JP2024105231A - 化学機械研磨における研磨パッドテクスチャのモニタリング - Google Patents

Abstract

【課題】研磨パッドへの汚染および損傷を回避することができ、ウエハ間不均一性（ＷＴＷＮＵ）を低減できる装置を提供する。【解決手段】化学機械研磨のための装置２０は、研磨パッド３０を支持するための表面を有するプラテン２４と、研磨パッド３０の研磨面３６に当接して基板１０を保持するためのキャリアヘッド７０と、研磨面３６に当接して砥粒体を押圧するためのパッドコンディショナ６０と、研磨パッド３０の画像を捕捉するためにプラテン２４の上方に配置された撮像装置４２を含むインシトゥ研磨パッドモニタリングシステム４０と、モニタリングシステム４０から画像を受け取り、画像に基づいて研磨パッド表面粗さの基準を生成するように構成されたコントローラ９０とを含む。コントローラ９０は、機械学習ベースの画像処理を使用して、表面粗さの基準を生成することができる。【選択図】図１

Description

本開示は、化学機械研磨に使用される研磨パッドの光学式モニタリングに関する。

集積回路は、典型的には、シリコンウェハに導電層、半導電層、または絶縁層を連続して堆積させることによって、基板上に形成される。多種多様な製造処理において、基板上の層の平坦化が必要とされる。例えば、１つの製造ステップは、パターニングされた絶縁層上に導電性充填層を堆積させて、絶縁層のトレンチまたは穴を充填することを伴う。充填層は次いで、絶縁層の凸状パターンが露出するまで研磨される。平坦化の後、導電性充填層のうち絶縁層の凸状パターンの間に残っている部分が、基板上の薄膜回路間の導電経路を提供するビア、プラグ、及びラインを形成する。

化学機械研磨（ＣＭＰ）は、一般に認められた１つの平坦化方法である。この平坦化方法では、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、回転する研磨パッドに当接するように配置される。キャリアヘッドは、研磨パッドに当接して基板を押圧するために、基板に制御可能な負荷をかける。研磨液（砥粒を有するスラリなど）が、研磨パッドの表面に供給される。

ＣＭＰ処理がある一定の時間にわたって実施された後、基板および／または研磨パッドから除去された材料および／またはスラリ副生成物が蓄積することにより、研磨パッドの表面は、グレージング（目つぶれ）を起こすことがある。グレージングにより、研磨速度が鈍化すること、または、基板上の不均一性が増大することがありうる。

典型的には、研磨パッドは、パッドコンディショナを用いたコンディショニング処理によって、望ましい表面粗さで維持される（かつ、グレージングが回避される）。パッドコンディショナは、研磨パッド上の不要な蓄積物を除去し、研磨パッドの表面を望ましい粗さ（ａｓｐｅｒｉｔｙ）に再生させるために、使用される。典型的なパッドコンディショナは、一般的にダイヤモンド砥粒が埋め込まれた砥粒ヘッドを含み、これを研磨パッド表面に当接して擦りつけて、パッドの質感を元に戻すことができる。

一態様では、化学機械研磨のための装置は、研磨パッドを支持する表面を有するプラテンと、研磨パッドの研磨面に当接して基板を保持するためのキャリアヘッドと、研磨面に当接して砥粒体を押圧するためのパッドコンディショナと、研磨パッドの画像を捕捉するためにプラテンの上方に配置された撮像装置を含むインシトゥ（その場の）研磨パッドモニタリングシステムと、モニタリングシステムから画像を受け取り、画像に基づいて研磨パッド表面粗さの基準（ｍｅａｓｕｒｅ）を生成するように構成されたコントローラとを含む。

実装は、以下の特徴のうちの１つまたは複数を含みうる。

コントローラは、機械学習ベースの画像処理システムとして動作し、画像を画像処理システムに入力するように構成されてもよい。機械学習ベースの画像処理システムは、教師あり学習モジュールを含むことができる。機械学習ベースの画像処理システムは、画像および出力成分値を受け取るための次元削減（ｄｉｍｅｎｓｉｏｎａｌ ｒｅｄｕｃｔｉｏｎ）モジュールを含むことができ、コントローラは、画像に対する成分値を教師あり学習モジュールに入力するように構成することができる。コントローラは、画像を教師あり学習モジュールに直接入力するように構成されてもよい。コントローラは、教師あり学習モジュールを人工ニューラルネットワークとして動作させるように構成することができる。

コントローラは、パラメータ用の値を含む他のデータを受け取るように構成されてもよく、画像およびパラメータの値に基づいて研磨パッド表面粗さの基準を生成するように構成されてもよい。パラメータは、研磨制御パラメータ、状態パラメータ、研磨システム内のセンサからの測定値、または研磨システム外のセンサによる研磨パッドの測定値であってもよい。パラメータは、プラテン回転速度、スラリ分注速度、スラリ組成、研磨パッドを変更した以降の基板の数、または研磨パッドがプラテン上に装着される前のスタンドアロン計測ステーションによる研磨パッドの表面粗さの測定値であってもよい。

コントローラは、コンディショニング処理を停止するか、または研磨パッド表面粗さの基準に基づいてコンディショニングパラメータを調整するか、少なくとも一方を行うように構成されてもよい。

撮像装置は、プラテン上を放射状に移動可能であってもよい。撮像装置は、プラテン上を横方向にスイングすることができるアーム上に取り付けることができる。

別の態様では、研磨方法は、基板をプラテン上の研磨パッドに接触させることと、基板と研磨パッドとの間の相対運動を生成することと、光学センサで研磨パッドの画像を捕捉することと、機械学習ベースの画像処理システムに画像を入力することによって研磨パッドの表面粗さの測定値を生成することと、を含む。

実施態様は、以下の特徴のうちの１つまたは複数を含みうる。

複数のトレーニング画像のペアおよびトレーニング値を含むトレーニングデータを受け取ることができる。学習ベースの画像処理システムにおける教師あり学習アルゴリズムは、トレーニングデータを使用してトレーニングされてもよい。コンディショニング処理は、停止されてもよく、または、コンディショニングパラメータは、研磨パッド表面粗さの基準に基づいて調整されてもよい。

特定の実装は、以下の利点のうちの１つまたは複数を含むが、これらに限定されない。研磨パッドの粗さは、非接触技術を用いて決定することができるので、研磨パッドへの汚染および損傷を回避することができる。研磨パッドの粗さは、正確かつ迅速に決定することができ、コンディショニング処理は適切に調整することができる。ウエハ間不均一性（ＷＴＷＮＵ）を低減できる。粗さは、非接触技術を使用して決定することができるので、研磨パッドの汚染を回避することができる。

１つまたは複数の実装の詳細を、添付の図面および以下の説明に明記する。その他の態様、特徴、および利点は、この説明および図面、ならびに特許請求の範囲から、自明となろう。

研磨パッドの表面粗さを検出するように構成された光学式モニタリングシステムを含む化学機械研磨システムの、側面部分断面図である。 化学機械研磨システムの概略上面図である。 機械学習ベースの画像処理システムのブロック図である。

様々な図面における類似の参照記号は、類似の要素を示している。

化学機械研磨処理は、例えば、上述のグレージング効果により、研磨パッドの表面粗さを低下させる傾向がある。コンディショニングは、表面粗さを回復させるために使用することができる。しかしながら、パッドがグレージングされる程度、ならびに
コンディショニングが表面粗さを回復させる程度は、研磨パッド全体にわたって不均一になることがありうる。その結果、コンディショニング後であっても、研磨パッドの表面粗さに不均一が生じることがある。さらに、コンディショニング技術は、パッド全体にわたって異なる速度でパッドを摩耗させることがあり、パッドの厚さに不均一性を生じさせ、研磨パッド表面に周期的なスクラッチングまたはスコーリングが残ることがある。表面粗さを測定するために、接触技術、例えば、プロフィロメータを使用することができるが、これは汚染のリスクを引き起こす可能性があり、既に必要とされている機器（コンディショナ、キャリアなど）が与えられているパッドに適用するには、全く実用的でないことがある。しかしながら、研磨パッドを画像化することができ、画像は表面テクスチャの測定値を出力するトレーニング済みの機械学習モデルに送ることができる。次いで、コントローラは、この測定値を使用して、目標の表面テクスチャを達成するために、または研磨パッド全体にわたる表面テクスチャの均一性を改善するために、コンディショニング処理を調整することができる。

「表面テクスチャ」という用語は、本明細書では、Ｒａ、Ｒｍｓ、ＲＳｋ、またはＲｐなどの表面粗さ、および、研磨パッド上の通常の溝または穿孔パターンよりも小さいうねり（ｗａｖｉｎｅｓｓ）などの研磨パッド表面の他の不規則性を包含するために使用される。例えば、２０ミルの深さの溝を仮定すると、表面テクスチャは、約４０～５０ミクロンまでの不規則性を含みうる。

図１および図２は、化学機械研磨装置の研磨システム２０の一例を示す。研磨システム２０は、回転可能なディスク形状のプラテン２４であって、その上に研磨パッド３０が置かれている、プラテン２４を含む。プラテン２４は、軸２５の周りで回転するよう動作可能である。プラテン２４を回転させるために、例えば、モータ２２が駆動シャフト２８を回すことができる。研磨パッド３０は、外層３４と、より軟性のバッキング層３２とを有する、二層研磨パッドであってもよい。研磨パッド３０の上面は、研磨面３６を提供する。

研磨システム２０は、研磨液３８（スラリなど）を研磨パッド３０上に分注するために、供給ポートまたは一体型の供給－洗浄アーム３９を含みうる。

研磨システム２０はまた、研磨パッド３０を砥いで、研磨面３６を一定の砥粒状態に維持するための、研磨パッドコンディショナ６０も含みうる。研磨パッドコンディショナ６０は、ベースと、研磨パッド３０上で横方向にスイープしうるアーム６２と、アーム６２によってベースに接続されたコンディショナヘッド６４とを含む。コンディショナヘッド６４は、砥粒面（例えば、コンディショナヘッド６４によって保持されたディスク６６の下面）を研磨パッド３０に接触させて、研磨パッド３０をコンディショニングする。砥粒面は回転可能であってよく、研磨パッドに当接する砥粒面の圧力は制御可能でありうる。

いくつかの実装では、アーム６２は、ベースに枢動可能に取り付けられ、往復するようにスイープして、コンディショナヘッド６４を、研磨パッド３０にわたって揺動（ｏｓｃｉｌｌａｔｏｒｙ）スイープ運動を行うように動かす。コンディショナヘッド６４の運動は、衝突を防止するために、キャリアヘッド７０の運動と同期されうる。

コンディショナヘッド６４の垂直運動と、研磨パッド３０に対するコンディショニング面の圧力の制御とは、コンディショナヘッド６４の上方又はコンディショナヘッド６４内の垂直アクチュエータ６８（例えば、コンディショナヘッド６４に下向きの圧力を印加するよう配置された加圧可能チャンバ）によって提供されうる。あるいは、垂直運動および圧力制御は、アーム６２とコンディショナヘッド６４の全体を上昇させるベース内の垂直アクチュエータによって、または、アーム６２の傾斜角度、ひいては研磨パッド３０の上方のコンディショナヘッド６４の高さを制御可能にしうる、アーム６２とベースとの間の枢動接続によって、提供されうる。

キャリアヘッド７０は、基板１０を研磨パッド３０に当接して保持するよう、動作可能である。キャリアヘッド７０は、支持構造物７２（カルーセルまたは軌道など）から懸架され、キャリアヘッドが軸７１の周りで回転しうるように、駆動シャフト７４によってキャリアヘッド回転モータ７６に接続される。オプションで、キャリアヘッド７０は、（例えば、カルーセルまたは軌道７２のスライダに沿って）横方向に、また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、プラテンはその中心軸２５の周りで回転し、キャリアヘッドは、その中心軸７１の周りで回転し、かつ研磨パッド３０の上面にわたって横方向に平行移動する。キャリアヘッド７０は、基板１０の裏面と接触する基板装着面を有する可撓膜８０と、基板１０上の種々のゾーン（例えば、種々の径方向ゾーン）に異なる圧力を印加するための、複数の加圧可能チャンバ８２とを含みうる。キャリアヘッドは、基板を保持するための保持リング８４も含みうる。

研磨システム２０は、研磨パッド３０の表面テクスチャ（例えば、表面粗さ）を表わす信号を生成する、インシトゥ光学式パッドモニタリングシステム４０を含む。インシトゥ光学式パッドモニタリングシステム４０は、撮像装置４２（研磨パッドの上方、例えば、支持アーム４４上に配置されたカメラなど）を含む。例えば、撮像装置４２はラインスキャンカメラとであってよく、パッドモニタリングシステム４０は、研磨パッド３０がプラテン２４の回転によりカメラ４０の下をスイープするときに、ラインスキャンカメラによる複数の測定値から２Ｄ画像を生成するように構成することができる。代替的に、撮像装置４２は２Ｄカメラであってもよい。撮像装置４２は、研磨パッド３０の表面３６の一部の視野４３を有することができる。カメラは、ＣＣＤアレイと、研磨パッド３０の表面３６上に撮像面を合焦させるための光学部品（例えば、レンズ）とを含むことができる。

いくつかの実装では、撮像装置４２は、固定された半径方向位置に配置され、研磨パッド３０の固定された半径方向ゾーンを撮像する。この状況において、インシトゥパッドモニタリングシステム４０は、研磨パッド３０上の固定された半径方向位置において、表面テクスチャ（例えば、表面粗さ）についての測定値を生成することができる。

しかしながら、いくつかの実装では、撮像装置４２は、例えば研磨パッド３０の半径に沿って横方向に移動可能である。例えば、図２を参照すると、支持アーム４２を保持するベース４６が枢動するように構成され、それによって、研磨パッド３０を横切ってアーム４２（矢印Ａ参照）を揺動させ、撮像装置４２を弧状の経路で運ぶことができる。別の例として、支持アーム４４は、リニアレールであってもよく、または、リニアレールを含んでもよく、撮像装置４２は、レールに沿って、リニアスクリューを有するステッパモータなどのリニアアクチュエータ４６によって移動可能であってもよい。異なる半径方向ゾーンに対して研磨パッド３０の画像を撮ることによって、インシトゥパッドモニタリングシステム４０は、研磨パッド３０上の異なる半径方向位置において、表面テクスチャ（例えば、表面粗さ）についての測定値を生成することができる。

コントローラ９０（例えば、汎用のプログラマブルデジタルコンピュータ）は、インシトゥ研磨パッドモニタリングシステム４０からの画像を受け取り、この画像から研磨パッド３０の表面テクスチャ（例えば、表面粗さ）の基準を生成するよう構成されうる。これに関連して、コントローラ９０（または表面テクスチャの測定値を提供するソフトウェアの部分）は、パッドモニタリングシステム４０の一部と見なすことができる。上述のように、研磨パッド３０の表面粗さは、研磨およびコンディショニング処理により、経時的に（例えば、複数の基板を研磨する過程で）変化する。

また、コントローラ９０は、インシトゥパッドモニタリングシステム４０から受け取った表面テクスチャ（例えば、表面粗さ）の値に基づいて、パッドコンディショナ６０システムを制御するように構成することができる。例えば、研磨パッド３０の表面テクスチャの基準が閾値を満たすと、コントローラ９０はコンディショニング処理を停止することができる。別の例として、研磨パッドの表面テクスチャが別の閾値を満たす場合、コントローラ９０は、研磨システム２０のオペレータに、例えば、研磨またはコンディショニング動作が期待通りに進行していないという警告を発することができる。

別の例として、インシトゥパッドモニタリングシステム４０が、研磨パッド３０上の異なる半径方向位置（回転軸２５に対する）で、表面テクスチャ（例えば、表面粗さ）に関する測定値を生成する場合には、コントローラ９０は、その測定値を使用してパッドコンディショナ６０を制御し、表面テクスチャ（例えば、表面粗さ）の均一性を改善することができる。例えば、コントローラ９０は、コンディショナアーム６２のスイープを制御して、研磨パッド上の異なる半径方向ゾーンにおけるコンディショナディスク６４の滞留時間を制御することができる。例えば、半径方向ゾーン内の表面粗さを高めることが必要な場合には、滞留時間を長くすることができ、一方、半径方向ゾーン内の表面粗さを減少させる必要がある場合には、滞留時間を短くすることができる。

図３を参照すると、インシトゥパッドモニタリングシステム４０からの画像は、トレーニングされたマシンビジョン画像処理システム１００に供給される。マシンビジョン画像処理システム１００は、撮像装置４２の視野４３内の研磨面３６の部分のテクスチャ（例えば、表面粗さ）を表す値を出力するように構成される。マシンビジョン画像処理システム１００は、コントローラ９０の一部として実装することができる。マシンビジョン画像処理システム１００は、様々な機械学習技術を組み込むことができる。例えば、マシンビジョン画像処理システム１００は、ニューラルネットワークを含むことができるが、他のアプローチ、例えば、ナイーブベイズ分類器またはサポートベクトルマシンも可能である。

図３は、機械学習ベースの画像処理システム１００用に実装可能な機能ブロックを示す。これらの機能ブロックは、画像の次元削減を実行するためのオプションの次元削減モジュール１１０と、（ニュートラルネットワークとして実装されていることを示す）教師あり学習モジュール１２０とを含むことができる。教師あり学習モジュール１２０は、教師あり学習アルゴリズムを実装して、画像（または、画像から次元削減したデータ）に基づいて、表面テクスチャ（例えば、表面粗さ）の測定値を出力する関数を生成する。上述のように、これらの機能ブロックは、複数のコンピュータに分散されうる。

教師あり学習モジュール１２０の出力は、表面テクスチャの測定値に基づいて研磨処理を調整するために、コントローラ９０の一部として実装することができる処理制御システム１３０に供給することができる。例えば、処理制御システム１３０は、表面テクスチャ（例えば、表面粗さ）の測定値に基づいて、研磨表面３６の表面テクスチャ（例えば、表面粗さ）の不均一性を低減するために、研磨処理の間に、コンディショニング終点を検出してコンディショニングを停止すること、および／またはコンディショニングパラメータ（例えば、スイーププロファイル、コンディショナヘッド圧力など）を調整することができる。

機械学習モジュール１２０がニューラルネットワークであると仮定すると、ニューラルネットワークは、主成分の各々のための複数の入力ノード１２２と、複数の隠れノード１２４（以下では「中間ノード」とも称される）と、表面テクスチャ（例えば、表面粗さ）の測定値を生成する１つの出力ノード１２６とを含む。一般的に、隠れノード１２４は、隠れノードが接続されている入力ノード１２２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、（ノードｋで指定された）ある隠れノード１２４の出力は、次のように表わされうる。
ｔａｎｈ（０．５＊ａ_ｋ１（Ｉ_１）＋ａ_ｋ２（Ｉ_２）＋…＋ａ_ｋＭ（Ｉ_Ｍ）＋ｂ_ｋ） 式１
ここで、ｔａｎｈは双曲線正接であり、ａ_ｋｘ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、Ｉ_ＭはＭ番目の入力ノードの値である。しかしながら、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）関数およびその変種）も使用されうる。

オプションの次元削減モジュール１１０は、成分値１１２（例えばＬ個の成分値）がより限られた数になるよう、画像を削減する。ニューラルネットワーク１２０は、画像が削減される各成分に対する入力ノード１２２を含む。例えば、次元削減モジュール１１０がＬ個の成分値を生成する場合には、ニューラルネットワーク１２０は少なくとも入力ノードＮ_１、Ｎ_２…Ｎ_Ｌを含む。

しかしながら、教師あり学習モジュール１２０は、オプションにより、画像または成分値以外の１つまたは複数の入力１１４を受け取ることができる。他の入力１１４は、研磨システム内の他のセンサからの測定値、例えば、温度センサによるパッドの温度の測定値、またはフローセンサからのスラリ流量の測定値を含むことができる。他の入力は、研磨制御パラメータの値、例えばプラテン回転速度、スラリ流量、またはスラリ組成を含むことができる。研磨制御パラメータ値は、コントローラ９０によって記憶された研磨レシピから得ることができる。他の入力は、コントローラによって追跡される状態パラメータ、例えば、使用されている様々なパッドの（製造業者、ブランド名、パッド組成、溝パターンなどの）識別、またはパッドが変更されてから研磨された基板の数を含みうる。他の入力は、パッドがプラテン上に装着される前に、スタンドアロン計測ステーションによる研磨パッドの表面テクスチャ（例えば、表面粗さ）の測定値など、研磨システムの一部ではないセンサからの測定値を含みうる。これにより、教師あり学習モジュール１２０は、表面テクスチャ（例えば、表面粗さ）の計算において、これらの他の処理または環境変数を考慮することができる。教師あり学習モジュール１２０がニューラルネットワークであると仮定すると、ニューラルネットワークは、他のデータを受け取るための１つまたは複数の他の入力ノード（たとえば、ノード１２２ａ）を含むことができる。

ニューラルネットワーク１２０のアーキテクチャは、深度と幅が変動しうる。例えば、ニューラルネットワーク１２０は、単一列の隠れノード１２４伴って図示されているが、複数の列を含むこともある。中間ノード１２４の数は、入力ノード１２２の数と等しく、またはそれよりも多くなりうる。ニューラルネットワークは、完全に接続されていても、畳み込みネットワークであってもよい。

例えば、デバイスウエハの処理に使用される前に、教師あり学習モジュール１２０を構成する必要がある。

構成手順の一部として、教師あり学習モジュール１２０は、複数のトレーニング画像と、複数のトレーニング値、例えば、表面テクスチャ値（表面粗さ値など）とを含みうるトレーニングデータを受け取る。各基準画像は、トレーニング値を有する。すなわち、トレーニングデータは画像とトレーニング値とのペアを含む。

例えば、画像は、様々なパッドサンプルから得ることができる。加えて、サンプルの表面粗さの測定は、計測装置、例えば、接触プロフィロメータ、干渉計または共焦点顕微鏡で行うことができる。したがって、各トレーニング画像は、画像が撮影されたサンプルの表面粗さであるトレーニング値に関連付けることができる。

いくつかの実装では、データ記憶装置は、トレーニングデータの複数の組を記憶することができる。トレーニングデータの異なる組は、異なるタイプの研磨パッド、例えば、異なる組成および／または溝パターンに対応することができる。教師あり学習モジュール１２０は、半導体製造プラントのオペレータから、例えば、ユーザインターフェースを介して、様々なトレーニングデータの組を受け取ることができる。

教師あり学習モジュール１２０のトレーニングは、従来の技法を使用して実行することができる。例えば、ニューラルネットワークの場合、トレーニングは、トレーニング画像およびトレーニング値を使用してバックプロパゲーションによって実行することができる。例えば、ニューラルネットワークがトレーニングモードで動作している間、トレーニング画像の低減された次元数値は、それぞれの入力ノードＮ_１、Ｎ_２…Ｎ_Ｌに供給され、トレーニング値Ｖは、出力ノード１２６に供給される。これは、画像およびトレーニング値の各ペアについて繰り返すことができる。教師あり学習モジュール１２０が、画像または成分値以外の入力を受け取る場合、これらのパラメータの値を、トレーニングデータとして機械学習モジュールに供給することもできる。

トレーニングが実行されると、次に、例えば上述のように、教師あり学習モジュールのトレーニングされたインスタンス化を使用することができる。すなわち、基板の処理中に、研磨パッドの画像ならびに他のパラメータ値をトレーニングされた教師あり学習モジュール１２０に送ることができ、この学習モジュールは、表面テクスチャ（例えば、表面粗さ）に対する値を出力する。次いで、表面テクスチャ（例えば、表面粗さ）の値は、例えば、上述のように、コンディショニング動作を制御するために使用することができる。
インシトゥ研磨パッドモニタリングシステムは、様々な研磨システムにおいて使用されうる。研磨面と基板との間の相対運動を提供するために、研磨パッドとキャリアヘッドのいずれか、または両方が移動しうる。研磨パッドは、プラテンに固定された円形（または他の何らかの形状）のパッド、供給ローラと巻き取りローラとの間に延在するテープ、または連続したベルトでありうる。研磨パッドは、プラテン上に固定されていることも、研磨の動作と動作の間にプラテンの上で漸進することも、研磨中にプラテンの上で連続的に駆動されることもある。パッドが研磨中にプラテンに固定されていることも、研磨中にプラテンと研磨パッドとの間に流体ベアリングが存在することもある。研磨パッドは、標準的な（例えば充填物を含むか若しくは含まないポリウレタン）粗いパッドでも、軟性パッドでも、又は固定砥粒パッドでもありうる。

加えて、前述の説明は研磨中のモニタリングに焦点を当てているが、研磨パッドの測定値は、基板が研磨される前または研磨された後（例えば、基板が研磨システムに移送されている間）に得ることも可能である。

コントローラおよびその機能的動作は、デジタル電子回路において、またはコンピュータのソフトウェア、ファームウェア、もしくはハードウェアにおいて、またはこれらの組み合わせにおいて、実装されうる。動作を実行するように「構成」されたコントローラは、実際に動作を実行するのに十分なソフトウェア、ファームウェア、またはハードウェアを有し、単に動作を実行するようにプログラムまたは修正することができるだけではない。

実施形態は、１つまたは複数のコンピュータプログラム製品として、すなわち、データ処理装置（プログラマブルプロセッサ、コンピュータ、または複数のプロセッサもしくはコンピュータなど）による実行のため、またはかかるデータ処理装置の動作を制御するために、情報キャリア（例えば、非一過性のマシン可読記憶媒体、または伝播信号など）において実際に具現化される、１つまたは複数のコンピュータプログラムとして、実装可能である。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知られている）は、コンパイラ型言語またはインタプリタ型言語を含む、任意の形のプログラミング言語で書くことができ、またスタンドアロンプログラムとして、またはモジュール、コンポーネント、サブルーチン、もしくは計算環境で使用するのに適している他のユニットとして配置することを含め、任意の形で配置することができる。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しない。プログラムは、他のプログラムもしくはデータを保持するファイルの一部分、対象のプログラム専用の単一のファイル、または複数の連携しているファイル（例えば、１つ以上のモジュール、サブプログラム、もしくはコードの一部分を収納するファイル）に保存することができる。コンピュータプログラムは、１つのコンピュータ上で実行されるように配置すること、あるいは１つの場所にある、または複数の場所にわたって分散された、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上で実行されるように配置することができる。

本明細書に記載のプロセスおよび論理フローは、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するために１つまたは複数のコンピュータプログラムを実行する、１つまたは複数のプログラマブルプロセッサによって実施されうる。プロセスおよび論理フローは、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によって実施されてもよく、かつ、装置が、かかる特殊用途の論理回路として実装されることも可能である。

本発明のいくつかの実施形態について説明してきた。それでもなお、本発明の本質および範囲から逸脱することなく様々な改変が行われうることが、理解されよう。したがって、その他の実施形態も、以下の特許請求の範囲内に含まれる。

Claims (15)

1. 化学機械研磨のための装置であって、
   研磨パッドを支持する表面を有するプラテンと、
   前記研磨パッドの研磨面に当接して基板を保持するためのキャリアヘッドと、
   前記研磨面に当接して砥粒体を押圧するためのパッドコンディショナと、
   前記研磨パッドの画像を捕捉するために前記プラテンの上方に配置された撮像装置を含むインシトゥ研磨パッドモニタリングシステムと、
   前記モニタリングシステムから前記画像を受け取り、前記画像に基づいて研磨パッド表面テクスチャの基準を生成するように構成されたコントローラと、
   を含む、装置。
2. 前記コントローラは、機械学習ベースの画像処理システムとして動作し、前記画像を前記画像処理システムに入力するように構成される、請求項１に記載の装置。
3. 前記機械学習ベースの画像処理システムは、教師あり学習モジュールを備える、請求項２に記載の装置。
4. 前記機械学習ベースの画像処理システムは、前記画像および出力成分値を受け取る次元削減モジュールを備え、前記コントローラは、前記画像に対する前記成分値を前記教師あり学習モジュールに入力するように構成される、請求項３に記載の装置。
5. 前記コントローラは、前記画像を前記教師あり学習モジュールに直接入力するように構成される、請求項３に記載の装置。
6. 前記コントローラは、前記教師あり学習モジュールを人工ニューラルネットワークとして動作させるように構成される、請求項３に記載の装置。
7. 前記コントローラは、パラメータの値を含む他のデータを受け取るように構成され、前記画像上の前記研磨パッド表面テクスチャの基準および前記パラメータの値を生成するように構成される、請求項１に記載の装置。
8. 前記パラメータは、研磨制御パラメータ、状態パラメータ、前記研磨システム内のセンサからの測定値、または前記研磨システムの外側のセンサによる前記研磨パッドの測定値を含む、請求項７に記載の装置。
9. 前記パラメータは、プラテン回転速度、スラリ分注速度、スラリ組成、前記研磨パッドを変更した以降の基板の数、または前記研磨パッドが前記プラテン上に装着される前のスタンドアロン計測ステーションによる前記研磨パッドの表面粗さの測定値を含む、請求項８に記載の装置。
10. 前記コントローラは、研磨パッド表面テクスチャの前記基準に基づいて、コンディショニング処理を停止するか、またはコンディショニングパラメータを調整するかのうちの少なくとも１つを行うように構成される、請求項１に記載の装置。
11. 基板をプラテン上の研磨パッドと接触させることと、
    前記基板と前記研磨パッドとの間の相対運動を発生させることと、
    光学センサによる前記研磨パッドの画像を捕捉することと、
    機械学習ベースの画像処理システムに前記画像を入力することにより、前記研磨パッドの表面テクスチャの測定値を生成することと、
    を含む、研磨の方法。
12. トレーニング画像とトレーニング値との複数のペアを含むトレーニングデータを受け取ることと、前記トレーニングデータを使用して、前記学習ベースの画像処理システムにおいて教師あり学習アルゴリズムをトレーニングすることとを含む、請求項１１に記載の方法。
13. 前記トレーニング値は、表面粗さ値を含む、請求項１２に記載の方法。
14. 研磨パッド表面テクスチャの基準に基づいて、コンディショニング処理を停止すること、またはコンディショニングパラメータを調整することを含む、請求項１１に記載の方法。
15. 前記光学センサを前記研磨パッドにわたって半径方向に移動させることを含む、請求項１１に記載の方法。
    

Images