JP2020518131A - モニタリング用のニューラルネットワークを用いた研磨装置 - Google Patents

モニタリング用のニューラルネットワークを用いた研磨装置 Download PDF

Info

Publication number
JP2020518131A
JP2020518131A JP2019556937A JP2019556937A JP2020518131A JP 2020518131 A JP2020518131 A JP 2020518131A JP 2019556937 A JP2019556937 A JP 2019556937A JP 2019556937 A JP2019556937 A JP 2019556937A JP 2020518131 A JP2020518131 A JP 2020518131A
Authority
JP
Japan
Prior art keywords
thickness
polishing
location
layer
substrate
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
JP2019556937A
Other languages
English (en)
Other versions
JP7227158B2 (ja
Inventor
クン シュー，
クン シュー，
ハサン ジー． イラヴァニ，
ハサン ジー． イラヴァニ，
デニス イヴァノフ，
デニス イヴァノフ，
ボグスロー エー． スウェデク，
ボグスロー エー． スウェデク，
シーハル シェン，
シーハル シェン，
ハリー キュー． リー，
ハリー キュー． リー，
ベンジャミン シェリアン，
ベンジャミン シェリアン，
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Applied Materials Inc
Original Assignee
Applied Materials Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Applied Materials Inc filed Critical Applied Materials Inc
Publication of JP2020518131A publication Critical patent/JP2020518131A/ja
Priority to JP2023018178A priority Critical patent/JP2023075085A/ja
Application granted granted Critical
Publication of JP7227158B2 publication Critical patent/JP7227158B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B24B37/013—Devices or means for detecting lapping completion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/34—Accessories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions

Landscapes

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

Abstract

研磨ステーションで基板上の層を研磨する方法は、層上の複数の異なる箇所での複数の測定信号を生成するため、インシトゥモニタリングシステムを用いて研磨ステーションで研磨中の層をモニタする作用と、複数の異なる箇所の各箇所に対して、その箇所の厚みの推定値を生成することであって、ニューラルネットワークを介して複数の測定信号の処理を含む、生成することと、厚みの各推定値に基づいて研磨パラメータを修正すること又は研磨終点を検出することのうちの少なくとも１つとを含む。【選択図】図１Ａ

