JP6063872B2 - ツール操作パラメータ及び材料測定と分光情報を関連付けることによるツール性能の改良 - Google Patents

Description

関連出願についての相互参照
本出願は、２０１１年１月１９日に提出された、発明の名称「分光情報をツール動作パラメータおよび材料情報にリンクすることによるツールパーフォーマンスの改良（ＩＭＰＲＯＶＩＮＧ ＴＯＯＬ ＰＥＲＦＯＲＭＡＮＣＥ ＢＹ ＬＩＮＫＩＮＧ ＳＰＥＣＴＲＯＳＣＯＰＩＣ ＩＮＦＯＲＭＡＴＩＯＮ ＷＩＴＨ ＴＯＯＬ ＯＰＥＲＡＴＩＯＮＡＬ ＰＡＲＡＭＥＴＥＲＳ ＡＮＤ ＭＡＴＥＲＩＡＬ ＩＮＦＯＲＭＡＴＩＯＮ）」の特許出願シリアル番号１３／００９，６８５の利点を享受するものである。上記出願の全部は、ここに引用したものとする。

開示の主題は、半導体製造工程に関係する異なる情報を統合することと、統合された情報によってツール性能の改良を自律的に学習することとに関係する。

現在行われている電子工学及び計算処理装置ドライブの技術評価は、発展している。さらに、小型化、ハイパフォーマンス化、並びにさらに効率的なコンピュータ及び電子機器に対する拡大する消費者需要は、半導体装置のダウンスケールをもたらす。さらに、コストを抑える要求に装置が対応するように、半導体装置にて形成されるシリコンウェハは、サイズを大きくする。

大きなウェハサイズを扱う製造プラントは、ウェハ処理を実行し、制御するために自動化を利用する。このようなプラントは、大きな資本を必要とし、従って、最小のダウンタイム及び最大の収率で製造設備の高い効率的な操作を維持することが望まれる。これらの目的を容易にするために、測定設備はウェハ処理の間に製造設備を監視し、設備及び処理ウェハの両方で測定情報を取得するために使用され得る。測定情報は、製造設備を最適化するために解析され得る。

例によれば、測定情報は、ツールレベル情報を含み得る。ツールレベル情報は、製造設備若しくはこの一部分のステータス又はコンディション（状態）、処理されるウェハの物理的及び／又は構造的状態を規定するウェハ計測情報、電気的なテキスト情報、及びそれらに同様のものを示す。さらに、スペクトルデータ、すなわち、スペクトル線強度は、プロセスエンジニアによってエッチエンドポイントの確認を容易にするために収集され得る。しかし、従来の製造環境において、異なる目的のために、種々の測定データは互いに個別に管理される。したがって、種々の測定データの間の相互関係は、製造処理の進歩した最適化には利用されない。

今日の半導体製造設備測定及び最適化システムの前述のような課題は、従来のシステムの幾つかの問題の要点を単に提供することを意図され、網羅することを意図されていない。従来のシステムの有する他の問題及びここに記載される種々の限定されない実施形態の対応する効果は、後述に記載の説明でさらに明確になるだろう。

簡単な概要は、さらに詳細な記述及び添付する図で後述する例示的な、限定されない実施形態の種々の態様の基本的な又は一般的な理解を補助できるようにするためにここに提供される。しかし、この概要は、広範囲の又は完全な要点とするつもりはない。その代わりに、この概要の唯一の目的は、後述する種々の実施形態のさらに詳細な記述に対する前置きとして簡単な形態で幾つかの例示的な、限定されない実施形態に関連する幾つかの概念を表すことである。

１つの実施形態において、半導体製造ツールに関連するスペクトルデータ（すなわち、スペクトル線強度）、センサデータ、及び材料測定データは、取得され、データ構造（すなわち、マトリクス）中に集約され得る。例によれば、センサデータは、性能カウンタ測定値、限定されない例として、ウェットクリーンのときの経過時間、１以上の部品の寿命（すなわち、フォーカスリングの寿命、ＣＥＬの寿命、等）、及びそれらに同様のものを含み得る。データ構造は、データ構造の他のフィールドに関する興味のあるフィールドに関する式を生成するように構成される学習エンジンのためのトレーニングデータとして利用され得る。例えば、ウェハの与えられた位置でのエッチバイアスは、チャンバ圧力、与えられた波長（すなわち、スペクトル線）の強度、限界寸法測定値、又はこれらに同様のものに関して示され得る。

他の実施形態において、式は半導体製造ツールの性能を調整又は最適化するために利用され得る。例えば、式、設定可能なパラメータの操作変動、及び出力のための目標値に基づいて、設定可能なパラメータの値は目標出力を達成するために確認され得る。半導体製造ツールは、値に従って調整され得る。

さらに他の実施形態において、学習エンジンは、高い性能（すなわち、高収率）で第１の半導体製造ツールの影響力の大きい特性を確認するために利用され得る。ここで、影響力の大きい特性は、他の半導体製造ツールから第１の半導体製造ツール又は第１の半導体ツールの低い働きをするチャンバを識別するために操作する。ステータスフィールドは、データ構造中に組み入れられ、学習エンジンは、データ構造の他のフィールドに基づいてステータスフィールドの値の式を生成できる。式から、影響特性、すなわち、式の変数が、確認される。

さらに実施形態において、エッチング工程におけるエンドポイント検出は、ここに記載されるメカニズムを利用する。例えば、エンドポイント状態の好ましい予測計である波長、すなわち、スペクトル線は確認され得る。ステータスフィールドは、処理ウェハが良好なウェハ、すなわち、許容可能であるか、又は好ましくないウェハ、すなわち、許容できないかを示すように導入される。学習エンジンは、好ましい予測計として確認される波長に基づく状態の式を生成できる。半導体製造ツール、すなわち、エッチングツールは、ウェハ処理の間の式にリアルタイム情報を送り、式が状態は良好なウェハを示すことを予測したときにエッチングを中断させる。

これらの、及び他の実施形態は、以下でさらに詳細に記載される。

種々の限定されない実施形態は、さらに以下に添付する図面に関連して記載される。

図１は半導体製造ツールに関連する異なる情報の間の関係を学習するための例示的な、限定されない実施形態を示すフローチャート図である。 図２は、スペクトル強度情報、ツール操作情報、及び１以上の態様に従うウェハ測定情報から形成されるデータ構造の例示的な、限定されない図である。 図３は、トレーニングマトリクス中に集約するように前のスペクトルデータを規格化するための例示的な、限定されない実施形態を示すフローチャートである。 図４は、半導体製造ツールに関連する異なる情報を統合し、これらの関係を決定するための例示的な、限定されない実施形態を示すブロック図である。 図５は、統合情報から学習された式に基づいて確認される最適化パラメータを含むレシピを生成するための例示的な、限定されない実施形態を示すフローチャート図である。 図６は、目標出力値を達成する設定可能なパラメータの値を選択するための例示的な、限定されないシステムを示すブロック図である。 図７は、高収率製造設備の影響の大きい状態を確認するための例示的な、限定されない実施形態を示すフローチャート図である。 図８は、１以上の態様に従うトレーニングマトリクスとして利用されるデータ構造の例示的な、限定されない図である。 図９は、１以上の態様に従うツールの複数のチャンバの経時的な強度値のグラフの例示的な、限定されない図である。 図１０は、収率性能に影響を及ぼす影響変数を決定するための例示的な、限定されないシステムのブロック図である。 図１１は、エッチング処理の間のエンドポイント検出に適切な１以上の一連の波長を確認するための例示的な、限定されない実施形態を示すフローチャート図である。 図１２は、ツールの複数のチャンバに関して、時間に対してプロットされた対応する強度の１組の波長のグラフの例示的な、限定されない図である。 図１３は、自律的な、が駆出に基づくエンドポイント検出及び処理操作に関する例示的な、限定されない実施形態を示すフローチャート図である。 図１４は、１以上の態様に従うトレーニングマトリクスとして利用されるデータ構造の例示的な、限定されない図である。 図１５は、ウェハエッチ処理の間のエンドポイント検出に関する例示的な、限定されないシステムを示すブロック図である。

［概要］
背景に記載されているように、種々の情報は、半導体製造ツールから集積され得る。ここで、半導体製造ツールは、製造設備、製造機械、半導体処理設備、半導体製造設備、ツール、又は前述から得られる他の同様の用語とも称される。このような情報は、ツール操作データ、すなわちツールを監視及び／又はツールと一体化したセンサからのデータと、装置測定データ、すなわちウェハの物理的及び構造的特徴と、分光データ、すなわちツール内の種々のガス化合物の濃度に起因する波長の強度又はスペクトル線と、を含み得る。慣例的に、個別の種類の情報は、異なる目的のために、独立して、解析され、利用される。その結果、異なるタイプの情報の間の興味深い関係が、気づかれないでいる。

各種の情報の統合又は連結を通して、このような関係は、最適なツール性能、改良ツール操作、及び好収率ツール又はツール要素の状態のより深い把握を達成することに利用され得る。異なる情報の連結及び解析は、詳細に測定すること、又はさらに容易に得られる測定量から正確に予測又は推測される不定期な測定機能を可能にする。例えば、ウェハ測定値、例えば、これら限定されないが、現像検査限界寸法（ｄｅｖｅｌｏｐ ｉｎｓｐｅｃｔｉｏｎ ｃｒｉｔｉｃａｌ ｄｉｍｅｎｓｉｏｎ：ＤＩ−ＣＤ）、最終検査限界寸法（ｆｉｎａｌ ｉｎｓｐｅｃｔｉｏｎ ｃｒｉｔｉｃａｌ ｄｉｍｅｎｓｉｏｎ：ＦＩ−ＣＤ）、層厚さ、エッチバイアス（ｅｔｃｈ ｂｉａｓ）、又は同様のものは、通常、処理前又は処理後に与えられる。例えば、ウェハ測定の原位置の値は、通常、処理の間に得られない。しかし、情報の統合及び統合から得られる関係は、このようなウェハ測定値をウェハ処理の間に原位置で容易に得られる量によって示されることを可能にする。例えば、このようなウェハ測定値は、スペクトル強度情報及び／又はツール操作データに関して示され、リアルタイムで監視され得る。

