定装置により測定されて、すぐに制御装置１００に伝達されることもできる。
図１１は、本開示の一実施例による、出力装置の表出画面を示す図である。前述の通り、１つ以上のプロセッサ２１０は、１つ以上の出力装置に多様な情報を伝達することができる。１つ以上の出力装置は、伝達を受けた多様な情報をユーザーに表出させることができる。
具体的には、１つ以上のプロセッサ２１０は、工程条件データ３２０、工程中薄膜状態データ３３０、第１相関モデル３１０により導き出された工程後薄膜状態データ３４０、薄膜測定結果４１０、前処理された測定データ４６０、４８０、薄膜の規格データ３５０、当該薄膜が良品と判定される確率３６０、計算された確率３６０に対する基準値、１つ以上の薄膜蒸着装置のセンシングデータ３２５、工程条件変更データ９３０、ターゲットセンシングデータ９４０、工程後薄膜状態測定データ１０００及び／または工程に用いられる薄膜蒸着方法の中から選択された少なくとも１つを、１つ以上の出力装置に伝達することができる。出力装置は、伝達を受けた前述のデータをユーザーに表出することができる。例えば、回折パターンイメージが薄膜測定結果４１０として、パターン類型、パターン間隔などが前処理された測定データ４６０、４８０として出力され得る。
一実施例において、１つ以上のプロセッサ２１０は、制御装置１００と１つ以上の薄膜蒸着装置、１つ以上の測定装置間の通信状況、動的にレンダリングされた薄膜蒸着工程のキネティックシミュレーション、工程中薄膜の結晶構造のシミュレーション及び／または１つ以上の薄膜蒸着装置の非正常な動作状態に関する知らせの中から選択された少なくとも１つを、１つ以上の出力装置に伝達することができる。出力装置は、伝達を受けた前述のデータをユーザーに表出することができる。
一実施例において、出力装置を介して出力されるデータは、所定の統一されたデータ構造（例：テキストまたはグラフィック）に整理されて出力され得る。一実施例において、出力されるデータは、所定の形式によりレンダリングされるか、所定のレイアウトでフォーマッティングされて出力され得る。一実施例において、ユーザーが入力装置を介してデータ出力方式を入力すると、入力されたデータ出力方式に基づいて出力されるデータが表出され得る。例えば、出力装置は、工程条件データ３２０、規格データ３５０及び規格データ関連情報、１つ以上の薄膜蒸着装置及び１つ以上の測定装置の状態、外部測定サービス関連情報、及び／または用いられた測定方法などに関する情報を表出することができる（１１１０）。また、出力装置は、薄膜測定結果４１０及び／または前処理された測定データ４６０、４８０を表出することができる（１１２０）。また、出力装置は、１つ以上のプロセッサ２１０及び／または相関モデルにより導き出された結果を表出することができる（１１３０）。
一実施例において、１つ以上の出力装置を介して多様なデータを出力することにより、ユーザーに１つ以上の薄膜蒸着装置を制御させたり、工程条件データ３２０等を修正させるように誘導することができる。また、データの出力を通じて、ユーザーに１つ以上の薄膜蒸着装置に対するメンテナンスを行わせるように誘導することができる。
図１２は、本開示による制御装置によって行われ得る、薄膜蒸着方法の一実施例を示す図である。本開示による薄膜蒸着方法は、コンピュータで具現された方法であってもよい。図示されたフローチャートで本開示による方法またはアルゴリズムの各段階が順次的な順序で説明されたが、各段階は順次的に行われる他に、本開示により任意に組み合わせ得る順序によって行われることもできる。本フローチャートによる説明は、方法またはアルゴリズムに変化または修正を加えることを除外せず、任意の段階が必須であるか好ましいということを意味しない。一実施例において、少なくとも一部の段階が並列的、反復的またはヒューリスティックに行われ得る。一実施例において、少なくとも一部の段階が省略されたり、他の段階が追加されたりすることができる。
本開示による制御装置１００は、薄膜蒸着工程を行うにおいて、本開示の多様な実施例による薄膜蒸着方法を行うことができる。本開示の一実施例による薄膜蒸着方法は、薄膜蒸着工程を実行させる段階Ｓ１２１０、薄膜測定結果を取得する段階Ｓ１２２０、薄膜測定結果から薄膜の工程中薄膜状態データを取得する段階Ｓ１２３０及び／または第１相関モデルを用いて、薄膜の工程後薄膜状態データを導き出す段階Ｓ１２４０を含むことができる。