Description

本開示は、基板研磨中のインシトゥモニタリングに関する。
集積回路は、典型的には、シリコンウエハに導電層、半導電層、又は絶縁層を連続して堆積させ、その後層を処理することによって、基板（例えば、半導体ウエハ）上に形成される。
ある製造ステップは、非平面の表面上に充填層を堆積し、非平面が露出するまで充填層を平坦化することを含む。例えば、パターニングされた絶縁層上に導電性充填層が堆積され、絶縁層内のトレンチまたは孔を充填することができる。その後充填層は、絶縁層の隆起したパターンが露出するまで研磨される。平坦化後、絶縁層の隆起したパターンの間に残っている導電層の部分が、基板上の薄膜回路の間の導電経路を提供するビア、プラグ、およびラインを形成する。さらに、リソグラフィ用に基板表面を平坦にするため、平坦化が使用されうる。
化学機械研磨（ＣＭＰ）は、認知されている平坦化方法の１つである。この平坦化方法では、典型的には、基板をキャリアヘッドに装着することが必要となる。基板の露出面は、回転する研磨パッドに当たるように置かれる。キャリアヘッドは、基板に制御可能な荷重をかけて、基板を研磨パッドに押し付ける。砥粒を含むスラリなどの研磨液が、研磨パッドの表面に供給される。
半導体の処理中には、基板又は基板上の層の一又は複数の特性を特定することが重要となりうる。例えば、処理が適切な時間で終了されるよう、ＣＭＰ処理中の導電層の厚みを知ることが重要になりうる。基板特性を特定するため、多数の方法が使用されうる。例えば、化学機械研磨中の基板のインシトゥモニタリングに光学センサが使用されうる。代替的に（又は追加的に）、導電性領域の局所厚みなどのパラメータを特定するため、基板の導電性領域内に渦電流を誘導するように渦電流検知システムが使用されうる。
一態様では、研磨ステーションで基板上の層を研磨する方法は、層上の複数の異なる箇所について複数の測定信号を生成するため、インシトゥモニタリングシステムを用いて、研磨ステーションで研磨中の層をモニタすることと、層上の複数の異なる箇所について複数の推定値を生成することであって、ニューラルネットワークを介して複数の測定信号の処理を含む、生成することと、厚みの各推定値に基づいて研磨パラメータを修正すること又は研磨終点を検出することのうちの少なくとも１つとを含む。
別の態様では、対応するコンピュータシステム、装置、及び一又は複数のコンピュータストレージデバイス上に記録されたコンピュータプログラムが、この方法を実施するように構成されている。一又は複数のコンピュータシステムは、動作中にシステムが作用を実行しうるように、システム上にインストールされたソフトウェア、ファームウェア、ハードウェア、又はこれらの組み合わせによって、特定の動作又は作用を実行するように構成されうる。一又は複数のコンピュータプログラムは、データ処理装置によって実行された時に、装置に動作を実行させる命令を含むことによって、特定の操作又は動作を実行するように構成されている。
別の態様では、研磨システムは、基板を保持するキャリア、研磨面の支持体、センサを有するインシトゥモニタリングシステム、基板とセンサとの間の相対運動を生み出すモーター、及びコントローラを含む。インシトゥモニタリングシステムは、層上の複数の異なる箇所について測定信号を生成するように構成されている。コントローラは、インシトゥモニタリングシステムから複数の測定信号を受信し、複数の異なる箇所の各箇所について、その箇所の厚みの推定値を生成するように構成されており、生成することは、ニューラルネットワークを介して複数の信号を処理することを含み、研磨終点を検出し、厚みの各推定値に基づいて研磨パラメータを修正し、又はその両方を行う。
上記態様のいずれかの実装は、以下の一又は複数の特徴を含みうる。
第２の複数の測定信号は、層の第２の複数の異なる箇所について得られうる。第２の複数の異なる箇所の各箇所について、その箇所での厚みの推定値は、その箇所での測定信号に基づいて生成されうる。厚みの推定値を生成することは、厚みの推定値の複数の値に、測定信号の複数の値に関連する静的な公式（ｓｔａｔｉｃ ｆｏｒｍｕｌａ）を使用することを含みうる。第３の複数の測定信号は、第２の基板の層について得られる。第３の複数の測定信号の各々は、第２の基板上の層の第３の複数の箇所のうちの１つの箇所に対応しうる。第３の複数の異なる箇所の各箇所について、その箇所の厚みの推定値は、その箇所の測定信号に基づいて生成されうる。厚みの推定値を生成することは、厚みの推定値の複数の値に、測定信号の複数の値に関連する静的な公式を使用することを含みうる。
インシトゥモニタリングシステムは、渦電流センサを含みうる。ニューラルネットワークは、入力層、出力層、及び一又は複数の隠れた層を含む、一又は複数のニューラルネットワーク層を含み、各ニューラルネットワーク層は一又は複数のニューラルネットワークノードを含む。各ニューラルネットワークノードは、出力を生成するための一組のパラメータに従って入力を処理するように構成されうる。入力層のニューラルネットワークノードへの入力は、研磨ステーションのパッドの摩耗の測定値を含みうる。一又は複数の異なる箇所はアンカー箇所を含み、厚みの各第１の測定値を特定することは、測定信号を更新するため、アンカー箇所の測定信号に基づいて、各測定信号を正規化することを含みうる。アンカー箇所は、基板のエッジから離間されうる。厚みの各推定値は正規化された値であってもよく、方法はさらに、厚みの推定値を更新するためのアンカー箇所の測定信号を用いて、厚みの各推定値を非正規化値に変換する動作を含みうる。
厚みのグラウンドトゥルース値（ｇｒｏｕｎｄ ｔｒｕｔｈ ｍｅａｓｕｒｅ）は、層の一又は複数の箇所の各箇所について得られる。各箇所についての厚みの推定値とこれに対応する当該箇所の厚みのグラウンドトゥルース値と間の誤差量が計算されうる。ニューラルネットワークシステムのパラメータは、誤差量に基づいて更新されうる。厚みのグラウンドトゥルース値は、４点プローブ法に基づいて特定されうる。誤差量に基づいてニューラルネットワークシステムのパラメータを更新することは、ニューラルネットワークの複数の層を介して誤差量の勾配（ｇｒａｄｉｅｎｔ ｏｆ ｔｈｅ ｍｅａｓｕｒｅ ｏｆ ｅｒｒｏｒ）をバックプロパゲートすることを含みうる。
ある種の実装は、以下の利点のうちの一又は複数を含みうる。インシトゥモニタリングシステム、例えば、渦電流モニタリングシステムは、センサが基板を横切ってスキャンするにつれて信号を生成することができる。システムは、基板エッジに対応する信号の一部の歪みを補償することができる。信号はキャリアヘッド圧力などの研磨パラメータの終点制御及び／又は閉ループ制御に使用可能で、これによって、ウエハ内不均一性（ＷＩＷＮＵ）及びウエハ対ウエハ不均一性（ＷＴＷＮＵ）の改善がもたらされる。
一又は複数の実装の詳細を、添付図面及び以下の説明において明記する。他の態様、特徴および利点は、これらの記述および図面から、並びに特許請求の範囲から明らかになろう。
渦電流モニタリングシステムを含む化学機械研磨ステーションの、部分的な断面図になっている概略側面図である。 化学機械研磨ステーションの概略上面図である。 研磨装置のセンサヘッドによってスキャンされる基板の概略上面図である。 測定信号に基づいて基板の厚みを特定する静的な公式の概略グラフである。 基板上の箇所のモニタリング中に得られる測定信号の概略グラフである。 例示的なニューラルネットワークである。 基板の研磨の例示的なプロセスのフロー図である。 ニューラルネットワークを用いて、厚みの推定値を生成するための例示的な処理のフロー図である。 一群の測定信号に対して修正信号を生成するようにニューラルネットワークをトレーニングするための例示的な処理のフロー図である。
様々な図面における類似の参照符号は、類似した要素を指し示している。
研磨装置は、基板の研磨に使用される外側層の厚みを検出するため、渦電流モニタリングシステムなどのインシトゥモニタリングシステムを使用することができる。外側層の研磨中、インシトゥモニタリングシステムは、基板上の層の異なる箇所での厚みを特定することができる。厚みの測定値は、研磨終了のきっかけとなるように、及び／又は、研磨処理の処理パラメータをリアルタイムで調節するために、使用されうる。例えば、基板キャリアヘッドは、基板の裏側の圧力を調整して、外側層の複数の箇所で研磨速度を加速又は減速することができる。研磨速度は、層の複数の箇所で研磨後の厚みが実質的に同じになるように、調整することができる。ＣＭＰシステムは、層の複数の箇所での研磨がほぼ同じ時間で完了するように、研磨速度を調整することができる。このようなプロファイル制御は、リアルタイムプロファイル制御（ＲＴＰＣ）と呼ばれることがある。
インシトゥモニタリングシステムは、基板エッジに近い箇所での測定に関しては、信号歪みを被ることがありうる。例えば、渦電流モニタリングシステムは、磁場を生成しうる。基板エッジの近傍では、磁場が基板の導電層と部分的にのみ重なるため、信号は人為的に低くなりうる。しかしながら、研磨装置が、インシトゥモニタリングシステムによって生成された測定信号に基づいて修正された信号を生成するためにニューラルネットワークを使用する場合には、装置は歪みを補償すること、例えば、基板エッジで信号強度を弱めることができる。
図１Ａ及び図１Ｂは、研磨装置１００の一例を示す。研磨装置１００は、上に研磨パッド１１０が位置する、回転可能な円盤状のプラテン１２０を含む。プラテンは、軸１２５を中心に回転するように操作可能である。例えば、モーター１２１はドライブシャフト１２４を回して、プラテン１２０を回転させることができる。研磨パッド１１０は、外側研磨層１１２及び、より軟性のバッキング層１１４を有する、二層研磨パッドであってよい。
研磨装置１００は、スラリなどの研磨液１３２を研磨パッド１１０上に分注するためのポート１３０を含むことができる。研磨装置はまた、研磨パッド１１０を磨いて研磨パッド１１０を一貫した研磨状態に維持する、研磨パッドコンディショナーも含むことができる。
研磨装置１００は、少なくとも１つのキャリアヘッド１４０を含む。キャリアヘッド１４０は、基板１０を研磨パッド１１０に当てて保持するように動作可能である。キャリアヘッド１４０は、例えば圧力といった、各基板それぞれに関連付けられた研磨パラメータを、個別に制御することができる。
具体的には、各キャリアヘッド１４０は、基板１０を可撓性膜１４４の下に保持する保持リング１４２を含むことができる。キャリアヘッド１４０はまた、膜によって画定された、個別制御可能で加圧可能な複数のチャンバ（例えば３つのチャンバ１４６ａ〜１４６ｃ）を含み、これらのチャンバは、可撓性膜１４４上の（したがって基板１０上の）関連するゾーンに、個別に制御可能な圧力を印加することができる。説明を簡略化するために、図１には３個のチャンバのみを図示したが、１個もしくは２個のチャンバ、又は４個もしくはそれ以上のチャンバ、例えば５個のチャンバがあってもよい。
キャリアヘッドが軸１５５の周りで回転しうるように、キャリアヘッド１４０は、カルーセル又はトラックのような支持構造物１５０から吊るされ、駆動シャフト１５２によってキャリアヘッド回転モーター１５４に接続される。オプションでは、キャリアヘッド１４０は、例えば、カルーセル１５０又はトラック上のスライダで、或いは、カルーセル自体の回転振動によって、横方向に振動しうる。操作中、プラテンはその中心軸１２５の周りで回転し、キャリアヘッドは、その中心軸１５５の周りで回転し、かつ研磨パッドの上面の端から端まで横方向に平行移動する。
１つのキャリアヘッド１４０のみが示されているが、追加の基板を保持するためにより多くのキャリアヘッドを設けることができ、それによって研磨パッド１１０の表面積が効率的に使用されうる。
研磨装置１００は、１つのインシトゥモニタリングシステム１６０を含む。インシトゥモニタリングシステム１６０は、基板上の層の厚みに依存する、時間で変動する値のシーケンスを生成する。インシトゥモニタリングシステム１６０は、測定値が生成されるセンサヘッドを含み、基板とセンサヘッドとの間の相対運動によって、測定は基板上の異なる箇所で行われる。
インシトゥモニタリングシステム１６０は、渦電流モニタリングシステムになりうる。渦電流モニタリングシステム１６０は、基板上の導電層に渦電流を誘導する駆動システムと、駆動システムによって導電層に誘導される渦電流を検出する検知システムと、を含む。モニタリングシステム１６０は、プラテンと共に回転する凹部１２８に配置されるコア１６２と、コア１６２の一部の周囲に巻き付けられた少なくとも１つのコイル１６４と、配線１６８によってコイル１６４に接続された駆動及び検知回路１６６を含む。コア１６２及びコイル１６４は、センサヘッドを提供しうる。幾つかの実装では、コア１６２は、プラテン１２０の上面より上方に、例えば、研磨パッド１１０の底部にある凹部１１８の中へと突出する。
駆動及び検知回路１６６は、振動する電気信号をコイル１６４に印加し、その結果生ずる渦電流を測定するように構成されている。例えば、米国特許第６，９２４，６４１号、第７，１１２，９６０号及び第８，２８４，５６０号、並びに米国特許出願公開第２０１１−０１８９９２５号及び第２０１２−０２７６６６１号に記載されているように、駆動及び検知回路に関しては、また、コイルの構成及び位置に関しては、様々な構成が可能である。駆動及び検知回路１６６は、同一の凹部１２８又はプラテン１２０の異なる部分に配置可能で、或いは、プラテン１２０の外側に配置すること、及び、回転式電気結合１２９によって、プラテンの構成要素に連結されうる。
操作中に、駆動及び検知回路１６６はコイル１６４を駆動して、振動磁場を生成する。少なくとも磁場の一部は、研磨パッド１１０を通って基板１０へ延びる。導電層が基板１０に存在する場合には、振動磁場は導電層に渦電流を生成する。渦電流によって、導電層は、駆動及び検知回路１６６に連結されるインピーダンス源として動作する。導電層の厚みが変化すると、インピーダンスが変化し、これは駆動及び検知回路１６６によって検出することができる。
代替的に又は追加的に、反射率計又は干渉計として機能しうる光学モニタリングシステムは、凹部１２８のプラテン１２０に固定することができる。両システムが使用される場合には、光学モニタリングシステム及び渦電流モニタリングシステムは、基板の同じ部分をモニタすることができる。
ＣＭＰ装置１００はまた、コア１６２が基板１０の下にあるときを検知するため、光遮断器などの位置センサ１８０を含みうる。例えば、光遮断器は、キャリアヘッド１４０の反対側の定位置に装着されうる。フラッグ１８２は、プラテンの周縁部に取り付けられる。フラッグ１８２の取り付け位置及び長さは、コア１６２が基板１０の下を通過する間に、フラッグ１８２がセンサ１８０の光信号を遮るように選択される。代替的に又は追加的に、ＣＭＰ装置は、プラテンの角度位置を特定するためのエンコーダを含みうる。
汎用プログラマブルデジタルコンピュータなどのコントローラ１９０が、渦電流モニタリングシステム１６０から強度信号を受信する。コントローラ１９０は、プロセッサ、メモリ、Ｉ／Ｏデバイス、並びにモニタなどの出力デバイス１９２、及びキーボードなどの入力デバイス１９４を含みうる。
信号は、渦電流モニタリングシステム１６０から、回転式電気結合１２９を経由して、コントローラ１９０まで通過しうる。あるいは、回路１６６は、無線信号によってコントローラ１９０と通信することが可能である。
センサ１６２はプラテンの各回転のたびに基板の下を通過するため、導電層の厚みの情報は、インシトゥ（その場）で、かつ連続的なリアルタイムベースで（プラテンの１回転につき１回）、蓄積される。コントローラ１９０は、基板が（位置センサによって特定されるように）一般的にコア１６２の上にある時に、モニタリングシステムから測定値をサンプリングするよう、プログラムされうる。研磨が進行するにつれて導電層の厚みは変化し、サンプリングされる信号も時間と共に変動する。時間変動するサンプリングされた信号は、トレースと称されることがある。研磨中、モニタリングシステムからの測定値は出力デバイス１９２上に表示され、当該デバイスのオペレータは研磨操作の進行を視覚的にモニタすることができる。
操作中、ＣＭＰ装置１００は、充填層のバルクが除去されるときを特定するため、及び／又は、下方の停止層が実質的に露出するときを特定するため、渦電流モニタリングシステム１６０を使用することができる。検出器のロジックに対して可能な処理制御、及び終点基準は、極小値又は極大値、勾配の変化、振幅又は勾配の閾値、或いはこれらの組み合わせを含む。
コントローラ１９０はまた、キャリアヘッド１４０によって印加される圧力を制御する圧力機構に、キャリアヘッドの回転速度を制御するためのキャリアヘッド回転モーター１５４に、プラテンの回転速度を制御するためのプラテン回転モーター１２１に、又は、研磨パッドに供給されるスラリの組成を制御するためのスラリ分配システム１３０に、接続されうる。加えて、コンピュータ１９０は、米国特許第６，３９９，５０１号に記載されているように、各サンプリングゾーンの径方向位置を算出するため、及び、振幅測定値を複数の径方向範囲ごとに分類するために、渦電流モニタリングシステム１６０からの測定値と基板の下の各通過による測定値を、複数のサンプリングゾーンごとに分けるようプログラムされうる。測定値を径方向範囲ごとに分類した後、キャリアヘッドによって印加される研磨圧力のプロファイルを周期的又は連続的に修正し、改善された研磨の一様性を提供するために、膜の厚みについての情報がリアルタイムで閉ループコントローラへと送られうる。
コントローラ１９０は、研磨される層の厚みの推定値を生成するため、インシトゥモニタリングシステム１６０によって測定された信号を基板１０の上で研磨される層の厚みに関連付ける相関曲線を使用することができる。相関曲線３０３の実施例を図３に示す。図３に描かれた座標系では、水平軸はインシトゥモニタリングシステム１６０から受信した信号の値を表し、一方、垂直軸は基板１０の層の厚みに対する値を表す。所定の信号値に対して、コントローラ１９０は、対応する厚みの値を生成する相関曲線３０３を使用することができる。相関曲線３０３は、センサヘッドが信号を取得した時間又は位置に関わりなく、各信号値に対する厚みの値を予測するという点で、「静的な」公式とみなされうる。相関曲線は、多項式関数、或いは線形補間に結び付けられた参照テーブル（ＬＵＴ）など、様々な関数によって表されうる。
