JP2023540839A - 機械学習に基づく熱画像処理を使用した化学機械研磨プロセスの監視 - Google Patents
機械学習に基づく熱画像処理を使用した化学機械研磨プロセスの監視 Download PDFInfo
- Publication number
- JP2023540839A JP2023540839A JP2023503500A JP2023503500A JP2023540839A JP 2023540839 A JP2023540839 A JP 2023540839A JP 2023503500 A JP2023503500 A JP 2023503500A JP 2023503500 A JP2023503500 A JP 2023503500A JP 2023540839 A JP2023540839 A JP 2023540839A
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- polishing
- learning model
- trained
- thermal 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
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000007517 polishing process Methods 0.000 title claims abstract description 9
- 238000001931 thermography Methods 0.000 title claims description 5
- 238000005498 polishing Methods 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 67
- 239000000758 substrate Substances 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 37
- 238000003745 diagnosis Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 18
- 238000012545 processing Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 11
- 238000010438 heat treatment Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 239000002002 slurry Substances 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 5
- 238000011065 in-situ storage Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000003082 abrasive agent Substances 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000007779 soft material Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
-
- 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
- B24B37/015—Temperature control
-
- 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
- B24B49/12—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 involving optical means
-
- 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
- B24B49/14—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 taking regard of the temperature during grinding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
Description
tanh(0.5*ak1(I1)+ak2(I2)+...
+akM(IM)+bk) 式1
と表されることがあり、ここでは、tanhが双曲線正接であり、akxが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関する加重であり、そしてIMがM番目の入力ノードのところの値である。しかしながら、正規化線形ユニット(ReLU)関数およびその変形などの他の非線形関数が、tanhの代わりに使用されてもよい。
Hk=tanh(0.5*ak1(I1)+ak2(I2)+...
+akL(IL)+bk)
と表されることがある。
Hk=tanh(0.5*ak1(V1・S)+ak2(V2・S)+...
+akL(VL・S)+bk) 式2
と表されることができ、ここでは、Vが荷重の値(v1、v2、...、vL)であり、Vxがカラー画像からのL個の強度値のうちのx番目の強度値についての加重であることをともなう。
CV=C1*H1+C2*H2+...+CL*HL
と表されることがあり、ここでは、Ckがk番目の隠れノードの出力についての加重である。
Claims (20)
- 研磨パッドをホールドするための上面を有するプラテンと、
研磨プロセス中に前記研磨パッドの研磨面に当接するように基板をホールドするためのキャリアヘッドと、
前記プラテン上の前記研磨パッドの一部分の視野を有するように前記プラテンの上に設置された非接触熱画像化カメラを含む温度監視システムと、
前記温度監視システムから熱画像を受信し、1)プロセス逸脱の存在、2)基板状態、または3)前記プロセス逸脱に関する診断のうちの1つ以上に関する標識を決定するためにトレーニング例によりトレーニングされた機械学習モデルへと前記熱画像を入力し、前記機械学習モデルから前記標識を受信するように構成されたコントローラと、
を備える、化学機械研磨装置。 - 前記機械学習モデルが、プロセス逸脱の存在に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項1に記載の装置。
- 前記機械学習モデルが、基板状態に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項1に記載の装置。
- 前記機械学習モデルが、アンダー研磨状態、オーバー研磨状態、および正常状態を含む群から選択される状態を決定するために前記トレーニング例によりトレーニングされる、請求項3に記載の装置。
