JP7466434B2 - 基板処理装置および基板処理方法 - Google Patents

Description

本願は、基板処理装置および基板処理方法に関する。

半導体加工工程において用いられる基板処理装置の一例として、ＣＭＰ（Chemical Mechanical Polishing、化学的機械的研磨）装置が知られている。ＣＭＰ装置は、基板の被研磨面が向いている方向によって「フェースアップ式（基板の被研磨面が上向きの方式）」と「フェースダウン式（基板の被研磨面が下向きの方式）」に大別され得る。

特許文献１には、フェースアップ式のＣＭＰ装置において、基板よりも小径の研磨パッドを回転させながら基板に接触させて揺動させることによって基板を研磨することが開示されている。このＣＭＰ装置では、基板の周囲に支持部材を設け、基板の外側まで揺動させた研磨パッドを支持部材によって支持するとともに、支持部材の高さおよび水平方向の位置を調整可能にすることが開示されている。

また、特許文献２には、基板を搬送する搬送システムにおいて、基板の側面方向から透過式センサで搬送面検出治具の傾斜部を検出することにより、基板の搬送面の傾きを検出することが開示されている。特許文献２に記載の搬送システムでは、少なくとも３点の正射影点によって治具の表面の式を算出できることが示されている。

特開２００３－２２９３８８号公報 特開２００８－２６０５５９号公報

ＣＭＰ装置の研磨対象である基板は、製造誤差などのために厚み又は表面プロファイルにバラつきがある。このため、被研磨面の研磨の均一性を向上させるために、処理対象である基板の厚みを基板処理装置において計測することが好ましい。しかし、特許文献２に記載のシステムのように基板の側面にセンサを設けると、基板処理装置のフットプリントが大きくなってしまう。

そこで、本願は、上記課題の少なくとも１つを解決することを目的とし、被研磨面の研磨の均一性を向上させることを目的とする。

一実施形態によれば、基板処理装置に関し、かかる基板処理装置は、基板を支持するためのテーブルと、前記テーブルに支持された基板を研磨するための研磨パッドを保持するためのパッドホルダと、前記パッドホルダを前記基板の径方向に揺動させるための駆動モジュールと、前記駆動モジュールによって前記テーブルの外側へ揺動された研磨パッドを支持するための支持面を有する支持部材と、前記テーブルに支持された基板の被研磨面および前記支持面を撮影するための撮影モジュールと、機械学習によって構築される学習モデルが格納された記憶部と、前記撮影モジュールによる撮影情報を前記学習モデルに入力して当該学習モデルの学習を行うと共に、前記学習モデルを使用して前記支持面と前記被研磨面との段差を推定する、段差推定モジュールと、推定された前記段差に基づいて、前記基板を研磨しながら前記支持面の高さを調整するための調整モジュールと、を備える。

一実施形態による基板処理装置の全体構成を概略的に示す斜視図である。 一実施形態による基板処理装置の全体構成を概略的に示す平面図である。 一実施形態によるテーブル、支持部材、および撮影モジュールを概略的に示す斜視図である。 一実施形態によるテーブル、支持部材、および撮影モジュールを概略的に示す側面図である。 一実施形態による段差推定モジュールの機能ブロック図である。 一実施形態による基板処理方法を示すフローチャートである。 変形例における基板処理システムの構成概略を示す図である。

以下に、本発明に係る基板処理装置および基板処理方法の実施形態を添付図面とともに説明する。添付図面において、同一または類似の要素には同一または類似の参照符号が付され、各実施形態の説明において同一または類似の要素に関する重複する説明は省略することがある。また、各実施形態で示される特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。

図１は、一実施形態による基板処理装置の全体構成を概略的に示す斜視図である。図２は、一実施形態による基板処理装置の全体構成を概略的に示す平面図である。図１および図２に示される基板処理装置１０００は、テーブル１００と、多軸アーム２００（図１では不図示）と、支持部材３００Ａ，３００Ｂと、センタリング機構４００Ａ～４００Ｃと、ドレッサ５００と、撮影モジュール６００と、洗浄ノズル７００Ａ、７００Ｂと、制御モジュール８００と、を有する。

＜テーブル＞
テーブル１００は、処理対象となる基板ＷＦを支持するための部材である。一実施形態において、テーブル１００は、基板ＷＦを支持するための支持面１００ａを有し、図示していないモータなどの駆動機構によって回転可能に構成される。支持面１００ａには複数の穴１０２が形成されており（図２参照）、テーブル１００は、穴１０２を介して基板ＷＦを真空吸着することができるように構成される。

＜多軸アーム＞
多軸アーム２００は、テーブル１００に支持された基板ＷＦに対して各種処理を行うための複数の処理具を保持する部材であり、テーブル１００に隣接して配置される。本実施形態の多軸アーム２００は、基板ＷＦを研磨するための大径の研磨パッド２２２と、基板ＷＦを洗浄するための洗浄具２３２と、基板ＷＦを仕上げ研磨するための小径の研磨パッド２４２と、水などの液体を基板ＷＦに放出するためのアトマイザ２５２と、を保持するように構成される。本実施形態では、大径の研磨パッド２２２、洗浄具２３２、小径の研磨パッド２４２、アトマイザ２５２のそれぞれは、放射状に延在する第１のアーム２２０、第２のアーム２３０、第３のアーム２４０、第４のアーム２５０のそれぞれに設けられている。多軸アーム２００は、テーブル１００に支持された基板ＷＦに対して研磨パッド２２２、２４２を回転、昇降、および揺動させるための駆動モジュール２８０を更に備えている。

本実施形態では、第１のアーム２２０、第２のアーム２３０、第３のアーム２４０、および第４のアーム２５０は、平面視で反時計回りに９０度ずれて揺動シャフト２１０の周りに放射状に伸びる。駆動モジュール２８０は、第１～第４のアーム２２０～２５０を回転駆動することによって、大径の研磨パッド２２２、洗浄具２３２、小径の研磨パッド２
４２、およびアトマイザ２５２のいずれかを基板ＷＦ上に移動させることができる。また、駆動モジュール２８０は、研磨パッド２２２、２４２をドレッサ５００上に移動させることができる。なお、本実施形態では、駆動モジュール２８０は、第１～第４のアーム２２０～２５０を回転駆動することによって研磨パッド２２２、２４２を基板ＷＦ上で円弧状に揺動（反復移動）させることができる。ただし、駆動モジュール２８０は、第１～第４のアーム２２０～２５０の回転駆動とは別に、研磨パッド２２２、２４２を基板ＷＦ上で揺動させることができるように構成されてもよい。なお、駆動モジュール２８０は、研磨パッド２２２，２４２を直線状に揺動させてもよい。基板処理装置１０００は、例えば研磨パッド２２２が基板ＷＦ上にある場合には、テーブル１００を回転させるとともに研磨パッド２２２を回転させ、研磨パッド２２２を基板ＷＦに押圧しながら回転駆動機構２１２によって研磨パッド２２２を揺動させることによって、基板ＷＦの研磨を行うように構成される。

＜支持部材＞
図１および図２に示すように、基板処理装置１０００は、テーブル１００の外側の研磨パッド２２２の揺動経路に配置された第１の支持部材３００Ａと、テーブル１００を挟んで第１の支持部材３００Ａと反対側の研磨パッド２２２の揺動経路に配置された第２の支持部材３００Ｂと、を含む。第１の支持部材３００Ａおよび第２の支持部材３００Ｂは、基板ＷＦを挟んで線対称になっている。このため、以下では第１の支持部材３００Ａおよび第２の支持部材３００Ｂをまとめて支持部材３００として説明する。また、以下では、一例として、大径の研磨パッド２２２を基板ＷＦに対して揺動させる場合の支持部材３００の機能について説明を行うが、洗浄具２３２または小径の研磨パッド２４２についても同様である。

支持部材３００は、揺動シャフト２１０の回転によってテーブル１００の外側へ揺動された研磨パッド２２２を支持するための部材である。すなわち、基板処理装置１０００は、基板ＷＦを研磨する際に研磨パッド２２２を基板ＷＦの外側に飛び出すまで揺動させる（オーバーハングさせる）ことによって、基板ＷＦの被研磨面を均一に研磨するように構成される。ここで、研磨パッド２２２をオーバーハングさせた場合には、パッドホルダ２２６が傾くなど様々な要因によって基板ＷＦの周縁部に研磨パッド２２２の圧力が集中して、基板ＷＦの被研磨面が均一に研磨されないおそれがある。そこで、本実施形態の基板処理装置１０００は、基板ＷＦの外側にオーバーハングした研磨パッド２２２を支持するための支持部材３００をテーブル１００の両側に設けている。

図３は、一実施形態によるテーブルおよび支持部材を概略的に示す側面図である。図３に示すように、支持部材３００（第１の支持部材３００Ａおよび第２の支持部材３００Ｂそれぞれ）は、研磨パッド２２２の基板ＷＦと接触する研磨面２２２ａの全体を支持可能な支持面３００ａを有する。すなわち、支持面３００ａは、研磨パッド２２２の研磨面２２２ａの面積よりも大きな面積を有しているので、研磨パッド２２２が完全に基板ＷＦの外側までオーバーハングしたとしても研磨面２２２ａの全体が支持面３００ａに支持される。これにより、本実施形態では、研磨パッド２２２は、基板ＷＦ上を揺動しているときには研磨面２２２ａの全体が基板ＷＦに接触して支持されており、テーブル１００の外側まで揺動しているときも研磨面２２２ａの全体が支持部材３００に支持されているので、揺動中に基板ＷＦの被研磨面および支持面３００ａの領域からはみ出さないようになっている。

