KR102556434B1 - 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법 - Google Patents

열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법 Download PDF

Info

Publication number
KR102556434B1
KR102556434B1 KR1020217016789A KR20217016789A KR102556434B1 KR 102556434 B1 KR102556434 B1 KR 102556434B1 KR 1020217016789 A KR1020217016789 A KR 1020217016789A KR 20217016789 A KR20217016789 A KR 20217016789A KR 102556434 B1 KR102556434 B1 KR 102556434B1
Authority
KR
South Korea
Prior art keywords
thermal conductivity
measurement
temperature
temperature distribution
measurement sample
Prior art date
Application number
KR1020217016789A
Other languages
English (en)
Other versions
KR20210084616A (ko
Inventor
류스케 요코야마
토시유키 후지와라
유스케 히구치
토루 우지하라
Original Assignee
가부시키가이샤 사무코
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
Application filed by 가부시키가이샤 사무코 filed Critical 가부시키가이샤 사무코
Publication of KR20210084616A publication Critical patent/KR20210084616A/ko
Application granted granted Critical
Publication of KR102556434B1 publication Critical patent/KR102556434B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/18—Investigating or analyzing materials by the use of thermal means by investigating thermal conductivity
    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B29/00—Single crystals or homogeneous polycrystalline material with defined structure characterised by the material or by their shape
    • C30B29/10—Inorganic compounds or compositions
    • C30B29/36—Carbides
    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B15/00—Single-crystal growth by pulling from a melt, e.g. Czochralski method
    • C30B15/20—Controlling or regulating
    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B19/00—Liquid-phase epitaxial-layer growth
    • C30B19/02—Liquid-phase epitaxial-layer growth using molten solvents, e.g. flux
    • C30B19/04—Liquid-phase epitaxial-layer growth using molten solvents, e.g. flux the solvent being a component of the crystal composition
    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B35/00—Apparatus not otherwise provided for, specially adapted for the growth, production or after-treatment of single crystals or of a homogeneous polycrystalline material with defined structure
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
    • G01J5/0007—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter of wafers or semiconductor substrates, e.g. using Rapid Thermal Processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/02—Devices for withdrawing samples
    • G01N1/10—Devices for withdrawing samples in the liquid or fluent state
    • G01N1/18—Devices for withdrawing samples in the liquid or fluent state with provision for splitting samples into portions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/14—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of an electrically-heated body in dependence upon change of temperature
    • G01N27/18—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of an electrically-heated body in dependence upon change of temperature caused by changes in the thermal conductivity of a surrounding material to be tested
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)

Abstract

열 전도율 추정 방법은, 측정 시료의 일부를 소정의 가열 조건으로 가열하여, 정상 상태에 있어서의 측정 시료의 표면의 온도 분포를 측정하는 스텝과, 측정 시료와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여 각 조합에 대해서 시료 모델 표면의 온도 분포를 계산하는 스텝과, 상기 복수의 조합 및 당해 복수의 조합으로부터 얻어진 온도 분포의 계산 결과를 훈련 데이터로 하여, 입력을 측정 시료 표면의 온도 분포로 하고, 출력을 측정 시료의 열 전도율로 하는 회귀 모델을 기계 학습법을 이용하여 작성하는 스텝과, 측정 시료 표면의 온도 분포 측정 결과를 회귀 모델에 입력하여, 측정 시료의 열 전도율을 추정하는 스텝을 구비하고 있다.

