JP7419163B2 - 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル - Google Patents

基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル Download PDF

Info

Publication number
JP7419163B2
JP7419163B2 JP2020093858A JP2020093858A JP7419163B2 JP 7419163 B2 JP7419163 B2 JP 7419163B2 JP 2020093858 A JP2020093858 A JP 2020093858A JP 2020093858 A JP2020093858 A JP 2020093858A JP 7419163 B2 JP7419163 B2 JP 7419163B2
Authority
JP
Japan
Prior art keywords
substrate
processing
learning
sublimation drying
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020093858A
Other languages
English (en)
Other versions
JP2021190541A (ja
Inventor
真樹 鰍場
正幸 尾辻
鮎美 樋口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Screen Holdings Co Ltd
Original Assignee
Screen Holdings Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to JP2020093858A priority Critical patent/JP7419163B2/ja
Application filed by Screen Holdings Co Ltd filed Critical Screen Holdings Co Ltd
Priority to KR1020227043107A priority patent/KR20230008837A/ko
Priority to CN202180036643.XA priority patent/CN115699260A/zh
Priority to PCT/JP2021/017042 priority patent/WO2021241124A1/ja
Priority to EP21813408.8A priority patent/EP4160653A1/en
Priority to US17/926,746 priority patent/US20230205178A1/en
Priority to TW110115831A priority patent/TWI772009B/zh
Publication of JP2021190541A publication Critical patent/JP2021190541A/ja
Application granted granted Critical
Publication of JP7419163B2 publication Critical patent/JP7419163B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
    • H01L21/67034—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for drying
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67063—Apparatus for fluid treatment for etching
    • H01L21/67075—Apparatus for fluid treatment for etching for wet etching
    • H01L21/6708—Apparatus for fluid treatment for etching for wet etching using mainly spraying means, e.g. nozzles
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02041—Cleaning
    • H01L21/02057—Cleaning during device manufacture

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Cleaning Or Drying Semiconductors (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)
  • Image Analysis (AREA)

Description

本発明は、基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデルに関する。
基板を処理する基板処理装置は、半導体装置の製造等に好適に用いられる。半導体装置の製造過程において、基板に溝および構造体のパターンを形成することがある。例えば、基板の基材に支持された積層構造に複数の溝をパターン状に形成して溝ごとに複数の記憶素子を形成することにより、立体的に形成された記憶素子を備えた半導体装置を製造できる。
溝および構造体のパターンの設けられた基板を薬液で処理すると、薬液が乾燥する際に基板のパターンが倒壊してしまうことがある。そのため、基板を薬液で処理した後に、昇華性物質を含む処理液を基板に供給し、基板のパターンの倒壊を防ぐことが検討されている（特許文献１参照）。
特許文献１の手法では、昇華性物質と溶媒とを含む溶液で基板の凹部内を充填した後で、溶媒を蒸発させて凹部内を固体の状態の昇華性物質で満たす。その後、基板を昇華性物質の昇華温度よりも高い温度で加熱して昇華性物質を昇華させて昇華性物質を基板から除去することにより、基板のパターンの倒壊を防ぐとともに基板を乾燥させている。
特開２０１８－１３９３３１号公報
しかしながら、特許文献１の手法では、昇華性物質の溶液の供給量を適量にできないことがある。昇華性物質の溶液の供給量が少なすぎると、凹部の深さに対して昇華性物質の厚さが小さくなり、基板のパターンが倒壊するおそれがある。また、昇華性物質の溶液の供給量が多すぎると、コストおよび処理時間が増大することになる。
本発明は上記課題に鑑みてなされたものであり、その目的は、処理対象基板の構造体のパターンの倒壊を抑制しながら処理対象基板を適切に乾燥可能な基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデルを提供することにある。
本発明の一局面によれば、基板処理装置は、溝および構造体のパターンの設けられた処理対象基板を回転可能に保持する基板保持部と、昇華性物質と溶媒とを含む処理液を前記処理対象基板に供給する処理液供給部と、前記処理対象基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、前記処理液の属性を示す処理液情報のうちの少なくとも一方の情報を含む入力情報を取得する入力情報取得部と、前記入力情報に基づいて、学習済モデルから前記処理対象基板についての昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得する昇華乾燥処理条件情報取得部と、前記昇華乾燥処理条件情報取得部において取得された前記昇華乾燥処理条件情報に基づいて、前記処理対象基板を昇華乾燥処理するように前記基板保持部および前記処理液供給部を制御する制御部とを備える。前記学習済モデルは、溝および構造体のパターンの設けられた学習対象基板について前記溝および構造体の属性または形成条件を示す基板情報、および、前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、前記学習対象基板を前記昇華乾燥処理した条件を示す昇華乾燥処理条件情報と、前記学習対象基板を前記処理液で昇華乾燥処理した結果を示す処理結果情報とが関連付けられた学習用データを機械学習することで構築される。
ある実施形態において、前記基板処理装置は、前記学習済モデルを記憶する記憶部をさらに備える。
ある実施形態において、前記処理対象基板および前記学習対象基板のそれぞれについて、前記基板情報は、前記溝の深さ、前記溝の幅および前記溝のアスペクト比のいずれかを示す情報を含む。
ある実施形態において、前記処理対象基板および前記学習対象基板のそれぞれについて、前記処理液情報は、前記処理液情報は、前記処理液に対する前記昇華性物質の濃度および温度のいずれかを示す情報を含む。
ある実施形態において、前記処理対象基板および前記学習対象基板のそれぞれについて、前記昇華乾燥処理条件情報は、前記処理液の供給量、前記処理液の吐出パターン、および、基板の回転速度のいずれかを示す情報を含む。
ある実施形態において、前記入力情報は、前記昇華乾燥処理における前記処理対象基板の温度を示す温度情報を含む。
本発明の他の局面によれば、基板処理方法は、溝および構造体のパターンの設けられた処理対象基板を回転可能に保持するステップと、前記処理対象基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報を含む入力情報を取得するステップと、前記入力情報に基づいて、学習済モデルから前記処理対象基板の昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得するステップと、前記昇華乾燥処理条件情報の昇華乾燥処理条件に従って前記処理対象基板を昇華乾燥処理するステップとを包含する。前記昇華乾燥処理条件情報を取得するステップにおいて、前記学習済モデルは、溝および構造体のパターンの設けられた学習対象基板について前記溝および構造体の属性または形成条件を示す基板情報および前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、前記学習対象基板に対して行われた昇華乾燥処理の条件を示す昇華乾燥処理条件情報と、前記学習対象基板に対して行われた昇華乾燥処理の結果を示す処理結果情報とが関連付けられた学習用データを機械学習することで構築される。
本発明のさらに他の局面によれば、学習用データの生成方法は、溝および構造体のパターンの設けられた学習対象基板を処理する基板処理装置から出力される時系列データから、前記溝および構造体の属性または形成条件を示す基板情報、および、前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報を取得するステップと、前記時系列データから、前記基板処理装置において前記学習対象基板を前記昇華乾燥処理する際の昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得するステップと、前記時系列データから、前記基板処理装置において前記学習対象基板を昇華乾燥処理した結果を示す処理結果情報を取得するステップと、前記学習対象基板について前記基板情報および前記処理液情報のうちの少なくとも一方の情報、前記昇華乾燥処理条件情報および前記処理結果情報を関連付けて学習用データとして記憶部に記憶するステップとを包含する。
本発明のさらに他の局面によれば、学習方法は、上記に記載の学習用データの生成方法にしたがって生成された学習用データを取得するステップと、前記学習用データを学習プログラムに入力して前記学習用データを機械学習するステップとを包含する。
本発明のさらに他の局面によれば、学習装置は、上記に記載の学習用データの生成方法にしたがって生成された学習用データを記憶する記憶部と、前記学習用データを学習プログラムに入力して前記学習用データを機械学習する学習部とを備える。
本発明のさらに他の局面によれば、学習済モデルの生成方法は、上記に記載の学習用データの生成方法にしたがって生成された学習用データを取得するステップと、前記学習用データを機械学習させることで構築された学習済モデルを生成するステップとを包含する。
本発明のさらに他の局面によれば、学習済モデルは、上記に記載の学習用データの生成方法にしたがって生成された学習用データを機械学習させることで構築される。
本発明のさらに他の局面によれば、基板処理装置は、溝および構造体のパターンの設けられた基板を回転可能に保持する基板保持部と、昇華性物質と溶媒とを含む処理液を前記基板に供給する処理液供給部と、溝および構造体の属性または形成条件を示す基板情報、および、昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、昇華乾燥処理の条件を示す昇華乾燥処理条件情報とが関連付けられた変換テーブルを記憶する記憶部と、前記基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、前記処理液供給部において供給される前記処理液の属性を示す処理液情報のうちの少なくとも一方の情報を入力情報として取得する入力情報取得部と、前記入力情報に基づいて、前記変換テーブルを用いて前記基板についての昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得する昇華乾燥処理条件情報取得部と、前記昇華乾燥処理条件情報取得部において取得された前記昇華乾燥処理条件情報に基づいて前記基板を昇華乾燥処理するように前記基板保持部および前記処理液供給部を制御する制御部とを備える。
本発明によれば、処理対象基板の構造体のパターンの倒壊を抑制しながら処理対象基板を適切に乾燥できる。
本実施形態の基板処理装置を備えた基板処理学習システムの模式図である。 本実施形態の基板処理装置を備えた基板処理システムの模式図である。 本実施形態の基板処理装置の模式図である。 本実施形態の基板処理装置を備えた基板処理システムのブロック図である。 （ａ）は、本実施形態の基板処理方法のフロー図であり、（ｂ）は、本実施形態の基板処理方法における昇華乾燥処理のフロー図である。 （ａ）～（ｅ）は、本実施形態の基板処理装置における基板処理方法を示す模式図である。 （ａ）～（ｃ）は、本実施形態の基板処理装置における基板処理方法を示す模式図である。 本実施形態の基板処理装置を備えた基板処理システムおよび学習用データ生成装置のブロック図である。 本実施形態の学習用データ生成方法を示すフロー図である。 本実施形態の学習用データ生成装置および学習装置のブロック図である。 本実施形態の学習方法および学習済モデルの生成方法を示すフロー図である。 本実施形態の学習装置に入力される学習用データを示す図である。 本実施形態の学習装置に入力される学習用データを示す図である。 （ａ）～（ｅ）は、本実施形態の基板処理装置における基板処理方法を示す模式図である。 本実施形態の学習装置に入力される学習用データを示す図である。 （ａ）～（ｃ）は、本実施形態の基板処理装置における基板処理方法を示す模式図である。 本実施形態の学習装置に入力される学習用データを示す図である。 本実施形態の学習装置に入力される学習用データを示す図である。 （ａ）は、本実施形態の基板処理装置の処理対象となる溝および構造体のパターンを有する処理対象基板の模式図であり、（ｂ）は、基板処理装置における処理液供給部の模式図であり、（ｃ）は、基板情報および処理液情報に基づいて取得された昇華乾燥処理条件を示す図である。 本実施形態の学習装置に入力される学習用データを示す図である。 本実施形態の基板処理装置の模式図である。 本実施形態の学習装置に入力される学習用データを示す図である。 本実施形態の基板処理装置を備えた基板処理学習システムの模式図である。 本実施形態の基板処理装置の模式図である。 本実施形態の学習装置に入力される学習用データを示す図である。 本実施形態の基板処理装置のブロック図である。 本実施形態の基板処理装置における変換テーブルを示す図である。
以下、図面を参照して、本発明による基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデルの実施形態を説明する。なお、図中、同一または相当部分については同一の参照符号を付して説明を繰り返さない。また、本願明細書では、発明の理解を容易にするため、互いに直交するＸ方向、Ｙ方向およびＺ方向を記載することがある。典型的には、Ｘ方向およびＹ方向は水平方向に平行であり、Ｚ方向は鉛直方向に平行である。
まず、図１を参照して、本実施形態の基板処理装置１００を備えた基板処理学習システム２００を説明する。図１は、基板処理学習システム２００の模式図である。
図１に示すように、基板処理学習システム２００は、基板処理装置１００と、基板処理装置１００Ｌと、学習用データ生成装置３００と、学習装置４００とを備える。
基板処理装置１００は、処理対象基板を処理する。ここでは、処理対象基板には、溝および構造体のパターンが設けられており、基板処理装置１００は、処理対象基板を昇華乾燥処理する。なお、基板処理装置１００は、処理対象基板に対して昇華乾燥処理以外の処理をしてもよい。基板処理装置１００は、処理対象基板を１枚ずつ処理する枚葉型である。典型的には、処理対象基板は略円板状である。
基板処理装置１００Ｌは、学習対象基板を処理する。ここでは、学習対象基板には、溝および構造体のパターンの設けられており、基板処理装置１００Ｌは、学習対象基板を昇華乾燥処理する。なお、基板処理装置１００Ｌは、学習対象基板に対して昇華乾燥処理以外の処理をしてもよい。学習対象基板の構成は、処理対象基板の構成と同じである。基板処理装置１００Ｌは、処理対象基板を１枚ずつ処理する枚葉型である。典型的には、処理対象基板は略円板状である。基板処理装置１００Ｌの構成は、基板処理装置１００の構成と同じである。基板処理装置１００Ｌは、基板処理装置１００と同一物であってもよい。例えば、同一の基板処理装置が過去に学習対象基板を処理し、その後、処理対象基板を処理してもよい。あるいは、基板処理装置１００Ｌは、基板処理装置１００と同じ構成を有する別の製品であってもよい。
本明細書の以下の説明において、学習対象基板を「学習対象基板ＷＬ」と記載し、処理対象基板を「処理対象基板Ｗｐ」と記載することがある。また、学習対象基板ＷＬと処理対象基板Ｗｐとを区別して説明する必要のないときは、学習対象基板ＷＬおよび処理対象基板Ｗｐを「基板Ｗ」と記載することがある。
基板Ｗは、例えば、半導体ウエハ、液晶表示装置用基板、プラズマディスプレイ用基板、電界放出ディスプレイ（Ｆｉｅｌｄ Ｅｍｉｓｓｉｏｎ Ｄｉｓｐｌａｙ：ＦＥＤ）用基板、光ディスク用基板、磁気ディスク用基板、光磁気ディスク用基板、フォトマスク用基板、セラミック基板、又は、太陽電池用基板である。
基板処理装置１００Ｌは、時系列データＴＤＬを出力する。時系列データＴＤＬは、基板処理装置１００Ｌにおける物理量の時間変化を示すデータである。時系列データＴＤＬは、所定期間にわたって時系列に変化した物理量（値）の時間変化を示す。例えば、時系列データＴＤＬは、基板処理装置１００Ｌが学習対象基板に対して行った処理についての物理量の時間変化を示すデータである。あるいは、時系列データＴＤＬは、基板処理装置１００Ｌによって処理された学習対象基板の特性についての物理量の時間変化を示すデータである。または、時系列データＴＤＬは、学習対象基板を基板処理装置１００Ｌで処理する前の製造プロセスを示すデータを含んでもよい。
なお、時系列データＴＤＬにおいて示される値は、測定機器において直接測定された値であってもよい。または、時系列データＴＤＬにおいて示される値は、測定機器において直接測定された値を演算処理した値であってもよい。あるいは、時系列データＴＤＬにおいて示される値は、複数の測定機器において測定された値を演算したものであってもよい。
学習用データ生成装置３００は、時系列データＴＤＬまたは時系列データＴＤＬの少なくとも一部に基づいて学習用データＬＤを生成する。学習用データ生成装置３００は、学習用データＬＤを出力する。
学習用データＬＤは、学習対象基板ＷＬの基板情報および処理液情報のうちの少なくとも一方の情報、昇華乾燥処理条件情報と、処理結果情報とを含む。学習対象基板ＷＬの基板情報は、学習対象基板ＷＬの溝および構造体の属性または形成条件を示す。基板情報は、学習対象基板ＷＬが昇華乾燥処理される前に測定された学習対象基板ＷＬの情報であってもよい。例えば、基板情報は、基板処理装置１００Ｌに搬入される前の学習対象基板ＷＬから得られた情報であってもよい。あるいは、基板情報は、昇華乾燥処理前に、学習対象基板ＷＬに対して行われた処理についての情報であってもよい。
処理液情報は、学習対象基板ＷＬに対して行われた昇華乾燥処理に用いられた昇華性物質および溶媒を含む処理液の属性を示す。昇華乾燥処理条件情報は、学習対象基板ＷＬに対して行われた昇華乾燥処理の処理条件を示す。処理結果情報は、学習対象基板ＷＬに対して行われた昇華乾燥処理の結果を示す。処理結果情報は、構造体のパターンの倒壊について示した倒壊情報を含む。
学習装置４００は、学習用データＬＤを機械学習することによって、学習済モデルＬＭを生成する。学習装置４００は、学習済モデルＬＭを出力する。
基板処理装置１００は、時系列データＴＤを出力する。時系列データＴＤは、基板処理装置１００における物理量の時間変化を示すデータである。時系列データＴＤは、所定期間にわたって時系列に変化した物理量（値）の時間変化を示す。例えば、時系列データＴＤは、基板処理装置１００が処理対象基板に対して行った処理についての物理量の時間変化を示すデータである。あるいは、時系列データＴＤは、基板処理装置１００によって処理された処理対象基板の特性についての物理量の時間変化を示すデータである。
なお、時系列データＴＤにおいて示される値は、測定機器において直接測定された値であってもよい。または、時系列データＴＤにおいて示される値は、測定機器において直接測定された値を演算処理した値であってもよい。あるいは、時系列データＴＤにおいて示される値は、複数の測定機器において測定された値を演算したものであってもよい。または、時系列データＴＤは、処理対象基板を基板処理装置１００で処理する前の製造プロセスを示すデータを含んでもよい。
基板処理装置１００が使用する物体は、基板処理装置１００Ｌが使用する物体に対応する。従って、基板処理装置１００が使用する物体の構成は、基板処理装置１００Ｌが使用する物体の構成と同じである。また、時系列データＴＤにおいて、基板処理装置１００が使用する物体の物理量は、基板処理装置１００Ｌが使用する物体の物理量に対応する。従って、基板処理装置１００Ｌが使用する物体の物理量は、基板処理装置１００が使用する物体の物理量と同じである。
時系列データＴＤから、処理対象基板Ｗｐについての入力情報Ｃｐが生成される。処理対象基板Ｗｐの入力情報Ｃｐは、処理対象基板Ｗｐの基板情報および処理液情報のうちの少なくとも一方を含む。処理対象基板Ｗｐの基板情報は、処理対象基板Ｗｐの溝および構造体の属性または形成条件を示す。処理液情報は、処理対象基板Ｗｐに対して行われる昇華乾燥処理に用いられる昇華性物質および溶媒を含む処理液の属性を示す。
処理対象基板Ｗｐの入力情報Ｃｐは、処理対象基板Ｗｐを昇華乾燥処理する前に処理対象基板Ｗｐを測定することによって取得されてもよい。または、入力情報Ｃｐは、基板処理装置１００に処理対象基板Ｗｐが搬入される前に取得されてもよい。例えば、入力情報Ｃｐは、昇華乾燥処理前に、処理対象基板Ｗｐに対して行われた処理についての情報であってもよい。
学習済モデルＬＭから、処理対象基板Ｗｐの入力情報Ｃｐに基づいて、基板処理装置１００における処理対象基板Ｗｐに適した昇華乾燥処理条件を示す昇華乾燥処理条件情報Ｒｐが出力される。
以上、図１を参照して説明したように、本実施形態によれば、学習装置４００は、機械学習を行う。従って、非常に複雑かつ解析対象が膨大な時系列データＴＤＬから精度の高い学習済モデルＬＭを生成できる。また、学習済モデルＬＭに対して、処理対象基板Ｗｐの時系列データＴＤからの入力情報Ｃｐを入力して、学習済モデルＬＭから、昇華乾燥処理条件を示す昇華乾燥処理条件情報Ｒｐを出力させる。従って、処理対象基板Ｗｐに適した昇華乾燥処理を実行できる。
次に、図２を参照して、本実施形態の基板処理装置１００を備えた基板処理システム１０を説明する。図２は、基板処理システム１０の模式的な平面図である。
基板処理システム１０は、基板Ｗを処理する。基板処理システム１０は、複数の基板処理装置１００を備える。基板処理装置１００は、基板Ｗに対して、エッチング、表面処理、特性付与、処理膜形成、膜の少なくとも一部の除去および洗浄のうちの少なくとも１つを行うように基板Ｗを処理する。
図１に示すように、基板処理システム１０は、複数の基板処理装置１００に加えて、流体キャビネット３２と、流体ボックス３４と、複数のロードポートＬＰと、インデクサーロボットＩＲと、センターロボットＣＲと、制御装置２０とを備える。制御装置２０は、ロードポートＬＰ、インデクサーロボットＩＲおよびセンターロボットＣＲを制御する。
ロードポートＬＰの各々は、複数枚の基板Ｗを積層して収容する。インデクサーロボットＩＲは、ロードポートＬＰとセンターロボットＣＲとの間で基板Ｗを搬送する。なお、インデクサーロボットＩＲとセンターロボットＣＲとの間に、基板Ｗを一時的に載置する設置台（パス）を設けて、インデクサーロボットＩＲとセンターロボットＣＲとの間で設置台を介して間接的に基板Ｗを受け渡しする装置構成としてもよい。センターロボットＣＲは、インデクサーロボットＩＲと基板処理装置１００との間で基板Ｗを搬送する。基板処理装置１００の各々は、基板Ｗに液体を吐出して、基板Ｗを処理する。液体は、薬液、リンス液、置換液および／または処理液を含む。または、液体は、他の液体を含んでもよい。流体キャビネット３２は、液体を収容する。なお、流体キャビネット３２は、気体を収容してもよい。
具体的には、複数の基板処理装置１００は、平面視においてセンターロボットＣＲを取り囲むように配置された複数のタワーＴＷ（図２では４つのタワーＴＷ）を形成している。各タワーＴＷは、上下に積層された複数の基板処理装置１００（図２では３つの基板処理装置１００）を含む。流体ボックス３４は、それぞれ、複数のタワーＴＷに対応している。流体キャビネット３２内の液体は、いずれかの流体ボックス３４を介して、流体ボックス３４に対応するタワーＴＷに含まれる全ての基板処理装置１００に供給される。また、流体キャビネット３２内の気体は、いずれかの流体ボックス３４を介して、流体ボックス３４に対応するタワーＴＷに含まれる全ての基板処理装置１００に供給される。
制御装置２０は、基板処理システム１０の各種動作を制御する。制御装置２０は、制御部２２および記憶部２４を含む。制御部２２は、プロセッサーを有する。制御部２２は、例えば、中央処理演算機（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）を有する。または、制御部２２は、汎用演算機を有してもよい。
記憶部２４は、データおよびコンピュータプログラムを記憶する。データは、レシピデータを含む。レシピデータは、複数のレシピを示す情報を含む。複数のレシピの各々は、基板Ｗの処理内容および処理手順を規定する。
記憶部２４は、主記憶装置と、補助記憶装置とを含む。主記憶装置は、例えば、半導体メモリである。補助記憶装置は、例えば、半導体メモリおよび／またはハードディスクドライブである。記憶部２４はリムーバブルメディアを含んでいてもよい。制御部２２は、記憶部２４の記憶しているコンピュータプログラムを実行して、基板処理動作を実行する。
記憶部２４には、予め手順の定められたコンピュータプログラムが記憶されている。基板処理装置１００は、コンピュータプログラムに定められた手順に従って動作する。
なお、図２には、基板処理システム１０に対して１つの制御装置２０を備えるように示しているが、基板処理装置１００ごとに制御装置２０を備えてもよい。ただし、その場合、基板処理システム１０は、複数の基板処理装置１００および基板処理装置１００以外の装置を制御する別の制御装置を備えることが好ましい。
次に、図３を参照して、本実施形態の基板処理装置１００を説明する。図３は、本実施形態の基板処理装置１００の模式図である。なお、ここでは、基板処理装置１００の構成を説明するが、基板処理装置１００Ｌも基板処理装置１００と同様の構成を有している。
基板処理装置１００は、基板Ｗを処理する。基板処理装置１００は、チャンバー１１０と、基板保持部１２０と、薬液供給部１３０と、リンス液供給部１４０と、置換液供給部１５０と、処理液供給部１６０と、遮蔽部材１７０と、ファンフィルタユニット（Ｆａｎ Ｆｉｌｔｅｒ Ｕｎｉｔ：ＦＦＵ）１８０とを備える。チャンバー１１０は、基板Ｗを収容する。基板保持部１２０は、基板Ｗを保持する。基板保持部１２０は、基板Ｗを回転可能に保持する。
チャンバー１１０は、内部空間を有する略箱形状である。チャンバー１１０は、基板Ｗを収容する。ここでは、基板処理装置１００は基板Ｗを１枚ずつ処理する枚葉型であり、チャンバー１１０には基板Ｗが１枚ずつ収容される。基板Ｗは、チャンバー１１０内に収容され、チャンバー１１０内で処理される。チャンバー１１０には、基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０および遮蔽部材１７０のそれぞれの少なくとも一部が収容される。一方、ＦＦＵ１８０は、チャンバー１１０の上面外側に取り付けられる。
基板保持部１２０は、基板Ｗを保持する。基板保持部１２０は、基板Ｗの上面Ｗａを上方に向け、基板Ｗの裏面（下面）Ｗｂを鉛直下方に向くように基板Ｗを水平に保持する。また、基板保持部１２０は、基板Ｗを保持した状態で基板Ｗを回転させる。