図１Ｂ及び図２を参照すると、基板１０に対するセンサヘッドの位置の変更は、インシトゥモニタリングシステム１６０の信号を変える結果となることがありうる。すなわち、センサヘッドが基板１０を横切ってスキャンするにつれて、インシトゥモニタリングシステム１６０は複数の領域９４（例えば、基板１０上の異なる箇所の測定スポット）を測定する。領域９４は部分的に重なりうる（図２を参照）。
図４は、センサヘッドが基板１０の下を１回通過する間に、インシトゥモニタリングシステム１６０からの１つの信号４０１を示すグラフ４２０である。信号４０１は、センサヘッドが基板の下を通過する際の、センサヘッドからの一連の個々の測定値で構成される。グラフ４２０は、測定時間又は位置（例えば、基板上での測定の半径方向の位置）の関数になりうる。いずれの場合でも、信号４０１の異なる部分は、センサヘッドによってスキャンされた基板１０上の異なる位置での測定スポット９４に対応する。したがって、グラフ４２０は、センサヘッドによってスキャンされた基板の所定の箇所に対して、信号４０１からの対応する測定信号値を示している。
図２及び図４を参照すると、信号４０１は、センサヘッドが基板１０の前方エッジと交差するときの、基板１０のエッジ領域２０３内の箇所に対応する第１の部分４２２と、基板１０の中央領域２０１内の箇所に対応する第２の部分４２４と、センサヘッドが基板１０の後方エッジと交差するときの、エッジ領域２０３内の箇所に対応する第３の部分４２６と、を含む。信号はまた、基板を外れた測定値、すなわち、センサヘッドが図２の基板１０のエッジ２０４を越える領域をスキャンするときに生成される信号に対応する部分４２８を含みうる。
エッジ領域２０３は、センサヘッドの測定スポット９４が基板エッジ２０４に重なる基板の部分に対応しうる。中央領域２０１は、エッジ領域２０３に隣接する環状アンカー領域２０２と、アンカー領域２０２によって囲まれる内部領域２０５とを含みうる。センサヘッドは、その経路２１０上でこれらの領域をスキャンし、経路２１０に沿った一連の箇所に対応する一連の測定値を生成する。
第１の部分４２２では、信号強度は初期強度（典型的には、基板及びキャリアヘッドが存在しないときに発生する信号）から高い強度まで上昇する。これは、最初に基板のエッジ２０４で基板にわずかにだけ重なっているモニタリング箇所（初期の低い値を生成する）から、基板のほぼ全体が重なっているモニタリング箇所（高い値を生成する）へ移ることによって引き起こされる。同様に、第３の部分４２６では、信号強度は、モニタリング箇所がエッジ２０４から基板に移るときに下降する。
第２の部分４２４は平坦に描かれているが、これは単純化するためで、第２の部分４２４での実際の信号は、ノイズによる変動及び層の厚みの変化を含むことがありうる。第２の部分４２４は、中央領域２０１をスキャンするモニタリング箇所に対応する。第２の部分４２４は、中央領域２０１のアンカー領域２０２をスキャンするモニタリング箇所によって引き起こされるサブ部分４２１及び４２３、並びに、中央領域２０１の内部領域２０５をスキャンするモニタリング箇所によって引き起こされるサブ部分４２７を含む。
上述のように、領域４２２、４２６での信号強度の変動は、モニタリングされる層の厚み又は導電性の固有の変動ではなく、基板エッジに重なるセンサの測定領域によって部分的に引き起こされる。その結果、信号４０１のこの歪みは、基板の特性値、例えば、基板エッジ近傍の層の厚みを計算する際の誤差の原因になりうる。この問題に対処するため、コントローラ１９０は、これらの箇所に対応する測定信号に基づく基板１０の一又は複数の箇所に対応する修正信号を生成するニューラルネットワーク（例えば、図５のニューラルネットワーク５００）を含みうる。
図５を参照すると、ニューラルネットワーク５００は、適切にトレーニングされると、基板エッジ近傍の計算された信号値の歪みを低減及び／又は除去するように構成されている。ニューラルネットワーク５００は、一群の入力５０４を受信し、一又は複数のニューラルネットワーク層を介して入力５０４を処理し、一群の出力５５０を生成する。ニューラルネットワーク５００の層は、入力層５１０、出力層５３０、及び一又は複数の隠れた層５２０を含む。
ニューラルネットワーク５００の各層は、一又は複数のニューラルネットワークノードを含む。ニューラルネットワーク層の各ニューラルネットワークノードは、一又は複数の入力値を（ニューラルネットワーク５００への入力５０４から、或いは、先行するニューラルネットワーク層の一又は複数のノードの出力から）受信し、活性化値（ａｃｔｉｖａｔｉｏｎ ｖａｌｕｅ）を生成するため、一又は複数のパラメータ値に従ってノード入力値を処理し、オプションにより、ニューラルネットワークノードの出力を生成するため、活性化値に非線形変換関数（例えば、シグモイド関数又はｔａｎｈ関数）を活性化値に適用する。
入力層５１０の各ノードは、ニューラルネットワーク５００への入力５０４のうちの１つをノード入力値として受信する。
ニューラルネットワークの入力５０４は、第１の測定信号値５０１、第２の測定信号値５０２、第Ｎ番目の測定信号値５０３に至るまで、基板１０上の複数の異なる箇所についてのインシトゥモニタリングシステム１６０の測定信号値を含む。測定信号値は、信号４０１の一連の値のうちの個々の値になりうる。
一般的に、複数の異なる箇所は、基板１０のエッジ領域２０３及びアンカー領域２０２の複数の箇所を含む。幾つかの実装では、複数の異なる箇所は、エッジ領域２０３及びアンカー領域２０２内だけにある。他の実装では、複数の異なる箇所は、基板の全領域に広がっている。
これらの測定信号値は、信号入力ノード５４４で受信される。オプションにより、ニューラルネットワーク５００の入力ノード５０４はまた、一又は複数の処理状態信号５０４（例えば、研磨装置１００のパッド１１０の摩耗の測定値）を受信する一又は複数の状態入力ノード５１６を含みうる。
隠れた層５２０及び出力層５３０のノードは、先行する層のすべてのノードからの入力を受信するように描かれている。これは、完全に接続されたフィードフォワードネットワークのケースである。しかしながら、ニューラルネットワーク５００は、非完全接続のフィードフォワードニューラルネットワーク、又は非フィードフォワードニューラルネットワークであってよい。しかも、ニューラルネットワーク５００は、一又は複数の完全接続フィードフォワード層、一又は複数の非完全接続フィードフォワード層、及び一又は複数の非フィードフォワード層のうちの少なくとも１つを含みうる。
ニューラルネットワークは、出力層５３０のノード、すなわち「出力ノード」５５０で、一群の修正信号値５５０を生成する。幾つかの実装では、ニューラルネットワーク５００に入力されたインシトゥモニタリングシステムからの各測定信号に対して、出力ノード５５０がある。この場合、出力ノード５５０の数は、入力層５１０の信号入力ノード５０４の数に対応しうる。
例えば、信号入力ノード５４４の数は、エッジ領域２０３及びアンカー領域２０２の測定値の数に等しくなることがあり、出力ノード５５０と同数になりうる。したがって、各出力ノード５５０は、信号入力ノード５４４への入力として供給された各測定信号に対応する修正信号（例えば、第１の測定信号５０１に対する第１の修正信号５５１、第２の測定信号５０２に対する第２の修正信号５５５２、及び第Ｎ番目の測定信号５０３に対する第Ｎ番目の修正信号５５３）を生成する。
幾つかの実装では、出力ノード５５０の数は、入力ノード５０４の数より少なくなる。幾つかの実装では、出力ノード５５０の数は、信号入力ノード５４４の数より少なくなる。例えば、信号入力ノード５４４の数は、エッジ領域２０３の測定値の数に等しくなりうる、或いは、エッジ領域２０３及びアンカー領域２０２の測定値の数に等しくなりうる。再び、出力層５３０の各出力ノード５５０は、信号入力ノード５０４として供給された各測定信号に対応する修正信号（例えば、第１の測定信号５０１に対する第１の修正信号５５１、但し、エッジ領域２０３から信号を受信する信号入力ノード５５４に対するもののみ）を生成する。
研磨装置１００は、修正信号を生成するため、ニューラルネットワーク５００を使用することができる。修正信号は次に、基板の箇所の第１のグループ内の各箇所、例えば、エッジ領域内の箇所（及び、場合によってはアンカー領域）について厚みを特定するように使用されうる。例えば、図４に戻って参照すると、エッジ領域に対する修正信号値は、信号４０１の修正部分４３０を提供しうる。
修正信号値４３０は、静的な公式、例えば、相関曲線を用いて、厚みの測定値に変換されうる。例えば、コントローラ１９０は、基板のエッジ箇所及び一又は複数のアンカー箇所の厚みを特定するため、ニューラルネットワーク５００を使用することができる。対象的に、コントローラ１９０は静的な公式を直接用いて、他の領域、例えば、内部領域２０５に対して厚みの測定値を生成することができる。すなわち、他の領域、例えば、内部領域２０５の信号値は、ニューラルネットワークで変換されることなく、厚みの値に変換されうる。
