JP2023516872A - 機械学習に基づく基板画像処理からの膜厚推定 - Google Patents
機械学習に基づく基板画像処理からの膜厚推定 Download PDFInfo
- Publication number
- JP2023516872A JP2023516872A JP2022544271A JP2022544271A JP2023516872A JP 2023516872 A JP2023516872 A JP 2023516872A JP 2022544271 A JP2022544271 A JP 2022544271A JP 2022544271 A JP2022544271 A JP 2022544271A JP 2023516872 A JP2023516872 A JP 2023516872A
- Authority
- JP
- Japan
- Prior art keywords
- substrate
- die
- color image
- polishing
- thickness measurements
- 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.)
- Pending
Links
- 239000000758 substrate Substances 0.000 title claims abstract description 190
- 238000012545 processing Methods 0.000 title claims description 29
- 238000010801 machine learning Methods 0.000 title description 4
- 238000005259 measurement Methods 0.000 claims abstract description 101
- 238000013528 artificial neural network Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000005498 polishing Methods 0.000 claims description 75
- 238000000034 method Methods 0.000 claims description 27
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims 1
- 239000010410 layer Substances 0.000 description 32
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000013135 deep learning Methods 0.000 description 10
- 239000010408 film Substances 0.000 description 8
- 238000013459 approach Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 239000002002 slurry Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000572 ellipsometry Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007517 polishing process Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- VSQYNPJPULBZKU-UHFFFAOYSA-N mercury xenon Chemical compound [Xe].[Hg] VSQYNPJPULBZKU-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Abstract
Description
tanh(0.5*ak1(I1)+ak2(I2)+...+akM(IM)+bk)
上記式において、tanhは双曲線正接、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に対する重み、IMはM番目の入力ノードでの値である。ただし、tanhの代わりに、正規化線形ユニット(ReLU)関数やその変形等の他の非線形関数を使用することも可能である。
Hk=tanh(0.5*ak1(I1)+ak2(I2)+...+akL(IL)+bk)
Hk=tanh(0.5*ak1(V1・S)+ak2(V2・S)+...+akL(VL・S)+bk)
上記式において、Vは重みの値(v1、v2,...,vL)であり、Vxはカラー画像からのL個の強度値のうちx番目の強度値に対する重みである)。
CV=C1*H1+C2*H2+...+CL*HL
上記式において、Ckはk番目の隠れノードの出力に対する重みである。
・ラインスキャンカメラではなく、基板全体を撮像するカメラを使用することができる。この場合、基板に対するカメラの移動は必要ない。
・カメラは、基板の全幅よりも狭い範囲をカバーすることができる。この場合、基板全体をスキャンするために、カメラをX-Yステージで支持する等、2つの垂直方向に移動させる必要がある。
・光源は基板全体を照らすことができる。この場合、光源は基板に対して移動する必要はない。
・光検出器は、カラーカメラの代わりに分光計であってよく、そのスペクトルデータをRGB色空間に還元することができる。