図２に示すように、基板処理装置１０００は、支持部材３００の高さを変更するための支持部材駆動機構３８０を含む。支持部材駆動機構３８０は、モータおよびボールねじなどの様々な公知の機構で構成することができ、支持部材３００（支持面３０１ａおよび支持面３０１ｂ）を所望の高さに調整することができる。なお、支持部材駆動機構３８０は
、支持部材３００の水平方向の位置、すなわちテーブル１００に支持された基板ＷＦの径方向に沿った位置を調整することによって基板ＷＦに対する支持部材３００の距離を調整できるように構成されてもよい。

＜撮影モジュール＞
基板処理装置１０００は、テーブル１００に支持された基板ＷＦの被研磨面と支持部材３００の支持面３００ａとを撮影するための撮影モジュール６００を含む。本実施形態の撮影モジュール６００では、図３に示すように、高さ方向に伸びる回転シャフト６１０がテーブル１００に隣接して配置されている。回転シャフト６１０は、図示していないモータなどの回転駆動機構によって回転シャフト６１０の軸周りに回転可能になっている。回転シャフト６１０には揺動アーム６２０が取り付けられおり、撮影モジュール６００は、揺動アーム６２０の先端に取り付けられている。撮影モジュール６００は、回転シャフト６１０の回転によって回転シャフト６１０の軸周りに旋回揺動するように構成される。これにより、撮影モジュール６００は、基板ＷＦの研磨中に、回転シャフト６１０の回転によって基板ＷＦの径方向に沿って揺動することができるようになっている。なお、撮影モジュール６００は、こうした例に限定されず、テーブル１００と支持面３００ａとに対向するように、基板処理装置１０００における図示しない躯体に固定されていてもよい。

図４は、一実施形態のよる、テーブル、支持部材、および撮影モジュールを概略的に示す側面図である。撮影モジュール６００は、支持部材３００の支持面３００ａとテーブル１００とに対向するように、これらの上方に配置することができる。本実施形態では、撮影モジュール６００は、支持部材３００の支持面３００ａを撮影するための第１の撮影機６０２と、テーブル１００または基板ＷＦの被研磨面を撮影するための第２の撮影機６０４とを含む。これらの撮影機６０２、６０４としては、一例として、ＣＣＤセンサを有するＣＣＤカメラ、またはＣＭＯＳセンサを有するＣＭＯＳカメラが使用されてもよい。第１の撮影機６０２と第２の撮影機６０４とは、互いに固定されて一体に移動するように構成されている。ただし、こうした例に限定されず、第１の撮影機６０２と第２の撮影機６０４とは互いに独立して移動できるように構成されてもよい。また、撮影モジュール６００は、２つの撮影機６０２、６０４を有するものに限定されず、支持部材３００の支持面３００ａとテーブル１００との両方を撮影可能な１つの撮影機によって構成されてもよいし、３つ以上の撮影機によって構成されてもよい。

＜センタリング機構＞
図１および図２に示すように、基板処理装置１０００は、基板ＷＦをセンタリングするためのセンタリング機構４００Ａ～４００Ｃを含む。センタリング機構４００Ａ～４００Ｃは、本実施形態では、テーブル１００に支持された基板ＷＦをテーブル１００の中心方向に押圧して位置合わせするように構成される。センタリング機構４００Ａ，４００Ｂ，４００Ｃは、テーブル１００の周囲に適宜の間隔をあけて配置される。なお、制御モジュール８００は、センタリング機構４００Ａ，４００Ｂ，４００Ｃによる基板ＷＦの位置合わせ結果に基づいて基板ＷＦの直径を算出してもよい。

＜ドレッサ＞
図１および図２に示すように、ドレッサ５００は、揺動シャフト２１０の回転による研磨パッド２２２、２４２の旋回経路に配置される。ドレッサ５００は、表面にダイヤモンド粒子などが強固に電着しており、研磨パッド２２２、２４２を目立て（ドレッシング）するための部材である。ドレッサ５００は、図示していないモータなどの回転駆動機構によって回転するように構成される。ドレッサ５００の表面には図示していないノズルから純水を供給可能になっている。基板処理装置１０００は、ノズルから純水をドレッサ５００に供給しながらドレッサ５００を回転させるとともに、研磨パッド２２２、２４２を回転させ、ドレッサ５００に押圧しながらドレッサ５００に対して揺動させる。これによっ
て、ドレッサ５００により研磨パッド２２２、２４２が削り取られ、研磨パッド２２２、２４２の研磨面がドレッシングされる。

＜洗浄ノズル＞
図１および図２に示すように、洗浄ノズル７００Ａ、７００Ｂは、テーブル１００に隣接して配置される。洗浄ノズル７００Ａは、テーブル１００と支持部材３００Ａとの間の隙間に向けて純水などの洗浄液を供給するように構成される。これにより、テーブル１００と支持部材３００Ａとの間に入った研磨カスなどを洗い流すことができる。洗浄ノズル７００Ｂは、テーブル１００と支持部材３００Ｂとの間の隙間に向けて純水などの洗浄液を供給するように構成される。これにより、テーブル１００と支持部材３００Ｂとの間に入った研磨カスなどを洗い流すことができる。