幾つかの実装では、所定の測定箇所に対応する修正信号値に対して、ニューラルネットワーク５００は、所定の箇所から所定の距離の範囲内にある測定箇所の信号値のみが修正信号値の決定に使用されるように、構成されうる。例えば、経路２１０上のＮ個の連続する箇所での測定値に対応する信号値Ｓ１、Ｓ２、…、ＳＭ、…ＳＮが受信されると、Ｎが受信されると、第Ｍ番目の箇所（ＲＭと示される）に対する修正信号値Ｓ’Ｍは、ＳＭ−Ｌ（ｍｉｎ １）、…ＳＭ、…ＳＭ＋Ｌ（ｍａｘ Ｎ）のみを使用して、修正信号値Ｓ’Ｍを計算することができる。Ｌの値は、最大で約２〜４ｍｍ離れた測定値が所定の修正信号値Ｓ’Ｍの生成に使用され、測定値ＳＭの箇所から約１〜２ｍｍ（例えば、１．５ｍｍ）の範囲内の測定値が使用されうるように、選択されうる。例えば、Ｌは０から４の範囲内の数（例えば、１又は２）になりうる。例えば、３ｍｍ以内の測定値が使用され、測定値間の間隔が１ｍｍの場合には、Ｌは１になり、間隔が０．５ｍｍの場合には、Ｌは２になり、間隔が０．２５ｍｍの場合には、Ｌは４になりうる。しかしながら、これは研磨装置の構成と処理条件に依存する。他のパラメータ（例えばパッドの摩耗）は依然として、修正信号値Ｓ’Ｍの計算に使用されうる。
例えば、信号入力ノード５４４の数に等しい、一又は複数の隠れた層５２０の多数の隠れたノード５７０（すなわち、「隠れノード」５７０）があってよく、各隠れノード５７０は、それぞれの信号入力ノード５４４に対応している。各隠れノード５７０は、対応する入力ノードの測定箇所から所定の距離以上離れた箇所の測定値に対応する入力ノード５４４から分離されうる（或いは、０のパラメータ値を有しうる）。例えば、Ｍ番目の隠れノードは、１番目から（Ｍ−Ｌ−１）番目までの入力ノード５４４、及び（Ｍ＋Ｌ＋１）番目からＮ番目までの入力ノードから分離されうる。同様に、各出力ノード５６０は、出力ノードの測定箇所から所定の距離以上離れた箇所の修正信号に対応する隠れノード５７０から分離されうる（或いは、０のパラメータ値を有しうる）。例えば、Ｍ番目の出力ノードは、１番目から（Ｍ−Ｌ−１）番目までの隠れノード５７０、及び（Ｍ＋Ｌ＋１）番目からＮ番目までの隠れノードから分離されうる。
幾つかの実施形態では、研磨装置１００は、複数の箇所（例えば、基板の第１のグループのエッジ領域内の箇所）の厚みを特定する静的な公式を使用することができる。これらの基板は、ニューラルネットワークのトレーニングに使用されるデータの生成に使用することができる。次に、研磨装置１００は、複数の箇所（例えば、基板の第２のグループのエッジ領域内の箇所）の厚みを特定するために使用される修正信号を生成するニューラルネットワーク５００を使用することができる。例えば、研磨装置１００は、基板の第１のグループの厚みの値を特定するため、静的な公式を適用することができ、基板の第２のグループの厚みの値を特定するために使用される修正信号を生成するため、トレーニングされたニューラルネットワーク５００を使用する。
図６は、基板１０を研磨するための例示的な処理６００のフロー図である。処理６００は、研磨装置１００によって実行されうる。
研磨装置１００は、基板１０の上の層を研磨（６０２）し、研磨中に当該層をモニタ（６０４）して、層上の異なる箇所について測定信号値を生成する。層上の箇所には、（信号４０１の領域４２２／４２６に対応する）基板のエッジ領域２０３内の一又は複数の箇所、及び（信号の領域４２１／４２３に対応する）基板のアンカー領域２０２内の一又は複数の箇所が含まれうる。アンカー領域２０２は、基板エッジ２０４から離間され、基板の中央領域２０１内にあり、したがって、基板エッジ２０４によって作り出される歪みに影響されない。しかしながら、アンカー領域２０２はエッジ領域２０３に隣接しうる。アンカー領域２０２はまた、中央領域２０１の内部領域２０５を取り囲みうる。アンカー箇所の数は、インシトゥモニタリングシステム１６０による測定スポットサイズ及び測定周波数に依存しうる。幾つかの実施形態では、アンカー箇所の数は最大値（例えば、最大値４）を超えることはできない。
研磨装置１００は、当該箇所の測定信号に基づいて、異なる箇所の各箇所に対して厚みの推定値を生成（６０６）する。これは、ニューラルネットワーク５００を介して測定信号を処理することを含む。
ニューラルネットワーク５００への入力は、異なる箇所についてインシトゥモニタリングシステム１６０によって生成される生の測定信号、又は更新された測定信号になりうる。幾つかの実施形態では、装置１００は、信号の値を正規化することによって、各測定信号を更新する。このような正規化は、ニューラルネットワークシステム５００への入力５０４の少なくとも幾つかが特定の範囲内に入る可能性を高め、次にニューラルネットワークのトレーニングの品質、及び／又は、ニューラルネットワーク５００によって行われる推論の精度を高めることができる。
ニューラルネットワーク５００の出力は、各々が入力測定信号に対応した修正信号である。測定信号が正規化された値である場合には、測定信号に対応した修正信号もまた正規化された値になる。したがって、研磨装置１００は、基板の厚みの推定に修正信号を使用する前に、このような修正信号を非正規化値に変換することが必要になることがある。
研磨装置１００は、厚みの各推定値に基づいて、研磨パラメータを修正、及び／又は、研磨終点を検出（６０８）する。
図７は、ニューラルネットワーク５００を使用して、厚みの推定値を生成するための例示的な処理７００のフロー図である。処理７００は、研磨装置１００によって実行されうる。
研磨装置１００は、基板の一群の箇所からアンカー箇所を特定（７０２）し、一群の箇所の各箇所について測定値を取得（７０４）する。幾つかの実施形態では、アンカー箇所は基板のエッジから離間されている。
研磨装置１００は、アンカー箇所の測定信号に基づいて、例えば、各測定信号をアンカー箇所の測定信号で除算して測定信号を更新することによって、アンカー箇所の各測定信号を正規化（７０６）する。研磨装置１００は次いで、ニューラルネットワーク５００を介して更新された測定信号を処理（７０８）して、各正規化された測定信号を生成し、アンカー箇所の測定信号を用いて、例えば、各測定信号をアンカー箇所の測定信号で除算して測定信号を更新することによって、修正信号を非正規化信号に変換（７１０）する。研磨装置１００は次いで、非正規化信号を使用（６１２）して、ニューラルネットワーク５００の一群の箇所の各箇所での厚みの推定値を生成する。
図８は、一群の測定信号に対して修正信号を生成するようにニューラルネットワーク５００をトレーニングするための例示的な処理８００のフロー図である。処理８００は、ニューラルネットワーク５００をトレーニングするように構成された一又は複数のコンピュータのシステムによって実行されうる。
システムは、基板の一群の箇所の各箇所に対する測定値を含む入力値に基づいて、ニューラルネットワーク５００によって生成される厚みの推定値を取得（８０２）する。システムはまた、一群の箇所の各箇所に対する厚みのグラウンドトゥルース値を取得（８０４）する。システムは、４点プローブ法などの、電気インピーダンス測定法を用いて、厚みのグラウンドトゥルース値を生成することができる。
システムは、厚みの推定値と厚みのグラウンドトゥルース値との間の誤差量を計算（８０６）し、誤差量に基づいてニューラルネットワーク５００の一又は複数のパラメータを更新する。そのようにするため、システムは、バックプロパゲーションによる勾配下降を用いるトレーニングアルゴリズムを使用してもよい。
モニタリングシステムは、様々な研磨システムにおいて使用されうる。研磨パッド又はキャリアヘッドのいずれか、或いはその両方は、移動して、研磨面と基板との相対運動を起こしうる。研磨パッドは、プラテン、供給ローラと回収ローラとの間に延びるテープ、又は連続ベルトに固定された、円形（又は他の何らかの形状）のパッドでありうる。研磨パッドは、プラテンに取り付けられうるか、研磨操作の合間にプラテン上で漸進的に送られうるか、又は、研磨中にプラテン上で連続的に駆動されうる。パッドは研磨中にプラテンに固定されうるか、又は、研磨中にプラテンと研磨パッドとの間には流体軸受が存在しうる。研磨パッドは、標準的な（例えば充填材を伴う又は伴わないポリウレタンの）粗パッド、軟性パッド、又は固定砥粒パッドでありうる。
上記の説明は渦電流モニタリングシステムに注目しているが、修正技術は、他の種類のモニタリングシステム（例えば、基板のエッジの上をスキャンする光学モニタリングシステム）に適用可能である。加えて、上記の説明は研磨システムに注目しているが、修正技術は、他の種類の基板処理システム（例えば、基板のエッジの上をスキャンするインシトゥモニタリングシステムを含む堆積システム又はエッチングシステム）に適用可能である。
本発明の数多くの実施形態について説明した。しかしながら、本発明の本質及び範囲から逸脱しない限り、様々な修正が行われうることを理解されたい。したがって、その他の実施形態は下記の特許請求の範囲内にある。