・センサアセンブリは、研磨ステーション間又は研磨ステーションと移送ステーションとの間に位置決めされたインラインシステムである必要はない。例えば、センサアセンブリは、移送ステーション内に位置決めされ得る、カセットインターフェースユニットに位置決めされ得る、又はスタンドアロンシステムであってよい。
・均一性解析ステップはオプションである。例えば、閾値変換を適用して生成された画像は、基板の後の処理ステップを調整するためにフィードフォワードプロセスに、又は後続基板の処理ステップを調整するためにフィードバックプロセスに供給することができる。
Claims (20)
- コンピュータプログラム製品で符号化された非一過性コンピュータ可読媒体であって、前記コンピュータプログラム製品は、1又は複数のプロセッサに、
校正用基板の最上層のグラウンドトゥルース厚さ測定値を複数の場所で取得することであって、各場所は、基板上に製造されているダイの画定された位置である、校正用基板の最上層のグラウンドトゥルース厚さ測定値を複数の場所で取得することと、
前記校正用基板の複数のカラー画像を取得することであって、各カラー画像は、前記基板上に製造されているダイの領域に対応する、前記校正用基板の複数のカラー画像を取得すること、
インライン基板イメージャからのダイ領域のカラー画像を前記ダイ領域における前記最上層の厚さ測定値に変換するように、ニューラルネットワークを訓練することと
を行わせる命令を含み、
前記ニューラルネットワークを訓練する命令は、前記複数のカラー画像とグラウンドトゥルース厚さ測定値とを含み、それぞれのカラー画像の各々は、前記それぞれのカラー画像に関連する前記ダイ領域のグラウンドトゥルース厚さ測定値と対となる、訓練データを使用する命令を含む、非一過性コンピュータ可読媒体。 - 前記複数のカラー画像を取得する命令は、前記インライン基板イメージャから前記校正用基板の缶を受信する命令を含む、請求項1に記載のコンピュータ可読媒体。
- 前記複数のカラー画像を取得する命令は、前記校正用基板のカラー画像を受信する命令と、ダイマスクに基づいて前記カラー画像を前記複数のカラー画像に分割する命令とを含む、請求項1に記載のコンピュータ可読媒体。
- 複数の校正用基板の最上層のグラウンドトゥルース厚さ測定値を取得する命令と、前記校正用基板の各々の複数のカラー画像を取得する命令とを含む、請求項1に記載のコンピュータ可読媒体。
- 前記グラウンドトゥルース厚さ測定値を取得する命令は、光学式プロフィロメータから前記複数の場所の各々における厚さ測定値を受信する命令を含む、請求項1に記載のコンピュータ可読媒体。
- 前記校正用基板の下層のグラウンドトゥルース厚さ測定値を前記複数の場所で取得することと、
前記インライン基板イメージャからのダイ領域のカラー画像を前記下層の厚さ測定値に変換するように、前記ニューラルネットワークを訓練することと
を行う命令を含む、請求項1に記載のコンピュータ可読媒体。 - 前記画定された位置は前記ダイの中心である、請求項1に記載のコンピュータ可読媒体。
- 基板の全てのダイから測定値を取得する命令を含む、請求項1に記載のコンピュータ可読媒体。
- 化学機械平坦化の前と後の両方において、ロットの全ての基板から測定値を取得する命令を含む、請求項1に記載のコンピュータ可読媒体。
- 基板厚さ測定システムで使用するためにニューラルネットワークを訓練する方法であって、
校正用基板の最上層のグラウンドトゥルース厚さ測定値を複数の場所で取得することであって、各場所は、前記基板上に製造されているダイの画定された位置である、校正用基板の最上層のグラウンドトゥルース厚さ測定値を複数の場所で取得することと、
前記校正用基板の複数のカラー画像を取得することであって、各カラー画像は、前記基板上に製造されているダイの領域に対応する、前記校正用基板の複数のカラー画像を取得すること、
インライン基板イメージャからのダイ領域のカラー画像を前記ダイ領域における前記最上層の厚さ測定値に変換するように、ニューラルネットワークを訓練することであって、前記訓練は、前記複数のカラー画像とグラウンドトゥルース厚さ測定値とを含む訓練データを用いて実行され、それぞれのカラー画像の各々は、前記それぞれのカラー画像に関連する前記ダイ領域のグラウンドトゥルース厚さ測定値と対となる、インライン基板イメージャからのダイ領域のカラー画像を前記ダイ領域における前記最上層の厚さ測定値に変換するように、ニューラルネットワークを訓練することと
を含む方法。 - コンピュータプログラム製品であって、1又は複数のプロセッサに、
研磨システムのインラインモニタステーションから第1の基板の第1のカラー画像を受信することと、
第2のカラー画像の各々が前記第1の基板上に製造されているダイの領域に対応するように、ダイマスクを用いて前記第1のカラー画像を複数の第2のカラー画像に分割することと、
1又は複数の場所の厚さ測定値を生成することであって、前記1又は複数の場所のそれぞれの場所の各々は、前記第1の基板上に製造されているダイのそれぞれの領域に対応し、領域の前記厚さ測定値を生成する命令は、校正用基板のダイの複数の第3のカラー画像と前記校正用基板のグラウンドトゥルース厚さ測定値とを含む訓練データを用いて訓練されたニューラルネットワークを通して、前記領域に対応する第2のカラー画像を処理する命令を含み、それぞれの第3のカラー画像の各々は、前記それぞれの第3のカラー画像に関連するダイ領域のグラウンドトゥルース厚さ測定値と対となる、1又は複数の場所の厚さ測定値を生成することと、
前記厚さ測定値に基づいて、前記第1の基板又は後続の第2の基板の研磨パラメータの値を決定することと
を行わせる命令で符号化された非一過性コンピュータ可読媒体を含む、コンピュータプログラム製品。 - 研磨ステーションで前記第1の基板を研磨した後に、前記第1の基板の前記第1のカラー画像を受信する命令を含む、請求項11に記載のコンピュータプログラム製品。
