JP2022016279A - 成膜システム、工場システム及びウェハの成膜方法 - Google Patents

Abstract

【課題】より複雑なユーザーのジェスチャー動作等を認識することができる情報処理装置及び動作検出装置を提供することを目的とする。【解決手段】本実施形態にかかる成膜システムは、成膜装置と、計算機と、を備え、前記成膜装置は、複数の成膜種を設置できる成膜チャンバーを有し、前記計算機は、イジングモデル又はＱＵＢＯを含む計算モデルに基づいて、成膜種の配置を設定した場合に成膜に要する時間を予測する計算領域を有する。【選択図】図１

Description

本発明は、成膜システム、工場システム及びウェハの成膜方法に関する。

ウェハ上に多層膜を成膜する成膜装置が知られている（例えば、特許文献１）。

特許第５６５０７６０号公報

成膜装置は、多層膜を構成する各層を成膜するために、複数の成膜種を有する。成膜種は、例えば、多層膜を積層する際に用いられる原料であり、例えば、スパッタリング法で用いられるターゲット材である。成膜装置は、成膜する層ごとに、所定の成膜種と対向する位置にウェハを搬送し、成膜を行う。それぞれの層ごとに求められる厚みは異なり、成膜種ごとに成膜レートは異なる。そのため、層ごとに成膜に要する時間は異なり、特定の層の成膜がスループットの律速になる場合がある。成膜装置内の成膜種の配置を変えると、ウェハが成膜待機状態になることが抑制され、搬送時間が削減され、スループットが改善する場合がある。

多層膜の層数が増えると、成膜種の数が増加し、成膜種の配置の組み合わせは無数になる。これまで成膜種の配置の設定は、作業者の経験に基づく場合が多かった。しかしながら、更なるスループットの改善が求められている。

本発明は上記事情に鑑みてなされたものであり、成膜に要する時間を低減できる成膜システム、工場システム及びウェハの成膜方法を提供することを目的とする。

本発明は、上記課題を解決するため、以下の手段を提供する。

（１）第１の態様にかかる成膜システムは、成膜装置と、計算機と、を備え、前記成膜装置は、複数の成膜種を設置できる成膜チャンバーを有し、前記計算機は、イジングモデル又はＱＵＢＯを含む計算モデルに基づいて、成膜種の配置を設定した場合に成膜に要する時間を予測する計算領域を有する。

（２）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、前記成膜種の数と前記成膜チャンバーの数の積に対応した数の要素を有し、前記要素のそれぞれはバイナリ変数であってもよい。

（３）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯのエネルギー関数は、前記成膜装置のスループットに対応したエネルギー関数を含んでもよい。

（４）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、前記要素間の相互作用パラメータを決めるパラメータとして、成膜されるウェハの搬送時間及び各工程での処理時間に対応した値を用いてもよい。

（５）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、いずれかの工程での処理が、他のチャンバーでの処理に置き換え可能かを条件として、規定されてもよい。

（６）上記態様にかかる成膜システムにおいて、前記成膜装置は、成膜以外のプロセスを行うプロセスチャンバーをさらに有し、前記プロセスチャンバーでの処理は、前記イジングモデル又は前記ＱＵＢＯにおける他のチャンバーでの処理と置き換えできない工程として規定されてもよい。

（７）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記制約は、前記成膜種のうち同じ種類の成膜種の数の上限を反映してもよい。

（８）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記制約は、前記成膜チャンバーにおける前記成膜種のスロット数の上限を反映してもよい。

（９）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、前記制約として、前記成膜チャンバーのスロット数の和に対応した数の付加要素をさらに含み、前記付加要素はバイナリ変数であってもよい。

（１０）上記態様にかかる成膜システムにおいて、上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記制約は、ウェハに対して同時成膜することがある成膜種を同じ成膜チャンバー内に配置するという条件を反映してもよい。

（１１）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記制約は、前記複数の成膜種の寿命に至る時間を略一定とするという条件を反映してもよい。

（１２）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記イジングモデル又は前記ＱＵＢＯは、前記制約として、ウェハの行程及び前記工程の処理時刻を表す付加要素をさらに有し、前記付加要素はバイナリ変数であってもよい。

（１３）上記態様にかかる成膜システムにおいて、前記イジングモデル又は前記ＱＵＢＯは、制約を有し、前記イジングモデル又は前記ＱＵＢＯは、前記制約として、投入されるウェハの投入時刻を表す付加要素をさらに有し、前記付加要素はバイナリ変数であってもよい。

（１４）上記態様にかかる成膜システムにおいて、前記計算機は、特定の成膜種の配置及び前記特定の成膜種の配置の場合に成膜に要する時間を、教師データとして記憶する記憶領域と、前記教師データを基にした機械学習により前記イジングモデル又は前記ＱＵＢＯの要素間の相互作用パラメータを決定し、計算モデルを設計する学習領域と、をさらに有してもよい。

（１５）上記態様にかかる成膜システムにおいて、前記記憶領域は、前記計算領域で予測に用いられた成膜種の配置及び前記計算領域で予測された成膜に要する時間を、教師データとして再取得してもよい。

（１６）上記態様にかかる成膜システムにおいて、前記機械学習は、ファクタライゼーションマシンによって行われてもよい。

（１７）第２の態様にかかる工場システムは、複数の装置と、計算機と、を備え、前記計算機は、イジングモデル又はＱＵＢＯを含む計算モデルに基づいて、前記装置を設置可能な複数の領域に、前記複数の装置を配置した場合に処理に要する時間を予測する計算領域を有する。

（１８）上記態様にかかる工場システムにおいて、前記計算機は、前記装置の前記領域に対する配置及び前記配置の場合に処理に要する時間を教師データとして記憶する記憶領域と、前記教師データを基にした機械学習により前記イジングモデル又は前記ＱＵＢＯの要素間の相互作用パラメータを決定し、計算モデルを設計する学習領域と、をさらに有してもよい。

（１９）第３の態様にかかるウェハの成膜方法は、成膜装置における複数の成膜種の配置を要素としてイジングモデル又はＱＵＢＯを含む計算モデルを設計する工程と、前記計算モデルに基づき、成膜種の配置の場合に成膜に要する時間を予測する工程と、前記予測された時間が所定の時間以下の場合に、前記成膜種の配置を前記成膜装置の成膜種の配置として適用する工程と、を有する。

（２０）上記態様にかかるウェハの成膜方法において、前記計算モデルを設計する工程は、特定の成膜種の配置及び前記特定の成膜種の配置の場合に成膜に要する時間を教師データとして取得する工程と、前記教師データを基にした機械学習により要素間の相互作用パラメータを決定する工程と、を有してもよい。

（２１）上記態様にかかるウェハの成膜方法において、前記計算モデルに基づき予測された時間が所定の時間以上の場合に、前記成膜種の配置及び前記成膜種の配置の際に成膜に要する時間を教師データとして再取得する工程をさらに有してもよい。

本発明に係る成膜システム、工場システム及びウェハの成膜方法は、成膜に要する時間を低減できる。

第１実施形態に係る成膜システムの模式図である。 イジングモデル、ＱＵＢＯのイメージ図である。 成膜チャンバーにおける成膜種の配置を計算モデルにおける要素の状態に反映された一例を示す。 成膜チャンバーにおける成膜種の配置を計算モデルに反映させ、制約として付加要素を加えた状態を示す一例である。 計算領域においてアニーラ計算を行う演算素子の模式図である。 スピンフォトディテクタの模式図である。 第２実施形態に係る成膜システムの模式図である。 計算モデルの設計方法のフロー図である。 第３実施形態に係る工場システムの模式図である。 実施例１、比較例１における成膜装置の全工程を示すタイムチャートである。 実施例１におけるスループットの結果を示すガント図である。 比較例１におけるスループットの結果を示すガント図である。 実施例２、比較例２における成膜装置の全工程を示すタイムチャートである。 実施例２におけるスループットの結果を示すガント図である。 比較例２におけるスループットの結果を示すガント図である。 実施例３、比較例３における成膜装置の全工程を示すタイムチャートである。 実施例３におけるスループットの結果を示すガント図である。 比較例３におけるスループットの結果を示すガント図である。 実施例４におけるスループットの結果を示す図である。

以下、本実施形態について、図面を適宜参照しながら詳細に説明する。以下の説明で用いる図面は、本実施形態の特徴をわかりやすくするために便宜上特徴となる部分を拡大して示している場合があり、各構成要素の寸法比率などは実際とは異なっていることがある。以下の説明において例示される材料、寸法等は一例であって、本発明はそれらに限定されるものではなく、その要旨を変更しない範囲で適宜変更して実施することが可能である。

「第１実施形態」
図１は、第１実施形態に係る成膜システム３００の模式図である。成膜システム３００は、成膜装置１００と計算機２００とを有する。

成膜装置１００は、例えば、複数の成膜チャンバー１０とプロセスチャンバー２０と搬送チャンバー３０とロードロックチャンバー４０とを備える。

成膜装置１００は、例えばウェハを１枚ずつ処理する方式である枚葉式を採用している成膜装置などでもよい。成膜装置１００は、スパッタリング法を用いた成膜装置、化学気相成長法を用いた成膜装置等である。

成膜チャンバー１０は、ウェハへの成膜を行うチャンバーである。１つの成膜チャンバー１０内には、例えば、複数の成膜種１を設置できる。図１に示す成膜チャンバー１０は、それぞれ８つの成膜種１を有する。１つの成膜チャンバー１０は、複数の成膜種１を有することで、複数の層を成膜できる。それぞれの成膜チャンバー１０における成膜種は、それぞれ異なってもよいし、使用頻度が高い材料からなる成膜種を複数有してもよい。

プロセスチャンバー２０は、成膜以外のプロセスを行うチャンバーである。成膜以外のプロセスとは、例えば、基板の加熱、冷却処理、成膜した膜の一部剥離処理、酸化等の化学反応処理である。搬送チャンバー３０は、それぞれのチャンバー間のウェハの搬送を行うチャンバーである。ロードロックチャンバー４０は、外部と真空領域とを繋ぐチャンバーであり、真空予備室と呼ばれる場合もある。例えば、ロードロックチャンバー４０から搬送チャンバー３０に入ったウェハは、プロセス順に、いずれかの成膜チャンバー１０又はプロセスチャンバー２０に搬送される。

計算機２００は、成膜装置１００の成膜種１の配置を決める。成膜種１の配置とは、どのチャンバーにどの成膜種１を配置するかである。計算機２００は、成膜装置１００内におけるウェハの搬送順、成膜装置１００内へのウェハの投入タイミングを決めてもよい。

計算機２００は、計算領域２０１を有する。計算領域２０１は、イジングモデル又はＱＵＢＯに基づく計算モデルを含む。計算領域２０１は、成膜種１の配置が特定の配置の場合に、成膜に要する時間を予測する。計算機２００の計算結果に基づいて成膜種１の配置を決めることができる。

イジングモデルは、複数の要素が相互作用しあい、それぞれの要素に強制力が与えられた場合に、全体として安定となる状態を予想するモデルである。図２には、イジングモデルのイメージ図である。イジングモデルは、強制力Ｆによって互いに相互作用する複数の要素Ｅを有する。それぞれの要素Ｅはスピンｓからなる。スピンｓは、上向き又は下向きのいずれかの状態を有する。要素Ｅは、バイナリ変数で表される。強制力Ｆの設定によって、隣接するスピンｓが平衡な状態が安定状態となったり、反平行な状態が安定状態となったりする。強制力Ｆは、相互作用パラメータと言われる。

イジングモデルは、以下のエネルギー関数（コスト関数）で表される。

ここでσ_ｉ、σ_ｊは入力変数であり、＋１又は－１である。σ_ｉ、σ_ｊは、図２におけるスピンｓの状態に対応する。Ｊ_ｉｊは、相互作用パラメータである。Ｊ_ｉｊは、図２における強制力Ｆに対応する。ｈ_ｉは、外的な要因に伴うパラメータである。

ＱＵＢＯ（Ｑｕａｄｒａｔｉｃ Ｕｎｃｏｎｓｔｒａｉｎｅｄ Ｂｉｎａｒｙ Ｏｐｔｉｍｉｚａｔｉｏｎ）は、イジングモデルに等価に変換可能な計算モデルである。ＱＵＢＯは、イジングモデルと同様に計算モデルに適用できる。ＱＵＢＯは以下のエネルギー関数（コスト関数）で表される。

ここでｑ_ｉ、ｑ_ｊは入力変数であり、１又は０である。ｑ_ｉ、ｑ_ｊは、イジングモデルにおけるスピンｓの状態に対応する。Ｑ_ｉｊは、ＱＵＢＯにおける相互作用パラメータである。Ｑ_ｉｊは、イジングモデルにおける強制力Ｆに対応する。

以下、ＱＵＢＯを適用する場合を例に、計算モデルの設計方法を説明する。ＱＵＢＯはイジングモデルと等価に変換可能であり、イジングモデルを適用する場合も、ＱＵＢＯの場合と同様に行うことができる。

成膜種１の配置を、ＱＵＢＯの要素Ｅにおけるスピンｓの状態（ｑ_ｉ、ｑ_ｊ）に変換する。具体的には、まず成膜種の数Ｎ_ｓｅｅｄとチャンバーの数Ｎ_ｃｈの積に対応した数の要素Ｅ（Ｘ_ｉ，ｊ）を用意する。それぞれの要素Ｅ（Ｘ_ｉ，ｊ）の状態ｘ_ｉ，ｊは、ｉ番目のチャンバーにｊ番目の成膜種を配置した場合に「１」、この場合以外の場合は「０」と規定する。