Description

열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법
본 발명은, 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램 및, 열 전도율 연산 방법에 관한 것이다.
종래부터, 반도체 단결정, 특히 실리콘 단결정의 육성에 관한 전열 시뮬레이션 기술로서, 특허문헌 1에 기재된 바와 같은 기술이 알려져 있다.
특허문헌 1에 기재된 방법에서는, 소구경의 결정 육성 시의 실측값으로 최적화시킨 전열 해석 프로그램을, 대구경의 단결정을 육성 시의 결정의 성질에 맞도록 결정 성장 장치 내의 열 파라미터를 수정함으로써, 대구경 결정 육성 시의 결정 온도 분포를 추정하고 있다.
또한, 반도체 단결정이나 반도체 기판 등의 반도체 결정 제품의 제조 기술로서, 특허문헌 2∼5에 기재된 바와 같은 기술이 알려져 있다.
일본공개특허공보 2010-275170호 일본공개특허공보 2018-43890호 일본공개특허공보 2000-52225호 일본공개특허공보 2007-283435호 일본공개특허공보 2010-34337호
그러나, 특허문헌 1에 기재된 바와 같은 방법에서는, 육성된 결정의 특성으로부터, 전열 시뮬레이션에 이용하는 장치 내부의 부재의 열 전도율이나 복사율 등의 열 파라미터를 추정하여 수정하고 있다. 그 때문에, 결정 성장 장치가 실제로 존재하여, 결정의 육성을 실시할 수 없으면 전열 시뮬레이션을 행할 수 없다. 또한, 결정 육성 장치 내의 부재는, 장기에 걸친 고온에 의해 시간 경과에 따른 변화를 일으키기 때문에, 하나의 결정 제조 장치에서 시간 경과적으로 다수의 결정을 인상하지 않으면 전열 시뮬레이션의 정밀도를 올릴 수 없다.
실제로 결정을 육성하지 않아도, 결정 육성 장치 내의 전열 시뮬레이션을 실시할 수 있도록 하기 위해서는, 결정 장치 내의 재질의 열 파라미터를 정밀도 좋게 측정할 필요가 있다. 그러나, 특히 열 전도율의 측정은, 측정법에 특화된 전용의 특수한 기구를 갖는 장치가 필요하다. 또한, 시료를 각각의 측정법이 요구하는 사이즈, 형상, 표면 상태로 가공할 필요가 있기 때문에, 간단하게는 측정할 수 없다.
또한, 특허문헌 2∼5에 예로 든 바와 같이 열 전도율은 반도체 기판, 특히 실리콘 웨이퍼의 제조 공정에 있어서도, 매우 중요한 열 파라미터이며, 제조에 사용되는 부재의 열 전도율을 적정화함으로써, 적절한 전열 시뮬레이션을 행할 수 있다고 기대된다.
본 발명의 목적은, 반도체 결정 제품의 제조 공정에 있어서의 여러 가지 전열 해석을 행함에 있어서, 열 전도율을 간편하게 추정할 수 있는 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램 및, 열 전도율 연산 방법을 제공하는 것에 있다.
본 발명의 열 전도율 추정 방법은, 반도체 결정 제품의 제조 장치의 구성 부재를 측정 시료로서 준비하는 스텝과, 측정 시료의 일부를 소정의 가열 조건으로 가열하여, 정상 상태에 있어서의 상기 측정 시료의 표면의 온도 분포를 측정하는 스텝과, 상기 측정 시료와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여, 상기 복수의 조합의 각각에 대해서 상기 시료 모델의 표면의 온도 분포를 계산하는 스텝과, 상기 전열 시뮬레이션에서 이용한 상기 복수의 조합 당해 복수의 조합으로부터 얻어진 온도 분포의 계산 결과를 훈련 데이터로 하여, 입력을 상기 측정 시료의 표면의 온도 분포로 하고, 출력을 상기 측정 시료의 열 전도율로 하는 회귀 모델을, 기계 학습법을 이용하여 작성하는 스텝과, 상기 측정 시료의 표면의 온도 분포 측정 결과를 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 스텝을 구비하고 있는 것을 특징으로 한다.
본 발명의 열 전도율 추정 장치는, 측정 시료로서 준비된 반도체 결정 제품의 제조 장치의 구성 부재의 일부를 소정의 가열 조건으로 가열하여, 정상 상태에 있어서의 상기 측정 시료의 표면의 온도 분포를 측정하는 측정부와, 상기 측정 시료와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여, 상기 복수의 조합의 각각 대해서 상기 시료 모델의 표면의 온도 분포를 계산하는 계산부와, 상기 전열 시뮬레이션에서 이용한 상기 복수의 조합 및 당해 복수의 조합으로부터 얻어진 온도 분포의 계산 결과를 훈련 데이터로 하여, 입력을 상기 측정 시료의 표면의 온도 분포로 하고, 출력을 상기 측정 시료의 열 전도율로 하는 회귀 모델을, 기계 학습법을 이용하여 작성하는 기계 학습부와, 상기 측정 시료의 표면의 온도 분포 측정 결과를 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 추정부를 구비하고 있는 것을 특징으로 한다.
본 발명에 의하면, 시료 모델의 형상을 측정 시료와 동일한 형상으로 설정하는 한편으로, 재질을 아무 것도 설정하지 않고, 당해 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시한다. 다음으로, 이 전열 시뮬레이션의 결과를 훈련 데이터로 하여, 기계 학습법을 이용하여 회귀 모델을 작성한다. 이 후, 측정 시료의 일부를 가열했을 때의 표면의 온도 분포 측정 결과를 회귀 모델에 입력함으로써, 측정 시료의 열 전도율을 추정한다.
이와 같이, 회귀 모델을 작성할 때에, 시료 모델의 재질을 고려에 넣고 있지 않기 때문에, 당해 회귀 모델을 이용하여 재질이 상이한 여러 가지 측정 시료의 열 전도율을 간편하게 추정할 수 있다. 그 결과, 반도체 결정 제품의 제조 공정에 있어서의 여러 가지 전열 해석을 행함에 있어서, 열 전도율을 간편하게 추정할 수 있다.
본 발명의 열 전도율 추정 방법에 있어서, 상기 회귀 모델을, 기계 학습법을 이용하여 작성하는 스텝은, 입력을 상기 측정 시료의 표면의 온도 분포와 당해 온도 분포 측정 시의 가열 조건으로 하는 회귀 모델을 작성하고, 상기 열 전도율을 추정하는 스텝은, 상기 온도 분포 측정 결과와 상기 온도 분포 측정 시의 가열 조건을 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 것이 바람직하다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 기계 학습부는, 입력을 상기 측정 시료의 표면의 온도 분포와 당해 온도 분포 측정 시의 가열 조건으로 하는 회귀 모델을 작성하고, 상기 추정부는, 상기 온도 분포 측정 결과와 상기 온도 분포 측정 시의 가열 조건을 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 것이 바람직하다.
본 발명에 의하면, 측정 시료의 열 전도율의 추정 정밀도가 향상한다.
본 발명의 열 전도율 추정 방법에 있어서, 상기 시료 모델의 표면의 온도 분포를 계산하는 스텝은, 상기 온도 분포의 측정 시와 동일한 측정계를 전제로 한 전열 시뮬레이션을 실시하는 것이 바람직하다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 계산부는, 상기 표면의 온도 분포의 측정 시와 동일한 측정계를 전제로 한 전열 시뮬레이션을 실시하는 것이 바람직하다.
본 발명에 의하면, 전열 시뮬레이션의 정밀도가 향상하면, 회귀 모델의 정밀도도 향상하고, 그 결과, 측정 시료의 열 전도율의 추정 정밀도가 향상한다.
본 발명의 열 전도율 추정 방법에 있어서, 상기 시료 모델의 표면의 온도 분포를 계산하는 스텝은, 상기 표면의 온도 분포의 측정 시와 동일한 분위기를 전제로 한 전열 시뮬레이션을 실시하는 것이 바람직하다.
본 발명의 기재의 열 전도율 추정 장치에 있어서, 상기 계산부는, 상기 표면의 온도 분포의 측정 시와 동일한 분위기를 전제로 한 전열 시뮬레이션을 실시하는 것이 바람직하다.
본 발명에 의하면, 전열 시뮬레이션의 정밀도가 향상하면, 회귀 모델의 정밀도도 향상하고, 그 결과, 측정 시료의 열 전도율의 추정 정밀도가 향상한다.
본 발명의 열 전도율 추정 방법에 있어서, 상기 측정 시료가, 상기 구성 부재의 대체 재료라도 좋다.
본 발명에 의하면, 측정 시료를 용이하게 입수할 수 있다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 측정부는, 상기 측정 시료를 수용하는 측정 케이스를 구비하고 있는 것이 바람직하다.
본 발명에 의하면, 측정 시료 주변의 분위기가 측정 케이스 외측의 분위기에 따라 변화하는 것을 억제할 수 있고, 회귀 모델의 작성 시에 이용한 분위기와 동일한 분위기에서 측정 시료의 온도 분포를 측정할 수 있어, 열 전도율의 추정 정밀도가 향상한다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 측정부는, 상기 측정 케이스의 온도를 일정 온도로 유지하는 온도 유지부를 구비하고 있는 것이 바람직하다.
본 발명에 의하면, 측정 시료 주변의 분위기 온도가 측정 케이스 외측의 온도에 따라 변화하는 것을 억제할 수 있어, 회귀 모델의 작성 시에 이용한 온도와 동일한 분위기 온도에서 측정 시료의 온도 분포를 측정할 수 있다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 측정부는, 상기 측정 케이스 내에 불활성 가스를 도입하는 불활성 가스 도입부를 구비하고 있는 것이 바람직하다.
본 발명에 의하면, 측정 시료 표면이 산화되어 버려, 당해 표면의 온도 분포에 산화물의 영향이 생기는 것을 억제할 수 있다.
본 발명의 열 전도율 추정 장치에 있어서, 상기 측정부는, 상기 측정 시료를 가열하는 가열부와, 상기 가열부의 열이 분위기를 통하여 상기 측정 시료의 표면에 전해지는 것을 억제하는 전열 억제부를 구비하고 있는 것이 바람직하다.
본 발명에 의하면, 전열 억제부에 의해, 가열부로부터의 열이 복사 및 주위의 분위기를 통하여 측정 시료의 표면에 전해져 버리는 것을 억제할 수 있고, 당해 열이 측정 시료의 표면을 불필요하게 따뜻하게 하여, 그의 온도 분포를 작게 해 버리는 것을 억제할 수 있다.
본 발명의 반도체 결정 제품의 제조 방법은, 반도체 결정 제품의 제조 장치의 구성 부재를 측정 시료로서 준비하는 스텝과, 전술의 열 전도율 추정 방법, 또는, 전술의 열 전도율 추정 장치를 이용하여, 상기 구성 부재의 열 전도율을 추정하는 스텝과, 상기 열 전도율의 추정 결과를 이용하여, 상기 반도체 결정 제품의 제조 공정의 전열 시뮬레이션을 행하는 스텝과, 상기 제조 공정의 전열 시뮬레이션의 결과에 기초하여 상기 반도체 결정 제품의 제조 장치를 제어하여, 반도체 결정 제품을 제조하는 스텝을 구비하고 있는 것을 특징으로 한다.
본 발명의 열 전도율 연산 장치는, 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하기 위한 측정 수단과, 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 이용하여, 상기 측정 수단으로 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산부를 구비하고 있는 것을 특징으로 한다.
본 발명의 열 전도율 연산 프로그램은, 측정 수단을 구비한 열 전도율 연산 장치의 컴퓨터가 판독 가능한 열 전도율 연산 프로그램으로서, 상기 컴퓨터에, 상기 측정 수단을 이용하여 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하는 측정 처리와, 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 이용하여, 상기 측정 처리에서 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산 처리를 실행시키는 것을 특징으로 한다.