- 前記厚さ測定値に基づいて、前記後続の第2の基板に対する前記研磨ステーションの前記研磨パラメータを決定する命令を含む、請求項12に記載のコンピュータプログラム製品。
- 研磨ステーションで前記第1の基板を研磨する前に、前記第1の基板の前記第1のカラー画像を受信する命令を含む、請求項11に記載のコンピュータプログラム製品。
- 前記厚さ測定値に基づいて、前記第1の基板に対する前記研磨ステーションの前記研磨パラメータを決定する命令を含む、請求項14に記載のコンピュータプログラム製品。
- 前記研磨パラメータは、キャリアヘッドのチャンバ圧力を含む、請求項11に記載のコンピュータプログラム製品。
- 研磨装置であって、
研磨パッドを支持するプラテンと、前記研磨パッドに対して第1の基板を保持するキャリアヘッドとを含む研磨ステーションと、
前記第1の基板のカラー画像を生成するカラーカメラを有するインライン計測ステーションと、
制御システムであって、
研磨システムのインラインモニタステーションから前記第1の基板の第1のカラー画像を受信し、
第2のカラー画像の各々が前記第1の基板上に製造されているダイの領域に対応するように、ダイマスクを用いて前記第1のカラー画像を複数の第2のカラー画像に分割し、
1又は複数の場所の厚さ測定値を生成することであって、前記1又は複数の場所のそれぞれの場所の各々は、前記第1の基板上に製造されているダイのそれぞれの領域に対応し、領域の前記厚さ測定値を生成する命令は、校正用基板のダイの複数の第3のカラー画像と前記校正用基板のグラウンドトゥルース厚さ測定値とを含む訓練データを用いて訓練されたニューラルネットワークを通して、前記領域に対応する第2のカラー画像を処理する命令を含み、それぞれの第3のカラー画像の各々は、前記それぞれの第3のカラー画像に関連するダイ領域のグラウンドトゥルース厚さ測定値と対となる、1又は複数の場所の厚さ測定値を生成し、
前記厚さ測定値に基づいて、前記第1の基板又は後続の第2の基板に対する研磨パラメータの値を決定し、
前記研磨ステーションに、決定された前記研磨パラメータを用いて前記第1の基板又は前記後続の第2の基板を研磨させる
ように構成された制御システムと
を備える装置。 - 前記研磨パラメータは、前記キャリアヘッドのチャンバ圧力を含む、請求項17に記載の装置。
- 前記制御システムは、研磨ステーションにおける前記第1の基板の研磨後に、前記第1の基板の前記第1のカラー画像を受信するように構成される、請求項17に記載の装置。
- 研磨を制御する方法であって、
研磨システムのインラインモニタステーションにおいて、第1の基板の第1のカラー画像を取得することと、
第2のカラー画像の各々が前記第1の基板上に製造されているダイの領域に対応するように、ダイマスクを用いて前記第1のカラー画像を複数の第2のカラー画像に分割することと、
1又は複数の場所の厚さ測定値を生成することであって、前記1又は複数の場所のそれぞれの場所の各々は、前記第1の基板上に製造されているダイのそれぞれの領域に対応し、領域の厚さ測定値を生成することは、校正用基板のダイの複数の第3のカラー画像と前記校正用基板のグラウンドトゥルース厚さ測定値とを含む訓練データを用いて訓練されたニューラルネットワークを通して、前記領域に対応する第2のカラー画像を処理することを含み、それぞれの第3のカラー画像の各々は、前記それぞれの第3のカラー画像に関連するダイ領域のグラウンドトゥルース厚さ測定値と対となる、1又は複数の場所の厚さ測定値を生成することと、
前記厚さ測定値に基づいて、前記第1の基板又は後続の第2の基板の研磨パラメータの値を決定することと
を含む方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063045782P | 2020-06-29 | 2020-06-29 | |
US63/045,782 | 2020-06-29 | ||
PCT/US2021/039247 WO2022005916A1 (en) | 2020-06-29 | 2021-06-25 | Film thickness estimation from machine learning based processing of substrate images |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023516872A true JP2023516872A (ja) | 2023-04-21 |
Family
ID=79032657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022544271A Pending JP2023516872A (ja) | 2020-06-29 | 2021-06-25 | 機械学習に基づく基板画像処理からの膜厚推定 |
Country Status (7)
Country | Link |
---|---|
US (4) | US11836913B2 (ja) |
EP (1) | EP4172560A1 (ja) |
JP (1) | JP2023516872A (ja) |
KR (1) | KR20220123069A (ja) |
CN (1) | CN115104001A (ja) |
TW (2) | TW202321970A (ja) |