- 前記機械学習モデルが、プロセス逸脱に関する診断に関する標識を決定するためにトレーニング例によりトレーニングされる、請求項1に記載の装置。
- 前記機械学習モデルが、人工ニューラルネットワークを含む、請求項1に記載の装置。
- 前記ニューラルネットワークが、熱画像からの強度値を受信するための複数の入力ノードを有する入力層と、標識を示す値を出力するための出力ノードを有する出力層と、前記入力層と前記出力層との間の1つ以上の隠れ層とを含む、請求項6に記載の装置。
- 前記コントローラが、前記熱画像の寸法を縮小し、前記寸法を縮小した熱画像を前記機械学習モデルへ入力するように構成される、請求項1に記載の装置。
- 1つ以上のコンピュータに、
温度監視システムから熱画像を受信させ、
1)プロセス逸脱の存在、2)基板状態、または3)前記プロセス逸脱に関する診断のうちの1つ以上に関する標識を決定するためにトレーニング例によりトレーニングされた機械学習モデルへと前記熱画像を入力させ、
前記機械学習モデルから前記標識を受信させる
ための命令を含むコンピュータ可読媒体に実体的に具現化されたコンピュータプログラム製品。 - 前記機械学習モデルが、プロセス逸脱の存在に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項9に記載のコンピュータプログラム製品。
- 前記機械学習モデルが、基板状態に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項9に記載のコンピュータプログラム製品。
- 前記機械学習モデルが、アンダー研磨状態、オーバー研磨状態、および正常状態を含む群から選択される状態を決定するために前記トレーニング例によりトレーニングされる、請求項11に記載のコンピュータプログラム製品。
- 前記機械学習モデルが、プロセス逸脱に関する診断に関する標識を決定するためにトレーニング例によりトレーニングされる、請求項9に記載のコンピュータプログラム製品。
- 前記機械学習モデルが、人工ニューラルネットワークを含む、請求項9に記載のコンピュータプログラム製品。
- 前記人工ニューラルネットワークが、熱画像からの強度値を受信するための複数の入力ノードを有する入力層と、標識を示す値を出力するための出力ノードを有する出力層と、前記入力層と前記出力層との間の1つ以上の隠れ層とを含む、請求項6に記載のコンピュータプログラム製品。
- 前記コントローラが、前記熱画像の寸法を縮小し、前記寸法を縮小した熱画像を前記機械学習モデルへ入力するように構成される、請求項6に記載のコンピュータプログラム製品。
- 研磨装置を動作させる方法であって、
研磨パッドを用いて基板を研磨することと、
研磨中に前記研磨パッドの一部分の熱画像を取得することと、
1)プロセス逸脱の存在、2)基板状態、または3)前記プロセス逸脱に関する診断のうちの1つ以上に関する標識を決定するためにトレーニング例によりトレーニングされた機械学習モデルへと前記熱画像を入力することと、
前記機械学習モデルから前記標識を受信することと、
を含む方法。 - 前記機械学習モデルが、プロセス逸脱の存在に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項16に記載の方法。
- 前記機械学習モデルが、基板状態に関する標識を決定するために前記トレーニング例によりトレーニングされる、請求項16に記載の方法。
- 前記機械学習モデルが、プロセス逸脱に関する診断に関する標識を決定するためにトレーニング例によりトレーニングされる、請求項16に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163182613P | 2021-04-30 | 2021-04-30 | |
US63/182,613 | 2021-04-30 | ||
PCT/US2022/026562 WO2022232290A1 (en) | 2021-04-30 | 2022-04-27 | Monitor chemical mechanical polishing process using machine learning based processing of heat images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023540839A true JP2023540839A (ja) | 2023-09-27 |
JP7540075B2 JP7540075B2 (ja) | 2024-08-26 |
Family
ID=83808115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023503500A Active JP7540075B2 (ja) | 2021-04-30 | 2022-04-27 | 機械学習に基づく熱画像処理を使用した化学機械研磨プロセスの監視 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220347813A1 (ja) |
EP (1) | EP4329981A1 (ja) |
JP (1) | JP7540075B2 (ja) |
KR (1) | KR20230028472A (ja) |
CN (1) | CN115884848A (ja) |
TW (1) | TW202300279A (ja) |
WO (1) | WO2022232290A1 (ja) |
Families Citing this family (2)
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 |
US20220388112A1 (en) * | 2021-06-03 | 2022-12-08 | Applied Materials, Inc. | Using light coupling properties for machine-learning-based film detection |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050118839A1 (en) * | 1999-04-23 | 2005-06-02 | Industrial Technology Research Institute | Chemical mechanical polish process control method using thermal imaging of polishing pad |
JP4787063B2 (ja) * | 2005-12-09 | 2011-10-05 | 株式会社荏原製作所 | 研磨装置及び研磨方法 |
US10878335B1 (en) * | 2016-06-14 | 2020-12-29 | Amazon Technologies, Inc. | Scalable text analysis using probabilistic data structures |
JP7323541B2 (ja) * | 2018-03-13 | 2023-08-08 | アプライド マテリアルズ インコーポレイテッド | 半導体処理のモニタリングのための機械学習システム |
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 |
US11731232B2 (en) * | 2018-10-30 | 2023-08-22 | Taiwan Semiconductor Manufacturing Company, Ltd. | Irregular mechanical motion detection systems and method |
JP7374751B2 (ja) | 2018-12-28 | 2023-11-07 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム |
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 |
TWI754915B (zh) * | 2019-04-18 | 2022-02-11 | 美商應用材料股份有限公司 | 用於溫度控制的化學機械拋光溫度掃描設備 |
DE102019207746A1 (de) | 2019-05-27 | 2020-12-03 | Robert Bosch Gmbh | Verfahren zum Ermitteln einer Zustandsinformation betreffend eine Bandschleifmaschine mittels eines maschinellen Lernsystems |
JP7421413B2 (ja) | 2020-05-08 | 2024-01-24 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、および研磨装置 |
-
2022
- 2022-04-27 US US17/730,811 patent/US20220347813A1/en active Pending
- 2022-04-27 WO PCT/US2022/026562 patent/WO2022232290A1/en active Application Filing
- 2022-04-27 JP JP2023503500A patent/JP7540075B2/ja active Active
- 2022-04-27 EP EP22796652.0A patent/EP4329981A1/en active Pending
- 2022-04-27 CN CN202280005621.1A patent/CN115884848A/zh active Pending
- 2022-04-27 KR KR1020237002513A patent/KR20230028472A/ko not_active Application Discontinuation
- 2022-04-29 TW TW111116435A patent/TW202300279A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
KR20230028472A (ko) | 2023-02-28 |
CN115884848A (zh) | 2023-03-31 |
TW202300279A (zh) | 2023-01-01 |
WO2022232290A1 (en) | 2022-11-03 |
EP4329981A1 (en) | 2024-03-06 |
US20220347813A1 (en) | 2022-11-03 |
JP7540075B2 (ja) | 2024-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7540075B2 (ja) | 機械学習に基づく熱画像処理を使用した化学機械研磨プロセスの監視 | |
CN113597360B (zh) | 监视化学机械抛光中的抛光垫纹理 | |
JP7193456B2 (ja) | ニューラルネットワークを使用する分光モニタリング | |
CN111133560B (zh) | 使用机器学习方式以产生工艺控制参数的半导体制造 | |
US20240316720A1 (en) | Substrate processing control system, substrate processing control method, and program | |
KR20210014747A (ko) | 분광 모니터링을 위한 기계 학습 시스템을 위한 훈련 스펙트럼 생성 | |
US20140020829A1 (en) | Sensors in Carrier Head of a CMP System | |
JP6753758B2 (ja) | 研磨装置、研磨方法およびプログラム | |
US20220283082A1 (en) | In-situ monitoring to label training spectra for machine learning system for spectrographic monitoring | |
US11847776B2 (en) | System using film thickness estimation from machine learning based processing of substrate images | |
US20190096722A1 (en) | Semiconductor fabrication using process control parameter matrix | |
JP2024503978A (ja) | 適応型スラリ分注システム | |
US20230316502A1 (en) | Training a machine learning system to detect an excursion of a cmp component using time-based sequence of images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230403 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240502 |
|
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: 20240723 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240814 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7540075 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |