JP7169210B2

JP7169210B2 - 研磨方法および研磨装置

Info

Publication number: JP7169210B2
Application number: JP2019012298A
Authority: JP
Inventors: 篤史吉田; 道義山下
Original assignee: Ebara Corp
Current assignee: Ebara Corp
Priority date: 2019-01-28
Filing date: 2019-01-28
Publication date: 2022-11-10
Anticipated expiration: 2039-01-28
Also published as: JP2020120075A

Description

本発明は、研磨方法および研磨装置に関するものである。

半導体デバイスの製造における歩留まり向上の観点から、ウェハの表面状態の管理が近年注目されている。半導体デバイスの製造工程では、種々の材料がシリコンウェハ上に成膜される。このため、ウェハの周縁部には不要な膜や表面荒れが形成される。近年では、ウェハの周縁部のみをアームで保持してウェハを搬送する方法が一般的になってきている。このような背景のもとでは、周縁部に残存した不要な膜が種々の工程を経ていく間に剥離してウェハに形成されたデバイスに付着し、歩留まりを低下させてしまう。

そこで、ウェハの周縁部に形成された不要な膜を除去するために、研磨装置を用いてウェハの周縁部が研磨される。また、近年の集積度を向上させるためのウェハの積層化において、薄膜化する際の周縁部の断面形状管理がウェハ割れ等を防止し、歩留まり向上の重要な要素となっている。

特開２０１７－１２４４７１号公報特開２０１８－１４４６５号公報特開２０１１－１７１６４７号公報

図１３は、多層のウェハを示す図である。図１３に示すように、ウェハＷは、露出した表面を形成する表面層Ｌ１（例えば、シリコン窒化（ＳｉＮ）膜または金属膜など）と、表面層Ｌ１の下にあるシリコン（Ｓｉ）層Ｌ２とを有している。研磨具（例えば、研磨テープまたは砥石）は、押圧部材によってウェハＷの周縁部に押しつけられて、ウェハＷの周縁部を研磨する。このようにして、研磨具は、ウェハＷの周縁部に階段状の窪みを形成する。

表面層Ｌ１およびシリコン層Ｌ２は、異なる硬さを有している場合がある。この場合、表面層Ｌ１と研磨具との間の摩擦係数（μ）の値は、シリコン層Ｌ２と研磨具との間の摩擦係数（μ）の値と異なる。したがって、表面層Ｌ１に加えるべき最適な研磨荷重とシリコン層Ｌ２に加えるべき最適な研磨荷重とは、異なる。そこで、研磨レート（単位時間あたりの研磨量）を最大化して、研磨効率を向上させるために、表面層Ｌ１およびシリコン層Ｌ２のそれぞれに対して、異なる研磨荷重を加える必要がある。

異なる大きさの砥粒を有する様々な種類の研磨具が存在する。したがって、使用される研磨具の種類によって、ウェハＷの周縁部に加えるべき最適な研磨荷重は異なる。

図１３に示すように、ウェハＷの周縁部の断面形状は、ウェハＷの厚さ方向において、一様ではない。すなわち、研磨されるウェハＷの部位の深さ（研磨深さＤｐ）に応じて、研磨されるウェハＷの部位の幅（研磨幅Ｗｐ）は変化する。したがって、研磨されるウェハＷの面積（研磨面積）は、ウェハＷの研磨が進行するにつれ、徐々に変化する。そこで、研磨レートを最大化するためには、ウェハＷの研磨面積の変化に応じて、研磨具からウェハＷに加えるべき研磨荷重を変化させる必要がある。

このように、ウェハＷの研磨レートを最大化するためには、様々な要素を考慮して、最適な研磨レシピを構築する必要がある。しかしながら、従来では、最適な研磨レシピを生成するためには、作業者の能力（知識および経験）が必要であり、手間がかかる。

そこで、作業者の知識、経験、および手間を不要としつつ、ウェハなどの基板の研磨レートを最大化することができる研磨方法が提供される。また、このような研磨方法を実行することができる研磨装置が提供される。

一態様では、砥粒の大きさから特定される研磨具の種類と、前記研磨具によって研磨される基板の研磨幅の値および研磨深さの値とを、機械学習アルゴリズムにより構築されたモデルに入力し、前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを前記モデルから出力する、研磨方法が提供される。

一態様では、前記研磨レシピは、前記研磨具から前記基板に加えられる研磨荷重を少なくとも含み、前記研磨条件は、前記基板の研磨の進行とともに変化する前記基板の研磨面積に応じて、前記研磨荷重を変化させる条件を含む。
一態様では、前記研磨レシピは、前記研磨具から前記基板に加えられる研磨荷重を少なくとも含み、前記研磨条件は、前記基板の異なる硬さを有する複数の層に応じて、前記研磨荷重を変化させる条件を含む。
一態様では、前記モデルの構築において、学習データの説明変数は、研磨前取得データおよび研磨中取得データを含む研磨情報データとして与えられ、目的変数は、実際の研磨レートの予測研磨レートからのずれを表す数値として与えられる。

一態様では、前記研磨前取得データは、画像取得装置により生成された前記基板のエッジ部の画像データを含み、前記研磨中取得データは、使用される研磨具の種類、前記基板を保持する基板保持部の回転速度および回転トルク、前記研磨具を前記基板に押し付ける研磨ヘッドの振動、前記基板の厚さ方向における前記研磨ヘッドの位置、前記研磨ヘッドの下降速度、前記研磨具から前記基板に加えられる研磨荷重、前記研磨具の移動速度、および前記基板上に供給される液体の流量および温度を含む。

一態様では、基板を保持する基板保持部と、研磨具を前記基板に押し付ける研磨ヘッドと、機械学習アルゴリズムにより構築されたモデルを有するコンピュータと、を備え、前記コンピュータは、前記モデルが格納された記憶装置と、砥粒の大きさから特定される前記研磨具の種類と、前記研磨具によって研磨される前記基板の研磨幅の値および研磨深さの値とを、前記モデルに入力し、前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを前記モデルから出力するための演算を実行する処理装置と、を備えている、研磨装置が提供される。