段階Ｓ１２１０において、１つ以上のプロセッサ２１０は、１つ以上のメモリ２２０にアクセスし、予め設定された工程条件データ３２０に従って薄膜蒸着工程を行うためのレシピを実行して、１つ以上の薄膜蒸着装置に薄膜蒸着工程を実行させることができる。段階Ｓ１２２０において、１つ以上のプロセッサ２１０は、工程中の薄膜の状態を測定して薄膜測定結果４１０を生成する１つ以上の測定装置から薄膜測定結果４１０を取得することができる。
段階Ｓ１２３０において、１つ以上のプロセッサ２１０は、薄膜測定結果４１０から薄膜の工程中薄膜状態データ３３０を取得することができる。段階Ｓ１２４０において、１つ以上のプロセッサ２１０は、第１相関モデル３１０を用いて、工程条件データ３２０、センシングデータ３２５、及び工程中薄膜状態データ３３０から薄膜の工程後薄膜状態データ３４０を導き出すことができる。
前述の通り、センシングデータ３２５は、１つ以上のセンサが薄膜蒸着装置の少なくとも一部の状態をセンシングして生成され得る。第１相関モデル３１０は、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び／または工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであってもよい。工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセットは、工程中の基板１０５とは異なる複数の基板に対して生成されたデータであってもよい。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、工程後薄膜状態データ３４０及び１つ以上のメモリ２２０に格納された薄膜の規格データ３５０に基づいて、工程中の薄膜が工程後に良品と判定される確率３６０を計算する（導き出す）段階をさらに含むことができる。
一実施例において、薄膜蒸着方法は、確率３６０が予め設定された基準値以下である場合、１つ以上のプロセッサ２１０が確率３６０を示す知らせを、１つ以上の出力装置に伝達する段階をさらに含むことができる。
一実施例において、段階Ｓ１２３０は、１つ以上のプロセッサ２１０が、薄膜測定結果４１０のうち一部をデータ変換アルゴリズムにより定量的データに変換して、前処理された測定データ４６０、４８０を取得する段階を含むことができる。
一実施例において、段階Ｓ１２３０は、１つ以上のプロセッサ２１０は、第２相関モデル５１０を用いて、薄膜測定結果４１０及び前処理された測定データ４６０、４８０のうち少なくとも１つから、工程中薄膜状態データ４６０、４８０を導き出す段階をさらに含むことができる。
一実施例において、薄膜測定結果４１０は、１つ以上の測定装置が工程中の薄膜に照射した電子ビームが薄膜から反射されて形成される回折パターンを示す回折パターンイメージであってもよい。一実施例において、前処理された測定データ４６０、４８０は、回折パターンのパターン類型、パターン間隔または反射された電子ビームの強度の中から選択された少なくとも１つであってもよい。一実施例において、第２相関モデル５１０から導き出される工程中薄膜状態データ３３０は、工程中薄膜の表面構造、結晶構造、薄膜の応力、薄膜の原子組成または工程の薄膜蒸着速度の中から選択された少なくとも１つであってもよい。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、工程条件データ３２０、センシングデータ３２５、工程中薄膜状態データ３３０、工程後薄膜状態データ３４０、薄膜測定結果４１０及び前処理された測定データ４６０、４８０のうち少なくとも１つを、１つ以上の出力装置に伝達する段階をさらに含むことができる。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、第１相関モデル３１０を用いて、工程条件データ３２０、センシングデータ３２５、及び工程中薄膜状態データ３３０から、工程後薄膜状態データ３４０が規格データ３５０にマッチングされるようにする工程条件変更データ９３０及びターゲットセンシングデータ９４０のうち少なくとも１つを導き出す段階；及び／または工程条件変更データ９３０及びターゲットセンシングデータ９４０のうち少なくとも１つに基づいて、薄膜蒸着装置を制御する段階をさらに含むことができる。