KR20220103583A - 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법 - Google Patents

박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20220103583A
KR20220103583A KR1020210032645A KR20210032645A KR20220103583A KR 20220103583 A KR20220103583 A KR 20220103583A KR 1020210032645 A KR1020210032645 A KR 1020210032645A KR 20210032645 A KR20210032645 A KR 20210032645A KR 20220103583 A KR20220103583 A KR 20220103583A
Authority
KR
South Korea
Prior art keywords
thin film
data
deposition
process condition
condition data
Prior art date
Application number
KR1020210032645A
Other languages
English (en)
Inventor
충-리앙 쳉
Original Assignee
타이완 세미콘덕터 매뉴팩쳐링 컴퍼니 리미티드
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 타이완 세미콘덕터 매뉴팩쳐링 컴퍼니 리미티드 filed Critical 타이완 세미콘덕터 매뉴팩쳐링 컴퍼니 리미티드
Publication of KR20220103583A publication Critical patent/KR20220103583A/ko
Priority to KR1020240014113A priority Critical patent/KR20240018554A/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/52—Controlling or regulating the coating process
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/54—Controlling or regulating the coating process
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/54—Controlling or regulating the coating process
    • C23C14/542—Controlling the film thickness or evaporation rate
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C23C16/45527—Atomic layer deposition [ALD] characterized by the ALD cycle, e.g. different flows or temperatures during half-reactions, unusual pulsing sequence, use of precursor mixtures or auxiliary reactants or activations
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C23C16/45544—Atomic layer deposition [ALD] characterized by the apparatus
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/458—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for supporting substrates in the reaction chamber
    • C23C16/4582—Rigid and flat substrates, e.g. plates or discs
    • C23C16/4583—Rigid and flat substrates, e.g. plates or discs the substrate being supported substantially horizontally
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H01L21/02112—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 characterised by the material of the layer
    • H01L21/02172—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 characterised by the material of the layer the material containing at least one metal element, e.g. metal oxides, metal nitrides, metal oxynitrides or metal carbides
    • H01L21/02175—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 characterised by the material of the layer the material containing at least one metal element, e.g. metal oxides, metal nitrides, metal oxynitrides or metal carbides characterised by the metal
    • H01L21/02181—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 characterised by the material of the layer the material containing at least one metal element, e.g. metal oxides, metal nitrides, metal oxynitrides or metal carbides characterised by the metal the material containing hafnium, e.g. HfO2
    • 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
    • H01L21/02225—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer
    • H01L21/0226—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process
    • H01L21/02263—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase
    • H01L21/02271—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase deposition by decomposition or reaction of gaseous or vapour phase compounds, i.e. chemical vapour deposition
    • H01L21/0228—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase deposition by decomposition or reaction of gaseous or vapour phase compounds, i.e. chemical vapour deposition deposition by cyclic CVD, e.g. ALD, ALE, pulsed CVD
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical Vapour Deposition (AREA)
  • Physical Deposition Of Substances That Are Components Of Semiconductor Devices (AREA)
  • Physical Vapour Deposition (AREA)
  • Inorganic Insulating Materials (AREA)

Abstract

박막 성막 시스템은 반도체 웨이퍼 상에 박막을 성막한다. 박막 성막 시스템은 머신 러닝 기반 분석 모델을 포함한다. 분석 모델은 정적 프로세스 조건과 타겟 박막 데이터를 수신하여 다음 성막 프로세스를 위한 프로세스 조건을 동적으로 선택한다. 분석 모델은 정적 프로세스 조건 데이터와 함께, 타겟 박막 데이터와 매칭되는(match) 예측 박막 데이터를 초래하는 동적 프로세스 조건 데이터를 식별한다. 그런 다음, 성막 시스템은 다음 박막 성막 프로세스를 위해 정적 및 동적 프로세스 조건 데이터를 사용한다.