一態様では、入力層と、複数の隠れ層と、出力層とを有するニューラルネットワークからなるモデルの前記入力層に、砥粒の大きさから特定される研磨具の種類と、前記研磨具によって研磨される基板の研磨幅の値および研磨深さの値とを、入力するステップと、前記ニューラルネットワークを構成する多層パーセプトロンのアルゴリズムに従って演算を実行することによって、前記出力層から、前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを出力するステップと、をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体が提供される。

機械学習アルゴリズムにより構築されたモデルを用いることにより、従来、作業者の知識および経験に依存して生成されていた研磨レシピを、自動的に、かつ精度よく生成することができる。結果として、基板の研磨レートを最大化することができる。

図１（ａ）および図１（ｂ）は、基板の一例としてのウェハの周縁部を示す拡大断面図である。研磨装置の一実施形態を模式的に示す平面図である。図２に示す研磨装置を示す側面図である。研磨ヘッド組立体を示す図である。ウェハを研磨しているときの研磨ヘッドを示す図である。図６（ａ）はストッパーが位置決め部材から荷重を受けていないときのストッパーの状態を示す図であり、図６（ｂ）は位置決め部材からストッパーに荷重が加えられたときのストッパーの状態を示す図である。荷重決定部が備えているデータベースの一例を示す図である。研磨テープの能力特性の一例を示す図である。ウェハの研磨面積およびノッチ部を示す図である。図１０（ａ）および図１０（ｂ）は、研磨テープのノッチ部との接触を示す図である。研磨レシピを生成するモデルの一実施形態を示す模式図である。図４および図５に示す制御装置の少なくとも一部を構成するコンピュータの一実施形態を示す模式図である。多層のウェハを示す図である。

以下、本発明の実施形態について図面を参照して説明する。以下に説明する実施形態に係る研磨方法および研磨装置は、研磨具を基板の周縁部に接触させることで基板の周縁部を研磨する。ここで、本明細書では、基板の周縁部を、基板の最外周に位置するベベル部と、このベベル部の半径方向内側に位置するトップエッジ部およびボトムエッジ部とを含む領域として定義する。

図１（ａ）および図１（ｂ）は、基板の一例としてのウェハの周縁部を示す拡大断面図である。より詳しくは、図１（ａ）はいわゆるストレート型のウェハの断面図であり、図１（ｂ）はいわゆるラウンド型のウェハの断面図である。図１（ａ）のウェハＷにおいて、ベベル部は、上側傾斜部（上側ベベル部）Ｐ、下側傾斜部（下側ベベル部）Ｑ、および側部（アペックス）Ｒから構成されるウェハＷの最外周面（符号Ｂで示す）である。図１（ｂ）のウェハＷにおいては、ベベル部は、ウェハＷの最外周面を構成する、湾曲した断面を有する部分（符号Ｂで示す）である。トップエッジ部は、ベベル部Ｂよりも半径方向内側に位置する平坦部Ｅ１である。ボトムエッジ部は、トップエッジ部とは反対側に位置し、ベベル部Ｂよりも半径方向内側に位置する平坦部Ｅ２である。トップエッジ部Ｅ１は、デバイスが形成された領域を含むこともある。以下の説明では、トップエッジ部を単にエッジ部という。

図２は、研磨装置の一実施形態を模式的に示す平面図であり、図３は図２に示す研磨装置を示す側面図である。研磨装置は、基板の一例であるウェハＷを保持し、回転させるウェハ保持部（基板保持部）１を備えている。このウェハ保持部１は、ウェハＷを保持することができるウェハステージ（基板ステージ）２と、ウェハステージ２をその軸心を中心に回転させるステージモータ３とを有する。研磨されるウェハＷは、ウェハステージ２の上面に真空吸引などにより保持され、ウェハステージ２とともにステージモータ３によって回転される。

ステージモータ３には、ステージモータ３のモータトルクを検出するステージトルクセンサ４が電気的に接続されている。ステージトルクセンサ４は、ステージモータ３のモータ電流値に基づいて、ステージモータ３のモータトルクを検出する。

本実施形態の研磨装置は、ウェハＷを研磨するための研磨具をウェハＷのエッジ部に押し付ける研磨ヘッド１１を備えた研磨ヘッド組立体１０を有している。研磨ヘッド１１は、ウェハステージ２の上方に配置される。本実施形態では、研磨具は研磨テープ７である。研磨テープ７の一端は巻き出しリール１４に固定され、研磨テープ７の他端は巻き取りリール１５に固定されている。研磨テープ７の大部分は巻き出しリール１４および／または巻き取りリール１５の両方に巻かれており、研磨テープ７の一部は巻き出しリール１４と巻き取りリール１５との間を延びている。巻き出しリール１４および巻き取りリール１５は、それぞれリールモータ１７，１８によって反対方向のトルクが加えられており、これにより研磨テープ７にはテンションが付与される。

巻き出しリール１４と巻き取りリール１５との間には、テープ送り装置２０が配置されている。研磨テープ７は、テープ送り装置２０によって一定の速度で巻き出しリール１４から巻き取りリール１５に送られる。巻き出しリール１４と巻き取りリール１５との間を延びる研磨テープ７は２つのガイドローラ２１，２２によって支持されている。これら２つのガイドローラ２１，２２は巻き出しリール１４と巻き取りリール１５との間に配置されている。ガイドローラ２１，２２の間を延びる研磨テープ７の下面は、ウェハＷを研磨する研磨面を構成する。

研磨ヘッド１１は２つのガイドローラ２１，２２の間に位置している。ウェハＷのエッジ部と研磨テープ７との接触点において、ガイドローラ２１，２２間の研磨テープ７がウェハＷの接線方向に延びるようにガイドローラ２１，２２が配置されている。