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、第１相関モデル３１０を用いて、工程条件データ３２０、センシングデータ３２５、及び工程中薄膜状態データ３３０から、確率３６０を基準値以上にするための工程条件変更データ９３０及びターゲットセンシングデータ９４０のうち少なくとも１つを導き出す段階；及び／または工程条件変更データ９３０及びターゲットセンシングデータ９４０のうち少なくとも１つに基づいて、薄膜蒸着装置を制御する段階をさらに含むことができる。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、予め設定されたＡＰＩを用いて、通信インターフェース２３０を介して、サーバから工程後薄膜状態測定データ１０００を受信する段階をさらに含むことができる。工程後薄膜状態測定データ１０００は、工程後の薄膜を測定することにより取得された薄膜状態データであってもよい。
一実施例において、薄膜蒸着方法は、１つ以上のプロセッサ２１０が、工程条件データ３２０、センシングデータ３２５、工程中薄膜状態データ３３０、工程後薄膜状態測定データ３４０、及び／または第１相関モデル３１０から導き出された工程後薄膜状態データ３４０を第１相関モデル３１０に入力し、機械学習アルゴリズムにより第１相関モデル３１０の相関関係を更新する段階をさらに含むことができる。
一実施例において、１つ以上の薄膜蒸着装置は、ＭＢＥ（Ｍｏｌｅｃｕｌａｒ Ｂｅａｍ Ｅｐｉｔａｘｙ）、ＰＬＤ（Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＭＯＣＶＤ（Ｍｅｔａｌ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＰＥＣＶＤ（Ｐｌａｓｍａ Ｅｎｈａｎｃｅｄ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＡＬＤ（Ａｔｏｍｉｃ Ｌａｙｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、蒸発（Ｅｖａｐｏｒａｔｉｏｎ）、スパッタリング（Ｓｐｕｔｔｅｒｉｎｇ）、及び昇華（Ｓｕｂｌｉｍａｔｉｏｎ）の中から選択された少なくとも１つの薄膜蒸着方法により薄膜蒸着工程を行うことができる。
本開示の多様な実施例は、機器（ｍａｃｈｉｎｅ）が読み取ることができる記録媒体（ｍａｃｈｉｎｅ−ｒｅａｄａｂｌｅ ｒｅｃｏｒｄｉｎｇ ｍｅｄｉｕｍ）に記録されたソフトウェアで具現され得る。ソフトウェアは、前述の本開示の多様な実施例を具現するためのソフトウェアであってもよい。ソフトウェアは、本開示が属する技術分野のプログラマーにより、本開示の多様な実施例から推論され得る。例えば、ソフトウェアは、機器が読み取ることができる命令（例：コードまたはコードセグメント）またはプログラムであってもよい。機器は、記録媒体から呼び出された命令語により動作が可能な装置であって、例えば、コンピュータであってもよい。一実施例において、機器は、本開示の実施例による制御装置１００であってもよい。一実施例において、機器のプロセッサは、呼び出された命令を実行して、機器の構成要素に当該命令に該当する機能を行わせることができる。一実施例において、プロセッサは、本開示の実施例による１つ以上のプロセッサ２１０であってもよい。記録媒体は、機器により読み取られることができる、データが格納される全ての種類の記録媒体（ｒｅｃｏｒｄｉｎｇ ｍｅｄｉｕｍ）を意味し得る。記録媒体は、例えば、ＲＯＭ、ＲＡＭ、ＣＤ−ＲＯＭ、磁気テープ、フロッピーディスク、光データ格納装置などを含むことができる。一実施例において、記録媒体は、１つ以上のメモリ２２０であってもよい。一実施例において、記録媒体は、ネットワークに連結されたコンピュータシステムなどに分散した形態として具現されることもできる。ソフトウェアは、コンピュータシステムなどに分散して格納されて、実行され得る。記録媒体は、非一時的（ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ）記録媒体であってもよい。非一時的記録媒体は、データが半永久的または臨時的に格納されることと関係がなく実在する媒体（ｔａｎｇｉｂｌｅ ｍｅｄｉｕｍ）を意味し、一時的（ｔｒａｎｓｉｔｏｒｙ）に伝播される信号（ｓｉｇｎａｌ）を含まない。
以上、多様な実施例により本開示の技術的思想を説明したものの、本開示の技術的思想は、本開示が属する技術分野で通常の知識を有する者が理解することができる範囲でなされ得る多様な置換、変形及び変更を含む。また、そのような置換、変形及び変更は、添付の請求の範囲内に含まれ得るものとして理解されるべきである。

Claims (21)

  1. 基板上に薄膜を蒸着する１つ以上の薄膜蒸着装置を制御するための制御装置において、
    前記薄膜蒸着装置、前記薄膜蒸着装置の少なくとも一部の状態をセンシングしてセンシングデータを生成する１つ以上のセンサ、及び前記基板上の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置と通信する通信インターフェース；
    予め設定された工程条件データに従って薄膜蒸着工程を行うためのレシピ；及び
    機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された第１相関モデル
    を格納する１つ以上のメモリ；及び
    １つ以上のプロセッサを含み、
    前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータであり、
    前記プロセッサは、
    前記メモリにアクセスして前記レシピを実行して前記薄膜蒸着装置に前記工程を実行させ、
    前記工程中に前記通信インターフェースを介して受信された前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得し、
    前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出すように構成される、
    制御装置。
  2. 第１項において、
    前記メモリは、前記薄膜の規格データをさらに格納し、
    前記プロセッサは、前記工程後薄膜状態データ及び前記規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算するように構成される、制御装置。
  3. 第２項において、
    前記プロセッサは、前記確率が予め設定された基準値以下である場合、前記確率を示す知らせを１つ以上の出力装置に伝達するように構成される、制御装置。
  4. 第１項において、
    前記プロセッサは、データ変換アルゴリズムを用いて前記薄膜測定結果の一部を定量的データに変換することにより前処理された測定データを取得するように構成される、制御装置。
  5. 第４項において、
    前記メモリは、機械学習アルゴリズムにより薄膜測定結果セット、前処理された測定データセット、及び工程中薄膜状態データセット間の相関関係をモデリングして構築された第２相関モデルをさらに格納し、
    前記薄膜測定結果セット、前記前処理された測定データセット、及び前記工程中薄膜状態データセットは、前記複数の基板に対して生成されたデータであり、
    前記プロセッサは、
    前記第２相関モデルを用いて、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つから前記工程中薄膜状態データを導き出すように構成される、制御装置。
  6. 第５項において、
    前記薄膜測定結果は、前記測定装置が前記工程中に前記薄膜に照射した電子ビームが前記薄膜から反射されて形成される回折パターンを示す回折パターンイメージであって、
    前記前処理された測定データは、前記回折パターンのパターン類型、パターン間隔、及び前記反射された電子ビームの強度のうち少なくとも１つを含み、
    前記第２相関モデルを用いて導き出される前記工程中薄膜状態データは、前記工程中の前記薄膜の表面構造、結晶構造、薄膜の原子組成、応力（ｓｔｒｅｓｓ）、及び蒸着速度のうち少なくとも１つを含む、制御装置。
  7. 第５項において、
    前記プロセッサは、
    前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態データ、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つを、１つ以上の出力装置に伝達するように構成される、制御装置。
  8. 第２項において、
    前記プロセッサは、
    前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記工程後薄膜状態データが前記規格データにマッチングされるようにする工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出し、
    前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御するように構成される、制御装置。
  9. 第３項において、
    前記プロセッサは、
    前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記確率を前記基準値以上にするための工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出し、
    前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御するように構成される、制御装置。
  10. 第１項において、
    前記プロセッサは、
    予め設定されたＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を用いて、前記通信インターフェースを介して、前記薄膜に対して前記工程後に測定された工程後薄膜状態測定データを格納するサーバから前記工程後薄膜状態測定データを受信する、制御装置。
  11. 第１０項において、
    前記プロセッサは、
    前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態測定データ、及び前記第１相関モデルから導き出された前記工程後薄膜状態データを前記第１相関モデルに入力し、機械学習アルゴリズムにより前記第１相関モデルの相関関係を更新するように構成される、制御装置。
  12. 第１項において、
    前記薄膜蒸着装置は、ＭＢＥ（Ｍｏｌｅｃｕｌａｒ Ｂｅａｍ Ｅｐｉｔａｘｙ）、ＰＬＤ（Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＭＯＣＶＤ（Ｍｅｔａｌ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＰＥＣＶＤ（Ｐｌａｓｍａ Ｅｎｈａｎｃｅｄ Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、ＡＬＤ（Ａｔｏｍｉｃ Ｌａｙｅｒ Ｄｅｐｏｓｉｔｉｏｎ）、蒸発（Ｅｖａｐｏｒａｔｉｏｎ）、スパッタリング（Ｓｐｕｔｔｅｒｉｎｇ）及び昇華（Ｓｕｂｌｉｍａｔｉｏｎ）のうち少なくとも１つの薄膜蒸着方法により前記工程を行う、制御装置。
  13. １つ以上の薄膜蒸着装置を用いて、基板上に薄膜を蒸着するための方法において、
    １つ以上のプロセッサが１つ以上のメモリにアクセスし、予め設定された工程条件データに従って薄膜蒸着工程を行うためのレシピを実行して、前記薄膜蒸着装置に前記工程を実行させる段階；
    前記１つ以上のプロセッサにより、前記工程中の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置から前記薄膜測定結果を取得する段階；
    前記１つ以上のプロセッサにより、前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得する段階；
    前記１つ以上のプロセッサが、第１相関モデルを用いて、前記工程条件データ、センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出す段階を含むものの、
    前記センシングデータは、１つ以上のセンサが前記薄膜蒸着装置の少なくとも一部の状態をセンシングして生成され、
    前記第１相関モデルは、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、
    前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータである、薄膜蒸着方法。
  14. 第１３項において、
    前記１つ以上のプロセッサが、前記工程後薄膜状態データ及び前記薄膜の規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算する段階をさらに含む、薄膜蒸着方法。
  15. １つ以上のプロセッサによる実行時、前記１つ以上のプロセッサが演算を行うようにする命令を記録した非一時的コンピュータ読み取り可能記録媒体において、
    前記１つ以上のプロセッサにより行われる前記演算は、
    予め設定された工程条件データに従って基板上に薄膜を蒸着する薄膜蒸着工程を行うためのレシピを実行して、１つ以上の薄膜蒸着装置に前記工程を実行させる演算；
    前記工程中の前記薄膜の状態を測定して薄膜測定結果を生成する１つ以上の測定装置から前記薄膜測定結果を取得する演算；
    前記薄膜測定結果から前記薄膜の工程中薄膜状態データを取得する演算；
    第１相関モデルを用いて、前記工程条件データ、センシングデータ、及び前記工程中薄膜状態データから前記薄膜の工程後薄膜状態データを導き出す演算を含み、
    前記センシングデータは、１つ以上のセンサが前記薄膜蒸着装置の少なくとも一部の状態をセンシングして生成され、
    前記第１相関モデルは、機械学習アルゴリズムにより、工程条件データセット、センシングデータセット、工程中薄膜状態データセット、及び工程後薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、
    前記工程条件データセット、前記センシングデータセット、前記工程中薄膜状態データセット、及び前記工程後薄膜状態データセットは、前記基板と異なる複数の基板に対して生成されたデータである、コンピュータ読み取り可能記録媒体。
  16. 第１５項において、前記１つ以上のプロセッサにより行われる前記演算は、
    前記工程後薄膜状態データ及び前記薄膜の規格データに基づいて、前記薄膜が前記工程後に良品と判定される確率を計算する演算；及び
    前記確率が予め設定された基準値以下である場合、前記確率を示す知らせを１つ以上の出力装置に伝達する演算をさらに含む、コンピュータ読み取り可能記録媒体。
  17. 第１５項において、前記工程中薄膜状態データを取得する演算は、
    データ変換アルゴリズムを用いて前記薄膜測定結果の一部を定量的データに変換することにより、前処理された測定データを取得する演算を含む、コンピュータ読み取り可能記録媒体。
  18. 第１７項において、前記工程中薄膜状態データを取得する演算は、
    第２相関モデルを用いて、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つから前記工程中薄膜状態データを導き出す演算をさらに含み、
    前記第２相関モデルは、機械学習アルゴリズムにより、薄膜測定結果セット、前処理された測定データセット、及び工程中薄膜状態データセット間の相関関係をモデリングして構築された相関モデルであって、
    前記薄膜測定結果セット、前記前処理された測定データセット、及び前記工程中薄膜状態データセットは、前記複数の基板に対して生成されたデータである、コンピュータ読み取り可能記録媒体。
  19. 第１８項において、
    前記薄膜測定結果は、前記測定装置が前記工程中に前記薄膜に照射した電子ビームが前記薄膜から反射されて形成される回折パターンを示す回折パターンイメージであって、
    前記前処理された測定データは、前記回折パターンのパターン類型、パターン間隔、及び前記反射された電子ビームの強度のうち少なくとも１つを含み、
    前記第２相関モデルを用いて導き出される前記工程中薄膜状態データは、前記工程中の前記薄膜の表面構造、結晶構造、薄膜の原子組成、応力（ｓｔｒｅｓｓ）、及び蒸着速度のうち少なくとも１つを含む、コンピュータ読み取り可能記録媒体。
  20. 第１８項において、前記１つ以上のプロセッサにより行われる前記演算は、
    前記工程条件データ、前記センシングデータ、前記工程中薄膜状態データ、前記工程後薄膜状態データ、前記薄膜測定結果及び前記前処理された測定データのうち少なくとも１つを、１つ以上の出力装置に伝達する演算をさらに含む、コンピュータ読み取り可能記録媒体。
  21. 第１６項において、前記１つ以上のプロセッサにより行われる前記演算は、
    前記第１相関モデルを用いて、前記工程条件データ、前記センシングデータ、及び前記工程中薄膜状態データから、前記確率を前記基準値以上にするための工程条件変更データ及びターゲットセンシングデータのうち少なくとも１つを導き出す演算；及び
    前記工程条件変更データ及び前記ターゲットセンシングデータのうち少なくとも１つに基づいて、前記薄膜蒸着装置を制御する演算をさらに含む、コンピュータ読み取り可能記録媒体。