본 발명의 열 전도율 연산 방법은, 측정 수단을 이용하여 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하는 측정 스텝과, 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 이용하여, 상기 측정 스텝에서 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산 스텝을 구비하고 있는 것을 특징으로 한다.
본 발명에 의하면, 구성 부재의 온도로부터 당해 구성 부재의 열 전도율을 연산할 수 있다. 구성 부재의 형상이나 측정 환경 등의 제한 없이 열 전도율을 연산할 수 있기 때문에, 열 전도율을 그 자리에서 연산할 수 있다. 그 결과, 구성 부재의 열 전도율을 간편하게 추정할 수 있어, 열 전도율의 시간 경과에 따른 변화 등에 대응하는 것이 가능하게 된다.
본 발명의 열 전도율 연산 장치에 있어서, 상기 회귀 모델은, 변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하고, 상기 시뮬레이션에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합으로부터 도출된 모델인 것이 바람직하다.
본 발명의 열 전도율 연산 프로그램에 있어서, 변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하는 시뮬레이션 처리와, 상기 시뮬레이션 처리에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합으로부터 상기 회귀 모델을 도출하는 도출 처리를 상기 컴퓨터에 추가로 실행시키는 것이 바람직하다.
본 발명의 열 전도율 연산 방법에 있어서, 변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하는 시뮬레이션 스텝과, 상기 시뮬레이션 스텝에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합으로부터 상기 회귀 모델을 도출하는 도출 스텝을 추가로 구비하고 있는 것이 바람직하다.
본 발명의 열 전도율 연산 장치에 있어서, 변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것이 바람직하다.
본 발명의 열 전도율 연산 프로그램에 있어서, 변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것이 바람직하다.
본 발명의 열 전도율 연산 방법에 있어서, 변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것이 바람직하다.
본 발명의 열 전도율 연산 장치에 있어서, 상기 회귀 모델은 기계 학습에 의한 모델이고, 상기 회귀 모델은, 상기 시뮬레이션에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 상기 기계 학습에 의해 도출된 모델인 것이 바람직하다.
본 발명의 열 전도율 연산 프로그램에 있어서, 상기 회귀 모델은 기계 학습에 의한 모델이고, 상기 도출 처리는, 상기 시뮬레이션 처리에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 상기 기계 학습에 의해 상기 회귀 모델을 도출하는 것이 바람직하다.
본 발명의 열 전도율 연산 방법에 있어서, 상기 회귀 모델은 기계 학습에 의한 모델이고, 상기 도출 스텝은, 상기 시뮬레이션 스텝에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 상기 기계 학습에 의해 상기 회귀 모델을 도출하는 것이 바람직하다.
본 발명의 열 전도율 연산 장치에 있어서, 상기 결정 성장 장치 내에 배치되어 있는 결정을 가열하는 가열 수단을 추가로 구비하고, 상기 가열 수단은, 상기 연산부에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정의 가열 상태를 제어하는 것이 바람직하다.
본 발명의 열 전도율 연산 프로그램에 있어서, 상기 연산 처리에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정 성장 장치 내에 배치되어 있는 결정의 가열 상태를 제어하는 가열 처리를, 상기 컴퓨터에 추가로 실행시키는 것이 바람직하다.
본 발명의 열 전도율 연산 방법에 있어서, 상기 연산 스텝에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정 성장 장치 내에 배치되어 있는 결정의 가열 상태를 제어하는 가열 스텝을 추가로 구비하고 있는 것이 바람직하다.
본 발명의 열 전도율 연산 장치에 있어서, 상기 측정 수단은 적외선 서모그래피 또는 열전대인 것이 바람직하다.
본 발명의 열 전도율 연산 프로그램에 있어서, 상기 측정 수단은 적외선 서모그래피 또는 열전대인 것이 바람직하다.
본 발명의 열 전도율 연산 방법에 있어서, 상기 측정 수단은 적외선 서모그래피 또는 열전대인 것이 바람직하다.
도 1은 본 발명의 제1 실시 형태에 따른 열 전도율 추정 장치의 구성 및 열 전도율 추정 방법을 나타내는 도면이다.
도 2는 상기 제1 실시 형태에 있어서의 열 전도율 추정 장치를 구성하는 측정부의 개략도이다.
도 3은 상기 제1 실시 형태 및 본 발명의 제2 실시 형태에서 이용하는 뉴럴 네트워크의 계층 구조를 나타내는 도면이다.
도 4는 상기 제2 실시 형태에 따른 결정 성장 시스템의 구성을 나타내는 개략도이다.
도 5는 상기 제2 실시 형태에 있어서의 열 전도율 연산 방법을 나타내는 플로우차트이다.
도 6은 본 발명의 실시예에 있어서의 회귀 모델의 평가 결과를 나타내는 그래프이다.
(발명을 실시하기 위한 형태)
[제1 실시 형태]
이하, 본 발명의 제1 실시 형태를 도면을 참조하여 설명한다. 또한, 본 실시 형태에서는, 원주 형상의 측정 시료의 열 전도율을 추정하는 경우를 예시하지만, 측정 시료의 형상은 원주 형상 이외의 형상이라도 좋다.
〔열 전도율 추정 장치의 구성〕
도 1에 나타내는 바와 같이, 열 전도율 추정 장치(1)는, 원주 형상의 측정 시료(10)(도 2 참조)의 열 전도율을 추정하는 장치로서, 측정부(2)와, 계산부(3)와, 기계 학습부(4)와, 추정부(5)를 구비하고 있다. 측정 시료(10)로서는, 특별히 한정되지 않지만, 실리콘 단결정이나 실리콘 웨이퍼 등의 반도체 결정 제품의 제조 장치의 구성 부재 그 자체나, 당해 구성 부재와 동일한 재질 혹은 유사한 전열 특성을 갖는 대체 재료의 시료를 예시할 수 있다. 실리콘 단결정의 제조 장치로서는, 초크랄스키법에 의한 단결정 인상 장치를 예시할 수 있다. 실리콘 웨이퍼의 제조 장치로서는, 실리콘 단결정의 슬라이스 장치, 실리콘 웨이퍼의 연마 장치, 에피택셜 실리콘 웨이퍼의 기상 성장 장치를 예시할 수 있다. 전술의 제조 장치의 구성 부재로서는, 단결정 인상 장치의 핫 존을 구성하는 파츠(챔버, 도가니, 히터, 인상 케이블, 열 차폐체, 단열재), 단결정 인상 장치나 기상 성장 장치의 내벽재, 기상 성장 장치의 서셉터, 슬라이스 장치나 연마 장치의 각 부품을 예시할 수 있다.
측정부(2)는, 도 2에 나타내는 바와 같이, 측정 케이스(21)와, 가열부(22)와, 전열 억제부(23)와, 온도 유지부(24)와, 불활성 가스 도입부(25)와, 열전대(26; thermocouple)와, 측정 수단(27)과, 제어부(28)로 구비하고 있다. 또한, 본 실시 형태에서는, 측정 케이스(21), 가열부(22), 전열 억제부(23) 및 측정 시료(10)의 형상 및 배치가, 축 대칭의 원통 형상, 즉 위에서 보았을 때에 원형 또한 그의 중심이 일치하는 바와 같은 배치로 되어 있는 경우를 예시하지만, 각 구성 요소 10, 21, 22, 23의 형상은 축 대칭이나 원통 형상이 아니라도 좋고, 적어도 1개의 구성 요소 10, 21, 22, 23의 중심이 다른 구성 요소의 중심으로부터 어긋나 있는 바와 같은 배치라도 좋다.
본 실시 형태와 같이, 측정계, 즉 측정부(2)의 구성 요소 10, 21, 22, 23을 축 대칭의 원통 형상으로 함으로써, 계산부(3)에 있어서의 전열 시뮬레이션 모델의 구축이 용이해진다.
측정 케이스(21)는, 외형이 거의 원주의 중공 상자 형상으로 형성되어 있다. 측정 케이스(21)의 일측면에는, 관찰창(211)이 형성되어 있다.
가열부(22)는, 핫 플레이트이고, 측정 케이스(21)의 저면 중앙에 배치되어 있다. 가열부(22)는, 면적이 측정 시료(10)의 하면(11)보다도 큰 원형의 가열면(221)을 갖고 있다.
전열 억제부(23)는, 가열부(22)의 열이 측정 시료(10)의 표면(측면)(12)에 전해지는 것을 억제한다. 전열 억제부(23)는, 열 전달 부재(231)와 단열 부재(232)를 구비하고 있다.
열 전달 부재(231)는, 알루미늄제의 원판 형상의 부재이고, 측정 시료(10)가 올려놓아지는 제1 접촉면으로서의 상면(231A)과, 가열부(22)와 접촉하는 제2 접촉면으로서의 하면(231B)과, 상면(231A) 및 하면(231B)의 사이에 위치하는 측면(231C)을 구비하고 있다. 상면(231A) 및 하면(231B)은, 측정 시료(10)의 접촉면으로서의 하면(11)과 동일한 형상을 갖고 있다. 열 전달 부재(231)는, 가열면(221)의 중앙에 배치되어 있다. 열 전달 부재(231)는, 가열부(22)로부터의 열을 측정 시료(10)의 하면(11)에 가능한 한 많이 전하는 기능을 갖는 것이 바람직하다. 이러한 관점에서, 열 전달 부재(231)의 열 전도율은 높은 쪽이 바람직하고, 예를 들면 200W/mK 이상인 것이 바람직하다.
단열 부재(232)는, 카본제의 부재이고, 두께가 열 전달 부재(231)와 거의 동일하고, 또한, 중공부의 직경이 열 전달 부재(231)의 외경과 거의 동일한 크기의 원환판 형상으로 형성되어 있다. 단열 부재(232)의 중공부에는, 열 전달 부재(231)가 끼워 넣어진다. 즉, 단열 부재(232)는, 열 전달 부재(231)의 측면(231C) 전체를 덮도록, 또한, 그의 중심이 가열면(221)의 중심과 일치하도록 형성되어 있다. 이러한 구성에 의해, 단열 부재(232)는, 가열부(22)로부터의 열과, 열 전달 부재(231)로부터의 열이 복사 및 주위의 분위기를 통하여 측정 시료(10)의 표면(12)에 전해져 버리는 것을 억제할 수 있다. 이러한 관점에서, 단열 부재(232)의 열 전도율은 낮은 쪽이 바람직하고, 예를 들면 1W/mK 이하인 것이 바람직하다. 또한, 단열 부재(232)는, 열 전달 부재(231)의 측면(231C) 전체를 덮는 원환판 형상의 부분에 더하여, 가열부(22)의 측면 전체를 덮는 원통 형상의 부분을 구비하고 있어도 좋다.
열 전달 부재(231)와 단열 부재(232)로 구성된 전열 억제부(23)에 의해, 가열부(22)로부터의 열을 측정 시료(10)의 하면(11)에만 많이 전함과 함께, 가열부(22)로부터의 열이 측정 시료(10)의 표면(12)에 복사 및 주위의 분위기를 통하여 전해져 버리는 것을 억제할 필요가 있다. 이러한 관점에서, 열 전달 부재(231)와 단열 부재(232)의 재질 및 두께를, 가열부(22)의 가열량에 따라서 적절히 선택하는 것이 바람직하다.
온도 유지부(24)는, 측정 케이스(21)를 일정 온도로 유지하기 위해 측정 케이스(21)를 수랭한다. 측정 케이스(21)를 일정 온도로 유지하기 위한 방식으로서는, 수랭에 한정하지 않고 공랭이나 히트 싱크를 이용해도 좋다.
불활성 가스 도입부(25)는, 측정 케이스(21) 내를 불활성 가스로 치환한다. 불활성 가스로서는, 질소나 아르곤을 예시할 수 있지만, 이들에 한정되지 않는다.