ウェハＷの研磨は次のようにして行われる。ウェハＷは、その表面に形成されている膜（例えば、デバイス層）が上を向くようにウェハステージ２に保持され、さらにウェハＷはウェハステージ２とともにその軸心を中心に回転される。回転するウェハＷの中心には、液体供給ノズル２４（図３参照）から液体（例えば、純水）が供給される。この状態で、研磨ヘッド組立体１０の研磨ヘッド１１は研磨テープ７をウェハＷのエッジ部に押し付ける。回転するウェハＷと、研磨テープ７との摺接により、ウェハＷが研磨される。ウェハＷを研磨しているときの研磨テープ７は、図２に示すように、ウェハＷと研磨テープ７との接触点においてウェハＷの接線方向に延びている。

図４は、研磨ヘッド組立体１０を示す図である。図４に示すように、研磨ヘッド組立体１０は、研磨具をウェハＷに押し付ける上記研磨ヘッド１１と、研磨ヘッド１１に力を加えるエアシリンダ２５とを備えている。研磨ヘッド１１はエアシリンダ２５に連結されている。エアシリンダ２５は、ウェハ保持部１上のウェハＷに向かう所定の方向に研磨ヘッド１１を押すアクチュエータである。本実施形態では、エアシリンダ２５は、研磨ヘッド１１をウェハＷのエッジ部に向かって下方に押すように構成されている。本実施形態では、エアシリンダ２５によって押される研磨ヘッド１１の方向は、ウェハ保持部１の軸心と平行な方向、すなわち鉛直方向である。

研磨ヘッド１１は、研磨テープ７を保持する押圧部材１２と、押圧部材１２を着脱可能に保持する押圧部材ホルダー２７ａと、押圧部材ホルダー２７ａとエアシリンダ２５とを連結する荷重伝達部材２７とを備えている。荷重伝達部材２７の下端は、押圧部材ホルダー２７ａに連結されており、荷重伝達部材２７の上端は、エアシリンダ２５に連結されている。エアシリンダ２５によって発生した力は、荷重伝達部材２７を介して押圧部材１２に伝達される。

押圧部材１２はその内部に形成された貫通孔１２ａを有している。貫通孔１２ａの一端は押圧部材１２の下面で開口しており、貫通孔１２ａの他端は真空ライン３０に接続されている。真空ライン３０には、図示しない弁が設けられており、弁を開くことにより押圧部材１２の貫通孔１２ａ内に真空が形成される。押圧部材１２が研磨テープ７の上面に接触した状態で貫通孔１２ａに真空が形成されると、研磨テープ７の上面は押圧部材１２の下面に保持される。

一実施形態では、研磨具は、研磨テープ７に代えて砥石であってもよい。この場合、砥石は砥石を着脱可能に保持する砥石ホルダーに保持され、砥石ホルダーは荷重伝達部材２７の下端に連結される。研磨ヘッド１１は砥石をウェハＷのエッジ部に接触させウェハＷを研磨する。

研磨ヘッド１１の荷重伝達部材２７には、位置決め部材３１が固定されている。研磨ヘッド１１および位置決め部材３１は、一体的な構造体を構成し、エアシリンダ２５によって一体に移動される。荷重伝達部材２７は、ウェハ保持部１の軸心に沿って延びる直動ガイド３３に移動自在に連結されている。したがって、研磨ヘッド１１および位置決め部材３１の全体の移動方向は、ウェハ保持部１の軸心と平行な方向に制限される。本実施形態では、ウェハ保持部１の軸心は鉛直方向に延びている。

研磨ヘッド組立体１０は、研磨ヘッド１１の移動距離を測定する第１の距離センサ２３をさらに備えている。第１の距離センサ２３は、研磨ヘッド組立体１０のフレーム３９に固定されており、研磨ヘッド１１の移動距離を測定することが可能に構成されている。第１の距離センサ２３の例としては、変位センサなどが挙げられる。

研磨ヘッド組立体１０は、位置決め部材３１の下方に配置されたストッパー３５と、ストッパー３５に連結されたストッパー移動機構３７とをさらに備えている。ストッパー移動機構３７は、ストッパー３５を制御された速度で所定の方向に移動させるための装置である。ストッパー移動機構３７は、ストッパー３５に連結されたボールねじ機構３８と、ボールねじ機構３８を駆動するサーボモータ３６とを備えている。本実施形態では、ウェハＷの研磨中、ストッパー移動機構３７はストッパー３５を下方に移動させる。

ストッパー移動機構３７がストッパー３５を移動させる方向は、エアシリンダ２５が研磨ヘッド１１をウェハＷのエッジ部に向かって押す方向と同じである。サーボモータ３６は、サーボモータ３６の回転回数と回転角度を検出する図示しないエンコーダを備えている。ストッパー移動機構３７がストッパー３５を移動させた移動距離は、サーボモータ３６の回転回数と回転角度を示すエンコーダの出力値に基づいて決定される。エアシリンダ２５、直動ガイド３３、およびストッパー移動機構３７は、フレーム３９に固定されている。

ストッパー３５は、位置決め部材３１の真下に位置している。したがって、一体的な構造体を形成する研磨ヘッド１１および位置決め部材３１の下方への移動は、ストッパー３５によって制限される。ストッパー３５は、その上面に突部３４を備えている。突部３４は、位置決め部材３１の下面に接触可能に構成されている。エアシリンダ２５によって研磨ヘッド１１および位置決め部材３１が下降されると、位置決め部材３１は突部３４に接触する。一実施形態では、突部３４は位置決め部材３１の下面に固定されてもよい。

ウェハＷのエッジ部は次のようにして研磨される。図５に示すように、ウェハＷをその軸心を中心に回転させながら、ウェハＷの上面に純水などの液体（図示せず）が供給される。エアシリンダ２５は研磨ヘッド１１をウェハＷのエッジ部に向かって下方に移動させ、研磨ヘッド１１の押圧部材１２は研磨テープ７をウェハＷのエッジ部に押し付け、該エッジ部を研磨する。

ウェハＷの研磨中、エアシリンダ２５は一定の力を発生する。さらに、ウェハＷの研磨中、ストッパー３５が位置決め部材３１の下面に接触した状態で、ストッパー３５は位置決め部材３１の下方への移動を制限しながらストッパー移動機構３７によって下降される。ストッパー３５の下降に伴い、研磨ヘッド１１および位置決め部材３１は一体に下降する。研磨テープ７は、下降する研磨ヘッド１１の押圧部材１２によってウェハＷのエッジ部に押され、ウェハＷを研磨する。

ウェハＷの研磨中、エアシリンダ２５によって発生した力の一部は、位置決め部材３１を介してストッパー３５に伝達される。すなわち、位置決め部材３１からストッパー３５に、エアシリンダ２５によって発生した力の一部が加えられる。エアシリンダ２５によって発生した力をＦと表し、研磨テープ７からウェハＷに加えられる研磨荷重をＦ１と表し、位置決め部材３１からストッパー３５に加えられる荷重をＦ２と表すと、Ｆ＝Ｆ１＋Ｆ２（単位：Ｎ）という関係が成り立つ。

ストッパー３５の一端はボールねじ機構３８に連結され、他端は自由な状態にある。図６（ａ）および図６（ｂ）に示すように、ストッパー３５が位置決め部材３１から荷重を受けたとき、ストッパー３５はわずかに下方に傾く。図６（ａ）はストッパー３５が位置決め部材３１から荷重を受けていないときのストッパー３５の状態を示す図であり、図６（ｂ）は位置決め部材３１からストッパー３５に荷重Ｆ２が加えられたときのストッパー３５の状態を示す図である。図６（ｂ）に示す例では、位置決め部材３１からストッパー３５に荷重Ｆ２が加えられたときのストッパー３５の傾き量はδ（単位：μｍ）で表される。本明細書において、ストッパー３５の傾き量は、位置決め部材３１から受けた荷重によってストッパー３５が下方に傾いたときの、位置決め部材３１とストッパー３５との接触点の変位と定義される。本実施形態では、ストッパー３５の突部３４が位置決め部材３１に接触するので、ストッパー３５の傾き量は、ストッパー３５が位置決め部材３１から荷重を受けたときの突部３４の変位で表すことができる。

図４に戻って、本実施形態の研磨装置は、位置決め部材３１から荷重を受けたときのストッパー３５の傾き量を決定するストッパー傾き量決定部４１をさらに備えている。ストッパー傾き量決定部４１は、第１の距離センサ２３によって測定された研磨ヘッド１１の移動距離と、ストッパー移動機構３７がストッパー３５を移動させた移動距離との差に基づいて、ストッパー３５の傾き量を算出する。上述したように、ストッパー移動機構３７がストッパー３５を移動させた移動距離は、サーボモータ３６に内蔵されたエンコーダの出力値に基づいて決定される。

ストッパー３５が位置決め部材３１の下面に接触した状態で、ストッパー３５は、位置決め部材３１の下方への移動を制限しながらストッパー移動機構３７によって下降される。第１の距離センサ２３によって測定された研磨ヘッド１１の移動距離をｄ１（単位：μｍ）と表し、ストッパー移動機構３７がストッパー３５を移動させた移動距離をｄ２（単位：μｍ）と表すと、ストッパー３５の傾き量が０μｍのとき、ｄ１＝ｄ２という関係が成り立つ。一方、ストッパー３５が位置決め部材３１から受けた荷重によって下方にδμｍ傾いたときは、ｄ１＝ｄ２＋δという関係が成り立つ。したがって、ストッパー傾き量決定部４１は、第１の距離センサ２３によって測定された研磨ヘッド１１の移動距離ｄ１と、ストッパー移動機構３７がストッパー３５を移動させた移動距離ｄ２との差に基づいて、ストッパー３５の傾き量を決定することができる。

本実施形態の研磨装置は、位置決め部材３１とストッパー３５との間の隙間の大きさを測定する第２の距離センサ３２を備えている。この第２の距離センサ３２は、位置決め部材３１とストッパー３５とが離れているときの、位置決め部材３１とストッパー３５の突部３４との間の隙間の大きさを測定する目的で使用される。

本実施形態の研磨装置は、位置決め部材３１からストッパー３５に加えられる荷重を決定する荷重決定部４２をさらに備えている。荷重決定部４２は、ストッパー傾き量決定部４１に電気的に接続されており、ストッパー傾き量決定部４１によって決定されたストッパー３５の傾き量は荷重決定部４２に送られる。荷重決定部４２は、位置決め部材３１からストッパー３５に加えられた荷重とストッパー３５の傾き量との関係を示す、予め構築されたデータベースを備えている。

図７は、荷重決定部４２が備えているデータベースの一例を示す図である。図７に示すデータベースは、位置決め部材３１からストッパー３５に複数の異なる荷重を加え、それぞれの荷重に対応するストッパー３５の傾き量を測定した実験結果から得たものである。図７に示すように、ストッパー３５に加えられた荷重の大きさによってストッパー３５の傾き量は線形的に変化する。つまり、ストッパー３５の傾き量は、ストッパー３５に加えられた荷重に比例する。したがって、荷重決定部４２は、上述のデータベースに基づいて、位置決め部材３１からストッパー３５に加えられる荷重をストッパー３５の傾き量から決定することができる。

ストッパー３５の下降速度が一定であるとき、研磨テープ７からウェハＷに加えられる研磨荷重は、ウェハＷの表面状態によって変わり得る。例えば、ウェハＷの表面層が硬い場合には、研磨ヘッド１１および位置決め部材３１の下降速度（研磨速度）は、ストッパー３５の下降速度よりも小さくなり、研磨荷重は大きくなる。一方で、ウェハＷの表面層が柔らかい場合には、研磨ヘッド１１および位置決め部材３１の下降速度（研磨速度）は、ストッパー３５の下降速度よりも大きくなり、研磨荷重は小さくなる。このような研磨荷重の変動は、研磨効率を不安定にする。例えば、研磨荷重が大きすぎると、研磨テープ７に過大な圧力が印加され、研磨テープ７が劣化し、結果として研磨効率が低下する。一方で、研磨荷重が小さすぎると、研磨レートが低下し、研磨効率が低下する。つまり、研磨効率を最適化することができる研磨荷重が存在する。

そこで、図４に示すように、本実施形態に係る研磨装置は、研磨荷重が目標範囲内に収まることができるストッパー３５の移動速度を決定するストッパー速度決定部４３を備えている。ストッパー速度決定部４３は、荷重決定部４２に電気的に接続されており、荷重決定部４２によって決定された荷重は、ストッパー速度決定部４３に送られる。ストッパー傾き量決定部４１、荷重決定部４２、およびストッパー速度決定部４３は、基本的に、制御装置５０を構成している。

ウェハＷの研磨中、エアシリンダ２５は一定の力を発生する。ストッパー速度決定部４３は、荷重決定部４２で決定される、位置決め部材３１からストッパー３５に加えられる荷重を、エアシリンダ２５で発生した力の値から減算することによって、研磨テープ７からウェハＷに加えられる研磨荷重を決定し、この研磨荷重が目標範囲内に収まることができるストッパー３５の移動速度を決定する。上述のように、Ｆ＝Ｆ１＋Ｆ２という関係が成り立つので、ストッパー速度決定部４３は、位置決め部材３１からストッパー３５に加えられる荷重を制御することによって、研磨テープ７からウェハＷに加えられる研磨荷重を制御することができる。一実施形態では、位置決め部材３１からストッパー３５に加えられる荷重が目標範囲内に収まることができるストッパー３５の移動速度を決定してもよい。エアシリンダ２５によって発生した力は、エアシリンダ２５に供給された気体の圧力と、エアシリンダ２５のピストンの受圧面積から計算することができる。

以下、ウェハＷの研磨レートを最大化するための具体的な構成について、説明する。制御装置５０は、ディープラーニングなどの機械学習アルゴリズムにより、ウェハＷの研磨レートを最大化することができる研磨レシピを、多様な要素を含めて学習し、最適な研磨レシピを生成するように構成されている。

研磨方法は、砥粒の大きさから特定される研磨具の種類と、研磨具によって研磨される基板の研磨幅の値および研磨深さの値とを、機械学習アルゴリズムにより構築されたモデルに入力するステップと、研磨具の研磨力が最大となるときの研磨具のウェハに対する接触圧力でウェハを研磨する条件を含む、研磨条件を有する研磨レシピをモデルから出力するステップとを含む。研磨装置は、この研磨レシピに従って、ウェハＷの研磨を実行する。

上記研磨幅は、図１３に示す研磨幅Ｗｐに相当し、上記研磨深さは、図１３に示す研磨深さＤｐに相当する。使用される研磨具の種類は、研磨具の砥粒の大きさ（すなわち、粒径）に基づいて決定される。研磨具は、研磨テープまたは砥石であってもよい。

機械学習アルゴリズムとしては、ディープラーニング法（深層学習法）が好適である。ディープラーニング法は、隠れ層が多層化されたニューラルネットワークをベースとする学習法である。本明細書では、入力層と、二層以上の隠れ層と、出力層で構成されるニューラルネットワークを用いた機械学習をディープラーニングと称する。ディープラーニング法を用いることで、これまで、作業者の能力（知識および経験）に基づいて生成された研磨レシピを、研磨深さ、研磨幅、および使用される研磨具の種類に基づいて、コンピュータにより生成が可能となる。

一般的に、研磨量Ｑは、経験則として、Ｑ＝ｃ×Ｐ×ｖ×ｔで表される。ここで、「ｃ」は研磨定数であり、「Ｐ」は研磨具のウェハに対する接触圧力であり、「ｖ」は研磨具とウェハとの相対速度であり、「ｔ」は時間である。したがって、最大の研磨レートを取得するためには、研磨具からウェハに加えられる研磨荷重を、研磨具の研磨力が最大となる上記接触圧力の値に基づいて決定し、ウェハの回転速度を可能最大速度に決定する。

図８は、研磨テープの能力特性の一例を示す図である。図８において、横軸は、研磨テープのウェハに対する接触圧力［ＭＰａ］を示しており、縦軸は、研磨テープの研磨力を百分率（％）で示している。図８では、第１研磨テープ（実線参照）、第２研磨テープ（点線参照）、および第３研磨テープ（一点鎖線参照）が示されている。第１研磨テープに保持された砥粒の粒径は、第２研磨テープに保持された砥粒の粒径よりも小さい。第２研磨テープに保持された砥粒の粒径は、第３研磨テープに保持された砥粒の粒径よりも小さい。

図８に示すように、研磨力が１００パーセントであるとき、研磨テープの研磨力は最大となる。研磨テープの能力特性は、研磨テープの種類（より具体的には、砥粒の大きさ）によって異なる。したがって、制御装置５０は、使用される研磨テープの種類（より具体的には、砥粒の粒径）に基づいて、研磨テープの研磨力が最大となるときの研磨テープのウェハに対する接触圧力を、研磨力と接触圧力との相関関係（すなわち、図８に示すデータベース）から求める。制御装置５０は、この接触圧力に基づいて、研磨テープからウェハに加えられる研磨荷重を決定する。上記相関関係は、データベースとして、制御装置５０の内部に記憶されている。

上述したように、ウェハＷの厚さ方向におけるウェハＷの周縁部の断面形状は、一様ではない。したがって、研磨されるウェハＷの研磨面積は、ウェハＷの研磨の進行に伴って変化する。そこで、本実施形態では、ウェハＷの研磨面積の変化に基づいて、研磨具の研磨力が最大となるように、研磨テープ７からウェハＷに加えるべき研磨荷重を変化させる必要がある。

制御装置５０によって生成される研磨レシピは、研磨具（本実施形態では、研磨テープ７）からウェハＷに加えられる研磨荷重と、ウェハＷの回転速度と、を少なくとも含む。上記研磨条件は、ウェハＷの研磨の進行とともに変化するウェハＷの研磨面積に応じて、研磨荷重を変化させる条件を含む。上記研磨条件は、ウェハＷの研磨の進行とともに変化するウェハＷの研磨面積に応じて、ウェハＷの回転速度を変化させる条件を含んでもよい。

