KR20200142088A - 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측 - Google Patents

열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측 Download PDF

Info

Publication number
KR20200142088A
KR20200142088A KR1020207034799A KR20207034799A KR20200142088A KR 20200142088 A KR20200142088 A KR 20200142088A KR 1020207034799 A KR1020207034799 A KR 1020207034799A KR 20207034799 A KR20207034799 A KR 20207034799A KR 20200142088 A KR20200142088 A KR 20200142088A
Authority
KR
South Korea
Prior art keywords
reaction
etch
surface layer
thermal
quantum mechanics
Prior art date
Application number
KR1020207034799A
Other languages
English (en)
Other versions
KR102608945B1 (ko
Inventor
토르스텐 릴
안드레아스 피셔
이반 엘. 베리 3세
네리사 수 드레거
리차드 에이. 고트쵸
Original Assignee
램 리써치 코포레이션
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 램 리써치 코포레이션 filed Critical 램 리써치 코포레이션
Priority to KR1020237041102A priority Critical patent/KR20230167153A/ko
Publication of KR20200142088A publication Critical patent/KR20200142088A/ko
Application granted granted Critical
Publication of KR102608945B1 publication Critical patent/KR102608945B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • 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
    • H01L21/02104—Forming layers
    • H01L21/02107—Forming insulating materials on a substrate
    • H01L21/02109—Forming insulating materials on a substrate characterised by the type of layer, e.g. type of material, porous/non-porous, pre-cursors, mixtures or laminates
    • H01L21/02205—Forming insulating materials on a substrate characterised by the type of layer, e.g. type of material, porous/non-porous, pre-cursors, mixtures or laminates the layer being characterised by the precursor material for deposition
    • 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
    • H01L21/02104—Forming layers
    • H01L21/02107—Forming insulating materials on a substrate
    • H01L21/02296—Forming insulating materials on a substrate characterised by the treatment performed before or after the formation of the layer
    • H01L21/02318—Forming insulating materials on a substrate characterised by the treatment performed before or after the formation of the layer post-treatment
    • H01L21/02345—Forming insulating materials on a substrate characterised by the treatment performed before or after the formation of the layer post-treatment treatment by exposure to radiation, e.g. visible light
    • H01L21/02351—Forming insulating materials on a substrate characterised by the treatment performed before or after the formation of the layer post-treatment treatment by exposure to radiation, e.g. visible light treatment by exposure to corpuscular radiation, e.g. exposure to electrons, alpha-particles, protons or ions
    • 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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
    • H01L21/3105—After-treatment
    • H01L21/311—Etching the insulating layers by chemical or physical means
    • H01L21/31105—Etching inorganic layers
    • 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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/324—Thermal treatment for modifying the properties of semiconductor bodies, e.g. annealing, sintering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Inorganic Chemistry (AREA)
  • Drying Of Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Weting (AREA)

Abstract

열적 에칭 반응의 에칭은 머신 러닝 모델을 사용하여 예측된다. 미리 결정된 열적 에칭 반응의 하나 이상의 반응 경로들의 에칭 프로세스 및 연관된 에너지들의 화학적 특성들이 양자 역학 시뮬레이션을 사용하여 식별된다. 에칭 특성들을 나타내는 라벨들이 미리 결정된 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들과 연관될 수도 있다. 머신 러닝 모델은 상이한 타입들의 많은 상이한 에칭 반응들에 걸쳐 독립 변수들로서 화학적 특성들 및 연관된 에너지들 및 종속 변수들로서 라벨들을 사용하여 트레이닝될 수 있다. 신규 열적 에칭 반응에 대한 화학적 특성들 및 연관된 에너지들이 머신 러닝 모델의 입력들로서 제공될 때, 머신 러닝 모델은 출력들로서 신규 열적 에칭 반응의 에칭 특성들을 정확하게 예측할 수 있다.