例えば、基板保持部１２０は、基板Ｗの端部を挟持する挟持式であってもよい。あるいは、基板保持部１２０は、基板Ｗを裏面Ｗｂから保持する任意の機構を有してもよい。例えば、基板保持部１２０は、バキューム式であってもよい。この場合、基板保持部１２０は、非デバイス形成面である基板Ｗの裏面Ｗｂの中央部を上面に吸着させることにより基板Ｗを水平に保持する。あるいは、基板保持部１２０は、複数のチャックピンを基板Ｗの周端面に接触させる挟持式とバキューム式とを組み合わせてもよい。
例えば、基板保持部１２０は、スピンベース１２１と、チャック部材１２２と、シャフト１２３と、電動モータ１２４とを含む。チャック部材１２２は、スピンベース１２１に設けられる。チャック部材１２２は、基板Ｗをチャックする。典型的には、スピンベース１２１には、複数のチャック部材１２２が設けられる。
シャフト１２３は、中空軸である。シャフト１２３は、回転軸Ａｘに沿って鉛直方向に延びている。シャフト１２３の上端には、スピンベース１２１が結合されている。基板Ｗの裏面Ｗｂは、スピンベース１２１と対向し、基板Ｗは、スピンベース１２１の上方に載置される。
スピンベース１２１は、円板状であり、基板Ｗを水平に支持する。シャフト１２３は、スピンベース１２１の中央部から下方に延びる。電動モータ１２４は、シャフト１２３に回転力を与える。電動モータ１２４は、シャフト１２３を回転方向に回転させることにより、回転軸Ａｘを中心に基板Ｗおよびスピンベース１２１を回転させる。ここでは、回転方向は、反時計回りである。
薬液供給部１３０は、基板Ｗに薬液を供給する。これにより、基板Ｗは、薬液で処理される。
例えば、薬液は、フッ酸（フッ化水素水：ＨＦ）を含む。あるいは、薬液は、硫酸、酢酸、硝酸、塩酸、クエン酸、バッファードフッ酸（ＢＨＦ）、希フッ酸（ＤＨＦ）、アンモニア水、希アンモニア水、過酸化水素水、有機アルカリ（例えば、ＴＭＡＨ：テトラメチルアンモニウムハイドロオキサイド等）、界面活性剤、腐食防止剤のうちの少なくとも１つを含む液であってもよい。また、薬液は、上記液を混合した混合液であってもよい。例えば、これらを混合した薬液の例としては、ＳＰＭ（硫酸過酸化水素水混合液）、ＳＣ１（アンモニア過酸化水素水混合液）、ＳＣ２（塩酸過酸化水素水混合液）等が挙げられる。
薬液供給部１３０は、ノズル１３２と、配管１３４と、バルブ１３６とを含む。ノズル１３２は、基板Ｗの上面Ｗａと対向し、基板Ｗの上面Ｗａに向けて薬液を吐出する。配管１３４は、ノズル１３２に結合される。ノズル１３２は、配管１３４の先端に設けられる。配管１３４には、供給源から薬液が供給される。バルブ１３６は、配管１３４に設けられる。バルブ１３６は、配管１３４内の流路を開閉する。
薬液供給部１３０は、ノズル移動部１３８をさらに含む。ノズル移動部１３８は、吐出位置と退避位置との間でノズル１３２を移動する。ノズル１３２が吐出位置にある場合、ノズル１３２は、基板Ｗの上方に位置する。ノズル１３２が吐出位置にある場合、ノズル１３２は、基板Ｗの上面Ｗａに向けて薬液を吐出する。ノズル１３２が退避位置にある場合、ノズル１３２は、基板Ｗよりも基板Ｗの径方向外側に位置する。
ノズル移動部１３８は、アーム１３８ａと、回動軸１３８ｂと、移動機構１３８ｃとを含む。アーム１３８ａは、略水平方向に沿って延びる。アーム１３８ａの先端部にはノズル１３２が取り付けられる。アーム１３８ａは、回動軸１３８ｂに結合される。回動軸１３８ｂは、略鉛直方向に沿って延びる。移動機構１３８ｃは、回動軸１３８ｂを略鉛直方向に沿った回動軸線のまわりに回動させて、アーム１３８ａを略水平面に沿って回動させる。その結果、ノズル１３２が略水平面に沿って移動する。例えば、移動機構１３８ｃは、回動軸１３８ｂを回動軸線のまわりに回動させるアーム揺動モータを含む。アーム揺動モータは、例えば、サーボモータである。また、移動機構１３８ｃは、回動軸１３８ｂを略鉛直方向に沿って昇降させて、アーム１３８ａを昇降させる。その結果、ノズル１３２は、略鉛直方向に沿って移動する。例えば、移動機構１３８ｃは、ボールねじ機構と、ボールねじ機構に駆動力を与えるアーム昇降モータとを含む。アーム昇降モータは、例えば、サーボモータである。
リンス液供給部１４０は、基板Ｗにリンス液を供給する。リンス液は、脱イオン水（Ｄｅｉｏｎｉｚｅｄ Ｗａｔｅｒ：ＤＩＷ）、炭酸水、電解イオン水、オゾン水、アンモニア水、希釈濃度（例えば、１０ｐｐｍ～１００ｐｐｍ程度）の塩酸水、または、還元水（水素水）のいずれかを含んでもよい。
リンス液供給部１４０は、ノズル１４２と、配管１４４と、バルブ１４６とを含む。ノズル１４２は、基板Ｗの上面Ｗａと対向し、基板Ｗの上面Ｗａに向けてリンス液を吐出する。配管１４４は、ノズル１４２に結合される。ノズル１４２は、配管１４４の先端に設けられる。配管１４４には、供給源からリンス液が供給される。バルブ１４６は、配管１４４に設けられる。バルブ１４６は、配管１４４内の流路を開閉する。
リンス液供給部１４０は、ノズル移動部１４８をさらに含む。ノズル移動部１４８は、吐出位置と退避位置との間でノズル１４２を移動する。ノズル１４２が吐出位置にある場合、ノズル１４２は、基板Ｗの上方に位置する。ノズル１４２が吐出位置にある場合、ノズル１４２は、基板Ｗの上面Ｗａに向けてリンス液を吐出する。ノズル１４２が退避位置にある場合、ノズル１４２は、基板Ｗよりも基板Ｗの径方向外側に位置する。
ノズル移動部１４８は、アーム１４８ａと、回動軸１４８ｂと、移動機構１４８ｃとを含む。例えば、ノズル移動部１４８の構成は、ノズル移動部１３８の構成と同様である。
置換液供給部１５０は、基板Ｗに置換液を供給する。後述するように、置換液は、リンス液の液膜で覆われた基板Ｗの上面に供給され、その後、処理液が、置換液の液膜で覆われた基板Ｗの上面に供給される。置換液は、リンス液および処理液の両方と溶け合う液体である。
例えば、置換液は、ＩＰＡ（イソプロピルアルコール）またはＨＦＥ（ハイドロフルオロエーテル）である。置換液は、ＩＰＡおよびＨＦＥの混合液であってもよいし、ＩＰＡおよびＨＦＥの少なくとも一方とこれら以外の成分とを含んでいてもよい。ＩＰＡおよびＨＦＥは、水およびフッ化炭化水素化合物の両方と溶け合う液体である。
置換液供給部１５０は、ノズル１５２と、配管１５４と、バルブ１５６とを含む。ノズル１５２は、基板Ｗの上面Ｗａと対向し、基板Ｗの上面Ｗａに向けて置換液を吐出する。配管１５４は、ノズル１５２に結合される。ノズル１５２は、配管１５４の先端に設けられる。配管１５４には、供給源から置換液が供給される。バルブ１５６は、配管１５４に設けられる。バルブ１５６は、配管１５４内の流路を開閉する。
置換液供給部１５０は、ノズル移動部１５８をさらに含む。ノズル移動部１５８は、吐出位置と退避位置との間でノズル１５２を移動する。ノズル１５２が吐出位置にある場合、ノズル１５２は、基板Ｗの上方に位置する。ノズル１５２が吐出位置にある場合、ノズル１５２は、基板Ｗの上面Ｗａに向けて置換液を吐出する。ノズル１５２が退避位置にある場合、ノズル１５２は、基板Ｗよりも基板Ｗの径方向外側に位置する。
ノズル移動部１５８は、アーム１５８ａと、回動軸１５８ｂと、移動機構１５８ｃとを含む。例えば、ノズル移動部１５８の構成は、ノズル移動部１３８の構成と同様である。
処理液供給部１６０は、基板Ｗに処理液を供給する。処理液は、溶質に相当する昇華性物質と、昇華性物質と溶け合う溶媒とを含む溶液である。昇華性物質は、常温（室温と同義）または常圧（基板処理装置１００内の圧力、例えば１気圧またはその近傍の値）で液体を経ずに固体から気体に変化する物質であってもよい。溶媒は、このような物質であってもよいし、これ以外の物質であってもよい。つまり、処理液は、常温または常圧で液体を経ずに固体から気体に変化する２種類以上の物質を含んでいてもよい。
昇華性物質は、例えば、２－メチル－２－プロパノール（別名：ｔｅｒｔ－ブチルアルコール、ｔ－ブチルアルコール、ターシャリーブチルアルコール）やシクロヘキサノールなどのアルコール類、フッ化炭化水素化合物、１，３，５－トリオキサン（別名：メタホルムアルデヒド）、樟脳（別名：カンフル、カンファー）、ナフタレン、ヨウ素、シクロヘキサンおよびシクロヘキサノンオキシムのいずれかであってもよいし、これら以外の物質であってもよい。
溶媒は、例えば、純水、ＩＰＡ、ＨＦＥ（ハイドロフルオロエーテル）、アセトン、ＰＧＭＥＡ（プロピレングリコールモノメチルエーテルアセテート）、ＰＧＥＥ（プロピレングリコールモノエチルエーテル、１－エトキシ－２－プロパノール）、エチレングリコール、およびハイドロフルオロカーボン（ｈｙｄｒｏｆｌｕｏｒｏｃａｒｂｏｎ）からなる群より選ばれた少なくとも１種であってもよい。
例えば、昇華性物質はシクロヘキサノンオキシムであり、溶媒がＩＰＡであることが好ましい。この場合、室温（２３℃またはその近傍の値）において、ＩＰＡの蒸気圧は、室温でのシクロヘキサノンオキシムの蒸気圧よりも高い。シクロヘキサノンオキシムは、凝固点９０．５℃、沸点２１０℃であり、ＩＰＡは、凝固点－９０℃、沸点８３℃である。ここで、基板処理装置１００は、室温に維持されたクリーンルーム内に配置され、処理液は昇華性物質が溶媒に溶解した液体の状態を維持できる。
処理液供給部１６０は、ノズル１６２と、配管１６４と、バルブ１６６とを含む。ノズル１６２は、基板Ｗの上面Ｗａと対向し、基板Ｗの上面Ｗａに向けて処理液を吐出する。配管１６４は、ノズル１６２に結合される。ノズル１６２は、配管１６４の先端に設けられる。配管１６４には、供給源から処理液が供給される。バルブ１６６は、配管１６４に設けられる。バルブ１６６は、配管１６４内の流路を開閉する。
処理液供給部１６０は、ノズル移動部１６８をさらに含む。ノズル移動部１６８は、吐出位置と退避位置との間でノズル１６２を移動する。ノズル１６２が吐出位置にある場合、ノズル１６２は、基板Ｗの上方に位置する。ノズル１６２が吐出位置にある場合、ノズル１６２は、基板Ｗの上面Ｗａに向けて処理液を吐出する。ノズル１６２が退避位置にある場合、ノズル１６２は、基板Ｗよりも基板Ｗの径方向外側に位置する。
ノズル移動部１６８は、アーム１６８ａと、回動軸１６８ｂと、移動機構１６８ｃとを含む。例えば、ノズル移動部１６８の構成は、ノズル移動部１３８の構成と同様である。
遮蔽部材１７０は、遮蔽板１７２と、支軸１７４と、昇降ユニット１７６と、不活性ガス供給部１７８とを含む。遮蔽板１７２は、基板保持部１２０の上方に水平に配置される。遮蔽板１７２は、薄い円形状の板を含む。遮蔽板１７２は、遮蔽板１７２の中央部から上方に延びる筒状の支軸１７４によって水平に支持される。遮蔽板１７２の中心線は、基板Ｗの回転軸Ａｘ上に位置する。
遮蔽板１７２の下面１７２Ｌは、基板Ｗの上面に対向する。遮蔽板１７２の下面１７２Ｌは、基板Ｗの上面Ｗａと平行であり、基板Ｗの直径以上の外径を有する。
昇降ユニット１７６は、鉛直方向に沿って遮蔽板１７２を昇降させる。昇降ユニット１７６は、上方位置から下方位置までの任意の位置に遮蔽板１７２を移動させる。図３において、遮蔽板１７２は、上方位置に位置する。上方位置は、ノズル１３２、１４２、１５２、１６２が遮蔽部材１７０と基板Ｗとの間に進入可能な高さまで遮蔽板１７２が退避した位置である。下方位置は、ノズル１３２、１４２、１５２、１６２が基板Ｗと遮蔽部材１７０との間に進入できない高さまで遮蔽板１７２の下面１７２Ｌが基板Ｗの上面Ｗａに近接した位置である。
不活性ガス供給部１７８は、不活性ガスを基板Ｗに供給する。不活性ガスは、例えば、ヘリウムガス、アルゴンガスまたは窒素ガスである。あるいは、不活性ガスは、ヘリウムガス、アルゴンガスおよび窒素ガス以外のガスであってもよい。
不活性ガス供給部１７８は、ノズル１７８ａと、配管１７８ｂと、バルブ１７８ｃと、流量調整バルブ１７８ｄと、温度調整器１７８ｅとを含む。ノズル１７８ａは、基板Ｗの上面Ｗａと対向し、基板Ｗの上面Ｗａに向けて不活性ガスを吐出する。配管１７８ｂは、ノズル１７８ａに結合される。ノズル１７８ａは、配管１７８ｂの先端に設けられる。配管１７８ｂには、供給源から不活性ガスが供給される。
バルブ１７８ｃ、流量調整バルブ１７８ｄおよび温度調整器１７８ｅは、配管１７８ｂに設けられる。バルブ１７８ｃは、配管１７８ｂ内の流路を開閉する。流量調整バルブ１７８ｄは、配管１７８ｂ内の流路を通過する不活性ガスの流量を調整する。温度調整器１７８ｅは、不活性ガスの温度を調整する。例えば、温度調整器１７８ｅは、不活性ガスを加熱または冷却する。
ノズル１７８ａは、遮蔽板１７２の下面１７２Ｌの中央部で開口する上中央開口を介して不活性ガスを下方に吐出する。ノズル１７８ａは、回転軸Ａｘに沿って上下に延びる。ノズル１７８ａは、遮蔽板１７２および支軸１７４の中央部を上下に貫通する貫通穴内に配置される。ノズル１７８ａは、遮蔽板１７２とともに昇降する。ノズル１７８ａの吐出口は、遮蔽板１７２の上中央開口の上方に配置される。
配管１７８ｂは、ノズル１７８ａに不活性ガスを案内する。バルブ１７８ｃが開かれると、不活性ガスは、流量調整バルブ１７８ｄの開度に対応する流量でノズル１７８ａの吐出口から下方に連続的に吐出される。例えば、ノズル１７８ａから吐出される不活性ガスは、窒素ガスである。
ＦＦＵ１８０は、チャンバー１１０の上部外側に配置される。チャンバー１１０の上部には送風口が設けられており、ＦＦＵ１８０は、チャンバー１１０の送風口からチャンバー１１０内に空気を送る。
基板処理装置１００は、カップ１９０をさらに備える。カップ１９０は、基板Ｗから飛散した液体を回収する。カップ１９０は、基板Ｗの側方にまで鉛直上方に上昇できる。また、カップ１９０は、基板Ｗの側方から鉛直下方に下降してもよい。
制御装置２０は、基板処理装置１００の各種動作を制御する。制御部２２は、基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０、遮蔽部材１７０、ＦＦＵ１８０および／またはカップ１９０を制御する。一例では、制御部２２は、電動モータ１２４、バルブ１３６、１４６、１５６、１６６、１７８ｃ、流量調整バルブ１７８ｄ、移動機構１３８ｃ、１４８ｃ、１５８ｃ、１６８ｃ、昇降ユニット１７６、ＦＦＵ１８０および／またはカップ１９０を制御する。
本実施形態の基板処理装置１００は、基板Ｗに対して、薬液処理、リンス処理、置換処理および昇華乾燥処理を実行する。なお、図面が過度に複雑になることを避けるために図３には図示しないが、薬液、リンス液、置換液、処理液および不活性ガスの流量および温度は、必要に応じてセンサー等によって検知されることが好ましい。
次に、図１～図４を参照して、本実施形態の基板処理装置１００を説明する。図４は、基板処理装置１００を備えた基板処理システム１０のブロック図である。
図４に示すように、制御装置２０は、基板処理システム１０の各種動作を制御する。制御装置２０は、インデクサーロボットＩＲ、センターロボットＣＲ、基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０、遮蔽部材１７０、ＦＦＵ１８０およびカップ１９０を制御する。詳細には、制御装置２０は、インデクサーロボットＩＲ、センターロボットＣＲ、基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０、遮蔽部材１７０、ＦＦＵ１８０およびカップ１９０に制御信号を送信することによって、インデクサーロボットＩＲ、センターロボットＣＲ、基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０、遮蔽部材１７０、ＦＦＵ１８０およびカップ１９０を制御する。
具体的には、制御部２２は、インデクサーロボットＩＲを制御して、インデクサーロボットＩＲによって基板Ｗを受け渡しする。
制御部２２は、センターロボットＣＲを制御して、センターロボットＣＲによって基板Ｗを受け渡しする。例えば、センターロボットＣＲは、未処理の基板Ｗを受け取って、複数のチャンバー１１０のうちのいずれかに基板Ｗを搬入する。また、センターロボットＣＲは、処理された基板Ｗをチャンバー１１０から受け取って、基板Ｗを搬出する。
制御部２２は、基板保持部１２０を制御して、基板Ｗの回転の開始、回転速度の変更および基板Ｗの回転の停止を制御する。例えば、制御部２２は、基板保持部１２０を制御して、基板保持部１２０の回転数を変更することができる。具体的には、制御部２２は、基板保持部１２０の電動モータ１２４の回転数を変更することによって、基板Ｗの回転数を変更できる。
制御部２２は、薬液供給部１３０のバルブ１３６、リンス液供給部１４０のバルブ１４６、置換液供給部１５０のバルブ１５６、処理液供給部１６０のバルブ１６６、不活性ガス供給部１７８のバルブ１７８ｃを制御して、バルブ１３６、１４６、１５６、１６６、１７８ｃの状態を開状態と閉状態とに切り替えることができる。具体的には、制御部２２は、バルブ１３６、１４６、１５６、１６６、１７８ｃを制御して、バルブ１３６、１４６、１５６、１６６、１７８ｃを開状態にすることによって、ノズル１３２、１４２、１５２、１６２、１７８ａに向かって配管１３４、１４４、１５４、１６４、１７８ｂ内を流れる薬液、リンス液、置換液、処理液、不活性ガスをそれぞれ通過させることができる。また、制御部２２は、薬液供給部１３０のバルブ１３６およびリンス液供給部１４０のバルブ１４６、置換液供給部１５０のバルブ１５６、処理液供給部１６０のバルブ１６６、不活性ガス供給部１７８のバルブ１７８ｃを制御して、バルブ１３６、１４６、１５６、１６６、１７８ｃを閉状態にすることによって、ノズル１３２、１４２、１５２、１６２、１７８ａに向かって配管１３４、１４４、１５４、１６４、１７８ｂ内を流れる薬液、リンス液、置換液、処理液、不活性ガスをそれぞれ停止させることができる。
また、制御部２２は、移動機構１３８ｃ、１４８ｃ、１５８ｃ、１６８ｃがアーム１３８ａ、１４８ａ、１５８ａ、１６８ａを水平方向および／または垂直方向に移動させるように制御する。これにより、制御部２２は、アーム１３８ａ、１４８ａ、１５８ａ、１６８ａの先端に取り付けられたノズル１３２、１４２、１５２、１６２を基板Ｗの上面Ｗａで移動させることができる。また、制御部２２は、アーム１３８ａ、１４８ａ、１５８ａ、１６８ａの先端に取り付けられたノズル１３２、１４２、１５２、１６２を吐出位置と退避位置との間で移動させることができる。
また、制御部２２は、遮蔽板１７２が上方位置と下方位置との間で移動するように遮蔽部材１７０を制御する。例えば、制御部２２は、昇降ユニット１７６を駆動して遮蔽板１７２を上方位置と下方位置との間で移動させる。
制御部２２は、チャンバー１１０上方の送風口からチャンバー内に空気を送るようにＦＦＵ１８０を制御する。また、制御部２２は、基板Ｗの側方にまでカップ１９０が上昇するようにカップ１９０を制御する。
本実施形態の基板処理装置１００は、半導体装置を形成するために好適に用いられる。例えば、基板処理装置１００は、ＮＡＮＤ構造のメモリを製造するために好適に用いられる。基板処理装置１００は、３Ｄ ＮＡＮＤ構造の製造に用いられてもよい。
本実施形態の基板処理装置１００では、記憶部２４は、学習済モデルＬＭおよび制御プログラムＰＧを記憶する。基板処理装置１００は、制御プログラムＰＧに定められた手順に従って動作する。
また、制御部２２は、入力情報取得部２２ａと、昇華乾燥処理条件情報取得部２２ｂとを含む。入力情報取得部２２ａは、入力情報として、基板情報および処理液情報の少なくとも一方を取得する。
入力情報取得部２２ａは、基板情報取得部２２ａ１と、処理液情報取得部２２ａ２と含む。基板情報取得部２２ａ１は、処理対象基板Ｗｐの基板情報を取得する。処理対象基板Ｗｐの基板情報は、基板属性情報またはパターン形成条件情報を含む。基板属性情報は、処理対象基板Ｗｐに設けられた溝および構造体の属性を示す。パターン形成条件情報は、処理対象基板Ｗｐに設けられた溝および構造体のパターンを形成した形成条件を示す。なお、処理対象基板Ｗｐの基板情報は、基板属性情報およびパターン形成条件情報の両方を含んでもよい。
例えば、基板属性情報は、溝および構造体の少なくとも一方の属性を示す。一例では、基板情報は、基板の表面積、溝の深さ、溝の幅、溝のアスペクト比、溝および構造体の配置パターン、溝の集約率、溝または構造体の密度、溝の開口率および構造体表面の組成のいずれかを示す。なお、基板の表面積は、構造体に対する溝の深さおよび開口率を考慮して測定することが好ましい。ただし、基板の表面積は、直接測定しなくてもよい。基板の表面積として、簡易に算出できる基板の周辺の長さ（基板が円であれば円周長さ、基板が四角形であれば４辺の長さ）を用いてもよい。例えば、溝の密度は、基板の表面領域の面積に対して溝の面積の比率によって示されてもよい。また、構造体の密度は、基板の表面領域の面積に対して溝を介して露出した部分を含む構造体の表面の面積の比率によって示されてもよい。
パターン形成条件情報は、溝および構造体のパターンを形成した形成条件を示す。例えば、処理対象基板Ｗｐの溝がエッチングによって形成される場合、パターン形成条件情報は、エッチング処理条件を示す。
あるいは、処理対象基板Ｗｐの溝および構造体の少なくとも一方の属性が基板処理装置１００内の処理によって変化する場合、パターン形成条件情報は、この処理の条件を示してもよい。例えば、処理対象基板Ｗｐの溝および構造体の少なくとも一方の属性が薬液によって変化する場合、パターン形成条件情報は、薬液処理条件を示す。一例では、パターン形成条件情報は、薬液の種類、濃度、温度および供給量を示す。なお、パターン形成条件情報は、薬液処理条件以外の処理条件を示してもよい。また、基板情報取得部２２ａ１は、記憶部２４から、基板情報として、基板属性情報およびパターン形成条件情報以外の別の情報を取得してもよい。
処理液情報取得部２２ａ２は、処理対象基板Ｗｐに対して供給される処理液の属性を示す処理液情報を取得する。すなわち、処理液情報取得部２２ａ２は、処理液供給部１６０から処理対象基板Ｗｐに供給される処理液の属性を示す処理液情報を取得する。例えば、処理液情報は、溶質の種類、溶媒の種類、処理液の濃度または温度を示す情報を含む。なお、処理液の温度は、処理対象基板Ｗｐ上に供給される処理液の温度であることが好ましい。ただし、処理液の温度は、配管１６４内を通過する処理液の温度であってもよい。
学習済モデルＬＭは、基板情報および処理液情報のうちの少なくとも一方の情報に基づいて昇華乾燥処理条件情報を生成する。典型的には、学習済モデルＬＭに対して基板情報および処理液情報を入力すると、基板情報および処理液情報に対応した昇華乾燥処理条件情報が出力される。一例では、学習済モデルＬＭに対して処理対象基板Ｗｐの溝の深さ、および、処理対象基板Ｗｐに用いる処理液の濃度を示す情報を入力すると、入力した情報に対応した昇華乾燥処理条件情報が学習済モデルＬＭから出力される。
昇華乾燥処理条件情報取得部２２ｂは、学習済モデルＬＭから昇華乾燥処理条件情報を取得する。昇華乾燥処理条件情報取得部２２ｂは、学習済モデルＬＭから、処理対象基板Ｗｐの入力情報に対応する昇華乾燥処理条件情報を取得する。
例えば、昇華乾燥処理条件情報は、処理液の供給量、処理液の吐出パターン、および、昇華乾燥処理における学習対象基板ＷＬの回転速度のいずれかを示す。さらに、昇華乾燥処理条件情報は、チャンバー１１０内（または基板Ｗ（特に、上面Ｗａ））の温度、チャンバー１１０内の雰囲気濃度、遮蔽部材１７０の位置、および、不活性ガス供給部１７８から供給される不活性ガスの流量のいずれかを示してもよい。なお、チャンバー１１０内の温度および溶媒の雰囲気濃度により、溶媒の蒸発の程度は大きく変動する。特に溶媒の蒸発時におけるチャンバー１１０内の温度または溶媒雰囲気濃度の時間的変位は、パターン倒壊に大きく影響するため、チャンバー１１０内の温度および溶媒の雰囲気濃度は有用な情報となる。
制御部２２は、昇華乾燥処理条件情報に示された昇華乾燥処理条件に従って基板保持部１２０および処理液供給部１６０を制御する。なお、制御部２２は、昇華乾燥処理条件に従って基板保持部１２０および処理液供給部１６０とともに遮蔽部材１７０を制御してもよい。
基板処理システム１０は、表示部４２、入力部４４および通信部４６をさらに備えることが好ましい。
表示部４２は画像を表示する。表示部４２は、例えば、液晶ディスプレイ、または、有機エレクトロルミネッセンスディスプレイである。
入力部４４は、制御部２２に対して各種情報を入力するための入力機器である。例えば、入力部４４は、キーボードおよびポインティングデバイス、または、タッチパネルである。
通信部４６は、ネットワークに接続され、外部装置と通信する。本実施形態において、ネットワークは、例えば、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、公衆電話網、及び、近距離無線ネットワークを含む。通信部４６は、通信機であり、例えば、ネットワークインターフェースコントローラーである。
さらに、基板処理システム１０は、センサー５０をさらに備えることが好ましい。典型的には、複数のセンサー５０が、基板処理システム１０の各部分の状態を検知する。例えば、センサー５０の少なくとも一部は、基板処理装置１００の各部分の状態を検知する。
記憶部２４は、センサー５０からの出力結果および制御プログラムによる制御パラメータを時系列データＴＤとして記憶する。典型的には、時系列データは、基板Ｗごとに分かれて記憶される。
センサー５０は、１枚の基板Ｗの処理ごとに、基板Ｗの処理開始から処理終了までの期間において、基板処理装置１００が使用する物体の物理量を検出して、物理量を示す検出信号を制御部２２に出力する。そして、制御部２２は、基板Ｗの処理開始から処理終了までの期間においてセンサー５０から出力される検出信号によって示される物理量を、１枚の基板Ｗの処理ごとに、時間と関連付けて時系列データＴＤとして、記憶部２４に記憶させる。
制御部２２は、センサー５０から時系列データＴＤを取得して、時系列データＴＤを記憶部２４に記憶させる。この場合、制御部２２は、時系列データＴＤを、ロット識別情報、基板識別情報、処理順番情報、及び、ロット間隔情報と関連付けて記憶部２４に記憶させる。ロット識別情報は、ロットを識別するための情報（例えば、ロット番号）である。ロットは基板Ｗの処理単位を示す。１つのロットは、所定数の基板Ｗによって構成される。基板識別情報は、基板Ｗを識別するための情報である。処理順番情報は、１つのロットを構成する所定数の基板Ｗに対する処理の順番を示す情報である。ロット間隔情報は、ロットに対する処理の終了から次のロットに対する処理の開始までの時間間隔を示す情報である。基板情報および処理液情報は、時系列データＴＤから取得されてもよい。
次に、図１～図５を参照して、本実施形態の基板処理装置１００による基板処理方法を説明する。図５（ａ）は、本実施形態の基板処理装置１００における基板処理方法のフロー図であり、図５（ｂ）は、本実施形態の基板処理方法における昇華乾燥処理のフロー図である。
図５（ａ）に示すように、ステップＳＡにおいて、処理対象基板Ｗｐを基板処理装置１００に搬入する。搬入された処理対象基板Ｗｐは、基板保持部１２０に装着される。典型的には、処理対象基板Ｗｐは、センターロボットＣＲによって基板処理装置１００に搬入される。
次に、ステップＳＲａにおいて、基板保持部１２０は、処理対象基板Ｗｐを装着した状態で回転を開始する。
ステップＳ１０において、処理対象基板Ｗｐを薬液で処理する。薬液供給部１３０は、処理対象基板Ｗｐに薬液を供給する。薬液供給部１３０のノズル１３２から薬液が処理対象基板Ｗｐの上面Ｗａに吐出される。薬液は、処理対象基板Ｗｐの上面Ｗａを覆う。これにより、処理対象基板Ｗｐは薬液で処理される。
ステップＳ２０において、処理対象基板Ｗｐをリンス液でリンスする。リンス液供給部１４０は、処理対象基板Ｗｐにリンス液を供給する。リンス液供給部１４０のノズル１４２からリンス液が処理対象基板Ｗｐの上面Ｗａに吐出される。リンス液は、処理対象基板Ｗｐの上面Ｗａを覆う。これにより、処理対象基板Ｗｐはリンス液で処理される。
ステップＳ３０において、処理対象基板Ｗｐを置換液で置換する。置換液供給部１５０は、処理対象基板Ｗｐに置換液を供給する。置換液供給部１５０のノズル１５２から置換液が処理対象基板Ｗｐの上面Ｗａに吐出される。置換液は、処理対象基板Ｗｐの上面Ｗａを覆う。これにより、処理対象基板Ｗｐの上面Ｗａは置換液に置換される。
その後、ステップＳ４０において、処理対象基板Ｗｐに対して昇華乾燥処理する。昇華乾燥処理は、処理液供給（ステップＳ４１）、凝固体形成（ステップＳ４２）、および、昇華（ステップＳ４３）を含む。
ステップＳ４１において、処理対象基板Ｗｐに処理液を供給する。処理液供給部１６０は、処理対象基板Ｗｐに処理液を供給する。処理液供給部１６０のノズル１６２から処理液が処理対象基板Ｗｐの上面Ｗａに吐出される。処理液は、処理対象基板Ｗｐの上面Ｗａを覆う。これにより、処理対象基板Ｗｐの上面Ｗａは処理液に置換される。
詳細には、処理対象基板Ｗｐに処理液の供給を開始した後、基板保持部１２０の回転速度を所定の速度に維持する。これにより、処理対象基板Ｗｐの上面Ｗａに所定の厚さの処理液が形成される。
ステップＳ４２において、処理液から凝固体を形成する。基板保持部１２０が、基板Ｗの上面Ｗａの上に位置する処理液を保持したまま基板Ｗの回転を継続すると、処理液から溶媒が蒸発する。溶媒が蒸発すると、溶質であった昇華性物質の凝固した凝固体が形成される。したがって、基板Ｗの上面Ｗａの溝に凝固体が充填される。凝固体の厚さは、凝固体形成前に処理対象基板Ｗｐの上面Ｗａに形成された処理液の厚さに対応する。なお、凝固体を形成する際に、遮蔽部材１７０の不活性ガス供給部１７８は、基板Ｗに不活性ガスを供給してもよい。
ステップＳ４３において、凝固体が昇華する。基板保持部１２０が、基板Ｗの上面Ｗａの上に凝固体を保持したまま基板Ｗの回転を継続すると、凝固体が昇華し続け、最終的には、基板Ｗの上面Ｗａの溝から凝固体が消滅する。なお、凝固体を昇華する際に、遮蔽部材１７０の不活性ガス供給部１７８は、基板Ｗに不活性ガスを供給してもよい。また、凝固体を昇華する際には、基板Ｗを加熱してもよい。
その後、ステップＳＲｂにおいて、基板保持部１２０は、回転の開始を停止する。
ステップＳＢにおいて、基板保持部１２０から処理対象基板Ｗｐを脱離して処理対象基板Ｗｐを搬出する。典型的には、処理対象基板Ｗｐは、センターロボットＣＲによって基板処理装置１００から搬出される。以上のようにして、処理対象基板Ｗｐを薬液で処理するとともに構造体の倒壊を抑止しながら処理対象基板Ｗｐを乾燥できる。
次に、図１～図５（ｂ）を参照して、本実施形態の基板処理装置１００による処理対象基板Ｗｐに対する昇華乾燥処理を説明する。
ステップＳ４ａにおいて、処理対象基板Ｗｐの基板情報を取得する。基板情報取得部２２ａ１は、処理対象基板Ｗｐの基板情報を取得する。基板情報は、基板属性情報およびパターン形成条件情報の少なくとも一方を含む。
例えば、制御部２２は、記憶部２４から基板属性情報を取得する。基板属性情報は、溝および構造体のうちの少なくとも一方の属性を示す。例えば、基板属性情報は、溝の深さを示す。あるいは、基板属性情報は、溝の幅、または、溝のアスペクト比（深さ／幅）を示してもよい。また、基板属性情報は、溝および構造体の配置パターン、溝の集約率、溝または構造体の密度、溝の開口率をさらに示してもよい。
さらには、基板属性情報は、構造体の組成または水に対する親和性を示す情報であってもよい。例えば、構造体の組成を示す情報は、構造体の組成が酸化シリコンまたは窒化シリコンであることを示す。また、構造体の水に対する親和性を示す情報は、構造体が親水性または疎水性であることを示す。
基板属性情報は、基板処理装置１００または基板処理システム１０内において測定されてもよい。あるいは、基板属性情報は、基板処理システム１０または基板処理装置１００の外部で測定されてもよい。
あるいは、制御部２２は、記憶部２４からパターン形成条件情報を取得する。パターン形成条件情報は、構造体および溝を形成した形成条件を示す。基板Ｗの溝がエッチングによって形成される場合、制御部２２は、記憶部２４からエッチング条件情報を取得する。あるいは、パターン形成条件情報は、構造体および溝の属性を変化させた工程の条件を示す。例えば、構造体および溝の深さまたは幅が薬液によって変化される場合、パターン形成条件情報は、薬液の濃度、温度および供給量を示す。
ステップＳ４ｂにおいて、処理対象基板Ｗｐの処理液情報を取得する。処理液情報取得部２２ａ２は、処理対象基板Ｗｐの処理液情報を取得する。処理液情報は、処理対象基板Ｗｐを昇華乾燥処理する際に用いられる処理液に含まれる昇華性物質および溶媒の種類、処理液の濃度および温度のいずれかを示す。
ステップＳ４ｃにおいて、処理対象基板Ｗｐの基板情報および処理液情報を学習済モデルＬＭに入力する。詳細は後述するが、学習済モデルＬＭは、学習対象基板ＷＬの基板情報と、学習対象基板ＷＬに対して用いられた処理液の属性を示す処理液情報と、学習対象基板ＷＬに対して行われた昇華乾燥処理の処理条件を示す昇華乾燥処理条件情報と、学習対象基板ＷＬに対して行われた昇華乾燥処理の結果を示す処理結果情報とを含む学習用データから構築される。学習済モデルＬＭは、処理対象基板Ｗｐの基板情報および処理液情報に対応して昇華乾燥処理条件情報Ｒｐを出力する。
ステップＳ４ｄにおいて、学習済モデルＬＭから昇華乾燥処理条件情報を取得する。昇華乾燥処理条件情報取得部２２ｂは、学習済モデルＬＭから、基板情報および処理液情報に対応する昇華乾燥処理条件情報を取得する。
ステップＳ４ｅにおいて、昇華乾燥処理条件情報に従って、基板保持部１２０および薬液供給部１３０が処理対象基板Ｗｐに対して昇華乾燥処理を実行する。図３に示した基板処理装置１００では、処理液供給部１６０は、昇華乾燥処理条件情報に従って処理対象基板Ｗｐに処理液を供給する（図５（ａ）のステップＳ４１）。その後、処理液から凝固体を形成し（図５（ａ）のステップＳ４２）、凝固体を昇華させる（図５（ａ）のステップＳ４３）。さらに、昇華乾燥処理を実行する際に、遮蔽部材１７０を制御してもよい。以上のようにして、処理対象基板Ｗｐを昇華乾燥処理できる。
本実施形態によれば、機械学習によって構築された学習済モデルＬＭから、処理対象基板Ｗｐの基板情報および処理液情報に対応する昇華乾燥処理条件情報を取得し、昇華乾燥処理条件情報に示された昇華乾燥処理条件にしたがって昇華乾燥処理を実行する。本実施形態によれば、処理対象基板Ｗｐの溝および構造体のパターンに応じて昇華乾燥処理を適切に実行できる。
なお、図５（ｂ）を参照した上述の説明では、ステップＳ４ａにおいて基板情報を取得するとともにステップＳ４ｂにおいて処理液情報を取得して、基板情報および処理液情報を入力情報として学習済モデルＬＭに入力したが、本実施形態はこれに限定されない。基板情報および処理液情報のいずれか一方のみが入力情報として学習済モデルＬＭに入力されてもよい。この場合でも、学習済モデルＬＭから入力情報に対応した昇華乾燥処理条件情報が取得され、昇華乾燥処理条件に従って昇華乾燥処理を実行できる。
次に、図６および図７を参照して本実施形態の基板処理方法を説明する。図６（ａ）～図６（ｅ）および図７（ａ）～図７（ｃ）は、本実施形態の基板処理方法における処理対象基板Ｗｐに対する処理を示す模式図である。
図６（ａ）に示すように、基板保持部１２０に処理対象基板Ｗｐが装着される。図６（ａ）は、図５（ａ）のステップＳＡに対応する。
図６（ｂ）に示すように、処理対象基板Ｗｐの回転を開始する。基板保持部１２０は、装着された処理対象基板Ｗｐとともに回転を開始する。図６（ｂ）は、図５（ａ）のステップＳＲａに対応する。
図６（ｃ）に示すように、処理対象基板Ｗｐに薬液が供給される。薬液供給部１３０は、処理対象基板Ｗｐに薬液を供給する。図６（ｃ）は、図５（ａ）のステップＳ１０に対応する。
なお、図６（ｃ）には、処理対象基板Ｗｐのある領域の溝Ｗｇおよび構造体Ｗｓのパターンを拡大して示している。処理対象基板Ｗｐには、溝Ｗｇおよび構造体Ｗｓが形成されている。ここでは、溝Ｗｇが等間隔に形成されており、これにより、構造体Ｗｓが形成される。典型的には、処理対象基板Ｗｐの溝は、基板処理装置１００とは別のドライエッチング装置において形成される。
溝Ｗｇの深さはＷｄであり、溝Ｗｇの幅はＷｗである。例えば、溝Ｗｇの深さＷｄは、５０ｎｍ以上１０００ｎｍ以下であり、１０ｎｍ以上８００ｎｍ以下であってもよい。溝Ｗｇの幅Ｗｗは、５ｎｍ以上１００ｎｍ以下であり、１０ｎｍ以上８０ｎｍ以下であってもよい。
処理対象基板Ｗｐの上面Ｗａには薬液が供給されている。このため、微視的にみると、処理対象基板Ｗｐの表面および溝Ｗｇは薬液に浸漬している。なお、溝Ｗｇおよび構造体Ｗｓのパターンは、処理対象基板Ｗｐの上面Ｗａ全体に形成されていてもよく、または、処理対象基板Ｗｐの上面Ｗａの一部の領域に形成されてもよい。
図６（ｄ）に示すように、処理対象基板Ｗｐにリンス液が供給される。リンス液供給部１４０は、処理対象基板Ｗｐにリンス液を供給する。図６（ｄ）は、図５（ａ）のステップＳ２０に対応する。
図６（ｅ）に示すように、処理対象基板Ｗｐに置換液が供給される。置換液供給部１５０は、処理対象基板Ｗｐに置換液を供給する。図６（ｅ）は、図５（ａ）のステップＳ３０に対応する。
図７（ａ）に示すように、処理対象基板Ｗｐに処理液が供給される。処理液供給部１６０は、処理対象基板Ｗｐに処理液を供給する。図７（ａ）は、図５（ａ）のステップＳ４１に対応する。図７（ａ）に示すように、処理対象基板Ｗｐの表面および溝は処理液に浸漬している。
なお、処理対象基板Ｗｐに溝Ｗｇおよび構造体Ｗｓのパターンが部分的に形成される場合、処理液供給部１６０は、処理対象基板Ｗｐのうちの溝Ｗｇおよび構造体Ｗｓのパターンが部分的に形成された領域に向けて処理液を最初に吐出し、その後、処理液の吐出先が処理対象基板Ｗｐの中心に向かうようにノズル１６２を走査してもよい。このように処理液の吐出パターンを制御することにより、より少ない量の処理液で処理対象基板Ｗｐを効率的に処理できる。
図７（ｂ）に示すように、処理対象基板Ｗｐにおいて、処理液から溶媒が蒸発して凝固体Ｃｏが形成される。図７（ｂ）は、図５（ａ）のステップＳ４２に対応する。ここでは、遮蔽部材１７０の不活性ガス供給部１７８から、処理対象基板Ｗｐに不活性ガスが供給される。これにより、気液平衡を維持するように処理液からの溶媒の蒸発が促進され、凝固体Ｃｏが短期間に形成される。
図７（ｂ）において、凝固体Ｃｏの厚さをＣｔと示す。ここでは、凝固体Ｃｏの厚さＣｔは、溝Ｗｇの深さＷｄよりも小さい。ただし、凝固体Ｃｏの厚さＣｔは溝Ｗｇの深さよりも大きくてもよい。この場合、凝固体Ｃｏは、溝Ｗｇ内だけでなく溝Ｗｇの上方で互いに連絡する。
図７（ｃ）に示すように、処理対象基板Ｗｐにおいて、凝固体Ｃｏが昇華する。図７（ｃ）は、図５（ａ）のステップＳ４３に対応する。ここでは、遮蔽部材１７０の不活性ガス供給部１７８から、処理対象基板Ｗｐに不活性ガスが供給される。これにより、気液平衡を維持するように凝固体Ｃｏからの昇華が促進され、凝固体Ｃｏが短期間に昇華する。
図６および図７を参照したように、本実施形態の基板処理方法によれば、処理対象基板Ｗｐに対して、薬液処理、リンス処理、置換処理、昇華乾燥処理を実行できる。これにより、処理対象基板Ｗｐに対して薬液で処理するとともに、薬液の乾燥に伴う構造体のパターンの倒壊を抑制できる。
なお、図７（ｂ）に示したように、処理液から溶媒を蒸発させると、処理対象基板Ｗｐの溝Ｗｇに充填された凝固体Ｃｏが形成される。溝Ｗｇの深さＷｄに対する凝固体Ｃｏ厚さＣｔの比率に応じて、構造体Ｗｓの倒壊のしやすさは大きく変動する。例えば、溝Ｗｇの深さＷｄに対する凝固体Ｃｏの厚さＣｔの比率が小さいほど、構造体Ｗｓは倒壊しやすい。一方、溝Ｗｇの深さＷｄに対する凝固体Ｃｏの厚さＣｔの比率が大きいほど、構造体Ｗｓは倒壊しにくい。このため、凝固体Ｃｏの厚さＣｔは、構造体Ｗｓが倒壊するか否かの重要な指標となる。
上述の説明において参照した図６は、処理対象基板Ｗｐの搬入から薬液処理、リンス処理、置換処理までの工程に対応し、図７は、処理対象基板Ｗｐの昇華乾燥処理に対応する。処理対象基板Ｗｐの昇華乾燥処理条件は、搬入される処理対象基板Ｗｐに応じて決定されてもよい。例えば、処理対象基板Ｗｐとして溝および構造体のパターンの形成された基板が搬入される場合、昇華乾燥処理条件は、処理対象基板Ｗｐを搬入した段階で決定されてもよい。
あるいは、昇華乾燥処理条件は、基板処理装置１００における昇華乾燥処理までの処理工程に応じて決定されてもよい。例えば、基板処理装置１００の処理によって処理対象基板Ｗｐの溝の属性が変化する場合、昇華乾燥処理条件は、基板処理装置１００における昇華乾燥処理の開始までの形成条件に応じて決定されてもよい。
図１を参照して上述したように、学習済モデルＬＭは、学習用データＬＤから生成され、学習用データＬＤは、基板処理装置１００Ｌの時系列データＴＤＬから生成される。
次に、図１～図８を参照して、学習用データＬＤの生成を説明する。図８は、基板処理装置１００Ｌを備えた基板処理システム１０Ｌおよび学習用データ生成装置３００のブロック図である。ここでは、学習用データ生成装置３００は、基板処理装置１００Ｌと通信可能に接続される。図８の基板処理装置１００Ｌを備えた基板処理システム１０Ｌは、制御部２２Ｌが入力情報取得部２２ａおよび昇華乾燥処理条件情報取得部２２ｂを有しておらず、記憶部２４Ｌが学習済モデルＬＭを記憶せずにテストレシピＴＲを記憶する点を除いて、図４に示した基板処理システム１０のブロック図と同様であり、冗長を避けるために重複する記載を省略する。
基板処理システム１０Ｌは、複数の基板処理装置１００Ｌと、インデクサーロボットＩＲＬと、センターロボットＣＲＬと、制御装置２０Ｌと、表示部４２Ｌと、入力部４４Ｌと、通信部４６Ｌと、センサー５０Ｌを備える。基板処理装置１００Ｌ、インデクサーロボットＩＲＬ、センターロボットＣＲＬ、制御装置２０Ｌ、表示部４２Ｌ、入力部４４Ｌおよび通信部４６Ｌは、図４に示した基板処理システム１０の基板処理装置１００、インデクサーロボットＩＲ、センターロボットＣＲ、制御装置２０、表示部４２、入力部４４および通信部４６と同様の構成を有する。
また、基板処理装置１００Ｌは、基板保持部１２０Ｌと、薬液供給部１３０Ｌと、リンス液供給部１４０Ｌと、置換液供給部１５０Ｌ、処理液供給部１６０Ｌ、遮蔽部材１７０Ｌ、ＦＦＵ１８０Ｌおよびカップ１９０Ｌとを備える。チャンバー１１０Ｌ、基板保持部１２０Ｌ、薬液供給部１３０Ｌ、リンス液供給部１４０Ｌ、置換液供給部１５０Ｌ、処理液供給部１６０Ｌ、遮蔽部材１７０Ｌ、ＦＦＵ１８０Ｌおよびカップ１９０Ｌは、図３および図４に示した基板保持部１２０、薬液供給部１３０、リンス液供給部１４０、置換液供給部１５０、処理液供給部１６０、遮蔽部材１７０、ＦＦＵ１８０およびカップ１９０と同様の構成を有することが好ましい。
制御装置２０Ｌは、制御部２２Ｌと、記憶部２４Ｌとを有する。記憶部２４Ｌは、制御プログラムＰＧＬを記憶する。基板処理装置１００Ｌは、制御プログラムＰＧＬに定められた手順に従って動作する。
また、記憶部２４Ｌは、複数のテストレシピＴＲを記憶する。複数のテストレシピＴＲは、昇華乾燥処理条件の異なるレシピを含む。このため、制御部２２Ｌが、テストレシピＴＲに従って学習対象基板ＷＬを処理する場合、異なる学習対象基板ＷＬに対して異なる昇華乾燥処理が行われる。
記憶部２４Ｌは、学習対象基板ＷＬの時系列データＴＤＬを記憶する。時系列データＴＤＬは、基板処理装置１００Ｌにおける物理量の時間変化を示すデータである。時系列データＴＤＬは、センサー５０Ｌによって検知された複数の物理量を示す。時系列データＴＤＬは、学習対象基板ＷＬを基板処理装置１００Ｌで処理する前の製造プロセスを示すデータを含んでもよい。なお、時系列データＴＤＬは、学習対象基板ＷＬの基板属性情報またはパターン形成条件情報を含む基板情報、処理液情報、学習対象基板ＷＬに対して行われた昇華乾燥処理条件を示す昇華乾燥処理条件情報および学習対象基板ＷＬに対して行われた昇華乾燥処理の結果を示す処理結果情報を含む。
学習用データ生成装置３００は、基板処理装置１００Ｌと通信可能に接続される。学習用データ生成装置３００は、基板処理装置１００Ｌの時系列データＴＤＬの少なくとも一部を通信する。
学習用データ生成装置３００は、制御装置３２０と、表示部３４２と、入力部３４４と、通信部３４６とを備える。学習用データ生成装置３００は、通信部３４６を介して複数の基板処理装置１００Ｌの通信部４６Ｌと通信可能である。表示部３４２、入力部３４４および通信部３４６は、表示部４２、入力部４４および通信部４６と同様の構成を有している。
制御装置３２０は、制御部３２２と、記憶部３２４とを含む。記憶部３２４は、制御プログラムＰＧ３を記憶する。学習用データ生成装置３００は、制御プログラムＰＧ３に定められた手順に従って動作する。
制御部３２２は、基板処理装置１００Ｌから、時系列データＴＤＬの少なくとも一部を受信し、受信した時系列データＴＤＬを記憶部３２４に記憶させる。記憶部３２４は、学習対象基板ＷＬの時系列データＴＤＬの少なくとも一部を記憶する。時系列データＴＤＬは、通信部４６Ｌおよび通信部３４６を介して基板処理装置１００Ｌから学習用データ生成装置３００に送信される。制御部３２２は、送信された時系列データＴＤＬの少なくとも一部を記憶部３２４に記憶させる。記憶部３２４に記憶された時系列データＴＤＬは、時系列データＴＤＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報を含む。
制御部３２２は、記憶部３２４の時系列データＴＤＬから、学習対象基板ＷＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報を取得する。さらに、制御部３２２は、学習対象基板ＷＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報をまとめて学習用データＬＤを生成し、記憶部３２４は、学習用データＬＤを記憶する。
次に、図８および図９を参照して、本実施形態の学習用データの生成方法を説明する。図９は、本実施形態の学習用データの生成方法のフロー図である。学習用データの生成は、学習用データ生成装置３００において行われる。
図９に示すように、ステップＳ１１１において、学習対象基板ＷＬの時系列データＴＤＬを取得する。典型的には、学習用データ生成装置３００は、基板処理装置１００Ｌから学習対象基板ＷＬの時系列データＴＤＬの少なくとも一部を受信する。記憶部３２４は、受信した時系列データＴＤＬを記憶する。
ステップＳ１１２において、記憶部３２４に記憶された学習対象基板ＷＬの時系列データＴＤＬから基板情報を抽出する。基板情報は、基板属性情報およびパターン形成条件情報のうちの少なくとも一方の情報を含む。制御部３２２は、記憶部３２４の時系列データＴＤＬから学習対象基板ＷＬの基板情報を取得する。
例えば、基板属性情報は、溝の深さを示す。あるいは、基板属性情報は、溝の幅、または、溝のアスペクト比（深さ／幅）を示してもよい。また、基板属性情報は、溝および構造体の配置パターン、溝の集約率、溝または構造体の密度、溝の開口率をさらに示してもよい。さらには、基板属性情報は、学習対象基板ＷＬの所定の深さ、幅および開口率を有する溝を考慮した表面積を示してもよい。
さらには、基板属性情報は、構造体の組成または水に対する親和性を示す情報であってもよい。例えば、構造体の組成を示す情報は、構造体の組成が酸化シリコンまたは窒化シリコンであることを示す。また、構造体の水に対する親和性を示す情報は、構造体が親水性または疎水性であることを示す。
ステップＳ１１３において、記憶部３２４に記憶された学習対象基板ＷＬの時系列データＴＤＬから処理液情報を抽出する。処理液情報は、処理液の属性を示す処理液属性情報を含む。制御部３２２は、記憶部３２４の時系列データＴＤＬから処理液情報を取得する。
ステップＳ１１４において、記憶部３２４に記憶された学習対象基板ＷＬの時系列データＴＤＬから学習対象基板ＷＬの昇華乾燥処理条件情報を抽出する。制御部３２２は、記憶部３２４の時系列データＴＤＬから学習対象基板ＷＬの昇華乾燥処理条件情報を取得する。
ステップＳ１１５において、記憶部３２４に記憶された学習対象基板ＷＬの時系列データＴＤＬから学習対象基板ＷＬの処理結果情報を抽出する。制御部３２２は、記憶部３２４の時系列データＴＤＬから学習対象基板ＷＬの処理結果情報を取得する。
ステップＳ１１６において、学習対象基板ＷＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報を関連付けて学習用データＬＤとして生成し、記憶部３２４は、複数の学習対象基板ＷＬごとに学習用データＬＤを記憶する。
本実施形態において、生成された学習用データは、学習対象基板ＷＬごとに互い関連付けられた基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報を含む。このような学習用データは、学習処理に好適に用いられる。
なお、図８および図９を参照した説明では、学習対象基板ＷＬの学習用データＬＤは、基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報を関連付けて生成されたが、本実施形態はこれに限定されない。学習用データＬＤは、基板情報および処理液情報のうちの少なくとも一方の情報と、昇華乾燥処理条件情報と、処理結果情報とを関連付けて生成されてもよい。
例えば、学習用データＬが、基板情報と、昇華乾燥処理条件情報と、処理結果情報とを関連付けて生成される場合、複数の学習対象基板ＷＬは、同一の属性を有する処理液を用いて昇華乾燥処理される。また、学習用データＬが、処理液情報と、昇華乾燥処理条件情報と、処理結果情報とを関連付けて生成される場合、複数の学習対象基板ＷＬは、同一の基板情報を有する。
図８では、学習用データ生成装置３００は、１つの基板処理装置１００Ｌと通信可能に接続されたが、本実施形態はこれに限定されない。学習用データ生成装置３００は、複数の基板処理装置１００Ｌと通信可能に接続されてもよい。