Claims (15)

  1. 基板の研磨方法であって、
    研磨ステーションで前記基板上の層を研磨することと、
    前記層上の複数の異なる箇所について複数の測定信号を生成するため、インシトゥモニタリングシステムにより、前記研磨ステーションで研磨中の前記層をモニタすることと、
    前記複数の異なる箇所の各箇所について、前記箇所での厚みの推定値を生成することであって、ニューラルネットワークを介して前記複数の測定信号を処理することを含む、生成することと、
    厚みの各推定値に基づいて研磨パラメータを修正すること、又は研磨終点を検出することのうちの、少なくとも１つと、
    を含む基板の研磨方法。
  2. 前記層の一又は複数の異なる箇所の各箇所について厚みのグラウンドトゥルース値を取得することと、
    各箇所についての厚みの前記推定値と、これに対応する前記箇所の厚みの前記グラウンドトゥルース値との間の、誤差量を計算することと、
    前記誤差量に基づいて、前記ニューラルネットワークシステムの前記パラメータを更新することと
    をさらに含む、請求項１に記載の方法。
  3. 厚みの前記グラウンドトゥルース値は４点プローブ法に基づいて特定される、請求項２に記載の方法。
  4. 基板を保持するキャリアと、
    研磨面用の支持体と、
    センサを有するインシトゥモニタリングシステムであって、層の複数の異なる箇所について測定信号を生成するように構成されたインシトゥモニタリングシステムと、
    前記センサと前記基板との間の相対運動を生成するモーターと、
    コントローラであって、
    前記インシトゥモニタリングシステムから前記複数の測定信号を受信し、
    前記複数の異なる箇所の各箇所に対して、前記箇所の厚みの推定値を生成し、前記生成することはニューラルネットワークを介して前記複数の測定信号を処理することを含み、
    厚みの各推定値に基づいて研磨パラメータを修正する、研磨終点を検出する、或いはその両方を行うように構成された、
    コントローラと、
    を備える、研磨システム。
  5. 前記コントローラはさらに、前記層の第２の複数の異なる箇所の各箇所について、前記箇所の前記測定信号に基づいて、前記箇所の厚みの推定値を生成するように構成され、前記生成することは、厚みの推定値の複数の値に、前記測定信号の複数の値に関連する静的な公式を使用することを含む、請求項４に記載の研磨システム。
  6. 前記コントローラはさらに、第２の基板の層の第３の複数の異なる箇所の各箇所について、前記箇所の前記測定信号に基づいて、前記箇所の厚みの推定値を生成するように構成され、前記生成することは、厚みの推定値の複数の値に、前記測定信号の複数の値に関連する静的な公式を使用することを含む、請求項４に記載の研磨システム。
  7. 前記インシトゥモニタリングシステムは、渦電流センサを備える、請求項４に記載の研磨システム。
  8. 一又は複数のコンピュータによって実行されると、前記一又は複数のコンピュータに操作を実行させる命令が、エンコードされたコンピュータ記憶媒体であって、前記操作は、
    研磨ステーションで基板の層の研磨中に、インシトゥモニタリングシステムから前記層の複数の異なる箇所についての複数の測定信号を受信することと、
    前記複数の異なる箇所の各箇所について、前記箇所の厚みの推定値を生成することであって、ニューラルネットワークを介して前記複数の測定信号を処理することを含む、生成することと、
    厚みの各推定値に基づいて研磨パラメータを修正すること、又は研磨終端を検出することのうちの、少なくとも１つと、
    を含む、コンピュータ記憶媒体。
  9. 前記操作はさらに、
    前記層の第２の複数の異なる箇所について、第２の複数の測定信号を受信することと、
    前記第２の複数の異なる箇所の各箇所について、前記箇所の前記測定信号に基づいて、前記箇所の厚みの推定値を生成することであって、厚みの推定値の複数の値に、前記測定信号の複数の値に関連する静的な公式を使用することを含む、生成することと、
    を含む、請求項８に記載のコンピュータ記憶媒体。
  10. 前記操作はさらに、
    第２の基板上の層の第３の複数の測定信号を受信することであって、前記第３の複数の測定信号の各々が、前記第２の基板上の前記層の第３の複数の箇所の１つの箇所に対応する、受信することと、
    前記第３の複数の異なる箇所の各箇所について、前記箇所の前記測定信号に基づいて、前記箇所の厚みの推定値を生成することであって、厚みの推定値の複数の値に、前記測定信号の複数の値に関連する静的な公式を使用することを含む、生成することと、
    を含む、請求項８に記載のコンピュータ記憶媒体。
  11. 前記ニューラルネットワークは、入力層、出力層、及び一又は複数の隠れた層を含む、一又は複数のニューラルネットワーク層を含み、
    各ニューラルネットワーク層は一又は複数のニューラルネットワークノードを含み、
    各ニューラルネットワークノードは、出力を生成するために、一組のパラメータに従って入力を処理するように構成されている、請求項８に記載のコンピュータ記憶媒体。
  12. 前記入力層のニューラルネットワークノードへの前記入力は、前記研磨ステーションのパッドの摩耗の測定値を含む、請求項１１に記載のコンピュータ記憶媒体。
  13. 前記一又は複数の異なる箇所はアンカー箇所を含み、厚みの各第１の測定値を特定することは、前記測定信号を更新するため、前記アンカー箇所についての前記測定信号に基づいて、各測定信号を正規化することを含む、請求項１１に記載のコンピュータ記憶媒体。
  14. 厚みの各推定値は正規化された値であって、前記操作はさらに、厚みの推定値を更新するために、前記アンカー箇所についての前記測定信号を用いて、厚みの各推定値を非正規化値に変換することを含む、請求項１３に記載のコンピュータ記憶媒体。
  15. 前記層の一又は複数の異なる箇所の各箇所について厚みのグラウンドトゥルース値を受信することと、
    各箇所に対する厚みの前記推定値とこれに対応する前記箇所の厚みの前記グラウンドトゥルース値と間の誤差量を計算することと、
    前記誤差量に基づいて、前記ニューラルネットワークシステムの前記パラメータを更新することと
    をさらに含む、請求項８に記載のコンピュータ記憶媒体。
JP2019556937A 2017-04-21 2018-04-13 モニタリング用のニューラルネットワークを用いた研磨装置 Active JP7227158B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023018178A JP2023075085A (ja) 2017-04-21 2023-02-09 モニタリング用のニューラルネットワークを用いた研磨装置