WO (1) | WO2022005916A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022005916A1 (en) * | 2020-06-29 | 2022-01-06 | Applied Materials, Inc. | Film thickness estimation from machine learning based processing of substrate images |
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 |
CN116086330B (zh) * | 2023-02-17 | 2024-01-12 | 无锡星微科技有限公司 | 一种用于大尺寸晶圆的厚度检测平台 |
Family Cites Families (40)
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 |
KR100979071B1 (ko) | 2002-02-22 | 2010-08-31 | 에이저 시스템즈 인크 | 이중 배향 다결정성 재료의 화학 기계적 연마 |
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 |
WO2004090502A2 (en) | 2003-04-01 | 2004-10-21 | Filmetrics, Inc. | 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 |
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 |
JP5534672B2 (ja) | 2005-08-22 | 2014-07-02 | アプライド マテリアルズ インコーポレイテッド | 化学機械的研磨のスペクトルに基づく監視のための装置および方法 |
US7409260B2 (en) | 2005-08-22 | 2008-08-05 | Applied Materials, Inc. | Substrate thickness measuring during polishing |
US7306507B2 (en) | 2005-08-22 | 2007-12-11 | Applied Materials, Inc. | Polishing pad assembly with glass or crystalline window |
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 |
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 |
US9248544B2 (en) | 2012-07-18 | 2016-02-02 | Applied Materials, Inc. | Endpoint detection during polishing using integrated differential intensity |
US9095952B2 (en) | 2013-01-23 | 2015-08-04 | Applied Materials, Inc. | Reflectivity measurements during polishing using a camera |
US10012494B2 (en) | 2013-10-25 | 2018-07-03 | Applied Materials, Inc. | Grouping spectral data from polishing substrates |
US9490182B2 (en) | 2013-12-23 | 2016-11-08 | Kla-Tencor Corporation | Measurement of multiple patterning parameters |
KR20180038477A (ko) | 2015-08-04 | 2018-04-16 | 노바 메주어링 인스트루먼츠 엘티디. | 박막 내 하이브리드 측정 시스템 및 측정 방법 |
US10565701B2 (en) | 2015-11-16 | 2020-02-18 | Applied Materials, Inc. | Color imaging for CMP monitoring |
TWI737659B (zh) | 2015-12-22 | 2021-09-01 | 以色列商應用材料以色列公司 | 半導體試樣的基於深度學習之檢查的方法及其系統 |
TWI743176B (zh) * | 2016-08-26 | 2021-10-21 | 美商應用材料股份有限公司 | 獲得代表在基板上的層的厚度的測量的方法,及量測系統和電腦程式產品 |
US11580398B2 (en) | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
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 |
US10989652B2 (en) | 2017-09-06 | 2021-04-27 | Lam Research Corporation | Systems and methods for combining optical metrology with mass metrology |
US11507824B2 (en) | 2018-06-28 | 2022-11-22 | Applied Materials, Inc. | Training spectrum generation for machine learning system for spectrographic monitoring |
