JP2024503978A - 適応型スラリ分注システム - Google Patents

Abstract

本明細書では、研磨プロセスの１つ以上の観点を制御するための、機械学習人工知能（ＡＩ）アルゴリズムを使用する高度な基板研磨方法又はＡＩを使用して生成されたソフトウェアアプリケーションが提供される。ＡＩアルゴリズムが、研磨システムから得られた基板処理データを使用して、研磨プロセスをシミュレートし、研磨プロセス及び研磨プロセスから予期されるプロセス結果について予測を行うよう訓練される。【選択図】図１Ｂ

Description

本明細書に記載の実施形態は、概して、半導体デバイス製造、特に半導体デバイス製造に使用される化学機械研磨（ＣＭＰ）システム、及び関連する方法に関する。

化学機械研磨（ＣＭＰ：Ｃｈｅｍｉｃａｌ ｍｅｃｈａｎｉｃａｌ ｐｏｌｉｓｈｉｎｇ）は、高密度集積回路を製造して、基板上の材料層を平坦化するため、下層の材料層の表面から余分な材料を取り除くため、又はその両方のために一般的に使用されている。典型的なＣＭＰプロセスでは、基板はキャリアヘッド内で保持されており、キャリアヘッドは、基板の裏側を研磨液の存在下で回転している研磨パッドに向かって押し付ける。研磨パッドは、しばしばポリマー材料で形成され、その表面のアスペリティ（粗さ、ａｓｐｅｒｉｔｙ）によって、基板の材料表面と、その下に配置された動いている研磨パッドと、の間の界面への研磨液の移送が促進される。研磨液は典型的に、１つ以上の化学成分から成る水溶液と、水溶液中に懸濁するナノスケールの研磨粒子とを含み、しばしば研磨スラリと呼ばれる。研磨液、基板と研磨パッドとの相対的な動き、及びそれらの間の接触圧力によってもたらされる化学的活性と機械的な動きとの組み合わせによって、材料が基板の材料層表面全体で除去される。琢磨パッド、及び研磨液といった消耗品は、所望のＣＭＰ用途に基づいて選択される。

一般的なＣＭＰ用途には、ダマシンプロセスにおけるバルク膜の平坦化及び余分な材料の除去が含まれる。層間絶縁膜（ＩＬＤ）の研磨といったバルク膜の平坦化は、典型的に、下に配置された２次元又は３次元のフィーチャ（ｆｅａｔｕｒｅ）によって生じた、材料層の表面上の望ましくない凹部及び突起を平滑化するために使用される。典型的なダマシンＣＭＰの用途には、シャロートレンチアイソレーション（ＳＴＩ：ｓｈａｌｌｏｗ ｔｒｅｎｃｈ ｉｓｏｌａｔｉｏｎ）及び層間金属配線の形成を含み、ここで、ＣＭＰは、ＳＴＩ又は金属配線フィーチャが配置された１つ以上の下層の露出表面（フィールド、ｆｉｅｌｄ）から、トレンチ、コンタクト、ビア、又はラインを充填する材料（過充填、ｏｖｅｒｂｕｒｄｅｎ）を除去するために使用される。

用途に従って、ＣＭＰプロセスの結果は典型的に、大局的な研磨均一性、局所的な平坦化性能、及びＣＭＰによって誘発された表面欠陥に関する相互に関係した指標値（ｍｅｔｒｉｃｓ）の組み合わせによって特徴付けられる。このようなプロセス結果によって、基板上に形成された得られたデバイスの性能、信頼性、及び／又は操作性が決定される。プロセス結果がプロセス公差の限界値から外れていることは、デバイスの故障に繋がる虞があり、従って、基板上に形成された使用可能なデバイスの歩留まりを抑制する可能性がある。典型的に、プロセス結果の公差は、回路密度が高くなってデバイスのフィーチャの大きさが縮小するにつれて小さくなる。

デバイス形状の縮小に対する業界の要求に応えるため、先進的なＣＭＰシステムは、プロセス結果に影響を与えるとして知られた事実上全ての処理変数（パラメータ）を制御するために、劇的に複雑化している。このような先進的なＣＭＰシステムは、高度に設計された複雑な個別サブシステムを含み、各サブシステムは、１つ以上の処理パラメータを所望の設定点に対して制御するよう構成されている。制御可能な処理パラメータは、集合的に基板研磨レシピを定める。多くの場合に、１回の基板ＣＭＰプロセスの研磨レシピは、複数段階の研磨シーケンスを含み、ここで、１つ以上のパラメータ設定点はシーケンスの各段階について変更される。

残念なことに、ＣＭＰ技術における進歩は、研磨界面における表面と、流体と、砥粒と、の間の化学的活性と機械的な動きの複雑な相互作用についての科学的理解をはるかに上回っている。その結果、既存のＣＭＰモデルは、プロセス開発時の使用のためには一般的に適していない。従って、ＣＭＰ基板プロセスは典型的に、従来のプロセス開発及び改良技術を使用して、当該プロセス開発及び改良技術に基づいて決定及び／又は改良される。このような技術の例には、実験計画法（ＤＯＥ：ｄｅｓｉｇｎ ｏｆ ｅｘｐｅｒｉｍｅｎｔｓ）、及び試行錯誤が含まれる。典型的に、標準的な品質管理対策では、使用又は販売を目的とするデバイスを搭載した製造用基板での実験は禁止されている。結果的に、ＤＯＥの実験はしばしば、ＣＭＰ処理システムの貴重な時間を消費しながら、高価なテスト用基板を使用して実施される。従って、これに関連する時間及びコストに起因して、生産設備内で使用される複数の個別研磨プロセスについて、研磨パラメータ、アルゴリズム、消耗品、デバイスのフィーチャ、及び処理結果の間の複雑な関係を徹底的に調べることは事実上不可能である。

このように、従来のプロセス改良方法は、先進的なＣＭＰ処理システムの装置とサブシステムの組み合わされた能力を活用するには不十分であり、本来なら実現できるかもしれない改善された処理結果及びより広いプロセスウィンドウを提供することができない。

これに対応して、当技術分野では、先に記載の欠点に悩まされない高度な処理方法が必要とされている。

明細書に記載の実施形態は、概して、電子デバイス製造に使用される化学機械研磨（ＣＭＰ）システム、及びそれと共に使用される高度な基板処理方法に関する。

一実施形態において、基板研磨レシピを生成するためのコンピュータ実装方法が提供される。本方法は、研磨システムを使用して基板を研磨することであって、（ａ）研磨レシピに従って、研磨パッドの表面の上に研磨液を流すことであって、研磨レシピが、複数の研磨パラメータ及び対応する複数の目標値を含む、研磨液を流すこと、（ｂ）研磨レシピに従って、研磨パッドの表面に対して基板を押し付けること、（ｃ）第１の制御パラメータを調整することによって、複数の研磨パラメータのうちの第１の研磨パラメータを、その目標値に又は目標値付近に維持すること、（ｄ）研磨レシピ及び第１の制御パラメータの時系列データを含む処理システムデータを生成すること、及び（ｅ）（ａ）～（ｄ）と同時に、インシトゥ基板監視システムから取得された測定値を使用して時系列のインシトゥ結果データを生成することを含む、基板を研磨することを含む。本方法は、複数の基板について（ａ）～（ｅ）を繰り返して、対応する複数の訓練データセットを取得することであって、訓練データセットのそれぞれが、研磨された基板についての処理システムデータ及びインシトゥ結果データを含む、複数の訓練データセットを取得することと、人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセット含む訓練データを受信することと、訓練データを使用して機械学習ＡＩアルゴリズムを訓練することと、訓練された機械学習ＡＩアルゴリズムを使用して、複数の研磨パラメータのうちの１つ以上を変更することと、をさらに含む。

一実施形態において、コンピュータ可読媒体が、研磨レシピを決定する方法を実行するための命令を含む。上記方法は、人工知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセットを含む訓練データを受信することを含み、訓練データセットのそれぞれは、研磨システムで研磨された基板と関連する処理システムデータ及びインシトゥ結果データを含む。訓練データセットのそれぞれについての処理システムデータが、複数の研磨パラメータ、及び対応する複数の目標値を含む研磨レシピと、複数の研磨パラメータのうちの第１の研磨パラメータを目標値に又は目標値付近に維持するための、閉ループ制御システムによって使用される第１の制御パラメータの時系列データと、を含み、訓練データセットのそれぞれについてのインシトゥ結果データが、インシトゥ基板監視システムを使用して生成された時系列データを含む。上記方法は、訓練データを使用して機械学習ＡＩアルゴリズムを訓練することと、訓練された機械学習ＡＩアルゴリズムを使用して、インシトゥ結果データと、第１の制御パラメータの時系列データと、の間の関数関係を決定することと、を含む。

一実施形態において、研磨システム間で研磨性能を一致させるためのコンピュータ実装方法が提供される。コンピュータ実装方法が、人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセット含む訓練データを受信することを含む。訓練データセットのそれぞれが、第１の研磨システムを使用して研磨される第１の複数の基板のうちの個々の基板と関連する処理システムデータを含み、第１の複数の基板のうちの様々な基板が、第１の研磨システムの複数の基板キャリアアセンブリからの基板キャリアアセンブリと、第１の研磨システムの複数の研磨ステーションからの研磨ステーションと、の様々な組み合わせを使用して研磨される。訓練データセットのそれぞれについての処理システムデータが、複数の研磨パラメータ、及び対応する複数の目標値を含む研磨レシピであって、複数の研磨パラメータのうちの１つ以上が、対応する閉ループ制御システムを使用して、その目標値又はその目標値付近に維持される、研磨レシピと、閉ループ制御システムの制御パラメータの時系列データと、を含む。本方法は、訓練データを使用して機械学習ＡＩアルゴリズムを訓練することをさらに含む。訓練された機械学習ＡＩアルゴリズムが、第１の研磨システムの様々な基板キャリアアセンブリの間及び／又は様々な研磨ステーションの間の相違を識別するよう構成される。本方法は、識別された相違に基づいて１つ以上の修正アクションを実行することをさらに含む。

本開示の実施形態はまた、１つ以上のコンピュータのシステムであって、動作中に当該システムに特定のアクションを実行させるソフトウェア、ファームウェア、ハードウェア、又はこれらの組み合わせがインストールされていることにより、特定の動作又はアクションを実行するよう構成可能なシステムも提供する。１つ以上のコンピュータプログラムが、プロセッサによって実行されたときに装置にアクションを実行させる命令を含むことにより、特定の動作又はアクションを実行するよう構成されうる。１つの全般的な態様が、１つ以上の研磨システム内で基板を研磨するためのコンピュータ実装方法を含む。コンピュータ実装方法が、（ａ）研磨レシピに従って、研磨パッドの表面の上に研磨液を流すことであって、研磨レシピが複数の研磨パラメータ及び対応する複数の目標値を含みうる、研磨液を流すことと、（ｂ）研磨レシピに従って、研磨パッドの表面に対して基板を押し付けることと、（ｃ）第１の制御パラメータを調整することによって、複数の研磨パラメータのうちの第１の研磨パラメータを、その目標値に又は目標値付近に維持することと、（ｄ）研磨レシピ及び第１の制御パラメータの時系列データを含みうる処理システムデータを生成することと、（ｅ）（ａ）～（ｄ）と同時に、インシトゥ基板監視システムから取得された測定値を使用して時系列のインシトゥ結果データを生成することと、複数の基板について（ａ）～（ｅ）を繰り返して、対応する複数の訓練データセットを取得することであって、訓練データセットのそれぞれが、研磨された基板についての処理システムデータ及びインシトゥ結果データを含みうる、複数の訓練データセットを取得することと、人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセットを含みうる訓練データを受信することであって、複数の訓練データセットのそれぞれが適時に順次受信される、訓練データを受信することと、訓練された機械学習ＡＩアルゴリズムによって行われる解析に基づいて、複数の研磨パラメータのうちの１つ以上を変更することと、を含みうる。本態様の他の実施形態が、本方法のアクションを実行するようそれぞれが構成された、対応するコンピュータシステム、装置、及び１つ以上のコンピュータストレージデバイス上に記録されたコンピュータプログラムを含む。

本開示の実施形態がまた、１つ以上の研磨システム内で基板を研磨するためのコンピュータ実装方法も提供する。コンピュータ実装方法が、（ａ）研磨レシピに従って、研磨パッドの表面の上に研磨液を流すことであって、研磨レシピが複数の研磨パラメータ及び対応する複数の目標値を含みうる、研磨液を流すことと、（ｂ）研磨レシピに従って、研磨パッドの表面に対して基板を押し付けることと、（ｃ）第１の制御パラメータを調整することによって、複数の研磨パラメータのうちの第１の研磨パラメータを、その目標値に又は目標値付近に維持することと、（ｄ）研磨レシピ及び第１の制御パラメータの時系列データを含みうる処理システムデータを生成することと、（ｅ）（ａ）～（ｄ）と同時に、インシトゥ基板監視システムから取得された測定値を使用して時系列のインシトゥ結果データを生成することと、複数の基板について（ａ）～（ｅ）を繰り返して、対応する複数の訓練データセットを取得することであって、訓練データセットのそれぞれが、研磨された基板についての処理システムデータ及びインシトゥ結果データを含みうる、複数の訓練データセットを取得することと、人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセットを含みうる訓練データを受信することであって、複数の訓練データセットの少なくとも一部分が時間内に順次受信される、訓練データを受信することと、機械学習ＡＩアルゴリズムによって行われる解析に基づいて、複数の研磨パラメータのうちの１つ以上を変更することと、を含みうる。

本開示の実施形態はまた、研磨システム間の研磨性能を一致させるためのコンピュータ実装方法も提供し、本方法が、人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセット含む訓練データを受信することを含み、訓練データセットのそれぞれが、第１の研磨システムを使用して研磨される第１の複数の基板のうちの個々の基板と関連する処理システムデータを含み、第１の複数の基板のうちの様々な基板が、第１の研磨システムの複数の基板キャリアアセンブリからの基板キャリアアセンブリと、第１の研磨システムの複数の研磨ステーションからの研磨ステーションと、の様々な組み合わせを使用して研磨され、訓練データセットのそれぞれについての処理システムデータが、複数の研磨パラメータ、及び対応する複数の目標値を含む研磨レシピであって、複数の研磨パラメータのうちの１つ以上が、対応する閉ループ制御システムを使用して、その目標値又はその目標値付近に維持される、研磨レシピと、閉ループ制御システムの制御パラメータの時系列データと、を含み、本方法がさらに、訓練データを使用して、機械学習ＡＩアルゴリズムを訓練することであって、訓練された機械学習ＡＩアルゴリズムが、第１の研磨システムの様々な基板キャリアアセンブリの間又は様々な研磨ステーションの間の相違を識別するよう構成される、機械学習ＡＩアルゴリズムを訓練することと、識別された相違に基づいて１つ以上の修正アクションを実行することと、を含む。

本開示の上記の特徴を詳細に理解することができるように、上記で簡単に要約した本開示のより具体的な説明を、実施形態を参照することによって行うことができ、そのいくつかを添付の図面に示す。しかしながら、本開示は他の等しく有効な実施形態も許容しうることから、添付の図面は本開示の典型的な実施形態のみを示しており、従って、本開示の範囲を限定すると見なすべきではないことに、留意されたい。

局所的な平坦化性能が好ましくなく低いことを示す基板の一部分の概略的な断面図である。 半導体デバイス製造施設（Ｆａｂ）の概略図である。 一実施形態に係る、本明細書に記載の方法とともに使用されうる機械学習人工知能（ＡＩ）訓練システムの概略図である。 本明細書に記載の研磨システムと共に使用されうる例示的な閉ループフィードバック制御システムの概略図である。 一実施形態に係る、本明細書に記載の方法を実行するために使用されうる例示的な研磨システムの概略的な側断面図である。 例示的な基板キャリアの概略的な側断面図である。 図２Ａの研磨システムを別の視点から示した概略的な側断面図である。 一実施形態に係る、基板を研磨する方法を示す図である。 本明細書に記載の方法に従って実行される研磨プロセスの様々な段階を示す基板の概略的な断面図である。 一実施形態に係る、様々な研磨システム間で性能を一致させる方法を示す図である。

理解が容易になるよう、可能な場合には、各図に共通する同一の要素を示すために同一の参照番号を使用した。一実施形態の要素及び特徴は、さらなる記述がなくとも、他の実施形態に有益に組み込まれうることが想定される。

明細書に記載の実施形態は、概して、電子デバイス製造に使用される化学機械研磨（ＣＭＰ）システム、及び特に、それと共に使用される高度な基板処理方法に関する。

おおまかに、本明細書の高度な基板研磨方法は、研磨プロセスの１つ以上の観点を制御するために、機械学習人工知能（ＡＩ）アルゴリズムといったアルゴリズム、又はＡＩアルゴリズムを使用して生成されたソフトウェアアプリケーションを使用する。一般的に、ＡＩシステムは、解析するデータのパターン及び特徴から学習するために、インテリジェントな反復処理アルゴリズムを含む大規模なデータセットを利用する。データ処理のラウンドを実行することで、ＡＩシステムがデータを解析するたびに、自身の性能を総合的にテストし測定し、実行した解析に基づいて追加の専門知識を開発する。ここで、ＡＩアルゴリズムは、研磨システムから得られた基板処理データを使用して、研磨プロセスをシミュレートし、研磨プロセスと当該研磨プロセスから予期されるプロセス結果とについて予測を行うよう訓練される。

幾つかの実施形態において、ＡＩアルゴリズム、又はＡＩアルゴリズムを使用して生成されたソフトウェアアプリケーションは、所望の研磨終点の計画対象期間（ｔｉｍｅ ｈｏｒｉｚｏｎ）を予測し、それに関して研磨液の組成を、例えば１つ以上の研磨液成分の流量を開始し、停止し、又は変更することで、調整するために使用される。本明細書では、「研磨終点（ｐｏｌｉｓｈｉｎｇ ｅｎｄｐｏｉｎｔ）」は、スラリ組成物といった１つ以上の基板研磨パラメータを変更することが望ましい可能性がある研磨プロセスにおける或る時点を示し、必ずしも研磨プロセスの終了を示していない。ダマシン用途については、所望の研磨終点を正確に予測し、その予測に基づいて研磨液組成物（例えば、スラリ組成物）を前もって調整する能力は、従来の反応的な終点検出スキームと比較して、局所的な平坦化性能の改善を促進する。局所的な平坦化性能の改善によって、得られるデバイスの性能、信頼性、歩留まりにおける望ましい改善がもたらされる。本明細書で提供される方法を使用して改善することができる劣悪な局所的平坦化の例を図１Ａに示す。

以下でさらに述べるように、研磨液組成物（例えば、スラリ組成物）は、一般に、水といった液体中に懸濁する１種以上の固体粒子の混合物を含む。固体粒子は、しばしば研磨剤と呼ばれ、液体中に懸濁するＣｅＯ_２、Ｆｅ_２Ｏ_３、Ａｌ_２Ｏ_３、ＳｉＯ_２といった金属酸化物微粉末を含むことができる。上記液体は、酸、塩基、及び水中にしばしば配置される様々な添加剤（例えば、腐食防止剤、ｐＨ調整剤）のうちの１つ以上を含むことができる。

図１Ａは、基板１のフィールド表面、即ち上面又は外表面から金属充填材料の過充填を除去する研磨プロセスの後の、劣悪な局所的平坦化、例えば距離ｅまでの浸食及び距離ｄまでのディッシングを示す概略的な断面図である。ここで、基板１は、誘電体層２と、誘電体層２内に形成された第１の金属相互接続フィーチャ３ａと、誘電体層２内に形成された複数の第２の金属相互接続フィーチャ３ｂと、を含む。複数の第２の金属相互接続フィーチャ３ｂ同士が密に配置されて、フィーチャ密度が比較的高い領域４を形成している。典型的に、金属相互接続フィーチャ３ａ、３ｂは、誘電体層２上に金属充填材料を堆積させ、かつ誘電体層２内に形成された対応する開口内へと金属充填材料を堆積させることによって、形成される。その後、基板１の材料表面は、誘電体層２のフィールド表面５から充填材料の過充填を除去するために、ＣＭＰプロセスを使用して平坦化される。

示されるように、劣悪な局所的平坦化性能により、金属相互接続フィーチャ３ａの上面が誘電体層２の周囲表面から距離ｄだけ後退しており、このことは、別称ディッシング（ｄｉｓｈｉｎｇ）として知られている。劣悪な局所的な平坦化性能により、フィーチャ密度が高い領域４内で、例えば距離ｅにおいて誘電体層２の望まれない窪みも発生し、ここでは、上記領域４内の誘電体層２の上面がフィールド表面５の平面から後退しており、このことは、別称浸食として知られている。ディッシング及び／又は浸食から結果的に発生する金属損失によって、それから形成される金属相互接続フィーチャ３ａ、３ｂの実効抵抗の望ましくない変動が引き起こされ、従って、デバイスの性能及び信頼性に影響が与えられる可能性がある。

幾つかの実施形態において、ＡＩアルゴリズムが、生産設備内、即ち半導体デバイス製造施設内で稼働する１つ以上の研磨システムからのデータを使用して訓練される。生産研磨システムを使用してＡＩアルゴリズムを訓練すると、有利に、ＡＩアルゴリズムが使用できる豊富なデータが提供され、特定の研磨用途の複数の変数間の複雑な関係がより良く理解される。例示的な製造施設（Ｆａｂ）１０が、図１Ｂに概略的に示されている。

ここで、Ｆａｂ１０は、複数の研磨システム２０、１つ以上の機械学習人工知能（ＡＩ）アルゴリズム（以下、「ＡＩ」）訓練プラットフォーム３０、Ｆａｂ生産制御システム４０、１つ以上のスタンドアロンの基板検査及び／又は計測ステーション５０、及び他の処理システム６０を含む。他の処理システム６０は、基板処理フローにおいて研磨プロセスの上流と下流の両方で見られる、半導体デバイスの製造時に使用される基板処理システムを含み、当該基板処理システムは、例えば、エピタキシールシステム、熱処理システム、非エピタキシー堆積システム、リソグラフィシステム、エッチングシステム、注入システム、及び他の研磨システムを含む。幾つかの実施形態において、Ｆａｂ１０は、Ｆａｂ生産制御システム４０と通信するパラメトリック試験及び／又はデバイス歩留まりテストシステムといった、１つ以上の電気試験システム７０をさらに含む。

典型的に、研磨システム２０のそれぞれが、複数の研磨ステーション２１と、複数の基板キャリアアセンブリ２２と、基板をキャリアアセンブリ２２との間で移送するためのキャリアローディングステーション２３と、キャリアローディングステーション２３と様々な研磨ステーション２１との間で基板キャリアアセンブリ２２を移動させるためのキャリア移送システム２４と、を含む。ここで、研磨システム２０のそれぞれは、１つ以上の基板検査システム２５、１つ以上の計測システム２６、及び洗浄システム２７をさらに含み、これらは、そこで研磨される基板の研磨前及び／又は研磨後（インライン）の検査、測定、及び洗浄をそれぞれ行うために、研磨システム２０と一体化されている。研磨システム２０のそれぞれは、当該研磨システム２０の様々な構成要素及びサブシステムの動作を指示し及び調整するシステムコントローラ２８を含む。

示されるように、ＡＩ訓練プラットフォーム３０のそれぞれは、イーサネット又はＵＳＢ接続といった通信リンク２９を使用して、対応するシステムコントローラ２８に通信可能に接続されている。他の実施形態において、ＡＩ訓練プラットフォーム３０の１つ以上が、システムコントローラ２８と統合されて、その一部を形成しうる。幾つかの実施形態において、ＡＩ訓練プラットフォーム３０が、研磨システム２０の１つ以上の構成要素又はサブシステムと直接的に通信する。幾つかの実施形態において、個々のＡＩ訓練プラットフォーム３０が、本明細書に記載の方法を実行するために１より多い研磨システム２０と共に使用されてよく、及び／又は個々のＡＩ訓練プラットフォーム３０が、訓練データ１１１（図１Ｃ）を共有するために互いに通信可能に接続されている。訓練データ１１１は、個々のＡＩ訓練プラットフォーム３０の間で、複数の異なる時間に共有されうる。一例において、訓練データ１１１は、適時に順次共有することができ、このことは、規則的な時間間隔で共有すること、又は、１つ以上の順次実行されるプロセスが研磨システム２０内で実行される間若しくは実行された後に共有すること、及び／又は、複数の研磨システム２０で実行される１つ以上の非同期プロセスの間若しくは当該非同期プロセスの間に共有することを含みうる。他の実施形態において、１つ以上のＡＩ訓練プラットフォーム３０は、Ｆａｂ１０内に物理的に配置されておらず、本明細書に記載の方法は、クラウド計算技術を用いて実現される。

Ｆａｂ生産制御システム４０は、生産ラインを通過する基板の流れ及び処理を指示し、基板と処理システムの両方に関連するデータを収集し管理する。典型的に、システムコントローラ２８が、Ｆａｂ生産制御システム４０と通信し、Ｆａｂ生産制御システム４０は、システムコントローラ２８に命令を与え、システムコントローラ２８から情報を受け取る。ここで、Ｆａｂ生産制御システム４０は、１つ以上のスタンドアロンの基板検査及び／又は計測ステーション５０、他の処理システム６０、及び１つ以上の電気試験システム７０とさらに通信する。幾つかの実施形態において、Ｆａｂ生産制御システム４０は、スタンドアロンの基板検査及び／又は計測ステーション５０、他の処理システム６０、及び１つ以上の電気試験システム７０から受け取った情報をシステムコントローラ２８に伝え、当該情報は、ＡＩ訓練プラットフォーム３０によって訓練データ１１１（図１Ｃ）として使用される。幾つかの実施形態において、Ｆａｂ生産制御システム４０は、対応する通信リンク２９を介してＡＩ訓練プラットフォーム３０と直接的に通信する。通信リンク２９は、従来の有線又は無線タイプの通信リンクを含みうる。

図１Ｃは、本明細書に記載の方法とともに使用されうるプロセス改良スキーム１００の概略図である。プロセス改良スキーム１００は、ＡＩ訓練プラットフォーム３０を使用し、ＡＩ訓練プラットフォーム３０は、プロセッサ及びメモリブロック（ＰＭＢ（ｐｒｏｃｅｓｓｏｒ ａｎｄ ｍｅｍｏｒｙ ｂｌｏｃｋ）１０４）を含み、このプロセッサ及びメモリブロック１０４は、機械学習ＡＩアルゴリズム、即ち本明細書ではＡＩアルゴリズム１１０を実行するために、支援回路３２と共に動作可能である。ＰＭＢ１０４のプロセッサ（別途図示せず）は、ＡＩアルゴリズム１１０を実行するのに適したコンピュータプロセッサのうちの１つ又は当該コンピュータプロセッサの組み合わせであり、例えば、プログラマブル中央処理ユニット（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、グラフィック処理装置（ＧＰＵ：ｇｒａｐｈｉｃｓ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、機械学習特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、又は他の適切なハードウェア実装のうちの１つ以上である。ＰＭＢ１０４のメモリ（別途図示せず）は、プロセッサに動作可能に接続されており、非一過性であり、かつ、ＡＩアルゴリズム１１０、ＡＩアルゴリズム１１０とともに使用される学習データ１１１、及びＡＩアルゴリズム１１０を使用して生成された１つ以上の機械学習ＡＩモデル１１２を格納するのに適したサイズの任意の不揮発性タイプのメモリである。支援回路３２は、従来では、中央処理ユニットに接続されており、キャッシュ、クロック回路、入力／出力サブシステム、電源等、及びこれらの組み合わせを含む。

ここで、ＡＩアルゴリズム１１０は、教師あり学習モデルと教師なし学習モデルのうちの１つ又はこれらの組み合わせを使用して、ＰＭＢ１０４のメモリに格納された学習データ１１１を用いて訓練される。教師あり学習モデルの一例において、ＡＩアルゴリズム１１０は、ユーザが提供した例示的な入力－出力対に基づいて、個々の制御パラメータの時系列データといった入力データを、個々の処理結果といった出力データにマッピングするように訓練されうる。教師なし学習モデルの一例において、ＡＩアルゴリズム１１０は、最小限のユーザ入力で、経時的に受信された訓練データ１１１におけるパターン及び関係を見つけるよう訓練されうる。訓練プロセスは、長期間にわたって様々なインシトゥ（ｉｎ－ｓｉｔｕ）センサ又はエクスシトゥ（ｅｘ－ｓｉｔｕ）センサから受信される複数のデータセットに基づいて実施されうる。

ＡＩアルゴリズム１１０が教師ありモデルを含む実施形態において、サポートベクターマシン（ＳＶＭ：ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ）を使用でき、回帰モデル、又は、学習データ１１１を受け取って処理結果を示す若しくは予測する連続的な出力を提供することができる任意の教師あり学習モデルを使用できる。ＡＩアルゴリズム１１０が教師なしモデルを含む実施形態において、ニューラルネットワークを使用でき、又は、ＡＩアルゴリズム１１０を訓練するための訓練データ１１１を受け取って、１つ以上の処理結果を示す及び／又は予測するクラスタ化され分類された出力を提供することができる任意の教師なし学習モデルを使用できる。訓練データが研磨システム２０の様々な構成要素の画像及び／又は研磨システム２０内で処理される基板の画像を含む実施形態といった、幾つかの実施形態において、ＡＩアルゴリズム１１０は、畳み込みニューラルネットワークを使用しうる。

ここで、訓練データ１１１は、研磨システム２０又はそのサブシステムによって生成された処理システムデータ１１４と、研磨システム２０上で処理された１つ以上の基板についての対応する処理結果データ１１６と、を含む。ここで、ＡＩアルゴリズム１１０を訓練するために使用される処理システムデータ１１４は、研磨レシピパラメータデータ１１８、例えば、個々の研磨パラメータ及びそれに対応する目標値と、図２Ａ～図２Ｃに記載するような１つ以上のパラメータ制御システム２０１ａ～ｎによって提供される制御パラメータデータ１２０と、例えば研磨システム２０内に配置された追加のセンサ又は測定装置によって生成された、サブシステム及び／又はその消耗品の動作及び処理性能に関するプロセス監視データ１２２と、を含む。研磨システム２０又はそのサブシステムによって生成される処理システムデータ１１４は、研磨レシピにおいて提供されるような離散値によって表わすことができ、又は、時系列データ、例えば、時間順に配置された一連のデータ点（又は画像）を含みうる。

幾つかの実施形態において、ＡＩ訓練プラットフォーム３０は、研磨システム２０の１つ以上の構成要素と通信可能に接続されており、処理システムデータ１１４の少なくとも一部がそこから受信される。幾つかの実施形態において、処理システムデータ１１４の少なくとも一部が研磨システムコントローラ２８のメモリに格納されており、ＡＩ訓練プラットフォーム３０はそこから処理システムデータ１１４を受信する。

処理結果データ１１６は、基板の測定又は検査を介して取得された、研磨プロセス中の基板からの材料層の平坦化及び／又は除去に関する情報であって、基板の測定又は検査から得られる情報を含む情報を含む。幾つかの実施形態において、処理結果データ１１６が、例えばカメラ装置を使用して、基板の表面を撮った画像を含む。

ここで、処理結果データ１１６は、例えば、以下の図２Ａで記載するような渦電流センサ又は光学センサを使用して、研磨プロセスと同時に取得された基板測定値（インシトゥ結果データ１２４）と、研磨プロセスに続いて得られた基板測定値（エクスシトゥ結果データ１２６）と、を含む。幾つかの実施形態において、インシトゥ結果データ１２４が時系列データを含む。幾つかの実施形態において、処理結果データ１１６が、材料除去率又は材料除去均一性といった、研磨プロセス前に取得された測定値と、その後に取得された測定値と、の間の差を含む。

ここで、インシトゥ結果データ１２４は、図２Ａに記載のインシトゥ基板監視システム２２２を使用して取得された時系列の渦電流情報及び／又は時系列の光信号情報を含む。インシトゥ結果データ１２４は、典型的に信号情報を含み、材料層の厚さ、及び材料層の均一性情報といった、信号情報から導出された情報を含みうる。

エクスシトゥ結果データ１２６は、半導体デバイス製造施設内に典型的に見られる適切な計測又は検査システムを使用して、生成されうる。幾つかの実施形態において、エクスシトゥ結果データ１２６の少なくとも一部が、研磨システム２０の１つ以上のインライン（ｉｎ－ｌｉｎｅ）検査システム２５及び／又は計測システム２６を使用して生成され、エクスシトゥ結果データ１２６の一部が、そこからＡＩ訓練プラットフォーム３０で受信される。幾つかの実施形態において、エクスシトゥ結果データ１２６の少なくとも一部が、インラインシステム２５、２６に通信可能に接続された研磨システムコントローラ２８のメモリに格納されており、ＡＩ訓練プラットフォーム３０が、処理システムコントローラ２８からエクスシトゥ結果データ１２６の一部を受信する。

幾つかの実施形態において、エクスシトゥ結果データ１２６の少なくとも一部が、研磨システム２０とは別体の１つ以上のスタンドアロンの検査及び／又は計測ステーション５０を使用して生成される。典型的に、同実施形態において、エクスシトゥ結果データ１２６が、スタンドアロンの検査及び／又は計測ステーション５０のそれぞれに通信可能に接続されたＦａｂ生産制御システム４０から収集及び／又は受信される。

エクスシトゥ結果データ１２６の一部を形成しうる情報の例として、材料除去率（ＭＲＲ：ｍａｔｅｒｉａｌ ｒｅｍｏｖａｌ ｒａｔｅ）と、材料層の平坦化（大局的な平坦性）と、基板間の均一性、即ち、ウエハ間の不均一性（ＷＴＷＮＵ：ｗａｆｅｒ－ｔｏ－ｗａｆｅｒ ｎｏｎ－ｕｎｉｆｏｒｍｉｔｙ）、基板表面にわたる材料除去率の均一性、及び／又は平坦化された材料層の厚さの均一性、総称してウエハ内不均一性（ＷＴＷＮＵ：ｗｉｔｈｉｎ－ｗａｆｅｒ ｎｏｎ－ｕｎｉｆｏｒｍｉｔｙ）の指標値と、平坦化効率と、局所的な平坦性、例えば、ダイ内（ＷＩＤ：ｗｉｔｈｉｎ－ｄｉｅ）平坦性と、下層の材料層の望ましくない除去、例えば酸化膜の損失と、フィーチャ密度が高い領域内の下層の材料層の侵食と、トレンチ、コンタクト、ビア及び／又はラインフィーチャにおける材料の窪み（ディッシング）と、基板表面における又は基板表面に形成された露出フィーチャにおける、及び／又は当該基板表面上の又は当該露出フィーチャ上の研磨によって誘発された欠陥と、が挙げられる。ＣＭＰによって誘発される欠陥は、スクラッチといった機械的な関連する欠陥と、金属フィーチャの腐食といった化学的な関連する欠陥と、を含む。

幾つかの実施形態において、エクスシトゥ結果データ１２６は、カメラ装置又は他の光学センサを用いて得られた基板の画像といった、インライン及び／又はスタンドアロンの計測及び／又は検査システムから取得された画像を含む。幾つかの実施形態において、エクスシトゥ結果データは、計測又は検査システムによって生成された画像であって、基板から取得された情報、例えば、基板及び／又は基板表面の材料層の厚さ、平坦性、欠陥、及び／又は応力マップを表す画像を含む。

幾つかの実施形態において、訓練データ１１１は、基板追跡データ１２８、設備システムデータ１３０、及び電気試験データ１３２のうちの１つ以上を含む。ここで、基板追跡データ１２８は、基板の識別情報、基板上に形成されたデバイスに関する情報、及び基板の処理履歴を含む。デバイス情報の例として、デバイスの大きさ、デバイス形状、フィーチャの大きさ、パターン密度が挙げられる。処理履歴は典型的に、上流の処理システムの識別と、対応する処理情報（例えば、曜日／時間情報、使用される処理レシピ）と、を含む。処理履歴はまた、上流の計測及び／又は検査システムから取得された情報も含みうる。

設備システムデータ１３０は、研磨システム２０に結合された設備供給システムに関する情報、及び／又は、例えば温度、粒子数及び気流といった研磨システム２０を取り囲む環境条件に関連する情報を含む。設備供給システムに関連する情報の例として、脱イオン（ＤＩ ：ｄｅｉｏｎｉｚｅｄ）水供給システム、クリーンドライエア（ＣＤＡ：ｃｌｅａｎ ｄｒｙ ａｉｒ）供給システム、化学物質供給システム、及び遠隔研磨液分配システムから取得される情報が挙げられる。典型的に、遠隔研磨分配システムは、使用ポイントにおいて設備ラインに流体的に結合された複数の研磨システム２０に供給するために、設備ラインを通して研磨液を循環させる。このような研磨液分配システムは、研磨液のバルク混合のために構成されていることが多く、混合プロセスを容易にするため、及び／又は研磨液の健全性を連続的に監視するために、１つ以上の解析器を含みうる。研磨液の健全性の監視は解析器を使用して、研磨液の化学的特性（例えば、ｐＨ、酸化剤及び添加剤のレベル及びそれらの減衰挙動）と、大粒子数（ＬＰＣ：Ｌａｒｇｅ Ｐａｒｔｉｃｌｅ ｃｏｕｎｔｓ）、平均粒度分布（ＰＳＤ：ｍｅａｎ Ｐａｒｔｉｃｌｅ Ｓｉｚｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ）、密度、固体の重量パーセント、及び粘度を含む研磨液の研磨特性と、を決定及び監視することを含む。研磨液の健全性を含む設備システムに関連する情報は、複数の研磨システム２０の個々のシステムコントローラ２８及び／又は ｆａｂ生産制御システム４０に伝えられ、そこからＡＩ訓練プラットフォーム３０によって受信されうる。

電気試験データ１３２は、例えば、デバイス間のダイスライン内に配置された専用の試験構造を使用して、後続のパラメトリック検定（ｐａｒａｍｅｔｒｉｃ ｔｅｓｔ）工程において生成されたパラメトリック検定情報、及び／又は、１つ以上の後続のデバイス試験工程において生成されたデバイス試験情報を含みうる。幾つかの実施形態において、電気試験データ１３２は、パラメトリック検定工程中及び／又はデバイス試験工程中に取得された情報を表す画像を含み、例えば、動作可能なデバイス及び故障したデバイスの基板上の位置を表すデバイス歩留まりマップを含む。

ここで、訓練データ１１１は、基板追跡情報、システム情報、及びタイムスタンプ情報といった識別情報を含み、当該識別情報は、上述した各データソースから受信した情報と、対応する訓練データのセットを形成する特定の基板、研磨システム、研磨ステーション、及び基板キャリアの組み合わせと、を相関させるために使用することができる。

幾つかの実施形態において、訓練されたＡＩアルゴリズム１１０が、ＡＩモデル１１２、例えばソフトウェアアルゴリズムを生成するために使用され、上記ＡＩモデル１１２は、研磨システム２０の動作を指示するための命令として使用するためにシステムコントローラ２８に伝えられる。

図１Ｄは、制御パラメータデータ１２０を生成するために使用されうる制御システム１５０の概略図である。制御パラメータデータ１２０は、制御システム１５０によって、研磨パラメータを目標値１５６又は目標値１５６付近に維持するために使用される１つ以上の制御パラメータ１５７の時系列データを含む。本明細書では、「目標値（ｔａｒｇｅｔ ｖａｌｕｅ）」は、所望の設定点、所望の下限閾値を上回る値、所望の上限閾値を下回る値、及び所望の下限閾値と上限閾値の間の値を含む。

図１Ｄにおいて、プロセス制御システム１５０は、研磨パラメータを目標値１５６又は目標値１５６付近に維持するための閉じたフィードバック制御ループを提供する。示されるように、プロセス制御システム１５０は、センサ１５１と、コントローラ１５２と、アクチュエータといった、コントローラ１５２に動作可能に接続されたパラメータ制御装置１５３と、を含む。ここで、センサ１５１、コントローラ１５２、及び制御装置１５３は、フィードバックループ１５４内で情報が流れるよう配置されており、閉ループフィードバック制御システムを提供する。

研磨プロセス中に、センサ１５１が、研磨パラメータ（例えば、プラテン回転速度、研磨液の流量等）の実際値１５５を測定し、コントローラ１５２が、実際値１５５と目標値１５６との誤差を決定する。誤差を修正するために、コントローラ１５２が、パラメータ制御装置１５３（例えば、プラテンに接続されたアクチュエータ（モータ）、スラリ供給システムに接続されたスラリ分注ポンプ等）に、制御パラメータ１５７（例えば、モータ電流、ポンプ圧力、ポンプ速度等）を変更するように命令し、このことによって、研磨パラメータ出力（例えば、プラテン回転速度、スラリ流量等）の対応する変更が生じる。

パラメータ制御システム１５０は一般に反応的であり、目標値１５６に達するまで研磨パラメータが上昇してしまうと、コントローラ１５２による制御パラメータ１５７に対する変更は、研磨プロセスの変化に対する応答を示している。同様に、実質的に類似した研磨プロセスについて基板間の制御パラメータ１５７の変化は、望ましくないプロセスドリフトを示している可能性がある。このように、本明細書の実施形態では、時系列制御パラメータデータ１２０が処理システムデータ１１４に含まれており、ＡＩアルゴリズム１１０が、特定の研磨プロセスのためのサブシステム、処理パラメータ、消耗品、及び基板の間の複雑な関係をより良く理解することが可能になる。

図２Ａは、一実施形態に係る、本明細書に記載の方法と共に使用できる研磨ステーション２１及びキャリアアセンブリ２２の概略的な側断面図である。ここで、研磨ステーション２１は、パラメータ制御システム２０１ａ～ｎのうちの１つ又はパラメータ制御システム２０１ａ～ｎの組み合わせと共にそれぞれが動作可能な複数のサブシステムを含む。ここで、パラメータ制御システム２０１ａ～ｎのそれぞれは、閉じたフィードバック制御ループを含むよう構成されており、図１Ｄに記載したプロセス制御システム１５０の要素のいずれか１つ又は組み合わせを含みうる。

典型的に、制御システム２０１ａ～ｎのそれぞれは、１つ以上の対応するアクチュエータ２０２ａ～ｎ、処理パラメータセンサ２０３ａ～ｎ、コントローラ２０４ａ～ｎ、及び制御パラメータセンサ２０５ａ～ｎを含む。アクチュエータ２０２ａ～ｎは、電気信号、ニューマチック（ｐｎｅｕｍａｔｉｃ）信号、又はデジタル信号といったコントローラ２０４ａ～ｎから受信した信号に応答して、制御パラメータを変更するよう動作可能な任意のデバイス又は処理システムを含む。一般的なアクチュエータ２０２ａ～ｎの例は、モータ、サーボ、ソレノイド、バルブ、ポンプ、ピストン、及びレギュレータといった、電気機械装置、電磁装置、空気圧（ｐｎｅｕｍａｔｉｃ）装置、液圧式装置、及びそれらの組み合わせを含むが、これらに限定されない。

処理パラメータセンサ２０３ａ～ｎは、処理パラメータの値を測定するために使用できる又は１つ以上の測定値を提供するために使用できる任意のデバイス又はデバイスの組み合わせを含み、ここで、所望の処理パラメータの実際値は、上記の処理パラメータの値及び測定値から決定されうる。適切な処理パラメータセンサ２０３ａ～ｎの例として、温度センサ（例えばＩＲセンサ、高温計、熱電対）、圧力センサ、力センサ、位置センサ、加速度センサ、回転速度センサ、回転エンコーダ、電気信号検出センサ、電気化学センサ、ｐＨセンサ、濃度センサ、光学センサ、誘導センサ、流量センサ（質量及び／又は体積）、及びこれらの組み合わせが挙げられる。

コントローラ２０４ａ～ｎは、処理パラメータの実際値と処理パラメータの目標値との差、即ち誤差を決定し、対応するアクチュエータ２０２ａ～ｎ又は処理システムに、その出力、例えば本明細書に記載の制御パラメータを変更するように命令するよう動作可能な装置又はシステムを含む。適切なコントローラ２０４ａ～ｎの例として、比例積分（ＰＩ：ｐｒｏｐｏｒｔｉｏｎａｌ－ｉｎｔｅｇｒａｌ）制御装置、比例積分微分（ＰＩＤ：ｐｒｏｐｏｒｔｉｏｎａｌ－ｉｎｔｅｇｒａｌ－ｄｅｒｉｖａｔｉｖｅ）制御装置、及び／又は論理制御装置、例えば、ロジックアプリケーションを含むソフトウェアを実行するようプログラム化されているプログラム可能な論理制御装置（ＰＬＣ：ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｃｏｎｔｒｏｌｌｅｒ）が挙げられる。制御パラメータが処理システムの出力を含む場合といった、幾つかの実施形態において、システムコントローラ２８、又はソフトウェアアルゴリズムを実行するよう動作可能な他の計算装置が、コントローラ２０４ａ～ｎとして使用されうる。幾つかの実施形態において、コントローラ２０４ａ～ｎのうちの個々のコントローラ又はコントローラ２０４ａ～ｎの組み合わせ、の１つ以上の機能が、システムコントローラ２８によって実行されうる。

制御パラメータセンサ２０５ａ～ｎは、アクチュエータ２０２ａ～ｎ又は処理システムの出力を測定するのに適した任意のセンサを含み、上記出力は、処理パラメータを目標値に維持するために使用される。制御パラメータセンサ２０５ａ～ｎとして使用しうる適切なセンサの例は、処理パラメータセンサ２０３ａ～ｎに関して先に記載した例示的なセンサのいずれか１つ又は組み合わせを含む。制御パラメータを測定することが実行可能ではない制御システムの場合といった、幾つかの実施形態において、制御パラメータ又はその近似値が、コントローラ２０４ａ－ｎによって対応するアクチュエータ２０２ａ－ｎ又は処理システムに供給される信号及び／又は命令を使用して、決定されうる。

他の実施形態において、以下に記載する個々のサブシステムのいずれか１つ又は組み合わせが、オープンループ制御システム、即ち非フィードバックシステムを使用して稼働しうる。

ここで、複数のサブシステムは、プラテンアセンブリ２１２と、キャリアアセンブリ２２と、パッドコンディショナアセンブリ２１８と、パッド冷却アセンブリ２２０と、を含む。研磨ステーション２１は、液体供給システム２１６と、インシトゥ基板監視システム２２２と、をさらに含む。研磨ステーション２１及びキャリアアセンブリ２２の動作は、システムコントローラ２８によって調整される。

プラテンアセンブリ２１２が、プラテン２２８、及び回転速度制御システム２０１ａを含む。上記制御システム２０１ａは、プラテン２２８に接続されており、プラテン軸Ａ周りでプラテン２２８を回転させるために使用されるプラテンアクチュエータ２０２ａ、例えばモータと、プラテン２２８の回転速度及び／又は回転姿勢を測定するために使用される処理パラメータセンサ２０３ａと、コントローラ２０４ａと、制御パラメータセンサ２０５ａと、を含む。

ここで、コントローラ２０４ａはセンサ２０３ａと一緒に、プラテンアクチュエータ２０２ａに供給される、モータ電流といった制御パラメータを調整することで、プラテン２２８の回転速度を目標値に又は目標値付近に維持する。制御パラメータセンサ２０５ａは、制御パラメータを測定するために使用され、時系列の制御パラメータデータがそこから生成される。幾つかの実施形態において、モータ電流の制御パラメータの変化が、研磨界面における表面間の摩擦の変化によって、押し付けられている基板２４２（図２Ｂ）のフィールド表面から材料の過充填が除去されるにつれて、引き起こされる。従って、幾つかの実施形態において、モータ電流の変化が、研磨プロセスの所望の研磨終点を検出するために使用されうる。他の実施形態において、モータ電流が、研磨中の任意の瞬間に研磨パッド及び基板２４２の表面に供給されるスラリの量の変動を検出するために使用される。例えば、モータ電流によって感知されるより高い摩擦は、スラリ流量の低下又はスラリ組成物の組成の変化によって引き起こされうる。

プラテンアセンブリ２１２は、プラテン温度制御システム２０１ｂをさらに含み、プラテン温度制御システム２０１ｂは、流体源２０２ｂ、例えば、水源又は冷媒源と、プラテン２２８の温度を測定するためのセンサ２０３ｂと、及びコントローラ２０４ｂと、を含む。プラテンの温度は、研磨パッドに供給されるスラリの量の変動、研磨パッドの特性（例えば、グレージングの量）の変動、又は研磨中の任意の瞬間に基板２４２に加えられる下向きの力の変動を検出するために使用されうる。プラテン２２８は、１つ以上のチャンネル２３４が内部に形成された円筒形の金属本体で形成されている。１つ以上のチャネル２３４は、流体源２０２ｂと流体的に結合している。コントローラ２０４ｂがセンサ２０３ｂと一緒に、流体源２０２ｂからの１つ以上のチャネル２３４を通る冷却材の流量を調整することで、プラテン２２８の温度を目標値に維持するために使用される。幾つかの実施形態において、研磨プラテン２２８の温度を制御するための制御パラメータが、流量計、例えば制御パラメータセンサ２０５ｂによって測定された冷却材の流量を含む。幾つかの研磨プロセスについて、プラテン２２８を加熱することが望ましいことがあり、当該実施形態では、流体源２０２ｂが、加熱された流体、例えば、加熱された水及び／又は蒸気を含むことができ、目標値が、より低い閾値を上回る温度を含みうる。幾つかの実施形態において、プラテン２２８が、円筒形の金属本体の内部に配置され及び／又は埋め込まれた抵抗加熱素子といったヒータ（図示せず）を使用して加熱される。

キャリアアセンブリ２２は、基板キャリア２３８と、キャリアシャフト２３９と、制御システム２０１ｃ、２０１ｄと、を含む。基板キャリア２３８については、以下に図２Ｂで述べる。制御システム２０１ｃは、第１のアクチュエータ２０２ｃと、コントローラ２０４ｃと、回転速度センサ２０３ｃと、制御パラメータセンサ２０５ｃと、を含む。第１のアクチュエータ２０２ｃはキャリアシャフト２３９に接続されており、キャリアシャフト２３９、ひいては基板キャリア２３８及びその中に配置された基板２４２を、キャリア軸Ｂ周りに回転させるために使用される。コントローラ２０４ｃは、センサ２０５ｃと一緒に、第１のアクチュエータ２０２ｃに供給される、モータ電流といった制御パラメータを調整することで、基板キャリア２３８の回転速度を目標値に又は目標値付近に維持するために使用される。制御パラメータセンサ２０５ｃが、第１のアクチュエータ２０２ｃに提供される制御パラメータを測定するために使用される。

制御システム２０１ｄは、キャリアシャフト２３９及び／又は第１のアクチュエータ２０２ｃに接続された第２のアクチュエータ２０２ｄと、コントローラ２０４ｄと、スイープ速度（ｓｗｅｅｐ ｓｐｅｅｄ）センサ２０３ｄと、制御パラメータセンサ２０５ｄと、を含む。コントローラ２０４ｄは、センサ２０３ｄと一緒に、第２のアクチュエータ２０２ｄに供給される、モータ電流といった制御パラメータを調整することで、基板キャリア２３８のスイープ速度を目標値に又は目標値付近に維持するために使用される。制御パラメータセンサ２０５ｄが、第２のアクチュエータ２０２ｄに提供される制御パラメータを測定するために使用される。

図２Ｂに示すように、基板キャリア２３８が、ハウジング２４０と、ベースアセンブリ２４３と、基板下向きの力制御システム２０１ｆと、キャリア負荷制御システム２０１ｇと、を含む。ハウジング２４０は、ベースアセンブリ２４３に移動可能かつシール可能に結合されており、ベースアセンブリ２４３とともにローディングチャンバ２４４を画定する。ベースアセンブリ２４３が、キャリアベース２４６と、キャリアベース２４６に結合された環状保持リング２４７と、キャリアベース２４６に結合された、複数のプレナム２４９を画定する可撓性膜２４８と、を含む。

基板の研磨中には複数のプレナム２４９が加圧され、これにより、可撓性膜２４８が、その下にある基板２４２の非作用面（背面）に対して力を加える。複数のプレナム２４９は、それらの内部の圧力の違いを可能にすることで、基板２４２の裏面全体に加えられる力の分散の調整を促進する。様々なプレナム２４９内の圧力、及び様々なプレナム２４９間の圧力差は、制御システム２０１ｆによって維持され、制御システム２０１ｆは、複数のアクチュエータ２０２ｆ（例えば、背面圧力調整器、バルブ等）と、複数のセンサ２０３ｆと、１つ以上のコントローラ２０４ｆと、１つ以上の制御パラメータセンサ２０５ｆと、を含む。制御システム２０１ｆは、各プレナム２４９内の目標圧力を維持するために使用され、可撓性膜２４８が基板２４２に対して及ぼす力の分散を細かく制御することが可能となる。

１つ以上のコントローラ２０４ｆが、複数のセンサ２０３ｆと一緒に、対応するアクチュエータ２０２ｆに対するそれぞれの制御パラメータを調整することで、プレナム２４９内の圧力をそれらの目標値に維持する。様々な制御パラメータ値は、対応する制御パラメータセンサ２０５ｆによって測定される。

処理中には、キャリアベース２４６、ひいては基板２４２を取り囲む保持リング２４７に対して下向きの力を加えるために、ローディングチャンバ２４４も加圧される。保持リング２４７への下向きの力によって、研磨パッド２３１（図２Ａ）が基板２４２の下を移動する際に、基板２４２が基板キャリア２３８から滑り落ちることが防止される。保持リング２４７と研磨パッド２３１との間の接触圧力は、保持リング２４７に対する目標の下向きの力を変更することによって調整される。目標の下向きの力は、制御システム２０１ｇによって維持され、制御システム２０１ｇは、アクチュエータ２０２ｇ、例えば裏面圧力調整器と、ロードチャンバ２４４内の圧力及び／又は保持リング２４７と研磨パッド２３１との間の接触負荷を測定するためのセンサ２０３ｇと、ローディングチャンバ２４４内の目標圧力を維持するためのコントローラ２０４ｇと、制御パラメータセンサ２０５ｇと、を含む。コントローラ２０４ｇは、センサ２０３ｇと一緒に、アクチュエータ２０２ｇに提供される制御パラメータを調整することで、ローディングチャンバ２４４内の圧力をその目標値に又は目標値付近に維持する。ここで、制御システム２０１ｇ、ｈの様々な構成要素が、集合的に上方空気圧アセンブリ、即ち、ここではＵＰＡ２４１を形成し、当該アセンブリは、加圧されたガス、例えばクリーンドライエア（ＣＤＡ）及び／又は真空を、複数のプレナム２４９及びローディングチャンバ２４５に提供するために使用されるレギュレータ、バルブ、及びポンプ（ここで図示）をさらに含みうる。他の実施形態において、電気機械装置が、基板２４２と保持リング２４７の一方又は両方に対して下向きの力を加えるために使用されうる。

パッドコンディショナアセンブリ２１８（図２Ａ）が、基板２４２を研磨する前、研磨した後、又は研磨する間に研磨パッド２３１の表面に対してコンディショニングディスク２６０を押し付けることで、研磨パッド２３１をコンディショニングするために使用される。ここで、パッドコンディショナアセンブリ２１８が、コンディショニングディスク２６０と、回転中のコンディショニングディスク２６０を研磨パッド２３１の内側半径と外側半径との間でスイープする（ｓｗｅｅｐ）ためのコンディショナアーム２６２と、パッドコンディショニングプロセスの様々な観点を制御するための複数の制御システム２０１ｊ～ｍと、を含む。

典型的に、コンディショニングディスク２６０は、例えば金属合金に埋め込まれたダイヤモンドといった、砥粒が固定されたコンディショニング表面を含み、研磨パッド２３１の表面を研磨して若返らせるため、かつ当該表面から研磨副産物又は他の屑を除去するために使用される。コンディショニングディスク２６０の研磨性は、使用とともに自然に鈍くなるため、コンディショニングディスク２６０は一般に、定期的な交換を必要とする処理消耗品と見做される。

制御システム２０１ｊ，ｋは、コンディショニングディスク２６０が研磨パッド２３１の内側半径と外側半径との間で動く間に、コンディショニングディスク２６０の回転速度及びスイープ速度をそれぞれの目標値に維持するために使用される。制御システム２０１ｌは、コンディショニングディスク２６０に加えられる下向きの力を目標値に維持するために使用される。幾つかの実施形態において、パッドコンディショナアセンブリ２１８が、研磨パッド２３１の表面にわたって所望の研磨パッド厚さプロファイルを提供及び／又は維持するために使用されうる制御システム２０１ｍをさらに含む。同実施形態において、所望の研磨パッド厚さプロファイルが、システムコントローラ２８によって実行されるソフトウェアアルゴリズムによって提供される命令に従って、回転速度、スイープ速度、及び下向きの力のうちの１つ又はこれらの組み合わせを調整することで維持される。

ここで、制御システム２０１ｊは、コンディショナアーム２６２の一端に結合されており軸Ｃ周りでコンディショニングディスク２６０を回転させるために使用される第１のアクチュエータ２０２ｊと、回転速度を決定するためのセンサ２０３ｊと、コントローラ２０４ｊと、を含む。

制御システム２０１ｋは、第１のアクチュエータ２０２ｊから遠位のコンディショナアーム２６２の末端に結合された第２のアクチュエータ２０２ｋと、研磨パッド上でのコンディショニングディスク２６０のスイープ速度及び径方向位置を決定するための１つ以上のセンサ２０３ｋと、コントローラ２０４ｋと、制御パラメータセンサ２０５ｋと、を含む。制御システム２０１ｇは、コンディショナアーム２６２に下向きの力を加えるための第３のアクチュエータ２０２ｌと、下向きの力を測定するためのセンサ２０３ｌと、コントローラ２０４ｌと、制御パラメータセンサ２０５ｌと、を含む。ここで、第３のアクチュエータ２０２ｌが、コンディショナアーム２６２の末端であって、第２のアクチュエータ２０２ｌの近傍にありかつコンディショニングディスク２６０からは遠位の位置にある末端に結合されている。各コントローラ２０４ｊ～ｌは、対応するセンサ２０３ｊ～ｌと一緒に、それぞれの処理パラメータを、対応するアクチュエータ２０２ｊ～ｌの制御パラメータを調整することで、それらの目標値に又は目標値付近に維持する。

幾つかの実施形態において、制御システム２０１ｍが、コンディショニングディスク２６０の回転速度、スイープ速度、及び下向きの力のうちの１つ又はこれらの組み合わせを調整することで、所望の研磨パッド厚さプロファイルを維持するために使用される。ここで、制御システム２０１ｍは、アクチュエータ２０２ｊ～ｌと、コンディショナアーム２６２に接続された変位センサ２０３ｍと、システムコントローラ２８と、を含む。変位センサ２０３ｍは、研磨パッド２３１の厚さと、径方向におけるパッド厚さのプロファイルと、を決定するために使用される。ここで、変位センサ２０３ｍは、当該センサ２０３ｍの一端と、その下に配置された金属プラテン２２８の表面と、の間の距離を決定するために渦電流を測定する誘導センサである。研磨パッド２３１の厚さは、パッドコンディショニングディスク２６０がプラテン２２８と接触しているときの既知の変位と、パッドコンディショニングディスク２６０がプラテン２２８に取り付けられた研磨パッド２３１と接触しているときの変位と、の差を用いて決定される。

システムコントローラ２８が、変位センサ２０３ｍを使用して決定された研磨パッド２３１の厚さプロファイルと、目標厚さプロファイルと、を比較して、その差を決定する。当該差に基づいて、システムコントローラ２８は、研磨パッド２３１の実際の厚さプロファイルを目標厚さプロファイルに向かわせるために使用しうるコンディショニングレシピ、即ち、コンディショニングパラメータのセットを生成する。幾つかの実施形態において、生成されたコンディショニングレシピによって、コンディショニングディスク２６０の滞留時間及び／又は１つ以上の径方向位置でのコンディショニングディスクに対する下向きの力が変更される。滞留時間は、プラテン２２８が回転して研磨パッド２３１をコンディショニングディスク２６０の下に移動させる間に、コンディショニングディスク２６０が研磨パッド２３１の内側半径から外側半径へとスイープされる間、コンディショニングディスク２６０が或る径方向位置で費やす平均時間を指す。

パッド冷却アセンブリ２２０（図２Ｃ）が、研磨パッド２３１の研磨面を所望の温度範囲内又は所望の温度設定点に維持するために使用される。典型的な研磨プロセスでは、研磨界面での化学的活性及び機械的な動きにより熱が発生し、基板２４２及び研磨パッド２３１の温度が上昇する。比較的高い温度及び／又は不安定な温度によって、結果的に、基板２４２の表面に亘る望ましくない除去速度の変動（ウエハ内不均一性）、又は基板間の望ましくない除去速度の変動（ウエハ間不均一性）がもたらされうる。多くのダマシンプロセスでは、比較的高い温度によって局所的な平坦化の質が下がり、結果的に、局所的に平坦性が低下し、下層が侵食され、及び／又は、下層内に形成されたトレンチ、コンタクト、ビア、ラインといったフィーチャのディッシングが発生する。したがって、本明細書では、パッド冷却アセンブリ２２０は、非反応性の冷却材、例えば固相二酸化炭素のフレーク（二酸化炭素スノー（ｃａｒｂｏｎ ｄｉｏｘｉｄｅ ｓｎｏｗ））をその上に供給することで、研磨パッド２３１の表面を冷却するよう構成されている。二酸化炭素スノーが昇華する（中間の液相を通ることなく固相から気相に移行する）につれて、研磨パッド２３１の表面から熱が除去され、研磨プロセス全体の温度が望ましく下がる。有益なことに、二酸化炭素スノーの昇華によって、研磨パッド上の研磨液の望ましくない希釈が防止される。他の実施形態において、冷却材が、極低温流体、即ち、沸点が１２０ケルビンの閾値以下である流体を含み、この極低温流体は、例えば液体酸素（ＬＯＸ）、液体水素、液体窒素（ＬＩＮ）、液体ヘリウム、液体アルゴン（ＬＡＲ）、液体ネオン、液体クリプトン、液体キセノン、液体メタン、又はこれらの組み合わせなど、液体の形態で貯蔵されて研磨パッド２３１の表面に供給される。

パッド冷却アセンブリ２２０は、研磨パッド２３１の上に配置された冷却材供給アーム２７５と、冷却材供給アーム２７５上に配置された複数のノズル２７６と、制御システム２０１ｎと、を含む。ここで、制御システム２０１ｎは、冷却水源２０２ｎと、１つ以上のセンサ２０３ｎと、コントローラ２０４ｎと、制御パラメータセンサ２０５ｎと、を含む。１つ以上のセンサ２０３ｎ、例えばＩＲセンサ又は高温計は、研磨パッド２３１の表面に面するよう配置され、当該表面の温度を測定するために使用される。幾つかの実施形態において、１つ以上のセンサ２０３ｎが、研磨パッド２３１の表面の熱画像を生成する熱画像システムを含む。

複数のノズル２７６は、蒸気及び固体の二酸化炭素を提供する冷却材源２０２ｎと流体的に結合している。複数のノズル２７６は、蒸気の二酸化炭素がそこを通って膨張する間に二酸化炭素スノーを生成し、その二酸化炭素スノーを研磨パッド２３１の表面に提供する。コントローラ２０４ｎは、センサ２０３ｎと一緒に、冷却材源２０２ｎからノズル２７６に提供される二酸化炭素の質量流量を調整することで、研磨パッド２３１の温度を目標値に維持する。ここで、研磨パッド２３１の表面の温度を制御するための制御パラメータが、制御パラメータセンサ２０５ｎによって測定されるような質量流量を含む。幾つかの実施形態において、複数のノズル２７６のうちの個々のノズル２７６への冷却材の供給及び／又は冷却材の流量が、個別に制御される。同実施形態において、パッド冷却アセンブリ２２０が、研磨パッド２３１の表面の領域の温度を調節して、温度の望ましい均一性又は上記領域に亘る温度分布を維持するために使用されうる。

上述した研磨システム２０の各制御システム２０１ａ～ｎは、閉ループフィードバック制御方法を使用して、１つ以上の研磨パラメータを、それらに関連する各制御パラメータを調整することで、それぞれの目標値に又は目標値付近に維持する。上述したように、基板間（例えば、ウエハ間（ＷＴＷ））の、個々の基板を研磨する間（例えば、ウエハ内（ＷＩＷ））の、又はその両方における制御パラメータの違いは、研磨プロセスにおける外乱又は変化を示している可能性が高い。研磨プロセスにおけるこのような外乱又は変化は、制御システム２０１ａ～ｌを使用して目標値に又は目標値付近に維持されている研磨パラメータの変化によって引き起こされる可能性は低い。その代わり、このような外乱又はプロセスの変化は、研磨界面で発生する可能性が高く、基板２４２の表面の変化、研磨パッド２３１の表面の変化、研磨液の組成、特性、及び／又は体積の変化、及びこれらの組み合わせを含む。したがって、幾つかの実施形態において、教師なし学習モデルを使用するＡＩアルゴリズム１１０が、制御パラメータデータ１２０のパターンを識別して理解し、最終的に、研磨界面における表面と、流体と、研磨剤と、の複雑な化学的及び機械的相互作用をより良く理解するために使用されうる。

以下の方法において述べるように、幾つかの実施形態において、ＡＩアルゴリズム１１０が、１つ以上の制御パラメータとインシトゥ基板測定データとの間の関数関係を決定し、それに基づいて研磨界面における研磨液の組成を調整するよう訓練される。このように、本明細書の液体供給システム２１６は、システムコントローラ２８から受信した命令に基づいて、研磨パッド２３１の表面への、ひいては研磨界面へと個々の研磨液成分を流すことを停止し、当該個々の研磨液成分を流すことを開始し、及び／又は当該研磨液成分の流量を調整するよう構成される。幾つかの実施形態において、命令は、ソフトウェアアルゴリズムの形態をしており、例えば、訓練されたＡＩアルゴリズム１１０を使用して生成された１つ以上の機械学習ＡＩモデル１１２などである。

液体供給システム２１６（図２Ｃ）は、個々の液体成分を含む研磨液を研磨パッドの表面に供給するために使用される。液体供給システム２１６は、液体分配システム２８１と、複数のノズル２８３を含む液体供給アーム２８２と、当該液体供給アーム２８２に接続されたアクチュエータ２８４と、を含む。液体分配システム２８１は、研磨液及び／又は液体成分を供給する複数の研磨液源２８７ａ、２８７ｂに流体的に結合されている。アクチュエータ２８４は、供給アーム２８２を研磨パッドの上で揺動させて、複数のノズル２８３を研磨パッドの上の所望の径方向分注位置に配置するよう動作可能である。

ここで、液体分配システム２８１は、研磨液及び／又は個々の研磨液成分を制御し、測定し、及び研磨パッド２３１の表面に供給するために使用しうる複数のバルブ２８５ａ、ポンプ２８５ｂ、及び流量コントローラ２８５ｃ、及び研磨液混合装置２８５ｄ、の１つ又は組み合わせを含む。幾つかの実施形態において、液体分配システム２８１が、個々の研磨液及び／又は１つ以上の個々の研磨液成分を、研磨パッド２３１の表面への上記液体及び／又は上記成分の供給前及び／又は当該供給と同時に、加熱するために使用される１つ以上のヒータ（図示せず）を更に含む。

ここで、１つ以上の研磨液及び個々の研磨成分は、液体分配システム２８１から、複数のノズル２８３のうちの対応するノズルへと、これらの間に流体的に接続された複数の供給ライン２８８を使用して、供給される。幾つかの実施形態において、液体分配システム２８１が、１つ以上の様々な研磨液及び／又は液体成分を、複数のノズル２８３の様々なノズルに個別に供給するよう構成され、及び／又は様々な研磨液又は液体成分の流量を個別に制御するよう構成されている。したがって、液体分配システム２８１は、研磨パッド２３１の表面上に分注される研磨液及び／又は個々の研磨液成分の所望の分散を提供し、最終的には、パッド２３１の表面にわたって所望の研磨液組成勾配を提供するために使用されうる。

幾つかの実施形態において、液体分配システム２８１が、混合装置２８５ｄをさらに含み、この混合装置２８５ｄは、研磨液の組成を、１つ以上の研磨液成分をそれに添加することで調整するために使用することができ、その後、得られた混合物が研磨パッド２３１の表面に供給される。幾つかの実施形態（図示せず）において、混合ステーションが液体供給アーム２８２上に配置されている。

研磨パッド表面上の所望の位置へと、研磨パッド２３１の表面に個別に供給されうる個々の研磨液成分、及び／又は混合装置２８５ｄを使用して研磨液に添加されうる個々の研磨液成分の例として、ナノスケールのシリカ粒子又は金属酸化物粒子が懸濁した研磨液、錯化剤、腐食防止剤、酸化剤、ｐＨ調整剤及び／又は緩衝液、高分子添加剤、不動態化剤、促進剤、界面活性剤、又はこれらの組み合わせが挙げられる。

幾つかの実施形態において、液体供給システム２１６は、研磨パッド２３１の上に配置されており研磨パッド２３１の方を向いたカメラ２９９といった、光学センサをさらに含む。幾つかの実施形態において、カメラ２９９は、それを見るように自身が位置決めされている対象物のデジタル画像又はデジタル画像のストリームを生成するよう構成されたデジタルカメラ（例えば、ＣＣＤカメラ）である。光学センサは、研磨パッド２３１の表面にわたる研磨液及び／又は研磨液成分の分布を決定するために使用されうる。幾つかの実施形態において、個々の研磨液及び／又は個々の研磨液成分のうちの１つ以上が、従来の水溶性染料又は蛍光物質といった光学マーカを含む。同実施形態において、光学センサを使用して撮像された画像が、研磨パッド２３１の表面にわたる研磨液の分布を決定するため、及び／又は研磨パッド２３１の表面にわたる個々の研磨液成分の組成勾配を決定するために解析されうる。

幾つかの実施形態において、研磨パッド２３１の表面における研磨液の分布及び／又は組成が、画像の解析に基づいて、個々のノズル２８３のうちの１つ以上への１つ以上の個々の研磨液成分の流量を開始し、停止し、又は変更することによって、調整される。幾つかの実施形態において、研磨パッド２３１の表面における研磨液の分布及び／又は組成が、閉ループフィードバック制御システム２８０を使用して、目標の分布及び／又は組成に対して連続的に調整される。例えば、ここでは、制御システム２８０が、システムコントローラ２８と、研磨パッド２３１の表面における研磨液の分布及び／又は組成を決定するために使用される光学センサ（例えば、カメラ２９９）と、液体分配システム２８１と、を含む。他の実施例において、ここでは、制御システム２８０が、システムコントローラ２８と、研磨パッド２３１の表面における及び／又は液体分配システム２８１内の研磨液の組成を決定するために使用される電気化学センサ（図示せず）又はｐＨセンサ（図示せず）と、を含む。光学センサから得られた画像の解析に基づいて、システムコントローラ２８は液体分配システム２８１に、研磨パッド２３１の表面への研磨液及び／又は研磨液成分の供給に関する１つ以上の制御パラメータを変更するよう指示する。例えば、制御パラメータは、集合的な複数のノズル２８３、又は複数のノズルのうちの個々のノズルに供給される個々の研磨液及び／又は研磨液成分の流量を開始し、停止し、又は及び／又は変更することを含みうる。

幾つかの実施形態において、時系列の複数の撮像された画像といった、光学センサを使用して撮像された１つ以上の画像が、プロセス監視インシトゥ測定データ１２２を含み、プロセス監視インシトゥ測定データ１２２は、本明細書で提供されるＡＩアルゴリズム１１０の訓練方法のための訓練データ１１１として使用されうる。

インシトゥ基板監視システム２２２（図２Ａ）は、基板表面上の材料層の厚さを監視するため、及び／又は材料が基板表面から除去されるにつれての基板表面の変化を検出するために使用される。インシトゥ基板監視システム２２２を使用して収集された情報は、インシトゥ結果データ１２４として使用されうる。ここで、インシトゥ基板監視システム２２２は、光学系２９１及び渦電流監視システム２９２の一方又は両方のためのコントローラ２９０を含む。光学系２９１は、光源（図示せず）及び光学センサ２８９を含み、光源及び光学センサ２８９はそれぞれ、研磨パッド２３１に形成された窓（図示せず）を通して光を基板２４２に向け、そこから反射された光を受け取るように配置されている。コントローラ２９０が、反射された光を解析し、それから基板表面の１つ以上の特性を決定する。例えば、光学系２９１は、基板表面の反射率の変化を検出して例えば基板表面からの金属層の除去を決定するために、基板表面から反射された光の散乱を検出して例えば基板表面の平坦性の変化を決定するために、及び／又は干渉分光法の技術を使用して、基板表面上に配置された透明な膜、例えば、誘電体層の厚さを決定するために使用されうる。

渦電流監視システム２９２は、渦電流アセンブリ２９４を含み、渦電流アセンブリ２９４は、渦電流生成器、及びプラテン２２８の表面に配置されたセンサを含む。渦電流監視システム２９２は、渦電流アセンブリ２９４を使用して、基板上の導電性材料層（例えば金属層）に渦電流を誘起して測定し、さらに渦電流監視システムは、それから導電性材料層の厚さを決定する。幾つかの実施形態において、渦電流監視システム２９２は、基板がその上をスイープされるときに、基板２４２の半径にわたる厚さプロファイルを決定するために使用される。

幾つかの実施形態において、光学系２９１及び渦電流監視システム２９２の一方又は両方が、研磨システムのコントローラ上、例えばシステムコントローラ２８上で実行される終点アルゴリズムと組み合わせて使用され、材料層の厚さ及び／又は下層のフィールド表面からの過充填の除去に基づいて研磨条件の変更をトリガする。

システムコントローラ２８は、研磨システム２０と、研磨システム２０の様々な構成要素及びサブシステムと、の動作を指示するために使用される。幾つかの実施形態において、コントローラ２０４ａ～ｎのうちの個々のコントローラ又はコントローラ２０４ａ～ｎの、１つ以上の又は全ての機能が、システムコントローラ２８によって実行されうる。ここで、システムコントローラ２８は、ＡＩ訓練プラットフォーム３０と組み合わせて、本明細書に記載の方法を実行するよう動作可能である。システムコントローラ２８は、プログラム可能な中央処理ユニット（ＣＰＵ２９５）を含み、当該中央処理ユニット（ＣＰＵ２９５）は、メモリ２９６（例えば不揮発性メモリ）、及び支援回路２９７と共に動作可能である。例えば、幾つかの実施形態において、ＣＰＵ２９５は、様々な研磨システム構成要素及びサブプロセッサを制御するための、プログラマブルロジックコントローラ（ＰＬＣ）といった産業用設定で使用される任意の形態の汎用コンピュータプロセッサの１つである。ＣＰＵ２９５に接続されたメモリ２９６は非一過性であり、典型的に、１つ以上の容易に入手可能なメモリであり、例えば、
ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、フロッピーディスクドライブ、ハードディスク、又は他の任意の形態による、ローカル若しくは遠隔のデジタルストレージである。支持回路２９７は従来、ＣＰＵ２９５に接続されており、基板研磨プロセスの制御を容易にするために研磨システム２０の様々な構成要素に接続されたキャッシュ、クロック回路、入力／出力サブシステム、電源等、及びこれらの組み合わせを含む。

ここでは、メモリ２９６は、命令を含むコンピュータ可読記憶媒体（例えば、不揮発性メモリ）の形態をしており、上記命令は、ＣＰＵ２９５によって実行されると、研磨システム２００の動作を促進する。例示的なコンピュータ可読記憶媒体は、（ｉ）情報が永続的に格納される書込み不能な記憶媒体（例えば、ＣＤ－ＲＯＭドライブによって読み出し可能なディスクＣＤ－ＲＯＭ、フラッシュメモリ、ＲＯＭチップ、又は任意の種類の固体不揮発性半導体メモリといった、コンピュータ内の読出し専用メモリデバイス）、及び（ｉｉ）変更可能な情報が格納される書き込み可能な記憶媒体（例えば、ディスケットドライブ内又はハードディスクドライブ内のフロッピーディスク、又は任意の種類の固体ランダムアクセス半導体メモリ）を含むが、これらに限定されない。メモリ２９６内の命令は、本開示の方法を実行するプログラムといったプログラム製品（例えば、ミドルウェアアプリケーション、機器ソフトウェアアプリケーション等）の形態による。幾つかの実施形態において、本開示が、コンピュータシステムで使用するための、非一過性のコンピュータ可読記憶媒体に格納されたプログラム製品として実現されうる。従って、プログラム製品のプログラムが、（本明細書に記載の方法を含む）実施形態の機能を規定する。

図３は、図１Ｃに記載されたプロセス改良スキーム１００を使用して、基板を処理する方法３００を示す図である。方法３００の少なくとも一部は、研磨システム２０上で実行することができ、研磨システム２０と共に使用される個々の制御システムを含めて、研磨システム２０の特徴及び機能のいずれかを組み込めることが企図されている。方法３００の用途には、層間誘電体（ＩＬＤ）用途といったバルク材料の平坦化用途、並びに、シャロートレンチアイソレーション用途（ＳＴＩ）及び金属相互接続研磨用途といったダマシン研磨用途が含まれるが、これらに限定されない。

アクティビティ３０２において、方法３００は、上述の研磨システム２０といった研磨システムを使用して、基板を研磨することを含む。アクティビティ３０２には、アクティビティ３０４～３１２を含む複数のアクティビティが含まれる。

アクティビティ３０４において、方法３００は、研磨レシピに従って、研磨システム２０内の研磨パッドの表面上に研磨液組成物（例えば、スラリ）を流すことを含む。研磨パッド２３１の表面上の所定の径方向位置に提供される研磨液組成物の流量及び／又は量は、システムコントローラ２８からアクチュエータ２８４及び／又は液体分配システム２８１へと送信されるコマンドを使用して制御することができる。

アクティビティ３０６において、方法３００は、研磨レシピに従って、研磨液の存在下で基板を研磨パッドの表面に押し付けることを含む。ここで、研磨レシピは、基板キャリア回転速度、基板キャリア移動速度、プラテン回転速度、基板への下向きの力、保持リングへの下向きの力、研磨組成物の流量、リンス液の流量、及びパッド調整パラメータを含む複数の研磨パラメータと、これらに対応する目標値と、によって定められる。目標値には、所望の設定値、所望の下限閾値を上回る値、所望の上限閾値を下回る値、及び、所望の下限閾値と上限閾値の間の値が含まれる。アクティビティ３０６は、複数のプレナム２４９のうちの１つ以上を加圧して、基板キャリア内の可撓性膜２４８に、基板２４２の非活性面（裏面）に対して力を加えさせ、表側の表面を研磨パッド２３１に対して押し付けることを含む。

目標値は、固定値、例えば、所定の設定点又は閾値と、研磨プロセスの前、後、及び／又は研磨プロセスと同時に研磨システムのコントローラ上で実行される１つ以上のソフトウェアアルゴリズムによって決定される値と、の組合せを含みうる。例えば、幾つかの実施形態において、研磨シーケンスの一段階の持続時間は、研磨システムのコントローラ上で実行される終点アルゴリズムを使用して決定される。幾つかの実施形態において、１つ以上の目標値が、例えば反復的な継続的改良プロセスの一部として、訓練されたＡＩアルゴリズム１１０によって決定される。幾つかの実施形態において、１つ以上の目標値が、訓練されたＡＩアルゴリズム１１０によって生成された機械学習ＡＩモデル１１２を使用して決定される。同実施形態において、機械学習ＡＩモデル１１２が、研磨システム２０のシステムコントローラ２８によって実行されるソフトウェアアルゴリズムを含みうる。

典型的な研磨プロセスでは、１つの基板のための研磨レシピが、複数段階の研磨シーケンスを含み、ここで、１つ以上の研磨パラメータ目標値が、シーケンスの各段階について変更される。幾つかの実施形態において、複数段階の研磨シーケンスの１つ以上の段階が、第１の研磨ステーションで実行され、その後、基板が第２の研磨ステーションに移動させられ、場合によっては、残りの研磨シーケンスを実行するために、第３の研磨ステーションへと再び移動させられる。

研磨レシピを決定するために使用できる研磨パラメータの例として、プラテン回転速度、プラテン温度、基板キャリア回転速度、基板キャリアスイープ速度、基板キャリアスイープ開始位置及び基板キャリアスイープ停止位置（研磨パッド上の径方向内側位置及び径方向外側位置）、基板への下向きの力（基板の裏面に対して加えられる下向きの圧力）、基板にわたる下向きの力の分散、保持リングへの下向きの力（保持リングに対して加えられる下向きの圧力）、基板への下向きの力と保持リングへの下向きの力との間の差、研磨パッド表面温度、研磨パッド表面温度の均一性及び／又は分布、研磨液又は研磨液成分を流すことの開始及び停止を含む研磨液及び／又は個々の研磨液の流量、研磨液及び／又は個々の研磨液成分の温度、（例えば、研磨液混合システムからの出力として、）研磨パッドに供給される前の研磨液組成物、若しくは（例えば個々の研磨液成分の分注の結果として、）研磨パッドの表面上に供給される前の研磨液組成物、研磨パッドの表面に亘る研磨液の分散及び／又は組成勾配、並びに、持続時間（時間）を含むが、これらに限定されない。

典型的に、研磨レシピは、研磨プロセスの前の、研磨プロセスの後の、及び／又は研磨プロセスと同時の研磨パッドのコンディショニングに関係する処理パラメータ、本明細書ではパッドコンディショニングパラメータをさらに含む。パッドコンディショニングパラメータの例として、コンディショニングディスクの回転速度、研磨パッドに当接するコンディショニングディスク上に加えられる下向きの力、研磨パッドの１つ以上の部分の上にあるコンディショニングディスクの滞留時間、及び、研磨パッドの表面を横切るコンディショニングディスクのスイープ速度が挙げられる。先に簡単に記載したように、１つ以上のパッドコンディショニングパラメータを、コンディショナアセンブリの位置センサと共に使用して、コンディショニングディスクの滞留時間を決定することができる。幾つかの実施形態において、パッド調整パラメータは、研磨パッドの中心付近の位置から、中止から径方向外側の位置まで測定された、研磨パッドの厚さ及び／又は研磨パッドの厚さのプロファイルも含みうる。

アクティビティ３０８において、方法３００は、１つ以上の研磨パラメータを、対応するそれぞれの制御パラメータを調整することで、その目標値に又は目標値付近に維持することを含む。ここで、１つ以上の研磨パラメータが、閉ドループ制御システムを使用して、その目標値に又は目標値付近に維持される。したがって、幾つかの実施形態において、研磨パラメータをその目標値に又は目標値付近に維持することが、以下のことを含む。即ち、（１）研磨パラメータの実際値とその目標値との差を決定する、（２）決定された差に基づいて、研磨パラメータに対応する制御システムの制御パラメータを変更する、（３）（１）と（２）を連続的に繰り返して、研磨パラメータに対する閉ループ制御を提供する。

本明細書では、制御パラメータは、研磨パラメータの実際値の対応する変化を生じさせるアクチュエータ及び／又はシステムからの出力を含む。特定の制御システムのための制御パラメータは、当該システムの研磨パラメータとは異なっている。しかしながら、本明細書の制御システムのうちの少なくとも幾つかの制御システムに関する記載から分かるように、例示的な研磨パラメータとして上述したパラメータのうちの少なくとも幾つかは、異なる制御システムにおける制御パラメータとして機能しうる。例えば、研磨パッド厚さプロファイルが、閉ループシステムにおける研磨パラメータとして使用される実施形態において、コンディショナの下向きの力と、回転速度と、滞留時間と、の個別パラメータの１つ以上が、制御パラメータとして使用され、所望のパッド厚さプロファイルを提供するよう調整されうる。

幾つかの実施形態において、アクティビティ３０８の処理パラメータの少なくとも１つがパッド表面温度を含み、対応する制御パラメータが、研磨パッドの表面に供給される冷却材、例えば二酸化炭素スノーの質量流量を含む。幾つかの実施形態において、コントローラ２０４ｂが、センサ２０３ｂと一緒に、研磨プラテン２２８内の１つ以上のチャネル２３４を通る、流体源２０２ｂからの冷却材の流量を調整することで、プラテン２２８の温度を目標値に制御するために使用される。幾つかの実施形態において、研磨プラテン２２８の温度を制御するための制御パラメータが、流量計、例えば制御パラメータセンサ２０５ｂによって測定された冷却材の流量を含む。

アクティビティ３１０において、方法３００は、処理システムデータ１１４を生成することを含む。ここで、処理システムデータ１１４は、研磨レシピと、第１の制御パラメータの時系列データと、を含む。

アクティビティ３１２において、方法３００は、アクティビティ３０４～３１０と同時に、本明細書に記載のインシトゥ基板監視システム２２２といった、インシトゥ基板監視システムから取得された測定値を使用して、時系列のインシトゥ結果データを生成することを含む。

幾つかの実施形態において、アクティビティ３１２において、研磨パッド２３１の研磨面（例えば、上面）を見るよう位置決めされたカメラ２９９（図２Ａ）が、研磨パッドの表面及び／又は当該表面上に配置された研磨液組成物の光学特性の変化又は変動を検出するための、カメラ内又はシステムコントローラ２８内で実行される１つ以上のソフトウェアアルゴリズムによって監視され解析された信号（例えば、ビデオ信号ストリーム）を提供するよう構成される。一例において、カメラは、研磨パッド表面に亘る温度勾配及び／又は経時的な温度の変動を検出するよう構成されたＩＲカメラである。ソフトウェアアルゴリズムは、研磨パッドの表面、及び／又は研磨パッド上に配置された研磨液組成物の温度及び／又は温度の変動をリアルタイムで検出するために使用することが可能である。この場合、カメラ２９９、及び／又はアルゴリズムが実行されるシステムは、時系列のインシトゥ結果データを含む信号を、システムコントローラ２８に提供するよう適合され、及び／又は訓練データを含む信号を、人工知能（ＡＩ）学習プラットフォーム３０に提供するよう適合される。加えて、液体分配システム２８１内の構成要素に接続された流量感知デバイス及び／又は研磨液組成物検知デバイス（例えば、ｐＨセンサ、研磨粒子濃度センサ等）も、カメラが研磨パッドの表面を監視している間、研磨パッドの表面上に分注されている１つ以上の研磨液組成物の量及び／又は組成物に関する信号を伝達するよう構成されうる。カメラ２９９、及び流量感知デバイス及び／又は研磨液組成物検出デバイスによって提供される信号で提供される時系列のインシトゥ結果データは、後続のアクティビティの間に人工知能（ＡＩ）訓練プラットフォーム３０Ａによって、上記の様々な種類のデータ間の相互作用を検出するために解析され、次いで後続のアクティビティにおいて、経時的に受信されたデータに基づいて、パッド冷却アセンブリ２２０内に見られる構成要素及び／又は研磨液組成物の組成を使用して、研磨パッドの温度の変化が引き起こされる。

他の例において、アクティビティ３１２において、カメラ２９９（図２Ａ）が、研磨パッド表面の状態を検出するよう構成され、例えば、研磨パッド表面が所望の量の「パッドコンディショニング」を有しているかどうかを検出するよう構成される。この場合、カメラ２９９は、研磨パッド表面の状態を決定するために、研磨パッドの研磨面上で見られる粗さ及び／又はアスペリティの量を検出するよう位置決めされ、構成されている。幾つかの実施形態において、カメラ２９９が、表面粗さの程度を検出し、測定するよう構成されたプロフィロメータ（表面形状測定装置、ｐｒｏｆｉｌｏｍｅｔｅｒ）又は他の装置と置き換えられる。表面粗さは、Ｒａ、Ｒｒｍｓ、ＲＳｋ、Ｒｐのいずれかの値で特徴付けることができる。カメラ又は同様の装置によって検出された表面粗さは、研磨パッドの研磨面上のパッド材料の凸凹であって、その大きさが最大約１０～５０ミクロンの凸凹を含みうる。加えて、流量感知デバイス及び／又は研磨液組成物検知デバイス（例えば、ｐＨセンサ、研磨粒子濃度センサ等）も、カメラが研磨パッド表面の状態を監視している間、研磨パッドの表面上に分注されている研磨液組成物の量及び／又は組成に関する信号を供給するよう構成されうる。カメラ２９９又は同様のデバイス、及び流量感知デバイス及び／又は研磨液組成物検出デバイスによって供給される信号で提供される時系列のインシトゥ結果データは、人工知能（ＡＩ）訓練プラットフォーム３０Ａ及びシステムコントローラ２８によって、様々な種類のデータ間の検出された相互作用に基づいて、パッド冷却アセンブリ２２０を使用して研磨パッドの温度の変化を引き起こすため及び／又は研磨液組成物の組成の変化を引き起こすために使用されうる。これらのデバイスからの信号は、システムコントローラ２８に提供することができ、及び／又は、訓練データを含む信号が、人工知能（ＡＩ）訓練プラットフォーム３０に提供することができる。

他の実施例において、アクティビティ３１２において、カメラ２９９（図２Ａ）が、研磨液が研磨パッド上に分注されている間、研磨パッド表面の１つ以上の領域にわたる研磨液のカバー率及び／又は当該研磨液の流れを検出するよう構成される。この場合、カメラ２９９は、研磨パッドの研磨面にわたる研磨液の広がり量を検出して、液体分配システム２８１内の１つ以上の構成要素の状態を決定するよう位置決めされ構成されており、例えば、１つ以上のノズル２８３内の障害物を検出する、流体ポンプの出力の変動を検出する、及び／又は、研磨パッド表面の上の所望の位置に対する及び／又は研磨パッドの上の基板キャリア２３８の位置に対する、液体供給アーム２８２の位置の変動を検出するといったことを行うよう位置決めされ構成されている。研磨パッドの研磨面にわたる研磨液の広がり量は、研磨パッドの水平方向領域のカバー率又はカメラ２９９の視野（ＦＯＶ：ｆｉｅｌｄ－ｏｆ－ｖｉｅｗ）のパーセントによって、測定され又は決定されうる。場合によっては、カメラはまた、研磨パッド表面に亘る温度の勾配及び／又は経時的な温度変化を検出するよう構成される。加えて、流量感知デバイス及び／又は研磨液組成物検知デバイス（例えば、ｐＨセンサ、研磨粒子濃度センサ）もまた、カメラが研磨パッド表面の１つ以上の領域にわたる研磨液のカバー率及び／又は当該研磨液の流れを監視している間、研磨パッド表面上に分注されている研磨液組成物の量及び／又は組成に関する信号を供給するよう構成されうる。カメラ２９９と、流量感知デバイス及び／又は研磨液組成検出デバイスと、から供給される信号で提供される時系列のインシトゥ結果データは、後続のアクティビティの間様々な種類のデータの検出された相互作用に基づいて、研磨液が研磨パッドの表面に供給される位置を調整するための液体供給アーム２８２の位置の調整を、次のアクティビティにおいて引き起こすために、１つ以上のノズル２８３から出る研磨液の流れの増大を引き起こすために、パッド冷却アセンブリ２２０を使用して研磨パッドの温度の変化を引き起こすために、及び／又は、研磨液組成物の組成の変化を引き起こすために、人工知能（ＡＩ）訓練プラットフォーム３０Ａ及びシステムコントローラ２８によって使用される。

アクティビティ３１４において、方法３００は、複数の基板についてアクティビティ３０４～３１２を繰り返して、対応する複数の訓練データセットを取得することを含む。ここで、各訓練データセットは、処理システムデータと、対応する研磨された基板と相関しうるインシトゥ結果データとを含む。

アクティビティ３１６において、方法３００は、人工知能（ＡＩ）訓練プラットフォーム３０において、複数の訓練データセットを含む訓練データ１１１を受信することを含む。幾つかの実施形態において、複数の訓練データセットが、様々なデータセット間の相互作用を検出するための、研磨プロセス中のスラリ組成物の分注量、研磨プロセス中の分注されるスラリ組成物の濃度、研磨プロセス中にスラリ組成物が分注された後の研磨パッドの温度、研磨プロセスの一部の間の研磨パッドの特性、及び１つ以上の研磨システム２０から経時的に受信されるパッド調整プロセス間の時間に関するデータを含む。

一実施例において、人工知能（ＡＩ）訓練プラットフォーム３０によって収集され、その後解析される複数の訓練データセットが、１つ以上の研磨液組成物の検出、様々な研磨液組成物の組成間の相違の検出（例えば、異なる研磨剤の使用又は一種の研磨剤の量）、特定の種類の基板の検出（例えば、酸化物研磨プロセス又は金属研磨プロセス）、研磨液流量の検出、及び／又は１つ以上の研磨システム２０内で実行される複数の研磨プロセスの間の研磨パッドの温度の検出された傾向を含む訓練データセットにおいて見出されたデータ間の検出された相互作用に基づく、研磨プロセス結果データにおける傾向、例えばディッシング、ウエハ間の不均一性（ＷＴＷＮＵ）、平坦化効率、及び局所的な平坦性などの検出を含む。

他の実施例において、アクティビティ３１６において、人工知能（ＡＩ）訓練プラットフォーム３０によって収集され、その後に解析される複数の訓練データセットが、研磨パッドの表面及び／又は研磨パッド上に配置された研磨液組成物の光学特性の傾向、並びに、１つ以上の研磨液組成物の組成の変動傾向、又は特定の種類の基板（例えば、酸化物研磨プロセス又は金属研磨プロセス）上の様々な研磨液組成物の組成間の相違（例えば、様々な研磨剤の使用又は一種の研磨剤の量）の検出を含む。

他の実施例において、アクティビティ３１６において、人工知能（ＡＩ）訓練プラットフォーム３０によって収集され、その後解析される複数の訓練データセットが、研磨パッド表面の１つ以上の領域に亘る研磨液のカバー率及び／又は当該研磨液の流れにおける検出、研磨液流量の検出、及び／又は１つ以上の研磨システム２０内で実行される複数の研磨プロセスの間の研磨パッドの温度の検出された傾向を含む。

アクティビティ３１８において、方法３００は、訓練データ１１１を使用して機械学習ＡＩアルゴリズム１１０を訓練することで、機械学習ＡＩモデル１１２を生成することを含む。アクティビティ３１８の間、人工知能（ＡＩ）訓練プラットフォーム３０は、機械学習ＡＩモデル１１２を使用して、様々なソースから現在受信されたデータの解析を行うことが可能である。

一例において、アクティビティ３１８において、人工知能（ＡＩ）訓練プラットフォーム３０は、カメラ２９９及び１つ以上の研磨液組成物検出装置によって生成されたデータの受信と、機械学習ＡＩモデル１１２の使用と、に基づいて、パッド研磨パッド表面温度の検出された上昇傾向が、研磨液組成物中の研磨粒子の濃度の上昇、又は分注された研磨液の減少によって生じうると決定することができる。人工知能（ＡＩ）訓練プラットフォームによって行われた以前の及び現在の解析に基づいて、人工知能（ＡＩ）訓練プラットフォームは、以前に検出された、１つ以上の研磨システム２０で発生した同様の逸脱に基づいて、研磨パッドの表面温度の検出された上昇傾向が、ひとまとまりの研磨液組成物の不適切な混合、又は処理溶液の組成の制御というタスクが課せられた投与機構のドリフトによって生じうると決定することができる。

他の実施例において、人工知能（ＡＩ）訓練プラットフォーム３０は、カメラ２９９及び１つ以上の研磨液組成物検出装置によって生成されたデータの受信と、機械学習ＡＩモデル１１２の使用と、に基づき、研磨パッドの表面の光学特性における検出されたドリフトが、以前に検出された、１つ以上の研磨システム２０内での同様の傾向に基づいて、パッド調整ディスクの有効性の低下（例えば、ディスクが磨耗している）によって生じうると決定することができる。

先に述べたように、他の例において、カメラ２９９及び他の関連するセンサによって生成されたデータの受信と、機械学習ＡＩモデル１１２の使用と、に基づき、人工知能（ＡＩ）訓練プラットフォーム３０は、以前に検出された、１つ以上の研磨システム２０内での同様の傾向に基づいて、研磨パッドの表面の１つ以上の領域にわたる流体のカバー率の検出された変化が、１つ以上のノズル２８３内の障害物、流体ポンプの出力の変動、及び／又は研磨パッド表面の上の所望の位置に対する液体供給アーム２８２の位置の変動によって生じうることを決定することができる。

アクティビティ３２０において、方法３００は、アクティビティ３１８の間に機械学習ＡＩモデル１１２を使用して行われた解析に基づいて、処理レシピの複数の研磨パラメータのうちの１つ以上を変更することを含む。一例において、ＡＩアルゴリズムによって行われた解析に基づいて変更される１つ以上の研磨パラメータが、現在の研磨プロセス又は将来の研磨プロセスの間にスラリ組成物の分注量を調整すること、現在の研磨プロセス又は将来の研磨プロセスの間に分注されるスラリ組成物の濃度を調整すること、現在の研磨プロセス又は将来の研磨プロセスの間にスラリ組成物が分注された後に、研磨パッドの温度を調整すること、及び／又はパッドコンディショニングプロセスを開始又は停止させることを含みうる。変更される複数の研磨パラメータのうちの１つ以上はまた、１つの研磨システム２０又は複数の研磨システム２０で、ＡＩアルゴリズムによって行われた解析に基づいて、システムコントローラ２８又はＦａｂ生産制御システム４０をそれぞれ使用して実現されうる。

一例において、研磨パッドの表面温度の上昇傾向が、ひとまとまりの研磨液組成物の不適切な混合、又は処理溶液の組成の制御というタスクが課せられた研磨液成分投与機構のドリフトによって生じていることが検出された場合には、人工知能（ＡＩ）訓練プラットフォーム３０は、システムコントローラ２８、又は当該システムコントローラ２８に接続されたグラフィカルユーザインタフェース（ＧＵＩ）を使用するユーザに、研磨液組成物又は投与機構を交換すること、及び／又は研磨システム２０内で処理される現在の又は将来の基板で実行されている研磨プロセスレシピの１つ以上の処理変数を調整するよう命令することが可能である。

他の例において、研磨パッドの表面の光学特性の検出されたドリフトが、パッドコンディショニングディスクの有効性の低下によって引き起こされていることが検出された場合には、人工知能（ＡＩ）訓練プラットフォーム３０は、システムコントローラ２８、又は当該システムコントローラ２８に接続されたＧＵＩを使用するユーザに、パッドコンディショニングディスクを交換すること、研磨パッドの特定の部分の上でのコンディショニングディスク滞留時間を調整すること、及び／又は研磨システム２０内で処理される現在又は将来の基板で実行されている研磨プロセスレシピの１つ以上の処理変数を調整することを命令することが可能である。

先に述べたように、他の例において、研磨パッド表面の１つ以上の領域にわたる研磨液のカバー率及び／又は流れにおけるドリフトが検出された場合には、人工知能（ＡＩ）訓練プラットフォーム３０は、システムコントローラ２８に、液体供給アーム２８２の位置を調整して、研磨液が研磨パッド表面に供給される位置を調整すること、１つ以上のノズル２８３から出る研磨液の流れを増大させること、パッド冷却アセンブリ２２０を使用して研磨パッドの温度の変化を生じさせること、１つ以上のノズル２８３から供給される研磨液組成物の組成の変化を生じさせること、及び／又は研磨システム２０内で処理される現在の又は将来の基板で実行されている研磨プロセスレシピの１つ以上の処理変数を調整することを行うよう命令することが可能である。

幾つかの実施形態において、方法３００は、図４Ａ～図４Ｃに概略的に示すように、基板の表面から材料の過充填を除去することを含む。図４Ａは、研磨工程前の基板４００を示しており、基板４００の上には、１つ以上の材料層４０１、４０２、例えばエピタキシャル（Ｓｉ）層及び窒化シリコン（ＳｉＮ）層が配置されている。複数の開口が、１つ以上の材料層４０１、４０２内に形成されて、パターニングされた表面が形成される。充填材料層４０３、例えば酸化物層（ＳｉＯ２）が、パターンされた表面上に堆積させられて、複数の開口を充填する。開口内に配置された充填材料は、浅いトレンチ絶縁フィーチャといった複数のフィーチャ（ｆｅａｔｕｒｅ）４０３ａを形成し、研磨プロセスで除去すべき、充填材層４０３の過充填層４０３ｂが残ったままである。

図４Ｂは、研磨プロセスを使用した過充填層４０３ｂの部分的な除去を示しており、図４Ｃは、過充填層４０３ｂの完全な除去と、パターニングされた表面上に残った所望の平面的なフィーチャ４０３ａと、を示している。

典型的に、充填材料の過充填層４０３ｂが除去される（取り除かれる）につれての基板４００の表面の変化は、インシトゥ基板監視システム２２２を使用して生成された時系列データにおいて検出可能である。幾つかの実施形態において、このような変化は、研磨システムのコントローラ上で実行されている終点アルゴリズムを使用して検出される。材料の過充填が、ＳＴＩ又はメタルダマシンプロセスにおいて基板のフィールド表面から取り除かれると、終点アルゴリズムは、研磨プロセスの変更をトリガする。残念ながら、このような反応的な終点検出スキームは、基板表面の過剰研磨を招き、望ましくないディッシング、及び基板表面のフィーチャの浸食を引き起こす虞がある。

幾つかの実施形態において、ＡＩアルゴリズム１１０は、１つ以上の制御パラメータのための個別の又は組み合わされた時系列データといった、時系列のインシトゥ結果データ１２４と処理システムデータ１１４との間の関数関係を検出するよう訓練される。上記の関数関係は、訓練されたＡＩアルゴリズム１１０及び／又は生成された機械学習ＡＩモデル１１２によって、材料の過充填が基板表面から除去されるのと同時ではなく、材料の過充填が基板表面から除去され始める前に、研磨終点の計画対象期間（ｔｉｍｅ ｈｏｒｉｚｏｎ）を予測するために使用されうる。予測された計画対象時間に基づいて、研磨パッドの表面における研磨液組成が、より良好な局所的な平坦化性能を提供するために変更されうる。

幾つかの実施形態において、アクティビティ３１８において機械学習ＡＩモデル１１２に基づいて複数の研磨パラメータのうちの１つ以上を変更することが、関数関係に基づいて研磨パッドの表面上に配置される研磨液の組成を変更することを含む。幾つかの実施形態において、研磨液の組成を変更することが、研磨パッドの表面に供給される個々の研磨液成分の流量を開始し、停止し、又変更することを含む。

幾つかの実施形態において、機械学習ＡＩアルゴリズム１１０を訓練するために使用される訓練データ１１１が、図１Ｂ及び図１Ｃで先に記載したような、基板追跡データ１２８、設備システムデータ１３０、及び電気テストデータ１３２の任意の部分又は組み合わせをさらに含む。

図５は、研磨システム間で研磨性能を一致させる方法５００を示す図である。

アクティビティ５０２において、方法５００は、人工知能（ＡＩ）訓練プラットフォーム３０において、複数の訓練データセットを含む訓練データを受信することを含む。ここで、複数の訓練データセットのうちの様々なデータセットが、研磨システムの研磨ステーションと基板キャリアアセンブリとの様々な組み合わせを使用して研磨される基板に対応している。訓練データセットのそれぞれは、研磨システムを使用して研磨される基板のそれぞれと関連する処理システムデータを含む。

ここで、訓練データセットのそれぞれは処理システムデータ１１４を含み、処理システムデータ１１４は、研磨レシピデータ１１８及び制御パラメータデータ１２０を含む。研磨レシピデータ１１８は、複数の研磨パラメータ、及び対応する複数の目標値を含む。制御パラメータデータ１２０は、１つ以上の閉ループ制御システムの制御パラメータの時系列データを含む。１つ以上の閉ループ制御システムは、対応する研磨パラメータをその目標値に又は目標値付近に維持するために使用される。

アクティビティ５０４において、方法５００は、訓練データを使用して機械学習ＡＩアルゴリズムを訓練することを含む。ここで、訓練された機械学習ＡＩアルゴリズムは、研磨システムの様々な基板キャリアアセンブリ間及び／又は様々な研磨ステーション間の相違を識別するよう構成されている。

アクティビティ５０６において、方法５００は、識別された相違に基づいて１つ以上の修正アクションを実行することを含む。

幾つかの実施形態において、方法５００が、複数の研磨システムにわたる様々な基板キャリアアセンブリ間及び／又は様々な研磨ステーション間の相違を識別し、それに基づいて１つ以上の修正アクションを実行するために使用される。

有益なことに、本明細書に記載の機械学習ＡＩシステム及びＡＩアルゴリズム訓練方法を使用して、高度なＣＭＰ処理システムの装置及びサブシステムの組み合わされた能力をより良く理解して活用し、結果的に、改善された研磨結果、所望のより広いプロセスウィンドウ、及び改善された研磨システム処理の均一性を得ることができる。

先の記載は本開示の実施形態を対象としているが、本開示の基本的な範囲から逸脱することなく、本開示の他の実施形態及び更なる実施形態が考案されてよく、本開示の範囲は、以下の特許請求の範囲によって規定される。

Claims (20)

1. 基板を研磨するためのコンピュータ実装方法であって、
   研磨システムを使用して基板を研磨することであって、
   （ａ）研磨レシピに従って、研磨パッドの表面の上に研磨液を流すことであって、前記研磨レシピが、複数の研磨パラメータ及び対応する複数の目標値を含む、研磨液を流すこと、
   （ｂ）前記研磨レシピに従って、前記研磨パッドの前記表面に対して基板を押し付けること、
   （ｃ）第１の制御パラメータを調整することによって、前記複数の研磨パラメータのうちの第１の研磨パラメータをその目標値に又は目標値付近に維持すること、
   （ｄ）前記研磨レシピ及び前記第１の制御パラメータの時系列データを含む処理システムデータを生成すること、及び
   （ｅ）（ａ）～（ｄ）と同時に、インシトゥ基板監視システムから取得された測定値を使用して時系列のインシトゥ結果データを生成すること
   を含む、基板を研磨することと、
   複数の基板について（ａ）～（ｅ）を繰り返して、対応する複数の訓練データセットを取得することであって、前記訓練データセットのそれぞれが、研磨された基板についての前記処理システムデータ及び前記インシトゥ結果データを含む、複数の訓練データセットを取得することと、
   人口知能（ＡＩ）訓練プラットフォームにおいて、前記複数の訓練データセットを含む訓練データを受信することであって、前記複数の訓練データセットの少なくとも一部が適時に順次受信される、訓練データを受信することと、
   機械学習ＡＩアルゴリズムによって行われる受信した前記訓練データの解析に基づいて、前記複数の研磨パラメータのうちの１つ以上を変更することと、
   を含む、コンピュータ実装方法。
2. 前記目標値が、前記研磨パラメータのそれぞれについて、所望の設定点、所望の下限閾値を上回る値、所望の下限閾値を下回る値、及び／又は所望の下限閾値と所望の上限閾値との間の値を含む、請求項１に記載の方法。
3. 前記インシトゥ結果データが、前記研磨パッドの前記表面の少なくとも一部分の温度の変化を観察するよう配置され当該温度の変化を検出するよう構成されたカメラから提供された信号から得られるデータを含む、請求項１に記載の方法。
4. 前記第１の研磨パラメータが、前記研磨パッドの前記表面の温度を含み、
   前記第１の制御パラメータが、前記研磨パッドの前記表面に供給される冷却材の流量又は前記研磨パッドの前記表面に供給される研磨液の流量を含む、請求項３に記載の方法。
5. 前記インシトゥ結果データが、
   前記研磨液が前記研磨パッドの前記表面上に分注される位置を検出するよう配置されたカメラから提供された信号から得られるデータ、又は、
   研磨液供給ノズルから前記研磨パッドの前記表面上に分注される前記研磨液のカバー量を検出するよう配置されたカメラから提供される信号から得られるデータを含む、請求項１に記載の方法。
6. 前記第１の制御パラメータが、
   前記研磨パッドの前記表面に供給される研磨液の流量、又は、
   前記研磨パッドの前記表面に対する前記研磨液供給ノズルの位置
   を含む、請求項５に記載の方法。
7. 前記インシトゥ結果データが、
   前記研磨パッドの前記表面の少なくとも一部分の温度を検出するよう配置されたカメラから提供された信号から得られるデータ、及び、
   研磨液の組成を検出するよう構成されたセンサから提供される信号から得られるデータ
   を含む、請求項１に記載の方法。
8. 前記第１の研磨パラメータが、前記研磨パッドの前記表面の温度を含み、
   前記第１の制御パラメータが、前記研磨パッドの前記表面に供給される冷却材の流量又は前記研磨パッドの前記表面に供給される研磨液の流量を含む、請求項７に記載の方法。
9. 前記インシトゥ結果データが、前記研磨パッドの前記表面の粗さを検出するよう配置され又は前記研磨パッドの前記表面の光学特性を検出するよう配置されたカメラから提供された信号から得られるデータを含み、
   前記第１の研磨パラメータが、前記研磨パッドの前記表面のパッドコンディショニングパラメータを含み、
   前記第１の制御パラメータが、コンディショニングディスクの回転速度、前記研磨パッドに当接する前記コンディショニングディスクに加えられる下向きの力、前記研磨パッドの前記表面の１つ以上の部分の上にある前記コンディショニングディスクの滞留時間、又は、前記研磨パッドの前記表面を横切る前記コンディショニングディスクのスイープ速度を含む、請求項１に記載の方法。
10. 前記第１の研磨パラメータをその目標値に又は目標値付近に維持することが、
    ｉ． 前記第１の研磨パラメータの実際値とその目標値との差を決定することと、
    ｉｉ． 決定された前記差に基づいて、第１の制御システムの前記第１の制御パラメータを変更することと、
    ｉｉｉ． ｉ．とｉｉ．を連続的に繰り返して、前記第１の研磨パラメータに対する閉ループ制御を提供することと、
    を含む、請求項１に記載の方法。
11. 前記第１の研磨パラメータが、前記研磨パッドの前記表面の温度を含む、請求項１０に記載の方法。
12. 前記研磨液がスラリ組成物を含み、
    前記第１の制御パラメータが、前記研磨パッドの前記表面に供給される前記スラリ組成物の流量又は量を含む、請求項１１に記載の方法。
13. 前記第１の制御パラメータが、前記研磨パッドの前記表面に供給される冷却材の流量を含む、請求項１２に記載の方法。
14. 前記機械学習ＡＩアルゴリズムによって行われる前記受信した訓練データの解析に基づいて、前記複数の研磨パラメータのうちの１つ以上を変更することが、前記訓練データを使用して機械学習ＡＩアルゴリズムを訓練することをさらに含み、
    訓練された前記機械学習ＡＩアルゴリズムが、時系列の前記インシトゥ結果データと、前記第１の制御パラメータの前記時系列データと、の間の関数関係を特定し、
    前記複数の研磨パラメータのうちの１つ以上を変更することが、前記関数関係に基づいて、前記研磨パッドの前記表面上に配置される前記研磨液の組成を変更することを含む、請求項１０に記載の方法。
15. 前記研磨液の前記組成を変更することが、前記研磨パッドの前記表面に供給される個々の研磨液成分の流量を開始し、停止し、又は変更することを含む、請求項１４に記載の方法。
16. 前記機械学習ＡＩアルゴリズムを訓練するために使用される前記訓練データが、
    前記複数の基板のうちの１つ以上の基板の処理履歴、及び／又は当該１つ以上の基板上で形成されるデバイスに関する情報を含む基板追跡データ、
    １つ以上の設備供給システムを使用して生成された情報を含む設備システムデータであって、遠隔の研磨液分配システムから前記研磨システムへと供給される研磨液の解析情報を含む設備システムデータ、及び
    研磨後の電気試験測定工程において、前記複数の基板のうちの１つ以上の基板から生成された電気試験情報を含む電気的試験データ
    のうちの１つ、又はこれらの組み合わせをさらに含む、請求項１に記載の方法。
17. 研磨システム間の研磨性能を一致させるためのコンピュータ実装方法であって、
    人口知能（ＡＩ）訓練プラットフォームにおいて、複数の訓練データセットを含む訓練データを受信することを含み、
    前記訓練データセットのそれぞれが、第１の研磨システムを使用して研磨される第１の複数の基板のうちの個々の基板と関連する処理システムデータを含み、
    前記第１の複数の基板のうちの様々な基板が、前記第１の研磨システムの複数の基板キャリアアセンブリからの基板キャリアアセンブリと、前記第１の研磨システムの複数の研磨ステーションからの研磨ステーションと、の様々な組み合わせを使用して研磨され、
    前記訓練データセットのそれぞれについての前記処理システムデータが、
    複数の研磨パラメータ、及び対応する複数の目標値を含む研磨レシピであって、前記複数の研磨パラメータのうちの１つ以上が、対応する閉ループ制御システムを使用してその目標値又は目標値付近に維持される、研磨レシピ、及び
    前記閉ループ制御システムの制御パラメータの時系列データ
    を含み、
    前記方法がさらに、
    前記訓練データを使用して機械学習ＡＩアルゴリズムを訓練することであって、訓練された前記機械学習ＡＩアルゴリズムが、前記第１の研磨システムの様々な前記基板キャリアアセンブリの間又は様々な前記研磨ステーションの間の相違を識別するよう構成される、機械学習ＡＩアルゴリズムを訓練することと、
    識別された前記相違に基づいて１つ以上の修正アクションを実行することと、
    を含む、コンピュータ実装方法。
18. 前記複数の訓練データセットが、第２の研磨システムを使用して研磨される第２の複数の基板のうちの個々の基板と関連する処理システムデータをさらに含み、
    前記第２の複数の基板のうちの様々な基板が、前記第２の研磨システムの複数の基板キャリアアセンブリからの基板キャリアアセンブリと、前記第２の研磨システムの複数の研磨ステーションからの研磨ステーションと、の様々な組み合わせを使用して研磨され、
    訓練された前記機械学習ＡＩアルゴリズムが、前記第１の研磨システム及び前記第２の研磨システムの様々な前記基板キャリアアセンブリの間及び／又は様々な前記研磨ステーションの間の相違を識別するよう構成され、
    識別された前記相違に基づいて１つ以上の修正アクションを実行する、請求項１７に記載のコンピュータ実装方法。
19. 前記複数の訓練データセットのうちの各前記訓練データセットが、前記第１の研磨システム及び前記第２の研磨システムの前記複数の研磨ステーションに対応するインシトゥ基板監視システムから取得された時系列のインシトゥ結果データをさらに含む、請求項１８に記載のコンピュータ実装方法。
20. 前記インシトゥ基板監視システムが、前記第１の研磨システム内に配置された研磨パッドの表面の少なくとも一部分の温度の変化を観察するよう配置され当該温度の変化を検出するよう構成されたカメラを含む、請求項１９に記載のコンピュータ実装方法。

Images