また、図８および図９を参照した説明では、基板処理装置１００Ｌで生成された時系列データＴＤＬが通信部４６Ｌおよび通信部３４６を介して学習用データ生成装置３００に送信されたが、本実施形態はこれに限定されない。学習用データ生成装置３００の制御装置３２０は、基板処理装置１００Ｌを備える基板処理システム１０Ｌの制御装置２０Ｌに組み込まれており、時系列データＴＤＬがネットワークを転送されることなく、基板処理システム１０Ｌ内にて時系列データＴＤＬから学習用データＬＤが生成されてもよい。
次に、図１０を参照して、本実施形態の学習済モデルＬＭの生成を説明する。図１０は、本実施形態の学習用データ生成装置３００および学習装置４００の模式図である。学習用データ生成装置３００および学習装置４００は互いに通信可能である。
学習装置４００は、学習用データ生成装置３００と通信可能に接続される。学習装置４００は、学習用データ生成装置３００から学習用データＬＤを受信する。学習装置４００は、学習用データＬＤに基づいて機械学習を行い、学習済モデルＬＭを生成する。
学習装置４００は、制御装置４２０と、表示部４４２と、入力部４４４と、通信部４４６とを備える。表示部４４２、入力部４４４および通信部４４６は、図４に示した基板処理システム１０の表示部４２、入力部４４および通信部４６と同様の構成を有している。
制御装置４２０は、制御部４２２および記憶部４２４を含む。記憶部４２４は、制御プログラムＰＧ４を記憶する。学習装置４００は、制御プログラムＰＧ４に定められた手順に従って動作する。
記憶部４２４は、学習用データＬＤを記憶する。学習用データＬＤは、通信部３４６および通信部４４６を介して学習用データ生成装置３００から学習装置４００に送信される。制御部４２２は、送信された学習用データＬＤを記憶部４２４に記憶させる。記憶部４２４に記憶された学習用データＬＤでは、時系列データＴＤＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報が互い関連づけられている。
記憶部４２４は、学習プログラムＬＰＧを記憶する。学習プログラムＬＰＧは、複数の学習用データＬＤの中から一定の規則を見出し、見出した規則を表現する学習済モデルＬＭを生成するための機械学習アルゴリズムを実行するためのプログラムである。制御部４２２は、記憶部４２４の学習プログラムＬＰＧを実行することにより、学習用データＬＤを機械学習することで推論プログラムのパラメータを調整して学習済モデルＬＭを生成する。
機械学習アルゴリズムは、教師あり学習であれば、特に限定されず、例えば、決定木、最近傍法、単純ベイズ分類器、サポートベクターマシン、または、ニューラルネットワークである。従って、学習済モデルＬＭは、決定木、最近傍法、単純ベイズ分類器、サポートベクターマシン、または、ニューラルネットワークを含む。学習済モデルＬＭを生成する機械学習において、誤差逆伝搬法を利用してもよい。
例えば、ニューラルネットワークは、入力層、単数又は複数の中間層、及び、出力層を含む。具体的には、ニューラルネットワークは、ディープニューラルネットワーク（ＤＮＮ：Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、再帰型ニューラルネットワーク（ＲＮＮ：Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、又は、畳み込みニューラルネットワーク（ＣＮＮ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）であり、ディープラーニングを行う。例えば、ディープニューラルネットワークは、入力層、複数の中間層、及び、出力層を含む。
制御部４２２は、取得部４２２ａと、学習部４２２ｂとを含む。取得部４２２ａは、記憶部４２４から学習用データＬＤを取得する。学習部４２２ｂは、記憶部４２４の学習プログラムＬＰＧを実行することにより、学習用データＬＤを機械学習し、学習用データＬＤから学習済モデルＬＭを生成する。
学習部４２２ｂは、学習プログラムＬＰＧに基づいて複数の学習用データＬＤを機械学習する。その結果、複数の学習用データＬＤの中から一定の規則が見出されて、学習済モデルＬＭが生成される。つまり、学習済モデルＬＭは、学習用データＬＤを機械学習することで構築される。記憶部４２４は、学習済モデルＬＭを記憶する。
その後、典型的には、学習済モデルＬＭは、図４に示した基板処理システム１０に転送され、記憶部２４が学習済モデルＬＭを記憶する。この場合、図４を参照して上述したように、基板処理システム１０における制御装置２０の記憶部２４が学習済モデルＬＭを記憶しており、昇華乾燥処理条件情報取得部２２ｂは、記憶部２４の学習済モデルＬＭから昇華乾燥処理条件情報を取得する。
ただし、本施形態はこれに限定されない。記憶部２４は、学習済モデルＬＭを記憶しておらず、昇華乾燥処理条件情報取得部２２ｂは、基板処理システム１０の外部から昇華乾燥処理条件情報を取得してもよい。例えば、昇華乾燥処理条件情報取得部２２ｂは、通信部４６および通信部４４６を介して学習装置４００の学習済モデルＬＭに処理対象基板Ｗｐの基板情報および処理液情報のうちの少なくとも一方の情報を送信し、通信部４４６および通信部４６を介して学習装置４００から学習済モデルＬＭにおいて出力された昇華乾燥処理条件情報を受信してもよい。
次に、図１～図１１を参照して、本実施形態の学習装置４００における学習方法を説明する。図１１は、本実施形態の学習方法のフロー図である。学習用データＬＤの学習および学習済モデルＬＭの生成は、学習装置４００において行われる。
図１１に示すように、ステップＳ１２２において、学習装置４００の取得部４２２ａは、記憶部４２４から複数の学習用データＬＤを取得する。学習用データＬＤでは、学習対象基板ＷＬの基板情報、処理液情報および昇華乾燥処理条件情報および処理結果情報が互い関連づけられている。
次に、ステップＳ１２４において、学習部４２２ｂは、学習プログラムＬＰＧに基づいて複数の学習用データＬＤを機械学習する。
次に、ステップＳ１２６において、学習部４２２ｂは、学習用データＬＤの機械学習が終了するか否かを判定する。機械学習を終了するか否かは、予め定められた条件にしたがって決定される。例えば、機械学習は、所定数以上の学習用データＬＤを機械学習すると終了する。
機械学習が終了しない場合（ステップＳ１２６においてＮｏ）、処理は、ステップＳ１２２に戻る。その場合、機械学習が繰り返される。一方、機械学習が終了する場合（ステップＳ１２６においてＹｅｓ）、処理は、ステップＳ１２８に進む。
ステップＳ１２８において、学習部４２２ｂは、最新の複数のパラメータ（係数）つまり、複数の学習済パラメータ（係数）を適用したモデル（１以上の関数）を、学習済モデルＬＭとして出力する。記憶部４２４は学習済モデルＬＭを記憶する。
以上のようにして、学習方法は終了し、学習済モデルＬＭが生成される。本実施形態によれば、学習用データＬＤを機械学習することで、学習済モデルＬＭを生成できる。
なお、図１０では、学習装置４００は、１つの学習用データ生成装置３００と通信可能に接続されたが、本実施形態はこれに限定されない。学習装置４００は、複数の学習用データ生成装置３００と通信可能に接続されてもよい。
また、図１０および図１１を参照した説明では、学習用データ生成装置３００で生成された学習用データＬＤが通信部３４６および通信部４４６を介して学習装置４００に送信されたが、本実施形態はこれに限定されない。学習装置４００の制御装置４２０は、学習用データ生成装置３００の制御装置３２０に組み込まれており、学習用データＬＤがネットワークを転送されることなく、学習用データ生成装置３００内にて学習用データＬＤから学習済モデルＬＭが生成されてもよい。
さらに、図８～図１１を参照した説明では、基板処理装置１００Ｌで生成された時系列データＴＤＬが通信部４６Ｌおよび通信部３４６を介して学習用データ生成装置３００に送信され、学習用データ生成装置３００で生成された学習用データＬＤが通信部３４６および通信部４４６を介して学習装置４００に送信されたが、本実施形態はこれに限定されない。学習用データ生成装置３００の制御装置３２０および学習装置４００の制御装置４２０は、基板処理システム１０Ｌの制御装置２０Ｌに組み込まれており、時系列データＴＤＬおよび学習用データＬＤがネットワークを転送されることなく、基板処理システム１０Ｌ内にて時系列データＴＤＬから学習用データＬＤを介して学習済モデルＬＭが生成されてもよい。
なお、図８～図１１を参照した上述の説明では、学習対象基板ＷＬの基板情報を取得するとともに学習対象基板ＷＬの昇華乾燥処理に用いる処理液の属性を示す処理液情報を取得して、基板情報および処理液情報を学習用データに含めたが、本実施形態はこれに限定されない。基板情報および処理液情報のいずれか一方のみの情報を学習用データに含めてもよい。この場合でも、基板情報および処理液情報のいずれか一方のみの情報と、昇華乾燥処理条件情報と、処理結果情報とを関連付けて記憶した学習用データを学習することにより、学習済モデルＬＭを生成できる。
次に、図１２を参照して学習用データＬＤの一例を説明する。図１２は、学習用データＬＤの一例を示す図である。図１２において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。
図１２の学習用データＬＤ１～ＬＤ１０００は、学習対象基板ＷＬの基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。例えば、基板情報は、学習対象基板ＷＬの基板属性情報およびパターン形成条件情報のうちの少なくとも一方を含む。一例では、基板情報は、学習対象基板ＷＬの溝の深さ、幅またはアスペクト比を示す。なお、学習対象基板ＷＬの溝の深さ、幅またはアスペクト比は、学習対象基板ＷＬの溝を測定することによって取得できる。
処理液情報は、学習対象基板ＷＬの昇華乾燥処理に用いられた処理液の属性を示す。例えば、処理液情報は、処理液の濃度または温度を示す。
昇華乾燥処理条件情報は、学習対象基板ＷＬに対して行われた昇華乾燥処理の条件を示す。昇華乾燥処理条件は、例えば、処理液の供給量、処理液の吐出パターンおよび昇華乾燥処理における学習対象基板ＷＬの回転速度を含む。
処理結果情報は、学習対象基板ＷＬに対して行われた昇華乾燥処理の処理結果を示す。処理結果は、学習対象基板ＷＬにおいて構造体の倒壊が発見されたか否かによって判定されてもよい。例えば、昇華乾燥処理された学習対象基板には、構造体の倒壊が見られず、良好である場合は、〇と示す。一方、構造体の倒壊が発見され、学習対象基板の結果が良好ではない場合、×と示す。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌａ１は、学習対象基板ＷＬ１の基板情報を示し、Ｌｂ１は、学習対象基板ＷＬ１に用いた処理液についての処理液情報を示し、Ｌｓ１は、学習対象基板ＷＬ１に対して行った昇華乾燥処理条件を示す。また、学習用データＬＤ１において、昇華乾燥処理された学習対象基板には、構造体の倒壊が見られず、良好であったので、処理結果は、〇と示す。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。学習対象基板ＷＬ２～ＷＬ１０００に対して行われた昇華乾燥処理条件は、等しくてもよく、異なってもよい。仮に、昇華乾燥処理条件が等しくても、処理結果は、学習対象基板ＷＬの基板情報および処理液情報に応じて大きく変動する。反対に、学習対象基板ＷＬの基板情報および処理液情報が等しくても、処理結果は、学習対象基板ＷＬの昇華乾燥処理条件に応じて大きく変動する。
なお、図１２に示した学習用データＬＤでは、データの数は１０００個であったが、本実施形態はこれに限定されない。データの数は、１０００個より小さくてもよく、１０００個よりも大きくてもよい。ただし、データの数は、できるだけ多いことが好ましい。
また、図１２に示した学習用データＬＤは、基板情報および処理液情報の両方を含んだが、本実施形態はこれに限定されない。学習用データＬＤは、基板情報および処理液情報のいずれか一方のみを含んでもよい。
学習用データＬＤにおいて、基板情報は、複数の項目を含むことが好ましい。例えば、基板情報は、溝の深さ、溝の幅、溝のアスペクト比、構造体の組成（特に、構造体表面の組成）、および、溝・構造体のパターン配置を示す情報を含んでもよい。
次に、図１３を参照して学習用データＬＤの一例を説明する。図１３は、学習用データＬＤの一例を示す図である。図１３の学習用データＬＤは、学習対象基板ＷＬの基板情報が、溝の深さ、溝の幅、溝のアスペクト比、構造体の組成および溝・構造体のパターン配置を示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図１３において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。ここでは、基板情報は、溝深さ情報、溝幅情報、溝アスペクト比情報、構造体組成情報およびパターン配置情報を含む。溝深さ情報は、学習対象基板ＷＬの溝の深さを示す。溝幅情報は、学習対象基板ＷＬの溝の幅を示す。溝アスペクト比情報は、学習対象基板ＷＬの溝のアスペクト比（深さ／幅）を示す。なお、溝の深さ、幅およびアスペクト比は、基板処理装置１００Ｌに学習対象基板ＷＬが搬送される前に測定されてもよい。あるいは、溝の深さ、幅およびアスペクト比は、基板処理装置１００Ｌが学習対象基板ＷＬに対して昇華乾燥処理をする前に測定されてもよい。
構造体組成情報は、学習対象基板ＷＬの構造体の表面部分の組成を示す。パターン配置情報は、学習対象基板ＷＬにおける溝および構造体の形成された配置パターンを示す。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌａｄ１は、学習対象基板ＷＬ１の溝の深さを示し、Ｌａｗ１は、学習対象基板ＷＬ１の溝の幅を示し、Ｌａａ１は、学習対象基板ＷＬ１の溝のアスペクト比を示す。また、Ｌａｍ１は、学習対象基板ＷＬ１の構造体の組成を示し、Ｌａｐ１は、学習対象基板ＷＬ１の構造体および溝のパターン配置を示す。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。処理結果は、学習対象基板ＷＬの基板情報に応じて大きく変動する。このため、仮に、処理液および昇華乾燥処理が等しくても、処理結果は、学習対象基板ＷＬの基板情報に応じて大きく変動する。
学習用データＬＤは、学習対象基板ＷＬの昇華乾燥処理の処理結果の変動に大きく寄与する項目を有することが好ましい。特に、処理結果は、学習対象基板ＷＬの溝の深さ、幅およびアスペクト比に応じて大きく変動するため、学習用データＬＤにおいて、基板情報は、学習対象基板ＷＬの溝の深さ、幅およびアスペクト比を示す情報を含むことが好ましい。
なお、図１３に示した学習用データＬＤにおいて、基板情報は、学習対象基板ＷＬに形成された溝および構造体の少なくとも一方の属性を示す基板属性情報のいずれかであったが、本実施形態はこれに限定されない。基板情報は、学習対象基板ＷＬの溝および構造体を形成する形成条件を示すパターン形成条件情報を含んでもよい。
例えば、基板Ｗの溝および構造体のパターンがドライエッチングで形成される場合、基板情報は、ドライエッチング条件を示す情報であってもよい。あるいは、基板Ｗの溝および構造体の属性が基板処理装置１００における処理によって変化する場合、基板情報は、基板処理装置１００において行われる処理の条件を示す情報であってもよい。
次に、図１４を参照して本実施形態の基板処理方法を説明する。図１４（ａ）～図１４（ｅ）は、本実施形態の基板処理方法における処理対象基板Ｗｐに対する処理を示す模式図である。図１４（ａ）～図１４（ｅ）は、基板処理装置１００における薬液によって処理対象基板Ｗｐの溝の深さが変化する点を除いて、図６（ａ）～図６（ｅ）と同様の図を示しており、冗長を避けるために重複する記載を省略する。
図１４（ａ）に示すように、基板保持部１２０に処理対象基板Ｗｐが装着される。図１４（ａ）は、図５（ａ）のステップＳＡに対応する。
図１４（ｂ）に示すように、処理対象基板Ｗｐは回転を開始する。基板保持部１２０は、装着された処理対象基板Ｗｐとともに回転を開始する。図１４（ｂ）には、処理対象基板Ｗｐのある領域の溝Ｗｇおよび構造体Ｗｓのパターンを拡大して示している。ここでは、基板処理装置１００に搬入された処理対象基板Ｗｐにおいて、溝Ｗｇが等間隔に形成されており、これにより、構造体Ｗｓが形成される。ここでは、溝Ｗｇの深さはＷｄ０であり、溝Ｗｇの幅はＷｗである。
図１４（ｃ）に示すように、処理対象基板Ｗｐに薬液が供給される。薬液供給部１３０は、処理対象基板Ｗｐに薬液を供給する。薬液の供給により、処理対象基板Ｗｐに溝が形成される。
図１４（ｃ）には、図６（ｃ）と同様に、処理対象基板Ｗｐのある領域の溝Ｗｇおよび構造体Ｗｓのパターンを拡大して示している。薬液処理により、溝Ｗｇの深さはＷｄ０からＷｄに変化する。
図１４（ｄ）に示すように、処理対象基板Ｗｐにリンス液が供給される。リンス液供給部１４０は、処理対象基板Ｗｐにリンス液を供給する。図６（ｄ）は、図５（ａ）のステップＳ２０に対応する。
図１４（ｅ）に示すように、処理対象基板Ｗｐに置換液が供給される。置換液供給部１５０は、処理対象基板Ｗｐ置換液を供給する。図１４（ｅ）は、図５（ａ）のステップＳ３０に対応する。
その後の昇華乾燥処理は、図７を参照した上述の説明と同様であり、その説明を省略する。以上のように、処理対象基板Ｗｐの溝Ｗｇおよび構造体Ｗｓは、基板処理装置１００の処理によって変化してもよい。この場合、溝Ｗｇおよび構造体Ｗｓのパターンの属性は、基板処理装置１００におけるパターン形成条件に応じて変化する。このため、基板属性情報の代わりにパターン形成条件情報に基づいて、昇華乾燥処理条件情報を取得してもよい。
次に、図１５を参照して、基板情報がパターン形成条件を示す場合の学習用データＬＤの一例を説明する。図１５は、学習用データＬＤの一例を示す図である。図１５の学習用データＬＤにおいて、学習対象基板ＷＬの基板情報は、溝および構造体の属性に変化を与えたパターン形成条件を示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図１５において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。ここでは、基板情報は、学習対象基板ＷＬの溝および構造体の属性に変化を与えた薬液の濃度、温度および供給量を示す。基板情報は、薬液の濃度を示す薬液濃度情報と、薬液の温度を示す薬液温度情報と、薬液の供給量を示す薬液供給量情報とを含む。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌａｃ１は、学習対象基板ＷＬ１に用いた薬液の濃度を示し、Ｌａｔ１は、学習対象基板ＷＬ１に用いた薬液の温度を示し、Ｌａｖ１は、学習対象基板ＷＬ１に用いた薬液の供給量を示す。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。処理結果は、学習対象基板ＷＬの溝の属性を変化させる形成条件に応じて大きく変動する。学習用データＬＤは、学習対象基板ＷＬの昇華乾燥処理の処理結果の変動に大きく寄与する項目を有することが好ましい。
なお、図１４を参照した上述の説明では、処理液によって基板Ｗの溝Ｗｇの深さが変化したが、本実施形態はこれに限定されない。処理液によって基板Ｗの溝Ｗｇの形状が変化してもよい。
次に、図１６を参照して本実施形態の基板処理方法を説明する。図１６（ａ）～図１６（ｃ）は、本実施形態の基板処理方法における処理対象基板Ｗｐに対する処理を示す模式図である。図１６（ａ）～図１６（ｃ）は、基板処理装置１００における薬液によって処理対象基板Ｗｐの溝の深さが変化する点を除いて、図１４（ａ）～図１４（ｃ）と同様の図を示しており、冗長を避けるために重複する記載を省略する。
図１６（ａ）に示すように、基板保持部１２０に処理対象基板Ｗｐが装着される。図１６（ａ）は、図５（ａ）のステップＳＡに対応する。
図１６（ｂ）に示すように、処理対象基板Ｗｐは回転を開始する。基板保持部１２０は、装着された処理対象基板Ｗｐとともに回転を開始する。図１６（ｂ）には、処理対象基板Ｗｐのある領域の溝Ｗｇおよび構造体Ｗｓのパターンを拡大して示している。
ここでは、構造体Ｗｓは、絶縁層Ｗｉと、導電層Ｗｃとを含む。絶縁層Ｗｉは、酸化シリコンまたは窒化シリコンを含む。導電層Ｗｃは、ポリシリコンを含む。構造体Ｗｓにおいて、導電層Ｗｃは、絶縁層Ｗｉ内に分かれて配置される。
図１６（ｃ）に示すように、処理対象基板Ｗｐに薬液が供給される。薬液供給部１３０は、処理対象基板Ｗｐに薬液を供給する。薬液の供給により、処理対象基板Ｗｐに溝が形成される。
図１６（ｃ）には、図１４（ｃ）と同様に、処理対象基板Ｗｐのある領域の溝Ｗｇおよび構造体Ｗｓのパターンを拡大して示している。薬液処理により、導電層Ｗｃはエッチングされて除去される一方で、絶縁層Ｗｉはエッチングされない。
その後のリンス処理、置換液処理および昇華乾燥処理は、図７および図１４を参照した上述の説明と同様であり、その説明を省略する。以上のように、処理対象基板Ｗｐの溝Ｗｇおよび構造体Ｗｓは、基板処理装置１００の処理によって変化してもよい。このような基板処理装置１００は、３Ｄ ＮＡＮＤ構造の基板Ｗを製造するために好適に用いられる。
図１６を参照した説明では、薬液処理により、導電層Ｗｎが選択的にエッチングされて溝Ｗｇが横方向に広がる。このように、溝Ｗｇおよび構造体Ｗｓのパターンの属性は、基板処理装置１００におけるパターン形成条件に応じて変化する。このため、基板属性情報の代わりにパターン形成条件情報に基づいて、昇華乾燥処理条件情報を取得してもよい。
図１３および図１５を参照して、複数の項目を有する基板情報を含む学習用データＬＤについて説明したが、学習用データＬＤにおいて、処理液情報が、複数の項目を含んでもよい。
次に、図１７を参照して、処理液情報が複数の項目を含む学習用データＬＤの一例を説明する。図１７は、学習用データＬＤの一例を示す図である。図１７の学習用データＬＤは、学習対象基板ＷＬの昇華乾燥処理に用いられる処理液についての処理液情報が、処理液の濃度および温度を示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図１７において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。ここでは、処理液情報は、処理液濃度情報および処理液温度情報を含む。処理液濃度情報は処理液の濃度を示し、処理液温度情報は処理液の温度を示す。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌｂｃ１は、学習対象基板ＷＬ１の昇華乾燥処理に用いた処理液の濃度を示し、Ｌｂｔ１は、学習対象基板ＷＬ１の昇華乾燥処理に用いた処理液の温度を示す。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。仮に、基板情報および昇華乾燥処理が等しくても、処理結果は、学習対象基板ＷＬの処理液情報に応じて大きく変動する。特に、処理結果は、処理液濃度に応じて大きく変動するため、学習用データＬＤにおいて、処理液情報は、処理液の濃度を示す情報を含むことが好ましい。
上述の説明では、図１３、図１５および図１７を参照して、基板情報または処理液情報が複数の項目を有する学習用データＬＤについて説明したが、学習用データＬＤにおいて、昇華乾燥処理条件情報が複数の項目を含んでもよい。
次に、図１８を参照して、昇華乾燥処理条件情報が複数の項目を含む学習用データＬＤの一例を説明する。図１８は、学習用データＬＤの一例を示す図である。図１８の学習用データＬＤは、学習対象基板ＷＬに対して行われた昇華乾燥処理についての昇華乾燥処理条件情報が、処理液供給量、処理液吐出パターン、学習対象基板ＷＬの回転速度および不活性ガスの流量を示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図１８において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。ここでは、昇華乾燥処理条件情報は、処理液供給量情報、処理液吐出パターン情報、回転速度情報および不活性ガス流量情報を含む。処理液供給量情報は、処理液の供給量を示し、処理液吐出パターン情報は、処理液を吐出する際の処理液供給部１６０Ｌのノズルの位置の時間変化を示す。また、回転速度情報は、昇華乾燥処理における学習対象基板ＷＬの回転速度を示し、不活性ガス流量情報は、昇華乾燥処理において供給される不活性ガスの流量を示す。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌｓｖ１は、学習対象基板ＷＬ１の昇華乾燥処理に用いた処理液の供給量を示し、Ｌｓｉ１は、学習対象基板ＷＬ１に対する処理液供給部１６０Ｌのノズルの位置の時間変化を示す。また、Ｌｓｒ１は、昇華乾燥処理における学習対象基板ＷＬ１の回転速度を示し、Ｌｓｎ１は、昇華乾燥処理時の学習対象基板ＷＬ１に対して供給された不活性ガスの流量を示す。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。処理結果は、学習対象基板ＷＬの昇華乾燥処理に応じて大きく変動する。仮に、基板情報および処理液情報が等しくても、処理結果は、学習対象基板ＷＬの昇華乾燥処理に応じて大きく変動する。学習用データＬＤは、学習対象基板ＷＬの昇華乾燥処理の処理結果の変動に大きく寄与する項目を有することが好ましい。