図１３に示すように、ウェハＷには、異なる硬さを有する複数の層が形成されている場合がある。この場合、複数の層のそれぞれの硬さに応じて、研磨テープ７からウェハＷに加えられる研磨荷重を変化させる必要がある。そこで、上記研磨条件は、ウェハＷの異なる硬さを有する複数の層に応じて、研磨荷重を変化させる条件を含む。上記研磨条件は、複数の層のそれぞれの硬さに応じて、ウェハＷの回転速度を変化させる条件を含んでもよい。

最適な研磨レシピを生成するためのモデルは、研磨前取得データおよび研磨中取得データを含む研磨情報データに基づいて構築される。制御装置５０は、研磨装置に設けられたセンサによって測定されたセンサデータを、モデルを構築する際の要素として取り込む。

制御装置５０は、ステージトルクセンサ４（図３参照）に電気的に接続されており、ステージトルクセンサ４によって検出されたモータトルク（すなわち、回転トルク）を取得する。制御装置５０は、ステージモータ３に電気的に接続されており、ステージモータ３に印加される電圧に基づいて、ウェハステージ２の回転速度を取得する。制御装置５０は、モデルを構築する際の要素として、ウェハステージ２の回転速度および回転トルクを取り込む。

制御装置５０は、第１の距離センサ２３によって測定された研磨ヘッド１１の移動距離に基づいて、ウェハＷの厚さ方向における押圧部材１２の位置情報（すなわち、研磨深さ）を取得する。さらに、制御装置５０は、第１の距離センサ２３の測定値に基づいて、研磨ヘッド１１の下降速度（研磨速度）を取得する。制御装置５０は、荷重決定部４２によって演算された結果に基づいて、研磨テープ７からウェハＷに加えられる研磨荷重を取得する。制御装置５０は、モデルを構築する際の要素として、押圧部材１２の位置情報、研磨ヘッド１１の下降速度、および研磨テープ７からウェハＷに加えられる研磨荷重を取り込む。

図９は、ウェハＷの研磨面積Ａｐおよびノッチ部Ｎを示す図である。図１０（ａ）および図１０（ｂ）は、研磨テープ７のノッチ部Ｎとの接触を示す図である。図９および図１０に示すように、ウェハＷのベベル部には、ウェハＷの結晶方向の識別および整列を容易にするために、ノッチ部Ｎが設けられている場合がある。研磨ヘッド１１の押圧部材１２は、研磨テープ７をウェハＷのエッジ部に押し付ける。したがって、ウェハＷが図９の矢印方向に回転すると、押圧部材１２は、研磨テープ７を介してノッチ部Ｎに周期的に接触する。研磨ヘッド１１は、ノッチ部Ｎとの接触に起因して、鉛直方向に振動する。結果として、研磨テープ７からウェハＷに加えられる研磨荷重は、研磨ヘッド１１の振動に応じて変化する。このような研磨荷重の変化は、研磨レートに影響を及ぼす。

図１０（ａ）は、研磨テープ７のノッチ部Ｎとの接触点を通る鉛直方向の接線と、研磨テープ７とのなす角度（接触角度）θ_Ｓを示している。図１０（ｂ）は、研磨テープ７のノッチ部Ｎとの接触点を通る鉛直方向の接線と、研磨テープ７とのなす角度（接触角度）θ_Ｄを示している。研磨テープ７によるウェハＷの研磨が進行すると、研磨テープ７とノッチ部Ｎとの接触角度が大きくなる（θ_Ｓ＜θ_Ｄ）。研磨テープ７からウェハＷに加えられる研磨荷重およびウェハＷの回転速度が一定である条件下において、研磨テープ７のノッチ部Ｎとの接触角度が大きくなると、研磨ヘッド１１の振動は大きくなる。すなわち、研磨ヘッド１１の振動は、ウェハＷの研磨の進行とともに大きくなる。

研磨ヘッド１１が振動すると、第１の距離センサ２３は、押圧部材１２の鉛直方向の移動距離の変化を測定する。したがって、制御装置５０は、第１の距離センサ２３によって測定された研磨ヘッド１１の移動距離の変化に基づいて、研磨ヘッド１１の振動を取得する。一実施形態では、研磨装置は、フレーム３９に取り付けられ、かつ制御装置５０に電気的に接続された振動センサ（図示しない）を備えてもよい。制御装置５０は、モデルを構築する際の要素として、研磨ヘッド１１の振動を取り込む。

制御装置５０は、リールモータ１７，１８に電気的に接続されており、リールモータ１７，１８のそれぞれに印加される電圧に基づいて、研磨テープ７の移動速度を取得する。一実施形態では、研磨装置は、研磨テープ７の移動速度を測定し、かつ制御装置５０に電気的に接続された速度センサ（図示しない）を備えていてもよい。研磨具として、砥石を使用する場合、制御装置５０は、砥石が固定されたモータ（図示しない）の回転速度に基づいて、砥石の移動速度（すなわち、回転速度）を取得してもよい。制御装置５０は、モデルを構築する際の要素として、研磨具の移動速度を取得する。

図３に示すように、液体供給ノズル２４には、液体供給ライン２６が接続されており、この液体供給ライン２６には、液体供給ライン２６を流れる液体の温度を測定する温度センサ２８と、液体供給ライン２６を流れる液体の流量を測定する流量センサ２９が取り付けられている。制御装置５０は、これら温度センサ２８および流量センサ２９に電気的に接続されており、液体供給ライン２６を流れる液体の流量および温度を取得する。制御装置５０は、モデルを構築する際の要素として、液体の流量および温度を取得する。

制御装置５０には、ウェハＷの研磨前に取得したデータ（研磨前取得データ）と、ウェハＷの研磨中に取得したデータ（研磨中取得データ）とを含む研磨情報データが入力される。制御装置５０は、研磨情報データに基づいて、モデルを構築する。

研磨中取得データは、使用される研磨具の種類、ウェハステージ２の回転速度および回転トルク、研磨ヘッド１１の振動、ウェハＷの厚さ方向における研磨ヘッド１１（より具体的には、押圧部材１２）の位置、研磨ヘッド１１の下降速度、研磨テープ７からウェハＷに加えられる研磨荷重、研磨テープ７の移動速度、および液体供給ノズル２４からウェハＷ上に供給される液体の流量および温度を含む。

研磨前取得データは、ノッチ部Ｎを含むウェハＷのベベル部の画像データを含む。この画像データは、制御装置５０に電気的に接続された画像取得装置５５（図２参照）によって取得される。画像取得装置５５の一例として、ウェハＷに照射された光の反射に基づいて、ウェハＷの三次元形状を取得するように構成された光学プロファイラを挙げることができる。図２における画像取得装置５５は、模式的に描かれている。ウェハＷのベベル部の画像データは、ウェハＷがウェハステージ２上に載置される前に取得されてもよい。研磨前取得データを取得することによって、制御装置５０は、研磨されるウェハＷの研磨深さに対応する、ウェハＷの研磨面積を算出することが可能となる。

モデルの構築において、学習データの説明変数を研磨情報データ（研磨前取得データおよび研磨中取得データを含む）とし、学習データの目的変数を、実際にウェハＷを研磨しているときの現在の研磨レート（実研磨レート）の、理論上求められる予測研磨レートからのずれを表す数値、例えば、１：非常に悪い、２：悪い、３：やや良い、４：良い、５：非常に良いという５段階評価として与えることができる。一実施形態では、上記ずれを表す数値は、５段階評価に限らず、例えば３段階評価、または１０段階評価であってもよい。実研磨レートの予測研磨レートからのずれは、研磨効率を示す数値として表されてもよい。

研磨効率の判定結果から、最適な研磨レシピを自動的に生成することが可能となる。例えば、判定結果が１：「非常に悪い」であれば、現在の研磨テープのウェハに対する接触圧力が所定の第１の数値（または割合）だけ増加（または減少）するように、制御装置５０は、ストッパー３５の傾き量に基づいて、ストッパー３５に加えられた荷重を算出し（図７参照）、ストッパー移動機構３７の動作を制御して、ストッパー３５の移動を制御する。制御装置５０は、ウェハステージ２の回転速度を制御してもよい。

判定結果が２：「悪い」であれば、現在の研磨テープのウェハに対する接触圧力が所定の第２の数値（または割合）だけ増加（または減少）するように、制御装置５０は、ストッパー３５の傾き量に基づいて、ストッパー３５に加えられた荷重を算出し（図７参照）、ストッパー移動機構３７の動作を制御して、ストッパー３５の移動を制御する。制御装置５０は、ウェハステージ２の回転速度を制御してもよい。

判定結果が５：「非常に良い」であれば、制御装置５０は、現在の研磨テープのウェハに対する接触圧力を不変とする。このステップを最適の判定結果が出力されるまで繰り返し行う。上記第１の数値（または割合）は、上記第２の数値（または割合）よりも大きい（または小さい）。

このように、制御装置５０は、実研磨レートの予測研磨レートからのずれの原因を分析して、実研磨レートが予測研磨レートと一致するように、実研磨レートに変化を及ぼす要素（少なくとも、研磨荷重および／またはウェハＷの回転速度）を補正する。制御装置５０は、研磨レートの補正を基礎付ける上記要素の内容を研磨レシピの作成内容に反映して、最適な研磨レシピを生成する。

図１１は、研磨レシピを生成するモデルの一実施形態を示す模式図である。モデルは、入力層３０１と、複数の隠れ層（中間層ともいう）３０２と、出力層３０３を有したニューラルネットワークである。図１１に示すモデルは、４つの隠れ層３０２を有しているが、モデルの構成は図１１に示す実施形態に限られない。モデルの入力層３０１には研磨幅、研磨深さ、および使用される研磨具の種類が入力される。

上記のように構築されたモデルに、研磨深さおよび研磨幅と、使用される研磨具の種類（より具体的には、砥粒の大きさ）を入力すると、コンピュータは、ニューラルネットワークを構成する多層パーセプトロンのアルゴリズムに従って演算を実行し、最適な研磨レシピを出力する。研磨装置は、出力された研磨レシピに基づいて、ウェハＷの研磨を実行する。

機械学習アルゴリズムを用いた上記モデルは、そのモデルを用いた運転を実施している研磨装置において、新たに得られるデータを基に継続的に更新される。これによって、最初にモデルを構築した際から、研磨条件が大きく変更された場合であっても、実情に合わせて更新されていくモデルは、最適な研磨レシピを継続的に出力することが可能となる。

制御装置５０は、モデルを構築および更新するためのプログラム、および上記モデルが格納された記憶装置１１０と、プログラムに従って演算を実行する処理装置１２０（ＧＰＵまたはＣＰＵなど）を備えている。

制御装置５０は、少なくとも１台のコンピュータから構成されている。少なくとも１台のコンピュータは、１台のサーバまたは複数台のサーバであってもよい。少なくとも研磨情報データに基づいて研磨効率を判定する上記モデルは、制御装置５０の記憶装置１１０内に格納されている。

図１２は、図４および図５に示す制御装置５０の少なくとも一部を構成するコンピュータの一実施形態を示す模式図である。コンピュータは、プログラムやデータなどが格納される記憶装置１１０と、記憶装置１１０に格納されているプログラムに従って演算を行うＣＰＵ（中央処理装置）またはＧＰＵ（グラフィックプロセッシングユニット）などの処理装置１２０と、データ、プログラム、および各種情報を記憶装置１１０に入力するための入力装置１３０と、処理結果や処理されたデータを出力するための出力装置１４０と、インターネットまたはローカルエリアネットワークなどの通信ネットワークに接続するための通信装置１５０を備えている。

記憶装置１１０は、処理装置１２０がアクセス可能な主記憶装置１１１と、データおよびプログラムを格納する補助記憶装置１１２を備えている。主記憶装置１１１は、例えばランダムアクセスメモリ（ＲＡＭ）であり、補助記憶装置１１２は、ハードディスクドライブ（ＨＤＤ）またはソリッドステートドライブ（ＳＳＤ）などのストレージ装置である。

入力装置１３０は、キーボード、マウスを備えており、さらに、記録媒体からデータを読み出すための記録媒体読み出し装置１３２と、記録媒体が接続される記録媒体ポート１３４を備えている。記録媒体は、非一時的な有形物であるコンピュータ読み取り可能な記録媒体であり、例えば、光ディスク（例えば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ）や、半導体メモリー（例えば、ＵＳＢフラッシュドライブ、メモリーカード）である。記録媒体読み出し装置１３２の例としては、ＣＤ－ＲＯＭドライブ、ＤＶＤ－ＲＯＭドライブなどの光学ドライブや、メモリーリーダーが挙げられる。記録媒体ポート１３４の例としては、ＵＳＢポートが挙げられる。記録媒体に記憶されているプログラムおよび／またはデータは、入力装置１３０を介してコンピュータに導入され、記憶装置１１０の補助記憶装置１１２に格納される。出力装置１４０は、ディスプレイ装置１４１、印刷装置１４２を備えている。

機械学習アルゴリズムにより構築された学習済みモデルは記憶装置１１０に格納されている。この学習済みモデルは、図１１に示すように、入力層３０１と、複数の隠れ層（中間層ともいう）３０２と、出力層３０３を有したニューラルネットワークである。コンピュータは、記憶装置１１０に電気的に格納されたプログラムに従って動作する。すなわち、コンピュータは、砥粒の大きさから特定される研磨具の種類と、研磨具によって研磨されるウェハＷの研磨幅の値および研磨深さの値とを、機械学習アルゴリズムにより構築されたモデルに入力するステップと、ニューラルネットワークを構成する多層パーセプトロンのアルゴリズムに従って演算を実行することによって、出力層３０３から、研磨レシピを出力するステップを実行する。さらに、コンピュータは、上記モデルを構築するステップ、および上記モデルを更新するステップを実行する。これらステップをコンピュータに実行させるためのプログラムは、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、記録媒体を介してコンピュータに提供される。または、プログラムおよび上記モデルは、インターネットなどの通信ネットワークを介して通信装置１５０からコンピュータに入力されてもよい。

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

１ウェハ保持部（基板保持部）
２ウェハステージ（基板ステージ）
３ステージモータ
４ステージトルクセンサ
７研磨テープ
１０研磨ヘッド組立体
１１研磨ヘッド
１２押圧部材
１２ａ貫通孔
１４巻き出しリール
１５巻き取りリール
１７，１８リールモータ
２０テープ送り装置
２１，２２ガイドローラ
２３第１の距離センサ
２４液体供給ノズル
２５エアシリンダ
２６液体供給ライン
２７荷重伝達部材
２７ａ押圧部材ホルダー
２８温度センサ
２９流量センサ
３０真空ライン
３１位置決め部材
３２第２の距離センサ
３３直動ガイド
３４突部
３５ストッパー
３６サーボモータ
３７ストッパー移動機構
３８ボールねじ機構
３９フレーム
４１ストッパー傾き量決定部
４２荷重決定部
４３ストッパー速度決定部
５０制御装置
５５画像取得装置
１１０記憶装置
１２０処理装置
１３０入力装置
１４０出力装置
１５０通信装置
３０１入力層
３０２隠れ層
３０３出力層

Claims

砥粒の大きさから特定される研磨具の種類と、前記研磨具によって研磨される基板の研磨幅の値および研磨深さの値とを、機械学習アルゴリズムにより構築されたモデルに入力し、
前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを前記モデルから出力する、研磨方法。
請求項１に記載の研磨方法であって、
前記研磨レシピは、前記研磨具から前記基板に加えられる研磨荷重を少なくとも含み、
前記研磨条件は、前記基板の研磨の進行とともに変化する前記基板の研磨面積に応じて、前記研磨荷重を変化させる条件を含む、研磨方法。
請求項１または２に記載の研磨方法であって、
前記研磨レシピは、前記研磨具から前記基板に加えられる研磨荷重を少なくとも含み、
前記研磨条件は、前記基板の異なる硬さを有する複数の層に応じて、前記研磨荷重を変化させる条件を含む、研磨方法。
請求項１乃至３のいずれか一項に記載の研磨方法であって、
前記モデルの構築において、学習データの説明変数は、研磨前取得データおよび研磨中取得データを含む研磨情報データとして与えられ、目的変数は、実際の研磨レートの予測研磨レートからのずれを表す数値として与えられる、研磨方法。
請求項４に記載の研磨方法であって、
前記研磨前取得データは、画像取得装置により生成された前記基板のエッジ部の画像データを含み、
前記研磨中取得データは、使用される研磨具の種類、前記基板を保持する基板保持部の回転速度および回転トルク、前記研磨具を前記基板に押し付ける研磨ヘッドの振動、前記基板の厚さ方向における前記研磨ヘッドの位置、前記研磨ヘッドの下降速度、前記研磨具から前記基板に加えられる研磨荷重、前記研磨具の移動速度、および前記基板上に供給される液体の流量および温度を含む、研磨方法。
基板を保持する基板保持部と、
研磨具を前記基板に押し付ける研磨ヘッドと、
機械学習アルゴリズムにより構築されたモデルを有するコンピュータと、を備え、
前記コンピュータは、
前記モデルが格納された記憶装置と、
砥粒の大きさから特定される前記研磨具の種類と、前記研磨具によって研磨される前記基板の研磨幅の値および研磨深さの値とを、前記モデルに入力し、前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを前記モデルから出力するための演算を実行する処理装置と、を備えている、研磨装置。
入力層と、複数の隠れ層と、出力層とを有するニューラルネットワークからなるモデルの前記入力層に、砥粒の大きさから特定される研磨具の種類と、前記研磨具によって研磨される基板の研磨幅の値および研磨深さの値とを、入力するステップと、
前記ニューラルネットワークを構成する多層パーセプトロンのアルゴリズムに従って演算を実行することによって、前記出力層から、前記研磨具の研磨力が最大となるときの前記研磨具の前記基板に対する接触圧力で前記基板を研磨する条件を含む、研磨条件を有する研磨レシピを出力するステップと、をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体。