種々の、限定されない実施形態において、半導体製造設備は、学習エンジンを利用できる。学習エンジンは、異なるタイプの情報、すなわち操作情報、寸法情報、分光情報等を収集し、与えられたフィールド、列、又は集まった情報の他のフィールドに関する与えられたフィールドの値を示す集まった情報の変数の少なくとも１つの式（ｅｘｐｒｅｓｓｉｏｎ）を生成する。例えば、エッチバイアスの式は、ツールのチャンバ内のガス圧、１以上のスペクトル線の強度、ウェハ処理の経過時間、前処理又は後処理での種々のウェハ測定値等に関して収集され得る。生成された１以上の式は、ガス流量、チャンバ圧力、上部の無線周波数（ＲＦ）パワー等のような設定可能なパラメータを変更されて起こり得る結果を予測するためのウェハ処理のモデリングを容易にする。

さらなる実施形態によれば、生成された１以上の式は、出力ターゲットを得るために設定可能なパラメータの値を選択するように採用され得る。例えば、パラメータ値は、許容限界の範囲内のエッチバイアスを得られるように選択され得る。その他の実施形態では、式は、与えられたツール又はツール内のチャンバが高い収率性能を示そうがそうでなかろうが、予測され得る。このような式は、収率性能の最良のインジケータであるツール又はチャンバの状況の確認を容易にする。さらに、式は、良品のウェハが製造又はウェハ上の良いエッチングがいつ得られたかを確認するように、生成され得る。このような式は、例えば、エッチング処理を制御するためにリアルタイムのデータに関連して利用され得る。

ここでは、異なる情報の関連を通して半導体製造設備の性能を改良するための幾つかの実施形態の概要が前述された。後述するロードマップのように、種々の例として、限定されない実施形態と、関係の自律型学習及び関係でツール性能改良の特徴とがさらに詳細に記載される。したがって、幾らかの限定されない実施及び例は、添付の図で与えられ、このような実施形態及び／又は特徴が実行され得る描写するネットワーク及びコンピュータ環境によって理解される。

［分光情報、センサ情報、及び寸法情報の統合を通して半導体製造設備性能を判断する方法］
前述のように、種々の実施形態では、半導体製造ツールは、トレーニングデータの１つのマトリクス中へ異なるタイプの情報を統合するために学習エンジンを利用できる。学習エンジンは、トレーニングデータのマトリクスに基づいて、マトリクスに含まれる他のパラメータに関係するマトリクスのパラメータを示す少なくとも１つの関係を自律的に生成できる。少なくとも１つの関係は、”ｗｈａｔ−ｉｆ“分析、設備調整又は設定、生成性能に影響する状態の確認、及びこれらに類似するものを利用され得る。

具体的には、限定されない例として、半導体製造ツールは、ウェハから材料を取り除くようにプラズマから高エネルギーイオンを生成し、制御するように構成されるエッチングシステムであり得る。エッチングツールは、異なるウェハを個別に処理する複数のプラズマチャンバを含み得る。チャンバ内では、高い反応性プラズマガスが、フィルム、すなわち材料層を取り除くようにウェハと反応する。ここで、フォトレジストパタンは、露光されたフィルムに残る。エッチングシステムでは、分光法又は他の同様の技術（すなわち、発光分光法（ＯＥＳ）、フーリエ変換赤外分光法（ＦＴＩＲ）、レーザ励起蛍光法、など）は、異なるものから構成される化合物の相対濃度を測定するだけでなく、チャンバでのガス化合物を検出することにも利用され得る。一般的に、分光法は、チャンバでのガス化合物の原子又は分子で発生する電子遷移から放射される光を検出することも含む。通常、異なる化合物は、異なる一連の波長又はスペクトル線の光を放射する。その結果、検出される固有の一連のスペクトル線は、固有の化合物を特定するための特徴として働くことができる。さらに、スペクトル線に関連する強度は、化合物の相対濃度を示す。

従来の製造工程では、前述のように、分光データは、エッチングのエンドポイント状態を確認し、決定するためにプロセスエンジニアによって検討され得る。エッチングの綿密な管理は、ウェハのより好適な成形特徴をもたらし、その結果、ウェハのより高い生産量をもたらす。材料に空洞を形成することを意図するエッチングにおいて、空洞の深さは、エッチング時間及び既知のエッチング速度によって制御され得る。幾つかのエッチングは、マスキング層の下部を切り取り、下部の材料で傾斜側壁を有する空洞を形成する。下部を切り取りの距離は、エッチバイアス、又は単純に、バイアスと参照される。従来の製造工程では、プロセスエンジニアは、可能な限りバイアスを減らして、所望の限界寸法での特徴が形成されるエッチングすることを目的とするエッチングのための好適なエンドポイントを確認するために分光データを検討する。

実施形態に従って、分光データは、センサデータ（すなわち、チャンバ圧、ガス流量、上部のＲＦパワー、経過時間、等）及びウェハ測定値（すなわち、ＤＩ−ＣＤ、ＦＩ−ＣＤ、バイアス、厚さ、等）のような異なるタイプのデータを関連付けられる。関連付けられれば、チャンバ内のスペクトル強度は、ツール性能を改良できる好適な状態の確認及び予測を容易にできる。ここで態様はエッチシステムに関して記載され、エッチシステムが種々の実施形態の説明及び記載において補助する例示的な環境であることがよく知られている。さらに、ここに記載された技術は、エッチシステムを越えて異なるタイプの半導体製造設備を用いられる。例えば、設備、例えば、限定されないが、熱処理設備、コータ／デベロッパ（ｄｅｖｅｌｏｐｅｒｓ）、表面処理システム、成膜システム、ウェハプローブシステム（ｗａｆｅｒ ｐｒｏｂｅ ｓｙｓｔｅｍ）、材料修正又はドーピング（ｄｏｐｉｎｇ）システム、等は、これら１以上の実施形態で改良され得る。

データ構造に異なる情報を統合し、前述のようなツール効率及び性能を大きくするためのデータ構造を活用する１以上の限定されない方法に関して、図１は、半導体製造ツールに関係される異なる情報の間の関係を学習するための例示的な、限定されない実施形態を示すフローチャート図である。１００において、半導体製造ツールの操作及び性能を見るための異なる情報がデータ構造中に統合される。データ構造は、スペクトル強度、ツール操作情報、及びウェハ測定情報を包含するマトリクスであり得る。スペクトル強度情報は、スペクトルスコープ若しくはその他の同様な測定装置によって検出されるような固有の波長での光の強度、又はスペクトル線を含む。ツール操作情報は、半導体製造ツールに連結されたセンサによって測定されるような、ガス流量、チャンバ圧、上部のＲＦパワー、経過時間、ＲＦ−時間、ツール部（すなわち、フォーカスリング、ＣＥＬ、ＭＦＣ’ｓ、）の寿命等、を含む。さらに、ウェハ測定情報は、ウェハ処理工程の前及び／又は後のウェハ計測装置によって得られる、ＤＩ−ＣＤ，ＦＩ−ＣＤ、バイアス、厚さ、等を含む。

ここで図２を参照し、図示されるものは、スペクトル強度情報、ツール操作情報、及びウェハ測定情報を包含する例示的な、限定されないデータ構造２００である。図２に示すように、データ構造２００は、処理のユニットに対して識別（ＩＤ）タグを明記するフィールド２１０を含む。図２の例として、ユニット又は処理は、ウェハである。その結果、フィールド２１０は、ウェハＩＤを含む。実施形態では、データ構造２００は、Ｋウェハに対応する情報を含む。ここでＫは、１より大きい又は１に等しい整数である。データ構造２００のフィールド２２０は、処理で経過した数秒を記録する、例えば時間などのツール操作情報を含む。実施形態では、処理が異なる工程に区分されるように、ツール操作情報は、他のフィールドが関連する処理の工程を示すように付加的なフィールド、すなわち工程ＩＤ（図示せず）を含む。半導体製造ツールが実行する処理に関連する処理時間及び／又は処理工程に加えて、フィールド２２０は、チャンバ圧、ガス流量、上部のＲＦパワー、等のようなセンサ測定値を含む。図２に示すように、フィールド２２０の圧力フィールドは、ウェハＩＤフィールドによって規定される個別のウェハの処理の個別の時間増分に対応する異なる圧力測定値（すなわち、Ｐ１、Ｐ２、Ｐ３、・・・）を含む。

データ構造２００のフィールド２３０は、スペクトル強度情報を含む。スペクトル強度情報は、光の波長Ｎの強度値を有する。ここで、Ｎは、１より大きい又は１に等しい整数である。前述のようにセンサ測定と同様に、波長１（λ１）のような、波長が与えられたときに、フィールド２３０は、ウェハＩＤによって規定された個別のウェハの処理の個別の時間増分に対応する強度測定値（Ｉ１１、Ｉ２１、Ｉ３１、・・・）を含む。

異なるツール、ツールのチャンバ等でのスペクトル線の強度の標準的な測定誤差を説明するために、測定された強度は規格化される。ここで図３を参照すると、トレーニングマトリックス中に連結する前に分光データを規格化するための例示的な、制限されない実施形態のフローチャートが図示されている。３００において、測定されたスペクトル強度情報が得られる。３０２では、全強度が参照に基づいて決定される。例えば、全強度は、幾つかの任意に選択された参照ツール又はチャンバについて算出される。実施形態によれば、全強度は、波長範囲に亘るスペクトルの積分を評価することによって決定される。例えば、０．５ナノメートル（ｎｍ）分解能を有する２００ｎｍから８００ｎｍまでの波長で変動するスペクトルを与えられ、その積分は、０．５を乗じるスペクトル強度値の合計で評価される。３０４では、測定されたスペクトル強度情報は、全強度で規格化される。例えば、規格化された強度値は、全強度で割られた測定された強度値に対応する。他の規格化手法も同様に用いられることが知られている。例えば、規格化されたスペクトル強度は、各チャンバの強度の測定された大きさのピーク近傍の波長で与えられた一連の強度測定値を割ることによって得られる。

さらに図２に示されているように、データ構造２００は、フィールド２４０のウェハ測定情報を含む。ＦＩ−ＣＤのみがフィールド２４０に示され、フィールド２４０はバイアス測定値、ＤＩ−ＣＤ測定値、厚さ測定値、及びそれらと同様のもののような他のウェハ測定値を含む。ＦＩ−ＣＤのような、ウェハ測定値は、ウェハの複数の位置で得られる。したがって、丸括弧に含まれる数は、ウェハの領域を示す。図２に示されるように、測定値は、ウェハのＭ領域で得られる。ここで、Ｍは、１より大きい又は１に等しい整数である。ウェハ測定値は、ウェハ処理前又はウェハ処理後で得られる。その結果、与えられる処理工程において、ウェハ測定値は、一致する。例えば、ウェハＩＤ１の同一の処理工程内の微小時間に対応するｔ１、ｔ２及びｔ３を仮定すると、微小時間ｔ１、ｔ２及びｔ３の領域１でのＦＩ−ＣＤ測定値は、同一である。

図２に示すように、全操作情報、スペクトル強度情報、及びウェハ測定情報は、ウェハＩＤ、処理時間及び／又は処理工程に関して集約又は統合される。例えば、異なる情報は、時間又は工程で、ウェハ別に整列されている。したがって、つながりが、種々の前述の関係を得られるように形成される。

図１に戻ってみると、１０２で、データ構造（すなわち、データ構造２００）の少なくとも１つのフィールドは、識別された出力として選出される。例えば、少なくとも１つのフィールドは、個別の領域、一部の領域、又は全領域に対応するバイアス領域である。１０４で、少なくとも１つの関係は、自律的に生成される。ここで、関係は、少なくとも１つのフィールドに対応し、データ構造の他のフィールドに関して少なくとも１つのフィールドを表す。実施形態において、少なくとも１つのフィールド（すなわち、識別された出力）は、ユーザ（すなわち、ツール操作者、プロセスエンジニア、等）によって選択されるのに加えて、媒体（すなわち、ソフトウェアツール）によって選択される。

データ構造は、トレーニングデータマトリクスとして利用される。選択されたフィールドにおいて、少なくとも１つの関係は、遺伝的アルゴリズムを通して理解される。しかし、他の種類の学習が実行されることは、よく知られている。例えば、少なくとも１つの関係は、線形近似、多重線近似、多項式曲線フィッティング、ニュートラルネットワーク、及びそれらと同様のもので決定される。

具体的には、限定されない例で、少なくとも１つの関係は、ウェハ上の領域１でのエッチバイアスの式を含む。式は、以下によって規定される。

ここで、圧力はツールのチャンバ圧であり、Ｉ（２６０）はλ１の波長に対応するスペクトルであり、及びＤＩ−ＣＤ（１）は領域１でＤＩ−ＣＤ測定値である。前述の式は、１つのセンサ変数、１つの強度変数、及び１つの測定変数でのみ表現され、ｂｉａｓ１の学習された式は、複数のセンサ変数、強度変数、及び楕円の式で示される測定変数を含むことがよく知られている。

前述の式のような、関係の学習は、人の介在なしで、自発的に発生するので、関係の式は、関連するセンサ変数、関連するスペクトル強度変数、及び関連する測定変数に関する実質的なすべての測定点で学習される。他の、限定されない実施形態に従って、スペクトル線強度は、異なる割合のツールチャンバにおける異なるガスの結果である。その結果、波長での固有のスペクトル強度は、チャンバでの１種のガス又は多くの種類の異なるガスの結果である。したがって、少なくとも１つの生成された関係は、波長でのスペクトル強度と種々のガス流量の間とのマッピングである。ここで、マッピングは、以下の形式を取る。

ここで、λ１は、スペクトル強度Ｉが表される波長を示し、ｇａｓ（ｎ）は、例えば、ガスｎの、標準立方センチメートル毎分での、ガス流量であり、ここでｎは、１より大きい又は１に等しい整数である。

ウェハ特性、すなわちウェハ測定値及び波長強度、に関して学習された関係は、半導体製造ツール又は半導体製造ツールのチャンバの動きのキーポイントとなる洞察を可能にする。さらに、関係は、”ｗｈａｔ−ｉｆ”型解析を実行するために使用される。例えば、種々の質問がすぐに回答される。例えば、“ガス１（すなわち、ｇａｓ（１））の流量が１パーセントで増加した場合、Ｉ（λ１）はどうなりますか？”、“ｇａｓ（１）が１パーセントで増加した場合、ｂｉａｓ（１）、ｂｉａｓ（２）、．．．、ｂｉａｓ（Ｍ）はどうなりますか？”、“圧力が２パーセントで増加した場合、ＦＩ−ＣＤ（１）はどうなりますか？”、“上部のＲＦパワーが５０ワットで増加した場合、Ｉ（λ１）はどうなりますか？”、等のような質問である。

図４は、例示的な、限定されない半導体製造ツールに関連される統合する異なる情報と、そのときに決定する関係とを図示するブロック図を示す。図４に示されるように、ツール４１０（製造機械、半導体製造ツール、半導体製造設備、等とも称される）は、入口ウェハ４０２及び出口処理ウェハ４０４を受ける。例示的な、限定されない実施形態では、ツール４１０は、その表面に形成された空洞及び形態を有する処理ウェハ４０４生成するためにエッチング処理（すなわち、ウェットエッチ、ドライエッチ、プラズマエッチング、．．．）を通して入口ウェハ４０２からマスクされていない材料を取り除くためのエッチツールである。

種々の測定装置、例えば、スペクトルスコープ４２０、ツールセンサ４３０、及び装置測定設備４４０は、種々の態様、状態、又は処理の結果に関係する異なる情報を得るためにツール４１０によって実行される処置を監視する。例えば、スペクトルスコープ４２０は、スペクトルスコープ４２０によって観察できる一連の夫々の波長の強度又はスペクトル線を含むスペクトル強度情報４２２を得ることができる。スペクトル強度情報４２２は、一定間隔（すなわち、数秒毎、２秒毎、１００ミリ秒（０．１秒）毎、等）で夫々の波長の強度を測定するように時系列データである。また、スペクトルスコープ４２０は、ツール４１０によって処理された個別のウェハに関連付けられるウェハＩＤを有するスペクトル強度情報４２２も相互に関連付ける。従って、スペクトルスコープ４２０は、ツール４１０によって処理される一連のウェハの、個別に、各ウェハのスペクトル強度情報を得ることができる。

ツールセンサ４３０は、ツール４１０がウェハ４０２を処理し、対応するセンサ情報４３２を生成する間にツール操作特性を監視し、測定する。スペクトル強度情報４２２と同様に、センサ情報４３２は、ウェハ毎の基盤に相互に関連付けられる時系列データである。センサ情報４３２は、種々のセンサからの測定値を含む。このような測定値は、ツール４１０の１以上のチャンバ内の圧力、１以上の異なるガスのガス流量、温度、上部のＲＦパワー、仕上げの湿式洗浄（ｗｅｔ−ｃｌｅａｎ）のときの経過時間、ツール部品の寿命、及びそれらと同じようなものを含む。

装置測定設備４４０は、物理的及び幾何学的なウェハの特性及び／又はウェハに製造された形態を測定する。例えば、装置測定設備４４０は、所定の位置又はウェハの領域で、ＤＩ−ＣＤ、ＦＩ−ＣＤ，エッチバイアス、厚さなど、を測定する。測定された特性は、デバイス測定情報４４２として、位置毎、ウェハ毎のバイアスで、統合される。ウェハの特性は、通常、処理前又は処理後に測定される。したがって、装置測定情報４４２は、スペクトル強度情報４２２とセンサ情報４３２とを比較すると、異なる間隔で得られる時系列データである。

図４に示すように、スペクトル強度情報４２２、センサ情報４３２、及び装置測定情報４４２は、異なる情報を、図２に関係する前述のデータ構造２００のような、統合されたマトリクス中に集約するように構成される学習エンジン４５０に入力される。また、学習エンジン４５０への入力は、パラメータ選択４５２であり、変数、パラメータ、又は統合されたマトリクスのフィールドを規定する。統合されたマトリクスは、スペクトル強度情報４２２、センサ情報４３２、及び装置測定情報４４２の統合であるので、パラメータ選択４５２も、フィールド、変数、又は、スペクトル強度情報４２２、センサ情報４３２若しくは装置測定情報４４２の１つからのパラメータを選択するように作用する。学習エンジン４５０は、フィールド、変数、又はパラメータ選択４５２で規定されるパラメータと、測定点毎での統合マトリクスの他のフィールドとの間の関係を学習するようにさらに構成される。実施形態では、学習エンジン４５０は、少なくとも１つの式４５４を生成し、学習される関係を伝達する。限定されない例によれば、学習エンジン４５０は、関係を導出するための遺伝子アルゴリズムを実行し、それに基づいて、式４５４を実行する。しかし、学習エンジン４５０が他の学習技術を利用できることは、よく知られている。

さらに、学習エンジン４５０は、夫々の入力及び出力多項式のような複合的なパラメータ選択４５２を受けることができる。例えば、パラメータ選択４５２は、ウェハの全ての位置の全てのバイアスフィールドの選択を示す。パラメータ選択４５２は、媒体（すなわち、ソフトウェアユーティリティ若しくはアプリケーション）又はユーザ（すなわち、ツール操縦者、ツールエンジニア、等）から創出される。パラメータ選択４５２に入力に応じて、学習エンジン４５０は、統合されたマトリクスの他のフィールドに関する全ての位置でのバイアスを示す夫々の式を出力する。

さらに、図４は、ツール４１０からはっきりと区別でき、分離された要素であるスペクトルスコープ４２０、ツールセンサ４３０、装置測定設備４４０、及び学習エンジン４５０を示し、このような形態は、説明の目的で与えられ、制限することを意味しないことは、よく知られている。例えば、適切なシステム４００の形態は、セルフモニタリング、セルフラーニング及びセルフチューニングの可能なオールインワンの半導体製造ツールを供給するためのツール４１０内の種々の要素を統合する。

［異なる処理情報の間の学習された関係を有する最適化半導体製造設備性能］
前述のように、半導体製造設備に関係する、分光情報、センサ情報、及び測定情報は、異なるデータの間の関係を記述する学習される式の生成を促進するための統合データ構造中に集約される。さらに、半導体製造設備の動作及び性能の把握を可能にするために、学習される式は、自律的な最適化、形態化、又は設備の調整を可能にする。結果的に、図５は、統合情報からの学習された式に基づいて確認された最適なパラメータを含む方法を生成するための例示的な、限定されない実施形態のフローチャートを示す。５００で、種々の情報が得られる。情報は、異なる情報に関するウェハ出力特性を示す一連の式、ガス流量に関する固有の波長でのスペクトル線の強度の特性を示す一連のスペクトル強度式、半導体製造ツールの設定可能なパラメータの範囲及び分解能を供給する一連の制御可能なパラメータ式、及び一連の目標値を含む。

限定しない例として、ウェハ出力特性を示す一連の式は、複数のエッチバイアス式を含み、他のセンサデータの関数、ウェハ特性、及び強度情報である。例えば、後述の式は、その一連に含まれる。

ここで、ｂｉａｓｎは、ウェハの領域ｎでのエッチバイアスを示し、ｎは１より大きい又は１に等しい整数であり、ｆｎは、他のセンサー情報（すなわち、圧力、ガス流量、等）、他のスペクトル強度情報（すなわち、Ｉ（λ１）、Ｉ（λ２）、等）、及び他の測定入力値（すなわち、種々の領域でのＤＩ−ＣＤ、種々の領域でのＦＩ−ＣＤ、種々の領域での厚さ、等）を示す。

一連のスペクトル強度式は、半導体製造ツールのチャンバでの複数の異なるガスの夫々のガス流量に関するスペクトル強度の１以上の式を含む。このような式は、後述の形で与えられる。例えば、

ここで、Ｉ（λｍ）は、波長ｍのスペクトル線の強度値であり、ｍは、所定の分解能（すなわち、波長１は２００ナノメータ、波長ｍは８００ナノメータ、及び分解能は、０．５ナノメータ）での最小から最大までの波長の添え字であり、ｇｍは、ｐガスのガス流量に関する強度の式であり、ここでｐは、１より大きい又は１に等しい整数である。

一連の制御可能なパラメータ式は、最小、最大、及び設定可能なパラメータの分解能を供給する。例えば、その一連が次を含む。

圧力：最小：８０； 最大：９０； 分解能：１ミリトール（ｍＴｏｒｒ）
Ｇａｓ（１）：最小：１０； 最大：１２； 分解能０．１ｓｃｃｍ
．．．
上部のＲＦパワー：最小：１４００； 最大：１６００； 分解能：１ワット
ここで、ここで最小は、パラメータの最小の設定可能な値を示し、最大はパラメータの最大の設定可能な値を示し、分解能は、半導体製造ツールによって支援されるパラメータでの最小の変化量を示す。

一連の目標値は、一連の式で示される出力特性の値を示す。例えば、前述のようなバイアス式において、一連の目標値は、後述を含み得る。

前述の目標値は、この例では、同一であり、各目標に関する異なる値が示されることは、よく知られている。例えば、目標値での差異は、先行の処理ツールによって変動が誘導され、半導体製造ツールによって補償され得る。例のように、半導体製造ツールは、エッチツールであり、目標値は、ウェハの端部でのＤＩ−ＣＤ線が厚いであるために異なり、このために端部としてより小さいエッチバイアスを求められる。

５０２において、制御可能なパラメータの値が確認され、確認された値は、目標値を達成する。実施形態では、前述のような式及び目標値が逆問題解法に入力され、対応された目標値を許容する制御可能なパラメータのための値を確認するためにシミュレーションされるアニーリングアルゴリズムを利用する。他の逆問題解法、例えば、シンプレックス、勾配探索、遺伝的アルゴリズム、等は、シミュレーションされるアニーニングアルゴリズムの加えて、又は代わりに利用され得る。５０２において、レシピは、半導体製造ツールについて生成され、ここで、方法は、制御可能なパラメータの確認される値に従って規定されるレシピパラメータを含む。レシピは、最適なウェハ出力を生成するように半導体製造ツールによって実行される。

図６は、目標出力値を達成する設定可能なパラメータの値を選択することの例示的な、限定されないシステム６００を示すブロック図を示す。図６に示すように、ツール６１０（製造器、半導体製造ツール、半導体製造設備とも称される）は、入力ウェハ６０２及び出力処理ウェハ６０４を受ける。例示的な、限定されない実施形態では、ツール６１０は、その表面に形成される空洞及び形態を有する処理ウェハ６０４を生成するためのエッチング処理（すなわち、ウェットエッチ、ドライエッチ、プラズマエッチング、．．．）を通して入力ウェハ６０２からマスクされていない材料を取り除くエッチツールである。

実施形態に従って、システム６００は、調整エンジン６２０を含む、入力として学習される式６２０を受ける。学習される式は、図４に関連して記載される学習エンジン４５０のような、学習エンジンによって生成される関係を学習される。例では、調整エンジン６２０は、制御可能なパラメータ６２４の適切な値を確認するための逆問題解法を実行し、学習される式６２２に基づいて目標値６２６を達成する。確認される値は、収集され、レシピ（ｒｅｃｉｐｅ）６２８、レシピ記録（ｒｅｃｉｐｅ ｓｔｏｒｅ）６３０で記録可能のもの、及び最適な性能で構成するようにツール６１０で利用可能なものとして出力される。

［半導体製造ツールの好収率チャンバに影響を与える重要な状態の確認］
前述のように、統合されたスペクトル情報、センサ情報、及び測定情報から生成される学習される式は、半導体生成ツールの最適な形態の確認を容易にする。しかし、状況次第で逆の状況が起こる。例えば、一連の半導体製造ツール又は複合処理チャンバを有する与えられた半導体製造ツールにおいて、１以上のツール又はチャンバが常に他のツール又はチャンバより効率がよい場合が、観測され得る。他のチャンバより効率が良いために個別のチャンバ能力に影響を与える状況の確認は、再構成され、最適化されるために性能より低く実行するチャンバを可能にする。

この目的を達成するために、図７は、高収率製造設備の影響力の大きい状態を確認するための例示的な、限定されない実施形態を示すブロック図を示している。７００で、操作を評価する異なる情報と一連のツール（又は一連のツールのチャンバ）の性能とが、集約される。例えば、異なる情報は、スペクトル強度情報、ツール操作情報、及びウェハ測定情報を含み、前述のようなデータ構造又は統合されたマトリクス中に統合される。さらに、前述の情報について、性能ステータスフィールドは、データ構造中に組み込まれる。実施形態において、性能ステータスは、最適な実行ツール又はチャンバには１の値を設定され、データ構造に含まれる全ての他のツール又はチャンバには０の値を設定される。性能ステータスフィールドも、ブール状態（Ｂｏｏｌｅａｎ ｓｔａｔｕｓ）の代わりにチャンバの関連する性能の実数表示になるように規定される。

７０２において、少なくとも１つの式は、自律的に生成される。ここで、少なくとも１つの式は、データ構造に含まれる他のパラメータに関してチャンバのステータスを予測する。１の実施形態によれば、他のパラメータは、スペクトル強度のみである。他の実施形態にしたがって、混合モード式は、他のパラメータがスペクトル強度及びセンサ情報変数を含むように生成される。スペクトル強度のみが利用されたときに、図８に示されるトレーニングマトリクス８００は、トレーニングマトリクス８００に示されるステータスフィールドを予測する少なくとも１つの式を動かすために学習エンジンで利用される。混合モードでは、図８にも示すように、学習エンジンは、トレーニングマトリクス８５０を利用できる。図８に示されるように、トレーニングマトリクス８００及び８５０は、ステータスフィールド、ウェハＩＤフィールド、（個別のツール又はチャンバを確認する）設備ＩＤフィールド、及びスペクトルスコープデータを含む。説明を容易にするために、後述の内容は、スペクトル強度のみが少なくとも１つの式を導出するために利用される例について記載している。しかし、どのように後述の技術がセンサデータを含む混合モードに拡張されるかが、容易に十分に理解されるだろう。

限定されない例では、後述のように、少なくとも１つの式は、ブール値関数（Ｂｏｏｌｅａｎ ｖａｌｕｅｄ ｆｕｎｃｔｉｏｎ）Ｆである。

この例に従って、ステータスは、一連のｍ波長又はスペクトル線のスペクトル強度値に基づいて予測される。ここで、ｍは、１より大きい又は１に等しい整数である。学習エンジンは、ステータスに最大の貢献が望まれるだけであるが、ブール値関数Ｆに含まれる強度値の数値がより小さい数値に制限されるように構成される。

７０４において、少なくとも１つの式から変数が選択される。７０６において、選択された変数のプロットが各ツール又はチャンバに生成される。図９は、ツールの４つのチャンバ（ＣＨ１からＣＨ４）に関するスペクトル線の強度の各プロットを示す。７０８において、プロットに基づいて、順序は、確認される。順序は、選択される変数に関係するツール又はチャンバの順序である。例えば、図９では、順序は、（１）ＣＨ４、（２）ＣＨ３、（３）ＣＨ１、及び（４）ＣＨ２である。７１０では、確認される順序は、ツール又はチャンバに対応する収率の順序と比較される。７１２では、変数は、確認される順序が収率の順序に一致するときに収率性能の影響因子として出力される。

図１０は、収率性能に影響する影響変数を決定するための例示的な、限定されないシステム１０００のブロック図である。図１０に示すように、ツール１０１０は、１以上のチャンバ１０１２を含むことができる。チャンバ１０１２は、個別に、独立して入力ウェハを処理し、出力ウェハを製造する。例えば、チャンバ１０１２は、エッチツールの異なるプラズマチャンバであり得る。

実施形態に従って、システム１０００は、ツール１０１０（又はツール１０１０に組み込まれた測定装置）から操作及び性能情報１０１４と、チャンバ毎のステータス情報１０２２とを取得する学習エンジン１０２０を含む。学習エンジン１０２０は、操作及び性能情報１０１４からトレーニングマトリクスを生成できる。学習エンジン１０２０は、さらに、トレーニングマトリクス中にステータス情報１０２２を組み込む。実施形態では、ステータス情報１０２２は、チャンバ１０１２の間の好実行チャンバに関して１のステータスを示し、残りのチャンバに関して０のステータスを示す。

学習エンジン１０２０は、トレーニングマトリクスに含まれるフィールド又は変数に関するステータスの学習される式を出力する。学習される式１０２４は、学習される式１０２４に含まれる影響変数１０３２を確認される状態評価要素１０３０に入力され、チャンバ１０１２の間のチャンバの収率性能を決定するのに役立つ。

［自律的なエンドポイント検出］
前述のように、従来の製造工程では、分光データ（すなわち、スペクトル強度情報）はエッチのエンドポイント状態を確認し、規定するためにプロセスエンジニアによって検討される。エッチングの綿密な管理は、ウェハ上でのより好適な成形形態をもたらし、その結果、ウェハ毎の高収率をもたらす。材料に空洞を形成することを意図するエッチついて、空洞の深さは、エッチング時間及び既知のエッチ速度を通して制御される。幾つかのエッチは、マスキング層の下部を切り取り、下部の材料で傾斜側壁を有する空洞を形成する。下部の切り取り（ｕｎｄｅｒｃｕｔｔｉｎｇ）の距離は、エッチバイアス、又は単純に、バイアスと参照される。従来の製造工程では、プロセスエンジニアは、可能な限りバイアスを減らして、所望の限界寸法での形態が形成されるエッチングすることを目的とするエッチングのための好適なエンドポイントを確認するために分光データを検討する。しかし、注意深く検討しても、エンドポイント検出に使用される波長を常に確認できるわけではない。

実施形態では、強度がエンドポイント状態の好適なインジケータである波長又はスペクトル線は、自律的に確認される。このようなスペクトル線は、自動的なエンドポイント検出及びエッチング制御を容易にするための学習される式に関連して利用される。エンドポイントのスペクトル線を確認し、エンドポイント状態を検出するための１以上の限定されない方法に関連して、図１１は、エッチング処理の間にエンドポイント検出に適切な１以上の一連の波長を確認するための例示的な、限定されない実施形態のフローチャートを示している。１１００において、ウェハ製造工程のスペクトル強度情報が受けられ、興味のある処理工程に対応する一部の情報が確認される。例えば、スペクトル強度情報は全体のウェハ製造工程に関連付けられるが、興味のある処理工程はエッチ工程に対応する。その結果、エッチ工程に対応するスペクトル強度情報の一部は確認される。

１１０２において、一部のスペクトル強度情報の範囲内で、第１の一連の波長が確認される。第１の一連の波長又はスペクトル線は、興味ある処理工程の最初に増大（一部の情報の始めの部分での強度の増大）する強度を有するこれらの波長を含む。１１０４で、第１の組の波長が強度の減少を示す興味ある処理工程の期間中に、第２の一連の波長が確認され、期間内での強度の増大を示す。例によれば、第２の一連の波長は、エッチングチャンバの副生化合物からの放射に対応する。１１０６で、瞬間（すなわち、一瞬の時間）は、第１の一連の波長の強度値と第２の一連の波長の強度値とが、夫々、最初の減少及び増大の後に安定する（又はクロスオーバする）。安定（又はクロスオーバ）は、図１２のグラフ１２００から１２０６に示され、４つのチャンバの各々について２つの波長の強度又はスペクトル線を示す。エッチングのエンドポイントは強度が安定又はクロスオーバするときに対応するので、確認されるならば、このような安定の瞬間は、第１及び第２の一連の波長エンドポイント検出に適切であることを示す。１１０８において、第１及び第２の一連の波長は、エンドポイント検出に利用される。

図１３は、自律的な、学習に基づいたエンドポイント検出及び処理制御の例示的な、限定されない実施形態のフローチャートを示す。１３００において、ウェハ製造工程からのスペクトル強度情報、エンドポイント検出に適切な確認される一連の波長、及び性能情報が受けられる。例によれば、スペクトル強度情報は、半導体製造工程、例えばエッチング工程の間に観測される複数のスペクトル線の強度の時系列データである。エンドポイント検出に適切な一連の波長は、図１１に関係する前述の実施形態に従って確認される。さらに、性能情報は、操縦者又はプロセスエンジニアによって取得される。性能情報は、製造性能が良好であるウェハを示す。このような性能情報は、図１４に示されるトレーニングマトリクス１４００を形成するためのスペクトル強度情報が統合される。図１４に示される、ステータス列は、後述のように統合される。良好なウェハ（すなわち、形の良い形態及び好収率のウェハ、例えばトレーニング１４００のウェハＩＤ１）について、ステータスフィールドの値は、最初にゼロであり、確認された一連の波長が安定又はクロスオーバするときには、実質的に、１である。したがって、良好なウェハにおいて、ステータス列は、最初にゼロであり、エンドポイントに達した後に１になる。好ましくない結果を示すウェハについて、ステータス列は、全ての一瞬の時間に関してはゼロの値を有する。

１３０２において、少なくとも１つの式は、自律的に生成される。少なくとも１つの式は、確認された一連の波長から波長に対応する強度情報に関するウェハ性能を予測する。少なくとも１つの式は、トレーニングマトリクス１４００に基づいて学習エンジン（すなわち、利用する遺伝子アルゴリズム又は他の適切な学習技術）によって生成される。１３０４で、現在進行中のウェハ製造処理工程からリアルタイムスペクトル情報が取得される。１３０６において、ステータスは、リアルタイムスペクトル情報及び少なくとも１つの式に基づいて決定される。１３０８において、決定は、ステータスが良好かどうかに応じてされる。もしそうで良いならば、１３１０において、処理工程は、エンドポイントが接近されるときに停止される。もし良くないならば、１３１２で、決定は、上限の時間制限が経過したかどうかについてされる。もしそうであるならば、処理工程は、１３１０で停止される。もしそうでないならば、処理工程は、１３１４に続行され、新たなステータスが１３０６において決定される。したがって、製造処理工程は、良好な状態が決定されるか上限時間が経過するかまでこの方法で監視される。

図１５は、ウェハエッチ処理の間のエンドポイント検出のための例示的な、限定されないシステム１５００のブロック図を示す。図１０に示すように、ツール１５１０（すなわち、エッチツールのような半導体製造ツール）は、波長確認コンポーネント１５２０に操作情報１５１２を提供できる。操作情報は、１以上ウェハで実行される処理工程に対応するスペクトル強度情報を含む。波長確認コンポーネント１５２０は、操作情報１５１２に基づいてエンドポイント波長１５２２を出力する。

システム１５００は、ツール１５１０（又はツール１５１０に組み合わされる測定装置）から操作情報１５１２、エンドポイント波長１５２２、及びステータス情報１５３２を取得する学習エンジン１５３０を含む。学習エンジン１５３０は、操作情報１５１２からトレーニングマトリクスを生成できる。学習エンジン１５３０は、さらに図１４に示されるようにトレーニングマトリクス中にステータス情報１５３２を組み込むことができる。学習エンジン１５３０は、エンドポイント波長１５２２の強度に関する状態について学習される式１５３４に出力する。学習される式１５３４は、ツール１５１０からのリアルタイム情報１５１４も受け取るエンドポイント検出コンポーネント１５４０に入力される。学習される式１５３４及びリアルタイム情報１５１４に基づいて、エンドポイント検出コンポーネント１５４０は、図１３に関連して前述のようにエンドポイントが検出されるときに、又は上限の時間が終了したときに、ツール１５００に停止信号１５４２を送るように構成される。

用語“例となる（ｅｘｅｍｐｌａｒｙ）”は、例（ｅｘａｍｐｌｅ）、事例（ｉｎｓｔａｎｃｅ）、又は実例（ｉｌｌｕｓｔｒａｔｉｏｎ）を供給することを意味するように、ここでは使用される。誤解を避けるために、ここで記述される対象は、そのような例に限定されない。さらに、ここで“例となる（ｅｘｅｍｐｌａｒｙ）”として幾つかの態様又は構造が、他の態様又は構造に亘って、望ましい又は好適であるとして解釈される必要性がなく、また当業者の間で知られている対応する例となる構造及び技術を除外することを意味することでもない。さらに、用語“含む（ｉｎｃｌｕｄｅ）”、“有する（ｈａｓ）”、“包含する（ｃｏｎｔａｉｎｓ）”及び他の同様の言語が使用される範囲で、誤解を避けるために、このような用語は、請求項で使用されたときに幾つかの付随的な又は他の構成要素を除外しない開放移行言語として用語”具備する（ｃｏｍｐｒｉｓｉｎｇ）“と同様の方法で含まれることが意図される。

前述のように、記載されたここでの種々の技術は、ハードウェア又はソフトウェア又は、必要に応じて、両方の組み合わせに関連して実行される。ここでの使用として、同様に、用語“コンポーネント（ｃｏｍｐｏｎｅｎｔ）”、“エンジン（ｅｎｇｉｎｅ）”、“システム（ｓｙｓｔｅｍ）”及び同様なものは、コンピュータ関連の実在物若しくはハードウェハ、ハードウェア及びソフトウェハの組み合わせ、ソフトウェア、又は実行中のソフトウェアを参照することを意味している。例えば、コンポーネントは、限定されないが、プロセッサの起動中の処理、プロセッサ、オブジェクト（ｏｂｊｅｃｔ）、実行ファイル、実行のスレッド、プログラム及び／又はコンピュータである。例として、コンピュータの起動中のアプリケーション及びコンピュータの両方は、コンポーネントである。１以上のコンポーネントは、処理及び／又は実行のスレッド中に属し、コンポーネントは、１つのコンピュータ上に集中され、及び／又は、２以上のコンピュータの間に分布される。

明細書中で使用されるように、用語“プロセッサ（ｐｒｏｃｅｓｓｏｒ）”は、実質的に、有することに限定しないが、シングルコアプロセッサ、ソフトウェアマルチスレッド実行機能を有するシングルコアプロセッサ、ハードウエアマルチスレッド技術を有するマルチコア、並列プラットフォーム及び分散共有メモリを有する並列プラットフォームを有する幾つかの計算処理ユニット又は装置参照する。従って、プロセッサは、集積回路、特定用途向け集積回路（ＡＳＩＣ）、デジタルシグナルプロセッサ（ＤＳＰ）、フィールドプログラマグルゲートアレイ（ＦＰＧＡ）、プログラマブル論理制御装置（ＰＬＣ）、結合プログラム可能論理回路（ＣＰＬＤ）、個別のゲート若しくはトランジスタ論理、個別のハードウェアコンポーネント、又はここで前述された機能を実行するために設計されたこれらの幾つかの組み合わせを参照する。プロセッサは、ナノスケールアーキテクチャ、限定されないが、例えば、トランジスタ、スイッチ及びゲートに基づく分子及び量子ドットを有効に使用できるために、スペース使用法を最適化する、又はユーザ装置の性能を向上させる。プロセッサは、計算処理ユニットの組み合わせとしても実行される。

明細書中において、“記録（ｓｔｏｒｅ）”、“ストレージ（ｓｔｒａｇｅ）”、”データ記録（ｄａｔａ ｓｔｏｒｅ）”、“データストレージ（ｄａｔａ ｓｔｒａｇｅ）”、“データベース（ｄａｔａｂａｓｅ）”、“リポジトリ（ｒｅｐｏｓｉｔｏｒｙ）” のような用語及び実質的に幾つかの他の情報ストレージコンポーネントは、“メモリコンポーネント（ｍｅｍｏｒｙ ｃｏｍｐｏｎｅｎｔｓ）”と称されるコンポーネントの操作及び機能性、又は“メモリ（ｍｅｍｏｒｙ）”若しくはメモリを有するコンポーネントに統合される実在物に関係する。ここに記述されるメモリコンポーネントは、揮発性メモリ又は不揮発性メモリのいずれか一方であり得る、又は揮発性及び不揮発性メモリの両方を含む。

限定ではなく、例として、不揮発性メモリは、リードオンリーメモリ（ＲＯＭ）、プログラマルＲＯＭ（ＰＲＯＭ）、電気的にプログラム可能なＲＯＭ（ＥＰＲＯＭ）、電気的消去可能ＲＯＭ（ＥＥＰＲＯＭ）、又はフラッシュメモリを含む。揮発性メモリは、ランダムアクセスメモリ（ＲＡＭ）を有し、外部のキャッシュメモリとして動作する。例として、限定ではなく、ＲＡＭは、シンクロナスＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、エンハンスドＳＤＡＭ（ＥＳＤＲＡＭ）、シンクリンクＤＲＡＭ（ＳＬＤＲＡＭ）、及びダイレクトランバスＲＡＭ（ＤＲＲＡＭ）（登録商標）のような多くの形式のものがある。したがって、ここで開示されるシステム又は方法のメモリコンポーネントは、有することに限定されない、これら及び幾つかの他の適切なメモリのタイプを有することを意図される。

ここに記述される種々の態様又は機能は、方法、ハードウェア、又はハードウェア及びソフトウェア若しくはハードウェア及びファームウェアの組み合わせのいずれか一方の装置、又は基準プログラミング及び／又はエンジニアリング手法を使用する製造品として実行される。方法、又はハードウェア及びソフトウェアの組み合わせとして実行は、例えば、メモリに保存されるコンピュータアクセスコードを実行するプロセッサ又は処理ユニット（すなわち、処理プラットフォーム３８５）の少なくとも一部分にもたらされる。１以上の態様で、記載される機能は、ハードウェア、ソフトウェア、ファームウェア、又は幾つかのこれらの組み合わせで実行される。ソフトウェアで実行されたときに、ここで記述される種々の機能性は、コンピュータが読み込み可能な（ｃｏｍｐｕｔｅｒ−ｒｅａｄａｂｌｅ）ストレージ媒体、若しくはメモリの１以上の命令又はコードの記録される、又は送信される。コンピュータが読み込み可能なストレージ媒体は、ある場所から他の場所へのコンピュータプログラムの伝送を容易にする幾つかの媒体を有するコンピュータストレージ媒体及びコミュニケーション媒体の両方を含む。ストレージ媒体は、コンピュータによってアクセスされる幾つかの入手可能な媒体である。ここで使用される用語“製造品（ａｒｔｉｃｌｅ ｏｆ ｍａｎｕｆａｃｔｕｒｅ）”は、幾つかのコンピュータが読み込み可能なデバイス、キャリア、又は媒体からアクセス可能なコンピュータプログラムを含むことを意味する。例えば、コンピュータが読み込み可能な媒体は、限定されないが、磁気ストレージデバイス（すわなち、ハードディスク、フロッピー（登録商標）ディスク、磁気帯．．．）、光学ディスク（すなわち、コンパクトディスク、デジタル多用途ディスク（ＤＶＤ）．．．）、スマートカード、及びフラッシュメモリデバイスｙ（すなわち、カード、スティック、駆動キー．．．）を含むことができる。

開示の主題の種々の態様は、プロセッサ又はプロセッサを含む計算処理装置（ｃｏｍｐｕｔｉｎｇ ｄｅｖｉｃｅ）によって実行され得る。計算処理装置は、一般的に種々の媒体を含み、種々の媒体はコンピュータが読み込み可能なストレージ媒体及び／又はコミュニケーション媒体を含む。これら２つの用語は後述のようにお互いに違って使用されている。例として、限定されない、コンピュータが読み込み可能なストレージ媒体は、コンピュータが読み込み可能な命令、プログラムモジュール、構造化データ、又は構造化されていないデータのような情報のストレージの幾つかの方法又は技術に関連して実行される。コンピュータが読み込み可能なストレージ媒体は、限定されないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ，フラッシュメモリ若しくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）若しくは他の光学ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ若しくは他の磁気ストレージ装置、又は所望の情報を記録するために使用される他の有形的表現媒体若しくは非有形的表現媒体を含む。コンピュータが読み込み可能なストレージ媒体は、媒体によって記録される情報に関する種々の操作のために、１以上のローカル又はリモート計算処理装置によって、すなわち、アクセス要求、クエリ（ｑｕｅｒｉｅｓ）又は他のデータ検索プロトコルを通してアクセスされる。

コミュニケーション媒体は、コンピュータが読み込み可能な命令、データ構造、プログラムモジュール又は他の変調データ信号、すなわち、搬送波又は他の輸送機構のようなデータ信号の構造若しくは非構造データを具象化し、幾つかの情報送達又は情報輸送媒体を含む。用語“変調データ信号（ｍｏｄｕｌａｔｅｄ ｄａｔａ ｓｉｇｎａｌ）”若しくは信号は、１以上の信号の情報をエンコードするためのような方式で設定又は変更される特性の１以上を有する信号を参照する。例として、限定されない、コミュニケーション媒体は、ワイヤードネットワーク又はダイレクトワイヤード接続のようなワイヤード媒体と、音響、ＲＦ、赤外線及び他のワイヤレス媒体のようなワイヤレス媒体を含む。

前述されたものは、請求される対象の例を含む。もちろん、あり得る全ての要素の組み合わせ又は請求される対象を記載する目標のための方法論を記載することは不可能であるが、通常の当業者が請求される対象の多くのさらなる組み合わせ又は置換が可能であることがわかる。したがって、クレームされる対象は、添付される請求項の精神及び範囲に入る全てのこのような変更、改良及び変形を受け入れることを意図される。さらに、用語“含む（ｉｎｃｌｕｄｅ）”又は“含んでいる（ｉｎｃｌｕｄｉｎｇ）は詳細な説明又は請求項のいずれか一方に使用される範囲について、このような用語は、”有する（ｃｏｍｐｒｉｓｅ）“又は”有している（ｃｏｍｐｒｉｓｉｎｇ）“が請求項での従来の言葉として使用されるときに解釈されるように、”有する（ｃｏｍｐｒｉｓｅｓ）“又は”有している（ｃｏｍｐｒｉｓｉｎｇ）“と同様の方法に含まれることを意図する。

前述のシステムは、幾つかの部品（ｃｏｍｐｏｎｅｎｔｓ）の間で相互に関係して記載されてきた。前述の種々の置換及び組み合わせによれば、このようなシステム及び部品は、これらの部品又は規定される従属部品、幾つかの規定される部品若しくは従属部品、及び／又は追加の部品を含むことがよく分かる。従属部品は、（階層的な）親部品に含まれるというよりも他の部品に通信に関して連結される部品として実装される。したがって、１以上の部品は、集まった機能性を提供する１個の部品に結合され、数個に分離した従属部品に分割され、幾つかの１以上の中間層、例えば管理層は、統合された機能性を提供するためのこのような従属部品に通信に関して連結されるように提供されるということが知られている。また、幾つかのここに記載される部品は、ここに明確に記載されずに当業者によって通常知られる１以上の部品で相互に影響し合う。

上記に記載された例示的なシステムを考慮して、記載された対象に従って実行される方法論は、さらに種々の図のフローチャートに関連してよく分かる。説明の単純化の目的のために、方法論は一連のブロックで示され、記載され、幾つかのブロックは、ここに描写され、記載されるものと他のブロックで異なる順序及び／又は同時に存在するので、種々の実施形態はブロックの順序によって制限されないことは、理解され、十分に分かる。不連続の、又は枝分かれしたフローがフローチャートを通して図示され、種々の他の分岐、フローパス、及びブロックの順序は、同一又は同様な結果を達成するように実行されることがよく分かる。さらに、幾つかの図示されるブロックは、以下に記載される方法論を実行するために任意的である。

ここに記載される種々の実施形態に加えて、他の同様の実施形態が用いられ、又は改良及び追加が実施形態から逸脱しない対応する実施形態の同一又は同等の作用を実行するために記載された実施形態にされ得る。もっとさらに、多重処理チップ又は多重装置は、ここに記載された１以上の機能の性能を共有でき、同様に、ストレージは複数の装置にわたってもたらされる。その結果、本発明は、幾つかの個別の実施形態に限定されず、添付された請求項に従う広さ、精神及び範囲内で解釈される。
以下に、本出願の特許請求の範囲に記載された発明を付記する。
［１］データ構造中で半導体製造ツールに関係する異なる情報を統合することであって、前記異なる情報は、スペクトル強度情報、センサ情報、及び測定情報の少なくとも１つを有することと、前記データ構造において１以上の異なる変数の値に関する前記データ構造の第１の変数の値の特性を示す少なくとも１つの関係を学習することと、前記少なくとも１つの関係を有する前記半導体製造ツールの性能を最適化することと、を具備する計算処理システムの少なくとも１つのプロセッサによって容易にされる方法。
［２］前記センサ情報は、物理量の測定値と保全情報の測定値とを有し、
前記物理量の測定値は、圧力、ガス流量、又は出力の少なくとも１つの測定値を有し、前記保全情報の測定値は、仕上げの湿式洗浄のときの経過時間及びツール部品の寿命の測定値を有する、［１］の方法。
［３］個別のガスに対応する一連のガス流量の関数としてスペクトル線の強度の式を生成することと、スペクトル強度の予測値がスペクトル強度の測定値に一致しないときに質量流量制御（ＭＦＣ）ドリフト及びシフトエラーを確認することと、をさらに具備する前記少なくとも１つの関係を学習する、［１］の方法。
［４］前記１以上の異なる変数の関数として前記第１の変数の式を生成することをさらに具備し、前記第１の変数は、ウェハ出力特性であり、前記１以上の異なる変数は、１以上のツールセンサ測定値、スペクトル強度測定値、又はウェハ入力特性に関連する、前記少なくとも１つの関係を学習する、［１］の方法。
［５］前記データ構造の前記第１の変数を選択することをさらに具備する［１］の方法。
［６］前記少なくとも１つの関係を学習することは、前記少なくとも１つの関係を生成するための遺伝子アルゴリズムを利用することをさらに具備する、［１］の方法。
［７］前記半導体製造ツールの性能を最適化することは、一連の制御可能なパラメータ式を受けることであって、前記一連の制御可能なパラメータ式の中の制御可能なパラメータ式が制御可能なパラメータの最小値、前記制御可能なパラメータの最大値、及び前記制御可能なパラメータが変更できる極小値を規定することと、一連の目標値を受けることであって、前記一連の目標値の中の目標値がウェハ出力特性に対して値を規定することと、前記少なくとも１つの関係、前記一連の制御可能なパラメータ式、および前記一連の目標値に基づいて前記半導体製造ツールのためのパラメータを確認することと、を具備する
［１］の方法。
［８］前記確認されたパラメータを含むレシピを生成することをさらに具備し、前記パラメータを確認することは、さらに逆問題解法を利用することを有する、［７］の方法。
［９］好ましいウェハ収率のために寄与する前記データ構造の１以上の影響変数を確認することをさらに具備する、［１］の方法。
［１０］ステータス情報を受けることであって、前記ステータス情報が良好なチャンバ又は好ましくないチャンバの１つとして前記半導体製造ツールの各チャンバのステータスを規定することと、前記データ構造中に前記ステータス情報を統合することと、をさらに具備する［９］の方法。
［１１］前記データ構造の前記スペクトル強度情報又は前記データ構造の前記センサ情報のうちの少なくとも１つに基づいて前記半導体製造ツールのチャンバの前記ステータスを予測するブール値関数を自律的に学習することをさらに具備する［１０］の方法。
［１２］前記ブール値関数を自律的に学習することは、複数のパラメータに関して、固定されたサイズに前記ブール値関数を制限することをさらに具備する、［１１］の方法。
［１３］前記ブール値関数のパラメータについて、前記パラメータの対応する値によって前記半導体製造ツールの前記チャンバを順序付けることと、収率性能によって前記半導体製造ツールの前記チャンバを順序付けることと、前記パラメータの値による前記チャンバの前記順序付けが収率性能による前記チャンバの前記順序付けに一致するときに、影響変数として前記パラメータを確認することと、をさらに具備する［１１］の方法。
［１４］自律的なエンドポイント検出で使用するための一組の波長を確認することをさらに具備する、［１］の方法。
［１５］前記スペクトル強度情報の対応する強度が前記半導体製造ツールによって実行されるエッチ工程の間に増大する第１の一連の波長を確認することと、前記スペクトル強度情報の対応する強度が前記エッチ工程の間に減少する第２の一連の波長を確認することと、前記第１の一連の波長から第１の波長と、前記第２の一連の波長から第２の波長とを選択することと、をさらに具備し、前記第１の波長及び前記第２の波長が自律的なエンドポイント検出に使用される、［１４］の方法。
［１６］複数のウェハの各々のステータスを規定するステータス情報を有する前記第１の波長及び前記第２の波長に対応する、前記スペクトル強度情報からの、前記複数のウェハに関連付けされる強度値を増やすことと、前記ウェハに関連付けされ、前記第１の波長及び前記第２の波長に対応する強度値に基
づいて前記ウェハのステータスを予測するブール値関数を自律的に学習することと、をさらに具備する［１５］の方法。
［１７］前記ブール値関数が好ましくない状態から好ましい状態へ前記ウェハの前記ステータスの変更を予測するときに、前記半導体製造ツールの前記エッチ工程を中止することをさらに具備する［１６］の方法。
［１８］センサ情報、スペクトル強度情報、及び前記半導体製造ツールに関係する装置測定情報を受けるように構成され、統合されたトレーニングマトリクス中に前記受けられた情報を統合するように構成され、かつ、前記センサ情報、スペクトル強度情報、又は装置測定情報に含まれる１以上の異なる値に基づいて前記半導体製造ツールによって処理されるウェハの出力特性の値を予測する式を生成するための前記統合されたトレーニングマトリクスを利用するように構成される学習エンジンを具備する、半導体製造ツールのためのシステム。
［１９］一連の制御可能なパラメータ式を取得するように構成され、前記一連の制御可能なパラメータ式の中の制御可能なパラメータ式は、制御可能なパラメータの最小値、前記制御可能なパラメータの最大値、及び前記制御可能なパラメータが変更できる極小値を規定し、一連の目標値を取得するように構成され、前記一連の目標値の中の目標値は、前記ウェハ出力特性の値を規定し、前記制御可能なパラメータ式に従う前記制御可能なパラメータのための値を選択するように構成され、前記選択された値は、前記学習エンジンによって生成される前記式に従い、前記一連の目標値の中の前記目標値を達成する、調整エンジンをさらに具備する、［１８］のシステム。
［２０］コンピュータが実行可能な命令を記録するコンピュータが読み込み可能なストレージ媒体であって、少なくとも１つのプロセッサによって実行されるときに、データ構造中に半導体製造ツールに関連する異なる情報を集約し、前記異なる情報は、スペクトル強度情報、センサ情報、及び測定情報の少なくとも１つを有し、前記データ構造の１以上の異なる変数の値に関する前記データ構造の第１の変数の値を特徴付ける少なくとも１つの関係を生成し、前記少なくとも１つの関係によって前記半導体製造ツールの性能を最適化することをコンピュータにもたらすコンピュータが実行可能な命令を記録するストレージ媒体。

Claims (19)

1. システムの少なくとも１つのプロセッサによって容易にされる方法であって、
   少なくとも３つのフィールドを有するデータ構造中で半導体製造ツールに関係する異なる情報を統合することであって、前記少なくとも３つのフィールドは、スペクトル強度情報を包含する第１フィールド、ツール操作情報を包含する第２フィールド、及びウェハ測定情報を包含する第３フィールドを少なくとも有することと、
   識別された出力として前記少なくとも３つのフィールドのフィールドを選出することと
   、
   １以上の前記少なくとも３つのフィールドの他のフィールドに関する前記フィールドの特性を示す少なくとも１つの関係を、前記データ構造に基づく学習エンジンによって、学習することであって、前記スペクトル強度情報は、規定された波長の光の強度、又はスペクトルスコープによって検出されたスペクトル線の少なくとも１つを有することと、を備え、
   前記方法は、学習エンジンによって利用する前に前記スペクトル強度情報を規格化する
   ことをさらに備え、
   前記規格化することは、前記スペクトル強度情報を測定することと、
   参照に基づいて前記スペクトル強度情報の全強度を決定することであって、前記全強度は、波長範囲に亘る前記スペクトル強度情報の範囲内の値の分解能の関数として決定されることと、を具備するシステムの少なくとも１つのプロセッサによって容易にされる方法。
2. 前記ツール操作情報は、物理量又は保全情報の測定値の少なくとも１つを有し、
   前記物理量の測定値は、圧力、ガス流量、又は出力の少なくとも１つの個別の測定値を有し、
   前記保全情報は、最も近い湿式洗浄のときの経過時間又はツール部品の寿命の少なくとも１つを有する、請求項１の方法。
3. 個別のガスに対応する一連のガス流量の関数としてスペクトル線の強度の式を生成することと、
   式に基づいて、スペクトル強度の予測値が前記スペクトル強度の測定値に一致しない決定に応じて質量流量制御（ＭＦＣ）ドリフト又はシフトエラーの少なくとも１つを確認することと、を具備する前記少なくとも１つの関係を学習する、請求項１の方法。
4. 前記１以上の他のフィールドの関数として前記フィールドの式を生成することを具備し
   、
   前記フィールドは、ウェハ出力特性であり、前記１以上の他のフィールド、ツールセンサ測定値、スペクトル強度測定値、又はウェハ入力特性の１以上に関連する、前記少なくとも１つの関係を学習する、請求項１の方法。
5. 前記少なくとも１つの関係が学習されたことである前記フィールドの選択を容易にする選択入力を受けることを具備する請求項１の方法。
6. 前記少なくとも１つの関係を学習することは、前記少なくとも１つの関係を生成するための遺伝子アルゴリズムを利用することを具備する、請求項１の方法。
7. 前記半導体製造ツールの前記操作を調整することをさらに具備し、
   前記調整することは、
   一連の制御可能なパラメータ式を受けることであって、前記一連の制御可能なパラメータ式の制御可能なパラメータ式が制御可能なパラメータの最小値、前記制御可能なパラメータの最大値、及び前記制御可能なパラメータが変更を許容される極小値を規定することと、
   一連の目標値を受けることであって、前記一連の目標値の中の目標値がウェハ出力特性を示していることと、
   前記少なくとも１つの関係、前記一連の制御可能なパラメータ式、および前記一連の目標値に基づいて前記半導体製造ツールのための操作パラメータを決定することと、を具備する請求項１の方法。
8. 前記操作パラメータを含むレシピを生成することを具備し、
   前記操作パラメータを決定することは、逆問題解法を利用して前記操作パラメータを決定することを有する、請求項７の方法。
9. 許容可能なウェハ収率のために寄与するように決定された前記データ構造の１以上の影響変数を確認することをさらに具備する、請求項１の方法。
10. ステータス情報を受けることであって、前記ステータス情報が良好なチャンバ又は好ましくないチャンバの１つとして前記半導体製造ツールのチャンバの個別のステータスを規定することと、
    前記データ構造中に前記ステータス情報を統合することと、をさらに具備する請求項１の方法。
11. 前記データ構造の前記スペクトル強度情報又は前記データ構造の前記ツール操作情報のうちの少なくとも１つに基づいて前記半導体製造ツールのチャンバの前記ステータスを予測するブール値関数を学習することをさらに具備する請求項１０の方法。
12. 前記ブール値関数のパラメータについて、
    第１順序を得るために前記パラメータの対応する値によって前記半導体製造ツールの前記チャンバを順序付けることと、
    第２順序を得るために収率性能によって前記半導体製造ツールの前記チャンバを順序付けることと、
    前記第１順序が第２順序に一致する決定に応じて、影響変数として前記パラメータを確認することと、をさらに具備する請求項１１の方法。
13. 前記半導体製造ツールによって実行されるエッチ工程の間に増加する前記スペクトル強度情報の第１の一連の強度と関連する第１の一連の波長を確認することと、
    前記エッチ工程の間に減少する前記スペクトル強度情報の第２の一連の強度と関連する第２の一連の波長を確認することと、
    エンドポイントの検出に前記第１の一連の波長から第１の波長と、前記第２の一連の波長から第２の波長とを選択することと、をさらに具備する、
    請求項１の方法。
14. 複数のウェハの前記ウェハの個別のステータスを規定するステータス情報を有する前記第１の波長及び前記第２の波長に対応する、前記スペクトル強度情報からの、前記複数のウェハに関連付けされる第１強度値を増やすことと、
    前記ウェハに関連付けされ、前記第１の波長及び前記第２の波長に対応する強度値に基づいて前記ウェハのステータスを予測するブール値関数を自律的に学習することと、をさらに具備する請求項１３の方法。
15. 前記ブール値関数が規定された好ましくない状態から規定された好ましい状態へ前記ウェハの前記ステータスの変更を予測する決定に応じて、前記半導体製造ツールの前記エッチ工程を中止することをさらに具備する請求項１４の方法。
16. 半導体製造ツールのためのシステムであって、
    統合されたトレーニングデータ構造の各々に、第１フィールド、第２フィールド、及び第３フィールドの中に、ツール操作情報、スペクトル強度情報、及び前記半導体製造ツールに関係する装置測定情報を集約し、
    前記第１フィールド、前記第２フィールド、又は前記第３フィールドの識別されたフィールドの選択に基づいて、前記第１フィールド、前記第２フィールド、又は前記第３フィールドの個別の１以上の他のフィールドの１以上の第２値に基づく識別されたフィールドの第１値の予測の式を生成するための前記統合されたトレーニングデータ構造を利用する、ように構成された学習エンジンを具備し、
    前記スペクトル強度情報は、規定された波長の光の強度、又はスペクトルスコープによって検出されたスペクトル線の少なくとも１つを有し、規格化処理を通して学習エンジンによって利用する前に規格化され、
    前記規格化処理は、前記スペクトル強度情報を測定し、
    参照に基づいて前記スペクトル強度情報の全強度を決定することであって、前記全強度は、波長範囲に亘る前記スペクトル強度情報の範囲内の値の分解能の関数として決定される、ことを具備する半導体製造ツールのためのシステム。
17. 一連の制御可能なパラメータ式を取得するように構成され、
    前記一連の制御可能なパラメータ式の制御可能なパラメータ式は、制御可能なパラメータの最小値、前記制御可能なパラメータの最大値、及び前記制御可能なパラメータが変更を許容される極小値を規定し、
    一連の目標値を取得するように構成され、
    前記一連の目標値の中の目標値は、ウェハ出力特性を示し、
    前記一連の制御可能なパラメータ式の少なくとも１つの制御可能なパラメータ式に従う前記制御可能なパラメータのための制御可能なパラメータ値を選択するように構成され、
    前記制御可能なパラメータ値は、前記学習エンジンによって生成される前記式に従い、前記目標値を達成するように決定される、調整エンジンをさらに具備する、請求項１６のシステム。
18. 少なくとも１つのプロセッサによって実行されるときに、システムに操作を実行させるコンピュータが実行可能な命令を記録するコンピュータが読み込み可能なストレージ媒体であって、
    一連のフィールドを有するデータ構造中に半導体製造ツールに関連する異なる情報を集約することと、
    前記一連のフィールドは、スペクトル強度情報を記録する第１フィールド、ツール操作情報を記録する第２フィールド、及びウェハ測定情報を記録する第３フィールドを少なくとも有し、
    前記一連のフィールドのフィールドの選択を受けることと、
    １以上の前記一連のフィールドの他のフィールドの１以上の第２値に関する前記フィールドの第１値を特徴付ける少なくとも１つの関係を、前記データ構造に基づく学習エンジンによって、生成することと、
    を備え、
    前記スペクトル強度情報は、規定された波長の光の強度、又はスペクトルスコープによって検出されたスペクトル線の少なくとも１つを有することと、を備え、
    前記操作は、学習エンジンによって利用する前に前記スペクトル強度情報を規格化することをさらに備え、
    前記規格化することは、前記スペクトル強度情報を測定することと、
    参照に基づいて前記スペクトル強度情報の全強度を決定することであって、前記全強度は、波長範囲に亘る前記スペクトル強度情報の範囲内の値の分解能の関数として決定されることと、を具備する、少なくとも１つのプロセッサによって実行されるときに、システムに操作を実行させるコンピュータが実行可能な命令を記録するコンピュータが読み込み可能なストレージ媒体。
19. 前記操作は、前記少なくとも１つの関係に基づいて前記半導体製造の操作を変更することをさらに具備する、請求項１８のコンピュータが読み込み可能なストレージ媒体。

Images