JP2022501207A - Ｃｍｐプロセス制御アルゴリズムへの入力としてのマシンビジョン - Google Patents

Ｃｍｐプロセス制御アルゴリズムへの入力としてのマシンビジョン Download PDF

Info

Publication number
JP2022501207A
JP2022501207A JP2021515551A JP2021515551A JP2022501207A JP 2022501207 A JP2022501207 A JP 2022501207A JP 2021515551 A JP2021515551 A JP 2021515551A JP 2021515551 A JP2021515551 A JP 2021515551A JP 2022501207 A JP2022501207 A JP 2022501207A
Authority
JP
Japan
Prior art keywords
substrate
insitu
monitoring system
polishing
image
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
JP2021515551A
Other languages
English (en)
Other versions
JP7472111B2 (ja
JPWO2020068345A5 (ja
Inventor
ベンジャミン シェリアン，
チュン チェン，
ニコラス ウィズウェル，
ドミニク ジェー． ベンヴェニュ，
ボグスロー エー． スウェデク，
トーマス エイチ． オスターヘルド，
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 JP2022501207A publication Critical patent/JP2022501207A/ja
Publication of JPWO2020068345A5 publication Critical patent/JPWO2020068345A5/ja
Application granted granted Critical
Publication of JP7472111B2 publication Critical patent/JP7472111B2/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
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/02—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation according to the instantaneous size and required size of the workpiece acted upon, the measuring or gauging being continuous or intermittent
    • B24B49/04—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation according to the instantaneous size and required size of the workpiece acted upon, the measuring or gauging being continuous or intermittent involving measurement of the workpiece at the place of grinding during grinding operation
    • 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
    • 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
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67092—Apparatus for mechanical treatment
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • 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
    • G06N3/048—Activation functions

Landscapes

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

Abstract

基板の化学機械研磨中に、第１のインシトゥモニタリングシステムによって、研磨中の基板上の測定箇所における層の厚さに応じた信号値が特定される。第２のインシトゥ撮像システムによって、基板の少なくとも測定箇所の画像が生成される。画像に基づいて測定箇所の特徴値を特定するために、マシンビジョン処理（例えば畳み込みニューラルネットワーク）が使用される。次いで、特徴値と信号値の両方に基づいて測定値が計算される。【選択図】図５

Description

本開示は、例えば化学機械研磨などの処理中の、基板の光学モニタリングに関する。
集積回路は、典型的には、シリコンウエハ上に導電層、半導電層、又は絶縁層を順次堆積させることによって、基板上に形成される。ある製造ステップは、非平坦面の上に充填層を堆積させること、及び、この充填層を平坦化することを伴う。一部の応用では、充填層は、パターンニングされた層の上面が露出するまで平坦化される。例えば、絶縁層のトレンチ又は孔を充填するために、パターニングされた絶縁層上に導電性の充填層が堆積されうる。平坦化の後に、導電層の、絶縁層の盛り上がったパターンの間に残っている部分が、ビア、プラグ、及びラインを形成し、これらが、基板上の薄膜回路間の導電経路を提供する。その他の応用では、充填層は、下層の上に所定の厚さが残るまで平坦化される。例えば、堆積された誘電体層が、フォトリソグラフィのために平坦化されうる。
化学機械研磨（ＣＭＰ）は、一般に認められた１つの平坦化法である。この平坦化法では、典型的には、基板がキャリアヘッドに装着されることが必要になる。基板の露出面は、典型的には、耐久性のある粗面を有する回転研磨パッドに当接するように置かれる。キャリアヘッドは、基板に制御可能な負荷を付与して、基板を研磨パッドに押し付ける。典型的には、研磨液（例えば、研磨粒子を有するスラリ）が研磨パッドの表面に供給される。
ＣＭＰの問題の１つは、望ましいプロファイル（例えば、望ましい平坦度若しくは厚さまで平坦化された、又は望ましい材料量が除去された基板層）を実現するのに適切な研磨速度を使用することである。基板層の初期厚、スラリ分布、研磨パッドの状態、研磨パッドと基板との間の相対スピード、及び基板への負荷が変動することにより、一基板の両端間で又は基板ごとに、材料の除去速度が変動しうる。このような変動は、研磨終点に到達するのに必要な時間、及び除去量の変動の原因となる。したがって、単に研磨時間の関数として研磨終点を決定すること、又は、単に一定の圧力を印加することによって望ましいプロファイルを実現することが、可能ではないことがある。
一部のシステムでは、基板は、例えば光学モニタリングシステム又は渦電流モニタリングシステムによって、研磨中にインシトゥ（その場）でモニタされる。インシトゥのモニタリングシステムからの厚さの測定値は、研磨速度を調整し、ウエハ内不均一性（ＷＩＷＮＵ）を低減するよう、基板に印加される圧力を調整するために使用されうる。
研磨システムは、研磨パッドを保持するための支持体と、研磨パッドと接触させて基板を保持するためのキャリアヘッドと、支持体とキャリアヘッドとの間に相対運動を発生させるためのモータと、基板上の測定箇所における層の厚さに応じた信号を生成するための、第１のインシトゥモニタリングシステムと、インシトゥモニタリングシステムが基板上の測定箇所について信号を生成するのと実質的に同じ時間に、基板の少なくとも測定箇所の画像を生成するための、第２のインシトゥ撮像システムと、コントローラとを、含む。このコントローラは、第２のインシトゥ撮像システムから画像を受信して、マシンビジョン処理を使用してこの画像に基づき測定箇所の特徴値を特定することと、インシトゥモニタリングシステムから信号を受信することと、特徴値と信号値の両方に基づいて、測定値を生成することと、測定値に基づいて、基板の研磨の停止と研磨パラメータの調整の少なくとも一方を行うこととを、実行するよう設定される。
別の態様では、基板の処理を制御するためのコンピュータプログラム製品は、一又は複数のプロセッサに、第１のインシトゥモニタリングシステムから、研磨されている基板上の測定箇所における層の厚さに応じた信号値を受信することと、第２のインシトゥ撮像システムから、基板の少なくとも測定箇所の画像データを受信することと、マシンビジョン処理を使用して、画像に基づいて測定箇所の特徴値を特定することと、特徴値と信号値の両方に基づいて、測定値を生成することと、測定値に基づいて、基板の研磨の停止と研磨パラメータの調整の少なくとも一方を行うこととを、実行させるための命令を含む。
実行形態は、以下の特徴のうちの一又は複数を含みうる。
マシンビジョン処理は、人工ニューラルネットワークを用いて画像を処理することを含みうる。この人工ニューラルネットワークは、畳み込み（ｃｏｎｖｏｌｕｔｉｏｎａｌ）ニューラルネットワークでありうる。コントローラは、画像とこの画像の既知の特徴値とを含むトレーニングデータを使用して、逆行性伝播によって人工ニューラルネットワークをトレーニングするよう設定されうる。
第１のインシトゥモニタリングシステムは、測定箇所の測定スペクトルを生成するための分光モニタリングシステムを含みうる。人工ニューラルネットワークは、基板の測定箇所に対応する部分の分類を特定するよう設定されうる。この分類は、基板上の構造物の種類に対応しうる。構造物の種類は、アレイ、スクライブライン、周縁部、及び接触パッドのうちの少なくとも１つを含みうる。この分類に基づいて、参照スペクトルの複数のライブラリのうちの１つが選択されうる。
第１のインシトゥモニタリングシステムは、測定箇所の信号値を生成するための渦電流モニタリングシステムを含みうる。人工ニューラルネットワークは、測定箇所における電流の流れに影響を与えるフィーチャ（特徴部）の形状寸法値を特定するよう設定されうる。この形状寸法値は、距離、サイズ、又は配向のうちの少なくとも１つを含みうる。
画像データの測定箇所に対応する部分が特定されうる。第２のインシトゥ撮像システムからの画像データは、第１のインシトゥモニタリングシステムからの信号と同期されうる。
ある種の実行形態は、以下の利点のうちの一又は複数を有しうる。プロセス制御技法は、ダイのパフォーマンス感度が高い部分をターゲットにするものでありうる。基板上の層の厚さが、より正確にかつ／又は迅速に測定されうる。ウエハ内の厚さ不均一性及びウエハ毎の厚さ不均一性（ＷＩＷＮＵ及びＷＴＷＮＵ）の低減、及び、望ましい処理終点を検出するための終点システムの信頼性の向上が、可能になる。ＣＭＰ後メトリクスは、平均ダイ厚（製品のパフォーマンスとは無関係なダイのエリアを含みうる）とは対称的に、歩留まり及び／又は製品のパフォーマンス感度が高い部分に基づくものでありうる。
一又は複数の実施形態の詳細について、添付図面及び以下の説明に明記する。その他の特徴、態様、及び利点は、明細書、図面、及び特許請求の範囲から自明となろう。
研磨装置の一例の概略断面図である。 インシトゥの光学モニタリングシステムの概略図である。 インシトゥの渦電流モニタリングシステムの概略図である。 研磨装置の概略上面図である。 ラインスキャン撮像システムの概略図を示す。 研磨装置のコントローラの一部として使用されるニューラルネットワークを示す。 経時的な測定値のグラフを示す。
様々な図面における類似の参照番号及び名称は、類似した要素を示している。
様々な技法（例えば渦電流モニタリング及び光学モニタリング）が、処理中に基板をモニタするために使用されうる。かかるモニタリング技法は、二段階で進行しうる。第１に、モニタリングシステムからの生信号（例えば分光光度計からの測定スペクトル、又は渦電流モニタリングシステムからの電圧）が、より有用な形態の測定値（例えば研磨中の進行を表現する指数、又は厚さ値）に変換される。次いで、処理が進行する際の経時的な測定値のシーケンスが、プロセス制御に使用するためにモニタされうる。例えば、測定値のシーケンスにある関数がフィッティングされてよく、この関数が閾値に到達すると予測される時間が、研磨終点をトリガするため又はその他の研磨パラメータを制御するために使用されうる。
モニタリングシステムのセンサが基板の両端間をスイープすれば、基板上の種々の位置において測定が行われうる。結果として、測定は、基板の種々の領域（例えば、スクライブライン内の領域に対するダイにおける領域）において、又はダイ内の種々の領域（例えばアレイや接触パッドなど）において行われうる。上記の種々の領域は、別々の特性を有することがあり、別々の生信号を提供しうる。生信号を有用な測定値に適切に変換するためには、測定が行われる領域の種類を特定することが有用でありうる。
測定の径方向位置が、（例えば、キャリアヘッドに対する基板の回転ズレ（ｒｏｔａｔｉｏｎａｌ ｓｌｉｐｐａｇｅ）によって）特定可能であっても、基板上の測定の角度位置は全く分からないことがある。結果として、商品化されているインシトゥモニタリング技法は、生信号を有用な測定値に変換する際に、ダイのどこで測定が行われているかを勘案してはいない。
更に、一部のモニタリングシステムでは、生信号の一部を却下する（例えば、スペクトルの形状に基づいてあるスペクトルを却下する）ためにフィルタリングが実施されるが、かかる技法は、基板の周辺部分からの情報を使用しない。
しかし、インシトゥ撮像器によって収集された画像は、基板（この基板では別のモニタリングシステムによって測定が実施されている）の特性を特定するために、機械学習技法（例えば畳み込みニューラルネットワーク）によって処理されうる。この特性とは、例えば、測定が行われている領域の種類（スクライブライン、アレイ、周縁部など）、又は、測定の場所に対する様々なフィーチャ（保護リングなど）の相対的な配向及び／若しくは距離でありうる。この特性は次いで、インシトゥモニタリングシステムに入力として供給されて、生信号の測定値への変換に影響を与えうる。
図１は、研磨装置２０の一例を示している。研磨装置２０は回転可能な円盤形状のプラテン２２を含んでよく、プラテン２２の上に研磨パッド３０が配置されている。プラテンは、軸２３を中心に回転するよう動作可能である。例えば、モータ２４が、ドライブシャフト２６を回してプラテン２２を回転させうる。
研磨パッド３０は、例えば接着剤の層によって、プラテン２２に取り外し可能に固定されうる。研磨パッド３０は、外側の研磨層３２と、より軟性のバッキング層３４とを有する、二層研磨パッドでありうる。研磨パッド３０にはウインドウ３６が形成されうる。
研磨装置２０は、研磨パッド３０の上に研磨液４２（研磨スラリなど）を分注するための、研磨液供給ポート４０を含みうる。研磨装置２０は、研磨パッド３０を磨いて一定した研磨状態に維持するための、研磨パッドコンディショナーも含みうる。
キャリアヘッド５０は、研磨パッド３０に当接させて基板１０を保持するよう動作可能である。各キャリアヘッド５０は、個別に制御可能かつ与圧可能な複数の室（例えば３つの室５２ａ〜５２ｃ）も含み、これらの室は、基板１０上の関連ゾーンに、個別に制御可能な圧力を印加しうる。基板上の中心ゾーンは実質的に円形であってよく、それ以外のゾーンは、中心ゾーンの周囲の同心環状ゾーンでありうる。
室５２ａ〜５２ｃは、基板１０が装着される底面を有する、可撓膜５４によって画定されうる。キャリアヘッド５０は、可撓膜５４の下に基板１０を保持するための保持リング５６も含みうる。簡潔に示すために図１には３つの室のみを図示しているが、単一の室、２つの室、又は４つ以上の室（例えば５つの室）が存在することもある。加えて、キャリアヘッド５０では、基板に印加される圧力を調整するための他の機構（圧電アクチュエータなど）も使用されることもある。
各キャリアヘッド５０が、支持構造物６０（カルーセルや軌道など）から懸架され、かつ、ドライブシャフト６２によってキャリアヘッド回転モータ６４に接続されることにより、キャリアヘッドは軸５１を中心に回転しうる。オプションで、各キャリアヘッド５０は、軌道に沿った運動により（例えばカルーセルのスライダで）横方向に、又はカルーセル自体の回転揺動によって、揺動しうる。稼働中、プラテン２２はその中心軸２３を中心に回転し、キャリアヘッド５０は、その中心軸５１を中心に回転し、かつ研磨パッド３０の上面の両端間で横方向に平行移動する。
研磨装置は、第１のインシトゥモニタリングシステム１００及び第２のインシトゥ撮像システム１５０も含む。インシトゥモニタリングシステム１００とインシトゥ撮像システム１５０とは共に、研磨パラメータ（例えば、室５２ａ〜５２ｃのうちの一又は複数内の圧力）を制御するため、及び／又は研磨終点を検出して、研磨を停止するために、使用されうる。
第１のインシトゥモニタリングシステム１００は、研磨されている層の厚さに応じた生信号を生成する、センサ１００ａ（図３参照）を含む。第１のインシトゥモニタリングシステム１００は、例えば渦電流モニタリングシステム、又は光学モニタリングシステム（分光モニタリングシステムなど）でありうる。
センサは、基板の両端間をスイープするよう設定されうる。例えば、センサは、プラテンが１回転するごとにアーチを描いて基板の両端間をスイープするように、プラテン２２に固定され、かつプラテン２２と共に回転しうる。
図２Ａを参照するに、光学モニタリングシステムとしては、第１のインシトゥモニタシステム１００は、光源１０２、光検出器１０４、及び、コントローラ９０（コンピュータなど）と光源１０２及び光検出器１０４との間で信号を送受信するための回路網１０６を含みうる。光源１０２からウインドウ３６に光を伝送するため、及び、基板１０から検出器１０４に反射光を伝送するために、一又は複数の光ファイバが使用されうる。例えば、光を光源１０２からウインドウ３６に伝送し、検出器１０４に戻すために、分岐型光ファイバ１０８が使用されうる。この実行形態では、分岐型ファイバ１０８の端部が、基板の両端間をスイープするセンサを提供しうる。光学モニタリングシステムが分光システムである場合、光源１０２は白色光を放出するよう動作可能であってよく、検出器１０４は分光計でありうる。
図２Ｂを参照するに、渦電流モニタリングシステムとしては、第１のインシトゥモニタリングシステム１００は、磁性コア１１２と、コア１１２の一部分の周りに巻かれた少なくとも１つのコイル１１４とを含みうる。駆動・感知回路網１１６が、コイル１１４に電気的に接続されている。駆動・感知回路網１１６はコイル１１４にＡＣ電流を印加可能であり、コイル１１４は、コア１１２の両極間に、基板１０内まで達しうる磁場を生成する。この実行形態では、コア１１２及びコイル１１４が、基板の両端間をスイープするセンサを提供しうる。回路網１１６は、コイル１１４に並列接続されたキャパシタを含みうる。コイル１１４とキャパシタとは共に、ＬＣ共振タンクを形成しうる。磁場１５０は、導電層に到達すると、（この層がループである場合には）通過して電流を生成しうるか、又は（この層がシートである場合には）渦電流を生じさせうる。これにより、ＬＣ回路の有効インピーダンスが改変される。駆動・感知回路網１１６は、有効インピーダンスの変化を検出し、コントローラ９０に送られうる信号を生成しうる。
いずれの場合においても、回路網１０６又は１１６の出力はデジタル電子信号であってよく、このデジタル電子信号は、ドライブシャフト２６の回転カプラ２８（スリップリングなど）を通過して、コントローラ９０に至る（図１参照）。あるいは、回路網１０６又は１１６は、無線信号によってコントローラ９０と通信することもある。回路網１０６又は１１６の一部又は全部が、プラテン２２内に設置されうる。
コントローラ９０は、マイクロプロセッサ、メモリ、及び入出力回路網を含むコンピューティングデバイス（プログラマブルコンピュータなど）でありうる。コントローラ９０は、単一のブロックで図示されているが、複数のコンピュータに機能が分散されている、ネットワーク化されたシステムであることもある。
コントローラ９０は、信号の処理の一部分（例えば、「生」信号の可用測定値への変換）を実施しうるので、第１のモニタリングシステムの一部分を提供すると考えられうる。
図３に示しているように、プラテンの回転（矢印Ａで示している）によって、センサ１００ａがキャリアヘッドの下を通る際に、第１のインシトゥモニリングタシステムは一定のサンプリング頻度で測定を行う。その結果として、基板１０を横切るように弧を描く複数の場所９４において、測定が行われる（測定点の数は例示であり、サンプリング頻度に応じて、図示しているよりも多い又は少ない数の測定がお行われることが可能である）。基板も回転（矢印Ｂで示している）すること、及び径方向に揺動（矢印Ｃで示している）することが可能である。
研磨システム２０は、第１のインシトゥモニタリングシステム１００のセンサ１００ａが、いつ基板１０の下にあり、いつ基板１０の外部にあるのかを感知するために、位置センサ９６（光インタラプタなど）を含みうる。例えば、位置センサ９６は、キャリアヘッド７０の反対側の定位置に装着されうる。フラッグ９８が、プラテン２２の周縁部に取り付けられうる。フラッグ９８の取り付け箇所及び長さは、センサ１００ａがいつ基板１０の下方をスイープするかをフラッグ９８が位置センサ９６に信号伝達しうるように、選択される。
代替的又は追加的には、研磨システム２０は、プラテン２２の角度位置を特定するためのエンコーダを含みうる。
プラテンの１回転で、基板１０の種々の位置からスペクトルが取得される。詳細には、一部のスペクトルは基板１０の中心に近い場所から取得され、別の一部はエッジに近い場所から取得されうる。コントローラ９０は、時間に基づくスキャン、モータエンコーダ情報、プラテンの回転若しくは位置のセンサデータ、並びに／又は、基板及び／若しくは保持リングのエッジの光学検出から、各測定の（基板１０の中心に対する）径方向位置を計算するよう、設定されうる。ゆえに、コントローラは、様々な測定値と基板上の様々なゾーンとを関連付けうる。一部の実行形態では、径方向位置の正確な計算のための代替物として、測定時間が使用されうる。
インシトゥ撮像システム１５０は、基板１０の、第１のインシトゥモニタリングシステム１００が測定を行うのと実質的に同じ部分の画像を生成するよう、配置される。つまり、撮像システムのカメラは、インシトゥモニタリングシステム１００のセンサと共配置される。
図４を参照するに、インシトゥ撮像システム１５０は、光源１５２、光検出器１５４、及び、コントローラ９０と光源１５２及び光検出器１５４との間で信号を送受信するための回路網１５６を含みうる。
光源１５２は白色光を放射するよう動作可能でありうる。ある実行形態では、放射される白色光は２００〜８００ナノメートルの波長を有する光を含む。好適な光源は、白色光発光ダイオード（ＬＥＤ）のアレイ、又はキセノンランプ若しくはキセノン水銀ランプである。光源１５２は、光１５８を非ゼロの入射角αで基板１０の露出面に導くよう配向される。入射角αは例えば約３０°〜７５°（５０°など）でありうる。
光源１５２は、実質的に線形の狭長領域を照射しうる。この狭長領域は、基板１０の幅全体にわたりうる。光源１５２は、光源からの光を狭長領域に拡張させるため光学素子（ビームエクスパンダなど）を含みうる。代替的に又は追加的には、光源１５２は光源の線形アレイを含みうる。光源１５２自体が（基板上の照射領域も）狭長型であってよく、基板の表面に平行な長手方向軸を有しうる。
光が基板１０に到達する前に光を拡散させるために、ディフューザー１６０が光の経路１６８上に配置されうるか、又は光源１６２がディフューザーを含みうる。
検出器１５４は、光源１５２からの光に感応するカメラ（例えばカラーカメラ）である。カメラは検出器素子のアレイを含む。例えば、カメラはＣＣＤアレイを含みうる。一部の実行形態では、アレイは検出器素子の単一の列である。例えば、カメラはラインスキャンカメラでありうる。検出器素子の列は、光源１５２によって照射された狭長領域の長手方向軸に平行に延在しうる。光源１５２が発光素子の列を含む場合、検出器素子の列は、光源１５２の長手方向軸に平行な第１の軸に沿って延在しうる。検出器素子の列は１０２４個以上の素子を含みうる。
検出器１５４は、検出器１５４の検出器素子のアレイ上に基板の視野を投影するのに適した集束光学素子１６２を伴って構成される。この視野は、基板１０の全幅を視認するのに十分な長さ（例えば１５０〜３００ｍｍの長さ）でありうる。検出器１６４は、ピクセル幅がピクセル長と同等になるようにも構成されうる。例えば、ラインスキャンカメラの利点は、そのフレームレートが非常に高速であることである。このフレームレートは、少なくとも５ｋＨｚでありうる。フレームレートは、撮像エリアが基板１０の両端間をスキャンする際にピクセル幅がピクセル長と同等に（例えば約０．３ｍｍ以下に）なるような、周波数に設定されうる。
光源１６２及び光検出器１６４は、プラテンの凹部（例えば、第１のインシトゥモニタリングシステム１００のセンサを保持しているのと同じ凹部）内に支持されうる。
基板の両端間を一緒に動くラインスキャンカメラと光源とを有することで可能になる利点は、例えば従来型の２Ｄカメラと比較して、ウエハ上の別々の位置でも、光源とカメラとの間の相対角度が一定に保たれることである。結果として、視野角の変化によって引き起こされるアーチファクトが低減しうるか、又はなくなりうる。加えて、従来型の２Ｄカメラは内在的な射影ひずみを示すので、画像変換による補正が必要となるのに対して、ラインスキャンカメラは、射影ひずみをなくすことが可能である。
オプションで、例えば基板１０と検出器１５４との間の光の経路上に、偏光フィルタ１６４が配置されうる。偏光フィルタ１６４は円偏光子（ＣＰＬ）でありうる。典型的なＣＰＬは、線形偏光子と１／４波長板とを組み合わせたものである。偏光フィルタ１６４の偏光軸を適切に配向することで、画像のかすみ（ｈａｚｅ）を低減させること、及び望ましい視覚的特徴を際立たせるか又は強調することが可能になる。
コントローラ９０が、光検出器１５４からの個別の画像ラインを組み合わせて、二次元画像にする。カメラ１６４は、（例えば赤青緑の各々について）別個の検出器素子を有するカラーカメラであってよく、この場合、コントローラ９０は、光検出器１５４からの個別の画像ラインを組み合わせて二次元カラー画像にする。この二次元カラー画像は、カラーチャネルの各々（例えば、赤青緑のカラーチャネルの各々）について、白黒画像２０４、２０６、２０８を含みうる。
図５を参照するに、コントローラ９０は、インシトゥモニタリングシステムからの生信号を有用な測定値に変換しうる。コントローラ９０は、第１のインシトゥモニタリングシステム１００からの信号と、第２のインシトゥ撮像システム１５０からの画像データの両方を使用して、測定値を計算する。インシトゥ撮像システム１５０から収集された画像は、第１のインシトゥモニタリングシステム１００から収集されたデータストリームと同期されうる。
詳細には、コントローラ９０は、インシトゥ撮像システム１５０からの画像を、マシンビジョンシステム２００に供給する。マシンビジョンシステム２００は、基板の第１のインシトゥモニタリングシステム１００によって測定されている部分の特性値を抽出するよう設定されている。マシンビジョンシステムは、例えニューラルネットワーク２１０を含みうる。ニューラルネットワーク２１０は、畳み込みニューラルネットワークでありうる。
ニューラルネットワーク２１０は、複数の入力ノード２１２（例えば、インシトゥ撮像システム１５０からの画像内の各ピクセルのための入力ノード２１２）を含む。これらは、入力ノードＮ１、Ｎ２、…ＮＬを含みうる。ニューラルネットワーク２１０は、複数の隠れノード２１４（以下では「中間ノード」とも称される）、及び、少なくとも１つの特徴値を生成する少なくとも１つの出力ノード２１６も含む。
一般に、隠れノード２１４は、隠れノードが接続されているノードからの値の加重和の非線形関数である、値を出力する。
例えば、ある隠れノード２１４（ノードｋ）の出力は、次のように表わされうる：
ｔａｎｈ（０．５×ａｋ１（Ｉ１）＋ａｋ２（Ｉ２）＋…＋ａｋＭ（ＩＭ）＋ｂｋ） 方程式１
ここで、ｔａｎｈは双曲線正接であり、ａｋｘはｋ番目の中間ノードと（Ｍ個の入力ノードのうちの）ｘ番目の入力ノードとの間の接続の重みであり、かつ、ＩＭはＭ番目の入力ノードの値である。しかし、ｔａｎｈの代わりに他の非線形関数（例えば、正規化線形ユニット（ＲｅＬＵ）関数及びその変種）も使用されうる。
ニューラルネットワーク２１０のアーキテクチャは、深度と幅とが変動しうる。中間ノード２１４の単一の縦列を有するニューラルネットワーク２１０が図示されているが、実際問題としては、ニューラルネットワークは、様々な種類の接続を有しうる多数の縦列を含みうる。畳み込みニューラルネットワークは、分類の前に、畳み込みとプーリングの複数のイテレーションを実施しうる。
ニューラルネットワーク２１０は、例えば、サンプル画像及びサンプル特徴値を伴う逆行性伝播を使用して、トレーニングモードでトレーニングされうる。ゆえに、マシンビジョンシステム２００は稼働中に、インシトゥ撮像システム１５０からの画像に基づいて特徴値を生成する。これは、インシトゥモニタリングシステム１００から受信される、「生信号」の値の各々について実施されうる。
インシトゥモニタリングシステム１００からの生信号と、生信号と同期されている（例えば、基板上の同じ箇所に対応する）特徴値とが、変換アルゴリズムモジュール２２０に入力される。変換アルゴリズムモジュール２２０は、特徴値及び生信号をもとに測定値を計算する。
この測定値は、典型的には外層の厚さであるが、関連特性（除去された厚さなど）であることもある。加えて、測定値は、研磨プロセス中の基板の進捗をより一般的に表現するもの（例えば、既定の進捗に従った研磨プロセスにおいて測定が観測されることが予期される時間又はプラテンの回転数を表す指標値）でありうる。
測定値は、一連の特性値に基づき、研磨プロセスにおいて研磨プロセスを調整し（例えば、研磨終点を検出して研磨を停止し）、かつ／又は研磨圧力を調整して、研磨不均一性を低減するために、プロセス制御サブシステム２４０に供給されうる。このプロセス制御モジュール２４０は、処理パラメータ（例えば、キャリアヘッド内の室の圧力及び／又は研磨を停止させるための信号）を出力しうる。
例えば、図６を参照するに、第１関数２５４は、第１ゾーンの測定値２５２のシーケンス２５０にフィッティングされてよく、第２関数２６４は、第２ゾーンの特性値２６２のシーケンス２６０にフィッティングされうる。プロセスコントローラ２４０は、第１関数と第２関数が射影されてターゲット値Ｖに到達する時間Ｔ１及びＴ２を計算し、かつ、調整後の処理パラメータ（例えば調整後のキャリアヘッド圧力）を計算しうる。この調整後の処理パラメータにより、複数のゾーンがほぼ同時にターゲットに到達するように、ゾーンのうちの１つが修正後の速度（線２７０で示している）で研磨されることになる。
研磨終点は、特性値がターゲット値Ｖに到達することを関数が示す時間において、プロセスコントローラ２４０によってトリガされうる。
