JP2020533787A5 - - Google Patents

Description

上述のように、ツールによって実行される１つ又は複数のプロセスステップに応じて、コントローラは、他のツール回路又はモジュール、他のツール構成要素、クラスタツール、他のツールインタフェース、隣接するツール、近くのツール、工場の至る所に位置するツール、メインコンピュータ、別のコントローラ、或いは、半導体製造工場内のツール位置及び／又はロードポートに向かって又はそこからウエハのコンテナを運ぶ材料搬送に使用されるツール、の中の１つ又は複数と通信してもよい。本開示は以下の適用例としても実現できる。
［適用例１］
基板処理のための計測システムであって、
光計測ステーションであって、
基板上の複数の測定位置からのスペクトルを測定するための複数の光センサ、
前記複数の光センサに接続される複数のファイバケーブル、及び
前記複数のファイバケーブルに選択的に接続される分光計
を含む、光計測ステーションと、
前記基板の質量又は質量変化の少なくとも一方を測定するための質量計測ステーションと、
コントローラであって、
前記複数の測定位置における厚さ値を、前記複数の測定位置からの前記スペクトル及び学習モデルに基づいて、生成するためのモデル化モジュール、及び
前記モデル化モジュールからの前記複数の測定位置における前記厚さ値、及び前記質量計測ステーションからの前記質量又は質量変化の少なくとも一方に基づいて、前記基板に関する空間厚さ分布モデルを生成するための空間モデル化モジュール
を含む、コントローラと、
を備える計測システム。
［適用例２］
適用例１に記載の計測システムであって、前記複数のファイバケーブルに其々接続される複数のシャッタを更に備え、前記複数のシャッタは、一度に複数のファイバケーブル中の１本から前記分光計に、順次スペクトルを出力するように構成される、計測システム。
［適用例３］
適用例１に記載の計測ステーションであって、前記学習モデルは、機械学習を使用して、生成される、計測ステーション。
［適用例４］
適用例３に記載の計測ステーションであって、前記機械学習は、線形モデル、サポートベクタマシンモデル、決定木モデル、ランダムフォレストモデル及びガウスモデルから成る群から選択される教師あり学習モデルを含む、計測ステーション。
［適用例５］
適用例１に記載の計測ステーションであって、前記学習モデルは、第一原理モデルに基づく、計測ステーション。
［適用例６］
適用例５に記載の計測ステーションであって、前記第一原理モデルは、フレネルマルチビーム干渉、厳密結合波解析 （ＲＣＷＡ：ｒｉｇｏｒｏｕｓ ｃｏｕｐｌｅｄ−ｗａｖｅ ａｎａｌｙｓｉｓ）、又は時間領域差分法（ＦＤＴＤ：ｆｉｎｉｔｅ−ｄｉｆｆｅｒｅｎｃｅ ｔｉｍｅ−ｄｏｍａｉｎ）から成る群から選択される、計測ステーション。
［適用例７］
適用例１に記載の計測システムであって、前記基板は、複数のダイを含み、前記光センサは、複数の隣接するダイの部分からサンプルを生成するビーム径を有する、計測システム。
［適用例８］
適用例１に記載の計測システムであって、前記学習モデルは、複数のサンプル基板の複数の測定位置からの前記スペクトルを、前記複数のサンプル基板に関する前記複数の測定位置に対するスタンドアロン計測ステーションによって生成された厚さデータ、限界寸法データ、深さデータ、及び物質密度データの中少なくとも１つと関連付けることによって、生成される、計測システム。
［適用例９］
適用例１に記載の計測システムであって、前記学習モデルは、主成分分析を実行することによって、生成される、計測システム。
［適用例１０］
適用例１に記載の計測システムであって、前記空間モデル化モジュールは、前記質量又は質量変化の少なくとも一方を、回帰分析中の制約又は境界条件の少なくとも一方として使用する、計測システム。
［適用例１１］
適用例１に記載の計測システムであって、前記学習モデルは、オートエンコーダを使用して、生成される、計測システム。
［適用例１２］
適用例１に記載の計測システムであって、少なくとも１個の前記光センサの位置を調節するために、光センサ位置決め装置を更に備える、計測システム。
［適用例１３］
適用例１に記載の計測システムであって、前記基板支持体の位置を調節するために、基板支持体位置決め装置を更に備える、計測システム。
［適用例１４］
適用例１に記載の計測システムであって、前記複数の光センサは、前記基板の対向する表面からのスペクトルを測定する、計測システム。
［適用例１５］
適用例１に記載の計測システムであって、前記空間モデル化モジュールは、フィルム処理前に前記基板の厚さに更に基づいて、前記基板に関する前記空間厚さ分布モデルを生成する、計測システム。
［適用例１６］
基板処理のための計測を提供する方法であって、
基板上の複数の測定位置からのスペクトルを測定するために、複数の光センサを含む光計測ステーションを提供することと、
前記基板の質量又は質量変化の少なくとも一方を測定することと、
前記基板の前記複数の測定位置における厚さ値を、前記複数の測定位置からの前記スペクトル及び学習モデルに基づいて、生成することと、
前記複数の測定位置における前記厚さ値、及び前記質量又は質量変化の少なくとも一方に基づいて、前記基板に関する空間厚さ分布モデルを生成することと、
を備える、方法。
［適用例１７］
適用例１６に記載の方法であって、前記学習モデルは、機械学習を使用して生成される、方法。
［適用例１８］
適用例１７に記載の方法であって、前記機械学習は、線形モデル、サポートベクタマシンモデル、決定木モデル、ランダムフォレストモデル及びガウスモデルから成る群から選択される教師あり学習モデルを含む、方法。
［適用例１９］
適用例１６に記載の方法であって、前記モデルは、第一原理モデルに基づく、方法。
［適用例２０］
適用例１９に記載の方法であって、前記第一原理モデルは、フレネルマルチビーム干渉、厳密結合波解析 （ＲＣＷＡ）、又は時間領域差分法（ＦＤＴＤ）から成る群から選択される、方法。
［適用例２１］
適用例１６に記載の方法であって、前記基板は、複数のダイを含み、前記光センサは、複数の隣接するダイの部分からサンプルを生成するのに十分なビーム径を有する、方法。
［適用例２２］
適用例１６に記載の方法であって、複数のサンプル基板の複数の測定位置からの前記スペクトルを、前記複数のサンプル基板に関する前記複数の測定位置に対するスタンドアロン計測ステーションによって生成された厚さデータ、限界寸法データ、深さデータ、及び物質密度データの中少なくとも１つと関連付けることによって、前記学習モデルを生成することを更に備える、方法。
［適用例２３］
適用例１６に記載の方法であって、主成分分析を実行することによって前記モデルを生成することを更に備える、方法。
［適用例２４］
適用例１６に記載の方法であって、前記質量又は質量変化の少なくとも一方を、前記空間厚さ分布モデルのための回帰分析中の制約又は境界条件の少なくとも一方として使用することを更に備える、方法。
［適用例２５］
適用例１６に記載の方法であって、オートエンコーダを使用して前記学習モデルを生成することを更に備える、方法。
［適用例２６］
適用例１６に記載の方法であって、前記基板に関して前記スペクトルを測定中に、少なくとも１個の前記光センサの位置を調節することを更に備える、方法。
［適用例２７］
適用例１６に記載の方法であって、前記基板に関して前記スペクトルを測定中に、前記基板を支持する基板支持体の位置を調節することを更に備える、方法。
［適用例２８］
適用例１６に記載の方法であって、前記基板の対向する表面からスペクトルを発生させる、方法。
［適用例２９］
適用例１６に記載の方法であって、
フィルム処理の前に前記基板の厚さを生成することと、
フィルム処理の前に前記基板の厚さに更に基づいて、前記基板に関する前記空間厚さ分布モデルを生成することと、
を更に備える、方法。

Claims (29)

1. 基板処理のための計測システムであって、
   光計測ステーションであって、
   基板上の複数の測定位置からのスペクトルを測定するための複数の光センサ、
   前記複数の光センサに接続される複数のファイバケーブル、及び
   前記複数のファイバケーブルに選択的に接続される分光計
   を含む、光計測ステーションと、
   前記基板の質量又は質量変化の少なくとも一方を測定するための質量計測ステーションと、
   コントローラであって、
   前記複数の測定位置における厚さ値を、前記複数の測定位置からの前記スペクトル及び学習モデルに基づいて、生成するためのモデル化モジュール、及び
   前記モデル化モジュールからの前記複数の測定位置における前記厚さ値、及び前記質量計測ステーションからの前記質量又は質量変化の少なくとも一方に基づいて、前記基板に関する空間厚さ分布モデルを生成するための空間モデル化モジュールであって、前記質量は、前記空間厚さ分布モデルによって制約として使用される、空間モデル化モジュール
   を含む、コントローラと、
   を備える計測システム。
2. 請求項１に記載の計測システムであって、前記複数のファイバケーブルに其々接続される複数のシャッタを更に備え、前記複数のシャッタは、一度に複数のファイバケーブル中の１本から前記分光計に、順次スペクトルを出力するように構成される、計測システム。
3. 請求項１に記載の計測システムであって、前記学習モデルは、機械学習を使用して、生成される、計測システム。
4. 請求項３に記載の計測システムであって、前記機械学習は、線形モデル、サポートベクタマシンモデル、決定木モデル、ランダムフォレストモデル及びガウスモデルから成る群から選択される教師あり学習モデルを含む、計測システム。
5. 請求項１に記載の計測システムであって、前記学習モデルは、第一原理モデルに基づく、計測システム。
6. 請求項５に記載の計測システムであって、前記第一原理モデルは、フレネルマルチビーム干渉、厳密結合波解析 （ＲＣＷＡ：ｒｉｇｏｒｏｕｓ ｃｏｕｐｌｅｄ−ｗａｖｅ ａｎａｌｙｓｉｓ）、又は時間領域差分法（ＦＤＴＤ：ｆｉｎｉｔｅ−ｄｉｆｆｅｒｅｎｃｅ ｔｉｍｅ−ｄｏｍａｉｎ）から成る群から選択される、計測システム。
7. 請求項１に記載の計測システムであって、前記基板は、複数のダイを含み、前記光センサは、複数の隣接するダイの部分からサンプルを生成するビーム径を有する、計測システム。
8. 請求項１に記載の計測システムであって、前記学習モデルは、複数のサンプル基板の複数の測定位置からの前記スペクトルを、前記複数のサンプル基板に関する前記複数の測定位置に対するスタンドアロン計測ステーションによって生成された厚さデータ、限界寸法データ、深さデータ、及び物質密度データの中少なくとも１つと関連付けることによって、生成される、計測システム。
9. 請求項１に記載の計測システムであって、前記学習モデルは、主成分分析を実行することによって、生成される、計測システム。
10. 請求項１に記載の計測システムであって、前記空間モデル化モジュールは、前記質量又は質量変化の少なくとも一方を、回帰分析中の制約又は境界条件の少なくとも一方として使用する、計測システム。
11. 請求項１に記載の計測システムであって、前記学習モデルは、オートエンコーダを使用して、生成される、計測システム。
12. 請求項１に記載の計測システムであって、少なくとも１個の前記光センサの位置を調節するために、光センサ位置決め装置を更に備える、計測システム。
13. 請求項１に記載の計測システムであって、基板支持体の位置を調節するために、基板支持体位置決め装置を更に備える、計測システム。
14. 請求項１に記載の計測システムであって、前記複数の光センサは、前記基板の対向する表面からのスペクトルを測定する、計測システム。
15. 請求項１に記載の計測システムであって、前記空間モデル化モジュールは、フィルム処理前に前記基板の厚さに更に基づいて、前記基板に関する前記空間厚さ分布モデルを生成する、計測システム。
16. 基板処理のための計測を提供する方法であって、
    基板上の複数の測定位置からのスペクトルを測定するために、複数の光センサを含む光計測ステーションを提供することと、
    前記基板の質量又は質量変化の少なくとも一方を測定することと、
    前記基板の前記複数の測定位置における厚さ値を、前記複数の測定位置からの前記スペクトル及び学習モデルに基づいて、生成することと、
    前記複数の測定位置における前記厚さ値、及び前記質量又は質量変化の少なくとも一方に基づいて、前記基板に関する空間厚さ分布モデルを生成することであって、前記質量は、前記空間厚さ分布モデルによって制約として使用される、ことと、
    を備える、方法。
17. 請求項１６に記載の方法であって、前記学習モデルは、機械学習を使用して生成される、方法。
18. 請求項１７に記載の方法であって、前記機械学習は、線形モデル、サポートベクタマシンモデル、決定木モデル、ランダムフォレストモデル及びガウスモデルから成る群から選択される教師あり学習モデルを含む、方法。
19. 請求項１６に記載の方法であって、前記モデルは、第一原理モデルに基づく、方法。
20. 請求項１９に記載の方法であって、前記第一原理モデルは、フレネルマルチビーム干渉、厳密結合波解析 （ＲＣＷＡ）、又は時間領域差分法（ＦＤＴＤ）から成る群から選択される、方法。
21. 請求項１６に記載の方法であって、前記基板は、複数のダイを含み、前記光センサは、複数の隣接するダイの部分からサンプルを生成するのに十分なビーム径を有する、方法。
22. 請求項１６に記載の方法であって、複数のサンプル基板の複数の測定位置からの前記スペクトルを、前記複数のサンプル基板に関する前記複数の測定位置に対するスタンドアロン計測ステーションによって生成された厚さデータ、限界寸法データ、深さデータ、及び物質密度データの中少なくとも１つと関連付けることによって、前記学習モデルを生成することを更に備える、方法。
23. 請求項１６に記載の方法であって、主成分分析を実行することによって前記モデルを生成することを更に備える、方法。
24. 請求項１６に記載の方法であって、前記質量又は質量変化の少なくとも一方を、前記空間厚さ分布モデルのための回帰分析中の制約又は境界条件の少なくとも一方として使用することを更に備える、方法。
25. 請求項１６に記載の方法であって、オートエンコーダを使用して前記学習モデルを生成することを更に備える、方法。
26. 請求項１６に記載の方法であって、前記基板に関して前記スペクトルを測定中に、少なくとも１個の前記光センサの位置を調節することを更に備える、方法。
27. 請求項１６に記載の方法であって、前記基板に関して前記スペクトルを測定中に、前記基板を支持する基板支持体の位置を調節することを更に備える、方法。
28. 請求項１６に記載の方法であって、前記基板の対向する表面からスペクトルを発生させる、方法。
29. 請求項１６に記載の方法であって、
    フィルム処理の前に前記基板の厚さを生成することと、
    フィルム処理の前に前記基板の厚さに更に基づいて、前記基板に関する前記空間厚さ分布モデルを生成することと、
    を更に備える、方法。