Description

박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법{SYSTEM AND METHOD FOR DYNAMICALLY ADJUSTING THIN-FILM DEPOSITION PARAMETERS}
본 개시는 박막 성막 분야에 관한 것이다.
스마트 폰, 태블릿, 데스크톱 컴퓨터, 랩톱 컴퓨터 및 많은 다른 종류의 전자 디바이스를 비롯한 전자 디바이스의 컴퓨팅 파워를 증가시키기 위한 지속적인 요구가 있어 왔다. 집적 회로는 이러한 전자 디바이스에 컴퓨팅 파워를 제공한다. 집적 회로에서 컴퓨팅 파워를 증가시키는 한 가지 방법은 반도체 기판의 주어진 영역에 포함될 수 있는 트랜지스터 및 기타 집적 회로 피처(features)의 수를 증가시키는 것이다.
집적 회로에서 피처의 크기를 계속 줄이기 위해 다양한 박막 성막 기술이 구현된다. 이러한 기술은 매우 얇은 막을 형성할 수 있다. 그러나, 박막 성막 기술은 또한 박막이 적절하게 형성되게 보장하는 데 심각한 어려움에 직면하고 있다.
도 1은 일 실시예에 따른 박막 성막 시스템의 예시이다.
도 2는 일 실시예에 따른 박막 성막 시스템의 제어 시스템의 블록도이다.
도 3a는 일 실시예에 따른 제어 시스템의 분석 모델을 트레이닝(training)시키기 위한 프로세스의 흐름도이다.
도 3b는 일 실시예에 따른 분석 모드의 동작 및 트레이닝 양상을 예시하는 블록도이다.
도 4는 일 실시예에 따른 분석 모델과 함께 박막 성막 프로세스를 수행하기 위한 프로세스의 흐름도이다.
도 5는 일 실시예에 따른 박막을 형성하기 위한 방법의 흐름도이다.
도 6은 일 실시예에 따른 박막을 형성하기 위한 방법의 흐름도이다.
다음 설명에서, 집적 회로 다이 내의 다양한 층 및 구조물에 대해 많은 두께 및 물질이 설명된다. 특정 치수 및 물질은 다양한 실시예에 대한 예로서 제공된다. 당업자는 본 개시에 비추어 볼 때, 다른 치수 및 물질이 본 개시의 범위를 벗어나지 않고 많은 경우에 사용될 수 있음을 인식할 것이다.
하기의 개시는 설명되는 특허 대상의 상이한 피처들을 구현하기 위한 다수의 상이한 실시예들 또는 예시들을 제공한다. 컴포넌트들 및 배열들의 특정 예시는 본 설명을 단순화시키기 위해 이하에서 설명된다. 물론, 이것들은 단지 예이고, 제한하는 것으로 의도되지 않는다. 예를 들어, 이하의 설명에서 제2 피처 위에 또는 제2 피처 상에 제1 피처의 형성은, 제1 피처와 제2 피처가 직접 접촉해서 형성되는 실시예를 포함할 수 있고, 추가적인 피처가 제1 피처와 제2 피처 사이에 형성될 수 있어서 제1 피처와 제2 피처가 직접 접촉될 수 없는 실시예를 또한, 포함할 수 있다. 또한, 본 개시는 다양한 예들에서 참조 번호들 및/또는 문자들을 반복할 수 있다. 이 반복은 간략함과 명료함을 위한 것이고, 논의되는 다양한 실시예들 및/또는 구성들 간의 관계를 본질적으로 지시하지는 않는다.
또한, "밑에", "아래에", "하부에", "위에", "상부에" 등과 같은 공간적으로 상대적인 용어들은 도면들에서 도시되는 바와 같이 하나의 요소 또는 피처와 또 다른 요소(들) 또는 피처(들) 간의 관계를 설명하도록 설명의 용이함을 위해 본 명세서에서 사용될 수 있다. 공간적으로 상대적인 용어들은 도면들에서 묘사된 방위에 추가적으로 사용 또는 동작 중인 디바이스의 상이한 방위들을 포괄하도록 의도된다. 장치는 다르게(90도 회전되거나 또는 다른 방위로) 배향될 수 있고, 본 명세서에서 사용된 공간적으로 상대적인 기술어들(descriptors)은 마찬가지로 상응하게 해석될 수 있다.
다음의 설명에서, 본 개시의 다양한 실시예들에 대한 철저한 이해를 제공하기 위해 어떤 특정 세부 사항들이 설명된다. 그러나, 당업자는 본 개시가 이러한 특정 세부 사항 없이 실시될 수 있음을 이해할 것이다. 다른 예에서, 전자 컴포넌트 및 제조 기술과 연관된 잘 알려진 구조물은 본 개시의 실시예의 설명을 불필요하게 모호하게 하는 것을 피하기 위해 상세하게 설명되지 않았다.
문맥이 달리 요구하지 않는 한, 뒤따르는 상세한 설명 및 청구항들 전반에 걸쳐 단어 "포함한다(comprise)"와, 예를 들어, "포함한다(comprises)"와 "포함하는(comprising)"과 같은 그 변형은 개방적이고 포괄적인 의미, 즉, "포함하지만, 그것에 제한되지는 않는"으로서 해석되어야 한다.
제1, 제2, 및 제3과 같은 서수를 사용하는 것은 반드시 순위 감각을 의미하는 것이 아니라 행위 또는 구조물의 여러 사례들 간에 구별할 수 있을 뿐이다.
이 명세서 전반에 걸쳐 "일 실시예" 또는 "실시예"라고 인용하는 것은 그 실시예와 관련하여 설명한 특정 피처, 구조물 또는 특성이 적어도 하나의 실시예에 포함된다는 것을 의미한다. 따라서, 이 명세서의 여러 위치에서 "일 실시예에서" 또는 "실시예에서"라고 하는 어구의 출현은 반드시 모두 동일한 실시예를 인용하는 것이 아니다. 더 나아가, 특정 피처, 구조물 또는 특성은 하나 이상의 실시예에서 임의의 적당한 방법으로 결합될 수 있다.
명세서 및 첨부된 청구항들에서 사용된 바와 같이, 단수 형태 "a", "an" 및 "the"는 그 문맥(content)이 명백히 달리 지시되지 않는 한 복수의 대상을 포함한다. 또한, 용어 "또는"은 내용이 달리 명시하지 않는 한 "및/또는"을 포함하는 의미로 일반적으로 사용된다는 점에 유의해야한다.
본 개시 내용의 실시예는 신뢰성 있는 두께 및 조성의 박막을 제공한다. 본 개시 내용의 실시예는 성막 프로세스들 간에 또는 심지어 성막 프로세스들 동안에 박막 성막 프로세스 파라미터를 조정하기 위해 머신 러닝 기술을 사용한다. 본 개시 내용의 실시예는 머신 러닝 기술을 사용하여 다음 박막 성막 프로세스에 대해 또는 심지어 현재 박막 성막 프로세스의 다음 단계에 대해 구현되어야 하는 프로세스 파라미터를 결정하기 위해 분석 모델을 트레이닝시킨다. 그 결과 박막 성막 프로세스는 신뢰성 있게 타겟 사양에 맞는 두께와 조성을 가진 박막을 생산한다. 박막을 포함하는 집적 회로는 박막이 제대로 형성되지 않을 경우 발생할 수 있는 성능 문제를 갖지 않을 것이다. 또한, 반도체 웨이퍼의 배치(batches)는 향상된 수율과 더 적은 폐기되는 웨이퍼를 가질 것이다.
도 1은 일 실시예에 따른 박막 성막 시스템(100)의 블록도이다. 박막 성막 시스템(100)은 내부 용적(volume, 103)을 포함하는 박막 성막 챔버(102)를 포함한다. 지지체(106)는 내부 용적(103) 내에 위치되고 박막 성막 프로세스 동안 기판(104)을 지지하도록 구성된다. 박막 성막 시스템(100)은 기판(104) 상에 박막을 성막하도록 구성된다. 박막 성막 시스템(100)은 박막 성막 파라미터를 동적으로 조정하는 제어 시스템(124)을 포함한다. 제어 시스템(124)의 세부 사항은 박막 성막 시스템(100)의 동작 설명 후에 제공된다.
일 실시예에서, 박막 성막 시스템(100)은 제1 유체 소스(108) 및 제2 유체 소스(110)를 포함한다. 제1 유체 소스(108)는 제1 유체를 내부 용적(103) 내로 공급한다. 제2 유체 소스(110)는 제2 유체를 내부 용적(103) 내로 공급한다. 제1 및 제2 유체는 모두 기판(104) 상에 박막을 성막하는데 기여한다. 도 1이 유체 소스(108 및 110)를 예시하지만, 실제로 유체 소스(108 및 110)는 유체 이외의 물질을 포함하거나 공급할 수 있다. 예를 들어, 유체 소스(108 및 110)는 성막 프로세스를 위한 모든 물질을 제공하는 물질 소스를 포함할 수 있다.
일 실시예에서, 박막 성막 시스템(100)은 ALD 프로세스를 수행하는 원자 층 성막(ALD) 시스템이다. ALD 프로세스는 기판(104) 상에 시드층(seed layer)을 형성한다. 시드층은 제1 유체 소스(108)에 의해 공급되는 제1 유체와 같은 제1 전구체 기체와 화학적으로 상호 작용하도록 선택된다. 제1 유체는 내부 용적(103) 내로 공급된다. 제1 유체는 시드층과 반응하여 시드층 표면의 각 원자 또는 분자와 함께 새로운 화합물을 형성한다. 이것은 제1 층의 성막, 또는 박막의 제1 층 성막의 제1 단계에 대응한다. 도 1 및 본 명세서의 도면들은 주로 ALD 시스템을 참조하여 설명된다. 그러나, 다른 유형의 박막 성막 시스템은 본 개시의 범위를 벗어나지 않고 사용될 수 있다. 이들 및 다른 유형의 박막 성막 시스템은 화학적 증기 성막 시스템, 물리적 증기 성막 시스템 또는 기타 유형의 성막 시스템을 포함할 수 있다.
시드층과 제1 유체 사이의 반응은 부산물을 초래한다. 선택된 시간량 동안 제1 유체를 흘린 후, 퍼지 기체가 내부 용적 내로 공급되어 제1 유체의 부산물뿐만 아니라 제1 유체의 미반응 부분을 내부 용적(103)으로부터 배기 채널(120)을 통해 퍼지한다.
제1 유체가 퍼지된 후, 제2 유체와 같은 제2 전구체 기체가 제2 유체 소스(110)로부터 내부 용적 내로 공급된다. 제2 유체는 제1 층과 반응하여 제1 층 위에 제2 층을 형성한다. 대안적으로, 제2 유체의 흐름은 제1 층의 제1 부분과 반응함으로써 제1 층의 형성을 완료할 수 있다. 이 반응은 또한 부산물을 초래할 수 있다. 퍼지 기체는 내부 용적(103)으로부터 제2 유체의 부산물뿐만 아니라 제2 유체의 미 반응 부분을 퍼지하기 위해 내부 용적(103) 내로 다시 공급된다. 이러한 제1 유체 공급, 퍼징, 제2 유체 공급 및 다시 퍼징의 순서는 박막이 선택된 두께를 가질 때까지 반복된다.
박막 성막 시스템(100)에 의해 생성된 박막의 파라미터는 다수의 프로세스 조건에 의해 영향을 받을 수 있다. 프로세스 조건은 유체 소스(108, 110)에 남아있는 유체 또는 물질의 양, 유체 소스(108, 110)로부터의 유체 또는 물질의 유량, 유체 소스(108 및 110)에 의해 제공되는 유체의 압력, 유체 또는 물질을 성막 챔버(102)로 운반하는 튜브 또는 도관의 길이, 성막 챔버(102)를 규정하거나 포함하는 앰풀(ampoule)의 연령, 성막 챔버(102) 내의 온도, 성막 챔버(102) 내의 습도, 성막 챔버(102) 내의 압력, 성막 챔버(102) 내의 광 흡수 또는 반사, 반도체 웨이퍼(104)의 표면 피처, 유체 소스(108 및 110)에 의해 제공되는 물질의 조성, 유체 소스(108 및 110)에 의해 제공되는 물질의 위상, 성막 프로세스의 지속 시간, 성막 프로세스의 개별 단계의 지속 시간 및 위에 구체적으로 나열되지 않은 요인을 포함한 다양한 기타 요인을 포함할 수 있지만 이들에 제한되지는 않는다.
성막 프로세스 동안 다양한 프로세스 조건의 조합은 성막 프로세스에 의해 형성되는 박막의 두께, 조성 또는 결정 구조 또는 기타 파라미터를 결정한다. 프로세스 조건으로 인해 타겟 파라미터 내에 속하는 파라미터를 갖지 않는 박막이 초래될 수 있다. 이것이 발생하면, 반도체 웨이퍼(104)로부터 형성된 집적 회로는 적절하게 기능하지 않을 수 있다. 반도체 웨이퍼의 배치(batches)의 품질이 저하될 수 있다. 어떤 경우에는 일부 반도체 웨이퍼를 폐기해야할 수도 있다.
박막 성막 시스템(100)은 제어 시스템(124)을 사용하여 성막 프로세스가 타겟 파라미터 또는 특성 내에 속하는 파라미터 또는 특성을 갖는 박막을 초래하도록 보장하기 위해 프로세스 조건을 동적으로 조정한다. 제어 시스템(124)은 박막 성막 시스템(100)과 연관된 프로세싱 장비에 접속된다. 프로세싱 장비는 도 1에 도시된 컴포넌트와 도 1에 도시되지 않은 컴포넌트를 포함할 수 있다. 제어 시스템(124)은 유체 소스(108 및 110)로부터의 물질의 유량, 유체 소스(108 및 110)에 의해 공급되는 물질의 온도, 유체 소스(108 및 110)에 의해 제공되는 유체의 압력, 퍼지 소스(112 및 114)로부터의 물질의 유량, 유체 소스(108 및 110) 및 퍼지 소스(112 및 114)로부터의 물질의 흐름 지속 시간, 성막 챔버(102) 내의 온도, 성막 챔버(102) 내의 압력, 성막 챔버(102) 내의 습도, 및 박막 성막 프로세스의 다른 양상을 제어할 수 있다. 제어 시스템(124)은 박막 성막 프로세스가 타겟 두께, 타겟 조성, 타겟 결정 배향 등과 같은 타겟 파라미터를 갖는 박막을 초래하도록 이러한 프로세스 파라미터를 제어한다.
제어 시스템(124)은 박막의 품질을 보장하기 위해 프로세스 파라미터를 동적으로 조정하기 위해 머신 러닝 프로세스를 사용한다. 도 2와 관련하여 더 상세히 설명되는 바와 같이, 제어 시스템(124)은 많은 수의 이력 박막 성막 프로세스(historical thin-film deposition processes)와 관련된 많은 양의 데이터를 사용한다. 데이터는 이력 프로세스 파라미터와 결과 박막의 파라미터를 포함한다. 머신 러닝 프로세스는 프로세스 파라미터 세트에 기초해 박막 특성을 예측하도록 분석 모델을 트레이닝시킨다. 분석 모델이 트레이닝된 후, 제어 시스템(124)은 미래의 박막 성막 프로세스를 위한 프로세스 파라미터를 동적으로 선택할 수 있다.
일부 경우에, 박막 성막 프로세스는 박막 성막 프로세스 동안 다양한 단계에서 제1 및 제2 유체의 농도 또는 유량에 매우 민감할 수 있다. 특정 단계에서 제1 또는 제2 유체의 농도 또는 유량이 충분히 높지 않으면, 기판(104) 상에 박막이 제대로 형성되지 않을 수 있다. 예를 들어, 제1 또는 제2 유체의 농도 또는 유량이 충분히 높지 않으면 박막은 원하는 조성이나 두께를 갖지 못할 수 있다.
제1 및 제2 유체 소스(108 및 110)에 남아있는 유체의 양은 성막 챔버(102) 내의 제1 및 제2 유체의 유량 또는 농도에 영향을 미칠 수 있다. 예를 들어, 제1 유체 소스(108)에 적은 양의 제1 유체가 남아 있다면, 제1 유체 소스(108)로부터의 제1 유체의 유량은 낮을 수 있다. 제1 유체 소스(108)가 비어 있고 제1 유체를 더 이상 포함하지 않는다면, 제1 유체 소스(108)로부터의 제1 유체의 흐름이 없을 것이다. 동일한 고려 사항이 제2 유체 소스(110)에 적용된다. 유량이 낮거나 존재하지 않으면 박막이 제대로 형성되지 않을 수 있다.
일 실시예에서, 박막 성막 시스템(100)은 성막 챔버(102)의 내부 용적(103)에 통신 가능하게 결합된 배기 채널(120)을 포함한다. 박막 성막 프로세스로부터의 배기 생성물은 배기 채널(120)을 통해 내부 용적(103) 밖으로 흐른다. 배기 생성물은 제1 및 제2 유체의 미반응 부분, 제1 및 제2 유체의 부산물, 내부 용적(103)을 퍼지하는데 사용되는 퍼지 유체, 또는 다른 유체 또는 물질을 포함할 수 있다.
박막 성막 시스템(100)은 배기 채널(120)에 결합된 부산물 센서를 포함할 수 있다. 부산물 센서(122)는 배기 채널(120)을 통해 흐르는 배기 유체의 제1 및 제2 유체 중 하나 또는 둘 모두로부터 부산물의 존재 및/또는 농도를 감지하도록 구성된다. 제1 및 제2 유체는 함께 상호 작용하여 기판(104) 상에 박막을 형성한다. 성막 프로세스는 또한 제1 및 제2 유체로부터 부산물을 초래한다. 이들 부산물의 농도는 성막 동안 제1 및 제2 유체 중 하나 또는 둘 다의 농도 또는 유량을 나타낸다. 부산물 센서(122)는 내부 용적(103)으로부터 배기 채널(120)을 통해 흐르는 배기 유체 내의 부산물의 농도를 감지한다.
일 실시예에서, 박막 성막 시스템(100)은 제어 시스템(124)을 포함한다. 제어 시스템(124)은 부산물 센서(122)에 결합된다. 제어 시스템(124)은 부산물 센서(122)로부터 센서 신호를 수신한다. 부산물 센서(122)로부터의 센서 신호는 배기 유체 내의 제1 및 제2 유체 중 하나 또는 둘 모두의 부산물의 농도를 나타낸다. 제어 시스템(124)은 센서 신호를 분석하고 성막 프로세스의 특정 단계 동안 제1 및 제2 유체 소스(108, 110) 중 하나 또는 둘 모두의 유량 또는 농도를 결정할 수 있다. 제어 시스템(124)은 또한 제1 유체 소스(108) 내의 제1 유체 및/또는 제2 유체 소스(110) 내의 제2 유체의 잔여 레벨을 결정할 수 있다.
제어 시스템(124)은 하나 이상의 컴퓨터 판독 가능 메모리를 포함할 수 있다. 하나 이상의 메모리는 부산물 센서(122)로부터 센서 신호를 분석하고 센서 신호에 기초하여 박막 성막 시스템(100)의 다양한 양상을 제어하기 위한 소프트웨어 명령어를 저장할 수 있다. 제어 시스템(124)은 소프트웨어 명령어를 실행하도록 구성된 하나 이상의 프로세서를 포함할 수 있다. 제어 시스템(124)은 부산물 센서(122) 및 박막 성막 시스템(100)의 다른 컴포넌트와의 통신을 가능하게 하는 통신 리소스를 포함할 수 있다.
일 실시예에서, 제어 시스템(124)은 하나 이상의 통신 채널(125)을 통해 제1 및 제2 유체 소스(108, 110)에 통신 가능하게 결합된다. 제어 시스템(124)은 통신 채널(125)을 통해 제1 유체 소스(108) 및 제2 유체 소스(110)에 신호를 전송할 수 있다. 제어 시스템(124)은 부산물 센서(122)로부터의 센서 신호에 부분적으로 응답하여 제1 및 제2 유체 소스(108, 110)의 기능성을 제어할 수 있다.
일 실시예에서, 부산물 센서(122)는 배기 유체 내의 부산물의 농도를 감지한다. 부산물 센서(122)는 센서 신호를 제어 시스템(124)에 전송한다. 제어 시스템(124)은 센서 신호를 분석하고 부산물 센서(122)로부터의 센서 신호에 기초하여, 제1 유체 소스(108)로부터의 제1 유체의 최근 유량이 예상보다 낮았다고 결정한다. 제어 시스템(124)은 후속 성막 사이클 동안 제1 유체의 유량을 증가시키도록 제1 유체 소스(108)에 명령하는 제어 신호를 제1 유체 소스(108)에 전송한다. 제1 유체 소스(108)는 제어 시스템(124)으로부터의 제어 신호에 응답하여 성막 챔버(102)의 내부 용적(103) 내로의 제1 유체의 유량을 증가시킨다. 부산물 센서(122)는 후속 성막 사이클 동안 제1 유체의 부산물 농도를 나타내는 센서 신호를 다시 생성할 수 있다. 제어 시스템(124)은 부산물 센서(122)로부터의 센서 신호에 기초하여 제1 유체의 유량이 조정되어야 하는지 여부를 결정할 수 있다. 이러한 방식으로, 부산물 센서(122), 제어 시스템(124) 및 제1 유체 소스(108)는 제1 유체의 유량을 조정하기 위한 피드백 루프를 구성한다. 제어 시스템(124)은 또한 제1 유체 소스(108)와 동일한 방식으로 제2 유체 소스(110)를 제어할 수 있다. 또한, 제어 시스템(124)은 제1 유체 소스(108) 및 제2 유체 소스(110) 모두를 제어할 수 있다.
일 실시예에서, 박막 성막 시스템(100)은 제1 유체 소스(108)로부터의 제1 유체의 유량을 제어하기 위한 하나 이상의 밸브, 펌프, 또는 다른 흐름 제어 메커니즘을 포함할 수 있다. 이러한 흐름 제어 메커니즘은 유체 소스(108)의 일부일 수 있거나 유체 소스(108)로부터 분리될 수 있다. 제어 시스템(124)은 이러한 흐름 제어 메커니즘에 또는 이러한 흐름 제어 메커니즘을 제어하는 시스템에 통신 가능하게 결합될 수 있다. 제어 시스템(124)은 이러한 메커니즘을 제어함으로써 제1 유체의 유량을 제어할 수 있다. 제어 시스템(100)은 제1 유체 및 제1 유체 소스(108)와 관련하여 전술된 것과 동일한 방식으로 제2 유체 소스(110)로부터의 제2 유체의 흐름을 제어하는 밸브, 펌프, 또는 다른 흐름 제어 메커니즘을 포함할 수 있다.
일 실시예에서, 제어 시스템(124)은 부산물 센서(122)로부터의 센서 신호에 기초하여 제1 유체 소스(108)에 얼마나 많은 제1 유체가 남아 있는지 결정할 수 있다. 제어 시스템(124)은 제1 유체 소스(108)가 비어 있거나 거의 비어 있음을 결정하기 위해 센서 신호를 분석할 수 있다. 제어 시스템(124)은 제1 유체 소스(108)가 비어 있거나 거의 비어 있고 제1 유체 소스(108)가 다시 채워지거나 교체되어야 함을 나타내는 표시를 기술자 또는 다른 사람에게 제공할 수 있다. 이러한 표시는 디스플레이 상에 표시될 수 있으며, 기술자 또는 다른 전문가 또는 시스템이 제1 및 제2 유체 소스(108, 110) 중 하나 또는 둘 모두가 비어 있거나 거의 비어 있음을 이해할 수 있도록 이메일, 인스턴트 메시지 또는 기타 통신 플랫폼을 통해 전송될 수 있다.
일 실시예에서, 박막 성막 시스템(100)은 매니폴드 혼합기(116) 및 유체 소스 분배기(118)를 포함한다. 매니폴드 혼합기(116)는 제1 유체 소스(108) 및 제2 유체 소스(110)로부터 함께 또는 개별적으로 제1 및 제2 유체를 수용한다. 매니폴드 혼합기(116)는 제1 유체, 제2 유체, 또는 제1 및 제2 유체의 혼합물을 유체 분배기(118)에 제공한다. 유체 분배기(118)는 매니폴드 혼합기(116)로부터 하나 이상의 유체를 수용하고 하나 이상의 유체를 박막 성막 챔버(102)의 내부 용적(103) 내로 분배한다.
일 실시예에서, 제1 유체 소스(108)는 제1 유체 채널(130)에 의해 매니폴드 혼합기(116)에 결합된다. 제1 유체 채널(130)은 제1 유체를 유체 소스(108)로부터 매니폴드 혼합기(116)로 운반한다. 제1 유체 채널(130)은 제1 유체 소스(108)로부터 매니폴드 혼합기(116)로 제1 유체를 전달하기 위한 튜브, 파이프 또는 다른 적절한 채널일 수 있다. 제2 유체 소스(110)는 제2 유체 채널(132)에 의해 매니폴드 혼합기(116)에 결합된다. 제2 유체 채널(132)은 제2 유체를 제2 유체 소스(110)로부터 매니폴드 혼합기(116)까지 운반한다.
일 실시예에서, 매니폴드 혼합기(116)는 제3 유체 라인(134)에 의해 유체 분배기(118)에 결합된다. 제3 유체 라인(134)은 유체를 매니폴드 혼합기(116)로부터 유체 분배기(118)까지 운반한다. 제3 유체 라인(134)은 아래에서 더 상세히 설명되는 바와 같이 제1 유체, 제2 유체, 제1 및 제2 유체의 혼합물, 또는 다른 유체를 운반할 수 있다.
제1 및 제2 유체 소스(108, 110)는 유체 탱크를 포함할 수 있다. 유체 탱크는 제1 및 제2 유체를 저장할 수 있다. 유체 탱크는 제1 및 제2 유체를 선택적으로 출력할 수 있다.
일 실시예에서, 박막 성막 시스템(100)은 제1 퍼지 소스(112) 및 제2 퍼지 소스(114)를 포함한다. 제1 퍼지 소스는 제1 퍼지 라인(136)에 의해 제1 유체 라인(130)에 결합된다. 제2 퍼지 소스는 제2 퍼지 라인(138)에 의해 유체 라인(132)에 결합된다. 실제로, 제1 및 제2 퍼지 소스는 단일 퍼지 소스일 수 있다.
일 실시예에서, 제1 및 제2 퍼지 소스(112, 114)는 성막 챔버(102)의 내부 용적(103) 내로 퍼지 기체를 공급한다. 퍼지 유체는 성막 챔버(102)의 내부 용적(103)으로부터 제1 유체, 제2 유체, 제1 또는 제2 유체의 부산물, 또는 다른 유체를 퍼지하거나 운반하도록 선택된 유체이다. 퍼지 유체는 기판(104), 기판(104) 상에 성막된 박막층, 제1 및 제2 유체, 및 이 제1 또는 제2 유체의 부산물과 상호 작용하지 않도록 선택된다. 따라서, 퍼지 유체는 Ar 또는 N2를 포함하지만 이에 제한되지 않는 불활성 기체일 수 있다.
제1 또는 제2 유체 중 하나 또는 둘 모두를 내부 용적(103) 내로 흘리는 사이클 후, 박막 성막 시스템(100)은 퍼지 유체를 내부 용적(103) 내로 그리고 배기 채널(120)을 통해 흘림으로써 내부 용적(103)을 퍼지한다. 제어 시스템(124)은 제1 및 제2 퍼지 소스(112, 114), 또는 제1 및 제2 퍼지 소스(112, 114)로부터의 퍼지 유체의 흐름을 제어하는 유동 메커니즘에 통신 가능하게 결합될 수 있다. 제어 시스템(124)은 아래에서 더 상세히 설명되는 바와 같이 성막 사이클 후에 또는 성막 사이클 사이에 내부 용적(103)을 퍼지할 수 있다.
일 실시예에서, 제1 및 제2 퍼지 라인(136, 138)은 선택된 각도로 제1 및 제2 유체 라인(130, 132)을 결합한다. 각도는 퍼지 유체가 매니폴드 혼합기(116) 쪽으로 흐르지만 제1 또는 제2 유체 소스(108, 110) 쪽으로는 흐르지 않는 것을 보장하도록 선택된다. 마찬가지로, 각도는 제1 및 제2 유체가 제1 및 제2 유체 소스(108, 110)로부터 매니폴드 혼합기(116) 쪽으로 흐르지만 제1 및 제2 퍼지 소스(112, 114) 쪽으로는 흐르지 않는 것을 보장하는 것을 돕는다.
도 1은 제1 유체 소스(108) 및 제2 유체 소스(110)를 도시하지만, 실제로 박막 성막 시스템(100)은 다른 수의 유체 소스를 포함할 수 있다. 예를 들어, 박막 성막 시스템(100)은 단일 유체 소스만을 포함하거나 두 개보다 많은 유체 소스를 포함할 수 있다. 따라서, 박막 성막 시스템(100)은 본 개시의 범위를 벗어나지 않고 2개가 아닌 다른 수의 유체 소스를 포함할 수 있다.
더욱이, 박막 성막 시스템(100)은 일 실시예에서 ALD 시스템으로서 설명되었고, 박막 성막 시스템(100)은 본 개시의 범위를 벗어나지 않고 다른 유형의 성막 시스템을 포함할 수 있다. 예를 들어, 박막 성막 시스템(100)은 본 개시 내용의 범위를 벗어나지 않고 화학적 증기 성막 시스템, 물리적 증기 성막 시스템, 스퍼터링 시스템, 또는 다른 유형의 박막 성막 시스템을 포함할 수 있다. 부산물 센서(122)는 성막 유체 소스에 얼마나 많은 성막 유체가 남아 있는지 뿐만 아니라 성막 유체의 유량 또는 농도를 결정하기 위해 사용될 수 있다.
일 실시예에서, 제1 유체 소스(108)는 H2O 기체 또는 액체 형태를 포함할 수 있다. 제2 유체 소스(110)는 HfCL4 유체를 포함한다. HfCL4 유체는 기체일 수 있다. 제1 및 제2 유체는 CMOS 트랜지스터를 위한 하프늄 기반 하이-K 게이트 유전체층을 형성하는 데 사용될 수 있다.
제1 기간 동안, 제1 유체(H2O)는 제1 유체 소스(108)로부터 내부 용적(103) 내로 출력된다. 일 예에서, 제1 유체는 약 10초 동안 흐르지만, 본 개시의 범위를 벗어나지 않고 다른 길이의 시간이 사용될 수 있다.
제1 기간 후에, 제2 기간 동안 퍼지 소스(112)로부터 내부 용적(103) 내로 퍼지 기체가 출력된다. 퍼지 기체는 질소 분자(N2) 또는 또 다른 비반응성 기체를 포함할 수 있다. 일 예에서, 퍼지 기체는 2초 내지 10초 동안 흐르지만, 본 개시의 범위를 벗어나지 않고 다른 길이의 시간이 사용될 수 있다. 퍼지 기체는 퍼지 소스(112)로부터 또는 퍼지 소스(112)와 퍼지 소스(114) 모두로부터 흐를 수 있다.
제2 기간 이후 제3 기간 동안, HfCL4는 제2 유체 소스(110)로부터 내부 용적(103) 내로 출력된다. 일 예에서, HfCL4는 약 1초 내지 10초 동안 흐르지만, 본 개시의 범위를 벗어나지 않고 다른 길이의 시간이 사용될 수 있다.
제3 기간 이후 제4 기간 동안, 퍼지 소스(112)로부터 내부 용적(103) 내로 퍼지 기체가 출력된다. 일 예에서, 퍼지 기체는 1초 내지 10초 동안 흐르지만, 본 개시의 범위를 벗어나지 않고 다른 길이의 시간이 사용될 수 있다. 퍼지 기체는 퍼지 소스(114)로부터 또는 퍼지 소스(112)와 퍼지 소스(114) 모두로부터 흐를 수 있다.
일 실시예에서, 시드층은 기능화된(functionalized) 산소 원자를 포함한다. 제1 유체(H2O)가 내부 용적(103)에 제공될 때, H2O 분자는 시드층의 기능화된 산소 원자와 반응하여 각 기능화된 산소 원자로부터 OH를 형성한다. 이 반응의 부산물과 임의의 나머지 H2O 분자는 퍼지 기체의 흐름에 의해 배기 채널(120)을 통해 내부 용적(103)으로부터 퍼지된다. 그 후 HfCl4는 내부 용적(103) 내로 제공된다. HfCl4는 OH 화합물과 반응하여 기판(104) 상에 Hf-O-HfCl3을 형성한다. 이 반응의 부산물 중 하나는 HCl이다. 퍼지 기체가 다시 흐른 다음 H2O가 흐른다. H2O는 Hf-O-HfCl3과 반응하여 기판(104) 상에 Hf-OH3를 형성한다. 이 반응의 부산물은 HCl이다. 그런 다음, 퍼지 기체가 다시 흐른다. 위에서 설명한대로 사이클이 여러 번 반복될 수 있다.
제어 시스템(124)은 머신 러닝 프로세스를 사용하여 사이클들 사이에 그리고 성막들 사이에 ALD 프로세스의 파라미터를 동적으로 조정할 수 있다. 파라미터를 동적으로 조정하는 것은 다양한 유체 흐름 및 퍼지 사이클의 지속 시간 조정을 포함할 수 있다. 파라미터를 동적으로 조정하는 것은 유체 소스(108 및 110)로부터와 퍼지 소스(112 및 114)로부터의 유체의 유량을 조정하는 것을 포함할 수 있다.
도 2는 일 실시예에 따른 제어 시스템(124)의 블록도이다. 도 2의 제어 시스템(124)은 일 실시예에 따라 ALD 시스템(100)의 동작을 제어하도록 구성된다. 제어 시스템(124)은 ALD 시스템(100)의 파라미터를 조정하기 위해 머신 러닝을 사용한다. 제어 시스템(124)은 ALD 프로세스에 의해 형성된 박막층이 선택된 사양 내에 있음을 보장하기 위해, ALD 실행들(runs) 사이 또는 심지어 ALD 사이클들 사이에서 ALD 시스템(100)의 파라미터를 조정할 수 있다.
일 실시예에서, 제어 시스템(124)은 분석 모델(140) 및 트레이닝 모듈(141)을 포함한다. 트레이닝 모듈은 머신 러닝 프로세스를 사용해 분석 모델(140)을 트레이닝시킨다. 머신 러닝 프로세스는 선택된 특성을 갖는 박막을 초래할 ALD 프로세스에 대한 파라미터를 선택하도록 분석 모델(140)을 트레이닝시킨다. 트레이닝 모듈(141)이 분석 모델(140)과 분리된 것으로 도시되어 있지만, 실제로 트레이닝 모듈(141)은 분석 모델(140)의 일부일 수 있다.
제어 시스템(124)은 트레이닝 세트 데이터(142)를 포함하거나 저장한다. 트레이닝 세트 데이터(142)는 이력 박막 데이터(144) 및 이력 프로세스 조건 데이터(146)를 포함한다. 이력 박막 데이터(144)는 ALD 프로세스로부터 초래되는 박막에 관한 데이터를 포함한다. 이력 프로세스 조건 데이터(146)는 박막을 생성한 ALD 프로세스 동안의 프로세스 조건과 관련된 데이터를 포함한다. 아래에서 더 상세히 설명되는 바와 같이, 트레이닝 모듈(141)은 머신 러닝 프로세스를 사용해 분석 모델(140)을 트레이닝시키기 위해 이력 박막 데이터(144) 및 이력 프로세스 조건 데이터(146)를 사용한다.
일 실시예에서, 이력 박막 데이터(144)는 이전에 성막된 박막의 두께와 관련된 데이터를 포함한다. 예를 들어, 반도체 제조 시설의 운영 중에 수천 또는 수백만 개의 반도체 웨이퍼가 수개월 또는 수년에 걸쳐 프로세싱될 수 있다. 각각의 반도체 웨이퍼는 ALD 프로세스에 의해 성막된 박막을 포함할 수 있다. 각 ALD 프로세스 후, 박막의 두께는 품질 제어 프로세스의 일부로서 측정된다. 이력 박막 데이터(144)는 ALD 프로세스에 의해 성막된 각 박막의 두께를 포함한다. 따라서, 이력 박막 데이터(144)는 ALD 프로세스에 의해 성막된 다수의 박막에 대한 두께 데이터를 포함할 수 있다.
일 실시예에서, 이력 박막 데이터(144)는 또한 박막 성막 프로세스의 중간 단계에서 박막의 두께에 관한 데이터를 포함할 수 있다. 예를 들어, ALD 프로세스는 박막의 개별 층이 성막되는 동안 다수의 성막 사이클을 포함할 수 있다. 이력 박막 데이터(144)는 개별 성막 사이클 또는 성막 사이클 그룹 이후 박막에 대한 두께 데이터를 포함할 수 있다. 따라서, 이력 박막 데이터(144)는 ALD 프로세스 완료 후 박막의 총 두께에 관한 데이터를 포함할 뿐만 아니라 ALD 프로세스의 다양한 단계에서 박막의 두께와 관련된 데이터도 포함할 수 있다.
일 실시예에서, 이력 박막 데이터(144)는 ALD 프로세스에 의해 성막된 박막의 조성과 관련된 데이터를 포함한다. 박막이 성막된 후 박막의 원소 또는 분자 조성을 결정하기 위해 측정이 수행될 수 있다. 박막의 성공적인 성막은 특정 원소 또는 화합물의 특정 비율을 포함하는 박막을 초래한다. 성막에 실패하면 지정된 비율의 원소 또는 화합물을 포함하지 않는 박막이 초래될 수 있다. 이력 박막 데이터(144)는 다양한 박막을 구성하는 원소 또는 화합물을 나타내는 측정으로부터의 데이터를 포함할 수 있다.
일 실시예에서, 이력 박막 데이터(144)는 ALD 프로세스에 의해 성막된 박막의 결정 구조와 관련된 데이터를 포함한다. 박막의 성공적인 성막은 특정 결정 구조를 초래할 수 있다. 다양한 박막의 결정 구조를 결정하기 위해 박막에 대해 X- 선 결정학 측정이 수행될 수 있다. 이력 박막 데이터(144)는 다양한 박막에 대한 결정 구조 데이터를 포함할 수 있다.
일 실시예에서, 이력 프로세스 조건(146)은 이력 박막 데이터(144)와 연관된 박막을 생성하는 ALD 프로세스 동안 다양한 프로세스 조건 또는 파라미터를 포함한다. 따라서, 이력 박막 데이터(144)에 데이터를 갖는 각각의 박막에 대해, 이력 프로세스 조건 데이터(146)는 박막 성막 동안 존재했던 프로세스 조건 또는 파라미터를 포함할 수 있다. 예를 들어, 이력 프로세스 조건 데이터(146)는 ALD 프로세스 동안 프로세스 챔버 내의 압력, 온도 및 유체 유량과 관련된 데이터를 포함할 수 있다.
이력 프로세스 조건 데이터(146)는 ALD 프로세스 동안 유체 소스에 남아있는 전구체 물질의 양과 관련된 데이터를 포함할 수 있다. 이력 프로세스 조건 데이터(146)는 성막 챔버(102)의 연령, 성막 챔버(102)에서 수행된 성막 프로세스의 수, 프로세스 챔버(102)의 가장 최근 세정 사이클 이후 프로세스 챔버(102)에서 수행된 성막 프로세스의 수, 또는 프로세스 챔버(102)와 관련된 다른 데이터를 포함할 수 있다. 이력 프로세스 조건 데이터(146)는 성막 프로세스 동안 프로세스 챔버(102) 내로 도입된 화합물 또는 유체와 관련된 데이터를 포함할 수 있다. 화합물과 관련된 데이터는 화합물의 유형, 화합물의 위상(고체, 기체 또는 액체), 화합물의 혼합물, 또는 프로세스 챔버(102)에 도입된 화합물 또는 유체와 관련된 다른 양상을 포함할 수 있다. 이력 프로세스 조건 데이터(146)는 ALD 프로세스 동안 프로세스 챔버(102) 내의 습도와 관련된 데이터를 포함할 수 있다. 이력 프로세스 조건 데이터(146)는 프로세스 챔버(102)와 관련된 광 흡수, 광 흡착 및 광 반사와 관련된 데이터를 포함할 수 있다. 이력 프로세스 조건 데이터(126)는 ALD 프로세스 동안 화합물 또는 유체를 프로세스 챔버(102) 내로 운반하는 파이프, 튜브 또는 도관의 길이와 관련된 데이터를 포함할 수 있다. 이력 프로세스 조건 데이터(146)는 ALD 프로세스 동안 화합물 또는 유체를 프로세스 챔버(102) 내로 운반하는 캐리어 기체의 조건과 관련된 데이터를 포함할 수 있다.
일 실시예에서, 이력 프로세스 조건 데이터(146)는 단일 ALD 프로세스의 복수의 개별 사이클 각각에 대한 프로세스 조건을 포함할 수 있다. 따라서, 이력 프로세스 조건 데이터(146)는 매우 많은 수의 ALD 사이클에 대한 프로세스 조건 데이터를 포함할 수 있다.
일 실시예에서, 트레이닝 세트 데이터(142)는 이력 박막 데이터(144)를 이력 프로세스 조건 데이터(146)와 연결한다. 즉, 이력 박막 데이터(144)에서 박막과 연관된 박막 두께, 물질 조성 또는 결정 구조는 성막 프로세스와 연관된 프로세스 조건 데이터에 연결된다. 아래에서 더 상세히 설명되는 바와 같이, 라벨 표기된 트레이닝 세트 데이터는 적절하게 형성된 박막을 초래할 반도체 프로세스 조건을 예측하기 위해 분석 모델(140)을 트레이닝하기 위해 머신 러닝 프로세스에서 사용될 수 있다.
일 실시예에서 분석 모델(140)은 신경망을 포함한다. 분석 모델(140)의 트레이닝은 신경망과 관련하여 설명될 것이다. 그러나, 본 개시의 범위를 벗어나지 않고 다른 유형의 분석 모델 또는 알고리즘이 사용될 수 있다. 트레이닝 모듈(141)은 머신 러닝 프로세스를 사용해 신경망을 트레이닝시키기 위해 트레이닝 세트 데이터(142)를 사용한다. 트레이닝 프로세스 동안, 신경망은 입력으로서, 트레이닝 세트 데이터로부터 이력 프로세스 조건 데이터(146)를 수신한다. 트레이닝 프로세스 동안 신경망은 예측 박막 데이터를 출력한다. 예측 박막 데이터는 이력 프로세스 조건 데이터로부터 초래될 박막의 특성을 예측한다. 트레이닝 프로세스는 예측 박막 데이터를 생성하도록 신경망을 트레이닝시킨다. 예측 박막 데이터는 박막 두께, 박막 밀도, 박막 조성 또는 기타 박막 파라미터를 포함할 수 있다.
일 실시예에서, 신경망은 복수의 신경층을 포함한다. 다양한 신경층은 하나 이상의 내부 함수를 정의하는 뉴런을 포함한다. 내부 함수는 신경망의 각 신경층의 뉴런과 연관된 가중치에 기초한다. 트레이닝 동안, 제어 시스템(124)은 각각의 이력 프로세스 조건 데이터 세트에 대해, 예측 박막 데이터를, 그러한 프로세스 조건으로부터 초래된 박막과 연관된 실제 이력 박막 데이터와 비교한다. 제어 시스템은 예측 박막 데이터가 이력 박막 데이터와 얼마나 가깝게 매칭되는 지를 나타내는 오차 함수를 생성한다. 그 후, 제어 시스템(124)은 신경망의 내부 함수를 조정한다. 신경망은 내부 함수에 기초해 예측 박막 데이터를 생성하기 때문에, 내부 함수를 조정하면 동일한 이력 프로세스 조건 데이터 세트에 대해 서로 다른 예측 박막 데이터가 생성된다. 내부 함수를 조정하면 더 큰 오차 함수(이전 박막 데이터(144)에 대해 더 나쁜 매칭) 또는 더 작은 오차 함수(이전 박막 데이터(144)에 대해 더 나은 매칭)를 생성하는 예측 박막 데이터가 생성될 수 있다.
신경망의 내부 함수를 조정한 후, 이력 프로세스 조건 데이터(146)는 다시 신경망으로 전달되고 분석 모델(140)은 예측 박막 데이터를 다시 생성한다. 트레이닝 모듈(141)은 예측 박막 데이터를 이력 박막 데이터(144)와 다시 비교한다. 트레이닝 모듈(141)은 다시 신경망의 내부 함수를 조정한다. 이 프로세스는 오차 함수를 모니터링하고, 내부 함수 세트가 발견될 때까지 신경망의 내부 함수를 조정하는 매우 많은 수의 반복으로 반복되어 전체 트레이닝 세트에 걸쳐 이력 박막 데이터(144)와 매칭되는 예측 박막 데이터를 초래한다.
트레이닝 프로세스의 시작시에, 예측 박막 데이터는 이력 박막 데이터(144)와 매우 밀접하게 매칭되지 않을 가능성이 있다. 그러나 트레이닝 프로세스가 신경망의 내부 함수를 조정하는 많은 반복을 통해 진행됨에 따라 오차 함수는 이력 박막 데이터(144)와 매칭되는 예측 박막 데이터를 초래하는 내부 함수 세트가 발견될 때까지 점점 더 작아질 것이다. 이력 박막 데이터(144)와 매칭되는 예측 박막 데이터를 초래하는 내부 함수 세트의 식별은 트레이닝 프로세스의 완료에 대응한다. 트레이닝 프로세스가 완료되면 신경망을 사용하여 박막 성막 프로세스 파라미터를 조정할 준비가 된다.
일 실시예에서, 분석 모델(140)이 트레이닝된 후, 분석 모델(140)은 선택된 특성을 갖는 박막을 초래할 프로세스 조건 세트를 생성하기 위해 사용될 수 있다. 예를 들어, 제어 시스템(124)은 박막의 원하는 파라미터에 대응하는 타겟 박막 파라미터를 분석 모델(140)에 제공할 수 있다. 타겟 파라미터는 막의 두께, 박막의 조성, 박막의 결정 구조 또는 기타 타겟 파라미터를 포함할 수 있다. 아래에 더 상세히 설명되는 바와 같이, 분석 모델(140)은 타겟 파라미터를 갖는 박막을 초래할 프로세스 파라미터 세트를 식별한다. 특히, 분석 모델(140)은 다음 박막 성막 프로세스 또는 박막 성막 프로세스의 다음 단계에 사용되어야 하는 프로세스 파라미터를 나타내는 프로세스 조정 데이터를 생성한다.
일 실시예에서, 분석 모델(140)은 프로세스 조정 데이터 생성을 돕기 위해 현재 프로세스 파라미터 데이터를 활용한다. 현재 프로세스 파라미터 데이터는 박막 성막 프로세스와 연관된 프로세스 장비의 현재 조건과 관련된 데이터를 포함한다. 예를 들어, 현재 프로세스 조건 데이터는 박막 성막 프로세스에 사용될 앰풀의 현재 연령을 포함할 수 있다. 앰풀의 현재 연령은 앰풀의 실제 연령과, 앰풀을 사용해 수행된 성막 프로세스의 수 중 하나 또는 둘 다를 나타낼 수 있다. 현재 프로세스 파라미터 데이터는 유체 소스(108 및 110) 또는 퍼지 소스(112 및 114)에 남아있는 물질 레벨을 포함할 수 있다. 현재 프로세스 파라미터 데이터는 박막 성막 프로세스에 사용될 물질의 유형을 포함할 수 있다. 현재 프로세스 조건 데이터는 박막 성막 프로세스에 사용될 물질의 위상과 관련된 데이터를 포함할 수 있다. 현재 프로세스 조건 데이터는 유체 또는 물질을 성막 챔버 내로 운반할 파이프, 도관 또는 튜브의 길이를 포함할 수 있다.
현재 프로세스 조건 데이터는 반도체 웨이퍼 또는 다음 성막 프로세스에서 사용될 다른 타겟과 관련된 데이터를 포함할 수 있다. 예를 들어, 현재 프로세스 조건 데이터는 반도체 웨이퍼의 유효 노출 평면적(effective exposed plain area)을 포함할 수 있다. 현재 프로세스 조건 데이터는 반도체 웨이퍼의 노출된 유효 평면적의 결정 배향을 포함할 수 있다. 현재 프로세스 조건 데이터는 노출된 유효 평면적의 거칠기 지수를 포함할 수 있다. 현재 프로세스 조건 데이터는 반도체 웨이퍼 또는 다른 타겟의 표면 피처와 연관된 노출된 유효 측벽 경사(exposed effective sidewall tilting)를 포함할 수 있다. 현재 프로세스 조건 데이터는 반도체 웨이퍼 또는 다른 타겟의 노출된 표면과 연관된 박막 작용기(thin-film function group)를 포함할 수 있다. 현재 프로세스 조건 데이터는 반도체 웨이퍼 또는 다른 타겟의 피처의 노출된 측벽의 작용기를 포함할 수 있다. 현재 프로세스 조건 데이터는 반도체 웨이퍼 또는 다른 타겟과 연관된 웨이퍼 회전 또는 경사(tilt) 파라미터를 포함할 수 있다.
따라서, 현재 프로세스 조건 데이터는 다음 박막 성막 프로세스 또는 박막 성막 프로세스의 다음 단계를 위한 고정된 조건을 포함할 수 있다. 현재 프로세스 조건 데이터는 이력 프로세스 조건 데이터(146)에 포함된 동일한 유형의 데이터를 다수 포함할 수 있다.
일 실시예에서, 현재 프로세스 조건 데이터는 성막 프로세스 동안 성막 챔버 내의 온도와 관련된 데이터를 포함할 수 있다. 현재 프로세스 조건 데이터는 성막 프로세스 동안 성막 챔버 내의 압력과 관련된 데이터를 포함할 수 있다. 현재 프로세스 조건 데이터는 성막 챔버 내의 습도와 관련된 데이터를 포함할 수 있다.
일 실시예에서, 분석 모델(140)은 프로세스 조정 데이터를 생성하기 위해 현재 프로세스 조건 데이터 및 타겟 박막 파라미터 데이터를 사용한다. 프로세스 조정 데이터는 현재 프로세스 조건 데이터와 타겟 박막 파라미터 데이터에 기초해 다음 박막 성막 프로세스 또는 박막 성막 프로세스의 다음 단계에 활용되어야 하는 프로세스 파라미터를 식별한다. 프로세스 조정 데이터는 다음 성막 프로세스 또는 다음 박막 성막 프로세스를 위해 변경 또는 조정될 수 있는 조건 또는 파라미터에 해당한다. 조정될 수 있는 파라미터의 예는 유체 소스(108 및 110)로부터 유체 또는 물질의 성막 챔버 내로의 유량, 성막 챔버 내의 온도, 성막 챔버 내의 압력, 성막 프로세스 또는 성막 프로세스의 단계의 지속 시간, 박막 성막 프로세스 동안 인가될 전압 레벨, 또는 박막 성막 프로세스들 사이에서 또는 박막 성막 프로세스의 단계들 사이에서 동적으로 조정될 수 있는 다른 양상들을 포함한다. 분석 모델(140)은 타겟 두께, 타겟 조성, 타겟 결정 구조 또는 기타 특성과 같은 타겟 박막 파라미터를 갖는 박막을 초래하는 이들 파라미터에 대한 값을 식별할 수 있다.
일 실시예에서, 분석 모델(140)은 현재 프로세스 조건 데이터를 분석 모델(140)에 전달함으로써 프로세스 조정 데이터를 생성한다. 분석 모델(140)은 조정될 수 있는 동적 프로세스 조건에 대한 시도 값(trial values)을 선택할 것이다. 그 후, 분석 모델(140)은 현재 프로세스 조건 데이터 및 동적 프로세스 조건에 대한 시도 값에 기초하여 예측 박막 데이터를 생성할 것이다. 예측 박막 데이터는, 현재 프로세스 조건 데이터와 동적 프로세스 조건 데이터에 기초해 박막 성막 프로세스로부터 초래될 박막의 예측된 두께, 예측된 조성, 예측된 결정 구조 또는 기타 예측된 특성을 포함한다. 예측 박막 데이터가 타겟 박막 파라미터 내에 속하면, 분석 모델(140)은 동적 프로세스 조건 데이터에 대한 값을 지정하는 프로세스 조정 데이터를 생성할 수 있다. 지정된 값은 다음 박막 성막 프로세스 또는 박막 성막 프로세스의 다음 단계에 사용될 것이다. 예측 박막 데이터가 타겟 박막 파라미터에 속하지 않는 경우, 분석 모델(140)은 동적 프로세스 조건 데이터에 대한 다른 시도 값을 선택하고 새로운 시도 값에 기초하여 예측 박막 데이터를 생성한다. 이 프로세스는 동적 프로세스 조건에 대한 값이 발견될 때까지 여러 번 반복되어 타겟 박막 파라미터 내에 속하는 예측 박막 데이터를 생성한다.
일 실시예에서, 분석 모델(140)이 프로세스 조건 데이터에 기초하여 박막 데이터를 생성하도록 분석 모델(140)을 트레이닝시키는 머신 러닝 프로세스로 트레이닝되었기 때문에, 분석 모델(140)은 타겟 박막 파라미터 내에 속하는 파라미터를 갖는 박막을 초래할 프로세스 조정 데이터를 식별할 수 있다. 분석 모델(140)은 매우 짧은 시간에 프로세스 조정 데이터를 생성할 수 있다. 예를 들어, 분석 모델(140)은 3초 미만의 시간에 프로세스 조정 데이터를 생성할 수 있지만, 본 개시의 범위를 벗어나지 않고 다른 값이 가능하다. 따라서, 분석 모델(140)은 각각의 박막 성막 프로세스 사이 또는 박막 성막 프로세스의 각 단계 사이에서 실행될 수 있다.
일 실시예에서, 제어 시스템(124)은 프로세싱 리소스(148), 메모리 리소스(150) 및 통신 리소스(152)를 포함한다. 프로세싱 리소스(148)는 하나 이상의 제어기 또는 프로세서를 포함할 수 있다. 프로세싱 리소스(148)는 소프트웨어 명령어를 실행하고, 데이터를 프로세싱하고, 박막 성막 제어 결정을 내리고, 신호 프로세싱을 수행하고, 메모리로부터 데이터를 판독하고, 데이터를 메모리에 기록하며, 다른 프로세싱 동작을 수행하도록 구성된다. 프로세싱 리소스(148)는 박막 성막 시스템(100)의 사이트 또는 설비에 위치한 물리적 프로세싱 리소스(148)를 포함할 수 있다. 프로세싱 리소스는 사이트 박막 성막 시스템(100) 또는 박막 성막 시스템(100)이 위치하는 설비로부터 떨어진 가상 프로세싱 리소스(148)를 포함할 수 있다. 프로세싱 리소스(148)는 하나 이상의 클라우드 컴퓨팅 플랫폼을 통해 액세스되는 프로세서 및 서버를 포함하는 클라우드 기반 프로세싱 리소스를 포함할 수 있다.
일 실시예에서, 메모리 리소스(150)는 하나 이상의 컴퓨터 판독 가능 메모리를 포함할 수 있다. 메모리 리소스(150)는 분석 모델(140)을 포함하지만 이에 제한되지 않는 제어 시스템 및 그 컴포넌트의 기능과 연관된 소프트웨어 명령어를 저장하도록 구성된다. 메모리 리소스(150)는 제어 시스템(124) 및 그 컴포넌트의 기능과 연관된 데이터를 저장할 수 있다. 데이터는 트레이닝 세트 데이터(142), 현재 프로세스 조건 데이터, 및 제어 시스템(124) 또는 그 컴포넌트 중 임의의 것과 연관된 임의의 다른 데이터를 포함할 수 있다. 메모리 리소스(150)는 박막 성막 시스템(100)의 사이트 또는 설비에 위치한 물리적 메모리 리소스를 포함할 수 있다. 메모리 리소스는 박막 성막 시스템(100)의 사이트 또는 설비로부터 멀리 떨어진 가상 메모리 리소스를 포함할 수 있다. 메모리 리소스(150)는 하나 이상의 클라우드 컴퓨팅 플랫폼을 통해 액세스되는 클라우드 기반 메모리 리소스를 포함할 수 있다.
일 실시예에서, 통신 리소스는 제어 시스템(124)이 박막 성막 시스템(100)과 연관된 장비와 통신할 수 있게 하는 리소스를 포함할 수 있다. 예를 들어, 통신 리소스(152)는 제어 시스템(124)이 박막 성막 시스템(100)과 연관된 센서 데이터를 수신하고 박막 성막 시스템(100)의 장비를 제어할 수 있게 하는 유선 및 무선 통신 리소스를 포함할 수 있다. 통신 리소스(152)는 제어 시스템(124)이 유체 소스(108 및 110)로부터와 퍼지 소스(112 및 114)로부터의 유체 또는 다른 물질의 흐름을 제어할 수 있게 한다. 통신 리소스(152)는 제어 시스템(124)이 히터, 전압원, 밸브, 배기 채널, 웨이퍼 이송 장비 및 박막 성막 시스템(100)과 연관된 임의의 다른 장비를 제어할 수 있게 한다. 통신 리소스(152)는 제어 시스템(124)이 원격 시스템과 통신할 수 있게 할 수 있다. 통신 리소스(152)는 유선 네트워크, 무선 네트워크, 인터넷 또는 인트라넷과 같은 하나 이상의 네트워크를 포함하거나 이를 통한 통신을 용이하게 할 수 있다. 통신 리소스(152)는 제어 시스템(124)의 컴포넌트가 서로 통신할 수 있도록 할 수 있다.
일 실시예에서, 분석 모델(140)은 프로세싱 리소스(148), 메모리 리소스(150) 및 통신 리소스(152)를 통해 구현된다. 제어 시스템(124)은 컴포넌트 및 리소스 및 서로로부터 그리고 박막 성막 시스템(100)으로부터 떨어진 위치를 갖는 분산된 제어 시스템일 수 있다.
도 3a는 일 실시예에 따라 박막의 적절한 성막을 초래할 프로세스 조건을 식별하기 위해 분석 모델을 트레이닝시키기 위한 프로세스(300)의 흐름도이다. 분석 모델의 한 가지 예는 도 2의 분석 모델(140)이다. 프로세스(300)의 다양한 단계들은 도 1 및 2와 관련하여 설명된 컴포넌트, 프로세스 및 기술을 사용할 수 있다. 따라서, 도 3a는 도 1 및 2를 참조하여 설명된다.
단계(302)에서, 프로세스(300)는 이력 박막 데이터 및 이력 프로세스 조건 데이터를 포함하는 트레이닝 세트 데이터를 수집한다. 이는 데이터 마이닝 시스템 또는 프로세스를 사용하여 달성될 수 있다. 데이터 마이닝 시스템 또는 프로세스는 박막 성막 시스템(100)과 연관된 하나 이상의 데이터베이스에 액세스하고 하나 이상의 데이터베이스에 포함된 다양한 유형의 데이터를 수집 및 조직화함으로써 트레이닝 세트 데이터를 수집할 수 있다. 데이터 마이닝 시스템 또는 프로세스 또는 또 다른 시스템 또는 프로세스는 트레이닝 세트 데이터를 생성하기 위해 수집된 데이터를 프로세싱하고 포맷할 수 있다. 트레이닝 세트 데이터(142)는 도 2와 관련하여 설명된 바와 같이 이력 박막 데이터(144) 및 이력 프로세스 조건 데이터(146)를 포함할 수 있다.
단계(304)에서, 프로세스(300)는 이력 프로세스 조건 데이터를 분석 모델에 입력한다. 일 예에서, 이것은 도 2와 관련하여 설명된 바와 같이 트레이닝 모듈(141)을 사용하여 이력 프로세스 조건 데이터(146)를 분석 모델(140)에 입력하는 것을 포함할 수 있다. 이력 프로세스 조건 데이터는 연속적인 개별 세트로 분석 모델(140)에 제공될 수 있다. 각 구역 세트는 단일 박막 성막 프로세스 또는 단일 박막 성막 프로세스의 일부에 해당할 수 있다. 이력 프로세스 조건 데이터는 분석 모델(140)에 벡터로 제공될 수 있다. 각각의 세트는 분석 모델(140)에 의한 수신 프로세싱을 위해 포맷된 하나 이상의 벡터를 포함할 수 있다. 이력 프로세스 조건 데이터는 본 개시 내용의 범위를 벗어나지 않고 다른 포맷으로 분석 모델(140)에 제공될 수 있다.
단계(306)에서, 프로세스(300)는 이력 프로세스 조건 데이터에 기초하여 예측 박막 데이터를 생성한다. 특히, 분석 모델(140)은 이력 박막 조건 데이터(146)의 각 세트에 대해 예측 박막 데이터를 생성한다. 예측 박막 데이터는 특정 프로세스 조건 세트로부터 초래될 박막의 특성 예측에 해당한다. 예측 박막 데이터는 두께, 균일성, 조성, 결정 구조 또는 박막의 다른 양상을 포함할 수 있다.
동작(308)에서, 예측 박막 데이터는 이력 박막 데이터(144)와 비교된다. 특히, 이력 프로세스 조건 데이터 세트 각각에 대한 예측 박막 데이터는 이력 프로세스 조건 데이터 세트와 연관된 이력 박막 데이터(144)와 비교된다. 이 비교는 예측 박막 데이터가 이력 박막 데이터(144)와 얼마나 가깝게 매칭되는지를 나타내는 오차 함수를 초래할 수 있다. 이 비교는 각각의 예측 박막 데이터 세트에 대해 수행된다. 일 실시예에서, 이 프로세스는 예측 박막 데이터 전체가 이력 박막 데이터(144)와 어떻게 비교되는지를 나타내는 집성된 오차 함수(aggregated error function) 또는 표시를 생성하는 것을 포함할 수 있다. 이러한 비교는 트레이닝 모듈(141)에 의해 또는 분석 모델(140)에 의해 수행될 수 있다. 비교는 본 개시의 범위를 벗어나지 않고 전술한 것과는 다른 유형의 함수 또는 데이터를 포함할 수 있다.
단계(310)에서, 프로세스(300)는 단계(308)에서 생성된 비교에 기초하여 예측 박막 데이터가 이력 박막 데이터와 매칭되는지 여부를 결정한다. 일 예에서, 집성된 오차 함수가 허용 오차 미만이면, 프로세스(300)는 박막 데이터가 이력 박막 데이터와 매칭되지 않는다고 결정한다. 일 예에서, 집성된 오차 함수가 허용 오차보다 크면, 프로세스(300)는 박막 데이터가 이력 박막 데이터와 매칭된다고 결정한다. 한 예에서 허용 오차는 0.1 내지 0의 허용 오차를 포함할 수 있다. 즉, 집성된 백분율 오차가 0.1% 또는 10% 미만이면, 프로세스(300)는 예측 박막 데이터가 이력 박막 데이터와 매칭된다고 간주한다. 집성된 백분율 오차가 0.1% 또는 10%보다 크면, 프로세스(300)는 예측 박막 데이터가 이력 박막 데이터와 매칭되지 않는 것으로 간주한다. 다른 허용 오차 범위는 본 개시의 범위를 벗어나지 않고 사용될 수 있다. 오차 점수는 본 발명의 범위를 벗어나지 않고 다양한 방식으로 계산될 수 있다. 트레이닝 모듈(141) 또는 분석 모델(140)은 프로세스 단계(310)와 연관된 결정을 내릴 수 있다.
일 실시예에서, 예측 박막 데이터가 단계(310)에서 이력 박막 데이터(144)와 매칭되지 않으면, 프로세스는 단계(312)로 진행한다. 단계(312)에서, 프로세스(300)는 분석 모델(140)과 연관된 내부 함수를 조정한다. 일례에서, 트레이닝 모듈(141)은 분석 모델(140)과 연관된 내부 함수를 조정한다. 단계(312)로부터, 프로세스는 단계(304)로 복귀한다. 단계(304)에서, 이력 프로세스 조건 데이터가 다시 분석 모델(140)에 제공된다. 분석 모델(140)의 내부 함수가 조정되었기 때문에, 분석 모델(140)은 이전 사이클에서와는 다른 예측 박막 데이터를 생성할 것이다. 프로세스는 단계(306, 308 및 310)로 진행하고 집성된 오차가 계산된다. 예측 박막 데이터가 이력 박막 데이터와 매칭되지 않으면, 프로세스는 단계(312)로 돌아가고 분석 모델(140)의 내부 함수가 다시 조정된다. 이 프로세스는 분석 모델(140)이 이력 박막 데이터(144)와 매칭되는 예측 박막 데이터를 생성할 때까지 반복적으로 진행된다.
일 실시예에서, 예측 박막 데이터가 이력 박막 데이터와 매칭되면, 프로세스(300)에서 프로세스 단계(310)는 단계(314)로 진행한다. 단계(314)에서, 트레이닝이 완료된다. 분석 모델(140)은 이제 프로세스 조건을 식별하기 위해 사용될 준비가 되었으며 박막 성막 시스템(100)에 의해 수행되는 박막 성막 프로세스에서 사용될 수 있다. 프로세스(300)는 본 개시 내용의 범위를 벗어나지 않고 본 명세서에 도시되고 설명된 단계의 다른 단계 또는 배열을 포함할 수 있다.
도 3b는 일 실시예에 따른 분석 모델(140)의 동작적 양상 및 트레이닝 양상을 예시하는 블록도(350)이다. 전술한 바와 같이, 트레이닝 세트 데이터(142)는 이전에 수행된 복수의 박막 성막 프로세스와 관련된 데이터를 포함한다. 이전에 수행된 각각의 박막 성막 프로세스는 특정 프로세스 조건에서 발생하여 특정 특성을 갖는 박막을 초래하였다. 각각의 이전에 수행된 박막 성막 프로세스에 대한 프로세스 조건은 각각의 프로세스 조건 벡터(352)로 포맷된다. 프로세스 조건 벡터는 복수의 데이터 필드(354)를 포함한다. 각 데이터 필드(354)는 특정 프로세스 조건에 대응한다.
도 3b의 예는 트레이닝 프로세스 동안 분석 모델(140)로 전달될 단일 프로세스 조건 벡터(352)를 예시한다. 도 3b의 예에서, 프로세스 조건 벡터(352)는 9개의 데이터 필드(354)를 포함한다. 제1 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안의 온도에 대응한다. 제2 데이터 필드(356)는 이전에 수행된 박막 성막 프로세스 동안의 압력에 대응한다. 제3 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안의 습도에 대응한다. 제4 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안 성막 물질의 유량에 대응한다. 제5 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안 성막 물질의 위상(액체, 고체 또는 기체)에 대응한다. 제6 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스에서 사용된 앰풀의 연령에 대응한다. 제7 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안 웨이퍼 상의 성막 영역의 크기에 대응한다. 제8 데이터 필드(354)는 이전에 수행된 박막 성막 프로세스 동안 사용된 웨이퍼의 표면 피처의 밀도에 대응한다. 제9 데이터 필드는 이전에 수행된 박막 성막 프로세스 동안 표면 피처의 측벽 각도에 대응한다. 실제로, 각각의 프로세스 조건 벡터(352)는 본 개시의 범위를 벗어나지 않고 도 3b에 도시된 것보다 더 많거나 더 적은 데이터 필드를 포함할 수 있다. 각각의 프로세스 조건 벡터(352)는 본 개시의 범위를 벗어나지 않고 상이한 유형의 프로세스 조건을 포함할 수 있다. 도 3b에 예시된 특정 프로세스 조건은 예로서만 제공된다. 각각의 프로세스 조건은 대응하는 데이터 필드(354)에서 수치로 표현된다. 물질 위상과 같이 숫자로 자연스럽게 표현되지 않는 조건 유형의 경우 각각의 가능한 위상에 숫자가 할당될 수 있다.
분석 모델(140)은 복수의 신경층(356a-e)을 포함한다. 각각의 신경층은 복수의 노드(358)를 포함한다. 각각의 노드(358)는 또한 뉴런으로 불릴 수 있다. 제1 신경층(356a)으로부터의 각각의 노드(358)는 프로세스 조건 벡터(352)로부터 각각의 데이터 필드에 대한 데이터 값을 수신한다. 따라서, 도 3b의 예에서, 제1 신경층(356a)으로부터의 각 노드(358)는 프로세스 조건 벡터(352)가 9개의 데이터 필드를 갖기 때문에 9개의 데이터 값을 수신한다. 각각의 뉴런(358)은 도 3b에서 F(x)로 라벨 표시된 각각의 내부 수학 함수를 포함한다. 제1 신경층(356a)의 각 노드(358)는 프로세스 조건 벡터(352)의 데이터 필드(354)로부터의 데이터 값에 내부 수학 함수 F(x)를 적용함으로써 스칼라 값을 생성한다. 내부 수학 함수 F(x)에 대한 자세한 내용은 아래에 제공된다.
제2 신경층(356b)의 각 노드(358)는 제1 신경층(356a)의 각 노드(358)에 의해 생성된 스칼라 값을 수신한다. 따라서, 도 3b의 예에서 제2 신경층(356B)의 각 노드는 제1 신경층(356a)에 4개의 노드(358)가 있기 때문에 4개의 스칼라 값을 수신한다. 제2 신경층(356b)의 각 노드(358)는 각각의 내부 수학 함수 F(x)를 제1 신경층(356a)으로부터의 스칼라 값에 적용함으로써 스칼라 값을 생성한다.
제3 신경층(356c)의 각 노드(358)는 제2 신경층(356b)의 각 노드(358)에 의해 생성된 스칼라 값을 수신한다. 따라서, 도 3b의 예에서 제3 신경층(356c)의 각 노드는 제2 신경층(356b)에 5개의 노드(358)가 있기 때문에 5개의 스칼라 값을 수신한다. 제3 신경층(356c)의 각 노드(358)는 제2 신경층(356b)의 노드(358)로부터의 스칼라 값에 각각의 내부 수학 함수 F(x)를 적용함으로써 스칼라 값을 생성한다.
신경층(356d)의 각 노드(358)는 이전 신경층(미도시)의 각 노드(358)에 의해 생성된 스칼라 값을 수신한다. 신경층(356d)의 각 노드(358)는 제2 신경층(356b)의 노드(358)로부터의 스칼라 값에 각각의 내부 수학 함수 F(x)를 적용함으로써 스칼라 값을 생성한다.
최종 신경층은 단일 노드(358)만을 포함한다. 최종 신경층은 이전 신경층(356d)의 각 노드(358)에 의해 생성된 스칼라 값을 수신한다. 최종 신경층(356e)의 노드(358)는 신경층(356d)의 노드(358)로부터 수신된 스칼라 값에 수학 함수 F(x)를 적용함으로써 데이터 값(368)을 생성한다.
도 3b의 예에서, 데이터 값(368)은 프로세스 조건 벡터(352)에 포함된 값에 대응하는 프로세스 조건 데이터에 의해 생성된 박막의 예측된 두께에 대응한다. 다른 실시예에서, 최종 신경층(356e)은 박막 결정 배향, 박막 균일성 또는 박막의 다른 특성과 같은 특정 박막 특성에 각각 대응하는 다중 데이터 값을 생성할 수 있다. 최종 신경층(356e)은 생성될 각각의 출력 데이터 값에 대한 각각의 노드(358)를 포함할 것이다. 예측된 박막 두께의 경우, 엔지니어는 예측된 박막 두께(368)가 하나의 예에서 0 nm 내지 50 nm 사이와 같은 선택된 범위 내에 속해야 함을 지정하는 제약을 제공할 수 있다. 분석 모델(140)은 예측된 박막 두께에 대응하는 데이터 값(368)이 특정 범위 내에 속하도록 보장하기 위해 내부 함수 F(x)를 조정할 것이다.
머신 러닝 프로세스 동안, 분석 모델은 데이터 값(368)에서 예측된 두께를, 데이터 값(370)에 의해 표시된 바와 같은 박막의 실제 두께와 비교한다. 전술한 바와 같이, 트레이닝 세트 데이터(142)는 각 세트의 이력 프로세스 조건 데이터에 대해 이력 박막 성막 프로세스로부터 초래된 박막의 특성을 나타내는 박막 특성 데이터를 포함한다. 따라서, 데이터 필드(370)는 프로세스 조건 벡터(352)에 반영된 성막 프로세스로부터 초래된 박막의 실제 두께를 포함한다. 분석 모델(140)은 데이터 값(368)으로부터의 예측된 두께를 데이터 값(370)으로부터의 실제 두께와 비교한다. 분석 모델(140)은 데이터 값(368)으로부터의 예측 두께와 데이터 값(370)으로부터의 실제 두께 사이의 오차 또는 차이를 나타내는 오차 값(372)을 생성한다. 오차 값(372)은 분석 모델(140)을 트레이닝시키기 위해 사용된다.
분석 모델(140)의 트레이닝은 내부 수학적 함수 F(x)를 논의함으로써 보다 완전히 이해될 수 있다. 모든 노드(358)가 내부 수학 함수 F(x)로 라벨 표시되지만, 각 노드의 수학 함수 F(x)는 고유하다. 한 예에서 각 내부 수학 함수의 형태는 다음과 같다:
F(x) = x1*w1 + x2*w2 + … xn*w1 + b.
상기 수학식에서, 각각의 값 x1-xn은 이전 신경층의 노드(358)로부터 수신된 데이터 값에 대응하거나, 또는 제1 신경층(356a)의 경우, 각각의 값(x1-xn)은 프로세스 조건 벡터(352)의 데이터 필드(354)로부터의 각각의 데이터 값에 대응한다. 따라서 주어진 노드에 대한 n은 이전 신경층의 노드 수와 같다. w1-wn 값은 이전 층의 대응 노드와 연관된 스칼라 가중치이다. 분석 모델(140)은 가중치 w1-wn의 값을 선택한다. 상수 b는 스칼라 바이어싱 값이며 가중치로 곱해질 수도 있다. 노드(358)에 의해 생성된 값은 가중치 w1-wn에 기초한다. 따라서, 각 노드(358)는 n 개의 가중치 w1-wn을 갖는다. 위에 표시되지 않았지만 각 함수 F(x)는 활성화 함수도 포함할 수 있다. 위의 수학식에 명시된 합계는 활성화 함수에 의해 곱해진다. 활성화 함수의 예는 정류 선형 단위(rectified linear unit; ReLU) 함수, 시그모이드 함수, 쌍곡선 장력 함수 또는 기타 유형의 활성화 함수를 포함할 수 있다.
오차 값(372)이 계산된 후, 분석 모델(140)은 다양한 신경층(356a-356e)의 다양한 노드(358)에 대한 가중치 w1-wn을 조정한다. 분석 모델(140)이 가중치 w1-wn을 조정한 후, 분석 모델(140)은 다시 입력 신경층(356a)에 프로세스 조건 벡터(352)를 제공한다. 분석 모델(140)의 다양한 노드(358)에 대해 가중치가 다르기 때문에, 예측된 두께(368)는 이전 반복에서와는 다를 것이다. 분석 모델(140)은 실제 두께(370)를 예측된 두께(368)와 비교함으로써 오차 값(372)을 다시 생성한다.
분석 모델(140)은 다양한 노드(358)와 연관된 가중치 w1-wn을 다시 조정한다. 분석 모델(140)은 프로세스 조건 벡터(352)를 프로세싱하고 예측된 두께(368) 및 연관된 오차 값(372)을 다시 생성한다. 트레이닝 프로세스는 오차 값(372)이 최소화될 때까지 반복해서 가중치 w1-wn을 조정하는 것을 포함한다.
도 3b는 분석 모델(140)에 전달되는 단일 프로세스 조건 벡터(352)를 도시한다. 실제로, 트레이닝 프로세스는 분석 모델(140)을 통해 많은 수의 프로세스 조건 벡터(352)를 전달하고, 각 프로세스 조건 벡터(352)에 대한 예측 두께(368)를 생성하며, 각 예측 두께에 대한 연관된 오차 값(372)을 생성하는 것을 포함한다. 트레이닝 프로세스는 또한 프로세스 조건 벡터(352)의 배치(batch)에 대해 모든 예측된 두께에 대한 평균 오차를 나타내는 집성된 오차 값을 생성하는 것을 포함할 수 있다. 분석 모델(140)은 프로세스 조건 벡터(352)의 각 배치를 프로세싱한 후에 가중치 w1-wn을 조정한다. 트레이닝 프로세스는 모든 프로세스 조건 벡터(352)에 걸친 평균 오차가 선택된 문턱 허용 오차보다 작을 때까지 계속된다. 평균 오차가 선택된 문턱 허용 오차보다 작으면 분석 모델(140) 트레이닝이 완료되고 분석 모델은 프로세스 조건에 기초해 박막의 두께를 정확하게 예측하도록 트레이닝된다. 그 후, 분석 모델(140)은 박막 두께를 예측하고 원하는 박막 두께를 초래할 프로세스 조건을 선택하는데 사용될 수 있다. 트레이닝된 모델(140)을 사용하는 동안, 수행될 현재 박막 성막 프로세스에 대한 현재 프로세스 조건을 나타내고 프로세스 조건 벡터(352)에서 동일한 포맷을 갖는 프로세스 조건 벡터가 트레이닝된 분석 모델(140)에 제공된다. 트레이닝된 분석 모델(140)은 그 후 이러한 프로세스 조건으로부터 초래될 박막의 두께를 예측할 수 있다.
신경망 기반 분석 모델(140)의 특정 예가 도 3b와 관련하여 설명되었다. 그러나, 다른 유형의 신경망 기반 분석 모델 또는 신경망 이외의 유형의 분석 모델이 본 개시의 범위를 벗어나지 않고 사용될 수 있다. 더욱이, 신경망은 본 개시의 범위를 벗어나지 않고 상이한 수의 노드를 갖는 상이한 수의 신경층을 가질 수 있다.
도 4는 일 실시예에 따라 박막 성막 프로세스를 위한 프로세스 조건을 동적으로 선택하고 박막 성막 프로세스를 수행하기 위한 프로세스(400)의 흐름도이다. 프로세스(400)의 다양한 단계는 도 1 내지 3b와 관련하여 설명된 컴포넌트, 프로세스 및 기술을 사용할 수 있다. 따라서, 도 4는 도 1 내지 3b를 참조하여 설명된다.
단계(402)에서, 프로세스(400)는 분석 모델(140)에 타겟 박막 조건 데이터를 제공한다. 타겟 박막 조건 데이터는 박막 성막 프로세스에 의해 형성될 박막의 선택된 특성을 식별한다. 타겟 박막 조건 데이터는 타겟 두께, 타겟 조성, 타겟 결정 구조 또는 박막의 다른 특성을 포함할 수 있다. 타겟 박막 조건 데이터는 다양한 두께를 포함할 수 있다. 선택될 수 있는 타겟 조건 또는 특성은 트레이닝 프로세스에서 사용되는 박막 특성(들)에 기초한다. 도 3b의 예에서 트레이닝 프로세스는 박막 두께에 중점을 두었다.
단계(404)에서, 프로세스(400)는 정적 프로세스 조건을 분석 모델(140)에 제공한다. 정적 프로세스 조건은 다음 박막 성막 프로세스를 위해 조정되지 않을 프로세스 조건을 포함한다. 정적 프로세스 조건은 박막 성막 프로세스가 수행될 웨이퍼 상의 패턴 밀도를 나타내는 타겟 디바이스 패턴 밀도를 포함할 수 있다. 정적 프로세스 조건은, 유효 평면적 결정 배향, 유효 평면적 거칠기 지수, 반도체 웨이퍼 표면 상의 피처의 유효 측벽 면적, 노출된 유효 측벽 경사각, 노출된 표면 막 작용기, 노출된 측벽 막 작용기, 반도체 웨이퍼의 회전 또는 경사, 프로세스 기체 파라미터(물질, 물질의 위상 및 물질의 온도), 유체 소스(108 및 110)에 남아 있는 물질 유체량, 퍼지 소스(112 및 114)에 남아 있는 유체량, 성막 챔버 내의 습도, 성막 프로세스에 사용된 앰풀의 연령, 성막 챔버 내의 광 흡수 또는 반사, 성막 챔버에 유체를 제공할 파이프 또는 도관의 길이 또는 기타 조건을 포함할 수 있다. 정적 프로세스 조건은 본 개시의 범위를 벗어나지 않고 상기 설명된 것과는 다른 조건을 포함할 수 있다. 또한, 일부 경우에 위에서 열거된 정적 프로세스 조건 중 일부는 아래에서 더 자세히 설명된 대로 조정의 대상이 되는 동적 프로세스 조건일 수 있다. 도 3b의 예에서, 동적 프로세스 조건은 온도, 압력, 습도 및 유량을 포함한다. 정적 프로세스 조건은 위상, 앰풀 연령, 성막 면적, 성막 밀도 및 측벽 각도를 포함한다.
단계(406)에서, 프로세스(400)는 일 실시예에 따라 분석 모델에 대한 동적 프로세스 조건을 선택한다. 동적 프로세스 조건은 정적 프로세스 조건으로 지정되지 않은 모든 프로세스 조건을 포함할 수 있다. 예를 들어, 트레이닝 세트 데이터는 이력 프로세스 조건 데이터(146)에 다수의 다양한 유형의 프로세스 조건 데이터를 포함할 수 있다. 이러한 유형의 프로세스 조건 중 일부는 정적 프로세스 조건으로 정의되고 이러한 유형의 프로세스 조건 중 일부는 동적 프로세스 조건으로 정의될 것이다. 따라서, 정적 프로세스 조건이 단계(404)에서 공급될 때, 나머지 유형의 프로세스 조건은 동적 프로세스 조건으로 정의될 수 있다. 분석 모델(140)은 초기에 동적 프로세스 조건에 대한 초깃값을 선택할 수 있다. 동적 프로세스 조건에 대해 초깃값이 선택된 후, 분석 모델은 분석할 전체 프로세스 조건 세트를 가진다. 일 실시예에서, 동적 프로세스 조건에 대한 초깃값은 이전에 결정된 스타터 값(starter values)에 기초하여 또는 다른 방식에 따라 선택될 수 있다.
동적 프로세스 조건은 성막 프로세스 동안 유체 소스(108 및 110)로부터의 유체 또는 물질의 유량을 포함할 수 있다. 동적 프로세스 조건은 퍼지 소스(112 및 114)로부터의 유체 또는 물질의 유량을 포함할 수 있다. 동적 프로세스 조건은 성막 챔버 내의 압력, 성막 챔버 내의 온도, 성막 챔버 내의 습도, 성막 프로세스의 다양한 단계의 지속 시간, 또는 성막 챔버 내에서 생성된 전압 또는 전기장을 포함할 수 있다. 동적 프로세스 조건은 본 개시의 범위를 벗어나지 않고 다른 유형의 조건을 포함할 수 있다.
단계(408)에서, 분석 모델(140)은 정적 및 동적 프로세스 조건에 기초하여 예측 박막 데이터를 생성한다. 예측 박막 데이터는 타겟 박막 조건 데이터에 확립된 동일한 유형의 박막 특성을 포함한다. 특히, 예측 박막 데이터는 도 3a 및 3b와 관련하여 설명된 트레이닝 프로세스로부터의 예측 박막 데이터의 유형을 포함한다. 예를 들어, 예측 박막 데이터는 박막 두께, 막 조성, 또는 박막의 기타 파라미터를 포함할 수 있다.
단계(410)에서, 프로세스는 예측 박막 데이터를 타겟 박막 데이터와 비교한다. 특히, 분석 모델(140)은 예측 박막 데이터를 타겟 박막 데이터와 비교한다. 이 비교는 예측 박막 데이터가 타겟 박막 데이터와 얼마나 가깝게 매칭되는지를 나타낸다. 비교는 예측 박막 데이터가 타겟 박막 데이터에 의해 확립된 허용 오차 또는 범위 내에 속하는지 여부를 나타낼 수 있다. 예를 들어, 타겟 박막 두께가 2 nm 내지 4 nm인 경우 비교는 예측 박막 데이터가 이 범위에 속하는지 여부를 나타낼 것이다.
단계(412)에서, 예측 박막 데이터가 타겟 박막 데이터와 매칭되지 않으면, 프로세스는 단계(414)로 진행한다. 단계(414)에서, 분석 모델(140)은 동적 프로세스 조건 데이터를 조정한다. 단계(414)에서 프로세스는 단계(408)로 돌아간다. 단계(408)에서, 분석 모델(140)은 정적 프로세스 조건 및 조정된 동적 프로세스 조건에 기초하여 예측 박막 데이터를 다시 생성한다. 분석 모델은 단계(410)에서 예측 박막 데이터를 타겟 박막 데이터와 비교한다. 단계(412)에서, 예측 박막 데이터가 타겟 박막 데이터와 매칭되지 않으면, 프로세스는 단계(414)로 진행하고 분석 모델(140)은 다시 동적 프로세스 조건을 조정한다. 이 프로세스는 타겟 박막 데이터와 매칭되는 예측 박막 데이터가 생성될 때까지 진행한다. 예측 박막 데이터가 타겟 박막 데이터(412)와 매칭되면, 프로세스는 단계(416)로 진행한다.
단계(416)에서, 프로세스(400)는 타겟 박막 데이터 내의 예측 박막 데이터를 초래한 동적 프로세스 조건에 기초하여 박막 성막 시스템(100)의 박막 프로세스 조건을 조정한다. 예를 들어, 제어 시스템(124)은 동적 프로세스 조건 데이터에 따라 유체 유량, 성막 단계 지속 시간, 압력, 온도, 습도 또는 기타 요인을 조정할 수 있다.
단계(418)에서, 박막 성막 시스템(100)은 분석 모델에 의해 식별된 조정된 동적 프로세스 조건에 따라 박막 성막 프로세스를 수행한다. 일 실시예에서, 박막 성막 프로세스는 ALD 프로세스이다. 그러나, 다른 박막 성막 프로세스가 본 개시의 범위를 벗어나지 않고 사용될 수 있다. 일 실시예에서, 박막 성막 시스템(100)은 박막 성막 프로세스에서 개별 성막 단계들 사이의 분석 모델에 기초하여 프로세스 파라미터를 조정한다. 예를 들어, ALD 프로세스에서 박막은 한 번에 한 층씩 성막된다. 분석 모델(140)은 다음 층의 성막을 위해 사용될 파라미터를 식별할 수 있다. 따라서, 박막 성막 시스템은 다양한 성막 단계 사이에서 성막 조건을 조정할 수 있다.
도 5는 일 실시예에 따른 박막 성막 시스템(500)의 흐름도이다. 단계(502)에서, 방법(500)은 정적 프로세스 조건 데이터를 분석 모델에 제공하는 단계를 포함한다. 분석 모델의 한 가지 예는 도 2의 분석 모델(140)이다. 단계(504)에서, 방법(500)은 분석 모델을 사용하여 제1 동적 프로세스 조건 데이터를 선택하는 단계를 포함한다. 단계(506)에서, 방법(500)은 분석 모델을 사용해, 정적 프로세스 조건 데이터 및 제1 동적 프로세스 조건 데이터에 기초하여 제1 예측 박막 데이터를 생성하는 단계를 포함한다. 단계(508)에서, 방법(500)은 제1 예측 박막 데이터를 타겟 박막 데이터와 비교하는 단계를 포함한다. 단계(510)에서 방법(500)은 제1 예측 박막 데이터가 타겟 박막 데이터와 매칭되면, 정적 프로세스 조건 데이터 및 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 박막 성막 프로세스를 수행하는 단계를 포함한다. 단계(512)에서 방법(500)은 제1 예측 박막 데이터가 타겟 박막 데이터와 매칭되지 않으면, 제1 동적 프로세스 조건 데이터를 조정하는 단계를 포함한다.
도 6은 일 실시예에 따른 박막 성막 시스템(600)의 흐름도이다. 단계(602)에서, 방법(600)은 박막의 특성을 예측하기 위해 머신 러닝 프로세스를 사용해 분석 모델을 트레이닝시키는 단계를 포함한다. 분석 모델의 한 예는 도 2의 분석 모델(140)이다. 단계(604)에서, 방법(600)은 분석 모델을 트레이닝시킨 후 타겟 박막 데이터를 분석 모델에 제공하는 단계를 포함한다. 단계(606)에서 방법(600)은 분석 모델을 사용해, 타겟 박막 데이터에 부합하는(comply) 예측 박막 데이터를 초래하는 프로세스 조건 데이터를 식별하는 단계를 포함한다. 단계(608)에서, 방법(600)은 프로세스 조건 데이터에 따라 성막 프로세스 조건을 사용해 반도체 웨이퍼에 대해 박막 성막 프로세스를 수행하는 단계를 포함한다. 반도체 웨이퍼의 한 예는 도 1의 반도체 웨이퍼(104)이다.
일 실시예에서, 박막 성막 방법은 정적 프로세스 조건 데이터를 분석 모델에 제공하는 단계를 포함한다. 방법은 분석 모델을 사용해, 제1 동적 프로세스 조건 데이터를 선택하는 단계를 포함한다. 방법은 분석 모델을 사용해, 정적 프로세스 조건 데이터 및 제1 동적 프로세스 조건 데이터에 기초하여 제1 예측 박막 데이터를 생성하는 단계를 포함한다. 방법은 제1 예측 박막 데이터를 타겟 박막 데이터와 비교하는 단계를 포함한다. 방법은 제1 예측 박막 데이터가 타겟 박막 데이터와 매칭되면, 정적 프로세스 조건 데이터 및 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 박막 성막 프로세스를 수행하는 단계를 포함한다. 방법은, 제1 예측 박막 데이터가 타겟 박막 데이터와 매칭되지 않으면, 제1 동적 프로세스 조건 데이터를 조정하는 단계를 포함한다.
일 실시예에서, 박막 성막 방법은 박막의 특성을 예측하기 위해 머신 러닝 프로세스를 사용해 분석 모델을 트레이닝시키는 단계를 포함한다. 방법은 분석 모델을 트레이닝시킨 후, 타겟 박막 데이터를 분석 모델에 제공하는 단계를 포함한다. 방법은 분석 모델을 사용해, 타겟 박막 데이터에 부합하는(comply) 예측 박막 데이터를 생성하는 프로세스 조건 데이터를 식별하는 단계를 포함한다. 방법은 프로세스 조건 데이터에 따라 성막 프로세스 조건을 사용해 반도체 웨이퍼에 대해 박막 성막 프로세스를 수행하는 단계를 포함한다.
일 실시예에서, 박막 성막 시스템은 박막 성막 챔버, 박막 성막 챔버 내에서 기판을 지지하도록 구성된 지지체, 및 박막 성막 프로세스 동안에 박막 성막 챔버 내로 유체를 제공하도록 구성된 유체 소스를 포함한다. 시스템은 머신 러닝 프로세스에 기초하여 박막 성막 프로세스에 대한 프로세스 조건 데이터를 식별하고 프로세스 조건 데이터에 따라 박막 성막 프로세스 동안 제1 유체 소스를 제어하도록 구성된 제어 시스템을 포함한다.
본 개시의 실시예는 신뢰성 있는 두께 및 조성의 박막을 제공한다. 본 개시의 실시예는 박막이 원하는 특성을 갖도록 보장하기 위해 프로세스 파라미터를 동적으로 조정한다.
전술한 다양한 실시예는 추가 실시예를 제공하기 위해 조합될 수 있다. 본 명세서에 참조되고 그리고/또는 출원 데이터 시트에 나열된 모든 미국 특허 출원 공보 및 미국 특허 출원은 그 전체가 참조로 본 명세서에 포함된다. 실시예의 양상은 필요한 경우 수정되어 추가 실시예를 제공하기 위해 다양한 특허, 출원 및 공보의 개념을 사용할 수 있다.
상기 및 다른 변경은 상기 상세한 설명에 비추어 실시예에 대해 이루어질 수 있다. 일반적으로, 다음의 청구항들에서, 사용된 용어는 청구항들을 명세서 및 청구항들에 개시된 특정 실시예로 제한하는 것으로 해석되어서는 안 되지만, 이러한 청구항들에 속하는 모든 등가물의 범위와 함께 모든 가능한 실시예를 포함하는 것으로 해석되어야 한다. 따라서, 청구항들은 본 개시에 의해 제한되지 않는다.
[실시예 1]
박막 성막 방법에 있어서,
정적 프로세스 조건 데이터를 분석 모델(140)에 제공하는 단계;
상기 분석 모델을 사용해, 제1 동적 프로세스 조건 데이터를 선택하는 단계;
상기 분석 모델을 사용해, 상기 정적 프로세스 조건 데이터 및 상기 제1 동적 프로세스 조건 데이터에 기초하여 제1 예측 박막 데이터를 생성하는 단계;
상기 제1 예측 박막 데이터를 타겟(target) 박막 데이터와 비교하는 단계;
상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되면(match), 상기 정적 프로세스 조건 데이터 및 상기 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 박막 성막 프로세스를 수행하는 단계; 및
상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되지 않으면, 상기 제1 동적 프로세스 조건 데이터를 조정하는 단계
를 포함하는, 박막 성막 방법.
[실시예 2]
실시예 1에 있어서,
상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되지 않으면,
상기 조정된 제1 동적 프로세스 조건 데이터에 기초하여 제2 예측 박막 데이터를 생성하는 단계;
제2 예측 박막 데이터를 상기 타겟 박막 데이터와 비교하는 단계; 및
상기 제2 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되면, 상기 정적 프로세스 조건 데이터 및 상기 조정된 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 상기 박막 성막 프로세스를 수행하는 단계
를 더 포함하는, 박막 성막 방법.
[실시예 3]
실시예 1에 있어서,
상기 박막 성막 프로세스는 원자 층 성막 프로세스인 것인, 박막 성막 방법.
[실시예 4]
실시예 3에 있어서,
상기 박막 성막 프로세스를 수행하는 단계는 상기 원자 층 성막 프로세스의 제1 사이클을 수행하는 단계를 포함하는 것인, 박막 성막 방법.
[실시예 5]
실시예 4에 있어서,
상기 제1 사이클 후에,
상기 분석 모델을 사용해, 제2 동적 프로세스 조건 데이터를 식별하는 단계; 및
상기 정적 프로세스 조건 데이터 및 상기 제2 동적 프로세스 조건 데이터에 기초하여 상기 원자 층 성막 프로세스의 제2 사이클을 수행하는 단계
를 더 포함하는, 박막 성막 방법.
[실시예 6]
실시예 1에 있어서,
상기 분석 모델은 신경망(neural network)을 포함하는 것인, 박막 성막 방법.
[실시예 7]
실시예 1에 있어서,
상기 정적 프로세스 조건 데이터는,
성막 물질;
성막 표면의 피처(features); 및
성막 장비의 연령
중 하나 이상을 포함하는 것인, 박막 성막 방법.
[실시예 8]
실시예 7에 있어서,
상기 제1 동적 프로세스 조건 데이터는,
상기 성막 물질의 유량(flow rate);
상기 성막 물질의 흐름 지속 시간;
상기 성막 챔버의 압력;
상기 성막 챔버의 온도; 및
상기 성막 챔버의 습도
중 하나 이상을 포함하는 것인, 박막 성막 방법.
[실시예 9]
실시예 1에 있어서,
상기 타겟 박막 데이터는 타겟 박막 두께를 식별하는 것인, 박막 성막 방법.
[실시예 10]
실시예 9에 있어서,
상기 타겟 박막 데이터는 타겟 박막 두께 범위를 식별하는 것인, 박막 성막 방법.
[실시예 11]
박막 성막 방법에 있어서,
박막의 특성을 예측하기 위해 머신 러닝 프로세스를 사용해 분석 모델(140)을 트레이닝시키는 단계;
상기 분석 모델을 트레이닝시키는 단계 후에, 타겟 박막 데이터를 상기 분석 모델에 제공하는 단계;
상기 분석 모델을 사용해, 상기 타겟 박막 데이터에 부합하는(comply) 예측 박막 데이터를 초래하는 프로세스 조건 데이터를 식별하는 단계; 및
상기 프로세스 조건 데이터에 따라 성막 프로세스 조건을 사용해 반도체 웨이퍼(104)에 대해 박막 성막 프로세스를 수행하는 단계
를 포함하는, 박막 성막 방법.
[실시예 12]
실시예 11에 있어서,
트레이닝 세트 데이터(training set data)를 저장하는 단계; 및
상기 트레이닝 세트 데이터를 사용해 상기 분석 모델을 트레이닝시키는 단계
를 더 포함하는, 박막 성막 방법.
[실시예 13]
실시예 12에 있어서,
상기 트레이닝 세트 데이터는 이전에 성막된 박막의 특성을 식별하는 이력 박막 데이터(historical thin-film data)를 포함하고, 상기 트레이닝 세트 데이터는 상기 이전에 성막된 박막과 연관된 이력 프로세스 조건을 식별하는 이력 프로세스 조건 데이터를 포함하는 것인, 박막 성막 방법.
[실시예 14]
실시예 13에 있어서,
박막 성막 데이터베이스에 대해 데이터 마이닝 프로세스(data mining process)를 수행하여 상기 트레이닝 세트 데이터를 수집하는 단계를 더 포함하는, 박막 성막 방법.
[실시예 15]
박막 성막 시스템에 있어서,
박막 성막 챔버(102);
상기 박막 성막 챔버 내에서 기판을 지지하도록 구성된 지지체(106);
박막 성막 프로세스 동안 상기 박막 성막 챔버 내로 유체를 제공하도록 구성된 유체 소스(fluid source, 108); 및
머신 러닝 프로세스에 기초하여 상기 박막 성막 프로세스에 대한 프로세스 조건 데이터를 식별하고 상기 프로세스 조건 데이터에 따라 상기 박막 성막 프로세스 동안 상기 유체 소스를 제어하도록 구성된 제어 시스템(124)
을 포함하는, 박막 성막 시스템.
[실시예 16]
실시예 15에 있어서,
상기 제어 시스템은 분석 모델을 포함하고, 상기 분석 모델은 상기 프로세스 조건 데이터를 식별하도록 구성되는 것인, 박막 성막 시스템.
[실시예 17]
실시예 16에 있어서,
상기 분석 모델은 상기 박막의 타겟 파라미터를 나타내는 타겟 박막 데이터를 수신하고 상기 타겟 박막 데이터에 부합하는 예측 박막 데이터를 생성하여 상기 프로세스 조건 데이터를 식별하도록 구성되는 것인, 박막 성막 시스템.
[실시예 18]
실시예 17에 있어서,
상기 분석 모델은 정적 프로세스 조건 데이터를 수신하고 상기 정적 프로세스 조건 데이터 및 상기 타겟 박막 데이터에 기초하여 상기 프로세스 조건 데이터를 식별하도록 구성되는 것인, 박막 성막 시스템.
[실시예 19]
실시예 15에 있어서,
분석 모델은 신경망을 포함하는 것인, 박막 성막 시스템.
[실시예 20]
실시예 15에 있어서,
상기 박막 성막 프로세스는 원자 층 성막 프로세스인 것인, 박막 성막 시스템.

Claims (10)

  1. 박막 성막 방법에 있어서,
    정적 프로세스 조건 데이터를 분석 모델(140)에 제공하는 단계;
    상기 분석 모델을 사용해, 제1 동적 프로세스 조건 데이터를 선택하는 단계;
    상기 분석 모델을 사용해, 상기 정적 프로세스 조건 데이터 및 상기 제1 동적 프로세스 조건 데이터에 기초하여 제1 예측 박막 데이터를 생성하는 단계;
    상기 제1 예측 박막 데이터를 타겟(target) 박막 데이터와 비교하는 단계;
    상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되면(match), 상기 정적 프로세스 조건 데이터 및 상기 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 박막 성막 프로세스를 수행하는 단계; 및
    상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되지 않으면, 상기 제1 동적 프로세스 조건 데이터를 조정하는 단계
    를 포함하는, 박막 성막 방법.
  2. 제1항에 있어서,
    상기 제1 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되지 않으면,
    상기 조정된 제1 동적 프로세스 조건 데이터에 기초하여 제2 예측 박막 데이터를 생성하는 단계;
    제2 예측 박막 데이터를 상기 타겟 박막 데이터와 비교하는 단계; 및
    상기 제2 예측 박막 데이터가 상기 타겟 박막 데이터와 매칭되면, 상기 정적 프로세스 조건 데이터 및 상기 조정된 제1 동적 프로세스 조건 데이터에 기초한 성막 프로세스 조건을 사용해 상기 박막 성막 프로세스를 수행하는 단계
    를 더 포함하는, 박막 성막 방법.
  3. 제1항에 있어서,
    상기 박막 성막 프로세스는 원자 층 성막 프로세스인 것인, 박막 성막 방법.
  4. 제3항에 있어서,
    상기 박막 성막 프로세스를 수행하는 단계는 상기 원자 층 성막 프로세스의 제1 사이클을 수행하는 단계를 포함하는 것인, 박막 성막 방법.
  5. 제4항에 있어서,
    상기 제1 사이클 후에,
    상기 분석 모델을 사용해, 제2 동적 프로세스 조건 데이터를 식별하는 단계; 및
    상기 정적 프로세스 조건 데이터 및 상기 제2 동적 프로세스 조건 데이터에 기초하여 상기 원자 층 성막 프로세스의 제2 사이클을 수행하는 단계
    를 더 포함하는, 박막 성막 방법.
  6. 제1항에 있어서,
    상기 분석 모델은 신경망(neural network)을 포함하는 것인, 박막 성막 방법.
  7. 제1항에 있어서,
    상기 정적 프로세스 조건 데이터는,
    성막 물질;
    성막 표면의 피처(features); 및
    성막 장비의 연령
    중 하나 이상을 포함하는 것인, 박막 성막 방법.
  8. 제7항에 있어서,
    상기 제1 동적 프로세스 조건 데이터는,
    상기 성막 물질의 유량(flow rate);
    상기 성막 물질의 흐름 지속 시간;
    상기 성막 챔버의 압력;
    상기 성막 챔버의 온도; 및
    상기 성막 챔버의 습도
    중 하나 이상을 포함하는 것인, 박막 성막 방법.
  9. 박막 성막 방법에 있어서,
    박막의 특성을 예측하기 위해 머신 러닝 프로세스를 사용해 분석 모델(140)을 트레이닝시키는 단계;
    상기 분석 모델을 트레이닝시키는 단계 후에, 타겟 박막 데이터를 상기 분석 모델에 제공하는 단계;
    상기 분석 모델을 사용해, 상기 타겟 박막 데이터에 부합하는(comply) 예측 박막 데이터를 초래하는 프로세스 조건 데이터를 식별하는 단계; 및
    상기 프로세스 조건 데이터에 따라 성막 프로세스 조건을 사용해 반도체 웨이퍼(104)에 대해 박막 성막 프로세스를 수행하는 단계
    를 포함하는, 박막 성막 방법.
  10. 박막 성막 시스템에 있어서,
    박막 성막 챔버(102);
    상기 박막 성막 챔버 내에서 기판을 지지하도록 구성된 지지체(106);
    박막 성막 프로세스 동안 상기 박막 성막 챔버 내로 유체를 제공하도록 구성된 유체 소스(fluid source, 108); 및
    머신 러닝 프로세스에 기초하여 상기 박막 성막 프로세스에 대한 프로세스 조건 데이터를 식별하고 상기 프로세스 조건 데이터에 따라 상기 박막 성막 프로세스 동안 상기 유체 소스를 제어하도록 구성된 제어 시스템(124)
    을 포함하는, 박막 성막 시스템.
KR1020210032645A 2021-01-15 2021-03-12 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법 KR20220103583A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020240014113A KR20240018554A (ko) 2021-01-15 2024-01-30 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/150,699 2021-01-15
US17/150,699 US20220228265A1 (en) 2021-01-15 2021-01-15 System and method for dynamically adjusting thin-film deposition parameters

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240014113A Division KR20240018554A (ko) 2021-01-15 2024-01-30 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20220103583A true KR20220103583A (ko) 2022-07-22

Family

ID=81406674

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210032645A KR20220103583A (ko) 2021-01-15 2021-03-12 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법
KR1020240014113A KR20240018554A (ko) 2021-01-15 2024-01-30 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020240014113A KR20240018554A (ko) 2021-01-15 2024-01-30 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법

Country Status (5)

Country Link
US (1) US20220228265A1 (ko)
KR (2) KR20220103583A (ko)
CN (1) CN114457324A (ko)
DE (1) DE102021101885A1 (ko)
TW (1) TWI818241B (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230411222A1 (en) * 2022-05-24 2023-12-21 Applied Materials, Inc. Model-based parameter adjustments for deposition processes
CN115491652B (zh) * 2022-06-20 2024-07-26 江苏恒云太信息科技有限公司 管式pecvd硅片颜色值预测方法及镀膜时间控制方法
CN115458422A (zh) * 2022-09-06 2022-12-09 中国科学院半导体研究所 基于机器学习的半导体工艺过程控制方法
CN118261114B (zh) * 2024-05-29 2024-08-06 浙江创芯集成电路有限公司 薄膜数据系统的设计方法、存储介质及终端
CN118547268A (zh) * 2024-07-26 2024-08-27 上海派拉纶生物技术股份有限公司 一种Parylene镀覆系统、方法及控制模块

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6867149B2 (en) * 2002-09-27 2005-03-15 Euv Limited Liability Corporation Growth of multi-component alloy films with controlled graded chemical composition on sub-nanometer scale
JP2005200730A (ja) 2004-01-19 2005-07-28 Itagaki Kinzoku Kk レーザー光照射による酸化膜形成方法および装置
US9695510B2 (en) * 2011-04-21 2017-07-04 Kurt J. Lesker Company Atomic layer deposition apparatus and process
US20130273237A1 (en) * 2012-04-12 2013-10-17 David Johnson Method to Determine the Thickness of a Thin Film During Plasma Deposition
JP2015526693A (ja) * 2012-05-09 2015-09-10 エスアイオーツー・メディカル・プロダクツ・インコーポレイテッド Ｐｅｃｖｄ皮膜の検査方法
WO2014123544A1 (en) * 2013-02-11 2014-08-14 Halliburton Energy Services, Inc. Fluid analysis system with integrated computation element formed using atomic layer deposition
CN105895530B (zh) * 2016-03-11 2019-03-19 中国科学院微电子研究所 二维材料结构的制造方法和二维材料器件
CN106521459B (zh) 2016-08-17 2018-04-17 中山大学 一种mocvd设备生长均匀性工艺参数的优化方法
CN106252252B (zh) * 2016-08-30 2019-03-26 上海华力微电子有限公司 保形沉积的薄膜厚度预测模型建立及应用方法
US20190109029A1 (en) * 2017-10-05 2019-04-11 Globalfoundries Inc. Methods, Apparatus and System for Dose Control for Semiconductor Wafer Processing
WO2019130159A1 (ja) * 2017-12-27 2019-07-04 株式会社半導体エネルギー研究所 薄膜製造装置、およびニューラルネットワークを用いた薄膜製造装置
US20200043764A1 (en) * 2018-03-20 2020-02-06 Tokyo Electron Limited Self-aware and correcting heterogenous platform incorporating integrated semiconductor processing modules and method for using same
US11094556B2 (en) * 2018-06-29 2021-08-17 Taiwan Semiconductor Manufacturing Co., Ltd. Method of manufacturing semiconductor devices using directional process
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
KR102180827B1 (ko) * 2018-09-21 2020-11-19 주식회사 포스코 도금량 제어 장치 및 도금량 제어 방법
KR101965605B1 (ko) * 2018-11-02 2019-08-13 주식회사 아이브이웍스 박막 증착 공정을 제어하기 위한 장치, 방법 및 명령을 기록한 기록 매체
EP3891558A1 (en) * 2018-12-03 2021-10-13 ASML Netherlands B.V. Method to predict yield of a semiconductor manufacturing process
US10885963B2 (en) * 2018-12-14 2021-01-05 Intel Corporation Ferroelectric memory-based synapses
KR102611986B1 (ko) * 2018-12-19 2023-12-08 삼성전자주식회사 반도체 소자의 형상 예측 방법
TWI846810B (zh) * 2019-02-15 2024-07-01 日商半導體能源研究所股份有限公司 半導體裝置及電子裝置
JP6696059B1 (ja) 2019-03-04 2020-05-20 Ｓｐｐテクノロジーズ株式会社 基板処理装置のプロセス判定装置、基板処理システム及び基板処理装置のプロセス判定方法
CN113874993B (zh) * 2019-03-29 2024-10-18 朗姆研究公司 用于衬底处理系统的基于模型的调度
DE102020100565A1 (de) 2020-01-13 2021-07-15 Aixtron Se Verfahren zum Abscheiden von Schichten
US20230195078A1 (en) * 2021-12-21 2023-06-22 Applied Materials, Inc. Methods and mechanisms for adjusting process chamber parameters during substrate manufacturing

Also Published As

Publication number Publication date
DE102021101885A1 (de) 2022-07-21
TWI818241B (zh) 2023-10-11
CN114457324A (zh) 2022-05-10
KR20240018554A (ko) 2024-02-13
US20220228265A1 (en) 2022-07-21
TW202230183A (zh) 2022-08-01

Similar Documents

Publication Publication Date Title
KR20220103583A (ko) 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법
US11836429B2 (en) Determination of recipes for manufacturing semiconductor devices
US6772072B2 (en) Method and apparatus for monitoring solid precursor delivery
JP5337376B2 (ja) 単分子層堆積方法および装置
CN107043927B (zh) 原料气体供给装置和原料气体供给方法
Liu et al. A survey of run-to-run control for batch processes
JP4994245B2 (ja) 単分子層堆積方法
US20220245307A1 (en) Hybrid physics/machine learning modeling of processes
KR20230167153A (ko) 열적 에칭 및 원자 층 에칭에서 에칭 특성들 예측
US6511898B1 (en) Method for controlling deposition parameters based on polysilicon grain size feedback
Ding et al. Microscopic modeling and optimal operation of plasma enhanced atomic layer deposition
Paulson et al. Intelligent agents for the optimization of atomic layer deposition
US20240019410A1 (en) Concentration sensor for precursor delivery system
Spencer et al. Investigation of the chemical vapor deposition of Cu from copper amidinate through data driven efficient CFD modelling
CN114222830A (zh) 在半导体制造中的动态工艺控制
US10752995B2 (en) Material delivery system and method
JPH05502320A (ja) 沈澱反応のための反応物濃度制御方法及び装置
US20220356578A1 (en) System and method for monitoring and performing thin film deposition
US20210189561A1 (en) System and method for monitoring and performing thin film deposition
Cagnazzo et al. Atomic Layer Deposition Optimization Using Convolutional Neural Networks
US20230069081A1 (en) Method and system for adjusting the gap between a wafer and a top plate in a thin-film deposition process
US20240210916A1 (en) Machine and deep learning techniques for predicting ecological efficiency in substrate processing
Yun First-Principles and Multiscale Modeling for Design and Operation of Atomic Layer Processing
Gkinis Enabling efficient analysis of CVD processes by combining CDF and data-driver reduced-ordet modelig
KR20210157858A (ko) 접촉 구조체를 가지는 반도체 디바이스

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination
A107 Divisional application of patent