＜制御モジュール＞
図１に示すように、基板処理装置１０００は、装置全体の制御を司る制御モジュール８００を含む。制御モジュール８００には、撮影モジュール６００を含む各種センサからの情報が入力される。また、制御モジュール８００は、テーブル１００、多軸アーム２００、および支持部材駆動機構３８０など、各種機器に指令を送ることができる。制御モジュール８００は、記憶部８１０と図示しないＣＰＵなどの演算部とを含む。制御モジュール８００は、ソフトウェアを用いて所定の機能を実現するマイクロコンピュータによって構成されてもよいし、専用の演算処理を行う装置によって構成されてもよい。本実施形態では、制御モジュール８００は、後述する段差推定モジュール８２０および調整モジュール８３０として機能する。

＜段差推定モジュール＞
段差推定モジュール８２０は、撮影モジュール６００による撮影情報と記憶部８１０に記憶された学習モデルとに基づいて、支持部材３００の支持面３００ａと基板ＷＦの被研磨面との段差（高さの差、図４参照）δｈを推定するように構成されている。本実施形態では、制御モジュール８００が段差推定モジュール８２０として機能する。図５は、本実施形態における段差推定モジュール８２０の概略的な機能ブロック図である。段差推定モジュール８２０は、状態変数ＳＶを取得する状態変数取得部８２２と、取得した状態変数ＳＶに基づいて、記憶部８１０に記憶される学習モデルを学習・生成する学習モデル生成部８２４と、取得した状態変数ＳＶと学習モデルとに基づいて支持部材３００の支持面３００ａと基板ＷＦの被研磨面との段差δｈを推定（意思決定）する意思決定部８２８と、を備える。

状態変数取得部８２２は、所定時間（例えば、数ｍｓｅｃ、数十ｍｓｅｃ）ごとに、状態変数ＳＶを取得する。一例として、所定時間は、学習モデル生成部８２４による学習周期と同一または対応した時間とすることができる。なお、本実施形態では、制御モジュール８００への各種センサからの情報の入力が、状態変数取得部８２２による状態変数ＳＶの取得に当たる。状態変数ＳＶは、少なくとも撮影モジュール６００による撮影情報Ｓ１を含む。ここで、撮影情報Ｓ１は、第１の撮影機６０２による支持面３００ａの撮影情報と、第２の撮影機６０４による基板ＷＦの被研磨面の撮影情報と、を含む。なお、撮影情報Ｓ１には、撮影モジュール６００（撮影機６０２、６０４）によるフォーカス値、Ｆ値が含まれてもよく、撮影機６０２、６０４における複数の撮影素子ごとの位置と当該撮影素子におけるフォーカス値等とが含まれてもよい。また、状態変数ＳＶには、撮影モジュール６００による撮影情報に加えて、制御モジュール８００による支持部材３００の高さ調整量、またはテーブル１００または研磨パッド２２２、２４２（多軸アーム２００）における駆動モジュール２８０の出力値（回転トルク指令値、またはモータ電流など）などが含まれてもよい。また、状態変数ＳＶには、図示しない他のセンサ等によって測定または推定された基板ＷＦの厚み情報または表面プロファイル情報などが含まれてもよい。こ
うした状態変数ＳＶは、基板ＷＦの研磨を行いながら取得されるものとしてもよいし、基板ＷＦの研磨前または研磨後に取得されるものとしてもよい。さらに、状態変数ＳＶには、予めユーザーによって基板処理装置１０００に入力された情報が含まれてもよい。一例として、状態変数ＳＶには、基板ＷＦの材質の情報などが含まれてもよい。

学習モデル生成部８２４は、機械学習と総称される任意の学習アルゴリズムに従って、学習モデル（状態変数ＳＶに対する段差δｈの推定値）を学習する。学習モデル生成部８２４は、状態変数取得部８２２によって取得される状態変数ＳＶに基づく学習を反復実行する。学習モデル生成部８２４は、複数の状態変数ＳＶを取得し、状態変数ＳＶの特徴を識別して相関性を解釈する。また、学習モデル生成部８２４は、現在の状態変数ＳＶに対して支持部材３００と基板ＷＦとの段差δｈが推定されたときの、次回に取得される状態変数ＳＶの相関性を解釈する。そして、学習モデル生成部８２４は、学習を繰り返すことにより、取得される状態変数ＳＶに対する支持部材３００と基板ＷＦとの段差δｈの推定について最適化を図る。