열전대(26)는, 가열부(22)의 가열면(221)과 열 전달 부재(231)의 하면(231B)의 사이에 배치되어 있다. 열전대(26)는, 제어부(28)에 전기적으로 접속되어 있다. 또한, 도 2에 있어서, 구성을 이해하기 쉽게 하기 위해, 가열면(221)이 열전대(26)와 동일한 형상으로 패여 있듯이 도시하고 있지만, 실제는, 가열면(221)은 거의 평면으로 되어 있다. 그러나, 열전대(26)가 매우 얇기 때문에, 열전대(26)가 배치된 상태에서도, 가열면(221)과 하면(231B)이 밀착되어 있다.
측정 수단(27)은, 서모 뷰어이고, 측정 케이스(21)의 관찰창(211)에 대향하는 위치에 배치되어 있다. 측정 수단(27)은, 제어부(28)에 전기적으로 접속되어 있다. 측정 수단(27)은, 측정 시료(10)의 온도 분포를 측정하고, 그 측정 결과를 제어부(28)에 출력한다.
제어부(28)는, 온도 유지부(24)가 수랭이나 공랭으로 온도를 제어하는 구성의 경우, 측정 케이스(21)가 일정 온도가 되도록 온도 유지부(24)를 제어한다. 제어부(28)는, 불활성 가스 도입부(25)를 제어하여, 측정 케이스(21) 내를 불활성 가스 분위기로 한다. 제어부(28)는, 열전대(26)에 있어서의 온도 측정 결과에 기초하여 가열부(22)를 제어한다. 제어부(28)는, 정상 상태가 되었을 때의 측정 시료(10)의 온도 분포를 측정 수단(27)으로부터 취득하여, 추정부(5)에 출력한다.
계산부(3)는, 훈련 데이터를 작성한다. 훈련 데이터란, 목표로 하는 네트워크의 함수를 정하기 위해, 「어느 입력 x에 대한 바람직한 출력 d」라고 하는 바와 같은, 함수의 입력과 출력의 페어의 집합이다. 훈련 데이터는, 기계 학습부(4)에 있어서, 기계 학습법을 이용한 회귀 모델의 작성에 이용된다.
회귀 모델의 작성에는 대량의 훈련 데이터의 수집이 필요하지만, 실험에 의한 수집은 어렵다. 그래서, 본 실시 형태에서는, 해석 소프트를 이용한 시뮬레이션에 의해 훈련 데이터를 작성한다.
계산부(3)는, 측정 시료(10)와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여, 당해 복수의 조합의 각각에 대해서 시료 모델의 표면의 온도 분포를 계산한다. 이 계산 시에 있어서, 계산부(3)는, 측정 케이스(21) 내 및 내외의 전열을 열 전도, 열 전달, 열 복사의 관점에서 고려하여, 기존의 물리 모델에 기초하여 전열 시뮬레이션을 실시한다.
계산부(3)는, 표면의 온도 분포의 계산 결과, 표면의 온도 분포의 계산에 이용한 임시 열 전도율 및 가열 조건의 조합을, 훈련 데이터로서 기계 학습부(4)에 출력한다. 계산부(3)에 이용하는 해석 소프트로서는, 특별히 한정되지 않고, 시판되고 있는 것을 이용할 수 있다.
기계 학습부(4)는, 계산부(3)로부터 입력된 훈련 데이터를 이용하여, 입력을 측정 시료(10)의 온도 분포, 출력을 측정 시료(10)의 열 전도율로 하는 회귀 모델을, 기계 학습법을 이용하여 작성한다. 기계 학습부(4)는, 작성한 회귀 모델을 추정부(5)에 출력한다. 기계 학습부(4)에서 행하는 기계 학습법으로서는, 뉴럴 네트워크나 유전적 알고리즘을 이용한 방법을 예시할 수 있지만, 특별히 한정되지 않고 주지의 방법(서포트 벡터 머신이나, 스파스 모델 등)을 이용할 수 있다.
기계 학습법이란, 대량의 데이터의 규칙성을 컴퓨터에 의해 발견하여, 얻어진 규칙성을 이용함으로써, 데이터의 해석이나 예측에 유용한 방법이다. 기계 학습법의 큰 특징으로서, 학습에 성공하고 있으면, 훈련 시에 학습하고 있지 않은 미지의 정보로부터도 결과의 예측이 가능하게 되는 점을 들 수 있다. 회귀란, 출력에 수치 등의 연속값을 취하는 바와 같은 함수를 대상으로, 훈련 데이터를 잘 재현하는 바와 같은 함수를 정하는 것을 말한다.
본 실시 형태에서는, 기계 학습부(4)는, 뉴럴 네트워크를 이용하여 회귀 모델을 작성한다. 뉴럴 네트워크는 생물의 신경 회로망을 모방한 기술이다.
뉴럴 네트워크에 의해 회귀 모델의 회귀를 행했을 때의 사용 모델에 대해서 설명한다. 도 3에 나타내는 바와 같이, 본 실시 형태의 뉴럴 네트워크는, l층, m층, n층을 포함하는 계층 구조를 구비하고 있다. l층은 입력층이다. m층은 숨김층이다. n층은 출력층이다. l층에는, 측정 시료(10)의 온도 분포가 입력된다. 숨김층은, 2층, 뉴런수는 128개로 했다. n층은, 측정 시료(10)의 열 전도율을 출력한다. 본 실시 형태에서는, 활성화 함수에는 시그모이드 함수를 사용하고, 학습률의 조정에는 Adam(Adaptive Moment Estimation)을 이용했다.
추정부(5)는, 측정부(2)로부터 측정 시료(10)의 표면(12)의 온도 분포 측정 결과를 취득하고, 당해 온도 분포 측정 결과를 회귀 모델에 입력하여, 측정 시료(10)의 열 전도율을 추정한다.
〔열 전도율 추정 방법〕
다음으로, 전술의 열 전도율 추정 장치(1)를 이용한 열 전도율 추정 방법에 대해서 설명한다.
도 1에 나타내는 바와 같이, 작업자는, 전술의 구성을 갖는 측정부(2)를 구축한다(스텝 S1).
스텝 S1의 처리의 전후, 또는, 스텝 S1의 처리와 병행하여, 계산부(3)는, 작업자의 설정 입력에 기초하여, 측정부(2)를 모의한 시뮬레이션 모델을 구축한다(스텝 S2). 시뮬레이션 모델을 구축함에 있어서, 구성 요소의 사이즈나 물성값을 기존의 값으로서 설정한다. 사이즈가 설정되는 구성 요소로서는, 측정 케이스(21)의 내부 공간의 형상, 측정 시료(10), 가열부(22), 열 전달 부재(231) 및 단열 부재(232)의 외형상을 예시할 수 있다. 설정되는 물성값으로서는, 측정 케이스(21) 내의 온도, 압력, 분위기 및 대류의 발생 상황, 열 전달 부재(231) 및 단열 부재(232)의 열 전도율을 예시할 수 있다. 이하에 있어서, 시뮬레이션 모델에 있어서 측정 시료(10)에 상당하는 구성을, 「시료 모델」이라고 한다.
스텝 S2의 처리의 후, 계산부(3)는, 시뮬레이션 모델에 기초하는 전열 시뮬레이션을 실시하여, 훈련 데이터를 생성한다(스텝 S3). 이 스텝 S3의 처리 시에 있어서, 계산부(3)는, 작업자의 설정 입력에 기초하여, 시료 모델의 임시 열 전도율의 범위와 가열 온도의 범위를 설정한 후, 상기 범위 내에 있어서, 임시 열 전도율과 가열 온도를 임의로 조합한 복수의 계산 조건을 설정한다. 기계 학습부(4)에 있어서의 회귀 모델의 정밀도를 향상시킨다는 관점에서, 여기에서 설정하는 계산 조건은 많은 쪽이 바람직하다.
계산부(3)는, 이 복수의 계산 조건의 각각에 대하여 전열 시뮬레이션을 실시하여, 시료 모델의 하면만을 가열한 경우에 있어서의 정상 상태에서의 표면(12)의 온도 분포를 계산한다. 이 때, 기계 학습부(4)에 있어서의 회귀 모델의 정밀도를 향상시킨다는 관점에서, 측정부(2)와 동일한 측정계나 온도 분포 측정 시와 동일한 분위기를 전제로 한 계산을 행하는 것이 바람직하다. 계산부(3)는, 임시 열 전도율과, 가열 온도와, 이들에 기초하여 얻어진 표면(12)의 온도 분포의 조합을, 훈련 데이터로서 기계 학습부(4)에 출력한다. 또한, 훈련 데이터는, 작업자의 설정 입력에 의해 기계 학습부(4)에 입력되어도 좋다.
스텝 S3의 처리의 후, 기계 학습부(4)는, 훈련 데이터를 이용하여, 입력을 측정부(2)로부터의 측정 시료(10)의 표면(12)의 온도 분포 측정 결과 및 온도 분포 측정 시의 가열 조건으로 하여, 출력을 측정 시료(10)의 열 전도율로 하는 회귀 모델을 작성하고(스텝 S4), 당해 회귀 모델을 추정부(5)에 출력한다. 또한, 회귀 모델은, 작업자의 설정 입력에 의해 추정부(5)에 입력되어도 좋다.
스텝 S2∼S4의 처리의 전후, 또는, 스텝 S2∼S4의 처리와 병행하여, 측정부(2)는, 계산부(3)에서 구축된 시뮬레이션 모델과 동일한 조건하에 있어서, 시료 모델과 동일한 형상의 측정 시료(10)의 온도 분포를 측정한다(스텝 S5).
이 스텝 S5의 처리 시에 있어서, 측정부(2)의 제어부(28)는, 열전대(26)에 있어서의 온도 측정 결과에 기초하여, 측정 시료(10)의 하면(11)의 온도를 추정한다. 이 때, 열 전달 부재(231)로서 열 전도율이 높은(200W/mK) 알루미늄제의 부재를 이용하고 있기 때문에, 열전대(26)에 기초하는 하면(11)의 추정 온도는, 하면(11)의 실제의 온도와 거의 동일해진다. 제어부(28)는, 이 추정 온도가 작업자의 설정 입력에 기초하여 설정된 가열 온도(설정 가열 온도)와 동일해지도록, 가열부(22)를 제어한다.
제어부(28)는, 측정 수단(27)을 제어하여, 측정 시료(10)의 온도 분포 측정 결과를 소정 간격으로 취득하고, 하면(11)의 추정 온도와 설정 가열 온도의 차가 허용 범위 내가 되고, 또한, 온도 분포의 시간 경과에 따른 변화가 없어졌을 때의(정상 상태가 되었을 때의) 온도 분포를, 추정부(5)에 출력한다.
추정부(5)에 있어서 측정 시료(10)의 열 전도율을 고정밀도로 추정하기 위해서는, 온도 구배가 일 방향이 되도록, 측정 시료(10)의 1개소만을 가열했을 때의 온도 분포를 이용하는 것이 바람직하고, 본 실시 형태에 있어서는, 측정 시료(10)의 하면만을 가열했을 때의 온도 분포를 이용하는 것이 바람직하다.
측정 시료(10)를 가열부(22)의 가열면(221) 상에 올려놓아 가열하는 경우에는, 가열부(22)로부터의 복사열도 측정 수단(27)으로 측정되어 버려, 측정 시료(10)의 온도 분포 측정 결과에 영향을 미칠 가능성이 있다.
본 실시 형태에서는, 측정 시료(10)가 열 전달 부재(231) 상에 올려놓아지고 있기 때문에, 가열부(22)에서 측정 시료(10) 하부까지의 거리를 길게 할 수 있어, 가열부(22)의 열이 측정 시료(10)의 주위의 분위기에 전해져 버리는 것을 억제할 수 있다. 특히, 열 전달 부재(231)의 측면(231C) 전체가 단열 부재(232)로 덮여 있기 때문에, 측정 시료(10)의 하부의 주위의 분위기에 전해지는 가열면(221)으로부터의 열을 보다 효과적으로 저감할 수 있다. 따라서, 측정 시료(10)의 표면(12)만의 온도를 반영시킨 온도 분포를 측정 수단(27)으로 측정할 수 있고, 측정 시료(10)의 열 전도율을 고정밀도로 추정할 수 있다.
제어부(28)는, 시뮬레이션 모델에 있어서, 측정 케이스(21)의 온도가 소정 온도로 설정되어 있는 경우, 온도 유지부(24)를 제어하여, 측정 케이스(21)의 온도를 설정 온도로 조정하는 것이 바람직하다. 이러한 구성으로 하면, 측정 시료(10) 주변의 분위기 온도가 측정 케이스(21) 외측의 온도에 따라 변화하는 것을 억제할 수 있어, 시뮬레이션 모델과 동일한 조건으로 측정 시료(10)의 온도 분포를 측정할 수 있다.
제어부(28)는, 시뮬레이션 모델에 있어서, 측정 케이스(21) 내가 불활성 가스 분위기로 설정되어 있는 경우, 불활성 가스 도입부(25)를 제어하여, 측정 케이스(21) 내를 불활성 가스로 치환하는 것이 바람직하다. 이러한 구성으로 하면, 가열에 의해 측정 시료(10)의 표면(12)이 산화되어 버리는 것을 억제할 수 있어, 당해 표면(12)의 온도 분포에 산화물의 영향이 생기는 것을 억제할 수 있다.
스텝 S4 및 스텝 S5의 처리의 후, 추정부(5)는, 측정부(2)로부터의 온도 분포 측정 결과 및 온도 분포 측정 시의 가열 조건을 회귀 모델에 입력하여, 측정 시료(10)의 열 전도율을 추정한다(스텝 S6).
〔열 전도율의 추정 결과의 이용 방법〕
측정 시료(10)로서, 반도체 단결정이나 반도체 기판 등의 반도체 결정 제품의 제조 장치의 구성 부재를 채용하여, 전술의 열 전도율 추정 방법을 실시함으로써, 당해 구성 부재의 열 전도율을 간편하게 추정할 수 있다.