JP2019100773A 2018-11-02 2019-05-29 薄膜蒸着工程を制御するための装置、方法及び命令を記録した記録媒体 Active JP6865474B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021054312A JP7536302B2 (ja) 2018-11-02 2021-03-26 薄膜蒸着工程を制御するための制御装置、及び方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180133542A KR101965605B1 (ko) 2018-11-02 2018-11-02 박막 증착 공정을 제어하기 위한 장치, 방법 및 명령을 기록한 기록 매체
KR10-2018-0133542 2018-11-02

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021054312A Division JP7536302B2 (ja) 2018-11-02 2021-03-26 薄膜蒸着工程を制御するための制御装置、及び方法

Publications (2)

Publication Number Publication Date
JP2020070494A true JP2020070494A (ja) 2020-05-07
JP6865474B2 JP6865474B2 (ja) 2021-04-28

Family

ID=65812143

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019100773A Active JP6865474B2 (ja) 2018-11-02 2019-05-29 薄膜蒸着工程を制御するための装置、方法及び命令を記録した記録媒体
JP2021054312A Active JP7536302B2 (ja) 2018-11-02 2021-03-26 薄膜蒸着工程を制御するための制御装置、及び方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021054312A Active JP7536302B2 (ja) 2018-11-02 2021-03-26 薄膜蒸着工程を制御するための制御装置、及び方法

Country Status (5)