図３は、成膜種１の配置を要素Ｅに適用した場合の状態の一例である。図３の例では、ａ～ｆまでの成膜種がある。ａ～ｆまでの成膜種をそれぞれ、チャンバーＡ，Ｂに配置する。成膜種ａ、ｃ、ｄ、ｆのそれぞれは、１番目のチャンバーＡに配置され、成膜種ｂ、ｅは２番目のチャンバーＢに配置されている。この状態を要素Ｅに適用すると、要素Ｅの数は、成膜種の数である６とチャンバーの数２の積である１２になる。成膜種が配置された１番目のチャンバーＡの１，３，４，６番目が「１」となり、２番目のチャンバーＢの２，５番目が「１」となる。ＱＵＢＯのエネルギー関数の式は以下のようになる。

Ｈ_ｔは成膜に要する時間（スループット）に対応する値を示す。ＱＵＢＯの相互作用パラメータＱ（強制力Ｆ）は、例えば、以下のように規定される。

成膜に要する時間（スループット）Ｈｔは以下の式で表される。

Ｎ_{ｓｔａｃｋ}は成膜装置における全行程数である。Ｈｔは成膜装置における工程を順に追っていくことで表現される。

ｈ_ｔはｉ番目とｉ－１番目の工程の種類によって、以下の４つに場合分けされて表される。

ｉ番目の工程とｉ－１番目の工程が共に、配置するチャンバーを変更可能な成膜種での成膜の場合、ｈ_ｔは以下の式で表される。「配置するチャンバーを変更可能」とは、成膜種の配置箇所が特定のチャンバーに決定されておらず、成膜種を別のチャンバーに配置できる場合を意味する。

ここで、ｔ_ｄｅｌｉｖｅｒ_ｊ，ｋはｊ番目のチャンバーからｋ番目のチャンバーまでの搬送時間、ｔ_ｐｒｏｃｅｓｓ_{ｓｔａｃｋｉ}はｉ番目の工程の処理時間である。これらの時間は例えば実測やシミュレーション等によって入手することができる。

ｉ番目の工程が配置するチャンバーを変更可能な成膜種での成膜で、ｉ－１番目の工程が配置するチャンバーを変更できない（例えば、あるチャンバーに成膜種が固定されている）成膜種での成膜又は成膜以外のプロセスを行うプロセスチャンバー２０での処理の場合、ｈ_ｔは以下の式で表される。

ｉ番目の工程が配置するチャンバーを変更できない（例えば、あるチャンバーに成膜種が固定されている）成膜種での成膜又は成膜以外のプロセスを行うプロセスチャンバー２０での処理で、ｉ－１番目の工程が配置するチャンバーを変更可能な成膜種での成膜の場合、ｈ_ｔは以下の式で表される。

ｉ番目の工程とｉ－１番目の工程が、ともに配置するチャンバーを変更できない（例えば、あるチャンバーに成膜種が固定されている）成膜種での成膜又は成膜以外のプロセスを行うプロセスチャンバー２０での処理の場合、ｈ_ｔは以下の式で表される。

成膜における様々な制約条件に応じて、エネルギー関数に制約を付加してもよい。制約は、例えば、制約条件を満たさないパターンに対応するＱＵＢＯの要素の状態のエネルギーが大きくなるように設定する。制約は必ず設定しないといけないものではないが、制約を設定した方が計算の処理速度及び精度が上がる。

例えば、特定の材料からなる成膜種が１つのみで、同じ材料からなる成膜種を複数のチャンバーに入れることを認めない場合、各チャンバーに同時に配置できる成膜種の総数は１である。この条件は、それぞれの成膜種に対して適用される。すなわち、図３において成膜種ａをチャンバーＡに配置すると、チャンバーＢに成膜種ａを配置することはできない。この制約条件を表現するために以下のような制約を付加してもよい。

ｊ番目の成膜種を配置したチャンバー数がちょうど１の時、Ｈ_Ａは０となる。一方、それ以外の時、Ｈ_Ａは０より大きい値になり、ＱＵＢＯのエネルギー関数において高いエネルギーの状態となるように作用する。λは係数であり、０より大きい値である。λの絶対値は最適化したい値に応じて調整される。

例えば、図１に示す成膜チャンバー１０は、成膜種１の数がそれぞれ８つである。換言すると８つ以上の成膜種１をそれぞれの成膜チャンバー１０に設定することはできない。

上記の制約条件を表現するためにまず、各チャンバーに配置可能な成膜種１の数（スロット数）の総和に対応した付加要素（Ｙ_ｉ，ｋ）を追加する。Ｙ_ｉ，ｋの状態は、ｉ番目のチャンバーにｋ個の成膜種を配置する場合を「１」、この場合以外を「０」とする。図４は、付加要素（Ｙ_ｉ，ｋ）を追加した状態の一例である。図４に示すＹ_ｉ，ｋの状態は、１番目のチャンバーＡに４個、２番目のチャンバーＢに２個の成膜種をそれぞれ配置していることを表している。各チャンバーのスロット数の上限による成膜種１の配置の制限は、以下のような制約として表現できる。

Ｎ_{ｓｌｏｔ，ｉ}はｉ番目のチャンバーのスロット数を表す。右辺第１項は各チャンバーに対して付加要素（Ｙ_ｉ，ｋ）の状態の総和がちょうど１の時に０となり、それ以外の場合に０より大きな値となる。右辺第２項は、要素Ｅ（Ｘ_ｉ，ｊ）と付加要素（Ｙ_ｉ，ｋ）の状態の整合を取るために必要であり、各チャンバーに対してＸ_ｉ，ｊの状態の総和とＹ_ｉ，ｋの状態とスロット数ｋとの積が同じ場合に０となり、それ以外の場合に０より大きい値となる。

ｗ_ｊはｊ番目の成膜種の使用スロット数である。成膜を行う場合に、１つのスロットしか使用しない場合、その成膜における成膜種のｗを１とする。成膜種が複数のスロットを使用する場合とは、例えば、複数種の材料を同時スパッタリングし、所定の膜を成膜する場合である。

ある層を成膜する際に複数の成膜種から同時成膜を行う場合、同時成膜する成膜種は同じ成膜チャンバー１０内に配置する必要がある。したがって、ウェハに対して同時成膜することがある成膜種を同じ成膜チャンバー内に配置することも制約条件の一つとなる。この場合に複数の成膜種を１つの成膜種とみなして、ｗの値をその成膜種の数とする。同時成膜は、例えば、同時スパッタリングである。

成膜工程が異なるウェハのスループットを同時に向上させたい場合、それぞれのウェハの工程に対して上記のＨ_ｔを設計し、足し合わせたものを新たなＨ_ｔとする。例えば成膜工程の異なるウェハ１とウェハ２のスループットを同時に向上させたい場合、以下のような式で表されるＨ_ｔを用いてもよい。

Ｈ_ｔ１、Ｈ_ｔ２は、それぞれウェハ１、ウェハ２に対するＨｔである。ｗ_ｔ１、ｗ_ｔ２は重みである。優先してスループットを向上させたいウェハの重みが大きくなるように調整することができる。

例えば、上記２つの制約項Ｈ_Ａ、Ｈ_Ｂを付加した場合のエネルギー関数は、以下のように表現される。

また成膜種１の寿命で入れ替え作業を行う場合、その期間は成膜装置１００が停止する。成膜種１の入れ替え作業には時間がかかる。成膜種１の入れ替え回数が減ると、成膜装置１００の生産効率が高まる。複数の成膜種の寿命に至る時間が略一定となるように、制約項を設定してもよい。略一定とは、ある特定の成膜種１の寿命に至る時間を基準に、寿命に至る時間が１０％の変動の範囲内にあることを意味する。

また例えば、イジングモデル又はＱＵＢＯの制約として、ウェハの搬送順を加えてもよい。ウェハの搬送順を計算モデルに反映する際は、計算モデルに付加要素（Ｚ_m、ｔ）を加えることで表される。付加要素Ｚ_m、ｔは、ウェハの成膜装置での工程ｍと上記の工程が実行される時刻ｔで表される。ウェハの成膜装置での行程は、ロードロックチャンバーＬＬに投入されたのち、最終的にロードロックチャンバーに搬送されるまでの成膜、プロセスの処理のフローである。時刻ｔに工程ｍを処理する場合、付加要素Ｚ_m、ｔの状態ｚ_ｍ、ｔを「１」とし、それ以外の場合を「０」とする。

またウェハの成膜装置の工程におけるウェハの搬送順に加えて、成膜工程の前後の工程におけるウェハの搬送順にも拡張してもよい。例えば、エッチング装置や、レジストコーター等の枚様式製造装置の工程におけるウェハの搬送順にも拡張してもよい。

また例えば、イジングモデル又はＱＵＢＯの制約として、新たなウェハを途中で成膜チャンバーへ投入することを加えてもよい。このことを計算モデルに反映する際は、計算モデルに付加要素（Ａ_ｔ、ｗ）を加える。付加要素Ａ_ｔ、ｗは、ウェハを成膜チャンバーへ投入するタイミングｔとウェハの投入位置ｗで表される。時刻ｔにウェハｗを投入する場合、要素Ａ_ｔ、ｗの状態ａ_ｔ、ｗを１とし、それ以外の場合を０とする。

計算領域２０１は、設計された計算モデルからアニーラ計算を行う。アニーラ計算とは、それぞれの要素Ｅのスピンｓの状態ｘ、ｙに揺らぎを与え、最適状態を見つけ出す計算方法である。アニーラ計算によりＨがより小さくなる成膜種１の配置のデータ（ｘ）とその時の成膜に要する時間（スループット）が予測される。

アニーラ計算はシミュレーテッドアニーリングや進化的アルゴリズム、タブー探索等の計算方法で計算することができる。

アニーラ計算はイジングモデルやＱＵＢＯの計算に特化した専用機（アニーリングマシン）で実行することができる。例えば量子アニーリングマシン（Ｄ－ｗａｖｅ、ＮＥＣ）やコヒーレントイジングマシン（ＮＴＴ）、シミュレーテッド分岐マシン（東芝）、デジタルアニーラ（富士通）、ＣＭＯＳアニーラ（日立）等のマシンを適用することができる。

アニーラ計算に量子ゲート型の計算機を用いてもよい。例えばＱＡＱＡ（Ｑｕａｎｔｕｍ Ａｐｐｒｏｘｉｍａｔｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ）を用いればイジングモデルやＱＵＢＯを量子ゲート型計算機で計算することができる。

図５は、計算領域２０１においてアニーラ計算を行う演算素子５０の模式図である。演算素子５０は、演算部５１と通信部５２と制御部５３とを有する。

演算部５１は、上述のアニーラ計算を行う部分である。演算部５１は、量子コンピュータを含む。量子コンピュータはアニーラ計算や量子ゲート型の計算機を含めた総称である。量子コンピュータは、例えば、光素子、超伝導素子等を含む。量子コンピュータの演算は、例えば、光素子、超伝導素子等で行われる。

光素子での演算は室温で行うことができる。一方で、キロメートルを超える光ファイバを高速で動作させる必要があり、小型化や高速演算、スクィーズド光の製造など技術的な課題がある。超伝導素子での演算は、ノイズを下げるために２０ミリケルビン程度という超低温技術が必要である。

通信部５２は、演算部５１と制御部５３との通信を担う。通信部５２における信号の伝送は、例えば、金属配線、光配線を用いて行われる。

演算部５１が超伝導素子を含む場合、通信部５２における信号の伝送は、光配線を用いて行うことが好ましい。金属配線を用いると、超低温環境にある演算部５１と室温環境にある制御部５３との間における熱伝導により、演算部５１の超低温の維持が難しいためである。

通信部５２における信号の伝送に光配線を用いる場合、制御部５３近傍に、光信号を電気信号に変換する光電変換素子を設ける。光電変換素子は、例えば、スピンフォトディテクタである。

図６は、スピンフォトディテクタの模式図である。スピンフォトディテクタ６０は、磁化自由層６１と磁化固定層６２とこれらに挟まれる非磁性層６３とを有する。磁化自由層６１及び磁化自由層６２は強磁性体を含む。磁化自由層６１の磁化Ｍ６１は、磁化固定層６２の磁化Ｍ６２より反転しやすい。磁化自由層Ｍ６１に照射される光Ｌの強度が変化すると、磁化自由層６１の磁化が傾く。磁化自由層Ｍ６１に照射される光Ｌは、例えば、円偏光した光である。

磁化自由層６１の磁化Ｍ６１と磁化固定層６２の磁化Ｍ６２との相対角が変化すると、スピンフォトディテクタ６０の積層方向の抵抗値が変化する。すなわち、スピンフォトディテクタ６０は、光Ｌの強度変化をスピンフォトディテクタ６０の抵抗値という電気信号に変換できる。例えば、光Ｌの強度を高速で変化させ、磁化自由層６１の磁化方向を高速で変化させると、スピンフォトディテクタ６０は高周波信号を発生できる。

磁化自由層６１は、例えば、フェリ磁性材料である。フェリ磁性材料は、全体としては強磁性を示すが、ミクロな磁気構造は反強磁性の状態である磁性材料である。ミクロな磁気構造における第１方向に配向した磁化と第１方向と反対の第２方向に配向した磁化との間に、磁気モーメントの差があるため、全体として強磁性的な特性を示す。フェリ磁性体に外部から十分な光エネルギーが照射されると、反強磁性的な磁気構造の組み合わせが逆になり、全体として示す強磁性的な性質が逆向きになる。

フェリ磁性材料は、例えば、４ｆ電子を最外殻もつ元素と、３ｄ、４ｄ、５ｄ電子を最外殻もつ元素の合金である。フェリ磁性材料は、例えば、ＧｄＣｏＦｅ等である。フェリ磁性材料はフェライト材料のような酸化物でもよい。フェライト材料は、３ｄ元素として異なる磁気モーメントの元素を組み合わせると、フェリ磁性を発現する。

磁化自由層６１は、強磁性層とフェリ磁性材料からなるフェリ磁性層との積層構造でもよい。強磁性層は、磁気抵抗効果素子等に一般に用いられるものを適用できる。強磁性層は、例えば、Ｃｏ、Ｆｅ、Ｎｉの単体金属、これらを含む合金、又は、ホイスラー合金等である。フェリ磁性層は、光が照射されると磁化の状態が変化する。強磁性層の磁化は、フェリ磁性層の磁化の状態の変化に伴い変化する。強磁性層は、スピンフォトディテクタ６０の磁気抵抗効果に伴う抵抗変化の主を担う。フェリ磁性層は、スピンフォトディテクタ６０の光による磁化反転の主を担う。強磁性層とフェリ磁性層とで機能を分けることで、スピンフォトディテクタ６０の高速動作と高出力化を両立できる。強磁性層は、フェリ磁性層より非磁性層６３側にあることが好ましい。

また磁化自由層とフェリ磁性層との間に、スピン伝導層を挿入してもよい。スピン伝導層は、フェリ磁性体の反転の際に生成されるスピン流を強磁性層に伝搬する。その結果、強磁性層の磁化反転が誘起される。スピンフォトディテクタ６０が当該構成の場合、フェムト秒オーダーの磁化反転が可能となる。スピン伝導層は、スピン伝導特性が高いものが用いられる。スピン伝導層として、例えば、銅や銀などの金属、シリコン、ゲルマニウム、ガリウムヒ素などの半導体、グラフェンなどの２次元物質等を用いることができる。

磁化自由層６１は、例えば、強磁性材料である。一般的に、磁気抵抗効果素子において磁化自由層６１に強磁性材料が用いられる。しかしながら、スピンフォトディテクタ６０として機能するためには入射される光信号が偏光していなければならない。光信号が偏光していない場合、光信号は強磁性材料を加熱する効果を示す。この場合、光信号によって強磁性材料の磁化の向きを任意に向かせることはできない。光信号が偏光している場合、光信号の偏光によって強磁性材料の磁化の向きを任意に向かせることができる。磁化自由層６１がフェリ磁性材料である場合、加熱と冷却の過程が必要になる。磁化自由層６１が強磁性材料である場合、加熱と冷却の過程が不要であるためフェリ磁性材料である場合よりも高速に光信号を電気信号に変換することができる。

通信部５２は、演算部５１の演算結果を光信号として制御部５３へ伝え、スピンフォトディテクタは光信号を電気信号に変換する。

制御部５３は、演算部５１を制御する。制御部５３は、外部からの信号を演算部５１に伝え、演算部５１からの信号を外部へ伝える。制御部５３は、例えば、高周波測定器、発振器等を含む。制御部５３は、演算部５１での演算結果を成膜装置１００へ伝える。

アニーラ計算によって予測された成膜種１の配置のデータ（ｘ）に基づいて、実際に成膜装置１００の成膜種１の配置を置き換えることで、スループットを改善することができる。

「第２実施形態」
第２実施形態に係る成膜システムは、機械学習を用いて相互作用パラメータＱを求める点が第１実施形態と異なる。図７は、第２実施形態に係る成膜システム３０１の模式図である。成膜システム３０１は、成膜装置１００と計算機２１０とを有する。

計算機２１０は、記憶領域２０２と学習領域２０３と計算領域２０１とを有する。

記憶領域２０２は、成膜装置１００における成膜種１の配置が特定の配置の場合における成膜に要する時間を教師データとして記憶している。成膜種１の配置とは、どの成膜チャンバーに、どの材料の成膜種１が配置されているかということである。成膜種１の配置が特定の配置の場合における成膜に要する時間（スループット）は、例えば、実測に基づく。成膜種１の配置毎のスループットは、実験により求められ、教師データとして記憶領域２０２に取得される。教師データの数が多いほど、後述する計算モデルの精度が高まる。

学習領域２０３は、教師データを基にした機械学習により要素間の相互作用パラメータを決定し、計算モデルを設計する。以下、ＱＵＢＯを計算モデルに適用した場合を例に計算モデルの設計方法を説明する。

図８は、計算モデルの設計方法のフロー図である。まず学習領域２０３は、記憶領域２０２から教師データを取得する（第１ステップＳ１）。教師データは実測やシミュレーションによって取得することができる。実測の場合、複数の成膜種１の配置のパターンで成膜処理を行い、その時のスループットの実験結果を教師データとする。シミュレーションの場合も複数の成膜種１の配置のパターンで成膜処理のシミュレーションを行い、その時のスループットの計算結果を教師データとする。

教師データにおける成膜種１の配置のパターンは、無作為に選択してもよいし、機械学習の精度を高めるために、スループットが大きく異なると予想されるいくつかの配置のパターンを与えてもよいし、それぞれのパターンを組み合わせてもよい。

次いで、教師データをＱＵＢＯに当てはめる（第２ステップＳ２）。教師データにおける成膜種１の配置は、ＱＵＢＯの要素Ｅにおけるスピンｓの状態（ｑ_ｉ、ｑ_ｊ）に変換される。

次いで、学習領域２０３は、複数の教師データをＱＵＢＯに当てはめ、機械学習を行う（第３ステップＳ３）。教師データのデータ数が少ない場合は、ファクタライゼーションマシンを用いて機械学習を行ってもよい。ファクタライゼーションマシンは以下の式で表される機械学習モデルの１種である。

ｗ、ｖは機械学習によって求めるフィッティングパラメータであり、ＱＵＢＯの相互作用パラメータ（Ｑ）に対応する。Ｋは大きくすると、フィッティングパラメータの数が変化し、問題の複雑性によって適宜調整される。

機械学習を行うと、教師データに基づいた相互作用パラメータ（Ｑ）が決まる（第４ステップＳ４）。

相互作用パラメータ（Ｑ）が決まれば、計算モデルが決定する。ここで、計算モデルには必要に応じて制約を付加する。制約は、例えば、第１実施形態で提示したものである。この計算モデルは、計算領域２０１へ送られる。

計算領域２０１は、新たな成膜種１の配置を設定した場合に成膜に要する時間を、設計された計算モデルに基づいて予測する。

まず計算領域２０１は設計された相互作用パラメータ（Ｑ）からアニーラ計算を行う（第５ステップＳ５）。アニーラ計算によりＨがより小さくなる成膜種１の配置のデータ（ｘ）が出力される。

次いで、計算領域２０１で求められた成膜種１の配置のスループットを取得する（第６ステップＳ６）。スループットは実測やシミュレーションより取得できる。例えば実測の場合、計算領域２０１で求められた成膜種１の配置に変更して成膜実験をすることによりスループットを求める。シミュレーションの場合、計算領域２０１で求められた成膜種１の配置での成膜処理をシミュレーションすることでスループットを算出する。

次いで、取得したスループットが目標値に至っているか否かを判定する（第７ステップＳ７）。そのスループットが目標値以下に至っている場合は、計算機２００はその値を出力する。その計算に用いられた成膜種１の配置であれば、十分成膜に要する時間を短縮できる。一方で、スループットが目標値以下に至っていない場合は、その結果は記憶領域２０２に送られ、教師データとして再取得される。そして、スループットが目標値以下に至るまで、上記のプロセスが繰り返される。

そして、成膜装置１００における成膜種１の配置が決定したら、ウェハへの成膜が行われる。成膜される多層膜は、例えば、磁気抵抗効果素子である。磁気抵抗効果素子は、少なくとも２つの強磁性層とこれらの間に挟まれた非磁性層とを有する。強磁性層は、それぞれ複数層構成となる場合も多い。非磁性層は、導体でも半導体でも絶縁体でもよく、例えば、酸化膜、窒化膜である。

以上、本発明の実施形態について図面を参照して詳述したが、各実施形態における各構成及びそれらの組み合わせ等は一例であり、本発明の趣旨から逸脱しない範囲内で、構成の付加、省略、置換、及びその他の変更が可能である。

「第３実施形態」
第３実施形態に係る工場システムは、第１実施形態に係る成膜システムを工場全体の工場システムまで拡張したものである。図９は、第３実施形態に係る工場システムの模式図である。工場システム１０００は、計算機２００と、複数の装置５００を有する。工場内には、装置５００を設置できる設置可能領域５０１が複数ある。

装置５００間の搬送時間を削減し、スループットを向上させるために、各装置５００を装置の設置可能領域５０１に割り当てようとした場合、装置５００の数、装置の設置可能領域５０１の数が増えることによってその組み合わせは膨大となる。そこで、第１実施形態における成膜種１を装置５００に、チャンバー１０を装置の設置可能領域５０１に対応させることで、計算機２００は第１実施形態と同様の計算フローで各装置５００の装置の設置可能領域５０１への最適な配置を計算し、スループットを向上させることができる。チャンバー１０のスロット数は各装置の設置可能領域５０１における設置可能な装置５００の数に対応させればよい。

本実施形態に係る工場システムによれば、工場全体のスループットを改善することができる。

（実施例１）
実施例１は、図１に示す成膜システム３００を用いて、成膜種の配置を設定した際に、成膜に要する時間を求めた。

実施例１の成膜装置は、３つのチャンバーｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃと、トランスファチャンバーを有する。ウェハは、トランスファチャンバーを介して、３つのチャンバーの間を搬送できる。ｃｈ－Ａ、ｃｈ－Ｂには任意の成膜種を配置できるスロットがそれぞれ８個搭載されている。ｃｈ－Ｃは成膜以外のプロセスを行うチャンバーであり、成膜種を配置することはできない。

成膜種は以下の６種類である。成膜種ａ，ｂ，ｃ，ｄ，ｅは１つのスロットを使用する。成膜種ｆは４つのスロットを使用する。つまり、成膜種ｆでの成膜処理は４つのスロットから同時スパッタリングを行う。

ウェハは、ロードロックチャンバーＬＬ（図１、図１１参照）に投入されたのち、以下の図１０の時系列チャートに示す工程を左から右に向かって行い、最終的にロードロックチャンバーＬＬに搬送される。成膜装置における全行程は、上記の工程である。図１０の各ブロックは工程を表し、ブロックのうち、内部にアルファベットの記載のあるものは成膜プロセスであり、そのアルファベットは成膜に使用する成膜種を示す。成膜プロセスは、ｃｈ－Ａ又はｃｈ－Ｂで実行される。一方、ブロック１００１は成膜以外のプロセスであり、ｃｈ－Ｃで実行される。各工程の処理時間は、実測より図１０の各ブロックの幅となった。

各チャンバー間又は各チャンバーとロードロックチャンバーＬＬの間の搬送時間は、実測より以下の表の値（単位は秒）であった。

次いで、第１実施形態に示した計算フローに従って、最適配置を求めた。制約としてＨ_ＡとＨ_Ｂをエネルギー関数に付加し、λ＝２０００とした。アニーラ計算はシミュレーテッドアニーリングによって行った。

アニーラ計算によって以下の表の配置が出力された。アニーラ計算にかかった時間は２６秒であった。

上記の成膜種の配置でのスループットをシミュレーションによって求めた。結果、全行程の時間は５９分２４秒となった。図１１は、チャンバー毎に区分けした実施例１の時系列チャート（ガントチャート）である。

（比較例１）
比較例１は、各成膜種の配置を無作為に配置した。ｃｈ－Ａ、ｃｈ－Ｂに成膜種ａ，ｂ，ｃ，ｄ，ｅ，ｆを各チャンバーのスロット数の上限を超えないように無作為に以下の表のように配置した。

上記配置におけるスループットをシミュレーションによって求めたところ、１時間８分３秒となった。図１２は、チャンバー毎に区分けした比較例１の時系列チャート（ガントチャート）である。

実施例１は比較例１に対してスループットが向上した。これは図１１に示す実施例１は、図１２に示す比較例１より搬送回数、搬送時間が少ないためであると考えられる。

（実施例２）
実施例２は実施例１よりもチャンバー数、成膜種の数が増え、組み合わせが膨大となった場合の例である。実施例２の成膜装置は、６つのチャンバー、ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、ｃｈ－Ｄ、ｃｈ－Ｅ、ｃｈ－Ｆとトランスファチャンバーを有する。トランスファチャンバーを介してウェハの搬送ができる。各チャンバーのスロット数を以下の表で示す。

ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、ｃｈ－Ｄはそれぞれ５つのスロットがあり、任意の成膜種を配置できる。ｃｈ－Ｅ，ｃｈ－Ｆは成膜以外のプロセスを行うチャンバーであり、成膜種は配置できない。