次に、図１～図１９を参照して、本実施形態の基板処理装置１００における基板処理を説明する。図１９（ａ）は、処理対象基板Ｗｐの模式図を示し、図１９（ｂ）は、基板処理装置１００における処理液供給部１６０を示し、図１９（ｃ）は、学習済モデルＬＭから出力された昇華乾燥処理条件情報Ｒｐを示す。
図１９（ａ）に示すように、処理対象基板Ｗｐには、溝Ｗｇおよび構造体Ｗｓのパターンが形成されている。ここで、溝Ｗｇの深さはＷｄであり、溝Ｗｇの幅はＷｗであり、溝Ｗｇのアスペクト比はＷｄ／Ｗｗである。
なお、溝および構造体のパターンの形成された処理対象基板Ｗｐが基板処理装置１００に搬入されてもよい。この場合、溝Ｗｇおよび構造体Ｗｓの属性は、処理対象基板Ｗｐが基板処理装置１００に搬入される前に測定されてもよく、基板処理装置１００に搬入された後に測定されてもよい。なお、処理対象基板Ｗｐの溝および構造体の属性は、基板処理装置１００において変化してもよい。
図１９（ｂ）に示すように、処理液供給部１６０は、センサー１６０ｓをさらに含む。センサー１６０ｓは、配管１６４内を流れる処理液の属性を測定する。例えば、センサー１６０ｓは、処理液の濃度を測定する。なお、処理液供給部１６０の濃度は、処理液の生成条件に応じて予め設定されてもよい。
この場合、入力情報として溝深さ情報、溝幅情報および処理液濃度情報を学習済モデルＬＭに入力することにより、昇華乾燥処理条件情報Ｒｐを取得できる。
図１９（ｃ）は、昇華乾燥処理条件情報Ｒｐを示す図である。昇華乾燥処理条件情報Ｒｐは、処理対象基板Ｗｐに対する処理液の供給量、処理液の吐出パターン、昇華乾燥処理における処理対象基板Ｗｐの回転速度、および、不活性ガス流量を含む。
昇華乾燥処理条件情報Ｒｐにおいて、Ｒｓｖは、処理対象基板Ｗｐに対して用いられる処理液の供給量を示し、Ｒｓｉは、処理対象基板Ｗｐに対して用いられる処理液の吐出パターンを示す。また、Ｒｓｒは、昇華乾燥処理における処理対象基板Ｗｐの回転速度を示し、Ｒｓｎは、処理対象基板Ｗｐに対して昇華乾燥処理する際に供給される不活性ガスの流量を示す。
この場合、制御部２２は、昇華乾燥処理条件情報Ｒｐに示された昇華乾燥処理条件に従って処理対象基板Ｗｐを昇華乾燥処理するように基板保持部１２０、処理液供給部１６０および遮蔽部材１７０を制御する。これにより、構造体Ｗｓの倒壊を抑制しながら処理対象基板Ｗｐを適切に乾燥できる。
なお、図１８および図１９を参照した説明では、昇華乾燥処理条件は、処理液の供給量、処理液の吐出パターン、処理対象基板の回転速度および不活性ガス流量の４つの項目を有したが、本実施形態はこれに限定されない。昇華乾燥処理条件は、これらの４項目の１以上のいずれの項目を有してもよい。または、昇華乾燥処理条件は、これらの４項目の１以上のいずれかの項目と別の項目との組合せであってもよい。あるいは、昇華乾燥処理条件は、これらの４項目とは異なる１以上の項目を有してもよい。
なお、同一または同じ型の基板処理装置１００が、溝の属性（例えば、溝の深さ、幅、またはアスペクトト比）の異なる別用途の処理対象基板Ｗｐを処理することがある。典型的には、ロジック用途の処理対象基板Ｗｐにおいて必要となる溝のアスペクト比は、メモリ用途の処理対象基板Ｗｐにおいて必要となる溝のアスペクト比とは異なるが、同一または同じ型の基板処理装置１００が、ロジック用途の処理対象基板Ｗｐおよびメモリ用途の処理対象基板Ｗｐの製造に用いられることがある。
この場合、基板処理装置１００は、ロジック用途の処理対象基板Ｗｐに対してはロジック用途の処理対象基板Ｗｐの溝に適した昇華乾燥処理条件で昇華乾燥処理条件を実行でき、メモリ用途の処理対象基板Ｗｐに対してはメモリ用途の処理対象基板Ｗｐの溝に適した昇華乾燥処理条件で昇華乾燥処理条件を実行できる。さらに、基板処理装置１００は、処理対象基板Ｗｐの用途が等しくても、異なる工程に応じて、処理対象基板Ｗｐの溝に適した昇華乾燥処理条件で昇華乾燥処理条件を実行できる。
なお、図１２、図１３、図１５、図１７～図１８に示した学習用データＬＤでは、処理結果が良好であるときに〇と示し、処理結果が良好でないときに×と示しており、学習用データＬＤの処理結果を２値化していたが、本実施形態はこれに限定されない。処理結果は、３以上の複数の値に分類されてもよい。処理結果は、倒壊した構造体をカウントした数で示されてもよい。あるいは、処理結果は、基板上に形成すべき構造体の数に対する倒壊した構造体の数を示す倒壊率で示されてもよい。
例えば、処理結果は、最低値と最大値との間の任意の値に分類されてもよい。例えば、処理結果は、学習対象基板ＷＬの特性に加えて、処理液の使用量（供給量）また昇華乾燥処理に要する時間等を考慮して数値化されてもよい。
次に、図２０を参照して、処理条件を割合で示した学習用データＬＤの一例を説明する。図２０は、学習用データＬＤの一例を示す図である。図２０の学習用データＬＤは、処理結果が倒壊率を示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図２０において、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。ここでは、処理結果は、学習対象基板ＷＬ上に形成すべき構造体の数に対する倒壊した構造体の数の比率を示す倒壊率で表される。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、構造体の倒壊率は３２％である。構造体の倒壊率は、例えば、昇華乾燥処理された学習対象基板ＷＬ１を分析することによって取得できる。
学習用データＬＤ２～ＬＤ１０００は、学習対象基板ＷＬ２～ＷＬ１０００に対応して生成される。処理結果を数値化した学習用データＬＤから生成された学習済モデルＬＭに対して、処理対象基板Ｗｐの基板情報および処理液情報のうちの少なくとも一方の情報を入力することにより、処理対象基板Ｗｐに適した昇華乾燥処理条件をより高精度に取得できる。
なお、図１３～図２０を参照して、学習用データＬＤの基板情報、処理液情報、昇華乾燥処理条件、および、処理結果のそれぞれについて具体例を分けて説明したが、学習用データＬＤは、基板情報、処理液情報、昇華乾燥処理条件、および、処理結果のそれぞれについて任意の複数の項目を組み合わせて有することが好ましいことは言うまでもない。
なお、学習用データＬＤについて、いずれかの項目は、時間的に変化するプロファイルを有してもよい。例えば、処理液の濃度・温度は時間とともに調整されてもよい。
次に、図２１を参照して本実施形態の基板処理装置１００を説明する。図２１は、本実施形態の基板処理装置１００の模式図である。なお、図２１の基板処理装置１００は、処理液供給部１６０から供給される処理液の濃度・温度が調整可能である点を除いて、図３を参照して上述した基板処理装置１００と同様であり、冗長を避けるために重複する記載を省略する。
図２１に示した本実施形態の基板処理装置１００において、処理液供給部１６０は、基板Ｗに処理液を供給する。処理液は、例えば、シクロヘキサノンオキシム溶液である。シクロヘキサノンオキシム溶液は、シクロヘキサノンオキシムと溶媒との混合によって生成される。例えば、溶媒は、ＩＰＡである。処理液供給部１６０は、処理液の濃度を変更して基板Ｗに処理液を供給できる。
処理液供給部１６０は、ノズル１６２と、配管１６４と、バルブ１６６と、ノズル移動部１６８とに加えて、個別配管１６４ａ、１６４ｂ、バルブ１６６ａ、１６６ｂ、流量調整バルブ１６７ａ、１６７ｂ、循環配管１６９ｓ、１６９ｔ、タンク１６９ａ、１６９ｂ、ポンプ１６９ｐ、１６９ｑを含む。
タンク１６９ａは、処理液を貯留する。循環配管１６９ｓは、タンク１６９ａに接続される。循環配管１６９ｓの第１端部はタンク１６９ａの一部に連絡し、循環配管１６９ｓの第２端部はタンク１６９ａの別の部分と連絡する。ポンプ１６９ｐは、循環配管１６９ｓに配置される。ポンプ１６９ｐの駆動により、タンク１６９ａ内の処理液は、循環配管１６９ｓを通って循環する。
個別配管１６４ａは、循環配管１６９ｓと配管１６４とを接続する。個別配管１６４ａは、循環配管１６９ｓの一部分と、配管１６４の一端とを接続する。ポンプ１６９ｐにより、タンク１６９ａ内の処理液は、個別配管１６４ａに送られる。バルブ１６６ａおよび流量調整バルブ１６７ａは、個別配管１６４ａに配置される。バルブ１６６ａは、個別配管１６４ａ内の流路を開閉する。流量調整バルブ１６７ａは、個別配管１６４ａ内を通過する処理液の量を調整する。
タンク１６９ｂは、処理液を貯留する。循環配管１６９ｔは、タンク１６９ｂに接続される。循環配管１６９ｔの第１端部はタンク１６９ｂの一部に連絡し、循環配管１６９ｔの第２端部はタンク１６９ｂの別の部分と連絡する。ポンプ１６９ｑは、循環配管１６９ｔに配置される。ポンプ１６９ｑの駆動により、タンク１６９ｂ内の処理液は、循環配管１６９ｔを通って循環する。
個別配管１６４ａは、循環配管１６９ｔと配管１６４とを接続する。個別配管１６４ａは、循環配管１６９ｔの一部分と、配管１６４の一端とを接続する。ポンプ１６９ｑにより、タンク１６９ｂ内の処理液は、個別配管１６４ｂに送られる。バルブ１６６ｂおよび流量調整バルブ１６７ｂは、個別配管１６４ｂに配置される。バルブ１６６ｂは、個別配管１６４ｂ内の流路を開閉する。流量調整バルブ１６７ｂは、個別配管１６４ｂ内を通過する処理液の量を調整する。
タンク１６９ａ内の処理液の濃度（処理液に含まれる昇華性物質の濃度）は、タンク１６９ｂ内の処理液の濃度とは異なる。したがって、バルブ１６６ａおよびバルブ１６６ｂが開かれると、濃度が互いに異なる処理液が配管１６４内で混ざり合い、均一に混合された処理液がノズル１６２から吐出される。さらに、流量調整バルブ１６７ａおよび流量調整バルブ１６７ｂの少なくとも一方の開度を変更すると、ノズル１６２から吐出される処理液の濃度を変更できる。
制御装置２０は、指定された処理液の濃度に基づいて、バルブ１６６ａ、バルブ１６６ｂ、流量調整バルブ１６７ａ、および流量調整バルブ１６７ｂの開度を設定する。このため、流量調整バルブ１６７ａ、１６７ｂを調整することにより、個別配管１６４ａ、１６４ｂ内を流れる処理液の流量を変更できる。
次に、図２２を参照して、本実施形態の学習方法において用いられる学習用データＬＤを説明する。図２２は、学習用データＬＤの一例を示す図である。図２２の学習用データＬＤは、図２１に示した基板処理装置１００の学習済モデルＬＭを生成するために好適に用いられる。なお、図２２の学習用データＬＤは、学習用データの少なくとも１つの項目の値が物性値の時間変化を示すプロファイルを示す点を除いて、図１２を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図２２に示すように、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。処理液情報は、処理液濃度プロファイルおよび処理液温度プロファイルを含む。処理液濃度プロファイルは、学習対象基板ＷＬに用いられた処理液の濃度の時間変化を示す。処理液温度プロファイルは、学習対象基板ＷＬに用いられた処理液の温度の時間変化を示す。
学習用データＬＤ１において、Ｌｂｐ１は、学習対象基板ＷＬ１に供給された処理液の濃度プロファイルを示し、Ｌｂｑ１は、学習対象基板ＷＬ１に供給された処理液の温度プロファイルを示す。
学習用データＬＤ２～ＬＤ１０００についても同様である。学習対象基板ＷＬについて処理液の濃度変化および温度変化に応じて学習対象基板ＷＬの昇華乾燥処理の結果は大きく変動する。学習用データＬＤは、学習対象基板ＷＬの昇華乾燥処理の結果の変動に大きく寄与する項目を有することが好ましい。
なお、図１～図２２を参照した上述の説明では、学習済モデルＬＭに、入力情報として、基板情報および処理液情報のうちの少なくとも一方の情報が入力され、学習済モデルＬＭから、昇華乾燥処理条件情報が出力されたが、本実施形態はこれに限定されない。学習済モデルＬＭに、入力情報として、基板情報および処理液情報のうちの少なくとも一方の情報に加えて昇華乾燥処理条件情報の一部が入力され、学習済モデルＬＭから、他の昇華乾燥処理条件情報が出力されてもよい。
次に、図２３を参照して本実施形態の基板処理装置１００を備えた基板処理学習システム２００を説明する。図２３は、基板処理学習システム２００の模式図である。図２３の基板処理学習システム２００は、基板処理装置１００の時系列データＴＤからの基板情報および処理液情報のうちの少なくとも一方の情報に加えて昇華乾燥処理条件情報の一部が入力情報に含まれる点を除いて、図１の基板処理学習システム２００と同様の構成を有しており、冗長を避けるために重複する記載を省略する。
図２３に示すように、基板処理装置１００Ｌは、時系列データＴＤＬを出力する。時系列データＴＤＬは、基板処理装置１００Ｌにおける物理量の時間変化を示すデータである。
学習用データ生成装置３００は、時系列データＴＤＬまたは時系列データＴＤＬの少なくとも一部に基づいて学習用データＬＤを生成する。学習用データ生成装置３００は、学習用データＬＤを出力する。
学習装置４００は、学習用データＬＤを機械学習することによって、学習済モデルＬＭを生成する。学習装置４００は、学習済モデルＬＭを出力する。
基板処理装置１００は、時系列データＴＤを出力する。時系列データＴＤは、基板処理装置１００における物理量の時間変化を示すデータである。
時系列データＴＤから、処理対象基板Ｗｐについての入力情報Ｃｐが生成される。処理対象基板Ｗｐの入力情報Ｃｐは、処理対象基板Ｗｐの基板情報および処理液情報のうちの少なくとも一方の情報と、昇華乾燥処理条件の一部となる一部昇華乾燥処理条件を示す情報（一部昇華乾燥処理条件情報）を含む。
処理対象基板Ｗｐの基板情報は、処理対象基板Ｗｐの溝および構造体の属性または形成条件を示す。処理液情報は、処理対象基板Ｗｐに対して行われる昇華乾燥処理に用いられる処理液の属性を示す。一部昇華乾燥処理条件情報は、昇華乾燥処理うちの一部となる一部昇華乾燥処理の条件を示す。一部昇華乾燥処理は、昇華乾燥処理全体のうちの前半の処理の少なくとも一部であることが好ましい。例えば、図５（ａ）に示したように、昇華乾燥処理が、処理液供給、凝固体形成および昇華を含む場合、入力情報Ｃｐに含まれる一部昇華乾燥処理は、処理液供給および凝固体形成のいずれかのうちの一部の条件であることが好ましい。
学習済モデルＬＭから、処理対象基板Ｗｐの入力情報Ｃｐに基づいて、基板処理装置１００における処理対象基板Ｗｐに適した昇華乾燥処理条件を示す昇華乾燥処理条件情報Ｒｐが出力される。なお、この場合、昇華乾燥処理条件情報Ｒｐは、昇華乾燥処理条件のうちの一部昇華乾燥処理条件以外の処理条件を示す。その後、昇華乾燥処理条件情報Ｒｐに示された昇華乾燥処理条件にしたがって、昇華乾燥処理が行われる。このように、学習済モデルＬＭに入力される入力情報は、基板情報および処理液情報のうちの少なくとも一方の情報と一部昇華乾燥処理条件情報とを含み、学習済モデルＬＭから、その後の昇華乾燥処理の条件を示す昇華乾燥処理条件情報が出力されてもよい。
なお、昇華乾燥処理において基板Ｗの温度は変動する。例えば、基板Ｗに処理液が供給された後、処理液から溶媒が蒸発する過程において基板Ｗの温度は低下する。その後、昇華性物質が凝固する過程において、基板Ｗの温度は上昇する。このため、基板Ｗの温度を測定することにより、昇華乾燥処理における基板Ｗの挙動をより正確に把握できる。
このため、基板処理装置１００において、昇華乾燥処理中の基板Ｗの温度が測定されることが好ましい。例えば、基板Ｗの温度は、接触方式で測定されてもよく、非接触方式で測定されてもよい。
次に、図２４を参照して、本実施形態の基板処理装置１００を説明する。図２４は、基板処理装置１００の模式図である。図２４の基板処理装置１００は、基板Ｗの温度を測定する温度測定部１２８をさらに備える点を除いて、図３の基板処理装置１００と同様の構成を有しており、冗長を避けるために重複する記載を省略する。
図２４に示すように、基板処理装置１００は、温度測定部１２８をさらに備える。温度測定部１２８は、基板Ｗの温度を測定する。温度測定部１２８は、接触方式または非接触方式で基板Ｗの温度を測定する。
例えば、温度測定部１２８は、昇華乾燥処理において基板Ｗの温度を測定する。基板Ｗの温度は、昇華乾燥処理過程で変動する。基板Ｗの温度を測定することにより、昇華乾燥処理における基板Ｗ内の挙動をより正確に把握できる。
次に、図２５を参照して、本実施形態の学習方法において用いられる学習用データＬＤを説明する。図２５は、学習用データＬＤの一例を示す図である。図２５の学習用データＬＤは、図２４に示した基板処理装置１００の学習済モデルＬＭを生成するために好適に用いられる。なお、図２５の学習用データＬＤは、昇華乾燥処理条件が処理液供給量、処理液吐出パターン、学習対象基板ＷＬの回転速度および不活性ガスの流量に加えて、基板温度を含む点を除いて、図１８を参照して上述した学習用データＬＤと同様であり、冗長を避けるために重複する記載を省略する。
図２５に示すように、学習用データＬＤは、学習用データＬＤ１～ＬＤ１０００を含む。昇華乾燥処理条件は、処理液供給量、処理液吐出パターン、基板温度、学習対象基板ＷＬの回転速度プロファイルおよび不活性ガスの流量プロファイルを示す。
学習用データＬＤ１は、ある学習対象基板ＷＬ１の基板情報、処理液情報、昇華乾燥処理条件、および、処理結果を示す。ここでは、学習用データＬＤ１において、Ｌｓｖ１は、学習対象基板ＷＬ１の昇華乾燥処理に用いた処理液の供給量を示し、Ｌｓｉ１は、学習対象基板ＷＬ１に対する処理液供給部１６０Ｌのノズルの位置の時間変化を示し、Ｌｓｔ１は、昇華乾燥処理時の学習対象基板ＷＬ１の温度の時間変化を示す。また、Ｌｓｒ１は、昇華乾燥処理における学習対象基板ＷＬ１の回転速度の時間変化を示すプロファイルを示し、Ｌｓｎ１は、昇華乾燥処理時の学習対象基板ＷＬ１に対して供給された不活性ガスの流量の時間変化を示すプロファイルを示す。学習用データＬＤ２～ＬＤ１０００についても同様である。
なお、このような学習用データＬＤを用いて学習済モデルＬＭを生成する場合、処理対象基板Ｗｐについての入力情報として、基板情報および処理液情報に加えて、昇華乾燥処理のうちの凝固体形成までの期間における処理液供給量、処理液吐出パターン、基板温度を示す情報を含めてもよい。処理液供給量、処理液吐出パターン、基板温度は、昇華乾燥処理条件の一部でもある。この場合でも、学習済モデルＬＭから、入力情報に対応した昇華乾燥処理条件情報を出力できる。このとき、昇華乾燥処理のうちの残りの期間は、この昇華乾燥処理条件情報に示された昇華乾燥処理条件に従って処理が実行されてもよい。例えば、図５（ａ）のステップＳ４３に示した昇華工程における処理対象基板Ｗｐの回転および不活性ガスの供給は、昇華乾燥処理条件にしたがって実行されてもよい。
なお、図１～図２５を参照した上述の説明では、基板処理装置１００の記憶部２４または学習装置４００の記憶部４２４が機械学習によって構築された学習済モデルＬＭを記憶していたが、本実施形態はこれに限定されない。基板処理装置１００の記憶部２４または学習装置４００の記憶部４２４は、学習済モデルＬＭに代えて変換テーブルＣＴを記憶していてもよい。
次に、図２６を参照して本実施形態の基板処理装置１００を説明する。図２６の基板処理装置１００は、記憶部２４が学習済モデルＬＭに代えて変換テーブルＣＴを記憶している点を除いて、図４を参照して上述した基板処理装置１００と同様の構成を有しており、冗長を避けるために重複する記載を省略する。
図２６に示すように、基板処理装置１００において、記憶部２４は、変換テーブルＣＴを記憶する。変換テーブルＣＴは、処理対象基板Ｗｐの基板情報と、処理液情報と、昇華乾燥処理処条件情報とを関連付ける。
処理対象基板Ｗｐの基板情報は、例えば、処理対象基板Ｗｐの基板属性情報であってもよいし、パターン形成条件情報であってもよい。処理対象基板Ｗｐの処理液情報は、処理液の属性を示す処理液属性情報を含む。なお、変換テーブルＣＴは、学習対象基板ＷＬの基板情報、処理液情報、昇華乾燥処理条件情報および処理結果情報に基づいて作成される。
基板情報取得部２２ａ１は、記憶部２４から基板情報を取得する。例えば、基板情報取得部２２ａ１は、記憶部２４から基板属性情報またはパターン形成条件情報を取得する。
処理液情報取得部２２ａ２は、記憶部２４から処理液情報を取得する。例えば、処理液情報取得部２２ａ２は、記憶部２４から処理液の属性を示す処理液属性情報を取得する。
昇華乾燥処理条件情報取得部２２ｂは、変換テーブルＣＴに基づいて、基板情報および処理液情報から昇華乾燥処理条件情報を取得する。典型的には、昇華乾燥処理条件情報取得部２２ｂは、変換テーブルＣＴから基板情報および処理液情報に対応する値を抽出し、変換テーブルＣＴにおいて関連付けられた基板情報と処理液情報と昇華乾燥処理条件情報との関係に基づいて、昇華乾燥処理条件情報を取得する。このように、昇華乾燥処理条件情報取得部２２ｂは、変換テーブルＣＴを用いて、基板情報および処理液情報に対応する昇華乾燥処理条件情報を取得する。
その後、制御部２２は、昇華乾燥処理条件情報に示された昇華乾燥処理条件に従って基板保持部１２０および処理液供給部１６０を制御する。なお、制御部２２は、昇華乾燥処理条件に従って基板保持部１２０、処理液供給部１６０および遮蔽部材１７０を制御してもよい。
なお、ここでも、変換テーブルＣＴは、処理対象基板Ｗｐの基板情報および処理液情報のうちの少なくとも一方の情報と、昇華乾燥処理処条件情報とを関連付けて生成されてもよい。
図２７は、変換テーブルＣＴの一例を示す図である。図２７に示すように、変換テーブルＣＴは、処理対象基板Ｗｐの基板情報、処理液情報および、昇華乾燥処理条件を示す。変換テーブルＣＴにおいて、基板情報は、基板属性情報およびパターン形成条件情報のうちの少なくとも一方を含む。ここでは、処理対象基板Ｗｐの基板情報は、溝深さ情報を含む。
また、変換テーブルＣＴにおいて、処理液情報は、処理液属性情報を含む。ここでは、処理液情報は、処理液濃度情報を含む。
変換テーブルＣＴ１は、ある基板情報および処理液情報と対応する昇華乾燥処理条件を示す。ここでは、変換テーブルＣＴ１において、Ａｄ１は、ある処理対象基板Ｗｐの溝の深さを示す。Ｂｃ１は、この処理対象基板Ｗｐに用いられる処理液の濃度を示す。Ｒｐ１は、この処理対象基板Ｗｐに対して行われるべき昇華乾燥処理条件を示す。このため、仮に、処理対象基板Ｗｐの溝の深さがＡｄ１であり、処理液の濃度がＢｃ１である場合、基板処理装置１００は、Ｒｐ１で示された昇華乾燥処理条件で昇華乾燥処理を行う。
変換テーブルＣＤ２～ＣＤ１０００についても同様である。典型的には、変換テーブルＣＴ１～ＣＤ１０００について、基板情報および処理液情報の少なくとも一方が異なる。
なお、処理対象基板Ｗｐの基板情報および処理液情報の値が、変換テーブルＣＴに示された値と一致しない場合、処理対象基板Ｗｐの昇華乾燥処理条件は、変換テーブルＣＴに示された昇華乾燥処理条件の値の線形補間によって決定されてもよい。あるいは、処理対象基板Ｗｐの昇華乾燥処理条件は、変換テーブルに示された昇華乾燥処理条件の値を多項式で補間することによって決定されてもよい。
以上、図面を参照して本発明の実施形態を説明した。ただし、本発明は、上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲で種々の態様において実施することが可能である。また、上記の実施形態に開示される複数の構成要素を適宜組み合わせることによって、種々の発明の形成が可能である。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。図面は、理解しやすくするために、それぞれの構成要素を主体に模式的に示しており、図示された各構成要素の厚み、長さ、個数、間隔等は、図面作成の都合上から実際とは異なる場合もある。また、上記の実施形態で示す各構成要素の材質、形状、寸法等は一例であって、特に限定されるものではなく、本発明の効果から実質的に逸脱しない範囲で種々の変更が可能である。
本発明は、基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデルに好適に用いられる。
１０ 基板処理システム
２０ 制御装置
２２ 制御部
２２ａ 基板情報取得部
２２ｂ 処理液情報取得部
２２ｂ 昇華乾燥処理条件情報取得部
２４ 記憶部
ＬＭ 学習済モデル
１００ 基板処理装置
１３０ 薬液供給部
１４０ リンス液供給部
１５０ 置換液供給部
１６０ 処理液供給部
２００ 基板処理学習システム
３００ 学習用データ生成装置
４００ 学習装置

Claims (13)

  1. 溝および構造体のパターンの設けられた処理対象基板を回転可能に保持する基板保持部と、
    昇華性物質と溶媒とを含む処理液を前記処理対象基板に供給する処理液供給部と、
    前記処理対象基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、前記処理液の属性を示す処理液情報のうちの少なくとも一方の情報を含む入力情報を取得する入力情報取得部と、
    前記入力情報に基づいて、学習済モデルから前記処理対象基板についての昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得する昇華乾燥処理条件情報取得部と、
    前記昇華乾燥処理条件情報取得部において取得された前記昇華乾燥処理条件情報に基づいて、前記処理対象基板を昇華乾燥処理するように前記基板保持部および前記処理液供給部を制御する制御部と
    を備え、
    前記学習済モデルは、溝および構造体のパターンの設けられた学習対象基板について前記溝および構造体の属性または形成条件を示す基板情報、および、前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、前記学習対象基板を前記昇華乾燥処理した条件を示す昇華乾燥処理条件情報と、前記学習対象基板を前記処理液で昇華乾燥処理した結果を示す処理結果情報とが関連付けられた学習用データを機械学習することで構築される、基板処理装置。
  2. 前記学習済モデルを記憶する記憶部をさらに備える、請求項１に記載の基板処理装置。
  3. 前記処理対象基板および前記学習対象基板のそれぞれについて、前記基板情報は、基板の表面積、前記溝の深さ、前記溝の幅、前記溝のアスペクト比、および溝または構造体の密度のいずれかを示す情報を含む、請求項１または２に記載の基板処理装置。
  4. 前記処理対象基板および前記学習対象基板のそれぞれについて、前記処理液情報は、前記処理液に対する前記昇華性物質の濃度および温度のいずれかを示す情報を含む、請求項１から３のいずれかに記載の基板処理装置。
  5. 前記処理対象基板および前記学習対象基板のそれぞれについて、前記昇華乾燥処理条件情報は、前記処理液の供給量、前記処理液の吐出パターン、および、基板の回転速度のいずれかを示す情報を含む、請求項１から４のいずれかに記載の基板処理装置。
  6. 前記入力情報は、前記昇華乾燥処理における前記処理対象基板の温度を示す温度情報を含む、請求項１から５のいずれかに記載の基板処理装置。
  7. 溝および構造体のパターンの設けられた処理対象基板を回転可能に保持するステップと、
    前記処理対象基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報を含む入力情報を取得するステップと、
    前記入力情報に基づいて、学習済モデルから前記処理対象基板の昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得するステップと、
    前記昇華乾燥処理条件情報の昇華乾燥処理条件に従って前記処理対象基板を昇華乾燥処理するステップと
    を包含する、基板処理方法であって、
    前記昇華乾燥処理条件情報を取得するステップにおいて、前記学習済モデルは、溝および構造体のパターンの設けられた学習対象基板について前記溝および構造体の属性または形成条件を示す基板情報および前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、前記学習対象基板に対して行われた昇華乾燥処理の条件を示す昇華乾燥処理条件情報と、前記学習対象基板に対して行われた昇華乾燥処理の結果を示す処理結果情報とが関連付けられた学習用データを機械学習することで構築される、基板処理方法。
  8. 溝および構造体のパターンの設けられた学習対象基板を処理する基板処理装置から出力される時系列データから、前記溝および構造体の属性または形成条件を示す基板情報、および、前記学習対象基板を昇華乾燥処理する際に用いた昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報を取得するステップと、
    前記時系列データから、前記基板処理装置において前記学習対象基板を前記昇華乾燥処理する際の昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得するステップと、
    前記時系列データから、前記基板処理装置において前記学習対象基板を昇華乾燥処理した結果を示す処理結果情報を取得するステップと、
    前記学習対象基板について前記基板情報および前記処理液情報のうちの少なくとも一方の情報、前記昇華乾燥処理条件情報および前記処理結果情報を関連付けて学習用データとして記憶部に記憶するステップと
    を包含する、学習用データの生成方法。
  9. 請求項８に記載の学習用データの生成方法にしたがって生成された学習用データを取得するステップと、
    前記学習用データを学習プログラムに入力して前記学習用データを機械学習するステップと
    を包含する、学習方法。
  10. 請求項８に記載の学習用データの生成方法にしたがって生成された学習用データを記憶する記憶部と、
    前記学習用データを学習プログラムに入力して前記学習用データを機械学習する学習部と
    を備える、学習装置。
  11. 請求項８に記載の学習用データの生成方法にしたがって生成された学習用データを取得するステップと、
    前記学習用データを機械学習させることで構築された学習済モデルを生成するステップと
    を包含する、学習済モデルの生成方法。
  12. 請求項８に記載の学習用データの生成方法にしたがって生成された学習用データを機械学習させることで構築された学習済モデル。
  13. 溝および構造体のパターンの設けられた基板を回転可能に保持する基板保持部と、
    昇華性物質と溶媒とを含む処理液を前記基板に供給する処理液供給部と、
    溝および構造体の属性または形成条件を示す基板情報、および、昇華性物質と溶媒とを含む処理液の属性を示す処理液情報のうちの少なくとも一方の情報と、昇華乾燥処理の条件を示す昇華乾燥処理条件情報とが関連付けられた変換テーブルを記憶する記憶部と、
    前記基板についての前記溝および構造体の属性または形成条件を示す基板情報、および、前記処理液供給部において供給される前記処理液の属性を示す処理液情報のうちの少なくとも一方の情報を入力情報として取得する入力情報取得部と、
    前記入力情報に基づいて、前記変換テーブルを用いて前記基板についての昇華乾燥処理条件を示す昇華乾燥処理条件情報を取得する昇華乾燥処理条件情報取得部と、
    前記昇華乾燥処理条件情報取得部において取得された前記昇華乾燥処理条件情報に基づいて前記基板を昇華乾燥処理するように前記基板保持部および前記処理液供給部を制御する制御部と
    を備える、基板処理装置。
JP2020093858A 2020-05-29 2020-05-29 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル Active JP7419163B2 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
JP2020093858A JP7419163B2 (ja) 2020-05-29 2020-05-29 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
CN202180036643.XA CN115699260A (zh) 2020-05-29 2021-04-28 基板处理装置、基板处理方法、学习用数据的生成方法、学习方法、学习装置、学习完毕模型的生成方法以及学习完毕模型
PCT/JP2021/017042 WO2021241124A1 (ja) 2020-05-29 2021-04-28 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
EP21813408.8A EP4160653A1 (en) 2020-05-29 2021-04-28 Substrate processing device, substrate processing method, method for generating learning data, learning method, learning device, method for generating learned model, and learned model
KR1020227043107A KR20230008837A (ko) 2020-05-29 2021-04-28 기판 처리 장치, 기판 처리 방법, 학습용 데이터의 생성 방법, 학습 방법, 학습 장치, 학습이 완료된 모델의 생성 방법, 및, 학습이 완료된 모델
US17/926,746 US20230205178A1 (en) 2020-05-29 2021-04-28 Substrate processing apparatus, substrate processing method, training data generating method, training method, training device, trained model generating method, and trained model
TW110115831A TWI772009B (zh) 2020-05-29 2021-05-03 基板處理裝置、基板處理方法、學習用資料的生成方法、學習方法、學習裝置、學習完畢模型的生成方法以及學習完畢模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020093858A JP7419163B2 (ja) 2020-05-29 2020-05-29 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル

Publications (2)

Publication Number Publication Date
JP2021190541A JP2021190541A (ja) 2021-12-13
JP7419163B2 true JP7419163B2 (ja) 2024-01-22

Family

ID=78744530

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020093858A Active JP7419163B2 (ja) 2020-05-29 2020-05-29 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル

Country Status (7)

Country Link
US (1) US20230205178A1 (ja)
EP (1) EP4160653A1 (ja)
JP (1) JP7419163B2 (ja)
KR (1) KR20230008837A (ja)
CN (1) CN115699260A (ja)
TW (1) TWI772009B (ja)
WO (1) WO2021241124A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116690402B (zh) * 2023-08-09 2023-11-14 浙江晶盛机电股份有限公司 抛光机工艺参数调节方法、装置、计算机设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067812A (ja) 2008-09-11 2010-03-25 Dainippon Screen Mfg Co Ltd レシピ最適化方法及び基板処理システム
JP2010239014A (ja) 2009-03-31 2010-10-21 Shibaura Mechatronics Corp 基板処理装置及び基板処理方法
JP2015185806A (ja) 2014-03-26 2015-10-22 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置
JP2018139331A (ja) 2018-06-13 2018-09-06 東京エレクトロン株式会社 基板乾燥方法及び基板処理装置
JP2019046927A (ja) 2017-08-31 2019-03-22 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法
JP2020004948A (ja) 2018-06-22 2020-01-09 株式会社Ｓｃｒｅｅｎホールディングス 基板処理方法、基板処理装置、および乾燥前処理液
JP2020038888A (ja) 2018-09-03 2020-03-12 株式会社プレテック エッチング装置及びエッチング方法
JP2020077826A (ja) 2018-11-09 2020-05-21 株式会社Ｓｃｒｅｅｎホールディングス 基板乾燥方法および基板処理装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10936953B2 (en) * 2018-01-04 2021-03-02 Twist Bioscience Corporation DNA-based digital information storage with sidewall electrodes
US10969773B2 (en) * 2018-03-13 2021-04-06 Applied Materials, Inc. Machine learning systems for monitoring of semiconductor processing
CN111024708B (zh) * 2019-09-06 2022-02-22 腾讯科技（深圳）有限公司 产品缺陷检测数据处理方法、装置、系统和设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010067812A (ja) 2008-09-11 2010-03-25 Dainippon Screen Mfg Co Ltd レシピ最適化方法及び基板処理システム
JP2010239014A (ja) 2009-03-31 2010-10-21 Shibaura Mechatronics Corp 基板処理装置及び基板処理方法
JP2015185806A (ja) 2014-03-26 2015-10-22 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置
JP2019046927A (ja) 2017-08-31 2019-03-22 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法
JP2018139331A (ja) 2018-06-13 2018-09-06 東京エレクトロン株式会社 基板乾燥方法及び基板処理装置
JP2020004948A (ja) 2018-06-22 2020-01-09 株式会社Ｓｃｒｅｅｎホールディングス 基板処理方法、基板処理装置、および乾燥前処理液
JP2020038888A (ja) 2018-09-03 2020-03-12 株式会社プレテック エッチング装置及びエッチング方法
JP2020077826A (ja) 2018-11-09 2020-05-21 株式会社Ｓｃｒｅｅｎホールディングス 基板乾燥方法および基板処理装置

Also Published As

Publication number Publication date
KR20230008837A (ko) 2023-01-16
CN115699260A (zh) 2023-02-03
WO2021241124A1 (ja) 2021-12-02
US20230205178A1 (en) 2023-06-29
TW202147191A (zh) 2021-12-16
JP2021190541A (ja) 2021-12-13
TWI772009B (zh) 2022-07-21
EP4160653A1 (en) 2023-04-05

Similar Documents

Publication Publication Date Title
JP7100564B2 (ja) 基板乾燥方法および基板処理装置
WO2022220126A1 (ja) 基板処理装置、基板処理システム、及びデータ処理方法
JP7419163B2 (ja) 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
WO2021220633A1 (ja) 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
JP7399783B2 (ja) 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
JP2020170808A (ja) 処理液生成装置、基板処理装置、処理液生成方法および基板処理方法
WO2023042796A1 (ja) 基板処理装置および基板処理方法
WO2023042774A1 (ja) 基板処理装置および基板処理方法
TWI838864B (zh) 基板處理裝置及基板處理方法
KR102585601B1 (ko) 기판 처리 방법 및 기판 처리 장치
JP7314373B2 (ja) 基板処理方法および基板処理装置
JP7122251B2 (ja) 基板処理方法および基板処理装置
JP2023120961A (ja) 基板処理条件の設定方法、基板処理方法、基板処理条件の設定システム、及び、基板処理システム
JP2024047257A (ja) 基板処理方法、基板処理装置及び基板処理液
JP2024074367A (ja) 基板処理装置及び基板処理方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221219

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231226

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240110

R150 Certificate of patent or registration of utility model

Ref document number: 7419163

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150