一部の実行形態では、変換アルゴリズムモジュール２２０とプロセス制御モジュール２４０のいずれかにおいて、複数の測定値が組み合わされうる。例えば、センサが基板の両端間を単一回スキャンすることからシステムが複数の測定値を生成するのであれば、変換アルゴリズムモジュール２２０は、単一回のスキャンによる複数の測定値を組み合わせて、一スキャンあたりの単一の測定値と基板上の径方向ゾーンあたりの単一の測定値のいずれかを生成しうる。しかし、一部の実行形態では、センサ１００ａが生信号値を生成する箇所９４の各々（図３参照）について、１つの測定値が生成される。
一部の実行形態では、ニューラルネットワーク２１０が、複数の出力ノードにおいて複数の特徴値を生成する。一又は複数の更なる特徴値（すなわち、厚さ測定値を表わす特徴値以外のもの）は、ウエハ上の、ウエハ配向や基板上の構造物の種類（メモリアレイや中央処理ユニットなど）といった、基板の別の特徴を表現しうる。この更なる特徴値（複数可）は、プロセス制御２４０に供給されうる。
例１
インシトゥモニタリングシステム１００は、分光モニタリングシステムでありうる。同一のウインドウ３６が、この分光モニタリングシステムとインシトゥ撮像システム１５０のセンサとなりうる。基板１０のスペクトルが収集された部分の二次元画像を再構築するために、インシトゥ撮像システム１５０のラインスキャンカメラからのデータのウインドウであって、インシトゥモニタリングシステム１００によるスペクトルの取得時間を中心とするウインドウが、使用されうる。
マシンビジョンシステム２００は、畳み込みニューラルネットワーク（ＣＮＮ）２１０を含みうる。ニューラルネットワーク２１０をトレーニングするには、一又は複数の基準基板（ｒｅｆｅｒｅｎｃｅ ｓｕｂｓｔｒａｔｅｓ）からの一連の画像が、適切な分類（例えばアレイ、スクライブライン、周縁部、接触パッドなど）に、手動で識別されうる。画像に分類を割り当てることは、「アノテーション（ａｎｎｏｔａｔｉｏｎ）」と称されることもある。基準基板からの画像と分類は次いで、ニューラルネットワーク２１０を画像分類器としてトレーニングするために、例えば逆行性伝播を使用して、トレーニングモードのニューラルネットワークに入力されうる。かかる画像分類器は、トレーニング前の画像分類ネットワークに新たなドメインからのいくつかの追加画像が示される、転移学習（ｔｒａｎｓｆｅｒ ｌｅａｒｎｉｎｇ）を使用することにより、比較的少数の割り当て画像を用いてトレーニングされうることに、留意されたい。
稼働中、画像は、製品基板の研磨中にニューラルネットワーク２１０に供給される。ニューラルネットワーク２１０の出力は、リアルタイムで、測定スペクトルの各々と基板のスペクトルが取得された部分の分類とを関連付けるために使用される。
畳み込みニューラルネットワークによる画像分類は、厚さの推定又は予測に使用される別のモデルに供給される前に、測定スペクトルと結び付けられ（ｃｏｎｃａｔｅｎａｔｅｄ）うる。
分類は、変換アルゴリズムモジュール２２０によって使用されうる。例えば、コントローラ９０は、各参照スペクトルが関連測定値（例えば指標値）を有している、参照スペクトルの複数のライブラリを格納しうる。コントローラ９０は、ニューラルネットワーク２１０から受信した分類に基づいて、ライブラリのうちの１つを選択しうる。次いで、例えば、測定スペクトルとの差の二乗の最小和を有する参照スペクトルを見出すことによって、選択されたライブラリから、測定スペクトルと最も良く一致する参照システムが特定されうる。この最も良く一致する参照スペクトルの指標値が次いで、測定値として使用されうる。
例２
インシトゥモニタリングシステム１００は、渦電流モニタリングシステムでありうる。渦電流モニタリングシステムのセンサ１００ａとインシトゥ撮像システム１５０のセンサとは、共配置される（例えば、プラテンの同一の凹部内に配置される）。インシトゥ撮像システム１５０のラインスキャンカメラは、基板の両端間のセンサ１００ａのスイープの全てをカバーする、時間同調画像を生成する。
マシンビジョンシステム２００は、畳み込みニューラルネットワーク（ＣＮＮ）２１０を含みうる。ニューラルネットワーク２１０をトレーニングするために、有効電流が流れる基板のフィーチャ（例えば保護リング）の形状寸法（例えば位置、サイズ、及び／又は配向）が、手動で識別されうる。基準基板からの画像と形状寸法値は次いで、ニューラルネッワーク２１０をフィーチャ形状寸法再構築器としてトレーニングするために、例えば逆行性伝播を使用して、トレーニングモードのニューラルネットワークに入力されうる。
稼働中、画像は、製品基板の研磨中にニューラルネットワーク２１０に供給される。ニューラルネットワーク２１０の出力は、リアルタイムで、渦電流モニタリングシステムからの測定値の各々と基板のスペクトルが取得された部分の形状寸法値とを関連付けるために使用される。
ニューラルネットワーク２１０により生成された形状寸法値は、変換アルゴリズムモジュール２２０によって使用されうる。渦電流信号から抵抗までのマップは、基板上のフィーチャの相対的な配向及び場所に応じたものになる。例えば、基板上の導電性ループに対するセンサ１００ａの感度は、ループの配向によって決まりうる。コントローラ９０は、形状寸法値（例えば配向）に基づいて利得を計算する機能を含みうる。この利得は次いで、信号に適用されうる（例えば、信号値が利得で乗算されうる）。ゆえに、形状寸法値は、渦電流センサデータがどのようにインタープリトされるかを調整するために使用されうる。
結論
本発明の実施形態、及び、この明細書に記載の機能的動作の全ては、デジタル電子回路において、又はこの明細書で開示されている構造手段及びその構造的均等物を含むコンピュータソフトウェア、ファームウェア、若しくはハードウェアにおいて、又はこれらの組合せにおいて、実装されうる。本発明の実施形態は、一又は複数のコンピュータプログラム製品（すなわち、プログラマブルプロセッサ、コンピュータ、又は複数のプロセッサ若しくはコンピュータといったデータ処理装置によって実行される、又はかかるデータ処理装置の動作を制御するための機械可読記憶媒体において有形に具現化される一又は複数のコンピュータプログラム）として、実装されうる。コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーションまたはコードとしても既知である）は、コンパイル型言語又はインタープリタ型言語を含む、任意の形態のプログラミング言語で書かれてよく、かつ任意の形態（スタンドアロンプログラムとして、又はモジュール、構成要素、サブルーチン、若しくはコンピューティング環境で使用されるのに適しているその他のユニットとしてのものを含む）でデプロイされうる。１つのコンピュータプログラムは、必ずしも１つのファイルに対応するわけではない。プログラムは、他のプログラム又はデータを保持するファイルの一部分に、対象プログラム専用の単一のファイルに、又は複数の協調ファイル（例えば、一又は複数のモジュール、サブプログラム、若しくはコードの部分を格納するファイル）に、格納されうる。コンピュータプログラムは、一ケ所の１つの若しくは複数のコンピュータで、又は、複数ケ所に分散され通信ネットワークによって相互接続された複数のコンピュータで、実行されるようデプロイされうる。
この明細書に記載のプロセス及び論理フローは、一又は複数のプログラマブルプロセッサによって実施されてよく、この一又は複数のプログラマブルプロセッサは、入力データで動作しかつ出力を生成することによって機能を実施しうる。プロセス及び論理フローは、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）又はＡＳＩＣ（特定用途向け集積回路）といった特殊用途の論理回路網によって実施されてもよく、装置が、かかる特殊用途の論理回路網として実装されることも可能である。
上述した研磨装置及び研磨方法は、多種多様な研磨システムに適用されうる。研磨パッドとキャリアヘッドのいずれか又は両方が、研磨面と基板との間に相対運動をもたらすよう動きうる。例えば、プラテンは、回転するのではなく軌道周回しうる。研磨パッドは、プラテンに固定された円形の（又は他の何らかの形状の）パッドでありうる。研磨システムは、例えば、研磨パッドが、線形に動く連続した又はリールツーリールのベルトである、線形研磨システムでありうる。研磨層は、標準的な（例えば、フィラーを伴うことも伴わないこともあるポリウレタンの）研磨材料、軟性材料、又は固定研磨材料（ｆｉｘｅｄ−ａｂｒａｓｉｖｅ ｍａｔｅｒｉａｌ）でありうる。相対配置という語が、構成要素の配向及び位置付けに関して使用されているが、研磨面及び基板は、重力に対して垂直の配向に、または他の何らかの配向に保持されうると理解すべきである。
上記では化学機械研磨を中心に説明してきたが、制御システムは、その他の半導体処理技法（例えば、エッチングや化学気相堆積などの堆積）にも適合しうる。ラインスキャンカメラではなく、基板の二次元領域を撮像するカメラが使用されることもある。この場合、複数の画像を組み合せることが必要になりうる。
本発明の特定の実施形態について説明してきた。その他の実施形態も、以下の特許請求の範囲に含まれる。

Claims (15)

  1. 研磨パッドを保持するための支持体と、
    前記研磨パッドと接触させて基板を保持するためのキャリアヘッドと、
    前記支持体と前記キャリアヘッドとの間に相対運動を発生させるためのモータと、
    前記基板上の測定箇所における層の厚さに応じた信号を生成するための、第１のインシトゥモニタリングシステムと、
    前記インシトゥモニタリングシステムが前記基板上の前記測定箇所について前記信号を生成するのと実質的に同じ時間に、前記基板の少なくとも前記測定箇所の画像を生成するための、第２のインシトゥ撮像システムと、
    コントローラであって、
    前記第２のインシトゥ撮像システムから前記画像を受信し、マシンビジョン処理を使用して前記画像に基づき前記測定箇所の特徴値を特定することと、
    前記インシトゥモニタリングシステムから前記信号を受信することと、
    前記特徴値と信号値の両方に基づいて、測定値を生成することと、
    前記測定値に基づいて、前記基板の研磨の停止と研磨パラメータの調整の少なくとも一方を行うこととを、実行するよう設定されたコントローラとを備える、
    研磨システム。
  2. 前記マシンビジョン処理が人工ニューラルネットワークを含む、請求項１に記載のシステム。
  3. 前記コントローラが、画像と前記画像の既知の特徴値とを含むトレーニングデータを使用して、逆行性伝播によって前記人工ニューラルネットワークをトレーニングするよう設定されている、請求項２に記載のシステム。
  4. 前記第１のインシトゥモニタリングシステムが、前記測定箇所の測定スペクトルを生成するための分光モニタリングシステムを含む、請求項２に記載のシステム。
  5. 前記人工ニューラルネットワークは、前記基板の前記測定箇所に対応する部分の分類を特定するよう設定され、前記分類は前記基板上の構造物の種類に対応する、請求項４に記載のシステム。
  6. 前記構造物の種類は、アレイ、スクライブライン、周縁部、及び接触パッドのうちの少なくとも１つを含む、請求項５に記載のシステム。
  7. 前記第１のインシトゥモニタリングシステムが、前記測定箇所の信号値を生成するための渦電流モニタリングシステムを含む、請求項２に記載のシステム。
  8. 前記人工ニューラルネットワークが、前記測定箇所における電流の流れに影響を与えるフィーチャの形状寸法値を特定するよう設定されている、請求項７に記載のシステム。
  9. 前記形状寸法値が距離、サイズ、配向のうちの少なくとも１つを含む、請求項８に記載のシステム。
  10. 非一過性のコンピュータ可読媒体において有形に具現化される、基板の処理を制御するためのコンピュータプログラム製品であって、プロセッサに、
    第１のインシトゥモニタリングシステムから、研磨されている基板上の測定箇所における層の厚さに応じた信号値を受信することと、
    第２のインシトゥ撮像システムから、前記基板の少なくとも前記測定箇所の画像データを受信することと、
    マシンビジョン処理を使用して、前記画像に基づいて前記測定箇所の特徴値を特定することと、
    前記特徴値と前記信号値の両方に基づいて、測定値を生成することと、
    前記測定値に基づいて、前記基板の研磨の停止と研磨パラメータの調整の少なくとも一方を行うこととを、実行させるための命令を含む、
    コンピュータプログラム製品。
  11. 前記画像データの前記測定箇所に対応する部分を特定するための命令を含む、請求項１０に記載のコンピュータプログラム製品。
  12. 前記第２のインシトゥ撮像システムからの画像データを、前記第１のインシトゥモニタリングシステムからの信号値と同期させるための命令を含む、請求項１０に記載のコンピュータプログラム製品。
  13. マシンビジョン処理が、人工ニューラルネットワークに前記画像データを供給することを含む、請求項１０に記載のコンピュータプログラム製品。
  14. マシンビジョン処理を実施するための前記命令が、前記基板の前記測定箇所に対応する部分の分類を特定するための命令を含み、前記測定値を生成するための前記命令が、前記分類に基づいて参照スペクトルの複数のライブラリのうちの１つを選択するための命令を含む、請求項１０に記載のコンピュータプログラム製品。
  15. マシンビジョン処理を実施するための前記命令が、前記基板の前記測定箇所に対応する部分におけるフィーチャの形状寸法値を特定するための命令を含む、請求項１０に記載のコンピュータプログラム製品。
JP2021515551A 2018-09-24 2019-08-28 Ｃｍｐプロセス制御アルゴリズムへの入力としてのマシンビジョン Active JP7472111B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862735772P 2018-09-24 2018-09-24
US62/735,772 2018-09-24
PCT/US2019/048636 WO2020068345A1 (en) 2018-09-24 2019-08-28 Machine vision as input to a cmp process control algorithm

Publications (3)

Publication Number Publication Date
JP2022501207A true JP2022501207A (ja) 2022-01-06
JPWO2020068345A5 JPWO2020068345A5 (ja) 2022-09-07
JP7472111B2 JP7472111B2 (ja) 2024-04-22

Family

ID=69883039

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021515551A Active JP7472111B2 (ja) 2018-09-24 2019-08-28 Ｃｍｐプロセス制御アルゴリズムへの入力としてのマシンビジョン

Country Status (6)

Country Link
US (2) US11577356B2 (ja)
JP (1) JP7472111B2 (ja)
KR (1) KR20210052559A (ja)
CN (2) CN112823080B (ja)
TW (1) TW202027908A (ja)
WO (1) WO2020068345A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024070233A1 (ja) * 2022-09-26 2024-04-04 株式会社Ｓｃｒｅｅｎホールディングス 学習装置、情報処理装置、基板処理装置、基板処理システム、学習方法および処理条件決定方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020131353A (ja) * 2019-02-19 2020-08-31 パナソニックＩｐマネジメント株式会社 研磨加工システム、学習装置、学習装置の学習方法
US11602821B2 (en) * 2020-01-17 2023-03-14 Taiwan Semiconductor Manufacturing Company Ltd. Wafer polishing head, system thereof, and method using the same
CN111523645B (zh) * 2020-04-16 2023-04-18 北京航天自动控制研究所 一种提升小尺度目标检测识别性能的卷积神经网络设计方法
JP2023517449A (ja) * 2020-05-14 2023-04-26 アプライド マテリアルズ インコーポレイテッド 研磨中のインシトゥモニタリングで使用するためのニューラルネットワークをトレーニングするための技術及び研磨システム
US11847776B2 (en) 2020-06-29 2023-12-19 Applied Materials, Inc. System using film thickness estimation from machine learning based processing of substrate images
CN112102268A (zh) * 2020-09-01 2020-12-18 北京航空航天大学 一种基于机器学习打磨超薄掩膜版的智能化激光抛光模块
EP4263131A1 (en) * 2020-12-18 2023-10-25 Applied Materials, Inc. Adaptive slurry dispense system
CN114211397B (zh) * 2021-12-14 2023-11-17 常州先进制造技术研究所 一种纸质结构件表面打磨控制方法
TWI800195B (zh) * 2021-12-30 2023-04-21 大量科技股份有限公司 用於拋光墊表面之量測訊號的智慧分析系統、方法及其電腦程式產品
CN114918817A (zh) * 2022-05-27 2022-08-19 河南科技学院 一种Roll-to-Roll化学机械抛光装置及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10166262A (ja) * 1996-12-10 1998-06-23 Nikon Corp 研磨装置
JPH10294297A (ja) * 1997-04-18 1998-11-04 Nikon Corp 研磨装置
JP2004119850A (ja) * 2002-09-27 2004-04-15 Ebara Corp ポリッシング装置
JP2005517290A (ja) * 2002-02-06 2005-06-09 アプライド　マテリアルズ　インコーポレイテッド 渦電流モニタリングシステムを備えた化学機械的研磨の為の方法及び装置
JP2005518614A (ja) * 2002-02-22 2005-06-23 アギア システムズ インコーポレーテッド 加工工程のモニタおよび制御システムおよび制御方法
JP2008137103A (ja) * 2006-11-30 2008-06-19 Ebara Corp 基板保持装置、基板研磨装置、及び基板研磨方法
JP2009129970A (ja) * 2007-11-20 2009-06-11 Ebara Corp 研磨装置及び研磨方法
US20140206259A1 (en) * 2013-01-23 2014-07-24 Applied Materials, Inc. Reflectivity measurements during polishing using a camera
WO2018071137A1 (en) * 2016-10-14 2018-04-19 Kla-Tencor Corporation Diagnostic systems and methods for deep learning models configured for semiconductor applications

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6614529B1 (en) 1992-12-28 2003-09-02 Applied Materials, Inc. In-situ real-time monitoring technique and apparatus for endpoint detection of thin films during chemical/mechanical polishing planarization
US5985032A (en) 1995-05-17 1999-11-16 Matsushita Electric Industrial Co., Ltd. Semiconductor manufacturing apparatus
US6075883A (en) 1996-11-12 2000-06-13 Robotic Vision Systems, Inc. Method and system for imaging an object or pattern
US6390019B1 (en) 1998-06-11 2002-05-21 Applied Materials, Inc. Chamber having improved process monitoring window
JP2000233369A (ja) 1999-02-15 2000-08-29 Noritake Co Ltd 研削状態監視装置およびドレッシング状態監視装置
JP2001287159A (ja) * 2000-04-05 2001-10-16 Nikon Corp 表面状態測定方法及び測定装置及び研磨装置及び半導体デバイス製造方法
US6924641B1 (en) * 2000-05-19 2005-08-02 Applied Materials, Inc. Method and apparatus for monitoring a metal layer during chemical mechanical polishing
US7374477B2 (en) * 2002-02-06 2008-05-20 Applied Materials, Inc. Polishing pads useful for endpoint detection in chemical mechanical polishing
US6966816B2 (en) * 2001-05-02 2005-11-22 Applied Materials, Inc. Integrated endpoint detection system with optical and eddy current monitoring
US6722946B2 (en) * 2002-01-17 2004-04-20 Nutool, Inc. Advanced chemical mechanical polishing system with smart endpoint detection
US6937915B1 (en) 2002-03-28 2005-08-30 Lam Research Corporation Apparatus and methods for detecting transitions of wafer surface properties in chemical mechanical polishing for process status and control
US6807503B2 (en) 2002-11-04 2004-10-19 Brion Technologies, Inc. Method and apparatus for monitoring integrated circuit fabrication
US20040259472A1 (en) 2003-04-01 2004-12-23 Chalmers Scott A. Whole-substrate spectral imaging system for CMP
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
TWI316754B (en) 2004-03-17 2009-11-01 Taiwan Semiconductor Mfg Image sensor fabrication method and structure
US7076320B1 (en) 2004-05-04 2006-07-11 Advanced Micro Devices, Inc. Scatterometry monitor in cluster process tool environment for advanced process control (APC)
US20060025048A1 (en) * 2004-07-28 2006-02-02 3M Innovative Properties Company Abrasive article detection system and method
US7409260B2 (en) * 2005-08-22 2008-08-05 Applied Materials, Inc. Substrate thickness measuring during polishing
KR101324644B1 (ko) 2005-08-22 2013-11-01 어플라이드 머티어리얼스, 인코포레이티드 화학적 기계적 폴리싱의 스펙트럼 기반 모니터링을 위한 장치 및 방법
US7306507B2 (en) 2005-08-22 2007-12-11 Applied Materials, Inc. Polishing pad assembly with glass or crystalline window
KR101593927B1 (ko) 2005-08-22 2016-02-15 어플라이드 머티어리얼스, 인코포레이티드 화학적 기계적 폴리싱의 스펙트럼 기반 모니터링을 위한 장치 및 방법
US20070077671A1 (en) * 2005-10-03 2007-04-05 Applied Materials In-situ substrate imaging
JP2007266235A (ja) 2006-03-28 2007-10-11 Ebara Corp 研磨装置
KR20080013059A (ko) * 2006-08-07 2008-02-13 삼성전자주식회사 씨엠피공정설비의 웨이퍼 검사장치 및 그 방법
CN101903025A (zh) 2007-10-19 2010-12-01 彼帕科学公司 利用苯并吡喃酮-型parp抑制剂治疗癌症的方法和组合物
JP5361299B2 (ja) * 2008-09-12 2013-12-04 株式会社東京精密 研磨終了予測・検出方法とその装置
WO2013028389A1 (en) * 2011-08-23 2013-02-28 Applied Materials, Inc. Optical detection of metal layer clearance
US9011202B2 (en) 2012-04-25 2015-04-21 Applied Materials, Inc. Fitting of optical model with diffraction effects to measured spectrum
US9248544B2 (en) * 2012-07-18 2016-02-02 Applied Materials, Inc. Endpoint detection during polishing using integrated differential intensity
US10012494B2 (en) 2013-10-25 2018-07-03 Applied Materials, Inc. Grouping spectral data from polishing substrates
US9375824B2 (en) 2013-11-27 2016-06-28 Applied Materials, Inc. Adjustment of polishing rates during substrate polishing with predictive filters
US10478937B2 (en) 2015-03-05 2019-11-19 Applied Materials, Inc. Acoustic emission monitoring and endpoint for chemical mechanical polishing
US10565701B2 (en) 2015-11-16 2020-02-18 Applied Materials, Inc. Color imaging for CMP monitoring
TWI755448B (zh) 2016-11-30 2022-02-21 美商應用材料股份有限公司 使用神經網路的光譜監測
CN108051364A (zh) 2017-12-13 2018-05-18 中国科学院长春应用化学研究所 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10166262A (ja) * 1996-12-10 1998-06-23 Nikon Corp 研磨装置
JPH10294297A (ja) * 1997-04-18 1998-11-04 Nikon Corp 研磨装置
JP2005517290A (ja) * 2002-02-06 2005-06-09 アプライド　マテリアルズ　インコーポレイテッド 渦電流モニタリングシステムを備えた化学機械的研磨の為の方法及び装置
JP2005518614A (ja) * 2002-02-22 2005-06-23 アギア システムズ インコーポレーテッド 加工工程のモニタおよび制御システムおよび制御方法
JP2004119850A (ja) * 2002-09-27 2004-04-15 Ebara Corp ポリッシング装置
JP2008137103A (ja) * 2006-11-30 2008-06-19 Ebara Corp 基板保持装置、基板研磨装置、及び基板研磨方法
JP2009129970A (ja) * 2007-11-20 2009-06-11 Ebara Corp 研磨装置及び研磨方法
US20140206259A1 (en) * 2013-01-23 2014-07-24 Applied Materials, Inc. Reflectivity measurements during polishing using a camera
WO2018071137A1 (en) * 2016-10-14 2018-04-19 Kla-Tencor Corporation Diagnostic systems and methods for deep learning models configured for semiconductor applications

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024070233A1 (ja) * 2022-09-26 2024-04-04 株式会社Ｓｃｒｅｅｎホールディングス 学習装置、情報処理装置、基板処理装置、基板処理システム、学習方法および処理条件決定方法

Also Published As

Publication number Publication date
US20200094370A1 (en) 2020-03-26
US20230182258A1 (en) 2023-06-15
KR20210052559A (ko) 2021-05-10
CN112823080B (zh) 2023-07-14
US11577356B2 (en) 2023-02-14
TW202027908A (zh) 2020-08-01
JP7472111B2 (ja) 2024-04-22
CN112823080A (zh) 2021-05-18
WO2020068345A1 (en) 2020-04-02
CN117001534A (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
JP2022501207A (ja) Ｃｍｐプロセス制御アルゴリズムへの入力としてのマシンビジョン
US11715193B2 (en) Color imaging for CMP monitoring
TWI837057B (zh) 使用色彩度量術進行的基板的厚度測量
JP2019532274A (ja) 色計測学を用いた基板の厚さ測定
US11557048B2 (en) Thickness measurement of substrate using color metrology
JP2022505459A (ja) 輝度ヒストグラムを用いた残留物検知
KR102672511B1 (ko) 컬러 계측을 사용한 기판의 두께 측정
TWI837569B (zh) 用於cmp監控的彩色成像
KR20240093760A (ko) Cmp 모니터링을 위한 컬러 이미징

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220829

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220829

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230630

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230704

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231004

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231121

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240221

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: 20240312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240410

R150 Certificate of patent or registration of utility model

Ref document number: 7472111

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150