US11577356B2 (en) * | 2018-09-24 | 2023-02-14 | Applied Materials, Inc. | Machine vision as input to a CMP process control algorithm |
US11100628B2 (en) * | 2019-02-07 | 2021-08-24 | Applied Materials, Inc. | Thickness measurement of substrate using color metrology |
WO2022005916A1 (en) * | 2020-06-29 | 2022-01-06 | Applied Materials, Inc. | Film thickness estimation from machine learning based processing of substrate images |
WO2022187079A1 (en) * | 2021-03-04 | 2022-09-09 | Applied Materials, Inc. | Pixel and region classification of film non-uniformity based on processing of substrate images |
-
2021
- 2021-06-25 WO PCT/US2021/039247 patent/WO2022005916A1/en unknown
- 2021-06-25 US US17/359,307 patent/US11836913B2/en active Active
- 2021-06-25 KR KR1020227026309A patent/KR20220123069A/ko unknown
- 2021-06-25 EP EP21834628.6A patent/EP4172560A1/en active Pending
- 2021-06-25 US US17/359,345 patent/US11847776B2/en active Active
- 2021-06-25 JP JP2022544271A patent/JP2023516872A/ja active Pending
- 2021-06-25 CN CN202180014115.4A patent/CN115104001A/zh active Pending
- 2021-06-29 TW TW112101712A patent/TW202321970A/zh unknown
- 2021-06-29 TW TW110123728A patent/TWI792370B/zh active
-
2023
- 2023-10-27 US US18/496,303 patent/US20240054634A1/en active Pending
- 2023-11-02 US US18/500,811 patent/US20240062364A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240054634A1 (en) | 2024-02-15 |
TW202211072A (zh) | 2022-03-16 |
TW202321970A (zh) | 2023-06-01 |
US11836913B2 (en) | 2023-12-05 |
KR20220123069A (ko) | 2022-09-05 |
US11847776B2 (en) | 2023-12-19 |
US20210407066A1 (en) | 2021-12-30 |
EP4172560A1 (en) | 2023-05-03 |
TWI792370B (zh) | 2023-02-11 |
CN115104001A (zh) | 2022-09-23 |
US20210407065A1 (en) | 2021-12-30 |
US20240062364A1 (en) | 2024-02-22 |
WO2022005916A1 (en) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102495894B1 (ko) | 컬러 계측을 사용한 기판의 두께 측정 | |
JP2023516872A (ja) | 機械学習に基づく基板画像処理からの膜厚推定 | |
TWI814980B (zh) | 使用色彩度量術進行的基板的厚度測量 | |
KR20180071292A (ko) | Cmp 모니터링을 위한 컬러 이미징 | |
US11557048B2 (en) | Thickness measurement of substrate using color metrology | |
TWI837057B (zh) | 使用色彩度量術進行的基板的厚度測量 | |
JP7254197B2 (ja) | 色計測を用いた基板の厚さ測定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220914 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231012 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240301 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240321 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240402 |