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762488688P 2017-04-21 2017-04-21
US62/488,688 2017-04-21
PCT/US2018/027562 WO2018194929A1 (en) 2017-04-21 2018-04-13 Polishing apparatus using neural network for monitoring

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023018178A Division JP2023075085A (ja) 2017-04-21 2023-02-09 モニタリング用のニューラルネットワークを用いた研磨装置

Publications (2)

Publication Number Publication Date
JP2020518131A true JP2020518131A (ja) 2020-06-18
JP7227158B2 JP7227158B2 (ja) 2023-02-21

Family

ID=63852385

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019556937A Active JP7227158B2 (ja) 2017-04-21 2018-04-13 モニタリング用のニューラルネットワークを用いた研磨装置
JP2023018178A Pending JP2023075085A (ja) 2017-04-21 2023-02-09 モニタリング用のニューラルネットワークを用いた研磨装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023018178A Pending JP2023075085A (ja) 2017-04-21 2023-02-09 モニタリング用のニューラルネットワークを用いた研磨装置

Country Status (6)

Country Link
US (2) US10994389B2 (ja)
JP (2) JP7227158B2 (ja)
KR (3) KR102643391B1 (ja)
CN (2) CN117325073A (ja)
TW (2) TWI789385B (ja)
WO (1) WO2018194929A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023517447A (ja) * 2020-06-24 2023-04-26 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783037B (zh) * 2017-09-25 2022-11-11 美商應用材料股份有限公司 使用機器學習方式以產生製程控制參數的半導體製造
TWI845444B (zh) 2018-04-03 2024-06-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體
TWI828706B (zh) 2018-06-20 2024-01-11 美商應用材料股份有限公司 用於原位電磁感應監控的基板摻雜補償的方法、電腦程式產品及研磨系統
US11056351B2 (en) * 2018-08-31 2021-07-06 Synaptics Incorporated Process monitor for wafer thinning
JP2020053550A (ja) * 2018-09-27 2020-04-02 株式会社荏原製作所 研磨装置、研磨方法、及び機械学習装置
JP7145084B2 (ja) * 2019-01-11 2022-09-30 株式会社荏原製作所 基板処理装置および基板処理装置において部分研磨されるべき領域を特定する方法
TWI820308B (zh) * 2019-03-21 2023-11-01 美商應用材料股份有限公司 監視化學機械拋光中的拋光墊紋理
JP2021028099A (ja) * 2019-08-09 2021-02-25 株式会社荏原製作所 終点検知装置、終点検知方法
WO2021028228A1 (en) * 2019-08-13 2021-02-18 Asml Netherlands B.V. Method for training machine learning model for improving patterning process
JP2021058955A (ja) * 2019-10-04 2021-04-15 株式会社荏原製作所 研磨装置、情報処理システム、情報処理方法及びプログラム
KR20220123053A (ko) * 2020-05-14 2022-09-05 어플라이드 머티어리얼스, 인코포레이티드 연마 동안의 인-시튜 모니터링에 사용하기 위한 신경망을 훈련시키기 위한 기법 및 연마 시스템
US11693435B2 (en) 2020-06-25 2023-07-04 Applied Materials, Inc. Ethercat liquid flow controller communication for substrate processing systems
US11794302B2 (en) 2020-12-15 2023-10-24 Applied Materials, Inc. Compensation for slurry composition in in-situ electromagnetic inductive monitoring
TWI826877B (zh) * 2020-12-18 2023-12-21 美商應用材料股份有限公司 拋光基板及匹配拋光系統之間的拋光效能的方法
US11709477B2 (en) 2021-01-06 2023-07-25 Applied Materials, Inc. Autonomous substrate processing system
US11969140B2 (en) * 2021-06-22 2024-04-30 Micron Technology, Inc. Surface cleaning
US20230011748A1 (en) * 2021-07-12 2023-01-12 Applied Materials, Inc. System and method to map thickness variations of substrates inmanufacturing systems
CN114800229B (zh) * 2022-06-27 2022-09-13 江苏中清光伏科技有限公司 双面双玻表面抛光装置及其抛光方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030028279A1 (en) * 2001-04-06 2003-02-06 Gou-Jen Wang Method for determining efficiently parameters in chemical-mechanical polishing (CMP)
US6594024B1 (en) * 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
JP2004525521A (ja) * 2001-05-02 2004-08-19 アプライド　マテリアルズ　インコーポレイテッド 光学および渦電流モニタリングによる統合終点検出システム
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2007501509A (ja) * 2003-07-31 2007-01-25 アプライド　マテリアルズ　インコーポレイテッド イン・シトゥー・プロファイル計測のための渦電流システム
JP2011164110A (ja) * 1999-12-23 2011-08-25 Kla-Tencor Corp 渦電流測定あるいは光学測定を利用して、メタライゼーション処理を実状態で監視する方法
JP2012508983A (ja) * 2008-11-14 2012-04-12 アプライド マテリアルズ インコーポレイテッド 縁部分解能強化渦電流センサ
JP2014096585A (ja) * 2012-11-08 2014-05-22 Applied Materials Inc 細長い領域のモニタリングを用いるインシトゥモニタシステム
US9281253B2 (en) * 2013-10-29 2016-03-08 Applied Materials, Inc. Determination of gain for eddy current sensor
JP2016538728A (ja) * 2013-11-27 2016-12-08 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 基板研磨中の研磨速度の制限的調整
JP2017506438A (ja) * 2014-02-12 2017-03-02 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 渦電流測定値を調整すること