実測より各チャンバー間の搬送時間は一律５０秒、ロードロックチャンバーＬＬと各チャンバー間の搬送時間は４４秒となった。

成膜種は１３種類ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ，ｊ，ｋ，ｌ，ｍが存在し、使用スロット数は全て１である。

ウェハは、ロードロックチャンバーＬＬに投入されたのち、図１３の時系列チャートに示す工程を左から右に向かって行い、最終的にロードロックチャンバーに搬送される。成膜装置における全行程は、上記の工程である。図１３の各ブロックは工程を表している。ブロックのうち、内部にアルファベットの記載のあるものは成膜プロセスであり、そのアルファベットは成膜に使用する成膜種を示す。成膜プロセスは、ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、もしくはｃｈ－Ｄで実行される。一方、ブロック２００１とブロック２００２は成膜以外のプロセスであり、ブロック２００１はｃｈ－Ｅで実行され、ブロック２００２はｃｈ－Ｆで実行される。各工程の処理時間は実測より図１３の各ブロックの幅となった。

第１実施形態の計算フローに従って、最適配置を求めた。制約としてＨ_ＡとＨ_Ｂをエネルギー関数に付加し、λ＝２０００とした。アニーラ計算はシミュレーテッドアニーリングによって行った。

アニーラ計算によって以下の表の配置が出力された。アニーラ計算にかかった時間は５４秒であった。

上記配置におけるスループットをシミュレーションによって求めたところ、１時間１９分１１秒となった。図１４は、チャンバー毎に区分けした実施例２の時系列チャート（ガントチャート）である。

（比較例２）
比較例２は、各成膜種の配置を無作為に配置した。ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ，ｃｈ－Ｄに成膜種ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ，ｊ，ｋ，ｌ，ｍを各チャンバーのスロット数の上限を超えないように無作為に以下の表７のように配置した。

上記配置におけるスループットをシミュレーションによって求めたところ、１時間３１分４１秒となった。図１５は、チャンバー毎に区分けした比較例２の時系列チャート（ガントチャート）である。

実施例２は比較例２に対してスループットが向上した。これは図１４に示す実施例２は、図１５に示す比較例２より搬送回数が少ないためであると考えられる。

（実施例３）
実施例３は実施例２よりもさらにチャンバー数が増え、組み合わせが膨大となった場合の例である。実施例３の成膜装置は、８つのチャンバー、ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、ｃｈ－Ｄ、ｃｈ－Ｅ、ｃｈ－Ｆ、ｃｈ－Ｇ、ｃｈ－Ｈとトランスファチャンバーを有する。トランスファチャンバーを介してウェハの搬送ができる。各チャンバーのスロット数を以下の表で示す。

ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、ｃｈ－Ｄ、ｃｈ－Ｅ、ｃｈ－Ｆ、ｃｈ－Ｇはそれぞれ５つのスロットがあり、任意の成膜種を配置できる。ｃｈ－Ｈは成膜以外のプロセスを行うチャンバーであり、成膜種は配置できない。

実測より各チャンバー間の搬送時間は一律５０秒、ロードロックチャンバーＬＬと各チャンバー間の搬送時間は４４秒となった。

３５種類の成膜種が存在し、使用スロット数は全て１である。

ウェハは、ロードロックチャンバーＬＬに投入されたのち、図１６の時系列チャートに示す工程を左から右に向かって行い、最終的にロードロックチャンバーに搬送される。成膜装置における全行程は、上記の工程である。図１６の各ブロックは工程を表している。ブロックのうち、内部に数字の記載のあるものは成膜プロセスであり、その数字は成膜に使用する成膜種を示す。成膜プロセスは、ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ、ｃｈ－Ｄ、ｃｈ－Ｅ、ｃｈ－Ｆもしくはｃｈ－Ｇで実行される。一方、ブロック３００１は成膜以外のプロセスであり、ｃｈ－Ｈで実行される。各工程の処理時間は実測より図１６の各ブロックの幅となった。

第１実施形態の計算フローに従って、最適配置を求めた。制約としてＨ_ＡとＨ_Ｂをエネルギー関数に付加し、λ＝４０００とした。アニーラ計算はシミュレーテッド分岐マシンによって行った。

アニーラ計算によって以下の表の配置が出力された。アニーラ計算にかかった時間は２３１秒であった。

上記配置におけるスループットをシミュレーションによって求めたところ、３時間１１分３８秒となった。図１７は、チャンバー毎に区分けした実施例２の時系列チャート（ガントチャート）である。

（比較例３）
比較例３は、各成膜種を無作為に配置した。ｃｈ－Ａ、ｃｈ－Ｂ、ｃｈ－Ｃ，ｃｈ－Ｄ、ｃｈ－Ｅ、ｃｈ－Ｆ、ｃｈ－Ｇに３５種類の成膜種を各チャンバーのスロット数の上限を超えないように無作為に以下の表１０のように配置した。

上記配置におけるスループットをシミュレーションによって求めたところ、３時間２７分２８秒となった。図１８は、チャンバー毎に区分けした比較例２の時系列チャート（ガントチャート）である。

実施例３は比較例３に対してスループットが向上した。これは図１７に示す実施例３は、図１８に示す比較例２より搬送回数が少ないためであると考えられる。

実施例３、比較例３における全ての成膜種の配置は約２．８８×１０^２５通りの組み合わせがあり、全ての成膜種１の配置におけるスループットを総当たりでシミュレーションしようとすると、例えば２００ペタフロップスの演算性能のスーパーコンピュータを用いても１０００日以上かかるため、総当たりによってスループットが向上する配置を求めることは現実的ではない。一方、本実施例は２３１秒でアニーラ計算が行えるため、短時間でスループットを向上させる配置を求めることができる。

（実施例４）
実施例４は、２枚のウェハを同時に成膜装置に投入し、並行して成膜を行う場合のスループットを求めた。

成膜装置、ウェハの工程は実施例２と同様とする。同じ工程の処理を行うウェハ１とウェハ２があり、第２実施形態に示した計算フロー（図８参照）に従って、成膜装置の成膜種の配置とそれぞれのウェハの成膜装置への投入のタイミングを最適化した。

先行して投入するウェハの投入を開始してから、２枚のウェハの処理が終わるまでの時間を削減することを目的とし、目標値は１時間３０分とした。

まず、２０個の教師データを収集した。成膜種の配置とウェハ投入のタイミングは無作為に選択し、実測に基づいてスループットのデータを収集した。

次いで収集した教師データを用いてファクタライゼーションマシンによって、機械学習を行った。ファクタライゼーションマシンのＫは８とした。ファクタライゼーションマシンのＫは、問題の複雑さによって調整されるパラメータである。機械学習によってｗ、ｖが求まり、ＱＵＢＯの相互作用パラメータ（Ｑ）に変換し、計算モデルが決定された。

次いで計算モデルをアニーリングマシンに入力して、アニーラ計算を行った。アニーリングマシンはシミュレーテッド分岐マシンを利用した。アニーラ計算により成膜種１の配置のデータ（ｘ）が出力された。

次いで成膜種１の配置のデータ（ｘ）に基づいて、実際に成膜装置の配置とウェハ投入のタイミングを設定して、スループットを実測により求めた。

実測によって求めたスループットを教師データとして追加して、上記のプロセスを繰り返した。

図１９は上記プロセスの繰り返しによって得られたスループットの結果である。上記のプロセスを繰り返すことで、徐々に時間が削減され、１０回目で目標値の１時間３０分以下となり、スループットが向上できた。

１ 成膜種、１０ 成膜チャンバー、２０ プロセスチャンバー、３０ 搬送チャンバー、４０ ロードロックチャンバー、１００ 成膜装置、２００ 計算機、２０１ 記憶領域、２０２ 学習領域、２０３ 計算領域、３００ 成膜システム、５００ 装置、１０００ 工場システム、Ｅ 要素、Ｆ 強制力、ｓ スピン、１００１、２００１、２００２、３００１ 成膜以外のプロセス

Claims (21)

1. 成膜装置と、計算機と、を備え、
   前記成膜装置は、複数の成膜種を設置できる成膜チャンバーを有し、
   前記計算機は、イジングモデル又はＱＵＢＯを含む計算モデルに基づいて、成膜種の配置を設定した場合に成膜に要する時間を予測する計算領域を有する、成膜システム。
2. 前記イジングモデル又は前記ＱＵＢＯは、前記成膜種の数と前記成膜チャンバーの数の積に対応した数の要素を有し、前記要素のそれぞれはバイナリ変数である、請求項１に記載の成膜システム。
3. 前記イジングモデル又は前記ＱＵＢＯのエネルギー関数は、前記成膜装置のスループットに対応したエネルギー関数を含む、請求項１又は２に記載の成膜システム。
4. 前記イジングモデル又は前記ＱＵＢＯは、前記要素間の相互作用パラメータを決めるパラメータとして、成膜されるウェハの搬送時間及び各工程での処理時間に対応した値を用いる、請求項１～３のいずれか一項に記載の成膜システム。
5. 前記イジングモデル又は前記ＱＵＢＯは、いずれかの工程での処理が、他のチャンバーでの処理に置き換え可能かを条件として、規定される、請求項１～４のいずれか一項に記載の成膜システム。
6. 前記成膜装置は、成膜以外のプロセスを行うプロセスチャンバーをさらに有し、
   前記プロセスチャンバーでの処理は、前記イジングモデル又は前記ＱＵＢＯにおける他のチャンバーでの処理と置き換えできない工程として規定される、請求項５に記載の成膜システム。
7. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
   前記制約は、前記成膜種のうち同じ種類の成膜種の数の上限を反映する、請求項１～６のいずれか一項に記載の成膜システム。
8. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
   前記制約は、前記成膜チャンバーにおける前記成膜種のスロット数の上限を反映する、請求項１～７のいずれか一項に記載の成膜システム。
9. 前記イジングモデル又は前記ＱＵＢＯは、前記制約として、前記成膜チャンバーのスロット数の和に対応した数の付加要素をさらに含み、
   前記付加要素はバイナリ変数である、請求項８に記載の成膜システム。
10. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
    前記制約は、ウェハに対して同時成膜することがある成膜種を同じ成膜チャンバー内に配置するという条件を反映する、請求項１～９のいずれか一項に記載の成膜システム。
11. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
    前記制約は、前記複数の成膜種の寿命に至る時間を略一定とするという条件を反映する、請求項１～１０のいずれか一項に記載の成膜システム。
12. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
    前記イジングモデル又は前記ＱＵＢＯは、前記制約として、ウェハの行程及び工程の処理時刻を表す付加要素をさらに有し、前記付加要素はバイナリ変数である、請求項１～１１のいずれか一項に記載の成膜システム。
13. 前記イジングモデル又は前記ＱＵＢＯは、制約を有し、
    前記イジングモデル又は前記ＱＵＢＯは、前記制約として、投入されるウェハの投入時刻を表す付加要素をさらに有し、前記付加要素はバイナリ変数である、請求項１～１２のいずれか一項に記載の成膜システム。
14. 前記計算機は、特定の成膜種の配置及び前記特定の成膜種の配置の場合に成膜に要する時間を、教師データとして記憶する記憶領域と、
    前記教師データを基にした機械学習により前記イジングモデル又は前記ＱＵＢＯの要素間の相互作用パラメータを決定し、計算モデルを設計する学習領域と、
    をさらに有する、請求項１～１３のいずれか一項に記載の成膜システム。
15. 前記記憶領域は、前記計算領域で予測に用いられた成膜種の配置及び前記計算領域で予測された成膜に要する時間を、教師データとして再取得する、請求項１４に記載の成膜システム。
16. 前記機械学習は、ファクタライゼーションマシンによって行われる、請求項１４又は１５に記載の成膜システム。
17. 複数の装置と、計算機と、を備え、
    前記計算機は、イジングモデル又はＱＵＢＯを含む計算モデルに基づいて、前記装置を設置可能な複数の領域に、前記複数の装置を配置した場合に処理に要する時間を予測する計算領域を有する、工場システム。
18. 前記計算機は、前記装置の前記領域に対する配置及び前記配置の場合に処理に要する時間を教師データとして記憶する記憶領域と、
    前記教師データを基にした機械学習により前記イジングモデル又は前記ＱＵＢＯの要素間の相互作用パラメータを決定し、計算モデルを設計する学習領域と、
    をさらに有する、請求項１７に記載の工場システム。
19. 成膜装置における複数の成膜種の配置を要素としてイジングモデル又はＱＵＢＯを含む計算モデルを設計する工程と、
    前記計算モデルに基づき、成膜種の配置の場合に成膜に要する時間を予測する工程と、
    前記予測された時間が所定の時間以下の場合に、前記成膜種の配置を前記成膜装置の成膜種の配置として適用する工程と、を有する、ウェハの成膜方法。
20. 前記計算モデルを設計する工程は、
    特定の成膜種の配置及び前記特定の成膜種の配置の場合に成膜に要する時間を教師データとして取得する工程と、
    前記教師データを基にした機械学習により要素間の相互作用パラメータを決定する工程と、を有する、請求項１９に記載のウェハの成膜方法。
21. 前記計算モデルに基づき予測された時間が所定の時間以上の場合に、前記成膜種の配置及び前記成膜種の配置の際に成膜に要する時間を教師データとして再取得する工程をさらに有する、請求項２０に記載のウェハの成膜方法。

Images