이 열 전도율의 추정 결과를, 반도체 단결정이나 반도체 기판의 제조 공정의 전열 시뮬레이션에 이용하여, 이 제조 공정의 전열 시뮬레이션 결과에 기초하여 반도체 단결정이나 반도체 기판의 제조 장치를 제어함으로써, 소망하는 특성을 갖는 제품을 용이하게 제조할 수 있다.
구성 부재를 대신하여, 유사한 전열 특성을 갖는 대체 재료를 측정 시료(10)로서 이용할 수도 있다.
〔제1 실시 형태의 작용 효과〕
제1 실시 형태에 의하면, 열 전도율 추정 장치(1)는, 시료 모델의 형상을 측정 시료(10)와 동일한 형상으로 설정하는 한편으로, 재질을 아무 것도 설정하지 않고, 임시 열 전도율을 입력하여 전열 시뮬레이션을 실시한다. 열 전도율 추정 장치(1)는, 전열 시뮬레이션 결과에 기초하여, 기계 학습법을 이용하여 회귀 모델을 작성하고, 당해 회귀 모델에 측정 시료(10)의 표면(12)의 온도 분포 측정 결과를 입력함으로써, 측정 시료(10)의 열 전도율을 추정한다.
이와 같이, 회귀 모델을 작성할 때에, 시료 모델의 재질을 고려에 넣고 있지 않기 때문에, 당해 회귀 모델을 이용하여 재질이 상이한 여러 가지 측정 시료(10)의 열 전도율을 간편하게 추정할 수 있다. 또한, 반도체 결정 제품의 제조 공정에 있어서의 여러 가지 전열 해석을 행함에 있어서, 열 전도율을 간편하게 추정할 수 있다.
특히, 회귀 모델에 온도 분포 측정 결과 및 온도 분포 측정 시의 가열 조건을 입력하기 때문에, 열 전도율의 추정 정밀도가 향상한다.
〔제1 실시 형태의 변형예〕
또한, 본 발명은 상기 실시 형태에만 한정되는 것이 아니라, 본 발명의 요지를 일탈하지 않는 범위 내에 있어서 여러 가지의 개량 그리고 설계의 변경 등이 가능하다.
예를 들면, 핫 플레이트를 이용하여 측정 시료(10)를 아래부터 가열하는 구성을 예시했지만, 위나 옆으로부터 가열해도 좋다. 단, 전열 시뮬레이션의 조건 설정의 용이함의 관점에서, 본 실시 형태와 같이 아래부터 가열하는 것이 바람직하다.
측정 시료(10)의 측정은, 측정 케이스(21) 내에서 행해지지 않아도 좋다.
열 전달 부재(231)는 열 전도율이 높다면, 알루미늄제가 아니라도 좋다.
단열 부재(232)는 열 전도율이 낮다면, 카본제가 아니라도 좋다.
열 전달 부재(231)의 주위에 단열 부재(232)를 배치하지 않아도 좋고, 측정 시료(10)의 하면(11)과 가열부(22)의 가열면(221)을 직접 접촉시켜 측정 시료(10)를 가열해도 좋다.
측정부(2)는, 온도 유지부(24) 및 불활성 가스 도입부(25) 중 적어도 한쪽을 구비하고 있지 않아도 좋다.
측정부(2)는, 열전대(26)를 구비하고 있지 않아도 좋다.
측정 수단(27)으로서, 측정 시료(10)의 하단으로부터 상단에 걸쳐 복수 개소에 부착된 열전대를 적용해도 좋다.
[제2 실시 형태]
다음으로, 본 발명의 제2 실시 형태를 도면을 참조하여 설명한다.
〔결정 성장 시스템의 구성〕
도 4에 나타내는 바와 같이, 결정 성장 시스템(100)은, 결정 성장 장치(110)와 열 전도율 연산 장치(120)를 구비하고 있다.
결정 성장 장치(110)는, SiC 결정을 액상 성장시키는 장치이다. 결정 성장 장치(110)는, 케이스체(111)와, 도가니 수용부(112)와, 회전부(113)와, 결정 지지부(114)와, 고주파 코일(115)과, 도가니(116)를 구비하고 있다. 케이스체(111)는, 원통 외면의 외벽면을 갖고, 고주파 코일(115) 및 도가니 수용부(112)를 격납하고 있다. 도가니 수용부(112)는, 도가니(116)를 수용하고 있다. 도가니 수용부(112)의 표면은, 단열재로 덮여 있다. 도가니(116)는 탄소 소재(흑연)로 형성되어 있다. 회전부(113)는, 도가니 수용부(112) 및 도가니(116)를 회전시키는 부위이다. 결정 지지부(114)는, 종결정(117) 및 성장한 SiC 결정(119)을 회전 가능하게 지지하는 부재이다. 고주파 코일(115)은, 도시하지 않는 전원 장치로부터의 전원 공급을 받아, 도가니(116)를 유도 가열한다.
도가니(116)에는 융액(118)이 수용된다. 융액(118)은, Si의 용액이다. 도가니(116)로부터 탄소 원자가 용융된다. 따라서, SiC 템플릿인 종결정(117)을 기점으로, SiC 결정(119)을 성장시킬 수 있다.
열 전도율 연산 장치(120)는, 서모 카메라(적외선 서모그래피)(121)와, 정보 취득부(122)와, 연산부(123)와, 기억부(124)와, 온도 제어부(125)를 구비하고 있다. 서모 카메라(121)는, 결정 성장 장치(110)가 구비하고 있는 구성 부재의 단일 또는 복수 개소의 온도를 측정하기 위한 측정 수단이다. 구체적으로는, 서모 카메라(121)는, 도가니 수용부(112)가 구비하고 있는 단열재의 표면 온도 분포를 측정한다. 편의상, 도 4에서는, 서모 카메라(121)가 고주파 코일(115) 및 케이스체(111)를 투과하여 측정하고 있는 도면을 기재하고 있다. 그러나 실제로는, 케이스체(111)나 고주파 코일(115)의 일부에, 서모 카메라(121)로 측정하기 위한 창부(도시하지 않음)를 배치하고 있다. 정보 취득부(122)는, 서모 카메라(121)로의 측정 결과를 취득하는 인터페이스이다.
연산부(123)는, 예를 들면 CPU이다. 연산부(123)는, 예를 들면 기억부(124)에 기억된 열 전도율 연산 프로그램에 기초하여, 기계 학습에 의해 회귀 모델을 작성하거나, 작성한 회귀 모델을 이용하여 도가니 수용부(112)의 단열재의 열 전도율을 연산하는 부위이다. 회귀 모델은, 복수의 입력에 기초하여 도가니 수용부(112)의 단열재의 열 전도율을 출력하기 위해 사용되는 모델이다. 복수의 입력에는, 서모 카메라(121)로 측정한 온도 분포가 포함된다. 기억부(124)는, 후술하는 시뮬레이션 결과나, 연산부에서 이용하는 각종 데이터를 기억하는 부위이다. 기억부(124)는, RAM이나 플래시 메모리, HDD 등의 조합이라도 좋다.
제1 실시 형태에서 설명한 바와 같이, 열 전도율을 연산하는 회귀 모델의 작성에는, 훈련 데이터의 수집이 필요하다. 훈련 데이터란, 함수의 입력과 출력의 페어의 집합이다. 훈련 데이터의 입력의 일 예로서는, 재료 물성값 및 결정 성장 조건을 들 수 있다. 훈련 데이터의 출력의 일 예로서는, 도가니 수용부(112)의 단열재의 표면 온도 분포, 도가니(116) 내의 융액(118)의 온도 분포 등을 들 수 있다.
훈련 데이터의 입력인 재료 물성값의 구체예로서는, 융액(118), SiC 결정(119), 도가니 수용부(112)의 물성값을 들 수 있다. 융액(118)의 물성값의 구체예로서는, 열 전도율, 점성 계수, 밀도, 비열, 복사율, 잠열, 접촉 각도, 표면 장력 등을 들 수 있다. SiC 결정(119)의 물성값의 구체예로서는, 열 전도율, 비열, 전기 전도율, 밀도, 탄성 계수, 팽창 계수, 복사율 등을 들 수 있다. 도가니 수용부(112)의 물성값의 구체예로서는, 단열재의 임시 열 전도율, 비열, 밀도, 복사율 등을 들 수 있다.
또한 훈련 데이터의 입력인 결정 성장 조건의 구체예로서는, 도가니(116)의 회전 속도, 결정 지지부(114)의 회전 속도, 도가니(116)의 사이즈, 고주파 코일(115)에 공급하는 전력, 융액(118)의 온도, 케이스체(111) 내의 기온 등을 들 수 있다.
제1 실시 형태에서 설명한 바와 같이, 대량의 훈련 데이터의 실험에 의한 수집은 어렵기 때문에, 본 실시 형태에서도, 해석 소프트를 이용한 시뮬레이션에 의해 훈련 데이터를 수집한다.
우선, CAD 데이터로부터, 결정 성장 장치(110)의 3차원 모델을 작성한다. 본 실시 형태에서는, 도가니 수용부(112)의 3차원 모델을 작성하여, 가상적으로 격자(메쉬)를 설정한다.
다음으로, 입력 파라미터 세트를 복수 설정한다. 입력 파라미터 세트는, 재료 물성값 및 결정 성장 조건을 포함하고 있다. 본 실시 형태에서는, 입력 파라미터 세트의 재료 물성값으로서, 도가니 수용부(112)의 단열재의 임시 열 전도율을 사용한다. 또한 입력 파라미터 세트의 결정 성장 조건으로서, 도가니 수용부(112)의 단열재의 표면 온도, 도가니(116)의 회전 속도, 결정 지지부(114)의 위치나 회전 속도, 도가니(116)의 사이즈, 고주파 코일(115)에 공급하는 전력, 융액(118)의 온도, 케이스체(111) 내의 기온을 사용했다. 그리고, 이들 재료 물성값이나 결정 성장 조건을 여러 가지로 상이하게 한 조합을 갖는 복수의 입력 파라미터 세트를 설정한다.
재료 물성값(도가니 수용부(112)의 단열재의 임시 열 전도율)은, 물질의 물리적 성질을 나타내는 수치이기 때문에, 본래는 일정값이다. 그러나 본 실시 형태에서는, 복수의 입력 파라미터 세트를 설정할 때에, 재료 물성값을 변동시킨다. 즉, 재료 물성값을 변수로서 취급하고 있다. 이에 따라 본 실시 형태에 따른 회귀 모델에서는, 재료 물성값이 변화하는 경우에도 대응 가능하다. 재료 물성값이 변화하는 경우의 일 예로서는, 도가니 수용부(112)의 단열재의 열화에 의해, 단열재의 열 전도율이 변화하는 경우를 들 수 있다. 변수로 하는 재료 물성값의 변화 폭은, ±10％의 범위 내인 것이 바람직하다.
그리고 입력 파라미터 세트를 이용하여, 시뮬레이션 계산을 실시한다. 시뮬레이션을 실시할 때마다, 1개의 입력 파라미터 세트에 대한 1개의 출력 결과(도가니 수용부(112)의 단열재의 표면 온도 분포)가 얻어진다. 시뮬레이션을 반복함으로써, 예를 들면, 10패턴 이상 10000패턴 이하의 결과가 얻어진다. 그들 결과는, 기억부(124)에 기억된다.
본 실시 형태에서는, 제1 실시 형태와 마찬가지로, 뉴럴 네트워크를 이용하여 회귀 모델을 작성한다. 구체적으로는, 연산부(123)는, 전술의 시뮬레이션에 의해 기억부(124)에 축적된 훈련 데이터를 이용하여 기계 학습을 행하고, 회귀 모델을 작성한다.
본 실시 형태에서는, 도 3에 나타내는 뉴럴 네트워크를 이용한다. 뉴럴 네트워크의 l층에는, 서모 카메라(121)의 측정 온도(도가니 수용부(112)의 단열재의 표면 온도), 도가니(116)의 회전 속도, 결정 지지부(114)의 위치 및 회전 속도, 케이스체(111) 내의 기온이 입력된다. n층은, 도가니 수용부(112)의 단열재의 열 전도율을 출력한다. 본 실시 형태에서도, 활성화 함수에는 시그모이드 함수를 사용하고, 학습률의 조정에는 Adam을 이용했다.
온도 제어부(125)는, 결정 성장 장치(110) 내에 배치되어 있는 고주파 코일(115)에 흐르게 하는 전류를 제어하는 부위이다. 온도 제어부(125)로부터 고주파 코일(115)에는, 제어 신호(CS)가 출력되고 있다. 온도 제어부(125)는, 연산부(123)에서 연산된 도가니 수용부(112)의 단열재의 열 전도율에 기초하여, 도가니(116)의 가열 상태를 제어한다.
〔열 전도율 연산 방법〕
다음으로, 회귀 모델을 이용하여 열 전도율을 연산하는 순서를 설명한다.
도 5에 나타내는 바와 같이, 정보 취득부(122)는, 서모 카메라(121)를 이용하여, 도가니 수용부(112)의 단열재의 표면 온도 분포를 측정한다(스텝 S11). 다음으로, 연산부(123)는, 측정된 표면 온도 분포 내의 복수 좌표에 대해서, 온도 정보를 취득한다(스텝 S12). 이 후, 연산부(123)는, 취득한 복수 좌표의 온도 정보, 케이스체(111) 내의 기온, 도가니(116)의 회전 속도, 결정 지지부(114)의 위치 및 회전 속도를, 회귀 모델에 입력한다(스텝 S13). 이에 따라, 도가니 수용부(112)의 단열재의 열 전도율의 추정값을 연산할 수 있다.