Country Link
US (2) US11597997B2 (ja)
EP (1) EP3647458A1 (ja)
JP (2) JP6865474B2 (ja)
KR (1) KR101965605B1 (ja)
TW (2) TWI704600B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022018155A (ja) * 2020-07-15 2022-01-27 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP2022024291A (ja) * 2020-07-15 2022-02-09 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
WO2022113867A1 (ja) * 2020-11-30 2022-06-02 コニカミノルタ株式会社 解析装置、検査システム、および学習装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3916122A1 (en) * 2020-05-28 2021-12-01 Solmates B.V. Method for controlling stress in a substrate during laser deposition
KR102578368B1 (ko) * 2021-01-08 2023-09-15 대한광통신(주) 머신러닝 기반 합성유리 퇴적공정 예측 방법, 장치 및 컴퓨터 프로그램
US20220228265A1 (en) * 2021-01-15 2022-07-21 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for dynamically adjusting thin-film deposition parameters
CN114662424B (zh) * 2022-05-20 2022-09-02 季华实验室 薄膜沉积模拟方法、装置、电子设备及存储介质
KR20240047842A (ko) * 2022-10-05 2024-04-12 서울대학교산학협력단 기계학습이 적용된 자동화된 박막 증착 시스템 및 박막 증착 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
KR20090127681A (ko) * 2008-06-09 2009-12-14 삼성모바일디스플레이주식회사 가상 계측 장치 및 계측 방법

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000024052A1 (en) * 1998-10-19 2000-04-27 The Secretary Of State For Defence Layer processing
US6970532B2 (en) * 2000-05-10 2005-11-29 Rigaku Corporation Method and apparatus for measuring thin film, and thin film deposition system
JP3670208B2 (ja) * 2000-11-08 2005-07-13 アルプス電気株式会社 プラズマ処理装置，プラズマ処理システムおよびこれらの性能確認システム，検査方法
US6563578B2 (en) * 2001-04-02 2003-05-13 Advanced Micro Devices, Inc. In-situ thickness measurement for use in semiconductor processing
US7201936B2 (en) * 2001-06-19 2007-04-10 Applied Materials, Inc. Method of feedback control of sub-atmospheric chemical vapor deposition processes
US6593748B1 (en) * 2001-07-12 2003-07-15 Advanced Micro Devices, Inc. Process integration of electrical thickness measurement of gate oxide and tunnel oxides by corona discharge technique
JP3828443B2 (ja) * 2002-03-22 2006-10-04 株式会社東芝 赤外線撮像装置及びその製造方法
US6849151B2 (en) * 2002-08-07 2005-02-01 Michael S. Barnes Monitoring substrate processing by detecting reflectively diffracted light
JP3811150B2 (ja) 2003-09-05 2006-08-16 株式会社東芝 膜厚測定方法、膜厚測定システム、半導体装置の製造方法及び膜厚測定システム制御プログラム
CN1828508A (zh) * 2005-03-01 2006-09-06 中国科学院半导体研究所 高能电子衍射图像处理系统及方法
US20110212256A1 (en) * 2010-02-12 2011-09-01 First Solar, Inc. Deposition rate control
JP2013151721A (ja) * 2012-01-25 2013-08-08 Toyota Motor Corp 固体電解質膜の製造方法
KR101340425B1 (ko) * 2012-05-15 2013-12-10 (주)베오스솔루션 박막 증착 장치 및 방법
JP6017243B2 (ja) * 2012-09-26 2016-10-26 スタンレー電気株式会社 ＺｎＯ系半導体素子、及び、ＺｎＯ系半導体素子の製造方法
JP6116989B2 (ja) * 2013-04-22 2017-04-19 スタンレー電気株式会社 Ｃｕドープｐ型ＺｎＯ系半導体結晶層とその製造方法
JP2014240780A (ja) * 2013-06-11 2014-12-25 株式会社東芝 試料構造分析方法、透過電子顕微鏡およびプログラム
US9460917B2 (en) * 2014-02-12 2016-10-04 Translucent, Inc. Method of growing III-N semiconductor layer on Si substrate
US20160148850A1 (en) * 2014-11-25 2016-05-26 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes
US10269545B2 (en) * 2016-08-03 2019-04-23 Lam Research Corporation Methods for monitoring plasma processing systems for advanced process and tool control
KR102135317B1 (ko) * 2016-12-12 2020-07-20 주식회사 원익아이피에스 기판 처리 장치
JP6649302B2 (ja) * 2017-02-28 2020-02-19 日本電信電話株式会社 単結晶性薄膜の形成方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
KR20090127681A (ko) * 2008-06-09 2009-12-14 삼성모바일디스플레이주식회사 가상 계측 장치 및 계측 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022018155A (ja) * 2020-07-15 2022-01-27 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP2022024291A (ja) * 2020-07-15 2022-02-09 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP7481185B2 (ja) 2020-07-15 2024-05-10 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP7481184B2 (ja) 2020-07-15 2024-05-10 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
WO2022113867A1 (ja) * 2020-11-30 2022-06-02 コニカミノルタ株式会社 解析装置、検査システム、および学習装置