一例として、学習モデル生成部８２４は、教師あり学習によって構築される。教師あり学習は、基板処理装置１０００の設置場所において行われてもよいし、製造所、または専用の学習用場所において行われてもよい。学習モデル生成部８２４は、教師あり学習の一例として、基板ＷＦが置かれていない状態のテーブル１００の撮影情報を教師データとしてもよい。また、学習モデル生成部８２４は、教師あり学習の一例として、予め用意された基準基板の撮影情報を教師データとしてもよい。基準基板としては、厚さまたは板面プロファイルが既知である基板を使用することができる。なお、基準基板は、厚さが一様であってもよいし、表面プロファイルとして所定の凹凸パターンが形成されていてもよい。また、学習モデル生成部８２４は、教師あり学習の一例として、支持部材３００の支持面３００ａの撮影情報を教師データとしてもよい。この場合、支持部材３００の支持面３００ａの高さごとに複数の撮影情報を取得し、当該撮影情報ごとの支持面３００ａの高さ情報を教師データとして利用してもよい。一例として、基板ＷＦが置かれていない状態、または基準基板が置かれた状態で、支持部材３００の支持面３００ａの高さを変更しながら撮影モジュール６００によって支持面３００ａとテーブル１００（または基準基板）とを撮影し、当該撮影情報を教師データとして利用することができる。

また、学習モデル生成部８２４は、強化学習を実行して学習モデルを学習してもよい。強化学習は、ある環境において、現在状態（入力）に対して実行される行動（出力）に報酬を与え、最大の報酬が得られるような学習モデルを生成する手法である。強化学習を行う一例として、学習モデル生成部８２４は、状態変数ＳＶに基づいて評価値を計算する評価値計算部８２５と、評価値に基づいて学習モデルの学習を行う学習部８２６と、を有する。一例として、評価値計算部８２５は、状態変数ＳＶの安定度が高いほど大きな報酬を与える、つまり、前回取得した状態変数ＳＶと今回取得した状態変数ＳＶとの変化が小さいほど大きな報酬を与えるものとしてもよい。また、一例として、評価値計算部８２５は、研磨中の基板ＷＦと支持部材３００との段差δｈが小さいほど、推定される段差δｈが値０に近いほど大きな報酬を与えるものとしてもよい。また、一例として、評価値計算部８２５は、駆動モジュール２８０における負荷の安定度が高いほど大きな報酬を与えるものとしてもよい。また、一例として評価値計算部８２５は、基板処理装置１０００におけるエネルギー消費量が小さいほど、大きな報酬を与えるものとしてもよい。また、一例として、評価値計算部８２５は、基板処理装置１０００における研磨処理にかかる時間が短いほど、大きな報酬を与えるものとしてもよい。また、一例として、評価値計算部８２５は、基板ＷＦの表面プロファイルが一定であるほど、大きな報酬を与えるものとしてもよい。

＜調整モジュール＞
調整モジュール８３０は、段差推定モジュール８２０によって推定された基板ＷＦと支持面３００ａとの段差δｈに基づいて、研磨中に支持面３００ａの高さを調整するように構成されている。本実施形態では、支持部材３００を駆動するための支持部材駆動機構３８０と、支持部材駆動機構３８０に指令を送る制御モジュール８００とが調整モジュールにして機能する。調整モジュール８３０（制御モジュール８００）は、基板ＷＦと支持面３００ａとの段差δｈの推定値に基づいて、基板ＷＦと支持面３００ａとの段差が値０となるように、支持部材駆動機構３８０を駆動する。

＜フローチャート＞
次に、本実施形態による支持部材３００の高さ位置の調整を含む基板処理方法の手順を説明する。図６は、一実施形態による基板処理方法を示すフローチャートである。図６に示すように、基板処理方法では、まず、テーブル１００に基板ＷＦを設置する（Ｓ１１０：設置ステップ）。設置ステップは、図示しない搬送機構によって行われてもよいし、ユーザーによって行われてもよい。続いて、センタリング機構４００Ａ、４００Ｂ、４００Ｃによって基板ＷＦの位置合わせを行う（Ｓ１２０）。なお、支持部材３００の高さの初期調整を行ってもよい。支持部材３００の高さの初期調整は、例えば、事前に計測された基板ＷＦの厚みに基づいて行われてもよいし、基板ＷＦが置かれた後に段差推定モジュール８２０によって推定された段差δｈに基づいて行われてもよい。

続いて、テーブル１００を回転させるとともに研磨パッド２２２を回転させながら基板ＷＦに押圧する（Ｓ１３０：押圧ステップ）。続いて、研磨パッド２２２を揺動させる（Ｓ１４０：揺動ステップ）。続いて、支持部材３００の支持面３００ａと基板ＷＦの研磨面とを撮影し（撮影ステップ）、当該撮影情報を含む状態変数を取得する（Ｓ１５０）。続いて、取得した状態変数に基づいて学習モデルの学習・生成を行う（Ｓ１６０）。続いて、学習モデルに状態変数を入力して支持面３００ａと基板ＷＦの研磨面との段差δｈを推定する（Ｓ１７０：段差推定ステップ）。続いて、推定された段差δｈに基づいて、基板ＷＦを研磨しながら支持面３００ａの高さを調整する（Ｓ１８０：調整ステップ）。

そして、研磨が終了するまで（Ｓ１９０，Ｎｏ）、Ｓ１５０～Ｓ１８０の処理を繰り返し実行し、研磨が終了することにより（Ｓ１９０，Ｙｅｓ）、基板処理方法は終了する。

以上説明した本実施形態の基板処理装置１０００によれば、テーブル１００に支持された基板ＷＦの被研磨面と支持部材３００の支持面３００ａとを撮影モジュール６００によって撮影し、当該撮影情報に基づいて支持面３００ａと基板ＷＦの被研磨面との段差δｈを推定する。そして、基板処理装置１０００は、推定された段差δｈに基づいて、研磨中に支持面３００ａの高さを調整する。こうした基板処理装置１０００によれば、研磨中に支持面３００ａの高さを好適に調整することができ、被研磨面の研磨の均一性を向上させることができる。しかも、本実施形態の基板処理装置１０００は、撮影モジュール６００が、支持部材３００とテーブル１００とに対向して設けられているので、フットプリントを大きくすることなく上記の作用、効果を実現することができる。

＜変形例１＞
上記した実施形態では、制御モジュール８００（段差推定モジュール８２０）は、支持部材３００の支持面３００ａと基板ＷＦの被研磨面との段差δｈを推定するものとした。これに加えて、制御モジュール８００は、撮影モジュール６００による撮影情報と学習モデルとに基づいて基板ＷＦの厚みを計測できるものとしてもよい。一例として、制御モジュール８００は、支持面３００ａと基板ＷＦとの段差δと、支持面３００ａの高さ位置とに基づいて、基板ＷＦの厚みを測定してもよい。

＜変形例２＞
また、制御モジュール８００は、撮影モジュール６００による撮影情報と学習モデルとに基づいて基板ＷＦの表面プロファイルを計測できるものとしてもよい。一例として、制御モジュール８００は、基板ＷＦを回転させながら撮影モジュール６００によって基板ＷＦの被研磨面を撮影し、当該撮影情報と学習モデルとに基づいて基板ＷＦの周方向位置ごとの厚さ（または支持面３００ａと被研磨面との段差δｈ）を推定することにより、基板ＷＦの表面プロファイルを計測してもよい。

＜変形例３＞
また、上記した実施形態では、撮影モジュール６００は、支持部材３００の支持面３００ａと基板ＷＦの被研磨面との段差δｈを推定するために使用されるものとした。これに加えて撮影モジュール６００は、基板ＷＦに予め形成されたノッチ（不図示）を検出するために使用されてもよい。こうすれば、撮影モジュール６００は、ノッチを検出するための機構と、基板ＷＦと被研磨面との段差δｈを推定するための機構とを兼ねるので、基板処理装置１０００における部品点数を少なくすることができる。

＜変形例４＞
図７は、変形例における基板処理システムの構成概略を示す図である。基板処理システムは、段差推定システム８２０Ａと、有線または無線で通信可能に接続された複数の基板処理装置（図７に示す例では、３つのＡＭ装置１０００Ａ，１０００Ｂ，１０００Ｃ）と、を備えている。変形例における段差推定システム８２０Ａは、上記した実施形態における段差推定モジュール８２０と概して同一の機能を実現することができるように構成されており、重複する説明は省略する。変形例の段差推定システム８２０Ａは、複数の基板処理装置から状態変数ＳＶを取得することができる。これにより、段差推定システム８２０Ａは、より多くの状態変数ＳＶを取得して、学習モデルの学習精度を向上させることができる。一例として、複数の基板処理装置には、段差推定モジュール８２０Ａを備えない基板処理装置１０００Ａが含まれてもよい。機械学習装置を備えていない場合、基板処理装置１０００Ａは、段差推定システム８２０Ａから送信されて更新される学習モデルを使用することにより段差δｈを推定して基板処理を行うものとしてもよい。また、一例として、複数の基板処理装置には、段差推定モジュール８２０を備える基板処理装置１０００Ｂ，１０００Ｃが含まれてもよい。基板処理装置１０００Ｂ，１０００Ｃは、上記した実施形態における段差推定モジュール８２０と同一の機能・構成を有す段差推定モジュール８２０Ｂ、８２０Ｃを備えている。この場合、段差推定システム８２０Ａおよび段差推定モジュール８２０Ｂ，８２０Ｃのそれぞれは、各自が生成した学習モデルを互いに取得し、学習モデルの最適化を図るものとしてもよい。また、段差推定システム８２０Ａおよび段差推定モジュール８２０Ｂ，８２０Ｃのうちのいずれかが上位として機能し、複数の学習モデルを取得して、学習モデルの最適化を図り、下位の段差推定システムまたは段差推定モジュールへ更新された学習モデルを送信するように構成されてもよい。ここで、段差推定システムまたは段差推定モジュールが行う学習モデルの最適化の例としては、複数の学習モデルに基づく蒸留モデルの生成が挙げられる。

以上、いくつかの例に基づいて本発明の実施形態について説明してきたが、上記した発明の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明には、その均等物が含まれることはもちろんである。また、上述した課題の少なくとも一部を解決できる範囲、または、効果の少なくとも一部を奏する範囲において、特許請求の範囲および明細書に記載された各構成要素の任意の組み合わせ、または、省略が可能である。

上述の実施形態から少なくとも以下の技術的思想が把握される。
［形態１］形態１によれば、基板処理装置が提案され、かかる基板処理装置は、基板を支
持するためのテーブルと、前記テーブルに支持された基板を研磨するための研磨パッドを保持するためのパッドホルダと、前記パッドホルダを前記基板の径方向に揺動させるための駆動モジュールと、前記揺動機構によって前記テーブルの外側へ揺動された研磨パッドを支持するための支持面を有する支持部材と、前記テーブルに支持された基板の被研磨面および前記支持面を撮影するための撮影モジュールと、機械学習によって構築される学習モデルが格納された記憶部と、前記撮影モジュールによる撮影情報を前記学習モデルに入力して当該学習モデルの学習を行うと共に、前記学習モデルを使用して前記支持面と前記被研磨面との段差を推定する、段差推定モジュールと、推定された前記段差に基づいて、前記基板を研磨しながら前記支持面の高さを調整するための調整モジュールと、を備える。形態１によれば、研磨中に支持面の高さを好適に調整することができ、被研磨面の研磨の均一性を向上させることができる。

［形態２］形態２によれば、形態１において、前記段差推定モジュールは、前記撮影モジュールによる基板が置かれていない状態の前記テーブルの撮影情報を前記学習モデルに入力して当該学習モデルの学習を行う。

［形態３］形態３によれば、形態１または２において、前記段差推定モジュールは、前記撮影モジュールによる撮影情報と前記学習モデルとに基づいて前記基板の厚みを計測可能である。

［形態４］形態４によれば、形態１から３において、前記段差推定モジュールは、前記撮影モジュールによる撮影情報と前記学習モデルとに基づいて前記基板の表面プロファイルを計測可能である。

［形態５］形態５によれば、形態１から４において、前記撮影モジュールは、基板に予め形成されたノッチを検出するノッチ検出モジュールとして機能する。

［形態６］形態６によれば、形態１から５において、前記学習モデルは、前記撮影モジュールによる前記支持面の撮影情報を教師データとする学習により構築される。

［形態７］形態７によれば、形態１から６において、前記学習モデルは、前記撮影モジュールによる基準基板の撮影情報を教師データとする学習により構築される。

［形態８］形態８によれば、形態１から７において、前記撮影モジュールは、前記支持面および前記テーブルに対向して設けられる。

［形態９］形態９によれば、形態１から８において、前記撮影モジュールは、ＣＣＤセンサまたはＣＭＯＳセンサを有する。

［形態１０］形態１０によれば、形態１から９において、前記段差推定モジュールは、前記撮影モジュールによる撮影情報における少なくともフォーカス値に基づいて前記段差を推定する。

［形態１１］形態１１によれば、形態１から１０において、前記支持部材は、前記テーブルの外側の前記研磨パッドの揺動経路に配置された第１の支持部材と、前記テーブルを挟んで前記第１の支持部材と反対側の前記研磨パッドの揺動経路に配置された第２の支持部材と、を含む。

［形態１２］形態１２によれば、基板処理方法が提案され、かかる基板処理方法は、テーブルに基板を設置する設置ステップと、前記テーブルに設置された基板を研磨するための
研磨パッドを前記基板に押圧する押圧ステップと、前記研磨パッドを前記基板の径方向に揺動させる揺動ステップと、前記揺動ステップによって前記テーブルの外側へ揺動される研磨パッドを支持するための支持面と前記テーブルに支持された基板の被研磨面とを撮影する撮影ステップと、前記撮影ステップによる撮影情報を学習モデルに入力して当該学習モデルの学習を行うと共に、前記学習モデルを使用して前記支持面と前記被研磨面との段差を推定する段差推定ステップと、前記段差推定ステップによって推定された前記段差に基づいて、前記基板を研磨しながら前記支持面の高さを調整する調整ステップと、を含む。

［形態１３］形態１３によれば、形態１２において、基板が置かれていない状態の前記テーブルの撮影情報を前記学習モデルに入力して当該学習モデルの学習を行う学習ステップを更に含む。

［形態１４］形態１４によれば、形態１２または１３において、前記学習モデルは、前記撮影モジュールによる前記支持面の撮影情報を教師データとする学習により構築される。

［形態１５］形態１５によれば、形態１２から１４において、前記学習モデルは、前記撮影モジュールによる基準基板の撮影情報を教師データとする学習により構築される。

１００…テーブル
２００…多軸アーム
２１０…揺動シャフト
２２２…研磨パッド
２２６…パッドホルダ
２４２…研磨パッド
２８０…駆動モジュール
３００…支持部材
３００ａ…支持面
３８０…支持部材駆動機構
６００…撮影モジュール
６０２…第１の撮影機
６０４…第２の撮影機
８００…制御モジュール
８１０…記憶部
８２０…段差推定モジュール
８３０…調整モジュール
１０００…基板処理装置
ＷＦ…基板

Claims (15)

1. 基板を支持するためのテーブルと、
   前記テーブルに支持された基板を研磨するための研磨パッドを保持するためのパッドホルダと、
   前記パッドホルダを前記基板の径方向に揺動させるための駆動モジュールと、
   前記駆動モジュールによって前記テーブルの外側へ揺動された研磨パッドを支持するための支持面を有する支持部材と、
   前記テーブルに支持された基板の被研磨面および前記支持面を撮影するための撮影モジュールと、
   機械学習によって構築される学習モデルが格納された記憶部と、
   前記撮影モジュールによる撮影情報を前記学習モデルに入力して当該学習モデルの学習を行うと共に、前記学習モデルを使用して前記支持面と前記被研磨面との段差を推定する、段差推定モジュールと、
   推定された前記段差に基づいて、前記基板を研磨しながら前記支持面の高さを調整するための調整モジュールと、
   を備える、基板処理装置。
2. 前記段差推定モジュールは、前記撮影モジュールによる基板が置かれていない状態の前記テーブルの撮影情報を前記学習モデルに入力して当該学習モデルの学習を行う、請求項１に記載の基板処理装置。
3. 前記段差推定モジュールは、前記撮影モジュールによる撮影情報と前記学習モデルとに基づいて前記基板の厚みを計測可能である、請求項１または２に記載の基板処理装置。
4. 前記段差推定モジュールは、前記撮影モジュールによる撮影情報と前記学習モデルとに基づいて前記基板の表面プロファイルを計測可能である、請求項１から３の何れか１項に記載の基板処理装置。
5. 前記撮影モジュールは、基板に予め形成されたノッチを検出するノッチ検出モジュールとして機能する、請求項１から４の何れか１項に記載の基板処理装置。
6. 前記学習モデルは、前記撮影モジュールによる前記支持面の撮影情報を教師データとする学習により構築される、請求項１から５の何れか１項に記載の基板処理装置。
7. 前記学習モデルは、前記撮影モジュールによる基準基板の撮影情報を教師データとする学習により構築される、請求項１から６の何れか１項に記載の基板処理装置。
8. 前記撮影モジュールは、前記支持面および前記テーブルに対向して設けられる、請求項１から７の何れか１項に記載の基板処理装置。
9. 前記撮影モジュールは、ＣＣＤセンサまたはＣＭＯＳセンサを有する、請求項１から８の何れか１項に記載の基板処理装置。
10. 前記段差推定モジュールは、前記撮影モジュールによる撮影情報における少なくともフォーカス値に基づいて前記段差を推定する、請求項１から９の何れか１項に記載の基板処理装置。
11. 前記支持部材は、前記テーブルの外側の前記研磨パッドの揺動経路に配置された第１の支持部材と、前記テーブルを挟んで前記第１の支持部材と反対側の前記研磨パッドの揺動経路に配置された第２の支持部材と、を含む、
    請求項１から１０の何れか１項に記載の基板処理装置。
12. テーブルに基板を設置する設置ステップと、
    前記テーブルに設置された基板を研磨するための研磨パッドを前記基板に押圧する押圧ステップと、
    前記研磨パッドを前記基板の径方向に揺動させる揺動ステップと、
    前記揺動ステップによって前記テーブルの外側へ揺動される研磨パッドを支持するための支持面と前記テーブルに支持された基板の被研磨面とを撮影する撮影ステップと、
    前記撮影ステップによる撮影情報を学習モデルに入力して当該学習モデルの学習を行うと共に、前記学習モデルを使用して前記支持面と前記被研磨面との段差を推定する段差推定ステップと、
    前記段差推定ステップによって推定された前記段差に基づいて、前記基板を研磨しながら前記支持面の高さを調整する調整ステップと、
    を含む、基板処理方法。
13. 基板が置かれていない状態の前記テーブルの撮影情報を前記学習モデルに入力して当該学習モデルの学習を行う学習ステップを更に含む、請求項１２に記載の基板処理方法。
14. 前記学習モデルは、前記撮影ステップによる前記支持面の撮影情報を教師データとする学習により構築される、請求項１２または１３に記載の基板処理方法。
15. 前記学習モデルは、前記撮影ステップによる基準基板の撮影情報を教師データとする学習により構築される、請求項１２から１４の何れか１項に記載の基板処理方法。

Images