그 후, 온도 제어부(125)는, 연산된 도가니 수용부(112)의 단열재의 열 전도율에 기초하여, 고주파 코일(115)에 공급하는 전력을 제어한다(스텝 S14). 예를 들면, 융액(118)의 온도를 일정하게 유지하는 경우에는, 단열재의 열 전도율이 커짐에 따라(즉 열화가 진행됨에 따라), 공급 전력을 크게 해도 좋다. 그리고, S11∼S14의 처리가 반복된다.
〔제2 실시 형태의 작용 효과〕
열 전도율을 측정하는 방법으로서, 레이저 플래시법 등이 알려져 있다. 그러나, 이들 기존의 측정 방법에서는, 시료 상태나 측정 조건에 여러 가지 제약이 존재한다. 예를 들면, 측정 시료가 치밀하고 표면이 균일한 평판이라는 제약이나, 진공 단열 상태로 측정을 행한다는 제약 등이다. 이에 따라, 예를 들면, 결정 성장 장치(110)의 여러 가지 구성 부재(예: 도가니 수용부(112)의 단열재)의 열 전도율을 측정하는 것은 곤란했다.
제2 실시 형태의 결정 성장 시스템(100)에서는, 열 전도율을 출력하는 회귀 모델을 이용함으로써, 결정 성장 장치(110)의 구성 부재의 표면 온도 분포로부터, 그 구성 부재의 열 전도율의 추정값을 간편하게 연산할 수 있다. 시료 상태나 측정 조건 등의 제한 없이 열 전도율을 연산할 수 있기 때문에, 결정 성장 장치(110)의 구성 부재의 열 전도율의 변화를 그 자리에서 관찰하는 것이 가능하게 된다.
결정 성장 장치(110)에서는, 융액(118)은 2000℃를 초과하는 고온에 가열된다. 어느 정도의 시간이 경과하면 도가니 수용부(112)의 단열재의 단열성이 사용 중에 열화되어 가기 때문에, 당초 설정한 조건이 변화하기 때문에, 융액(118)의 온도를 일정하게 유지하는 것이 곤란하다.
결정 성장 시스템(100)에서는, 도가니 수용부(112)의 표면 온도 분포로부터, 도가니 수용부(112)의 단열재의 열 전도율의 변화를, 그 자리에서 관찰할 수 있다. 그리고, 그 자리에서 관찰한 열 전도율에 따라서 도가니(116)의 가열 상태를 제어함으로써, 융액(118)의 온도를 일정하게 유지할 수 있다. SiC 결정(119)을 균일하게 성장시키는 것이 가능하게 된다.
〔제2 실시 형태의 변형예〕
온도의 측정 대상이나, 열 전도율의 연산 대상은, 도가니 수용부(112)에 한정되지 않고, 결정 성장 장치(110)의 여러 가지 구성 부재라도 좋다. 예를 들면, 도가니(116)의 표면 온도를 측정하여 도가니 내부의 융액(118)의 열 전도율을 연산해도 좋다. 또한 도가니(116)의 표면 온도를 측정하여 도가니(116)의 열 전도율을 연산해도 좋다.
열 전도율의 연산 대상은, 결정 성장 장치(110)의 구성 부재라고 했지만, 이 형태에 한정되지 않고, 여러 가지 장치의 구성 부재에 대해서도 본 명세서의 기술을 적용 가능하다.
회귀 모델의 입력으로서, 서모 카메라(121)의 측정 온도, 케이스체(111) 내의 기온, 도가니(116)의 회전 속도, 결정 지지부(114)의 위치 및 회전 속도를 이용하는 경우를 설명했지만, 이 형태에 한정되지 않는다. 입력의 일 예에서 열거한 재료 물성값 및 결정 성장 조건 중으로부터 선택된 임의의 조합을, 회귀 모델의 입력으로서 사용해도 좋다.
회귀 모델의 출력이, 도가니 수용부(112)의 단열재의 열 전도율인 경우를 설명했지만, 이 형태에 한정되지 않고, 여러 가지 파라미터를 회귀 모델의 출력으로 할 수 있다. 예를 들면, 융액(118)의 열 전도율, 융액(118)의 온도 등을 출력으로 해도 좋다.
결정 성장 장치(110)의 구성 부재의 온도를 측정하는 수단은, 서모 카메라(121)에 한정되지 않고, 여러 가지 수단을 사용하는 것이 가능하다. 예를 들면, 열전대를 이용해도 좋다. 이 경우, 열전대를 구성 부재(예: 도가니 수용부(112))의 표면에 접착하면 표면 온도를 측정할 수 있고, 구성 부재의 내부에 침투하면 내부 온도를 측정할 수 있다. 다른 측정 수단으로서, 변형 게이지 등으로 부재의 치수 변화 등으로부터, 구성 부재 온도를 역산할 수도 있다.
기계 학습의 일 예로서 뉴럴 네트워크를 사용하는 경우를 설명했지만, 이 형태에 한정되지 않는다. 예를 들면, 서포트 벡터 머신이나, 스파스 모델 등, 다른 많은 방법을 사용해도 좋다.
결정 성장 장치(110)로 성장시키는 반도체 결정은, SiC에 한정되지 않는다.
서모 카메라(121)는 측정 수단의 일 예이다. 도가니 수용부(112)의 단열재의 열 전도율은, 변수로서 취급되는 물성값의 일 예이다. 고주파 코일(115)에 공급하는 전력, 융액(118)의 온도, 케이스체(111) 내의 기온, 도가니(116)의 회전 속도, 결정 지지부(114)의 회전 속도, 도가니(116)의 사이즈는, 각종 파라미터의 일 예이다. 온도 제어부(125)는 가열 수단의 일 예이다.
실시예
다음으로, 본 발명을 실시예 및 비교예에 의해 더욱 상세하게 설명하지만, 본 발명은 이들 예에 의해 하등 한정되는 것은 아니다.
[실험 1: 회귀 모델의 평가]
〔회귀 모델의 작성〕
측정 시료(10)의 열 전도율을 추정하기 위한 회귀 모델을 작성했다.
우선, 계산부(3)를 이용하여, 측정부(2)를 모의한 시뮬레이션 모델을 구축했다. 계산부(3)에 이용하는 소프트웨어로서, STR사 제조의 「CGSim」을 채용했다.
모델을 구축함에 있어서, 이하의 표 1에 나타내는 조건을 설정했다.
Figure 112021063358811-pct00001
다음으로, 시료 모델의 임시 열 전도율의 범위를 10W/mK 이상 150W/mK 이하로 설정하고, 가열 온도의 범위를 시료 모델의 하면의 온도가 90℃ 이상 110℃ 이하가 되는 바와 같은 범위로 설정했다. 이 설정한 범위 내에서, 임시 열 전도율과 가열 온도를 임의로 조합한 1875가지의 계산 조건을 설정했다. 계산부(3)를 이용하여, 각 계산 조건에 대하여 시뮬레이션 모델에 기초하는 전열 시뮬레이션을 실시하여, 시료 모델의 하면만을 가열한 경우에 있어서의 정상 상태에서의 표면 온도 분포를 계산했다. 이 계산 결과 중, 시료 모델을 상하 방향으로 등간격으로 20분할하고, 이 분할에 의해 얻어진 각 영역의 상단 및 하단의 합계 21개소의 온도를, 훈련 데이터로서 이용하는 온도 분포로서 추출했다. 이 추출한 온도 분포와, 이 온도 분포의 계산에 이용한 임시 열 전도율 및 가열 온도의 조합을 훈련 데이터로서 기계 학습부(4)에 입력했다.
기계 학습부(4)에 훈련 데이터를 입력하고, 시료 모델의 임시 열 전도율과 표면의 온도 분포의 관계를 기계 학습시킴으로써, 입력을 측정 시료(10)의 온도 분포 및 가열 조건, 출력을 측정 시료(10)의 열 전도율로 하는 회귀 모델을 작성했다. 이 작성을 행함에 있어서, 뉴럴 네트워크를 이용한 기계 학습을 실시하여, 기계 학습의 파라미터로서, 이하의 것을 채용했다. 또한, 기계 학습에 이용하는 소프트웨어 라이브러리로서, Google사의 TENSORFLOW(등록상표)를 이용했다.
숨김층: 2층
뉴런수: 128
학습법: Adam
에폭수: 1000
활성화 함수: Sigmoid
모듈: Keras
〔회귀 모델의 평가〕
다음으로, 회귀 모델의 평가를 행했다.
우선, 회귀 모델의 작성에 이용하지 않았던(훈련 데이터로서 이용하지 않았던) 임시 열 전도율과 가열 온도의 50가지의 조합을, 평가 조건으로서 설정했다. 이 평가 조건의 임시 열 전도율 및 가열 온도는, 회귀 모델의 작성 시에 설정한 범위 내로부터 선출했다.
다음으로, 각 평가 조건에 대하여, 시뮬레이션 모델에 기초하는 전열 시뮬레이션을 실시하여, 표면 온도 분포를 계산했다. 이 계산 결과 중, 회귀 모델 작성 시와 동일한 21개소의 표면 온도를 추출하고, 이 추출한 표면 온도 분포와 가열 조건을 회귀 모델에 입력하여, 각 평가 조건에 대응하는 열 전도율의 추정 결과를 얻었다.
평가 조건으로서 설정된 임시 열 전도율(열 전도율 입력값)을 횡축, 이 임시 열 전도율에 기초하는 전열 시뮬레이션 결과로부터 얻어진 표면 온도 분포를 회귀 모델에 입력함으로써 얻어진 열 전도율의 추정 결과를 종축으로 플롯한 산포도를 도 6에 나타낸다.
도 6에 나타내는 바와 같이, 열 전도율 입력값과 열 전도율 추정 결과는 매우 높은 정밀도로 일치하고 있고, 양자의 중상관 계수는 0.999944였다. 이 점에서, 본 발명의 회귀 모델은, 높은 정밀도로 측정 시료(10)의 열 전도율을 추정할 수 있을 가능성이 있는 것을 확인할 수 있었다.
[실험 2: 열 전도율의 실측값과 추정 결과의 비교]
〔측정 시료의 선정〕
측정 시료로서, 알루미늄 청동제의 시료와, SUS제의 시료를 준비했다. 그 이유는 이하와 같다.
반도체 결정 제품인 실리콘 단결정이나 실리콘 웨이퍼의 제조 장치에 있어서, 빈번히 사용되고 있는 구성 부재의 재료로서 SUS, 그래파이트를 들 수 있다. SUS는, 단결정 인상 장치나 기상 성장 장치의 챔버의 내벽, 실리콘 단결정의 슬라이스 장치나 실리콘 웨이퍼의 연마 장치의 대부분의 부품 등으로서 이용되고 있다. 그래파이트는, 단결정 인상 장치의 핫 존을 구성하는 부재나, 기상 성장 장치의 서셉터 등으로서 이용되고 있다.
전술의 용도에 있어서, 그래파이트는, 1400K 정도의 고온에서 이용된다. 그러나, 열 전도율 추정 장치(1)의 측정부(2)에 있어서는 측정 가능한 온도 영역이 90℃ 이상 110℃ 이하로 한정되었기 때문에, 1400K에 있어서의 측정은 불가능하다. 그래서 대체가 되는 재료의 검토를 행했다. 1400K의 그래파이트의 열 전도율은, 약 50W/mK로 추정된다. 따라서, 본 실험 2에서는, 열 전도율이 1400K인 그래파이트에 가깝고, 또한, 성형품을 비교적 입수하기 쉬운 부재로서, 알루미늄 청동을 선정했다. 또한, SUS에 대해서는, 실리콘 단결정이나 실리콘 웨이퍼의 제조 장치의 구성 부재의 재료 그 자체의 예로서, 선정했다.
〔비교예 1〕
우선, 레이저 플래시법에 의해 열 전도율을 측정하는 열 전도율 측정기(알박 가부시키가이샤 제조, 형식: TC7000)를 준비했다.
다음으로, 직경이 10㎜, 두께가 2㎜인 원판 형상의 알루미늄 청동제의 시료를 준비하고, 이 시료의 열 전도율을 열 전도율 측정기를 이용하여 측정했다.
〔비교예 2〕
비교예 1과 동일한 형상의 SUS제의 시료를 준비하고, 이 시료의 열 전도율을 비교예 1과 동일한 조건으로 측정했다.
〔실시예 1〕
표 1에 나타내는 구성을 갖는 측정부(2)와, 직경이 20㎜, 높이가 70㎜인 원주 형상의 알루미늄 청동제의 측정 시료를 준비했다. 이 측정 시료를 하면의 온도가 100℃가 되도록 가열하고, 이 때의 표면 온도 분포를 측정부(2)를 이용하여 측정했다. 이 측정 결과를 실험 1에서 작성한 회귀 모델에 입력함으로써, 열 전도율을 추정했다.
〔실시예 2〕
실시예 1과 동일한 형상의 SUS 청동제의 측정 시료를 준비하고, 이 측정 시료의 열 전도율을 실시예 1과 동일한 조건으로 추정했다.
〔평가〕
비교예 1, 2의 실측값 및 실시예 1, 2의 추정값을 표 2에 나타낸다.
표 2에 나타내는 바와 같이, 추정 오차((실측값－추정값)/실측값)는, 알루미늄 청동, SUS 중 어느 것에 있어서도 약 10％였다. 본 발명의 회귀 모델은, 측정 시료의 온도 분포 측정 결과에 기초하여, 높은 정밀도로 열 전도율을 추정할 수 있는 것을 확인할 수 있었다.
Figure 112021063358811-pct00002
1 : 열 전도율 추정 장치
2 : 측정부
3 : 계산부
4 : 기계 학습부
5 : 추정부
10 : 측정 시료
11 : 하면(접촉면)
12 : 표면
21 : 측정 케이스
23 : 전열 억제부
24 : 온도 유지부
25 : 불활성 가스 도입부
110 : 결정 성장 장치
115 : 고주파 코일(가열 수단)
120 : 열 전도율 연산 장치
121 : 서모 카메라(측정 수단)
123 : 연산부