Also Published As

Publication number Publication date
KR101965605B1 (ko) 2019-08-13
US20200140993A1 (en) 2020-05-07
TW202018771A (zh) 2020-05-16
US20230279538A1 (en) 2023-09-07
TW202046383A (zh) 2020-12-16
JP6865474B2 (ja) 2021-04-28
JP2021095642A (ja) 2021-06-24
EP3647458A1 (en) 2020-05-06
TWI726767B (zh) 2021-05-01
JP7536302B2 (ja) 2024-08-20
TWI704600B (zh) 2020-09-11
US11597997B2 (en) 2023-03-07

Similar Documents

Publication Publication Date Title
JP2020070494A (ja) 薄膜蒸着工程を制御するための装置、方法及び命令を記録した記録媒体
US11836429B2 (en) Determination of recipes for manufacturing semiconductor devices
JP2023511122A (ja) 半導体製造プロセスのための性能予測子
TWI837493B (zh) 從使用神經網路的聚集統計的異常偵測
TWI525407B (zh) 用於自主學習和自主改進半導體製造工具之方法和系統
US11687804B2 (en) Latent feature dimensionality bounds for robust machine learning on high dimensional datasets
Pang et al. OTL-PEM: an optimization-based two-layer pointwise ensemble of surrogate models
CN113743971A (zh) 一种数据处理方法和装置
Notley et al. Synchrotron imaging derived relationship between process parameters and build quality for directed energy deposition additively manufactured in718
Crespo et al. A scenario optimization approach to system identification with reliability guarantees
CN116578041B (zh) 一种用于cnc控制器的数据处理方法
US20240184858A1 (en) Methods and mechanisms for automatic sensor grouping to improve anomaly detection
US11580275B1 (en) Experimental discovery processes
US20240193473A1 (en) Semiconductor metrology system and method
US20240320508A1 (en) Transfer learning for metrology data analysis
US20230384777A1 (en) Methods and mechanisms for preventing fluctuation in machine-learning model performance
Kim et al. Virtual metrology scheme for predictive plasma uniformity diagnosis of plasma-enhanced atomic layer deposition process using optical emission spectroscopy
US11892821B2 (en) Communication node to interface between evaluation systems and a manufacturing system
US20230342016A1 (en) Methods and mechanisms for generating virtual knobs for model performance tuning
Dwivedi et al. Software Development Life Time Prediction Using Machine Learning Approach and There Comparison
Murdan et al. Comparing Machine Learning Techniques for Hourly Solar Power Generation Prediction
WO2024197142A1 (en) Transfer learning for metrology data analysis
Pak et al. Under Sampling for Imbalanced Data using Minor Class based SVM (MCSVM) in Semiconductor Process
Casal et al. Sensitivity Analysis of Surrogate Modeling for Manufacturing in Digital Twins
KR20240132376A (ko) 평가 시스템들과 제조 시스템 사이에서 인터페이스하기 위한 통신 노드

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190628

A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20190628

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200721

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201019

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: 20210302

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210330

R150 Certificate of patent or registration of utility model

Ref document number: 6865474

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250