Description

열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측
참조로서 인용
PCT 신청 양식이 본 출원의 일부로서 본 명세서와 동시에 제출되었다. 본 출원이 동시에 제출된 PCT 신청 양식에서 식별된 바와 같이 우선권 또는 이익을 주장하는 출원 각각은 전체가 모든 목적들을 위해 참조로서 인용되었다.
반도체 제조 프로세스들이 다양한 재료들의 에칭을 포함한다. 열적 에칭 및 화학적 에칭을 포함하는, 상이한 타입들의 에칭이 기판 표면으로부터 재료들을 에칭하도록 활용될 수 있다. 피처 사이즈들이 축소되고 원자 스케일 프로세싱에 대한 수요가 증가함에 따라, 열적 또는 화학적 에칭이 원자 층 에칭 (atomic layer etch; ALE) 일 수 있다. 에칭 전구체는 기판 표면으로부터 특정한 재료들을 에칭하기 위해 기판 표면과 반응할 수도 있고 또는 반응하지 않을 수도 있다. 기판 표면 상의 에칭 전구체 및 재료들이 에칭될 지 여부를 예측하는 것은 어렵다.
표면 층과 에칭 전구체 사이의 반응의 에칭 특성을 예측하기 위한 방법이 본 명세서에 제공된다. 방법은 (a) 양자 역학 모델 (quantum mechanical model) 을 사용하여 표면 층과 에칭 전구체 사이에 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 식별하는 단계; (b) 머신 러닝 모델 내로 입력들로서 시뮬레이팅된 반응의 화학적 특성들 및 연관된 에너지들을 제공하는 단계; 및 (c) 머신 러닝 모델을 사용하여 표면 층과 에칭 전구체 사이에 시뮬레이팅된 반응에 대한 에칭 특성을 결정하는 단계를 포함한다.
일부 구현예들에서, 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들은 표면 층에 대해 선택된 표면 표현 및 하나 이상의 선택된 초기 조건들로 구성된 양자 역학 모델을 사용하여 결정된다. 일부 구현예들에서, 하나 이상의 선택된 초기 조건들은 시뮬레이팅된 반응의 착수 (onset) 시 표면 층과 에칭 전구체 사이의 분리 거리, 시뮬레이팅된 반응의 착수시 표면 층 및 에칭 전구체의 배향 및/또는 방향, 시뮬레이팅된 반응의 착수시 표면 층과 에칭 전구체 사이의 초기 화학적 브리지 형태, 시뮬레이팅된 반응의 착수시 에칭 전구체 또는 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함한다. 일부 구현예들에서, 표면 층의 선택된 표면 표현은 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로 구성된 그룹으로부터 선택된다. 일부 구현예들에서, 양자 역학 모델은 밀도 함수 이론 (density functional theory; DFT) 모델, Hartree-Fock 모델, 반경험적 (semi-empirical) 모델, 또는 이들의 조합들을 포함한다. 일부 구현예들에서, 화학적 특성들은 하나 이상의 반응 중간물들의 결합 구성들 또는 분자 구조들 및/또는 하나 이상의 반응 경로들에서 생성된 생성물들을 포함한다. 결합 구성들 또는 분자 구조체들은 단일 브리지 이량체 (dimer), 이중 브리지 이량체, 삼중 브리지 이량체, 및 무 이량체 중 하나 이상을 포함할 수도 있다. 일부 구현예들에서, 시뮬레이팅된 반응에 대한 에칭 특성은 표면 층의 에칭 레이트를 포함한다. 일부 구현예들에서, 방법은 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 피처 벡터로 조직하는 단계를 더 포함한다. 일부 구현예들에서, 머신 러닝 모델은 복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트를 사용하여 트레이닝되고, 트레이닝 세트 멤버 각각은 (i) 적어도 하나의 양자 역학 시뮬레이션에 의해 시뮬레이팅된 열적 에칭 반응을 위한 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함하는 피처 벡터, 및 (ii) 열적 에칭 반응의 특성을 나타내는 라벨을 포함한다. 일부 구현예들에서, 방법은 머신 러닝 모델을 사용하여 하나 이상의 후보 열적 에칭 반응들을 식별하는 단계를 더 포함하고, 하나 이상의 식별된 후보 열적 에칭 반응들 각각은 적어도 식별된 에칭 전구체를 포함한다. 하나 이상의 식별된 후보 열적 에칭 반응들 각각은 식별된 에칭 전구체, 식별된 에칭 마스크 재료, 및/또는 식별된 챔버 재료에 의해 에칭되도록 식별된 재료를 더 포함할 수도 있다.
또 다른 양태는 열적 에칭 반응에서 에칭 정보를 예측하는데 사용하기 위한 머신 러닝 모델을 생성하는 방법을 수반한다. 방법은 복수의 열적 에칭 반응들 각각에 대해 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계로서, 양자 역학 시뮬레이션 각각은 표면 층과 에칭 전구체 사이의 대응하는 열적 에칭 반응에서 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 생성하는, 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계; 복수의 열적 에칭 반응들 각각에 대해, 실험적으로 결정된 에칭 특성을 결정하는 단계; 복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트를 생성하는 단계로서, 트레이닝 세트 멤버 각각은 (i) 대응하는 열적 에칭 반응에 대해 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함하는 적어도 하나의 피처 벡터, 및 (ii) 실험적으로 결정된 에칭 특성을 나타내는 라벨을 포함하는, 트레이닝 세트를 생성하는 단계; 및 트레이닝 세트를 사용하여 트레이닝된 머신 러닝 모델을 생성하는 단계로서, 머신 러닝 모델은 열적 에칭 반응의 에칭 정보를 예측하도록 구성되는, 머신 러닝 모델을 생성하는 단계를 포함한다.
일부 구현예들에서, 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계는 복수의 열적 에칭 반응들 각각에 대해 복수의 양자 역학 시뮬레이션들을 수행하는 단계를 포함하고, 그리고 피처 벡터 각각은 대응하는 열적 에칭 반응의 복수의 양자 역학 시뮬레이션들 중 하나로부터 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함한다. 일부 구현예들에서, 적어도 하나의 양자 역학 시뮬레이션 각각은 표면 층 및 하나 이상의 초기 조건들의 표면 표현으로 구성된 양자 역학 모델을 포함한다. 일부 구현예들에서, 하나 이상의 초기 조건들은 양자 역학 시뮬레이션의 착수 시 표면 층과 에칭 전구체 사이의 분리 거리, 양자 역학 시뮬레이션의 착수시 표면 층 및 에칭 전구체의 배향 및/또는 방향, 양자 역학 시뮬레이션의 착수시 표면 층과 에칭 전구체 사이의 초기 화학적 브리지 형태, 양자 역학 시뮬레이션의 착수시 에칭 전구체 또는 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함한다. 일부 구현예들에서, 표면 층의 표면 표현은 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로 구성된 그룹으로부터 선택된다. 일부 구현예들에서, 양자 역학 모델은 밀도 함수 이론 모델, Hartree-Fock 모델, 반경험적 모델, 또는 이들의 조합들을 포함한다. 일부 구현예들에서, 화학적 특성들은 중간물들의 결합 구성들 또는 분자 구조들 및/또는 하나 이상의 반응 경로들에서 생성된 생성물들을 포함한다. 결합 구성들 또는 분자 구조체들은 단일 브리지 이량체, 이중 브리지 이량체, 삼중 브리지 이량체, 및 무 이량체 중 하나 이상을 포함할 수도 있다. 일부 구현예들에서, 트레이닝 세트를 생성하는 단계는 대응하는 열적 에칭 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 적어도 하나의 피처 벡터로 조직하는 단계, 및 실험적으로 결정된 에칭 특성을 레벨로 조직하는 단계를 포함한다.
이들 및 다른 양태들은 도면들을 참조하여 이하에 더 기술된다.
도 1a는 비-자기-제한 (non-self-limiting) 열적 에칭 프로세스의 일 예의 개략적인 예시이다.
도 1b는 자기-제한 열적 에칭 프로세스의 일 예의 개략적 예시이다.
도 1c는 원자 층 에칭의 개질 동작에서 상이한 개질 메커니즘들의 개략적인 예시들을 도시한다.
도 1d는 등방성 원자 층 에칭의 제거 동작에서 상이한 제거 메커니즘들의 개략적인 예시들을 도시한다.
도 2는 원자 층 에칭의 예시적인 리간드 교환 반응의 개략적 예시를 도시한다.
도 3a는 알루미늄 플루오라이드와 금속 클로라이드 사이의 예시적인 반응의 가능한 최소 에너지 이성질체들의 개략적 예시들을 도시한다.
도 3b는 알루미늄 플루오라이드와 금속 클로라이드 사이의 반응 경로에서 생성된 반응 중간물들 및 생성물들에 대한 예시적인 에너지 도표 (diagram) 를 도시한다.
도 4는 알루미늄 플루오라이드와 다양한 금속 클로라이드들 사이의 열적 에칭 반응들에 대한 예시적인 반응 패턴들을 도시한다.
도 5는 일부 구현예들에 따른, 열적 에칭 반응에서 에칭 정보를 예측하는데 사용하기 위한 머신 러닝 모델을 생성하는 예시적인 방법의 흐름도이다.
도 6a는 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응을 위한 양자 역학 시뮬레이션의 일부 가능한 파라미터들의 개략적인 도면을 도시한다.
도 6b는 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응을 위해 도 6a에서 실행된 다양한 양자 역학 시뮬레이션들로부터 생성된 피처 벡터들의 표를 도시한다.
도 6c는 일부 구현예들에 따른, 상이한 열적 에칭 반응들에 대한 피처 벡터들의 표 및 상이한 열적 에칭 반응들의 에칭 특성들을 나타내는 라벨들의 대응하는 표를 도시한다.
도 7은 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응에서 에칭 특성을 예측하기 위한 예시적인 방법의 흐름도이다.
도 8은 일부 구현예들에 따른, 실험적으로 측정된 값으로부터 머신 러닝 모델을 입증하는 개략도를 도시한다.
도 9는 일부 구현예들에 따른, 후보 열적 에칭 반응들을 설계하기 위해 식별된 에칭 전구체들 및 식별된 표면 층들을 사용한 상이한 열적 에칭 반응들을 위한 피처 벡터들의 표를 도시한다.
본 개시에서, 용어들 "반도체 웨이퍼", "웨이퍼", "기판", "웨이퍼 기판", 및 "부분적으로 제조된 집적 회로"는 상호 교환 가능하게 사용된다. 당업자는 용어 "부분적으로 제조된 집적 회로"가 집적 회로 제조의 많은 단계들 중 임의의 단계 동안의 실리콘 웨이퍼를 지칭할 수 있다는 것을 이해할 것이다. 반도체 디바이스 산업계에 사용된 웨이퍼 또는 기판은 통상적으로 200 ㎜, 또는 300 ㎜, 또는 450 ㎜의 직경을 갖는다. 이하의 상세한 기술은 본 개시가 웨이퍼 상에서 구현된다는 것을 가정한다. 그러나, 본 개시는 이렇게 제한되지 않는다. 워크피스는 다양한 형상들, 사이즈들, 및 재료들일 수도 있다. 반도체 웨이퍼들에 더하여, 본 개시의 이익을 취할 수도 있는 다른 워크피스들은 인쇄 회로 기판들 등과 같은 다양한 물품들을 포함한다.
열적 에칭
열적 에칭은 기판 표면과 반응하고 기판 표면으로부터 재료들을 화학적으로 그리고/또는 열적으로 에칭하기 위한 가스 상 시약들을 사용한다. 본 명세서에서 사용된 바와 같이, 열적 에칭은 또한 "화학적 에칭"으로 지칭될 수도 있고 그 반대도 된다. 열적 에칭은 광범위한 재료들에 걸쳐 적용될 수 있다. 일 재료가 다른 재료들의 존재시 제거되도록 열적 에칭 반응들에서 선택도가 목표될 수도 있다. 에칭에서 선택도는 반도체 디바이스 제조 및 표면 세정에 많은 적용예들을 갖는다. 선택도는 플라즈마 에칭 또는 스퍼터링과 같은 다른 종래의 에칭 기법들과 비교하여 열적 에칭에서 보다 높을 수도 있다.
열적 에칭은 일반적으로 고체 에칭 재료 및 가스성 에칭 전구체를 수반한다. 에칭 전구체는 기판 표면으로부터 고체 에칭 재료의 제거를 용이하게 하도록 고체 에칭 재료와 반응하는 열적 에칭 반응에서 임의의 반응 가스이다. 일부 구현예들에서, 에칭 전구체가 기판 표면의 표면 층을 개질할 수도 있고, 열적 에너지가 개질된 표면 층을 에칭하기 위해 적용될 수도 있다. 이 프로세스의 일 예가 도 1a에 도시된다. 일부 구현예들에서, 에칭 전구체가 개질된 표면 층과 반응할 수도 있고 열적 에너지 및/또는 화학적 에너지에 의해 개질된 표면 층을 에칭할 수도 있다. 이 프로세스의 일 예가 도 1b에 도시된다.
열적 에칭 프로세스들은 연속적 (비-자기-제한 (non-self-limiting)) 또는 비연속적 (자기-제한) 으로 넓게 카테고리화될 수도 있다. 자기-제한 열적 에칭 프로세스들은 열적 원자 층 에칭 (ALE) 프로세스들을 포함할 수 있고, 예시적 열적 ALE 프로세스는 리간드 교환 반응들을 수반할 수 있다.
도 1a는 비-자기-제한 열적 에칭 프로세스의 일 예의 개략적인 예시이다. 비-자기-제한 열적 에칭 프로세스의 초기 단계는 에칭될 표면 층의 고체 재료 (101) 를 향해 에칭 전구체 (102) 의 전달을 수반한다. 비-자기-제한 열적 에칭 프로세스의 개질 단계 동안, 에칭 전구체 (102) 는 개질된 표면 층 (103) 을 형성하도록 표면 층의 고체 재료 (101) 상으로 흡착된다. 후속하여, 비-자기-제한 열적 에칭 프로세스의 제거 단계 동안, 열적 에너지가 휘발성 반응 생성물 (104) 의 탈착을 유발하고 개질된 표면 층 (103) 을 제거하기 위해 고체 재료 (101) 에 인가된다.
도 1b는 자기-제한 열적 에칭 프로세스의 일 예의 개략적 예시이다. 도 1b의 자기-제한 열적 에칭 프로세스는 복수의 ALE 사이클들을 수반할 수도 있는 열적 ALE 프로세스로서 기술될 수도 있다. ALE는 순차적인 자기-제한 반응들을 사용하여 재료의 박층들을 제거하는 기법이다. 일반적으로, "ALE 사이클들"이 모노레이어를 에칭하는 것과 같은, 에칭 프로세스를 1회 수행하도록 사용된 동작들의 최소 세트이다. 일 사이클의 결과는 기판의 표면 층의 적어도 일부가 에칭되는 것이다. 통상적으로, ALE 사이클이 개질 동작 및 제거 동작을 포함한다. ALE 사이클은 반응물질들 또는 부산물들 중 하나를 스윕핑하는 것과 같은 보조 동작들을 포함할 수도 있다. 예로서, ALE 사이클은 다음 동작들: (i) 챔버 내로 개질 전구체 또는 반응물질 가스의 전달, (ii) 챔버로부터 개질 전구체의 퍼지, (iii) 챔버 내로 에칭 전구체 또는 제거 가스의 전달, 및 (iv) 챔버의 퍼지를 포함할 수도 있다.
자기-제한 열적 에칭 프로세스의 초기 단계는 에칭될 표면 층의 고체 재료 (111) 를 향해 개질 전구체 (112) 의 전달을 수반한다. 예로서, 고체 재료 (111) 는 결정성 알루미늄 옥사이드 (Al2O3) 를 포함할 수 있고 개질 전구체 (112) 는 수소 플루오라이드 (HF) 를 포함할 수 있다. 일부 구현예들에서, 개질 전구체 (112) 는 가스성 종 또는 플라즈마 종을 포함할 수 있고, 플라즈마 종은 개질 전구체 (112) 에 불소 라디칼들을 포함할 수도 있다. 이에 따라, 개질은 플라즈마 또는 단순히 열적 에너지를 넘어 다른 소스 에너지의 존재시 수행될 수도 있다. 개질 전구체 (112) 는 개질된 표면 층 (113) 을 형성하기 위해 고체 재료 (111) 의 표면 상에 흡착된다. 개질된 표면 층 (113) 의 재료가 휘발성이 아닐 수도 있거나 적어도 미리 결정된 온도에서 휘발성이 아닐 수도 있다. 자기-제한 열적 에칭 프로세스의 초기 단계는 "개질" 단계로서 지칭될 수도 있다. 일부 구현예들에서, 개질 단계는 개질 전구체 (112) 를 퍼지하기 위한 퍼지 단계가 이어질 수도 있다.
자기-제한 열적 에칭 프로세스의 후속 단계는 에칭 전구체 (114) 를 사용하여 개질된 표면 층 (113) 의 에칭을 수반한다. 에칭 전구체 (114) 는 개질된 표면 층 (113) 의 적어도 일부를 휘발성 생성물 (115) 로 변환하도록 개질된 표면 층 (113) 과 반응한다. 예로서, 에칭 전구체 (114) 는 트리메틸알루미늄 (TMA) 을 포함하고 개질된 표면 층 (113) 은 알루미늄 트리플루오라이드 (AlF3) 를 포함한다. TMA는 AlF3로부터 불소 원자들을 수용할 수도 있고 TMA는 알루미늄 디메틸 플루오라이드 (AlF(CH3)2) 를 포함하는 휘발성 생성물 (115) 을 생성하도록 CH3 분자들을 공여한다. AlF3가 개질된 표면 층 (113) 으로부터 탈착을 위해 고온을 필요로 하지만, AlF(CH3)2는 개질된 표면 층 (113) 으로부터 탈착이 발생하도록 보다 저온 (예를 들어, 상온) 을 필요로 한다. 달리 말하면, 개질된 표면 층 (113) 과 반응하는 에칭 전구체 (114) 의 도입은 탈착이 발생하는 프로세스 온도를 생성할 수도 있다. 에칭 전구체 (114) 를 사용하여 개질된 표면 층 (113) 의 제거는 자기-제한 방식으로 발생한다. 적절한 온도 및 에칭 전구체 (114) 는 개질된 표면 층 (113) 과 선택적으로 반응하고 고체 재료 (111) 의 벌크 층 또는 나머지와 반응하지 않고 이러한 층 (113) 을 제거하도록 선택된다. 열적 에칭 프로세스의 이 후속 단계는 "제거" 단계 또는 "에칭" 단계로서 지칭될 수도 있다. 일부 구현예들에서, 제거 단계는 과잉 에칭 전구체 (114) 및 휘발성 생성물 (115) 을 제거하기 위해 퍼지 단계가 이어질 수도 있다. 개질 단계 및 제거 단계는 목표된 깊이 또는 양이 도달될 때까지 층단위 기준 (layer-by-layer basis) 으로 고체 재료 (111) 를 제거하도록 반복적으로 순환될 수도 있다.
통상적인 열적 ALE 프로세스는 개질 단계 및 제거 단계를 포함할 수 있다. 도 1c는 ALE의 개질 동작에서 상이한 개질 메커니즘들의 개략적인 예시들을 도시한다. 도 1d는 등방성 ALE의 제거 동작에서 상이한 제거 메커니즘들의 개략적인 예시들을 도시한다. 도 1c 및 도 1d에서, 도표들 (151 내지 154) 은 일반 ALE 사이클을 도시한다. 151에서, 기판이 제공된다. 152에서, 기판의 표면이 개질된다. 153에서, 다음 단계가 준비된다. 154에서, 개질된 층은 에칭되고 궁극적으로 제거된다. 일 사이클은 재료의 약 0.1 ㎚ 내지 약 50 ㎚, 또는 재료의 약 0.1 ㎚ 내지 약 5 ㎚, 또는 재료의 약 0.2 ㎚ 내지 약 50 ㎚, 또는 재료의 약 0.2 ㎚ 내지 약 5 ㎚을 부분적으로만 에칭할 수도 있다. 일 사이클에서 에칭된 재료의 양은 가변할 수도 있다. 예를 들어, ALE가 측벽들을 보호하도록 사용된 원자 층 증착 (atomic layer deposition; ALD) 과 통합되면, ALE 사이클은 ALE가 ALD와 통합되지 않는지와 비교하여 보다 적은 재료를 제거할 수도 있다.
도 1c는 ALE에서 표면을 개질하기 위한 상이한 메커니즘들: (a) 화학흡착, (b) 증착, 및 (c) 변환을 예시한다. 화학흡착에서, 전구체를 개질하는 것은 기판의 표면과 결합하는 재료의 흡착-제한된 양을 형성하도록 기판의 표면과 반응할 수도 있다. 증착에서, 재료의 박층이 제거 전에 기판의 표면 상에 증착될 수도 있다. 변환에서, 추가 반응을 방지하기 위해 본질적으로 배리어 층을 형성하도록 기판의 상단부에서 원자들과 염이 형성된다. 염은 후속 열적 또는 화학적 동작에 의해 후속하여 제거될 수도 있다. 도 1c에서, 표면을 개질하는데 사용된 반응물질들은 가스들, 플라즈마, 습식 (액체) 화학물질, 또는 다른 소스들에 의해 전달될 수도 있다.
도 1d는 ALE에서 개질된 표면을 등방적으로 제거하기 위한 상이한 메커니즘들: (a) 열적 에너지, 및 (b) 화학적 에너지를 예시한다. 열적 에너지를 사용하여, ALE의 제거 단계는 임의의 추가 화학 반응 없이 개질된 표면 층의 탈착을 유발하도록 단지 온도를 조정함으로써 달성될 수도 있다. 화학적 에너지를 사용하여, ALE의 제거 단계는 온도를 변화시키지 않고 개질된 표면 층의 탈착을 유발하도록 개질된 표면 층과 가스성 전구체를 반응시킴으로써 달성될 수도 있다. 온도가 화학적 에너지와 변화되지 않을 수도 있지만, ALE 반응은 열적 에칭 반응의 일 타입으로서 이해된다. 열적 에너지 및 화학적 에너지를 사용하여, ALE의 제거 단계는 개질된 표면 층의 탈착을 유발하도록 목표된 온도를 인가하고 개질된 표면 층과 가스성 전구체를 반응시킴으로써 달성될 수도 있다.
리소스들은 열적 에칭 반응에서 에칭 특성들을 실험하고, 탐색하고, 계산하고, 연구하고 그리고 수동으로 결정하는 것으로 제한될 수도 있다. 본 개시의 머신 러닝 모델이 열적 에칭 반응에서 에칭 특성들을 예측하도록 구성된다. 열적 에칭 반응은 적어도 에칭 전구체 및 표면 층 또는 개질된 표면 층을 포함한다. 본 개시의 머신 러닝 모델은 연속적이거나 비연속적인 열적 에칭에 적용될 수도 있다는 것이 이해될 것이다. 본 개시의 머신 러닝 모델은 열적 에너지 및/또는 화학적 에너지가 개질된 표면 층을 제거하도록 사용되든, ALE 반응, 특히 ALE 반응에서 제거 단계에 적용될 수도 있다는 것이 또한 이해될 것이다. 본 개시의 머신 러닝 모델은 시간, 비용, 및 자원들을 감소시킬 수도 있을뿐만 아니라, 신규 열적 에칭 반응들 및 화학물질들의 설계를 용이하게 할 수도 있다.
열적 에칭 반응의 표현
일반적으로, 열적 에칭 반응이 표면 층 및 에칭 전구체를 포함하는 반응물질들의 휘발성인 생성물들로의 변환으로 간주된다. 형성된 생성물들이 휘발성이면, 에칭 전구체가 표면 층을 에칭한다. 에칭 결과들은 생성물들의 안정성 및 휘발성에 의해 설명될 수도 있다. 휘발성 생성물들의 안정성을 결정하는 것은 반응 경로들의 반응물질들, 중간물들, 및/또는 생성물들과 연관된 반응 경로들 및 에너지들을 이해하는 것으로부터 이해될 수도 있다.
예로서, 열적 에칭 반응은 하나 이상의 리간드 교환 반응들을 포함할 수도 있다. 리간드 교환 반응은 화합물의 리간드가 리간드 치환을 통해 또 다른 리간드에 의해 대체되는 일 타입의 반응 경로이다. 도 2는 ALE의 예시적인 리간드 교환 반응의 개략적 예시를 도시한다. 기판이 금속 옥사이드 (예를 들어, 알루미늄 옥사이드) 와 같은 벌크 재료 (201) 를 포함할 수 있다. 기판의 표면이 개질된 표면 층이 금속 플루오라이드 (202) (예를 들어, 알루미늄 플루오라이드) 를 포함하는 개질된 표면 층을 형성하도록 플루오르화될 수도 있다. 증기 상의 금속 전구체 (203) 는 금속 전구체 (203) 는 주석 (II) 아세틸아세토네이트 (Sn(acac)2) 을 포함하는, 개질된 표면 층과 반응하도록 기판을 향해 흐를 수도 있다. 금속 전구체 (203) 는 에칭 전구체로서 역할을 한다. 금속 전구체 (203) 는 금속 플루오라이드 (202) 로부터 불소 원자들을 수용할 수도 있고 휘발성 생성물들을 형성하도록 아세틸아세토네이트 (acac) 분자들을 공여할 수도 있다. 달리 말하면, 금속 전구체 (203) 는 금속 플루오라이드 (202) 와 리간드들을 스왑핑한다 (swap). 리간드 교환은 주석 (II) 플루오로-아세틸아세토네이트 (SnF(acac)) 인 제 1 휘발성 생성물 (204) 을 형성하고, 그리고 금속 (III) 아세틸아세토네이트 (M(acac)3) 인, 제 2 휘발성 생성물 (205) 을 형성한다. 제 1 휘발성 생성물 (204) 및 제 2 휘발성 생성물 (205) 은 벌크 재료 (201) 가 자기-제한 방식으로 에칭되도록 기판의 표면으로부터 탈착된다. 리간드 교환은 주석과 안정한 브리지를 형성하기 위한 불소의 능력 및 안정한 금속 아세틸아세토네이트 화합물들을 형성하기 위한 아세틸아세토네이트 리간드의 능력에 의해 용이하게 될 수도 있다.
하나 이상의 휘발성 생성물들로 반응물질들의 변환은 하나 이상의 반응 경로들을 수반한다. 반응 경로 각각은 반응물질들, 하나 이상의 중간물들, 및 하나 이상의 생성물들 중 2 이상을 포함한다. 반응 경로 각각은 이에 의해 전체 열적 에칭 반응이 발생하는 가능한 반응 메커니즘을 나타낼 수도 있다. 구체적으로, 반응 경로가 이산 중간 화합물들 및 이들의 연관된 에너지들로 나타낼 수도 있다. 이에 더하여 또는 대안적으로, 반응 경로는 이산 중간 화합물들뿐만 아니라 이산 중간 화합물들 사이의 모든 중간 상태들을 포함하는 반응 좌표로 나타낼 수도 있다. 이러한 이산 중간 상태들은 다양한 분자 구성들, 분자간 배좌들 (inter-molecular conformations), 분자간 배향들, 결합 길이들, 등을 나타낼 수도 있다. 이산 중간 화합물들은 반응 경로의 상이한 단계들에서 형성될 수도 있고, 반응 경로의 단계 각각은 에너지의 고유의 연관된 변화 (ΔE) 를 가질 수도 있다. 에너지는 바닥 상태 에너지와 같은 열역학 속성으로 간주될 수도 있다.
열적 에칭 반응에서 에칭 특성들을 예측하는 것은 열적 에칭 반응의 반응 경로, 및 특정한 중간 상태들 또는 생성물들이 반응 경로에서 열역학적으로 또는 에너지적으로 유리한지 여부에 종속될 수도 있다. 달리 말하면, 반응 경로 및 반응 경로에서 반응물질들, 중간물들, 및 생성물들의 연관된 에너지들은 열적 에칭 반응에서 반응물질들이 휘발성 생성물들로 변환되거나 되지 않는지 여부를 결정할 수도 있다.
도 3a는 알루미늄 플루오라이드와 금속 클로라이드 사이의 예시적인 반응의 가능한 최소 에너지 이성질체들의 개략적 예시들이다. 가능한 최소 에너지 이성질체들은 알루미늄 플루오라이드와 금속 클로라이드 사이의 예시적인 반응의 시뮬레이션을 실행함으로써 생성될 수도 있다. 이들 두 분자들, 즉 알루미늄 플루오라이드와 금속 클로라이드 사이의 반응은 하나 이상의 반응 경로들에서 이산 중간 화합물 및/또는 생성 화합물을 발생시킬 수도 있고, 이산 중간 화합물 및/또는 생성 화합물 각각은 독특한 결합 구성 또는 분자 구조를 갖는다. 예시적인 반응은 제 1 시뮬레이션 (310) 및 제 2 시뮬레이션 (311) 에서 시뮬레이팅될 수도 있다. 도 3a에서 제 1 시뮬레이션 (310) 은 알루미늄 플루오라이드의 알루미늄 원자와 금속 클로라이드의 금속 원자 사이의 삼중 브리지 결합을 허용한다. 도 3a에서 제 2 시뮬레이션 (311) 은 알루미늄 플루오라이드의 알루미늄 원자와 금속 클로라이드의 금속 원자 사이의 이중 브리지 결합을 허용한다. 도 3a에서, "삼중 브리지"는 불소 원자들 및/또는 염소 원자들을 포함하는 3 개의 할라이드 원자들을 나타내고, 알루미늄 원자와 금속 원자를 연결하는 브리지를 형성한다. "이중 브리지"는 2 개의 할라이드 원자들을 나타낸다. "단일 브리지"는 하나의 할라이드 원자를 나타낸다. "무 이량체"는 알루미늄 원자와 금속 원자를 연결하는 브리지가 없다는 것을 나타낸다. 도 3a에 도시된 바와 같이, 삼중 브리지 구성을 허용하는 제 1 시뮬레이션 (310) 은 가능한 중간 및/또는 생성 화합물들로서 삼중 브리지 이성질체 (312), 이중 브리지 이성질체 (313), 단일 브리지 이성질체 (314), 및 무 이량체 (315) 를 생성한다. 이중 브리지 구성을 허용하는 제 2 시뮬레이션 (311) 은 가능한 중간 및/또는 생성 화합물들로서 이중 브리지 이성질체 (313), 단일 브리지 이성질체 (314), 및 무 이량체 (315) 를 생성한다. 이하에 논의된 바와 같은 양자 역학 시뮬레이션과 같은 열적 에칭 반응의 시뮬레이션이 하나 이상의 반응 경로들에서 생성된 가능한 중간 화합물 및/또는 생성 화합물을 생성할 수 있다.
이들 가능한 중간 화합물 및/또는 생성 화합물이 얼마나 안정한지가 반응 경로의 중간 화합물 및/또는 생성 화합물과 연관된 에너지들을 나타내는 에너지 도표로부터 확인될 수도 있다. 도 3b는 알루미늄 플루오라이드와 금속 클로라이드 사이의 반응 경로에서 생성된 반응 중간물들 및 생성물들에 대한 예시적인 에너지 도표를 도시한다. 도 3b의 에너지 도표는 4 개의 상이한 반응들에 대응하는 4 개의 상이한 반응 경로들: (1) 알루미늄 플루오라이드와 실리콘 테트라클로라이드 사이의 반응을 위한 반응 경로, (2) 알루미늄 플루오라이드와 게르마늄 테트라클로라이드 사이의 반응을 위한 반응 경로, (3) 알루미늄 플루오라이드와 주석 테트라클로라이드 사이의 반응을 위한 반응 경로, 및 (4) 알루미늄 플루오라이드와 티타늄 테트라클로라이드 사이의 반응을 위한 반응 경로를 도시한다. 에너지 도표는 반응 경로 각각을 따라 단계들을 나타내는 반응 좌표의 함수로서 에너지의 변화 (ΔE) 를 도시한다. 에너지 도표의 최소 에너지들은 상이한 반응 중간물들 또는 생성물들과 연관될 수도 있다. 이에 따라, 상이한 반응 중간물들 및 생성물들 각각은 연관된 에너지의 변화를 가질 수도 있다.
도 3b에 도시된 바와 같이, 반응 경로들 각각은 2 개의 반응물질들 (320), 즉, 알루미늄 플루오라이드 (AlF3) 및 금속 클로라이드 (MCl4) 로 시작되고, 2 개의 반응물질들 (320) 은 0의 연관된 에너지를 갖는다. 2 개의 반응물질들 (320) 은 열적 에칭 반응에서 에칭 전구체 및 표면 층을 나타낼 수도 있다. 반응 경로들 각각이 진행함에 따라, 제 1 반응 중간물 (321) 은 제 1 최소값의 에너지 도표의 연관된 에너지를 사용하여 형성되고, 제 2 반응 중간물 (322) 은 제 2 최소값의 에너지 도표의 연관된 에너지를 사용하여 형성된다. 제 1 반응 중간물 (321) 은 불소 단일 브리지 또는 불소 및 염소 이중 브리지를 갖는 알루미늄 플루오라이드와 금속 클로라이드 사이의 이량체를 나타낼 수도 있다. 제 2 반응 중간물 (322) 은 불소 및 불소 이중 브리지를 갖는 알루미늄 플루오라이드와 금속 클로라이드 사이의 이량체를 나타낼 수도 있다. 제 2 반응 중간물 (322) 은 제 1 반응 중간물 (321) 보다 낮은 에너지 최소값을 갖는다. 반응 경로들 각각이 계속해서 진행함에 따라, 반응 생성물들 (323) 은 리간드 교환 반응에 이어 알루미늄 클로라이드 플루오라이드 (AlF2Cl) 및 금속 플루오라이드 클로라이드 (MFCl3) 를 포함하여 형성된다. 반응 생성물들 (323) 은 제 1 반응 중간물 (321) 및 제 2 반응 중간물 (322) 각각보다 큰 연관된 에너지를 갖는다. 따라서, 에너지 도표는 제 2 반응 중간물 (322) 이 반응 경로를 따라 가장 안정한 화합물이라는 것을 도시한다.
도 3b에 도시된 것과 같은, 에너지 도표는 알루미늄 플루오라이드와 선택된 금속 클로라이드 사이의 반응을 위해 시뮬레이션을 실행함으로써 생성될 수도 있다. 도 3b가 열적 에칭 반응 각각에 대한 단 하나의 반응 경로를 도시하지만, 종종 열적 에칭 반응을 위한 복수의 반응 경로들이 있다. 사실, 시뮬레이션은 복수의 열적 에칭 반응을 위한 복수의 반응 경로들을 생성할 수도 있다. 이들 개별 반응 경로들은 고유의 연관된 반응 중간물들/생성물들, 에너지들에서 연관된 변화들, 및 연관된 발생 확률들을 갖는다. 시뮬레이션으로부터 생성된 연관된 반응 중간물들/생성물들, 에너지들에서 연관된 변화들, 및 연관된 발생 확률들은 반응 경로에서 특정한 반응 중간물들/생성물들의 안정성을 결정하는데 유용한 정보를 제공할 수도 있다. 이는 반응 패턴으로 표현될 수도 있다.
열적 에칭 반응의 하나 이상의 반응 경로들의 화학적 특성들은 반응 패턴으로 나타낼 수도 있다. "반응 패턴"은 열적 에칭 반응에서 복수의 반응 경로들의 전위 기여들을 나타낸다. 일부 실시예들에서, 반응 패턴은 또한 "반응 핑거프린트 (fingerprint)" 또는 "반응 시그니처 (signature)"로서 지칭될 수도 있다. 열적 에칭 반응의 반응 패턴은 다양한 화학적 특성 치수들 및 에너지 치수들을 포함할 수도 있다. 열적 에칭 반응의 다양한 화학적 특성들은 이들의 결합 구성들 및/또는 분자 구조체들과 함께 반응 중간물들 및/또는 생성물들을 포함한다. 예를 들어, 반응 경로의 가능한 결합 구성들 및/또는 분자 구조체들로서, 결합 구성들 및/또는 분자 구조체들은 단일 브리지 이량체, 이중 브리지 이량체, 삼중 브리지 이량체, 및 무 이량체 중 하나 이상을 포함할 수도 있다. 일부 실시예들에서, 반응 패턴은 x-축을 따라 화학적 특성들 및 y-축을 따라 에너지를 도시할 수도 있다. 그러나, 보다 복잡한 반응 패턴들이 온도 및/또는 압력에 대한 부가적인 치수들로서 부가적인 치수들을 도시할 수도 있다는 것이 이해될 것이다.
도 4는 알루미늄 플루오라이드와 다양한 금속 클로라이드들 사이의 열적 에칭 반응들에 대한 예시적인 반응 패턴들을 도시한다. x-축은 화학적 특성 치수 (430) 를 도시하고 y-축은 에너지 치수 (440) 를 도시한다. 제 1 반응 패턴 (420) 이 알루미늄 플루오라이드와 티타늄 테트라클로라이드 사이의 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들을 나타낸다. 제 2 반응 패턴 (421) 이 알루미늄 플루오라이드와 실리콘 테트라클로라이드 사이의 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들을 나타낸다. 제 3 반응 패턴 (422) 이 알루미늄 플루오라이드와 주석 테트라클로라이드 사이의 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들을 나타낸다. 제 4 반응 패턴 (423) 이 알루미늄 플루오라이드와 게르마늄 테트라클로라이드 사이의 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들을 나타낸다. 양자 역학 시뮬레이션들과 같은, 시뮬레이션들은 열적 에칭 반응들 각각에 대한 반응 패턴들 (420 내지 423) 각각을 생성하도록 실행된다. 양자 역학 시뮬레이션들은 반응 패턴으로 나타낼 수 있는, 복수의 반응 경로들 각각으로부터 반응 중간물들 및/또는 생성물들 및 이들의 연관된 에너지들을 제공하는, 복수의 상이한 반응 경로들 및 이들의 열적 에칭 반응의 전위 기여들을 추적한다. 복수의 반응 경로들은 반응 중간물들 및/또는 생성물들 및 이들의 연관된 에너지들에 대한 복수의 데이터 세트들에 기여할 수도 있고, 복수의 데이터 세트들은 화학적 특성 치수 (430) 에서 화학적 특성들 각각에 대한 에너지 치수 (440) 를 따라 평균, 정중선 (median line), 최소값/최대값, 및 평균 ±1 표준 편차를 제공하도록 사용된다. 일부 구현예들에서, 반응 패턴들 (420 내지 423) 각각은 단일의 열적 에칭의 복수의 양자 역학 시뮬레이션들로부터 생성될 수도 있고, 단일 에칭 반응의 복수의 양자 역학 시뮬레이션들은 상이한 파라미터들 (예를 들어, 표면 표현, 초기 조건들, 등) 로 실행된다.
패턴들 및 경향들의 공통성들이 상이한 에칭 전구체들에 대해 보여질 수도 있다. 구체적으로, 패턴들 및 경향들은 도 4의 다양한 반응 패턴들 (420 내지 423) 로부터 확인되고 식별될 수도 있다. 예를 들어, 제 1 반응 패턴 (420) 의 티타늄 테트라클로라이드 (TiCl4) 및 제 3 반응 패턴 (422) 의 주석 테트라클로라이드 (SnCl4) 는 불소 삼중 브리지 구성들, 불소 이중 브리지 구성들, 및 불소와 염소 이중 브리지 구성들의 형성에 대해 유사한 "핑거프린트"를 공유한다. 제 2 반응 패턴 (421) 의 실리콘 테트라클로라이드 (SiCl4) 및 제 4 반응 패턴 (423) 의 게르마늄 테트라클로라이드 (GeCl4) 는 불소 이중 브리지 구성들 및 불소/염소 이중 브리지의 형성 및 X 구성들로 표기된 임의의 이량체의 부재에 대해 유사한 "핑거프린트"를 공유한다. 불소 삼중 브리지 구성들 및 불소 이중 브리지 구성들은 일반적으로 제 1 반응 패턴 (420) 및 제 3 반응 패턴 (422) 의 에칭 전구체들에 대한 가장 낮은 최소값 에너지를 갖는다. 불소 이중 브리지된 구성들은 일반적으로 반응 패턴들 (420 내지 423) 의 에칭 전구체들 각각에 대한 가장 낮은 최소값 에너지를 갖는다. 불소 단일 브리지 구성들은 제 1 반응 패턴 (420) 및 제 3 반응 패턴 (422) 에 존재하지 않는다. 더욱이, 염소 삼중 브리지 구성 및 염소 이중 브리지 구성과 연관된 에너지들은 일반적으로 반응 패턴들 (420 내지 422) 에 대해 높다. 도 4의 반응 패턴들 중 일부는 에칭을 발생시킬 수도 있지만, 도 4의 반응 패턴들 중 일부는 에칭을 발생시키지 않는다. 실험적으로, 제 1 반응 패턴 (420) 및 제 3 반응 패턴 (422) 은 에칭을 발생시키지만, 제 2 반응 패턴 (421) 및 제 4 반응 패턴 (423) 은 에칭을 발생시키지 않는다. 인간이 반응 패턴들 (420 내지 423) 의 경향들 및 패턴들 중 일부를 관찰할 수 있지만, 혼합물에 보다 많은 에칭 전구체들 및 보다 많은 표면 재료들을 사용하여 경향들 및 패턴들을 인식하기 점점 어려워진다. 달리 말하면, 인간이 도 4에 예시된 바와 같이 특정한 경향들 및 패턴들을 인식하는 것이 가능할 수도 있지만, 상이한 타입들의 많은 상이한 반응들에 걸쳐, 인간이 데이터 지점들의 특정한 조합들과 에칭 정보간 연결들을 파악하는 것이 불가능하다면 이는 특히 어려울 것이다.
상이한 타입들의 많은 상이한 반응들에 걸쳐 특정한 조합들 사이의 연결들을 파악하는 것의 복잡성에 반응 경로들에 관한 올바른 가정들, 표면의 정확한 근사치, 및 시간 조건들을 획득하는 것이 부가된다. 양자 역학 시뮬레이션이 특정한 양자 역학 모델, 표면-개질된 반응물질 재료의 표면을 나타내기 위한 특정한 가정, 및 열적 에칭 반응의 최초 조건들에 대한 특정한 가정을 활용할 수도 있다. 양자 역학 모델들, 표면 표현들, 및 초기 조건들의 일부 특정한 조합이 일부 타입들의 열적 에칭 반응들에 대해 잘 작동할 수도 있고 예측 능력들의 면에서 다른 타입들의 열적 에칭 반응들에서 잘 작동하지 않을 수도 있다.
다양한 양자 역학 시뮬레이션 모델들은 반응 경로들 및 연관된 에너지 변화들의 컴퓨터 (computational) 생성을 위해 존재한다. 양자 역학 시뮬레이션 모델들은 통상적으로 원자들, 분자들, 및 응결된 상들을 포함하여, 다체계 (many-body systems) 의 전자 구조체를 조사하기 위해 물리학, 화학 및 재료 과학에서 사용된다. 양자 역학 시뮬레이션 모델들은 Schrodinger (파동) 방정식을 사용하여 전자 밀도들을 나타내고 연관된 에너지들 또는 전위들을 계산하도록 사용될 수도 있다.
본 개시의 맥락에서, 양자 역학 시뮬레이션 모델들은 에칭 전구체 및 표면 층의 미리 결정된 조합에 대해 존재할 수도 있는, 다양한 반응 경로들을 식별할 수도 있다. 일부 구현예들에서, 표면 층은 개질된 표면 층이다. 식별되는 반응 경로 각각에 대해, 양자 역학 시뮬레이션 모델은 하나 이상의 반응물질들, 생성물들, 및 중간물들의 에너지들을 계산한다. 이 방식으로, 양자 역학 시뮬레이션 모델은 반응 경로의 단계 각각에 대해 에너지 변화들 (ΔE) 을 결정할 수 있다.
많은 상이한 양자 역학 시뮬레이션 툴들이 다체계 모델링 및 다양한 반응 경로들의 식별을 위해 존재한다. 이들 양자 역학 시뮬레이션 툴들은 Schrodinger (파동) 방정식에서 항들의 상이한 근사화들을 사용한다. 이러한 양자 역학 시뮬레이션 툴들은 상업적으로 입수가능할 수도 있고 또는 상업적으로 입수가능하지 않을 수도 있는, 소프트웨어 패키지들로 존재할 수도 있다. 예들은 이로 제한되는 것은 아니지만, ABINIT, ACES, AMPAC, ADF, Atomisix ToolKit, BigDFT, CADPAC, CASINO, CASTEP, CFOUR, COLUMBUS, CONQUEST, CP2K, CPMD, CRYSTAL, DACAPO, Dalton, deMon2k, DFTB+, DFT++, DIRAC, DMol3, ELK, Empire, EPW, ErgoSCF, ERKALE, EXCITING, FLEUR, FHI-aims, FPLO, FreeON, Firefly, GAMESS, Gaussian, GPAW, HiLAPW, HORTON, HyperChem, Jaguar, JDFTx, LOWDIN, MADNESS, MISSTEP, MOLCAS, MoIDS, MOLGW, MOLPRO, MONSTERGAUSS, MOPAC, MPQC, NRLMOL, NTChem, NWChem, Octopus, ONETEP, OpenAtom, OpenMX, ORCA, phase0, PLATO, PQS, Priroda-06, PSI, PUPIL, PWmat, PWscf, PyQuante, PySCF, Qbox, Q-Chem, QMCPACK, Quantemol-N, QSite, Quantum ESPRESSO, RMG, RSPt, Scigress, Spartan, Siam Quantum, SIESTA, TB-LMTO, TeraChem, TURBOMOLE, VASP, WIEN2k, 및 Yambo Code를 포함한다. 일부 양자 역학 시뮬레이션 툴들은 DFT (density functional theory) 툴들, Hartree-Fock 툴들, 및/또는 반경험적 툴들을 포함할 수도 있다. 많은 전술한 양자 역학 시뮬레이션 툴들은 DFT 툴들, Hartree-Fock 툴들, 및 반경험적 툴들의 일부 카테고리 또는 혼합을 사용하고, 전술한 양자 역학 시뮬레이션 툴들 중 일부는 공공으로 입수가능하다. 예를 들어, Gaussian은 DFT 툴들, Hartree-Fock 툴들, 및 반경험적 툴들을 사용한다. MOLPRO은 Hartree-Fock 및 DFT 툴들을 사용하지만 반경험적 툴들은 사용하지 않는다. MONSTERGAUSS는 Hartree-Fock 툴들을 사용하지만 DFT 및 반경험적 툴들을 사용하지 않는다. Atomistix ToolKit는 반경험적 및 DFT 툴들을 사용하지만 Hartree-Fock 툴들을 사용하지 않는다. 상이한 양자 역학 시뮬레이션 툴들 뿐만 아니라 양자 역학 시뮬레이션 툴의 상이한 파라미터화가 특정한 반응 경로들의 ID (identification) 및 특정한 반응 경로들로부터 다양한 종과 연관된 에너지들을 포함하여 계산 및 결과 (outcome) 에 영향을 줄 수도 있다.
열적 에칭 반응의 양자 역학 시뮬레이션의 상이한 양자 역학 시뮬레이션 모델들 중에서 선택하는 것에 더하여, 표면 층의 다양한 표면 표현들 중 하나는 양자 역학 시뮬레이션에서 선택될 수도 있다. 표면 표현은 에칭 전구체와의 열적 에칭 반응에 참여하는 표면 층 상의 화학적 종의 형태를 기술할 수도 있다. 예들로서, 표면 표현은 단일 분자 (예를 들어, 알루미늄 플루오라이드 (AlF3)) 또는 분자들의 클러스터 (예를 들어, [AlF3]x) 일 수도 있다. 분자들의 클러스터는 크고 작은 것과 같은 광범위한 사이즈들일 수도 있다. 본 명세서에 사용된 바와 같이, 분자들의 작은 클러스터는 약 20 원자들 미만, 또는 약 10 원자들 내지 약 20 원자들일 수도 있다. 예를 들어, AlF3 분자들의 작은 클러스터는 3 개의 분자들 내지 5 개의 분자들일 수도 있다. 본 명세서에 사용된 바와 같이, 분자들의 큰 클러스터는 약 20 개의 원자들보다 많거나, 약 30 개의 원자들보다 많거나, 약 50 개의 원자들보다 많을 수도 있다.
상이한 표면 표현들은 미리 결정된 열적 에칭 반응의 양자 역학 시뮬레이션의 결과에 영향을 줄 수 있다. 일부 구현예들에서, 제 1 표면 표현을 사용하여 시뮬레이팅된 열적 에칭 반응은, 반응의 모든 다른 양태들이 동일하더라도, 제 2 표면 표현을 사용하여 시뮬레이팅될 때와 상이한 반응 패턴을 제공할 수도 있다.
상이한 양자 역학 시뮬레이션 모델들 중에서 선택하고 표면 층의 상이한 표면 표현들 중에서 선택하는 것에 더하여, 다양한 초기 조건들 중 하나는 열적 에칭 반응의 양자 역학 시뮬레이션에서 선택될 수도 있다. 초기 조건들은 열적 에칭 반응의 양자 역학 시뮬레이션에서 에칭 전구체와 표면 층의 초기 상호작용을 나타낼 수도 있다. 양자 역학 시뮬레이션의 초기 조건들의 예들은 시뮬레이팅된 반응의 착수시 표면 층과 에칭 전구체 사이의 분리 거리, 시뮬레이팅된 반응의 착수시 표면 층 및 에칭 전구체의 배향 및 방향, 시뮬레이팅된 반응의 착수시 표면 층과 에칭 전구체 사이의 초기 화학적 브리지 또는 결합의 형태, 및 시뮬레이팅된 반응의 착수시 에칭 전구체 및/또는 표면 층의 내부 또는 운동 에너지를 포함한다. 전술한 초기 조건들은 양자 역학 시뮬레이션 각각에 대해 특정될 수도 있다. 예로서, 초기 조건들은 2 개의 반응물질들이 화학적으로 상호작용하도록 아직 시작하지 않았다고 초기 조건들이 가정할 때, 2 개의 반응물질들 사이의 화학적 결합 또는 결합이 없다고 가정할 수도 있다. 일부 구현예들에서, 초기 조건들은 2 개의 반응물질들 사이의 분리 거리가 없다고 가정할 수도 있다. 예를 들어, 초기 조건들은 화학적 브리지 또는 결합을 형성하기 위해 반응하기 전에 에칭 전구체가 표면 층의 표면 상에 물리 흡착되고 확산된다고 가정할 수도 있다.
상이한 초기 조건들은 미리 결정된 열적 에칭 반응의 양자 역학 시뮬레이션의 결과에 영향을 줄 수도 있다. 표면 표현들과 같이, 종의 에너지들 또는 반응 경로들의 에너지 변화들 (ΔE) 은 반응의 초기 조건들의 함수들일 수도 있다. 일부 구현예들에서, 제 1 초기 조건을 사용하여 시뮬레이팅된 열적 에칭 반응은, 반응의 모든 다른 양태들이 동일하더라도, 제 2 초기 조건을 사용하여 시뮬레이팅될 때와 상이한 반응 패턴을 제공할 수도 있다.
머신 러닝 모델
본 개시의 머신 러닝 모델은 입력들로서 표면 층과 에칭 전구체 사이에 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 취하고 출력으로서 시뮬레이팅된 반응에 대한 에칭 특성을 제공하는 트레이닝된 컴퓨터 모델이다. 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들은 상기 기술된 바와 같이 양자 역학 시뮬레이션 모델을 사용하여 식별될 수도 있다. 일부 구현예들에서, 화학적 특성들 및 연관된 에너지들은 일 반응 패턴으로 또는 도 4에 도시된 바와 같이 복수의 패턴들로 표현될 수도 있다. 본 개시가 양자 역학 시뮬레이션 모델에 의해 생성된 연관된 에너지들을 참조하지만, 다른 속성들이 연관된 종 안정성들 및/또는 연관된 종 수명들과 같은, 양자 역학 모델에 의해 생성될 수도 있다는 것을 이해할 것이다. 이러한 속성들은 연관된 에너지들에 더하여 또는 연관된 에너지들에 대한 대안으로서 사용될 수도 있다.
반응 패턴으로 표현되든 되지 않든, 화학적 특성들 및 연관된 에너지들은 시뮬레이팅된 반응의 데이터 지점들을 제공할 수 있다. 일부 구현예들에서, 실험적으로 결정될 수도 있고 또는 결정되지 않을 수도 있는 에칭 특성들은 시뮬레이팅된 반응과 함께 진행하도록 부가적인 데이터 지점들을 제공할 수도 있다. 상이한 타입들의 보다 많은 반응들로, 보다 많은 데이터 지점들이 제공될 수도 있다. 본 개시의 머신 러닝 모델은 신규 반응의 에칭 특성을 정확하게 예측하기 위해 상이한 타입들의 많은 상이한 반응들에 걸친 데이터 지점들 사이에서 패턴들을 인식하고 발견하도록 트레이닝될 수도 있다.
도 5는 일부 구현예들에 따른, 열적 에칭 반응에서 에칭 정보를 예측하는데 사용하기 위한 머신 러닝 모델을 생성하는 예시적인 방법의 흐름도이다. 프로세스 (500) 의 동작들은 상이한 순서들로 그리고/또는 상이한, 보다 적은 또는 부가적인 동작들과 함께 수행될 수도 있다. 머신 러닝 모델은 지도 러닝 (supervised learning), 비지도 러닝 (unsupervised learning), 또는 부분적으로 지도 러닝일 수도 있다.
프로세스 (500) 의 블록 510에서, 복수의 열적 에칭 반응들 각각에 대한 적어도 하나의 양자 역학 시뮬레이션이 수행된다. 양자 역학 시뮬레이션 각각은 표면 층과 에칭 전구체 사이의 대응하는 열적 에칭 반응에서 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 생성한다. 일부 구현예들에서, 표면 층은 개질된 표면 층이다. 생성된 화학적 특성들 및 연관된 에너지들은 머신 러닝 모델을 트레이닝하기 위한 트레이닝 세트의 트레이닝 세트 멤버들의 일부로서 역할할 것이다.
프로세스 각각의 특성들은 통상적으로 반응 및/또는 반응에 참여하는 개별 화학 종의 화학적 특징들을 포함하는, 반응 경로를 특징화한다. 반응 경로에서 이들 특성들의 기술은 반응 경로에서 생성된 화학 종의 화학적 특성들 및 연관된 에너지들 (안정성들, 수명들, 등) 이다. 화학적 특성들은 하나 이상의 반응 경로들 각각에서 생성된 하나 이상의 중간물들 및/또는 생성물들의 결합 구성들 또는 분자 구조체들을 포함할 수도 있다. 화학적 특성들은 표면 층과 에칭 전구체 사이의 상호작용의 타입을 반영할 수도 있다. 상호작용의 타입은 2 개의 반응물질들 (즉, 표면 층과 에칭 전구체) 사이의 화학적 브리지 또는 결합일 수 있다. 일부 구현예들에서, 일부 결합 구성들 또는 분자 구조체들은 단일 브리지 이량체, 이중 브리지 이량체, 삼중 브리지 이량체, 및 무 이량체 중 하나 이상을 포함한다. 도 3b의 알루미늄 플루오라이드 (AlF3) 와 금속 클로라이드 (MCl4) 사이의 예시적인 열적 에칭 반응을 다시 참조하면, 반응 중간물은 불소 브리지를 갖는 AlF3-MCl4 이량체, 불소 및 염소 이중 브리지를 갖는 AlF3-MCl4 이량체, 또는 불소 및 불소 이중 브리지를 갖는 AlF3-MCl4 이량체를 포함할 수 있다. 반응 생성물은 AlF2Cl 및 MFCl3의 형태로 이량체를 포함하지 않을 수 있다.
양자 역학 시뮬레이션은 존재할 수도 있는 다양한 반응 경로들을 식별한다. 식별된 경로 각각에 대해, 양자 역학 시뮬레이션은 반응물질들, 하나 이상의 중간물들, 및 하나 이상의 생성물들의 화학적 특성들 (예를 들어, 결합 구성들 또는 분자 구조체들) 을 식별한다. 더욱이, 양자 역학 시뮬레이션은 반응물질들, 하나 이상의 중간물들, 및 하나 이상의 생성물들과 연관된 에너지들 및/또는 반응물질들로부터 하나 이상의 중간물들 및 하나 이상의 생성물들에 도달하기 위한 에너지 변화들 (ΔE) 을 계산한다.
양자 역학 시뮬레이션을 위한 이러한 데이터는 피처 벡터로 표현될 수도 있다. 피처 벡터 각각은 대응하는 열적 에칭 반응의 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함한다. 일부 구현예들에서, 피처 벡터는 도 4에 도시된 바와 같은 반응 패턴으로 표현된 정보를 포함하지만, 보다 복잡한 피처 벡터들은 부가적인 정보를 포함할 수도 있다는 것이 이해될 것이다. 예를 들어, 이러한 부가적인 정보는 열적 에칭 반응의 온도 및 압력 중 하나 이상을 포함할 수도 있다. 일부 구현예들에서, 피처 벡터는 열적 에칭 반응의 온도 및 압력 중 하나 또는 모두를 더 포함한다. 일부 구현예들에서, 프로세스 (500) 는 대응하는 열적 에칭 반응의 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대해 화학적 특성들 및 연관된 에너지들을 적어도 하나의 피처 벡터로 조직하는 단계를 포함한다.
복수의 피처 벡터들이 단일 열적 에칭 반응을 위해 존재할 수도 있다. 구체적으로, 별도의 피처 벡터들이 열적 에칭 반응의 상이한 양자 역학 시뮬레이션들로부터 제공될 수도 있다. 열적 에칭 반응을 위한 상이한 양자 역학 시뮬레이션들은 상이한 양자 역학 모델들, 상이한 표면 표현들, 및/또는 상이한 초기 조건들로부터 발생할 수도 있다. 따라서, 적어도 하나의 양자 역학 시뮬레이션 각각은 표면 층의 표면 표현 및 하나 이상의 초기 조건들로 구성된 양자 역학 모델을 포함한다. 이에 따라, 양자 역학 시뮬레이션의 피처 벡터 각각은 양자 역학 모델들, 표면 표현들, 및 초기 조건들의 고유의 독특한 조합을 가질 수도 있다.
도 6a는 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응을 위한 양자 역학 시뮬레이션의 일부 가능한 파라미터들의 개략적인 도면을 도시한다. 열적 에칭 반응의 양자 역학 시뮬레이션 (610) 은 도 6a에 도시된 3 개의 파라미터들로 제한되지 않고, 상이하거나 보다 적거나 부가적인 파라미터들을 포함할 수 있다는 것이 이해될 것이다. 부가적인 파라미터들은, 예를 들어, 온도 또는 운동 에너지 변동들 및 압력 변동들을 포함할 수 있다.
도 6a에서, 양자 역학 시뮬레이션 (610) 을 위한 제 1 파라미터 (611) 는 양자 역학 모델을 포함한다. 제 1 파라미터 (611) 는 DFT 모델, Hartree-Fock 모델, 반경험적 모델, 또는 이들의 조합으로부터 선택된 양자 역학 모델을 포함할 수도 있다. 양자 역학 모델들은 이로 제한되지 않지만, 전술한 모델들 및 다른 적절한 양자 역학 모델들이 활용될 수도 있다는 것이 이해될 것이다. 미리 결정된 열적 에칭 반응에 대해 별도의 피처 벡터들은 상이한 타입들의 양자 역학 모델들을 사용하여 열적 에칭 반응을 시뮬레이팅함으로써 제공될 수도 있다. 예를 들어, 일 피처 벡터가 DFT 모델을 사용하여 생성될 수도 있고 또 다른 피처 벡터는 Hartree-Fock 모델을 사용하여 생성될 수도 있다. 양자 역학 시뮬레이션 (610) 각각은 열적 에칭 반응의 화학적 특성들 및 연관된 에너지들의 고유의 세트를 제공한다.
도 6a에서, 양자 역학 시뮬레이션 (610) 을 위한 제 2 파라미터 (612) 는 표면 표현을 포함한다. 제 2 파라미터 (612) 는 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로부터 선택된 표면 층의 표면 표현을 포함할 수도 있다. 표면 표현들은 이로 제한되지 않지만 전술한 표현들 및 다른 적절한 표면 표현들이 활용될 수도 있다는 것이 이해될 것이다. 미리 결정된 열적 에칭 반응에 대해 별도의 피처 벡터들은 상이한 표면 표현들을 사용하여 열적 에칭 반응을 시뮬레이팅함으로써 제공될 수도 있다. 예를 들어, 일 피처 벡터는 표면 층을 나타내는 단일 분자를 사용하여 생성될 수도 있고 또 다른 피처 벡터는 표면 층을 나타내는 분자들의 작은 클러스터를 사용하여 생성될 수도 있다. 이들 변동들은 양자 역학 시뮬레이션 (610) 에서 제공된다.
도 6a에서, 양자 역학 시뮬레이션 (610) 을 위한 제 3 파라미터 (613) 는 초기 조건들을 포함한다. 제 3 파라미터 (613) 는 양자 역학 시뮬레이션의 착수 시 표면 층과 에칭 전구체 사이의 분리 거리, 양자 역학 시뮬레이션의 착수시 표면 층 및 에칭 전구체의 배향 및/또는 방향, 양자 역학 시뮬레이션의 착수시 표면 층과 에칭 전구체 사이의 초기 화학적 브리지 형태, 양자 역학 시뮬레이션의 착수시 에칭 전구체 또는 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함할 수도 있다. 초기 조건들은 이로 제한되지 않지만 전술한 초기 조건들 및 다른 적절한 초기 조건들이 활용될 수도 있다는 것이 이해될 것이다. 미리 결정된 열적 에칭 반응에 대해 별도의 피처 벡터들은 상이한 초기 조건들을 사용하여 열적 에칭 반응을 시뮬레이팅함으로써 제공될 수도 있다. 예를 들어, 일 피처 벡터는 단일 브리지 이량체의 초기 화학적 브리지로 생성될 수도 있고 또 다른 피처 벡터는 이중 브리지 이량체의 초기 화학적 브리지로 생성될 수도 있다. 또 다른 예에서, 상이한 피처 벡터들은 에칭 전구체의 상이한 배향들로 생성될 수도 있다. 복수의 상이한 초기 조건들은 별도의 시뮬레이션들을 실행하기 위한 특정한 표면 표현을 갖는 양자 역학 모델이 제공된다. 달리 말하면, 시뮬레이션은 아마도 시뮬레이션 동일한 시뮬레이션 툴 또는 모델로 수 회 수행되어, 양자 역학 시뮬레이션 (610) 각각이 상이한 초기 조건들로 수행된다. 초기 조건 각각은 고유의 피처 벡터를 제공한다.
열적 에칭 반응의 양자 역학 시뮬레이션 (610) 은 도 6a에 도시되지 않은 부가적인 파라미터들을 포함할 수 있다. 일부 구현예들에서, 미리 결정된 열적 에칭 반응의 별도의 피처 벡터들은 상이한 온도들 또는 운동 에너지들을 사용하여 열적 에칭 반응를 시뮬레이팅함으로써 제공될 수도 있다. 일부 구현예들에서, 미리 결정된 열적 에칭 반응의 별도의 피처 벡터들은 상이한 압력들을 사용하여 열적 에칭 반응를 시뮬레이팅함으로써 제공될 수도 있다. 이들 변동들은 양자 역학 시뮬레이션 (610) 에서 제공된다.
도 6b는 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응을 위해 도 6a에서 실행된 다양한 양자 역학 시뮬레이션들로부터 생성된 피처 벡터들의 표를 도시한다. 상이한 파라미터들을 갖는 양자 역학 시뮬레이션들은 상이한 피처 벡터들을 생성하고, 피처 벡터들이 적어도 반응 중간물들 및/또는 생성물들뿐만 아니라 연관된 에너지 변화들을 포함한다. 양자 역학 시뮬레이션들을 위한 상이한 파라미터들은 괄호 안의 세자리 (abc) 조합으로 보여진다. 예를 들어, (111) 은 DFT 모델, 표면 층을 나타내는 단일 분자, 및 제 1 초기 조건에 대응하고, (211) 은 Hartree-Fock 모델, 표면 층을 나타내는 단일 분자, 및 제 1 초기 조건에 대응하고, (121) 은 DFT 모델, 표면 층을 나타내는 분자들의 작은 클러스터, 및 제 1 초기 조건에 대응하는, 등 한다.
표 (620) 의 행 각각은 반응 중간물 또는 생성물 (630) 에 대응하고 표 (620) 의 열 각각은 미리 결정된 양자 역학 시뮬레이션 (abc) 에 대해 반응 중간물 또는 생성물 (630) 과 연관된 에너지 변화 (ΔE) (640) 에 대응한다. 표 (620) 의 마지막 행은 양자 역학 시뮬레이션 (abc) 각각과 연관된 피처 벡터들 (650) 에 대응한다. 피처 벡터들 (650) 은 어느 반응 중간물들 또는 생성물들 (630) 이 안정한지 반영하도록 ΔE (640) 에 의해 반응 중간물들 또는 생성물들 (630) 을 순위를 정할 (rank) 수도 있다. 일부 구현예들에서, 계수들이 특정한 피처 벡터 (650) 의 반응 중간물들 또는 생성물들 (630) 각각에 할당될 수도 있어서 일부 반응 중간물들 또는 생성물들 (630) 은 다른 것들보다 가중된다.
도 5를 다시 참조하면, 프로세스 (500) 의 블록 520에서, 실험적으로 결정된 에칭 특성이 복수의 열적 에칭 반응들 각각에 대해 결정된다. 표면 층과 에칭 전구체 사이의 열적 에칭 반응에 대해 실험적으로 결정된 에칭 특성은 지도 머신 러닝 모델에서 열적 에칭 반응을 위해 목표된 출력을 나타낼 수도 있다. 일부 구현예들에서, 에칭 특성은 에칭 전구체가 표면 층을 에칭하거나 에칭하지 않는지 여부를 포함한다. 이는 이진 출력으로 나타낼 수 있다. 일부 구현예들에서, 에칭 특성은 에칭 전구체에 의한 표면 층의 에칭 레이트를 포함한다. 이는 에칭 레이트를 반영하는 수치 값에 의해 나타낼 수 있고, 고 에칭 레이트 값은 에칭 전구체가 에칭하는 것을 나타내고 저 에칭 레이트 값 또는 0은 에칭 전구체가 에칭하지 않는다는 것을 나타낸다. 일부 구현예들에서, 에칭 특성이 표면 층 에칭시 에칭 전구체의 유효성에 관한 일부 다른 수치적 특성을 포함한다.
일부 다른 구현예들에서, 열적 에칭 반응의 에칭 특성이 실험적으로 결정되지 않는다는 것이 이해될 것이다. 예를 들어, 에칭 특성은 신뢰할 수 있는 시뮬레이터를 사용하여 시뮬레이션을 통해 결정될 수도 있다. 일부 구현예들에서, 실험적으로 결정된 에칭 특성은 열적 에칭 반응들 모두가 아니라 복수의 열적 에칭 반응들 중 일부에 대해 결정된다. 실험적으로 결정된 값들을 사용하여 또는 사용하지 않고 머신 러닝 모델이 트레이닝되는 것이 가능하다. 따라서, 본 개시의 머신 러닝 모델은 지도 머신 러닝 모델들로 제한될 필요는 없다.
실험적으로 결정된 에칭 특성은 머신 러닝 모델을 트레이닝하기 위한 트레이닝 세트의 트레이닝 세트 멤버의 일부로서 역할할 수도 있다. 일부 구현예들에서, 프로세스 (500) 는 실험적으로 결정된 에칭 특성을 라벨로 조직하는 단계를 더 포함한다. 라벨들은 에칭이 발생할지 여부에 대한 지표로서, 에칭 레이트로서, 또는 열적 에칭의 유효성에 관한 일부 다른 수치 특성으로서 제공될 수도 있다.
트레이닝 세트의 라벨들은 복수의 열적 에칭 반응들에 대한 실험적으로 결정된 에칭 특성들을 나타내는 종속 변수들을 포함한다. 트레이닝 세트의 피처 벡터들은 독립 변수들을 포함하고, 피처 벡터 각각은 단일 열적 에칭 반응을 특징화한다. 일부 구현예들에서, 피처 벡터 각각은 단일 열적 에칭 반응 및 단일 양자 역학 시뮬레이션을 특징화한다. 일부 다른 구현예들에서, 피처 벡터 각각은 단일 열적 에칭 반응 및 단일 열적 에칭 반응의 복수의 양자 역학 시뮬레이션들을 특징화한다. 머신 러닝 모델을 트레이닝하기 위한 트레이닝 세트가 복수의 열적 에칭 반응들에 대해 연관된 라벨들 및 피처 벡터들로부터 생성될 수 있다.
프로세스 (500) 의 블록 530에서, 복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트가 생성된다. 트레이닝 세트 멤버 각각은 (i) 대응하는 열적 에칭 반응에 대해 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함하는 적어도 하나의 피처 벡터, 및 (ii) 실험적으로 결정된 에칭 특성을 나타내는 라벨을 포함하는, 트레이닝 세트를 생성하는 단계를 포함한다.
하나 이상의 트레이닝 세트 멤버들이 열적 에칭 반응 각각에 대해 제공될 수도 있다. 즉, 피처 벡터 및 연관된 라벨의 하나 이상의 조합들이 단일 열적 에칭 반응에 대해 제공될 수도 있다. 예를 들어, 일 피처 벡터 및 이의 연관된 라벨이 알루미늄 플루오라이드 및 실리콘 테트라클로라이드 반응에 대해 제공될 수도 있다. 다른 피처 벡터 및 이의 연관된 라벨이 알루미늄 플루오라이드 및 게르마늄 테트라클로라이드 반응에 대해 제공될 수도 있다. 또 다른 피처 벡터 및 이의 연관된 라벨이 알루미늄 플루오라이드 및 주석 테트라클로라이드 반응에 대해 제공될 수도 있다. 그리고 또 다른 피처 벡터 및 이의 연관된 라벨이 알루미늄 플루오라이드 및 티타늄 테트라클로라이드 반응에 대해 제공될 수도 있다. 알루미늄 플루오라이드는 표면 층을 나타내고 금속 클로라이드들 각각은 열적 에칭 반응에서 에칭 전구체를 나타낸다. 열적 ALE 반응 사이클의 맥락에서, 알루미늄 플루오라이드의 이들 플루오라이드들 각각은 제 1 ALE 페이즈 (예를 들어, 알루미늄 트리플루오라이드로 알루미늄 옥사이드의 변환) 에 의해 이전에 생성될 수도 있다. 따라서, 알루미늄 플루오라이드는 열적 ALE 반응에서 개질된 표면 층이다. 피처 벡터들 및 연관된 라벨들 각각은 트레이닝 세트의 트레이닝 세트 멤버로서 제공될 수도 있다.
도 6c는 일부 구현예들에 따른, 상이한 열적 에칭 반응들에 대한 피처 벡터들의 표 및 상이한 상이한 열적 에칭 반응들의 에칭 특성들을 나타내는 라벨들의 대응하는 표를 도시한다. 피처 벡터들 (660) 의 표 및 라벨들 (670) 의 대응하는 표가 머신 러닝 모델을 트레이닝하기 위한 트레이닝 세트의 트레이닝 세트 멤버들로서 제공될 수도 있다.
피처 벡터들 (660) 의 표는 상이한 열적 에칭 반응들에 걸쳐 실행된 도 6a 및 도 6b에 도시된 복수의 양자 역학 시뮬레이션들 (610) 로부터 생성될 수도 있다. 피처 벡터들 (660) 의 표의 행 각각은 열적 에칭 반응에서 에칭 전구체 MxNy (661) 를 포함하고, 피처 벡터들 (660) 의 표의 열 각각은 대응하는 열적 에칭 반응에서 표면 층 SxTy (662) 을 포함한다. 피처 벡터들 (660) 의 표의 셀 각각은 에칭 전구체 MxNy (661) 와 표면 층 SxTy (662) 사이의 열적 에칭 반응의 피처 벡터 (663) 를 포함하고, 셀 각각은 상이한 열적 에칭 반응에 대한 상이한 피처 벡터를 나타낸다. 피처 벡터 (663) 는 도 6a 및 도 6b에서 실행된 양자 역학 시뮬레이션들 (610) 중 적어도 하나로부터 생성될 수도 있다. 달리 말하면, 특정한 피처 벡터 (663) 는 단일 열적 에칭 반응에 대한 도 6b의 피처 벡터들 (650) 중 하나 또는 도 6b의 피처 벡터들 (650) 의 조합을 포함할 수도 있다. 피처 벡터 (663) 는 단일 열적 에칭 반응의 하나 이상의 반응 경로들에서 생성된 반응 중간물들 및/또는 생성물들의 화학적 특성들 및 연관된 에너지들을 포함한다.
라벨들 (670) 의 대응하는 표는 실험적으로, 또는 가능하면 신뢰할 수 있는 시뮬레이터를 통해 생성될 수도 있다. 라벨들 (670) 의 대응하는 표의 행 각각은 열적 에칭 반응에서 에칭 전구체 MxNy (671) 를 포함하고, 라벨들 (670) 의 대응하는 표의 열 각각은 대응하는 열적 에칭 반응에서 표면 층 SxTy (672) 을 포함한다. 라벨들 (670) 의 대응하는 표의 셀 각각은 에칭 전구체 MxNy (671) 와 표면 층 SxTy (672) 사이의 열적 에칭 반응의 라벨 (673) 을 포함하고, 셀 각각은 상이한 열적 에칭 반응에 대한 상이한 라벨을 나타낸다. 라벨 (673) 은 실험적으로 결정된 에칭 특성 또는 예측된 에칭 특성을 나타낼 수도 있다. 라벨 (673) 은 에칭이 발생할지 여부를 나타내는 이진 값, 에칭 레이트, 또는 에칭의 유효성에 관한 일부 다른 수치 특성을 포함할 수도 있다. 도 6c에 도시된 바와 같이, 라벨 (673) 이 에칭 전구체 MxNy (671) 와 표면 층 SxTy (672) 사이에 에칭이 없다는 것을 나타내는 0 값, 및 에칭 전구체 MxNy (671) 와 표면 층 SxTy (672) 사이의 에칭을 나타내는 0보다 큰 값을 도시한다. 에칭을 나타내면, 피처 벡터들 (660) 의 표의 피처 벡터 (663) 는 (i'j'k') 로 나타내고, 에칭을 나타내지 않으면, 피처 벡터들 (660) 의 표의 피처 벡터 (663)가 (ijk) 로 나타낸다. 복수의 열적 에칭 반응들에 대해 피처 벡터들 (663) 및 대응하는 라벨들 (673) 은 트레이닝 세트의 트레이닝 세트 멤버들로서 역할할 수도 있다.
일부 구현예들에서, 트레이닝 세트 멤버들은 열적 에칭 반응들의 범위 (즉, 에칭 반응 공간) 에 걸쳐 트레이닝 세트에서 선택될 수도 있고, 머신 러닝 모델은 정확한 예측들을 생성하는 것으로 예상된다. 에칭 특성들을 예측하는데 머신 러닝 모델의 정확도 및 범위가 정확한 모델을 생성하는 것으로 예상된 적절한 트레이닝 세트 멤버들의 선택에 독립될 수도 있다. 예로서, 할로겐화된 에칭 전구체들을 사용한 트레이닝 세트 멤버들은 트리메틸알루미늄 (TMA) 을 수반하는 에칭 전구체보다 실리콘 테트라클로라이드 (SiCl4) 의 에칭 전구체를 수반하는 열적 에칭 반응에서 에칭 특성들의 예측에서 보다 정확할 수도 있다. 일부 구현예들에서, 특정한 양자 역학 모델들, 표면 표현들, 및 초기 조건들은 일부 카테고리들이 열적 에칭 반응들에서 다른 것들보다 정확한 예측들을 제공할 수도 있다. 트레이닝 세트의 트레이닝 세트 멤버들은 정확한 예측들을 위해 최적화될 수도 있다. 불량한 예측들을 제공하는 트레이닝 세트 멤버들이 제거된다. 어떤 인자들이 다른 인자들보다 중요한지 확인하기 위해 통계적 원리들에 기초한 DOE (design of experiments) 와 같은 방법론이 이러한 최적화를 위해 트레이닝 세트 멤버들을 선택하도록 활용될 수 있다. 이러한 DOE는 예를 들어, Al2O3를 AlF3로 변환하기 위한 표면 개질 단계를 포함할 필요가 없을 것이다. 대신 Al2O3 및 AlF3 샘플들은 별도의 실험들에서 에칭 전구체에 노출될 수 있다.
도 5를 다시 참조하면, 프로세스 (500) 의 블록 540에서, 트레이닝 세트를 사용하여 트레이닝되는 머신 러닝 모델이 생성되고, 머신 러닝 모델은 열적 에칭 반응의 에칭 정보를 예측하도록 구성된다. 독립 변수들을 포함하는 피처 벡터들로부터의 데이터 지점들 및 종속 변수들을 포함하는 라벨들을 사용하여, 머신 러닝 모델이 패턴들을 인식하고 열적 에칭 반응의 에칭 정보를 예측하도록 트레이닝될 수도 있다.
적절한 트레이닝 알고리즘이 트레이닝 세트를 사용하여 머신 러닝 모델을 트레이닝하도록 사용될 수도 있다. 트레이닝 알고리즘은 독립 변수들 (입력) 과 종속 변수들 (출력) 사이의 데이터 지점들에서 패턴들을 인식하여 신규 열적 에칭 반응 (신규 입력) 이 제공될 때 에칭 정보 (신규 출력) 를 정확하게 예측하도록 사용될 수도 있다. 트레이닝 알고리즘은 몇몇 머신 러닝 알고리즘들 중 하나에 기초할 수도 있다. 머신 러닝 알고리즘들은 3 개의 광범위한 카테고리들: 지도 러닝, 비지도 러닝, 및 보강 러닝 (reinforcement learning) 으로 분할될 수 있다. 본 개시가 지도 러닝에 집중하지만, 머신 러닝 모델은 비지도 러닝, 보강 러닝, 또는 다른 적합한 형태의 러닝을 사용하여 트레이닝될 수도 있다는 것이 이해될 것이다.
지도 러닝은 속성 (라벨) 이 특정한 데이터세트 (트레이닝 세트) 에 이용가능하면 유용하다. 지도 러닝인 머신 러닝 알고리즘들의 예들은 이로 제한되는 것은 아니지만, 선형 회귀, 로지스틱 회귀 (logistic regression), 결정 트리 (decision tree), 러닝 벡터 양자화 (learning vector quantization), 지지 벡터 머신 (support vector machine; SVM), 나이브 베이시안 (Naive Bayes), k-최인접 (k-nearest neighbors), 랜덤 포레스트 (random forest), 및 경사 부스팅 (gradient boosting) 을 포함한다. 반지도 러닝 (semi-supervised learning) 은 특정한 데이터세트에 대해 적은 양의 라벨링된 데이터 및 많은 양의 라벨링되지 않은 데이터를 갖는 지도 러닝 타입이다. 비지도 러닝은 (아이템들이 사전할당되지 않은) 미리 결정된 라벨링되지 않은 데이터세트에서 암시적 관계들이 발견되지 않으면 유용하다. 비지도 러닝인 머신 러닝 알고리즘의 일 예는 k-평균 (k-means) 을 포함한다. 보강 러닝은 지도 러닝과 비지도 러닝 사이에 속하고, 일부 피드백은 예측 단계 또는 액션 각각에 이용가능하지만 정밀한 라벨이 없다. 지도 러닝에서와 같이, 올바른 입력/출력 쌍들이 제공되는 대신, 미리 결정된 입력이 에이전트가 최대화하려고 시도하는 리워드 함수 (reward function) 에 맵핑된다. 보강-기반인 머신 러닝 알고리즘의 일 예는 Markov Decision 프로세스를 포함한다. 상기 기술된 카테고리들 중 하나 이상에 속할 수도 있는 다른 타입들의 러닝은, 예를 들어, 딥 러닝 (deep learning) 및 인공 신경망 (artificial neural networks) (예를 들어, 컨볼루션 신경망 (convolutional neural networks)) 을 포함한다.
다양한 트레이닝 툴들 또는 프레임워크들이 머신 러닝 모델을 트레이닝하도록 존재할 수도 있다. 등록 상표 트레이닝 툴들의 예들은 이로 제한되는 것은 아니지만, Amazon Machine Learning, Microsoft Azure Machine Learning Studio, DistBelief, Microsoft Cognitive Toolkit을 포함한다. 오픈 소스 (open source) 트레이닝 툴들의 예들은 이로 제한되는 것은 아니지만 Apache Singa, Caffe, H2O, PyTorch, MLPACK, Google TensorFlow, Torch, 및 Accord.Net를 포함한다.
트레이닝된 머신 러닝 모델은 에칭 전구체와 표면 층 사이의 열적 에칭 반응을 위한 에칭 정보를 예측하도록 사용될 수도 있다. 트레이닝된 머신 러닝 모델은 입력들로서 열적 에칭 반응의 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 취할 수도 있고 출력들로서 열적 에칭 반응의 에칭 특성들을 제공할 수도 있다. 일부 구현예들에서, 이러한 화학적 특성들 및 연관된 에너지들은 입력으로서 역할하도록 피처 벡터로 조직될 수도 있다. 일부 구현예들에서, 단일 열적 에칭 반응을 위해 도 4에 도시된 바와 같은 반응 패턴이 입력으로서 역할할 수도 있다.
트레이닝된 머신 러닝 모델이 몇몇 형태들 중 하나를 취할 수도 있다. 일부 구현예들에서, 트레이닝된 머신 러닝 모델은 분류 및 회귀 트리 또는 랜덤 포레스트 트리이다. 일부 구현예들에서, 트레이닝된 머신 러닝 모델은 인공 신경망, 예컨대 컨볼루션 신경망이다. 일부 구현예들에서, 트레이닝된 머신 러닝 모델은 선형 분류기 (linear classifier), 예컨대 선형 회귀, 로지스틱 회귀 또는 지지 벡터 머신이다.
미리 결정된 에칭 전구체가 표면 층을 에칭하는지 여부, 미리 결정된 에칭 전구체가 표면 층을 얼마나 빠르게 또는 얼마나 천천히, 표면 층 에칭시 미리 결정된 에칭 전구체가 얼마나 선택적인지, 또는 표면 층 에칭시 에칭 전구체가 얼마나 효과적인지가 명확하지 않거나 알 수 없는 상황들에서, 본 개시의 머신 러닝 모델의 이러한 에칭 정보를 정확하게 예측하도록 트레이닝될 수도 있다. 에칭 정보는 예를 들어, 에칭 전구체가 표면 층을 에칭하는지 여부, 에칭 전구체에 의한 표면 층의 에칭 레이트, 또는 표면 층 에칭시 에칭 전구체의 유효성을 나타내는 일부 다른 수치 값을 포함할 수도 있다. 이는 기판의 표면 상에 다양한 재료들의 존재시 에칭 전구체의 선택도의 결정에 유용할 수 있다.
일부 구현예들에서, 본 개시의 머신 러닝 모델은 후보 열적 ALE 반응들을 포함하는, 후보 열적 에칭 반응들을 식별하는데 유용할 수도 있다. 예를 들어, 기판이 에칭 전구체에 동시에 노출될 복수의 상이한 재료들을 포함하면, 머신 러닝 모델은 에칭 전구체들 및/또는 표면 층들의 어떤 조합이 미리 결정된 적용예에서 목표된 선택도를 제공할 지 식별할 수도 있다. 일부 구현예들에서, 본 개시의 머신 러닝 모델은 후보 에칭 마스크들을 식별하는데 유용할 수도 있다. 예를 들어, 머신 러닝 모델은 기판 상의 어떤 재료들이 에칭을 견딜지 그리고 미리 결정된 에칭 전구체에 대해 에칭 마스크로서 역할할 수 있는지 식별할 수 있다. 일부 구현예들에서, 본 개시의 머신 러닝 모델은 미리 결정된 전구체에 대한 에칭을 견디는 챔버 재료들을 식별하는데 유용할 수도 있다. 이렇게, 챔버 벽들 및 다른 컴포넌트들은 에칭 전구체에 의해 의도치 않게 에칭되지 않는다. 일부 구현예들에서, 머신 러닝 모델은 다음: (i) 후보 열적 에칭 반응들, (ii) 후보 에칭 마스크 재료들, 및 (iii) 후보 챔버 재료들 중 하나 이상을 식별함으로써 신규 에칭 프로세스 또는 반응기 디자인의 설계에 유용할 수도 있다.
도 7은 일부 구현예들에 따른, 표면 층과 에칭 전구체 사이의 반응에서 에칭 특성을 예측하기 위한 예시적인 방법의 흐름도이다. 프로세스 (700) 의 동작들은 상이한 순서들로 그리고/또는 상이한, 보다 적은 또는 부가적인 동작들과 함께 수행될 수도 있다.
프로세스 (700) 의 블록 710에서, 양자 역학 모델을 사용하여 표면 층과 에칭 전구체 사이에 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들이 식별된다. 일부 구현예들에서, 표면 층은 열적 ALE 반응의 제 1 페이즈를 따르는 개질된 표면 층이다. 일부 구현예들에서, 화학적 특성들은 하나 이상의 반응 매개체들의 결합 구성들 또는 분자 구조들 및/또는 하나 이상의 반응 경로들에서 생성된 생성물들을 포함한다. 일부 구현예들에서, 일부 결합 구성들 또는 분자 구조체들은 단일 브리지 이량체, 이중 브리지 이량체, 삼중 브리지 이량체, 및 무 이량체 중 하나 이상을 포함한다. 이러한 결합 구성들 또는 분자 구조체들은 도 3a에 도시된다. 반응 경로에서 생성된 가능한 반응 중간물들 및/또는 생성물들 및 이들의 연관된 에너지들이 에너지 도표로 도시될 수도 있다. 4 개의 상이한 열적 에칭 반응들에 대해 4 개의 상이한 반응 경로들을 도시하는 에너지 도표의 일 에는 도 3b에 도시된다. 일부 구현예들에서, 화학적 특성들 및 연관된 에너지들은 일 반응 패턴으로 표현될 수도 있다. 4 개의 상이한 반응 패턴들의 일 예는 도 4에 도시된다.
일부 구현예들에서, 프로세스 (700) 는 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 피처 벡터로 조직하는 단계를 더 포함한다. 앞서 기술된 바와 같이, 피처 벡터는 적어도 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 포함한다.
시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들은 표면 층에 대해 선택된 표면 표현 및 하나 이상의 선택된 초기 조건들로 구성된 양자 역학 모델을 사용하여 결정된다. 그러나, 양자 역학 모델은 상이하거나 보다 적거나 부가적인 파라미터들로 구성될 수도 있다는 것이 이해될 것이다. 일부 구현예들에서, 하나 이상의 선택된 초기 조건들은 시뮬레이팅된 반응의 착수시 표면 층과 에칭 전구체 사이의 분리 거리, 시뮬레이팅된 반응의 착수시 표면 층 및 에칭 전구체의 배향 및/도는 방향, 시뮬레이팅된 반응의 착수시 표면 층과 에칭 전구체 사이의 초기 화학적 브리지 형태, 시뮬레이팅된 반응의 착수시 에칭 전구체 또는 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함한다. 그러나, 초기 조건들은 이로 제한되지 않지만 전술한 초기 조건들 및 다른 초기 조건들이 양자 역학 모델에 대해 구성되거나 조정될 수도 있다는 것이 이해될 것이다. 일부 구현예들에서, 표면 층의 선택된 표면 표현은 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로 구성된 그룹으로부터 선택된다. 일부 구현예들에서, 양자 역학 모델은 밀도 함수 이론 (density functional theory; DFT) 모델, Hartree-Fock 모델, 반경험적 (semi-empirical) 모델, 또는 이들의 조합들을 포함한다. 양자 역학 모델, 선택된 표면 표현, 및 선택된 초기 조건들 중 하나 이상의 고유의 독특한 조합의 양자 역학 시뮬레이션 각각에 대해, 별도의 피처 벡터들이 생성될 수도 있다. 일부 구현예들에서, 양자 역학 모델, 표면 표현, 및 초기 조건들은 예측 정확도를 최적화하도록 선택될 수도 있다.
프로세스 (700) 의 블록 720에서, 머신 러닝 모델 내로 입력들로서 시뮬레이팅된 반응의 화학적 특성들 및 연관된 에너지들이 제공된다. 시뮬레이팅된 반응의 다른 특성들이 머신 러닝 모델 내로 입력들로서 제공될 수도 있다. 일부 구현예들에서, 입력들은 시뮬레이팅된 반응의 온도 및 압력 중 하나 또는 모두를 더 포함할 수도 있다.
일부 구현예들에서, 머신 러닝 모델은 도 5에 기술된 프로세스 (500) 에 따라 트레이닝될 수도 있다. 일부 구현예들에서, 머신 러닝 모델은 각각이 (i) 적어도 하나의 양자 역학 시뮬레이션에 의해 시뮬레이팅된 열적 에칭 반응을 위한 하나 이상의 반응 경로들에서 생성된 매개체들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함하는 피처 벡터, 및 (ii) 열적 에칭 반응의 특성을 나타내는 라벨을 포함하는, 복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트를 사용하여 트레이닝된다. 트레이닝 세트 멤버 각각은 미리 결정된 열적 에칭 반응에 대한 적어도 하나의 피처 벡터 및 연관된 라벨을 포함한다. 일부 구현예들에서, 특정한 트레이닝 세트 멤버는 미리 결정된 열적 에칭 반응에 대해 복수의 양자 역학 시뮬레이션들에 걸쳐 복수의 피처 벡터들을 포함할 수도 있다. 피처 벡터들 각각은 특정된 에칭 전구체, 특정된 표면 층, 특정된 양자 역학 모델, 특정된 표면 층 특정된 표면 표현, 및 하나 이상의 특정된 초기 조건들 의 고유의 조합을 포함할 수도 있다. 머신 러닝 모델은 시뮬레이팅된 반응의 에칭 특성을 정확하게 예측할 수 있도록 트레이닝 세트의 트레이닝 세트 멤버들에 걸쳐 패턴들을 인식하도록 트레이닝될 수도 있다. 머신 러닝 모델은 상기 기술된 임의의 트레이닝 알고리즘들을 포함하는 임의의 적합한 트레이닝 알고리즘을 사용하여 트레이닝될 수도 있다.
프로세스 (700) 의 블록 730에서, 머신 러닝 모델을 사용하여 표면 층과 에칭 전구체 사이의 시뮬레이팅된 반응에 대한 에칭 특성이 결정된다. 일부 구현예들에서, 시뮬레이팅된 반응에 대한 에칭 특성은 표면 층의 에칭 레이트를 포함한다. 일부 구현예들에서, 시뮬레이팅된 반응에 대한 에칭 특성은 표면 층이 에칭되었는지 여부의 지표를 포함한다.
일부 구현예들에서, 머신 러닝 모델은 실험적으로 측정된 값들에 대해 입증될 수도 있다. 일부 구현예들에서, 프로세스 (700) 는 에칭 특성의 실험적으로 측정된 값에 기초하여 시뮬레이팅된 반응에 대해 결정된 에칭 특성을 입증하는 단계를 더 포함한다. 이는 프로세스 (700) 의 블록 730에서 결정된 에칭 특성을 에칭 특성의 실험적으로 측정된 값에 대해 비교함으로써 이루어질 수 있다. 머신 러닝 모델은 예측 정확도를 개선하도록 이러한 피드백을 러닝하고 피드백으로 트레이닝되는 것을 계속할 수도 있다.
도 8은 일부 구현예들에 따른, 실험적으로 측정된 값으로부터 머신 러닝 모델을 입증하는 개략도를 도시한다. 머신 러닝 모델이 신규 에칭 전구체와 신규 표면 층 사이의 신규 열적 에칭 반응을 위해 에칭 특성 (863) 을 예측하기 위해 피처 벡터들 (850) 의 표 및 라벨들 (860) 의 대응하는 표를 사용할 수도 있다. 피처 벡터들 (850) 의 표 및 라벨들 (860) 의 대응하는 표는 특정한 폭의 에칭 반응들을 포괄하는 트레이닝 세트를 포함할 수도 있다. 신규 피처 벡터 (853) 가 신규 열적 에칭 반응의 적어도 하나의 양자 역학 시뮬레이션으로부터 생성될 수도 있고 피처 벡터들 (850) 의 표에 제공될 수도 있다. 머신 러닝 모델은 라벨들 (860) 의 대응하는 표에 에칭 특성 (863) 으로 나타낸 바와 같이 예상된 라벨을 예측한다. 에칭 특성 (863) 은 예측의 정확도를 검증하기 위해 실험적으로 측정된 값 또는 실험적으로 결정된 라벨 (873) 과 비교된다. 피처 벡터들 (850) 의 표를 사용하는데 사용된 피처 벡터들 (880) 의 세트가 에칭 특성 (863) 을 실험적으로 결정된 라벨 (873) 과 비교한 후 제공된 피드백에 기초하여 예측 성공을 최대화하도록 조정된다. 피처 벡터들 (880) 의 세트는 열적 에칭 반응 각각에 대한 상이한 파라미터들에 걸쳐 복수의 양자 역학 시뮬레이션들로부터 생성될 수도 있다. 트레이닝 세트를 생성하기 위해 피처 벡터들 (880) 의 세트에서 사용되는 파라미터들 및 양자 역학 시뮬레이션들은 실험적으로 결정된 라벨 (873) 로부터 피드백에 따라 조정될 것이다.
머신 러닝 모델은 머신 러닝 모델에 의해 예측된 결과들을 확인하거나 거절하는 에칭의 신규 측정값들로부터 피드백을 사용하여 진행중인 트레이닝 또는 개선들을 수신할 수도 있다. 머신 러닝 모델로의 피드백은 에칭의 신규 측정값들 뿐만 아니라, 가능하면 열적 에칭 반응의 식별된 반응 중간물들 및/또는 생성물들의 형태로 올 수도 있다. 예를 들어, 이러한 피드백은 반응기 또는 챔버에 갖춰진 (outfit) 질량 분석계들 또는 다른 기구들로부터 수신될 수도 있다. 피드백은 미리 결정된 트레이닝 세트에 대해 피처 벡터들을 생성하는데 사용된 파라미터들 및 양자 역학 시뮬레이션들을 더 개량하도록 사용될 수도 있다. 달리 말하면, 피처 벡터들을 생성하는데 사용된 파라미터들 및 양자 역학 시뮬레이션들은 실험적으로 결정된 반응 중간물들 및/또는 생성물들에 기초하여 개량될 수도 있다. 일부 구현예들에서, 반응기에 갖춰진 질량 분석계들 또는 다른 기구들이 진행중인 트레이닝을 제공하기 위해 머신 러닝 모델에 사용된 소프트웨어와 통합될 수도 있다.
일부 구현예들에서, 머신 러닝 모델은 열적 에칭 프로세스 또는 열적 ALE 프로세스를 설계하도록 사용될 수도 있다. 구체적으로, 머신 러닝 모델은 목표된 선택도 및 에칭 레이트를 달성하는 에칭 전구체들 및/또는 표면 층들과의 후보 열적 에칭 반응들, 후보 에칭 마스크 재료들, 및 미리 결정된 에칭 화학물질에 대해 에칭을 견디도록 후보 챔버 재료들을 식별하도록 사용될 수도 있다. 일부 구현예들에서, 도 7의 방법 (700) 은 머신 러닝 모델을 사용하여 하나 이상의 후보 열적 에칭 반응들을 식별하는 단계를 더 포함하고, 하나 이상의 식별된 후보 열적 에칭 반응들 각각은 적어도 식별된 에칭 전구체를 포함한다. 하나 이상의 식별된 후보 열적 반응들 각각은 식별된 에칭 전구체, 식별된 에칭 마스크 재료, 및/또는 식별된 챔버 재료에 의해 에칭되도록 식별된 재료를 더 포함한다. 머신 러닝 모델은 과도한 양의 실험을 거치지 않고 바람직한 선택도로 열적으로 에칭하기 위해 재료들의 조합들을 식별할 수도 있다.
도 9는 일부 구현예들에 따른, 후보 열적 에칭 반응들을 설계하기 위해 식별된 에칭 전구체들 및 식별된 표면 층들을 사용한 상이한 열적 에칭 반응들을 위한 피처 벡터들의 표를 도시한다. 피처 벡터들 (950) 의 표는 에칭 전구체들 (951) 의 행들 및 표면 층들 (952) 의 열들을 포함한다. 미리 결정된 에칭 전구체 (951) 에 대해, 표면 층들 (960) 의 쌍은 에칭하는 일 표면 층 및 에칭하지 않는 일 표면 층을 식별할 수도 있다. 예로서, 표면 층들 (960) 의 쌍이 단일 원소 (예를 들어, Al2O3 및 AlF3) 에 의해 가변하면, 표면 개질 단계가 일 표면 층이 개질되고 다른 표면 층은 벌크 재료로 남도록 표면 층들 (960) 의 쌍을 생성하도록 설계될 수도 있다. 이렇게, 에칭 전구체 (951) 는 벌크 재료를 에칭하지 않고 개질된 표면 층을 선택적으로 에칭할 수도 있다.
결론
전술한 기술 (description) 에서, 제시된 실시예들의 완전한 이해를 제공하기 위해 수많은 구체적 상세들이 제시되었다. 개시된 실시예들은 이들 구체적인 상세들 중 일부 또는 전부가 없이 실시될 수도 있다. 다른 예들에서, 공지된 프로세스 동작들은 개시된 실시예들을 불필요하게 모호하게 하지 않기 위해 상세히 기술되지 않았다. 개시된 실시예들이 구체적인 실시예들과 함께 기술되었지만, 이는 개시된 실시예들을 제한하는 것으로 의도되지 않았다는 것이 이해될 것이다.
전술한 실시예들이 이해의 명확성의 목적들을 위해 다소 상세히 기술되었지만, 특정한 변화들 및 수정들이 첨부된 청구항들의 범위 내에서 실시될 수도 있다는 것이 자명할 것이다. 본 실시예들의 프로세스들, 시스템들, 및 장치를 구현하는 많은 대안적인 방식들이 있다는 것에 유의해야 한다. 이에 따라, 본 실시예들은 예시적이고, 제한적이지 않은 것으로 간주될 것이며, 실시예들은 본 명세서에 주어진 세부사항들로 한정되지 않을 것이다.

Claims (16)

  1. 표면 층과 에칭 전구체 사이의 반응의 에칭 특성을 예측하기 위한 방법에 있어서,
    (a) 양자 역학 모델 (quantum mechanical model) 을 사용하여 표면 층과 에칭 전구체 사이에 시뮬레이팅된 반응의 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 식별하는 단계;
    (b) 머신 러닝 모델 내로 입력들로서 상기 시뮬레이팅된 반응의 상기 화학적 특성들 및 연관된 에너지들을 제공하는 단계; 및
    (c) 상기 머신 러닝 모델을 사용하여 상기 표면 층과 상기 에칭 전구체 사이의 상기 시뮬레이팅된 반응에 대한 에칭 특성을 결정하는 단계를 포함하는, 에칭 특성을 예측하기 위한 방법.
  2. 제 1 항에 있어서,
    상기 시뮬레이팅된 반응의 상기 하나 이상의 반응 경로들에 대한 상기 화학적 특성들 및 연관된 에너지들은 상기 표면 층에 대해 선택된 표면 표현 및 하나 이상의 선택된 초기 조건들로 구성된 상기 양자 역학 모델을 사용하여 결정되는, 에칭 특성을 예측하기 위한 방법.
  3. 제 2 항에 있어서,
    상기 하나 이상의 선택된 초기 조건들은 상기 시뮬레이팅된 반응의 착수 (onset) 시 상기 표면 층과 상기 에칭 전구체 사이의 분리 거리, 상기 시뮬레이팅된 반응의 상기 착수시 상기 표면 층 및 상기 에칭 전구체의 배향 및/또는 방향, 상기 시뮬레이팅된 반응의 상기 착수시 상기 표면 층과 상기 에칭 전구체 사이의 초기 화학적 브리지 형태, 상기 시뮬레이팅된 반응의 상기 착수시 상기 에칭 전구체 또는 상기 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함하는, 에칭 특성을 예측하기 위한 방법.
  4. 제 2 항에 있어서,
    상기 표면 층의 상기 선택된 표면 표현은 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로 구성된 그룹으로부터 선택되는, 에칭 특성을 예측하기 위한 방법.
  5. 제 1 항에 있어서,
    상기 양자 역학 모델은 밀도 함수 이론 (density functional theory; DFT) 모델, Hartree-Fock 모델, 반경험적 (semi-empirical) 모델, 또는 이들의 조합들을 포함하는, 에칭 특성을 예측하기 위한 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 입력들은 상기 시뮬레이팅된 반응의 온도 및 압력 중 하나 또는 모두를 포함하는, 에칭 특성을 예측하기 위한 방법.
  7. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 화학적 특성들은 하나 이상의 반응 중간물들의 결합 구성들 또는 분자 구조들 및/또는 상기 하나 이상의 반응 경로들에서 생성된 생성물들을 포함하는, 에칭 특성을 예측하기 위한 방법.
  8. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 머신 러닝 모델은 복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트를 사용하여 트레이닝되고, 트레이닝 세트 멤버 각각은 (i) 적어도 하나의 양자 역학 시뮬레이션에 의해 시뮬레이팅된 열적 에칭 반응을 위한 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 화학적 특성들 및 연관된 에너지들을 포함하는 피처 벡터, 및 (ii) 상기 열적 에칭 반응의 특성을 나타내는 라벨을 포함하는, 에칭 특성을 예측하기 위한 방법.
  9. 제 8 항에 있어서,
    상기 피처 벡터들 각각은 특정된 에칭 전구체, 특정된 개질된 표면 층, 특정된 양자 역학 모델, 상기 특정된 개질된 표면 층의 특정된 표면 표현, 및 하나 이상의 특정된 초기 조건들의 고유의 조합을 포함하는, 에칭 특성을 예측하기 위한 방법.
  10. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 머신 러닝 모델을 사용하여 하나 이상의 후보 열적 에칭 반응들을 식별하는 단계를 더 포함하고, 상기 하나 이상의 식별된 후보 열적 에칭 반응들 각각은 적어도 식별된 에칭 전구체를 포함하는, 에칭 특성을 예측하기 위한 방법.
  11. 열적 에칭 반응에서 에칭 정보를 예측하는데 사용하기 위한 머신 러닝 모델을 생성하는 방법에 있어서,
    복수의 열적 에칭 반응들 각각에 대해 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계로서, 상기 양자 역학 시뮬레이션은 표면 층과 에칭 전구체 사이의 대응하는 열적 에칭 반응에서 하나 이상의 반응 경로들에 대한 화학적 특성들 및 연관된 에너지들을 생성하는, 상기 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계;
    상기 복수의 열적 에칭 반응들 각각에 대해, 실험적으로 결정된 에칭 특성을 결정하는 단계;
    복수의 트레이닝 세트 멤버들을 포함하는 트레이닝 세트를 생성하는 단계로서, 트레이닝 세트 멤버 각각은 (i) 상기 대응하는 열적 에칭 반응에 대해 상기 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 상기 화학적 특성들 및 연관된 에너지들을 포함하는 적어도 하나의 피처 벡터, 및 (ii) 상기 실험적으로 결정된 에칭 특성을 나타내는 라벨을 포함하는, 상기 트레이닝 세트를 생성하는 단계; 및
    상기 트레이닝 세트를 사용하여 트레이닝된 상기 머신 러닝 모델을 생성하는 단계로서, 상기 머신 러닝 모델은 상기 열적 에칭 반응의 상기 에칭 정보를 예측하도록 구성되는, 상기 머신 러닝 모델을 생성하는 단계를 포함하는, 머신 러닝 모델을 생성하는 방법.
  12. 제 11 항에 있어서,
    상기 적어도 하나의 양자 역학 시뮬레이션을 수행하는 단계는 상기 복수의 열적 에칭 반응들 각각에 대해 복수의 양자 역학 시뮬레이션들을 수행하는 단계를 포함하고, 그리고 피처 벡터 각각은 상기 대응하는 열적 에칭 반응의 상기 복수의 양자 역학 시뮬레이션들 중 하나로부터 상기 하나 이상의 반응 경로들에서 생성된 중간물들 및/또는 생성물들에 대한 상기 화학적 특성들 및 연관된 에너지들을 포함하는, 머신 러닝 모델을 생성하는 방법.
  13. 제 11 항에 있어서,
    상기 적어도 하나의 양자 역학 시뮬레이션 각각은 상기 표면 층 및 하나 이상의 초기 조건들의 표면 표현으로 구성된 양자 역학 모델을 포함하는, 머신 러닝 모델을 생성하는 방법.
  14. 제 13 항에 있어서,
    상기 하나 이상의 초기 조건들은 상기 양자 역학 시뮬레이션의 착수 시 상기 표면 층과 상기 에칭 전구체 사이의 분리 거리, 상기 양자 역학 시뮬레이션의 상기 착수시 상기 표면 층 및 상기 에칭 전구체의 배향 및/또는 방향, 상기 양자 역학 시뮬레이션의 상기 착수시 상기 표면 층과 상기 에칭 전구체 사이의 초기 화학적 브리지 형태, 상기 양자 역학 시뮬레이션의 상기 착수시 상기 에칭 전구체 또는 상기 표면 층의 내부 또는 운동 에너지, 또는 이들의 조합들을 포함하는, 머신 러닝 모델을 생성하는 방법.
  15. 제 13 항에 있어서,
    상기 표면 층의 상기 표면 표현은 분자, 분자들의 작은 클러스터, 및 분자들의 큰 클러스터로 구성된 그룹으로부터 선택되는, 머신 러닝 모델을 생성하는 방법.
  16. 제 11 항 내지 제 15 항 중 어느 한 항에 있어서,
    상기 트레이닝 세트를 생성하는 단계는,
    상기 대응하는 열적 에칭 반응의 상기 하나 이상의 반응 경로들에 대해 상기 화학적 특성들 및 연관된 에너지들을 상기 적어도 하나의 피처 벡터로 조직하는 단계; 및
    상기 실험적으로 결정된 에칭 특성을 상기 라벨로 조직하는 단계를 포함하는, 머신 러닝 모델을 생성하는 방법.
KR1020207034799A 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측 KR102608945B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020237041102A KR20230167153A (ko) 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/970,744 US11520953B2 (en) 2018-05-03 2018-05-03 Predicting etch characteristics in thermal etching and atomic layer etching
US15/970,744 2018-05-03
PCT/US2019/028780 WO2019212810A1 (en) 2018-05-03 2019-04-23 Predicting etch characteristics in thermal etching and atomic layer etching

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020237041102A Division KR20230167153A (ko) 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측

Publications (2)

Publication Number Publication Date
KR20200142088A true KR20200142088A (ko) 2020-12-21
KR102608945B1 KR102608945B1 (ko) 2023-11-30

Family

ID=68384951

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020207034799A KR102608945B1 (ko) 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측
KR1020237041102A KR20230167153A (ko) 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020237041102A KR20230167153A (ko) 2018-05-03 2019-04-23 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측

Country Status (6)

Country Link
US (1) US11520953B2 (ko)
JP (2) JP7402179B2 (ko)
KR (2) KR102608945B1 (ko)
CN (1) CN112088423A (ko)
TW (2) TWI857547B (ko)
WO (1) WO2019212810A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6959191B2 (ja) * 2018-07-25 2021-11-02 旭化成エレクトロニクス株式会社 学習処理装置、学習処理方法、化合物半導体の製造方法、および、プログラム
JP7424909B2 (ja) * 2020-05-18 2024-01-30 株式会社日立製作所 処理条件探索装置および処理条件探索方法
US11776900B2 (en) * 2020-06-22 2023-10-03 Taiwan Semiconductor Manufacturing Co., Ltd. Semiconductor device with contact structure
US12176392B2 (en) * 2020-06-25 2024-12-24 Taiwan Semiconductor Manufacturing Co., Ltd. Semiconductor device with silicide gate fill structure
US12112107B2 (en) * 2020-09-18 2024-10-08 Tokyo Electron Limited Virtual metrology for wafer result prediction
CN113517033B (zh) * 2021-03-23 2022-08-12 河南大学 小样本环境下基于XGBoost的化学反应产率智能预测与分析方法
CN113807524B (zh) * 2021-08-12 2023-07-25 上海工程技术大学 量子差分进化算法优化svm的滚动轴承故障诊断方法
CN116544146B (zh) * 2023-05-22 2024-04-09 浙江固驰电子有限公司 功率半导体器件真空烧结设备及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001168076A (ja) * 1999-09-29 2001-06-22 Toshiba Corp 表面処理方法
WO2011115023A1 (ja) * 2010-03-16 2011-09-22 みずほ情報総研株式会社 プラズマプロセスによる加工形状の予測システム、方法及びプログラム
US20170176983A1 (en) * 2015-12-17 2017-06-22 Lam Research Corporation Methods and apparatuses for etch profile matching by surface kinetic model optimization
US20170371991A1 (en) * 2016-02-08 2017-12-28 Lam Research Corporation Methods and apparatuses for etch profile optimization by reflectance spectra matching and surface kinetic model optimization

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3546596B2 (ja) * 1996-06-04 2004-07-28 ソニー株式会社 表面形状のシミュレーション方法
JP5428450B2 (ja) 2009-03-30 2014-02-26 ソニー株式会社 イオン照射ダメージの予測方法とイオン照射ダメージのシミュレータ、およびイオン照射装置とイオン照射方法
JP2014041849A (ja) * 2010-06-24 2014-03-06 Nippon Zeon Co Ltd プラズマ反応用ガス及びその利用
JP6388491B2 (ja) 2014-05-02 2018-09-12 三菱重工業株式会社 計測装置を備えたプラズマ発生装置及びプラズマ推進器
US9576811B2 (en) * 2015-01-12 2017-02-21 Lam Research Corporation Integrating atomic scale processes: ALD (atomic layer deposition) and ALE (atomic layer etch)
US10269566B2 (en) * 2016-04-29 2019-04-23 Lam Research Corporation Etching substrates using ale and selective deposition
KR102353795B1 (ko) * 2016-07-25 2022-01-19 도쿄엘렉트론가부시키가이샤 단층막 중재 정밀 재료 에칭
US10534257B2 (en) * 2017-05-01 2020-01-14 Lam Research Corporation Layout pattern proximity correction through edge placement error prediction
US10846448B1 (en) * 2019-11-19 2020-11-24 Mentor Graphics Corporation Limited basis quantum particle definitions in applications of quantum computing to electronic design automation processes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001168076A (ja) * 1999-09-29 2001-06-22 Toshiba Corp 表面処理方法
WO2011115023A1 (ja) * 2010-03-16 2011-09-22 みずほ情報総研株式会社 プラズマプロセスによる加工形状の予測システム、方法及びプログラム
US20130013253A1 (en) * 2010-03-16 2013-01-10 Tohoku Technoarch Co., Ltd. System, method, and program for predicting processing shape by plasma process
US20170176983A1 (en) * 2015-12-17 2017-06-22 Lam Research Corporation Methods and apparatuses for etch profile matching by surface kinetic model optimization
JP2017135365A (ja) * 2015-12-17 2017-08-03 ラム リサーチ コーポレーションＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎ 表面反応速度モデル最適化によるエッチングプロファイルマッチングのための方法および装置
US20170371991A1 (en) * 2016-02-08 2017-12-28 Lam Research Corporation Methods and apparatuses for etch profile optimization by reflectance spectra matching and surface kinetic model optimization

Also Published As

Publication number Publication date
US20190340316A1 (en) 2019-11-07
JP2024023604A (ja) 2024-02-21
JP2021523560A (ja) 2021-09-02
CN112088423A (zh) 2020-12-15
TWI857547B (zh) 2024-10-01
JP7402179B2 (ja) 2023-12-20
TWI801569B (zh) 2023-05-11
TW201947657A (zh) 2019-12-16
US11520953B2 (en) 2022-12-06
KR20230167153A (ko) 2023-12-07
WO2019212810A1 (en) 2019-11-07
TW202331603A (zh) 2023-08-01
KR102608945B1 (ko) 2023-11-30

Similar Documents

Publication Publication Date Title
KR102608945B1 (ko) 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측
US20230049157A1 (en) Performance predictors for semiconductor-manufacturing processes
Balabin et al. Support vector machine regression (LS-SVM)—an alternative to artificial neural networks (ANNs) for the analysis of quantum chemistry data?
Behler Representing potential energy surfaces by high-dimensional neural network potentials
KR20220083811A (ko) 반도체 제작을 위한 레시피의 결정 (determination)
Wah et al. Simulated annealing with asymptotic convergence for nonlinear constrained optimization
Emmerich et al. Design of graph-based evolutionary algorithms: A case study for chemical process networks
Ding et al. Microscopic modeling and optimal operation of plasma enhanced atomic layer deposition
Kambara et al. Science-based, data-driven developments in plasma processing for material synthesis and device-integration technologies
Kim et al. Molecular Dynamics Simulation of Silicon Dioxide Etching by Hydrogen Fluoride Using the Reactive Force Field
Kondati Natarajan et al. Prediction and validation of the process window for atomic layer etching: HF exposure on TiO2
Kim et al. Comparison of Derivative‐Free Optimization: Energy Optimization of Steam Methane Reforming Process
WO2021199788A1 (ja) 出発物質からの化学反応を解析する解析方法、解析装置、解析システムおよび解析プログラム
Kim et al. Modeling of plasma process data using a multi-parameterized generalized regression neural network
WO2023145825A1 (ja) 反応経路探索プログラム、反応経路探索システム及び反応経路探索方法
Lan et al. Enabling high throughput deep reinforcement learning with first principles to investigate catalytic reaction mechanisms
EP4386765A1 (en) Apparatus for determining properties of a substance
Xia Self-limited Etching for Atomic Scale Surface Engineering of Metals: Understanding and Design
Johnson Big Ideas and Small Molecules: A Modern Computational Approach to Understanding Chemical Reactions
Sun et al. Graphic characterization and clustering configuration descriptors of determinant space for molecules
Rajak et al. Predictive synthesis of quantum materials by probabilistic reinforcement learning
Bendtsen et al. Chemometric analysis of a detailed chemical reaction mechanism for methane oxidation
WO2024176884A1 (ja) コンピュータプログラム、情報処理方法及び情報処理装置
Zhang Multiscale Computational Fluid Dynamics Modeling of Thermal and Plasma Atomic Layer Deposition: Application to Chamber Design and Process Control
Zhang Multiscale Computational Fluid Dynamics Modeling of Thermal Atomic Layer Deposition with

Legal Events

Date Code Title Description
PA0105 International application

Patent event date: 20201202

Patent event code: PA01051R01D

Comment text: International Patent Application

PG1501 Laying open of application
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20220421

Comment text: Request for Examination of Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230417

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20230904

A107 Divisional application of patent
GRNT Written decision to grant
PA0104 Divisional application for international application

Comment text: Divisional Application for International Patent

Patent event code: PA01041R01D

Patent event date: 20231128

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231128

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231128

End annual number: 3

Start annual number: 1

PG1601 Publication of registration