Claims (33)

  1. 반도체 결정 제품의 제조 장치의 구성 부재를 측정 시료로서 준비하는 스텝과,
    측정 시료의 일부를 소정의 가열 조건으로 가열하여, 정상 상태에 있어서의 상기 측정 시료의 표면의 온도 분포를 측정하는 스텝과,
    상기 측정 시료와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여, 상기 복수의 조합의 각각에 대해서 상기 시료 모델의 표면의 온도 분포를 계산하는 스텝과,
    상기 전열 시뮬레이션에서 이용한 상기 복수의 조합 및 당해 복수의 조합으로부터 얻어진 온도 분포의 계산 결과를 훈련 데이터로 하여, 입력을 상기 측정 시료의 표면의 온도 분포로 하고, 출력을 상기 측정 시료의 열 전도율로 하는 회귀 모델을, 기계 학습법을 이용하여 작성하는 스텝과,
    상기 측정 시료의 표면의 온도 분포 측정 결과를 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 스텝을 구비하고 있는 것을 특징으로 하는 열 전도율 추정 방법.
  2. 제1항에 있어서,
    상기 회귀 모델을, 기계 학습법을 이용하여 작성하는 스텝은, 입력을 상기 측정 시료의 표면의 온도 분포와 당해 온도 분포 측정 시의 가열 조건으로 하는 회귀 모델을 작성하고,
    상기 열 전도율을 추정하는 스텝은, 상기 온도 분포 측정 결과와 상기 온도 분포 측정 시의 가열 조건을 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 것을 특징으로 하는 열 전도율 추정 방법.
  3. 제1항에 있어서,
    상기 시료 모델의 표면의 온도 분포를 계산하는 스텝은, 상기 온도 분포의 측정 시와 동일한 측정계를 전제로 한 전열 시뮬레이션을 실시하는 것을 특징으로 하는 열 전도율 추정 방법.
  4. 제1항에 있어서,
    상기 시료 모델의 표면의 온도 분포를 계산하는 스텝은, 상기 표면의 온도 분포의 측정 시와 동일한 분위기를 전제로 한 전열 시뮬레이션을 실시하는 것을 특징으로 하는 열 전도율 추정 방법.
  5. 제1항에 있어서,
    상기 측정 시료가, 상기 구성 부재의 대체 재료인 것을 특징으로 하는 열 전도율 추정 방법.
  6. 측정 시료로서 준비된 반도체 결정 제품의 제조 장치의 구성 부재의 일부를 소정의 가열 조건으로 가열하여, 정상 상태에 있어서의 상기 측정 시료의 표면의 온도 분포를 측정하는 측정부와,
    상기 측정 시료와 동일한 형상의 시료 모델의 임시 열 전도율 및 가열 조건의 복수의 조합에 대해서 전열 시뮬레이션을 실시하여, 상기 복수의 조합의 각각에 대해서 상기 시료 모델의 표면의 온도 분포를 계산하는 계산부와,
    상기 전열 시뮬레이션에서 이용한 상기 복수의 조합 및 당해 복수의 조합으로부터 얻어진 온도 분포의 계산 결과를 훈련 데이터로 하여, 입력을 상기 측정 시료의 표면의 온도 분포로 하고, 출력을 상기 측정 시료의 열 전도율로 하는 회귀 모델을, 기계 학습법을 이용하여 작성하는 기계 학습부와,
    상기 측정 시료의 표면의 온도 분포 측정 결과를 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 추정부를 구비하고 있는 것을 특징으로 하는 열 전도율 추정 장치.
  7. 제6항에 있어서,
    상기 기계 학습부는, 입력을 상기 측정 시료의 표면의 온도 분포와 당해 온도 분포 측정 시의 가열 조건으로 하는 회귀 모델을 작성하고,
    상기 추정부는, 상기 온도 분포 측정 결과와 상기 온도 분포 측정 시의 가열 조건을 상기 회귀 모델에 입력하여, 상기 측정 시료의 열 전도율을 추정하는 것을 특징으로 하는 열 전도율 추정 장치.
  8. 제6항에 있어서,
    상기 계산부는, 상기 표면의 온도 분포의 측정 시와 동일한 측정계를 전제로 한 전열 시뮬레이션을 실시하는 것을 특징으로 하는 열 전도율 추정 장치.
  9. 제6항에 있어서,
    상기 계산부는, 상기 표면의 온도 분포의 측정 시와 동일한 분위기를 전제로 한 전열 시뮬레이션을 실시하는 것을 특징으로 하는 열 전도율 추정 장치.
  10. 제9항에 있어서,
    상기 측정부는, 상기 측정 시료를 수용하는 측정 케이스를 구비하고 있는 것을 특징으로 하는 열 전도율 추정 장치.
  11. 제10항에 있어서,
    상기 측정부는, 상기 측정 케이스의 온도를 일정 온도로 유지하는 온도 유지부를 구비하고 있는 것을 특징으로 하는 열 전도율 추정 장치.
  12. 제10항에 있어서,
    상기 측정부는, 상기 측정 케이스 내에 불활성 가스를 도입하는 불활성 가스 도입부를 구비하고 있는 것을 특징으로 하는 열 전도율 추정 장치.
  13. 제6항에 있어서,
    상기 측정부는, 상기 측정 시료를 가열하는 가열부와, 상기 가열부의 열이 분위기를 통하여 상기 측정 시료의 표면에 전해지는 것을 억제하는 전열 억제부를 구비하고 있는 것을 특징으로 하는 열 전도율 추정 장치.
  14. 반도체 결정 제품의 제조 장치의 구성 부재를 측정 시료로서 준비하는 스텝과,
    제1항 내지 제5항 중 어느 한 항에 기재된 열 전도율 추정 방법을 이용하여, 상기 구성 부재의 열 전도율을 추정하는 스텝과,
    상기 열 전도율의 추정 결과를 이용하여, 상기 반도체 결정 제품의 제조 공정의 전열 시뮬레이션을 행하는 스텝과,
    상기 제조 공정의 전열 시뮬레이션의 결과에 기초하여 상기 반도체 결정 제품의 제조 장치를 제어하여, 반도체 결정 제품을 제조하는 스텝을 구비하고 있는 것을 특징으로 하는 반도체 결정 제품의 제조 방법.
  15. 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하기 위한 측정 수단과,
    상기 구성 부재의 온도를 포함하는 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 이용하여, 상기 측정 수단으로 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산부를 구비하고 있으며,
    상기 회귀 모델은,
    기계 학습에 의한 모델이며,
    변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하고,
    상기 시뮬레이션에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 상기 기계 학습에 의해 도출된 모델인 것을 특징으로 하는 열 전도율 연산 장치.
  16. 삭제
  17. 제15항에 있어서,
    변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것을 특징으로 하는 열 전도율 연산 장치.
  18. 삭제
  19. 제15항 또는 제17항에 있어서,
    상기 결정 성장 장치 내에 배치되어 있는 결정을 가열하는 가열 수단을 추가로 구비하고,
    상기 가열 수단은, 상기 연산부에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정의 가열 상태를 제어하는 것을 특징으로 하는 열 전도율 연산 장치.
  20. 제15항 또는 제17항에 있어서,
    상기 측정 수단은 적외선 서모그래피 또는 열전대(thermocouple)인 것을 특징으로 하는 열 전도율 연산 장치.
  21. 측정 수단을 구비한 열 전도율 연산 장치의 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능한 기록 매체로서,
    상기 컴퓨터에,
    상기 측정 수단을 이용하여 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하는 측정 처리와,
    변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하는 시뮬레이션 처리와,
    상기 시뮬레이션 처리에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 기계 학습에 의해, 상기 구성 부재의 온도를 포함하는 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 도출하는 도출 처리와,
    상기 회귀 모델을 이용하여, 상기 측정 처리에서 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산 처리를 실행시키는 것을 특징으로 하는 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체.
  22. 삭제
  23. 제21항에 있어서,
    변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것을 특징으로 하는 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체.
  24. 삭제
  25. 제21항 또는 제23항에 있어서,
    상기 연산 처리에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정 성장 장치 내에 배치되어 있는 결정의 가열 상태를 제어하는 가열 처리를, 상기 컴퓨터에 추가로 실행시키는 것을 특징으로 하는 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체.
  26. 제21항 또는 제23항에 있어서,
    상기 측정 수단은 적외선 서모그래피 또는 열전대인 것을 특징으로 하는 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체.
  27. 측정 수단을 이용하여 반도체용의 결정 성장 장치의 구성 부재의 단일 또는 복수 개소의 온도를 측정하는 측정 스텝과,
    변수로서 취급되는 물성값 및 각종 파라미터를 변동시킨 경우의 상기 구성 부재의 온도를 시뮬레이션에 의해 구하는 시뮬레이션 스텝과,
    상기 시뮬레이션 스텝에서 구해진 상기 물성값과 상기 파라미터와 상기 온도의 조합을 훈련 데이터로 하여 기계 학습에 의해, 상기 구성 부재의 온도를 포함하는 복수의 입력에 기초하여 상기 구성 부재의 열 전도율을 출력하는 회귀 모델을 도출하는 도출 스텝과,
    상기 회귀 모델을 이용하여, 상기 측정 스텝에서 측정한 온도에 기초하여, 상기 구성 부재의 열 전도율을 연산하는 연산 스텝을 구비하고 있는 것을 특징으로 하는 열 전도율 연산 방법.
  28. 삭제
  29. 제27항에 있어서,
    변수로서 취급되는 상기 물성값은, 상기 구성 부재의 열 전도율을 포함하는 것을 특징으로 하는 열 전도율 연산 방법.
  30. 삭제
  31. 제27항 또는 제29항에 있어서,
    상기 연산 스텝에서 연산된 상기 구성 부재의 열 전도율에 기초하여, 상기 결정 성장 장치 내에 배치되어 있는 결정의 가열 상태를 제어하는 가열 스텝을 추가로 구비하고 있는 것을 특징으로 하는 열 전도율 연산 방법.
  32. 제27항 또는 제29항에 있어서,
    상기 측정 수단은 적외선 서모그래피 또는 열전대인 것을 특징으로 하는 열 전도율 연산 방법.
  33. 반도체 결정 제품의 제조 장치의 구성 부재를 측정 시료로서 준비하는 스텝과,
    제6항 내지 제13항 중 어느 한 항에 기재된 열 전도율 추정 장치를 이용하여, 상기 구성 부재의 열 전도율을 추정하는 스텝과,
    상기 열 전도율의 추정 결과를 이용하여, 상기 반도체 결정 제품의 제조 공정의 전열 시뮬레이션을 행하는 스텝과,
    상기 제조 공정의 전열 시뮬레이션의 결과에 기초하여 상기 반도체 결정 제품의 제조 장치를 제어하여, 반도체 결정 제품을 제조하는 스텝을 구비하고 있는 것을 특징으로 하는 반도체 결정 제품의 제조 방법.
KR1020217016789A 2018-11-28 2019-11-18 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법 KR102556434B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018222618A JP7059908B2 (ja) 2018-11-28 2018-11-28 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法
JPJP-P-2018-222618 2018-11-28
PCT/JP2019/045041 WO2020110796A1 (ja) 2018-11-28 2019-11-18 熱伝導率推定方法、熱伝導率推定装置、半導体結晶製品の製造方法、熱伝導率演算装置、熱伝導率演算プログラム、および、熱伝導率演算方法