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5700180A (en) * 1993-08-25 1997-12-23 Micron Technology, Inc. System for real-time control of semiconductor wafer polishing
US5433651A (en) 1993-12-22 1995-07-18 International Business Machines Corporation In-situ endpoint detection and process monitoring method and apparatus for chemical-mechanical polishing
US5559428A (en) 1995-04-10 1996-09-24 International Business Machines Corporation In-situ monitoring of the change in thickness of films
US5660672A (en) 1995-04-10 1997-08-26 International Business Machines Corporation In-situ monitoring of conductive films on semiconductor wafers
US5644221A (en) 1996-03-19 1997-07-01 International Business Machines Corporation Endpoint detection for chemical mechanical polishing using frequency or amplitude mode
JPH1076464A (ja) 1996-08-30 1998-03-24 Canon Inc 研磨方法及びそれを用いた研磨装置
US6280289B1 (en) 1998-11-02 2001-08-28 Applied Materials, Inc. Method and apparatus for detecting an end-point in chemical mechanical polishing of metal layers
WO2000026613A1 (en) 1998-11-02 2000-05-11 Applied Materials, Inc. Optical monitoring of radial ranges in chemical mechanical polishing a metal layer on a substrate
US6159073A (en) 1998-11-02 2000-12-12 Applied Materials, Inc. Method and apparatus for measuring substrate layer thickness during chemical mechanical polishing
US6172756B1 (en) 1998-12-11 2001-01-09 Filmetrics, Inc. Rapid and accurate end point detection in a noisy environment
US6190234B1 (en) 1999-01-25 2001-02-20 Applied Materials, Inc. Endpoint detection with light beams of different wavelengths
US6179709B1 (en) 1999-02-04 2001-01-30 Applied Materials, Inc. In-situ monitoring of linear substrate polishing operations
TW466153B (en) 1999-06-22 2001-12-01 Applied Materials Inc Method and apparatus for measuring a pad profile and closed loop control of a pad conditioning process
TW393563B (en) * 1999-10-21 2000-06-11 Applied Materials Inc Method of measuring film-layer's thickness in the chemical mechanical polishing
US6399501B2 (en) 1999-12-13 2002-06-04 Applied Materials, Inc. Method and apparatus for detecting polishing endpoint with optical monitoring
US6707540B1 (en) 1999-12-23 2004-03-16 Kla-Tencor Corporation In-situ metalization monitoring using eddy current and optical measurements
US6433541B1 (en) 1999-12-23 2002-08-13 Kla-Tencor Corporation In-situ metalization monitoring using eddy current measurements during the process for removing the film
KR100718737B1 (ko) 2000-01-17 2007-05-15 가부시키가이샤 에바라 세이사꾸쇼 폴리싱 장치
US6407546B1 (en) 2000-04-07 2002-06-18 Cuong Duy Le Non-contact technique for using an eddy current probe for measuring the thickness of metal layers disposed on semi-conductor wafer products
US6924641B1 (en) 2000-05-19 2005-08-02 Applied Materials, Inc. Method and apparatus for monitoring a metal layer during chemical mechanical polishing
JP3916375B2 (ja) 2000-06-02 2007-05-16 株式会社荏原製作所 ポリッシング方法および装置
JP3832198B2 (ja) 2000-06-16 2006-10-11 日本電気株式会社 半導体ウェハの研磨終点検出方法ならびにその装置
US6626736B2 (en) 2000-06-30 2003-09-30 Ebara Corporation Polishing apparatus
US6878038B2 (en) 2000-07-10 2005-04-12 Applied Materials Inc. Combined eddy current sensing and optical monitoring for chemical mechanical polishing
US6602724B2 (en) * 2000-07-27 2003-08-05 Applied Materials, Inc. Chemical mechanical polishing of a metal layer with polishing rate monitoring
US6923711B2 (en) 2000-10-17 2005-08-02 Speedfam-Ipec Corporation Multizone carrier with process monitoring system for chemical-mechanical planarization tool
TWI221435B (en) * 2001-01-20 2004-10-01 Guo-Jen Wang Method for optimizing timing control process parameters in chemical mechanical polishing
US6676482B2 (en) 2001-04-20 2004-01-13 Speedfam-Ipec Corporation Learning method and apparatus for predictive determination of endpoint during chemical mechanical planarization using sparse sampling
US6618130B2 (en) 2001-08-28 2003-09-09 Speedfam-Ipec Corporation Method and apparatus for optical endpoint detection during chemical mechanical polishing
US6821794B2 (en) 2001-10-04 2004-11-23 Novellus Systems, Inc. Flexible snapshot in endpoint detection
US6945845B2 (en) * 2003-03-04 2005-09-20 Applied Materials, Inc. Chemical mechanical polishing apparatus with non-conductive elements
US7008296B2 (en) 2003-06-18 2006-03-07 Applied Materials, Inc. Data processing for monitoring chemical mechanical polishing
US7025658B2 (en) * 2003-08-18 2006-04-11 Applied Materials, Inc. Platen and head rotation rates for monitoring chemical mechanical polishing
US7801635B2 (en) * 2007-01-30 2010-09-21 Tokyo Electron Limited Real-time parameter tuning for etch processes
JP5654753B2 (ja) * 2007-02-23 2015-01-14 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ スペクトルを使用した研磨終了点の決定
JP2009004442A (ja) * 2007-06-19 2009-01-08 Renesas Technology Corp 半導体ウェハの研磨方法
JP5080933B2 (ja) 2007-10-18 2012-11-21 株式会社荏原製作所 研磨監視方法および研磨装置
US8106651B2 (en) 2008-04-17 2012-01-31 Novellus Systems, Inc. Methods and apparatuses for determining thickness of a conductive layer
WO2010045162A2 (en) * 2008-10-16 2010-04-22 Applied Materials, Inc. Eddy current gain compensation
TW201201957A (en) 2010-01-29 2012-01-16 Applied Materials Inc High sensitivity real time profile control eddy current monitoring system
US8367429B2 (en) * 2011-03-10 2013-02-05 Taiwan Semiconductor Manufacturing Company, Ltd. Adaptive endpoint method for pad life effect on chemical mechanical polishing
CN102278967A (zh) * 2011-03-10 2011-12-14 清华大学 抛光液厚度测量装置、测量方法和化学机械抛光设备
US9023667B2 (en) 2011-04-27 2015-05-05 Applied Materials, Inc. High sensitivity eddy current monitoring system
KR102255963B1 (ko) * 2013-10-29 2021-05-24 어플라이드 머티어리얼스, 인코포레이티드 와전류 센서를 위한 게인의 결정
US9275917B2 (en) 2013-10-29 2016-03-01 Applied Materials, Inc. Determination of gain for eddy current sensor
JP6030041B2 (ja) 2013-11-01 2016-11-24 株式会社荏原製作所 研磨装置および研磨方法
US9911664B2 (en) 2014-06-23 2018-03-06 Applied Materials, Inc. Substrate features for inductive monitoring of conductive trench depth
US9754846B2 (en) * 2014-06-23 2017-09-05 Applied Materials, Inc. Inductive monitoring of conductive trench depth
KR101655074B1 (ko) 2014-11-04 2016-09-07 주식회사 케이씨텍 화학 기계적 연마 장치 및 와전류 센서를 이용한 웨이퍼 도전층 두께 측정 방법
KR102437268B1 (ko) * 2015-02-25 2022-08-29 주식회사 케이씨텍 화학 기계적 연마 시스템
US10478937B2 (en) * 2015-03-05 2019-11-19 Applied Materials, Inc. Acoustic emission monitoring and endpoint for chemical mechanical polishing
US11580375B2 (en) * 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
TW201819107A (zh) 2016-08-26 2018-06-01 美商應用材料股份有限公司 用於化學機械研磨的研磨墊厚度監測
WO2018132424A1 (en) 2017-01-13 2018-07-19 Applied Materials, Inc. Resistivity-based adjustment of measurements from in-situ monitoring
TWI845444B (zh) 2018-04-03 2024-06-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011164110A (ja) * 1999-12-23 2011-08-25 Kla-Tencor Corp 渦電流測定あるいは光学測定を利用して、メタライゼーション処理を実状態で監視する方法
US20030028279A1 (en) * 2001-04-06 2003-02-06 Gou-Jen Wang Method for determining efficiently parameters in chemical-mechanical polishing (CMP)
JP2004525521A (ja) * 2001-05-02 2004-08-19 アプライド　マテリアルズ　インコーポレイテッド 光学および渦電流モニタリングによる統合終点検出システム
US6594024B1 (en) * 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2007501509A (ja) * 2003-07-31 2007-01-25 アプライド　マテリアルズ　インコーポレイテッド イン・シトゥー・プロファイル計測のための渦電流システム
JP2012508983A (ja) * 2008-11-14 2012-04-12 アプライド マテリアルズ インコーポレイテッド 縁部分解能強化渦電流センサ
JP2014096585A (ja) * 2012-11-08 2014-05-22 Applied Materials Inc 細長い領域のモニタリングを用いるインシトゥモニタシステム
US9281253B2 (en) * 2013-10-29 2016-03-08 Applied Materials, Inc. Determination of gain for eddy current sensor
JP2016538728A (ja) * 2013-11-27 2016-12-08 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 基板研磨中の研磨速度の制限的調整
JP2017506438A (ja) * 2014-02-12 2017-03-02 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 渦電流測定値を調整すること

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023517447A (ja) * 2020-06-24 2023-04-26 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定
JP7447284B2 (ja) 2020-06-24 2024-03-11 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定

Also Published As

Publication number Publication date
TWI789385B (zh) 2023-01-11
US10994389B2 (en) 2021-05-04
JP7227158B2 (ja) 2023-02-21
KR20230062679A (ko) 2023-05-09
CN110537249B (zh) 2023-10-20
KR20190133272A (ko) 2019-12-02
KR20240033142A (ko) 2024-03-12
TWI816620B (zh) 2023-09-21
TW201842471A (zh) 2018-12-01
US20180304435A1 (en) 2018-10-25
CN110537249A (zh) 2019-12-03
KR102643391B1 (ko) 2024-03-07
CN117325073A (zh) 2024-01-02
TW202316326A (zh) 2023-04-16
WO2018194929A1 (en) 2018-10-25
JP2023075085A (ja) 2023-05-30
US20210229234A1 (en) 2021-07-29
KR102528578B1 (ko) 2023-05-04

Similar Documents

Publication Publication Date Title
JP7227158B2 (ja) モニタリング用のニューラルネットワークを用いた研磨装置
JP7441889B2 (ja) 機械学習とパッドの厚さの補正を使用した研磨装置
TWI846048B (zh) 用於拋光基板的方法及拋光系統
JP7447284B2 (ja) 研磨パッドの摩耗補償による基板層の厚さの決定

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210406

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220530

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220614

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220912

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: 20230117

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230209

R150 Certificate of patent or registration of utility model

Ref document number: 7227158

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150