Publications (2)

Publication Number Publication Date
KR20210084616A KR20210084616A (ko) 2021-07-07
KR102556434B1 true KR102556434B1 (ko) 2023-07-14

Family

ID=70852963

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217016789A KR102556434B1 (ko) 2018-11-28 2019-11-18 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법

Country Status (7)

Country Link
US (1) US20220034829A1 (ko)
JP (1) JP7059908B2 (ko)
KR (1) KR102556434B1 (ko)
CN (1) CN113366303A (ko)
DE (1) DE112019005929T5 (ko)
TW (1) TWI719694B (ko)
WO (1) WO2020110796A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113130017B (zh) * 2020-06-05 2024-01-30 北京星云联众科技有限公司 基于人工智能的晶体生长分析方法及系统
CN111812147B (zh) * 2020-06-24 2022-03-22 浙江大学 一种含热源土壤热湿耦合传递模化实验的设计方法
JP2023172438A (ja) * 2022-05-24 2023-12-06 株式会社Ｓｃｒｅｅｎホールディングス 熱処理方法、熱処理システムおよび熱処理装置
WO2024070903A1 (ja) * 2022-09-28 2024-04-04 Ｊｆｅスチール株式会社 演算方法、製品の製造方法、製品の管理方法、演算装置、製品の製造設備、計測方法、計測システム、計測装置、教師データの作成方法、教師データ、モデルの生成方法、プログラム及び記憶媒体
CN115616030B (zh) * 2022-12-20 2023-05-02 河北宇天材料科技有限公司 一种导热系数的测量方法
CN115881255B (zh) * 2023-03-02 2023-05-09 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于符号回归的控制棒芯体材料热物理性能的计算方法
CN116975790B (zh) * 2023-09-22 2023-12-22 深圳市三德盈电子有限公司 复合线路板导热系数预测方法及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006064413A (ja) * 2004-08-24 2006-03-09 Shimane Univ 比熱および熱伝導率の測定方法。
JP2010037114A (ja) 2008-07-31 2010-02-18 Sumco Corp シリコン単結晶の育成方法および温度推定方法
JP2010275170A (ja) * 2009-06-01 2010-12-09 Sumco Corp シリコン単結晶の製造方法、シリコン単結晶の温度推定方法
JP2011106918A (ja) 2009-11-16 2011-06-02 Stanley Electric Co Ltd 熱伝導率算出方法および熱伝導率算出システム
JP2018169818A (ja) 2017-03-30 2018-11-01 国立大学法人名古屋大学 映像表示システムおよび製造装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038304A (en) * 1988-06-24 1991-08-06 Honeywell Inc. Calibration of thermal conductivity and specific heat devices
JPH08211946A (ja) * 1995-02-08 1996-08-20 Hitachi Ltd 温度制御方法及び装置
JP2000052225A (ja) 1999-05-12 2000-02-22 Tokyo Seimitsu Co Ltd ワイヤソ―の被加工物取付構造
TWI312418B (en) * 2004-11-19 2009-07-21 Hon Hai Prec Ind Co Ltd Apparatus for measuring coefficient of thermal conductivity and method for making same
CA2580998A1 (en) * 2006-03-03 2007-09-03 Queen's University At Kingston Adaptive analysis methods
JP4913468B2 (ja) 2006-04-17 2012-04-11 コバレントマテリアル株式会社 炭化珪素系研磨プレートおよび半導体ウェーハの研磨方法
US7501605B2 (en) * 2006-08-29 2009-03-10 Lam Research Corporation Method of tuning thermal conductivity of electrostatic chuck support assembly
JP2010034337A (ja) 2008-07-30 2010-02-12 Sumco Corp 気相成長装置用のサセプタ
TW201213782A (en) * 2010-09-24 2012-04-01 xin-jie Huang Junction temperature measurement method
TWI566300B (zh) * 2011-03-23 2017-01-11 斯克林集團公司 熱處理方法及熱處理裝置
CN102879130A (zh) * 2012-09-19 2013-01-16 中南大学 一种连铸保护渣综合传热热流测试方法
CN103192048B (zh) * 2013-04-07 2015-02-25 北京科技大学 一种基于精准热物性参数的连铸坯凝固冷却过程模拟方法
CN103245694B (zh) * 2013-05-13 2015-07-22 北京工业大学 一种测量半导体器件和接触材料间接触热阻的方法
CN104535609B (zh) * 2014-12-26 2018-03-09 怡维怡橡胶研究院有限公司 一种导热系数测定装置
JP6164256B2 (ja) * 2015-07-08 2017-07-19 住友ベークライト株式会社 熱伝導性組成物、半導体装置、半導体装置の製造方法、および放熱板の接着方法
CN105572161B (zh) * 2016-01-08 2018-09-11 三峡大学 一种非恒态导热系数测试的方法及所用测试装置
JP6642349B2 (ja) 2016-09-12 2020-02-05 株式会社Sumco シリコン単結晶の製造方法及びこれに用いる黒鉛シート並びに石英ルツボ支持容器
CN106226351B (zh) * 2016-09-23 2019-10-11 西安交通大学 一种薄壁圆管材料导热系数计算方法
CN107024503A (zh) * 2017-03-22 2017-08-08 西安交通大学 一种获得3d打印粉末热导率的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006064413A (ja) * 2004-08-24 2006-03-09 Shimane Univ 比熱および熱伝導率の測定方法。
JP2010037114A (ja) 2008-07-31 2010-02-18 Sumco Corp シリコン単結晶の育成方法および温度推定方法
JP2010275170A (ja) * 2009-06-01 2010-12-09 Sumco Corp シリコン単結晶の製造方法、シリコン単結晶の温度推定方法
JP2011106918A (ja) 2009-11-16 2011-06-02 Stanley Electric Co Ltd 熱伝導率算出方法および熱伝導率算出システム
JP2018169818A (ja) 2017-03-30 2018-11-01 国立大学法人名古屋大学 映像表示システムおよび製造装置

Also Published As

Publication number Publication date
WO2020110796A1 (ja) 2020-06-04
TW202026921A (zh) 2020-07-16
TWI719694B (zh) 2021-02-21
US20220034829A1 (en) 2022-02-03
JP2020085737A (ja) 2020-06-04
CN113366303A (zh) 2021-09-07
JP7059908B2 (ja) 2022-04-26
DE112019005929T5 (de) 2021-08-05
KR20210084616A (ko) 2021-07-07

Similar Documents

Publication Publication Date Title
KR102556434B1 (ko) 열 전도율 추정 방법, 열 전도율 추정 장치, 반도체 결정 제품의 제조 방법, 열 전도율 연산 장치, 열 전도율 연산 프로그램이 기록된 컴퓨터 판독가능 기록 매체 및, 열 전도율 연산 방법
TWI425124B (zh) 坩堝溫度分布計算方法
KR102183255B1 (ko) 실리콘 단결정의 인상 조건 연산 프로그램, 실리콘 단결정의 핫 존 개량 방법 및 실리콘 단결정 육성 방법
JP2004510338A (ja) 熱処理システム中の加工物の移動を制御するためのシステムおよび方法
Virzi Computer modelling of heat transfer in Czochralski silicon crystal growth
TW200523997A (en) Wafer temperature trajectory control method for high temperature ramp rate applications using dynamic predictive thermal modeling
CN113549997B (zh) 单晶生长的方法、装置及单晶体
Steiner et al. Impact of varying parameters on the temperature gradients in 100 mm silicon carbide bulk growth in a computer simulation validated by experimental results
JP7258272B2 (ja) 熱伝導率測定装置、加熱装置、熱伝導率測定方法、及び品質保証方法
JP2018169818A (ja) 映像表示システムおよび製造装置
JPWO2015025586A1 (ja) 熱物性測定方法及び熱物性測定装置
JP4829833B2 (ja) 温度推定方法および温度推定装置
Cen-Puc et al. A dedicated electric oven for characterization of thermoresistive polymer nanocomposites
Chen et al. Optimization of the design of a crucible for a SiC sublimation growth system using a global model
JP2016098147A (ja) シリコン単結晶の温度の推定方法及びシリコン単結晶の製造方法
Liu An application of particle swarm optimization to identify the temperature-dependent heat capacity
Chen et al. Numerical investigation of induction heating and heat transfer in a SiC growth system
JP7162937B2 (ja) 熱流体状態演算装置
CN114318542B (zh) 一种保持碳化硅单晶生长温度的方法
JP2007099531A (ja) 分子線源セルの制御システム、その制御方法および分子線エピタキシャル装置
JP3430151B2 (ja) 温度プローブおよび熱物性測定装置ならびに熱物性測定方法
Liu et al. Three-dimensional modelling of 300 mm Czochralski silicon crystal growth with a transverse magnetic field
Enders-Seidlitz et al. Experimental and numerical analysis of resistive and inductive heating in CZ growth
Virzi Numerical study of Czochralski silicon full process thermokinetics
Chebbi et al. Substrate temperature estimation and control in advanced MOCVD process for superconductor manufacturing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant