KR20230062679A - 모니터링을 위해 신경망을 사용하는 연마 장치 - Google Patents

모니터링을 위해 신경망을 사용하는 연마 장치 Download PDF

Info

Publication number
KR20230062679A
KR20230062679A KR1020237014551A KR20237014551A KR20230062679A KR 20230062679 A KR20230062679 A KR 20230062679A KR 1020237014551 A KR1020237014551 A KR 1020237014551A KR 20237014551 A KR20237014551 A KR 20237014551A KR 20230062679 A KR20230062679 A KR 20230062679A
Authority
KR
South Korea
Prior art keywords
multiplicity
initial values
substrate
neural network
polishing
Prior art date
Application number
KR1020237014551A
Other languages
English (en)
Other versions
KR102643391B1 (ko
Inventor
쿤 쑤
하산 지. 이라바니
데니스 이바노프
보그슬라브 에이. 스베덱
시-하우르 셴
해리 큐. 리
벤자민 체리안
Original Assignee
어플라이드 머티어리얼스, 인코포레이티드
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 어플라이드 머티어리얼스, 인코포레이티드 filed Critical 어플라이드 머티어리얼스, 인코포레이티드
Priority to KR1020247006795A priority Critical patent/KR20240033142A/ko
Publication of KR20230062679A publication Critical patent/KR20230062679A/ko
Application granted granted Critical
Publication of KR102643391B1 publication Critical patent/KR102643391B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B24B37/013—Devices or means for detecting lapping completion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/34—Accessories
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • 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
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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 at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System 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
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • 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 at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System 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
    • H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement

Abstract

연마 스테이션에서 기판 상에 층을 연마하는 방법은, 층 상의 복수의 상이한 위치들에 대한 복수의 측정된 신호들을 생성하기 위해 인-시튜 모니터링 시스템으로 연마 스테이션에서의 연마 동안 층을 모니터링하고, 복수의 상이한 위치들의 각각의 위치에 대해, 위치의 추정된 두께 측정치를 생성하고 ― 생성하는 것은, 신경망을 통해 복수의 측정된 신호들을 처리하는 것을 포함함 ―, 각각의 추정된 두께 측정치에 기반하여, 연마 종료점을 검출하는 것 또는 연마 파라미터를 수정하는 것 중 적어도 하나를 행하는 작동들을 포함한다.

Description

모니터링을 위해 신경망을 사용하는 연마 장치{POLISHING APPARATUS USING NEURAL NETWORK FOR MONITORING}
본 개시내용은 기판의 연마 동안의 인-시튜 모니터링에 관한 것이다.
집적 회로는 전형적으로, 규소 웨이퍼 상에서의 전도성 층, 반도체 층 또는 절연성 층의 순차적 증착에 의해 그리고 그 층들의 후속 처리에 의해 기판(예컨대, 반도체 웨이퍼) 상에 형성된다.
하나의 제조 단계는, 비-평탄 표면 위에 충전재 층을 증착하고, 비-평탄 표면이 노출될 때까지 그 충전재 층을 평탄화하는 것을 수반한다. 예컨대, 패터닝된 절연성 층 상에 전도성 충전재 층이 증착되어, 절연성 층의 트렌치들 또는 홀들을 충전할 수 있다. 그런 다음, 절연성 층의 융기된 패턴이 노출될 때까지 충전재 층이 연마된다. 평탄화 후에, 절연성 층의 융기된 패턴 사이에 남아있는 전도성 층의 부분들은, 기판 상의 박막 회로들 사이에 전도성 경로들을 제공하는 비아들, 플러그들, 및 라인들을 형성한다. 또한, 리소그래피를 위해 기판 표면을 평탄화하도록, 평탄화(planarization)가 사용될 수 있다.
화학적 기계적 연마(CMP)는 평탄화의 하나의 용인된 방법이다. 이러한 평탄화 방법은 전형적으로, 캐리어 헤드 상에 기판이 장착될 것을 요구한다. 기판의 노출된 표면은, 회전하는 연마 패드에 맞닿게(against) 배치된다. 캐리어 헤드는 연마 패드에 맞닿게 기판을 밀기 위해 기판 상에 제어가능한 하중을 제공한다. 연마 액체, 이를테면 연마 입자들을 갖는 슬러리가 연마 패드의 표면에 공급된다.
반도체 처리 동안, 기판 또는 기판 상의 층들의 하나 이상의 특성을 결정하는 것이 중요할 수 있다. 예컨대, CMP 프로세스 동안, 프로세스가 정확한 시간에 종결될 수 있도록 전도성 층의 두께를 아는 것이 중요할 수 있다. 기판 특성들을 결정하기 위해 다수의 방법들이 사용될 수 있다. 예컨대, 화학적 기계적 연마 동안의 기판의 인-시튜 모니터링을 위해 광학 센서들이 사용될 수 있다. 대안적으로(또는 부가하여), 기판의 전도성 구역에 와전류를 유도하여 전도성 구역의 국지적 두께와 같은 파라미터들을 결정하기 위해, 와전류 감지 시스템이 사용될 수 있다.
일 양상에서, 연마 스테이션에서 기판 상에 층을 연마하는 방법은, 층 상의 복수의 상이한 위치들에 대한 복수의 측정된 신호들을 생성하기 위해 인-시튜 모니터링 시스템으로 연마 스테이션에서의 연마 동안 층을 모니터링하는 단계, 복수의 상이한 위치들의 각각의 위치에 대해, 위치의 추정된 두께 측정치를 생성하는 단계 ― 생성하는 단계는, 신경망을 통해 복수의 측정된 신호들을 처리하는 단계를 포함함 ―, 각각의 추정된 두께 측정치에 기반하여, 연마 종료점을 검출하는 것 또는 연마 파라미터를 수정하는 것 중 적어도 하나를 행하는 단계를 포함한다.
다른 양상에서, 대응하는 컴퓨터 시스템들, 장치, 및 하나 이상의 컴퓨터 저장 디바이스 상에 기록된 컴퓨터 프로그램들은 방법을 수행하도록 구성된다. 하나 이상의 컴퓨터의 시스템은, 동작 시 시스템으로 하여금 작동들을 수행하게 할 수 있는 시스템 상에 설치된 소프트웨어, 펌웨어, 하드웨어, 또는 이들의 임의의 조합에 의하여 특정 동작들 또는 작동들을 수행하도록 구성될 수 있다. 하나 이상의 컴퓨터 프로그램은, 데이터 처리 장치에 의해 실행될 때 장치로 하여금 작동들을 수행하게 하는 명령어들을 포함하는 것에 의하여 특정 동작들 또는 작동들을 수행하도록 구성될 수 있다.
다른 양상에서, 연마 시스템은, 기판을 보유하기 위한 캐리어, 연마 표면에 대한 지지부, 센서를 갖는 인-시튜 모니터링 시스템, 센서와 기판 간의 상대적인 움직임을 생성하기 위한 모터, 및 제어기를 포함한다. 인-시튜 모니터링 시스템은, 층 상의 복수의 상이한 위치들에 대한 측정된 신호들을 생성하도록 구성된다. 제어기는, 인-시튜 모니터링 시스템으로부터 복수의 측정된 신호들을 수신하고, 복수의 상이한 위치들의 각각의 위치에 대해, 위치의 추정된 두께 측정치를 생성하고 ― 생성하는 것은, 신경망을 통해 복수의 측정된 신호들을 처리하는 것을 포함함 ―, 각각의 추정된 두께 측정치에 기반하여, 연마 종료점을 검출하거나, 연마 파라미터를 수정하거나, 또는 둘 모두를 행하도록 구성된다.
위의 양상들 중 임의의 양상의 구현들은 다음의 특징들 중 하나 이상을 포함할 수 있다.
층 상의 제2 복수의 상이한 위치들에 대해 제2 복수의 측정된 신호들이 획득될 수 있다. 제2 복수의 상이한 위치들의 각각의 위치에 대해, 위치의 추정된 두께 측정치는 위치에 대한 측정된 신호에 기반하여 생성될 수 있다. 추정된 두께 측정치를 생성하는 것은, 측정된 신호들의 다수의 값들을 추정된 두께 측정치의 다수의 값들과 관련시키는 정적 공식을 사용하는 것을 포함할 수 있다. 제2 기판 상의 층에 대해 제3 복수의 측정된 신호들이 획득될 수 있다. 제3 복수의 측정된 신호들 각각은, 제2 기판 상의 층 상의 제3 복수의 위치들의 위치에 대응할 수 있다. 제3 복수의 상이한 위치들의 각각의 위치에 대해, 위치의 추정된 두께 측정치는 위치에 대한 측정된 신호에 기반하여 생성될 수 있다. 추정된 두께 측정치를 생성하는 것은, 측정된 신호들의 다수의 값들을 추정된 두께 측정치의 다수의 값들과 관련시키는 정적 공식을 사용하는 것을 포함할 수 있다.
인-시튜 모니터링 시스템은 와전류 센서를 포함할 수 있다. 신경망은, 입력 계층, 출력 계층, 및 하나 이상의 은닉 계층을 포함하는 하나 이상의 신경망 계층을 포함할 수 있으며, 각각의 신경망 계층은 하나 이상의 신경망 노드를 포함할 수 있다. 각각의 신경망 노드는, 출력을 생성하기 위해 파라미터들의 세트에 따라 입력을 처리하도록 구성될 수 있다. 입력 계층에서의 신경망 노드에 대한 입력은 연마 스테이션의 패드의 마모 측정치를 포함할 수 있다. 하나 이상의 상이한 위치는 앵커 위치를 포함할 수 있고, 각각의 제1 두께 측정치를 결정하는 것은, 측정된 신호를 업데이트하기 위해 앵커 위치에 대한 측정된 신호에 기반하여 각각의 측정된 신호를 정규화하는 것을 포함할 수 있다. 앵커 위치는 기판의 가장자리로부터 이격될 수 있다. 각각의 추정된 두께 측정치는 정규화된 값일 수 있고, 방법은, 추정된 두께 측정치를 업데이트하기 위해 앵커 위치에 대한 측정된 신호를 사용하여 각각의 추정된 두께 측정치를 비-정규화된 값으로 변환하는 작동을 더 포함할 수 있다.
층의 하나 이상의 상이한 위치의 각각의 위치에 대하여 실제(ground truth) 두께 측정치가 획득될 수 있다. 각각의 위치에 대한 추정된 두께 측정치와 그 위치에 대한 대응 실제 두께 측정치들 간의 오차 측정치가 계산될 수 있다. 신경망 시스템의 파라미터들은 오차 측정치에 기반하여 업데이트될 수 있다. 실제 두께 측정치는 4-포인트 프로브(four-points probes) 방법에 기반하여 결정될 수 있다. 오차 측정치에 기반하여 신경망 시스템의 파라미터들을 업데이트하는 것은, 신경망의 복수의 계층들을 통해 오차 측정치의 경사를 역전파하는 것을 포함할 수 있다.
특정 구현들은 다음의 이점들 중 하나 이상을 포함할 수 있다. 인-시튜 모니터링 시스템, 예컨대 와전류 모니터링 시스템은, 기판들에 걸친 센서 스캔들로써 신호를 생성할 수 있다. 시스템은, 기판 가장자리에 대응하는 신호의 부분에서의 왜곡들을 보상할 수 있다. 신호는, 연마 파라미터, 예컨대 캐리어 헤드 압력의 종료점 제어 및/또는 폐쇄 루프 제어에 사용될 수 있으며, 따라서, 개선된 웨이퍼 내 불균일성(WIWNU) 및 웨이퍼 간 불균일성(WTWNU)이 제공된다.
하나 이상의 구현의 세부사항들은 첨부한 도면들 및 아래의 설명에서 기재된다. 다른 양상들, 특징들 및 이점들은, 설명 및 도면들로부터, 그리고 청구항들로부터 명백해질 것이다.
도 1a는, 와전류 모니터링 시스템을 포함하는 화학적 기계적 연마 스테이션의 개략적인 부분 측단면도이다.
도 1b는, 화학적 기계적 연마 스테이션의 개략적인 평면도이다.
도 2는, 연마 장치의 센서 헤드에 의해 스캐닝되는 기판의 개략적인 평면도이다.
도 3은, 측정된 신호들에 기반하여 기판 두께를 결정하기 위한 정적 공식의 개략적인 그래프이다.
도 4는, 기판 상의 위치들을 모니터링하는 동안 획득된 측정된 신호들의 개략적인 그래프이다.
도 5는 예시적인 신경망이다.
도 6은, 기판을 연마하기 위한 예시적인 프로세스의 흐름도이다.
도 7은, 신경망을 사용하여, 추정된 두께 측정치들을 생성하기 위한 예시적인 프로세스의 흐름도이다.
도 8은, 측정된 신호들의 그룹에 대한 수정된 신호들을 생성하기 위해 신경망을 훈련시키기 위한 예시적인 프로세스의 흐름도이다.
다양한 도면들에서 동일한 참조 기호들은 동일한 요소들을 표시한다.
연마 장치는, 기판 상에 연마되고 있는 외측 층의 두께를 검출하기 위해, 인-시튜 모니터링 시스템, 예컨대 와전류 모니터링 시스템을 사용할 수 있다. 외측 층의 연마 동안, 인-시튜 모니터링 시스템은 기판 상의 층의 상이한 위치들의 두께를 결정할 수 있다. 두께 측정치들은, 연마 종료점을 촉발하고/거나 연마 프로세스의 처리 파라미터들을 실시간으로 조정하는 데 사용될 수 있다. 예컨대, 기판 캐리어 헤드는, 외측 층의 위치들의 연마율을 증가 또는 감소시키기 위해 기판의 후면측 상의 압력을 조정할 수 있다. 연마율은, 층의 위치들이 연마 이후에 실질적으로 동일한 두께이도록 조정될 수 있다. CMP 시스템은, 층의 위치들의 연마가 거의 동시에 완료되도록 연마율을 조정할 수 있다. 그러판 프로파일 제어는 실시간 프로파일 제어(RTPC)로 지칭될 수 있다.
인-시튜 모니터링 시스템은, 기판 가장자리에 가까운 위치들에서 측정치들에 대한 신호 왜곡을 겪을 수 있다. 예컨대, 와전류 모니터링 시스템은 자기장을 생성할 수 있다. 기판 가장자리 근처에서, 신호는 부자연스럽게 낮을 수 있는데, 그 이유는, 자기장이 기판의 전도성 층과 부분적으로만 중첩하기 때문이다. 하지만, 연마 장치가, 인-시튜 모니터링 시스템에 의해 생성된 측정된 신호들에 기반하여, 수정된 신호들을 생성하기 위해 신경망을 사용하는 경우, 장치는 기판 가장자리에서의 왜곡들, 예컨대 감소된 신호 강도를 보상할 수 있다.
도 1a 및 도 1b는 연마 장치(100)의 예를 예시한다. 연마 장치(100)는, 상부에 연마 패드(110)가 위치하는 회전가능한 디스크-형상 플래튼(120)을 포함한다. 플래튼은 축(125)을 중심으로 회전하도록 동작가능하다. 예컨대, 모터(121)는, 구동 샤프트(124)를 회전시켜 플래튼(120)을 회전시킬 수 있다. 연마 패드(110)는, 외측 연마 층(112) 및 더 연질의 후면 층(114)을 갖는 2층 연마 패드일 수 있다.
연마 장치(100)는, 슬러리와 같은 연마 액체(132)를 연마 패드(110) 상에 분배하기 위한 포트(130)를 포함할 수 있다. 연마 장치는 또한, 연마 패드(110)를 마모시켜 연마 패드(110)를 일관된 연마용 상태로 유지시키기 위한 연마 패드 컨디셔너(conditioner)를 포함할 수 있다.
연마 장치(100)는 적어도 하나의 캐리어 헤드(140)를 포함한다. 캐리어 헤드(140)는, 연마 패드(110)에 맞닿게 기판(10)을 유지하도록 동작가능하다. 캐리어 헤드(140)는, 각각의 개개의 기판과 연관된 연마 파라미터들, 예컨대 압력을 독립적으로 제어할 수 있다.
특히, 캐리어 헤드(140)는, 가요성 멤브레인(144) 아래에 기판(10)을 유지하기 위한 유지 링(142)을 포함할 수 있다. 캐리어 헤드(140)는 또한, 가요성 멤브레인(144) 상의 연관된 구역 그리고 그에 따라 기판(10) 상의 연관된 구역에 독립적으로 제어가능한 압력들을 인가할 수 있는, 멤브레인에 의해 정의되는 복수의 독립적으로 제어가능한 가압가능 챔버들, 예컨대 3개의 챔버(146a-146c)를 포함한다. 예시의 용이성을 위해 3개의 챔버만이 도 1에 예시되지만, 하나 또는 2개의 챔버, 또는 4개 이상의 챔버, 예컨대 5개의 챔버가 존재할 수 있다.
캐리어 헤드(140)는 지지 구조(150), 예컨대, 캐러셀 또는 트랙으로부터 매달리며, 구동 샤프트(152)에 의해 캐리어 헤드 회전 모터(154)에 연결됨으로써 캐리어 헤드가 축(155)을 중심으로 회전할 수 있다. 임의적으로, 캐리어 헤드(140)는, 예컨대 캐러셀(150) 또는 트랙 상의 슬라이더들 상에서 측방향으로 진동하거나 또는 캐러셀 그 자체의 회전 진동에 의해 측방향으로 진동할 수 있다. 동작 시, 플래튼은 자신의 중심 축(125)을 중심으로 회전되고, 캐리어 헤드는, 자신의 중심 축(155)을 중심으로 회전되고 연마 패드의 최상부 표면에 걸쳐 측방향으로 병진이동된다.
하나의 캐리어 헤드(140)만이 도시되지만, 연마 패드(110)의 표면적이 효율적으로 사용될 수 있도록 부가적인 기판들을 유지하기 위해 더 많은 캐리어 헤드가 제공될 수 있다.
연마 장치(100)는 또한 인-시튜 모니터링 시스템(160)을 포함한다. 인-시튜 모니터링 시스템(160)은, 기판 상의 층의 두께에 의존하는 일련의 시변 값들을 생성한다. 인-시튜 모니터링 시스템(160)은 측정치들이 생성되는 센서 헤드를 포함하며, 기판과 센서 헤드 간의 상대적인 움직임으로 인해, 측정치들은 기판 상의 상이한 위치들에서 취해질 것이다.
인-시튜 모니터링 시스템(160)은 와전류 모니터링 시스템일 수 있다. 와전류 모니터링 시스템(160)은, 기판 상의 전도성 층에 와전류를 유도하기 위한 구동 시스템, 및 구동 시스템에 의해 전도성 층에 유도된 와전류를 검출하기 위한 감지 시스템을 포함한다. 모니터링 시스템(160)은 플래튼과 함께 회전하도록 오목부(128)에 위치된 코어(162), 코어(162)의 일부분 주위에 감겨진 적어도 하나의 코일(164), 및 배선(168)에 의해 코일(164)에 연결된 구동 및 감지 회로(166)를 포함한다. 코어(162)와 코일(164)의 조합은 센서 헤드를 제공할 수 있다. 일부 구현들에서, 코어(162)는 플래튼(120)의 최상부 표면 위로, 예컨대, 연마 패드(110)의 최하부의 오목부(118) 내로 돌출된다.
구동 및 감지 회로(166)는 진동 전기 신호를 코일(164)에 인가하고 결과적인 와전류를 측정하도록 구성된다. 예컨대, 미국 특허 제6,924,641호, 제7,112,960호 및 제8,284,560호, 및 미국 특허 공개 번호 제2011-0189925호 및 제2012-0276661호에서 설명된 바와 같은, 구동 및 감지 회로에 대한 그리고 코일(들)의 구성 및 위치에 대한 다양한 구성들이 가능하다. 구동 및 감지 회로(166)는 동일한 오목부(128)에 또는 플래튼(120)의 상이한 부분에 위치될 수 있거나, 플래튼(120) 외부에 위치되고 회전식 전기 접합관(union)(129)을 통해 플래튼의 구성요소들에 결합될 수 있다.
동작 시, 구동 및 감지 회로(166)는 코일(164)을 구동하여 진동 자기장을 생성한다. 자기장의 적어도 일부분은 연마 패드(110)를 통해 기판(10) 내로 확장된다. 전도성 층이 기판(10) 상에 존재하는 경우, 진동 자기장은 전도성 층에 와전류를 생성한다. 와전류는, 전도성 층으로 하여금, 구동 및 감지 회로(166)에 결합되는 임피던스 소스로서 작동하게 한다. 전도성 층의 두께가 변화함에 따라 임피던스가 변화하며, 이는 구동 및 감지 회로(166)에 의해 검출될 수 있다.
대안적으로 또는 그에 부가하여, 반사계 또는 간섭계로서 기능할 수 있는 광학 모니터링 시스템이 오목부(128)에서 플래튼(120)에 고정될 수 있다. 두 시스템 모두가 사용되는 경우, 광학 모니터링 시스템 및 와전류 모니터링 시스템은 기판의 동일한 부분을 모니터링할 수 있다.
CMP 장치(100)는 또한 코어(162)가 기판(10) 아래에 있을 때를 감지하기 위해 광학 인터럽터와 같은 위치 센서(180)를 포함할 수 있다. 예컨대, 광학 인터럽터는 캐리어 헤드(140)에 대향하게 고정된 지점에 장착될 수 있다. 플래그(182)가 플래튼의 주변부에 부착된다. 플래그(182)의 부착 지점 및 길이는, 코어(162)가 기판(10) 아래에서 스위핑할 때 플래그(182)가 센서(180)의 광학 신호를 가로막도록 선택된다. 대안적으로 또는 그에 부가하여, CMP 장치는 플래튼의 각도 위치를 결정하기 위해 인코더를 포함할 수 있다.
제어기(190), 예컨대 범용 프로그래밍가능 디지털 컴퓨터는, 와전류 모니터링 시스템(160)으로부터 강도 신호들을 수신한다. 제어기(190)는, 프로세서, 메모리, 및 I/O 디바이스들뿐만 아니라 출력 디바이스(192), 예컨대 모니터, 및 입력 디바이스(194), 예컨대 키보드를 포함할 수 있다.
신호들은 회전식 전기 접합관(129)을 통해 와전류 모니터링 시스템(160)으로부터 제어기(190)로 전달될 수 있다. 대안적으로, 회로(166)는 무선 신호에 의해 제어기(190)와 통신할 수 있다.
코어(162)가 플래튼의 각각의 회전에 따라 기판 아래에서 스위핑하므로, 전도성 층 두께에 대한 정보가 인-시튜로 그리고 연속적인 실시간 기반으로 (플래튼 회전마다 한번) 축적된다. 제어기(190)는, 기판이 일반적으로 코어(162) 위에 놓일 때(위치 센서에 의해 결정됨) 모니터링 시스템으로부터의 측정치들을 샘플링하도록 프로그래밍될 수 있다. 연마가 진행됨에 따라, 전도성 층의 두께가 변하고, 샘플링된 신호들이 시간에 따라 변화한다. 시변 샘플링된 신호들은 트레이스들로 지칭될 수 있다. 모니터링 시스템들로부터의 측정치들은, 디바이스의 작업자가 연마 동작의 진행을 시각적으로 모니터링하는 것을 허용하기 위해, 연마 동안 출력 디바이스(192) 상에 표시될 수 있다.
동작 시, CMP 장치(100)는 충전재 층의 대부분이 제거된 때를 결정하고/거나 하부 정지 층이 실질적으로 노출된 때를 결정하기 위해, 와전류 모니터링 시스템(160)을 사용할 수 있다. 검출기 논리를 위한 가능한 프로세스 제어 및 종료점 기준들은 국지적 최소치 또는 최대치, 기울기 변화들, 진폭 또는 기울기의 임계값들, 또는 이들의 조합들을 포함한다.
제어기(190)는 또한, 캐리어 헤드(140)에 의해 인가되는 압력을 제어하는 압력 메커니즘들, 캐리어 헤드 회전율을 제어하기 위한 캐리어 헤드 회전 모터(154), 플래튼 회전율을 제어하기 위한 플래튼 회전 모터(121), 또는 연마 패드에 공급되는 슬러리 조성을 제어하기 위한 슬러리 분배 시스템(130)에 연결될 수 있다. 게다가, 컴퓨터(190)는, 미국 특허 제6,399,501호에 논의된 바와 같이, 기판 아래에서의 각각의 스윕으로부터의 와전류 모니터링 시스템(160)으로부터의 측정치들을 복수의 샘플링 구역들로 분할하고, 각각의 샘플링 구역의 반경방향 위치를 계산하고, 진폭 측정치들을 반경방향 범위들로 분류하도록 프로그래밍될 수 있다. 측정치들을 반경방향 범위들로 분류한 후에, 캐리어 헤드에 의해 인가되는 연마 압력 프로파일을 주기적으로 또는 지속적으로 수정하여 개선된 연마 균일성을 제공하기 위해, 막 두께에 대한 정보가 폐쇄 루프 제어기에 실시간으로 공급될 수 있다.
제어기(190)는, 인-시튜 모니터링 시스템(160)에 의해 측정된 신호를 기판(10) 상에서 연마되고 있는 층의 두께와 관련시켜 연마되고 있는 층의 두께의 추정된 측정치를 생성하는 상관 곡선을 사용할 수 있다. 상관 곡선(303)의 예가 도 3에 도시된다. 도 3에 도시된 좌표계에서, 수평 축은 인-시튜 모니터링 시스템(160)으로부터 수신된 신호의 값을 표현하는 반면, 수직 축은 기판(10)의 층의 두께에 대한 값을 표현한다. 주어진 신호 값에 대해, 제어기(190)는 상관 곡선(303)을 사용하여 대응하는 두께 값을 생성할 수 있다. 상관 곡선(303)은, 센서 헤드가 신호를 획득한 시간 또는 위치에 관계없이 각각의 신호 값에 대한 두께 값을 예측한다는 점에서 "정적" 공식으로 간주될 수 있다. 상관 곡선은 다양한 함수들, 이를테면 다항식 함수, 또는 선형 보간과 결합된 순람표(LUT)에 의해 표현될 수 있다.
도 1b 및 도 2를 참조하면, 기판(10)에 대한 센서 헤드의 위치에서의 변화들은 인-시튜 모니터링 시스템(160)으로부터의 신호에서의 변화를 초래할 수 있다. 즉, 센서 헤드가 기판(10)에 걸쳐 스캐닝함에 따라, 인-시튜 모니터링 시스템(160)은 기판(10)의 상이한 위치들에서의 다수의 구역들(94), 예컨대 측정 스폿들에 대한 측정들을 행할 것이다. 구역들(94)은 부분적으로 중첩될 수 있다(도 2 참조).
도 4는, 기판(10) 아래로의 센서 헤드의 단일 통과 동안의 인-시튜 모니터링 시스템(160)으로부터의 신호(401)를 도시하는 그래프(420)를 예시한다. 신호(401)는, 센서 헤드가 기판 아래에서 스위핑함에 따른 센서 헤드로부터의 일련의 개별 측정치들로 구성된다. 그래프(420)는, 기판에 대한 측정치의 측정 시간 또는 위치, 예컨대 반경방향 위치의 함수일 수 있다. 어느 경우에서든, 신호(401)의 상이한 부분들은 센서 헤드에 의해 스캐닝된 기판(10) 상의 상이한 위치들에서의 측정 스폿들(94)에 대응한다. 따라서, 그래프(420)는, 센서 헤드에 의해 스캐닝된 기판의 주어진 위치에 대한, 신호(401)로부터의 대응하는 측정된 신호 값을 도시한다.
도 2 및 도 4를 참조하면, 신호(401)는, 센서 헤드가 기판(10)의 선단 가장자리와 교차할 때의 기판(10)의 가장자리 구역(203) 내의 위치들에 대응하는 제1 부분(422), 기판(10)의 중앙 구역(201) 내의 위치들에 대응하는 제2 부분(424), 및 센서 헤드가 기판(10)의 후단 가장자리와 교차할 때의 가장자리 구역(203) 내의 위치들에 대응하는 제3 부분(426)을 포함한다. 신호는 또한 기판을 벗어난 측정치들에 대응하는 부분들(428), 즉, 센서 헤드가 도 2에서 기판(10)의 가장자리(204) 너머의 영역들을 스캐닝할 때 생성된 신호들을 포함할 수 있다.
가장자리 구역(203)은, 센서 헤드의 측정 스폿들(94)이 기판 가장자리(204)와 중첩되는 기판의 부분에 대응할 수 있다. 중앙 구역(201)은, 가장자리 구역(203)에 인접한 환형 앵커 구역(202), 및 앵커 구역(202)에 의해 둘러싸이는 내측 구역(205)을 포함할 수 있다. 센서 헤드는 자신의 경로(210) 상의 이러한 구역들을 스캐닝하고, 경로(210)를 따른 일련의 위치들에 대응하는 일련의 측정치들을 생성할 수 있다.
제1 부분(422)에서, 신호 강도는 초기 강도(전형적으로, 기판이 존재하지 않고 캐리어 헤드가 존재하지 않을 때 초래되는 신호)로부터 더 높은 강도로 상승된다. 이는, 모니터링 위치가, 처음에 기판의 가장자리(204)에서 기판과 약간만 중첩(초기의 더 낮은 값들이 생성됨)되는 것으로부터 기판과 거의 전체적으로 중첩(더 높은 값들이 생성됨)되는 모니터링 위치로 전이되는 것에 의해 야기된다. 유사하게, 제3 부분(426)에서, 모니터링 위치가 기판의 가장자리(204)로 전이될 때 신호 강도가 하강한다.
제2 부분(424)이 편평한 것으로 예시되지만, 이는 간략화를 위한 것이고, 제2 부분(424)에서의 실제 신호는 잡음 및 층 두께에서의 변동들 둘 모두로 인한 요동들을 포함할 가능성이 있을 것이다. 제2 부분(424)은 중앙 구역(201)을 스캐닝하는 모니터링 위치에 대응한다. 제2 부분(424)은, 중앙 구역(201)의 앵커 구역(202)을 스캐닝하는 모니터링 위치에 의해 야기되는 하위 부분들(421 및 423), 및 중앙 구역(201)의 내측 구역(205)을 스캐닝하는 모니터링 위치에 의해 야기되는 하위 부분(427)을 포함한다.
위에 언급된 바와 같이, 구역들(422, 426)에서의 신호 강도에서의 변동은, 모니터링되는 층의 두께 또는 전도도에서의 내재적 변동보다는 센서의 측정 구역이 기판 가장자리와 중첩되는 것에 의해 부분적으로 야기된다. 결과적으로, 신호(401)에서의 이러한 왜곡은, 기판 가장자리 근처에서의 기판에 대한 특성화 값, 예컨대 층의 두께를 계산함에 있어 오차들을 야기할 수 있다. 이러한 문제를 해결하기 위해서, 제어기(190)는, 기판(10)의 하나 이상의 위치에 대응하는 수정된 신호를 그 위치들에 대응하는 측정된 신호들에 기반하여 생성하기 위해 신경망, 예컨대 도 5의 신경망(500)을 포함할 수 있다.
이제 도 5를 참조하면, 신경망(500)은, 적절하게 훈련될 때, 기판 가장자리 근처에서의 계산된 신호 값들의 왜곡을 감소 및/또는 제거하는 수정된 신호들을 생성하도록 구성된다. 신경망(500)은 입력들(504)의 그룹을 수신하고 하나 이상의 신경망 계층을 통해 입력들(504)을 처리하여 출력들(550)의 그룹을 생성한다. 신경망(500)의 계층들은, 입력 계층(510), 출력 계층(530), 및 하나 이상의 은닉 계층(520)을 포함한다.
신경망(500)의 각각의 계층은 하나 이상의 신경망 노드를 포함한다. 신경망 계층 내의 각각의 신경망 노드는, (신경망(500)에 대한 입력들(504)들로부터 또는 선행 신경망 계층의 하나 이상의 노드의 출력으로부터) 하나 이상의 노드 입력 값을 수신하고, 하나 이상의 파라미터 값에 따라 노드 입력 값들을 처리하여 활성화 값을 생성하고, 활성화 값에 비-선형 변환 함수(예컨대, 시그모이드(sigmoid) 또는 쌍곡선 탄젠트(tanh) 함수)를 임의적으로 적용하여 신경망 노드에 대한 출력을 생성한다.
입력 계층(510)에서의 각각의 노드는, 신경망(500)에 대한 입력들(504) 중 하나를 노드 입력 값으로서 수신한다.
신경망에 대한 입력들(504)은, 기판(10)의 다수의 상이한 위치들에 대한 인-시튜 모니터링 시스템(160)으로부터의 측정된 신호 값들, 이를테면, 제1 측정된 신호 값(501), 제2 측정된 신호 값(502), 내지 제n 측정된 신호 값(503)을 포함한다. 측정된 신호 값들은 신호(401)에서의 일련의 값들의 개별 값들일 수 있다.
일반적으로, 다수의 상이한 위치들은 기판(10)의 가장자리 구역(203) 및 앵커 구역(202) 내의 위치들을 포함한다. 일부 구현들에서, 다수의 상이한 위치들은 가장자리 구역(203) 및 앵커 구역(202) 내에만 있다. 다른 구현들에서, 다수의 상이한 위치들은 기판의 모든 구역들에 걸쳐있다.
이러한 측정된 신호 값들은 신호 입력 노드들(544)에서 수신된다. 임의적으로, 신경망(500)의 입력 노드들(504)은 또한, 하나 이상의 프로세스 상태 신호(504), 예컨대 연마 장치(100)의 패드(110)의 마모 측정치를 수신하는 하나 이상의 상태 입력 노드(516)를 포함할 수 있다.
은닉 계층들(520) 및 출력 계층(530)의 노드들은 선행 계층의 모든 각각의 노드로부터 입력들을 수신하는 것으로 예시된다. 이는, 완전히 연결된 피드포워드 신경망의 경우이다. 하지만, 신경망(500)은 완전히 연결되지 않은 피드포워드 신경망 또는 비-피드포워드 신경망일 수 있다. 더욱이, 신경망(500)은, 하나 이상의 완전히 연결된 피드포워드 계층; 하나 이상의 완전히 연결되지 않은 피드포워드 계층; 및 하나 이상의 비-피드포워드 계층 중 적어도 하나를 포함할 수 있다.
신경망은, 출력 계층(530)의 노드들, 즉, "출력 노드들"(550)에서, 수정된 신호 값들(550)의 그룹을 생성한다. 일부 구현들에서, 신경망(500)에 공급되는 인-시튜 모니터링 시스템으로부터의 각각의 측정된 신호에 대한 출력 노드(550)가 존재한다. 이러한 경우에서, 출력 노드들(550)의 수는 입력 계층(510)의 신호 입력 노드들(504)의 수에 대응할 수 있다.
예컨대, 신호 입력 노드들(544)의 수는 가장자리 구역(203) 및 앵커 구역(202)에서의 측정치들의 수와 동일할 수 있고, 동일한 수의 출력 노드들(550)이 존재할 수 있다. 따라서, 각각의 출력 노드(550)는, 신호 입력 노드(544)에 대한 입력으로서 공급되는 개개의 측정된 신호에 대응하는 수정된 신호, 예컨대, 제1 측정된 신호(501)에 대한 제1 수정된 신호(551), 제2 측정된 신호(502)에 대한 제2 수정된 신호(552), 및 제n 측정된 신호(503)에 대한 제n 수정된 신호(553)를 생성한다.
일부 구현들에서, 출력 노드들(550)의 수는 입력 노드들(504)의 수보다 적다. 일부 구현들에서, 출력 노드들(550)의 수는 신호 입력 노드들(544)의 수보다 적다. 예컨대, 신호 입력 노드들(544)의 수는 가장자리 구역(203)에서의 측정치들의 수와 동일하거나, 가장자리 구역(203) 및 앵커 구역(202)에서의 측정치들의 수와 동일할 수 있다. 또한, 출력 계층(530)의 각각의 출력 노드(550)는, 신호 입력 노드(504)로서 공급되는 개개의 측정된 신호에 대응하는 수정된 신호, 예컨대, 제1 측정된 신호(501)에 대한 제1 수정된 신호(551)를, 가장자리 구역(203)으로부터 신호들을 수신하는 신호 입력 노드들(554)에 대해서만 생성한다.
연마 장치(100)는, 신경망(500)을 사용하여, 수정된 신호들을 생성할 수 있다. 그런 다음, 수정된 신호들이 사용되어, 기판의 제1 그룹의 위치들, 예컨대 가장자리 구역(및 가능하게는 앵커 구역) 내의 위치들에서의 각각의 위치에 대한 두께가 결정될 수 있다. 예컨대, 도 4를 다시 참조하면, 가장자리 구역에 대한 수정된 신호 값들은 신호(401)의 수정된 부분(430)을 제공할 수 있다.
수정된 신호 값들(430)은 정적 공식, 예컨대 상관 곡선을 사용하여 두께 측정치들로 변환될 수 있다. 예컨대, 제어기(190)는, 신경망(500)을 사용하여 기판의 가장자리 위치 및 하나 이상의 앵커 위치의 두께를 결정할 수 있다. 대조적으로, 제어기(190)는, 다른 구역들, 예컨대 내측 구역(205)에 대한 두께 측정치들을 정적 공식을 사용하여 직접 생성할 수 있다. 즉, 다른 구역들, 예컨대 내측 구역(205)으로부터의 신호 값들은, 신경망에 의해 수정되지 않고도 두께 값들로 변환될 수 있다.
일부 구현들에서, 주어진 측정 위치에 대응하는 수정된 신호 값에 대해, 신경망(500)은, 그 주어진 위치의 미리 결정된 거리 내의 측정 위치들로부터의 입력 신호 값들만을 수정된 신호 값을 결정하는 데 사용하도록 구성될 수 있다. 예컨대, 경로(210) 상의 N개의 연속적인 위치들에서의 측정치들에 대응하는 신호 값들 S1, S2, .., SM, ... SN이 수신되는 경우, 제M 위치(RM으로 표시됨)에 대한 수정된 신호 값 S'M은, 신호 값들 SM-L(최소 1) ... SM, ... SM+L(최대 N)만을 사용하여 수정된 신호 값 S'M을 계산할 수 있다. L의 값은, 주어진 수정된 신호 값 S'M을 생성하기 위해 최대 약 2-4 mm 떨어져 있는 측정치들이 사용되도록 선택될 수 있으며, 측정치 SM의 위치의 약 1-2 mm, 예컨대 1.5 mm 내의 측정치들이 사용될 수 있다. 예컨대, L은 0 내지 4의 범위의 수, 예컨대 1 또는 2일 수 있다. 예컨대, 3 mm 내의 측정치들이 사용되고 측정치들 간의 간격이 1 mm인 경우, L은 1일 수 있고; 간격이 0.5 mm인 경우, L은 2일 수 있고; 간격이 0.25인 경우, L은 4일 수 있다. 하지만, 이는 연마 장치의 구성 및 처리 조건들에 의존할 수 있다. 수정된 신호 값 S'M을 계산함에 있어 다른 파라미터, 예컨대 패드 마모의 값들이 여전히 사용될 수 있다.
예컨대, 하나 이상의 은닉 계층(520)의 다수의 은닉 노드들(570)이 존재할 수 있는데, 즉, "은닉 노드들"(570)은 신호 입력 노드들(544)의 수와 동일하며, 각각의 은닉 노드(570)는 개개의 신호 입력 노드(544)에 대응한다. 각각의 은닉 노드(570)는, 대응하는 입력 노드의 측정치의 위치로부터 미리 결정된 거리보다 큰 위치들에 대한 측정치들에 대응하는 입력 노드들(544)로부터 연결해제된다(또는 그 노드들에 대해 0의 파라미터 값을 가질 수 있음). 예컨대, 제M 은닉 노드는 제1 내지 제(M-L-1) 입력 노드들(544) 및 제(M+L+1) 내지 제N 입력 노드들로부터 연결해제될 수 있다(또는 그 노드들에 대해 0의 파라미터 값을 가질 수 있음). 유사하게, 각각의 출력 노드(560)는, 출력 노드의 측정치의 위치로부터 미리 결정된 거리보다 큰 위치들에 대한 수정된 신호들에 대응하는 은닉 노드들(570)로부터 연결해제될 수 있다(또는 그 노드들에 대해 0의 파라미터 값을 가질 수 있음). 예컨대, 제M 출력 노드는 제1 내지 제(M-L-1) 은닉 노드들(570) 및 제(M+L+1) 내지 제N 은닉 노드들로부터 연결해제될 수 있다(또는 그 노드들에 대해 0의 파라미터 값을 가질 수 있음).
일부 실시예들에서, 연마 장치(100)는 정적 공식을 사용하여 제1 그룹의 기판들의 다수의 위치들, 예컨대, 가장자리 구역 내의 위치들의 두께를 결정할 수 있다. 이러한 기판들은, 신경망을 훈련시키는 데 사용되는 훈련 데이터를 생성하는 데 사용될 수 있다. 그런 다음, 연마 장치(100)는, 신경망(500)을 사용하여, 다수의 위치들, 예컨대, 제2 그룹의 기판들의 가장자리 구역 내의 위치들의 두께를 결정하는 데 사용되는 수정된 신호들을 생성할 수 있다. 예컨대, 연마 장치(100)는 정적 공식을 적용하여 제1 그룹의 기판들에 대한 두께 값들을 결정할 수 있고, 훈련된 신경망(500)을 사용하여 제2 그룹의 기판들에 대한 두께 값들을 결정하는 데 사용되는 수정된 신호들을 생성할 수 있다.
도 6은, 기판(10)을 연마하기 위한 예시적인 프로세스(600)의 흐름도이다. 프로세스(600)는 연마 장치(100)에 의해 수행될 수 있다.
연마 장치(100)는, 기판(10) 상의 층을 연마하고(602), 층 상의 상이한 위치들에 대한 측정된 신호 값들을 생성하기 위해 연마 동안 층을 모니터링한다(604). 층 상의 위치들은, (신호(401)의 구역들(422/426)에 대응하는) 기판의 가장자리 구역(203) 내의 하나 이상의 위치, 및 (신호의 구역들(421/423)에 대응하는) 기판 상의 앵커 구역(202) 내의 하나 이상의 위치를 포함할 수 있다. 앵커 구역(202)은 기판 가장자리(204)로부터 이격되고 기판의 중앙 구역(201) 내에 있으며, 따라서, 기판 가장자리(204)에 의해 생성되는 왜곡에 의해 영향을 받지 않는다. 하지만, 앵커 구역(202)은 가장자리 구역(203)에 인접할 수 있다. 앵커 구역(202)은 또한, 중앙 구역(201)의 내측 구역(205)을 둘러쌀 수 있다. 앵커 위치들의 수는, 인-시튜 모니터링 시스템(160)의 측정 스폿 크기 및 측정 빈도에 의존할 수 있다. 일부 실시예들에서, 앵커 위치들의 수는 최대 값, 이를테면 4의 최대 값을 초과할 수 없다.
연마 장치(100)는, 위치에 대한 측정된 신호에 기반하여 상이한 위치들의 각각의 위치에 대한 추정된 두께 측정치를 생성한다(606). 이는, 측정된 신호들을 신경망(500)을 통해 처리하는 것을 포함한다.
신경망(500)에 대한 입력들은, 상이한 위치들에 대한 인-시튜 모니터링 시스템(160)에 의해 생성된 미가공 측정된 신호들 또는 업데이트된 측정된 신호들일 수 있다. 일부 실시예들에서, 장치(100)는 신호들의 값을 정규화함으로써 각각의 측정된 신호를 업데이트한다. 그러한 정규화는, 신경망 시스템(500)에 대한 입력들(504) 중 적어도 일부가 특정 범위 내에 속할 가능성을 증가시킬 수 있고, 이는 차례로, 신경망(500)의 훈련 품질 및/또는 신경망에 의해 행해진 추론의 정확성을 증가시킬 수 있다.
신경망(500)의 출력들은, 각각이 입력된 측정된 신호에 대응하는 수정된 신호들이다. 측정된 신호들이 정규화된 값들인 경우, 측정된 신호들에 대응하는 수정된 신호들이 또한 정규화된 값들일 것이다. 따라서, 연마 장치(100)는, 수정된 신호들을 사용하여 기판의 두께를 추정하기 전에, 그러한 수정된 신호들을 비-정규화된 값들로 변환할 필요가 있을 수 있다.
연마 장치(100)는, 각각의 추정된 두께 측정치들에 기반하여 연마 종료점을 검출하고/거나 연마 파라미터를 수정한다(608).
도 7은, 신경망(500)을 사용하여, 추정된 두께 측정치들을 생성하기 위한 예시적인 프로세스(700)의 흐름도이다. 프로세스(700)는 연마 장치(100)에 의해 수행될 수 있다.
연마 장치(100)는, 기판의 위치들의 그룹 중 앵커 위치를 식별하고(702), 위치들의 그룹의 각각의 위치에 대한 측정된 신호들을 획득한다(704). 일부 실시예들에서, 앵커 위치는 기판의 가장자리로부터 이격된다.
연마 장치(100)는, 측정된 신호들을 업데이트하기 위해, 앵커 위치의 측정된 신호에 기반하여, 예컨대, 각각의 측정된 신호를 앵커 위치의 측정된 신호로 나눔으로써, 각각의 측정된 신호를 정규화한다(706). 그런 다음, 연마 장치(100)는, 각각의 정규화된 측정된 신호에 대한 수정된 신호들을 생성하기 위해, 신경망(500)을 통해, 업데이트된 측정된 신호들을 처리하고(708), 측정된 신호들을 업데이트하기 위해, 앵커 위치의 측정된 신호를 사용하여, 예컨대, 각각의 측정된 신호와 앵커 위치의 측정된 신호를 곱함으로써, 수정된 신호들을 비-정규화된 값들로 변환한다(710). 그런 다음, 연마 장치(100)는, 신경망(500)의 위치들의 그룹의 각각의 위치의 추정된 두께 측정치를 생성하기 위해, 비-정규화된 수정된 신호들을 사용한다(612).
도 8은, 측정된 신호들의 그룹에 대한 수정된 신호들을 생성하기 위해 신경망(500)을 훈련시키기 위한 예시적인 프로세스(800)의 흐름도이다. 프로세스(800)는, 신경망(500)을 훈련시키도록 구성되는 하나 이상의 컴퓨터의 시스템에 의해 수행될 수 있다.
시스템은, 기판의 위치들의 그룹 내의 각각의 위치에 대한 측정된 신호들을 포함하는 입력 값들에 기반하여 신경망(500)에 의해 생성된 추정된 두께 측정치들을 획득한다(802). 시스템은 또한, 위치들의 그룹 내의 각각의 위치에 대한 실제 두께 측정치들을 획득한다(804). 시스템은, 전기 임피던스 측정 방법, 이를테면, 4-포인트 프로브 방법을 사용하여 실제 두께 측정치들을 생성할 수 있다.
시스템은, 추정된 두께 측정치들과 실제 두께 측정치들 간의 오차 측정치를 계산하고(806), 오차 측정치에 기반하여 신경망(500)의 하나 이상의 파라미터를 업데이트한다. 그렇게 함으로써, 시스템은, 역전파로 경사 하강을 사용하는 훈련 알고리즘을 사용할 수 있다.
모니터링 시스템은 다양한 연마 시스템들에서 사용될 수 있다. 연마 패드 또는 캐리어 헤드 중 어느 하나 또는 둘 모두는, 연마 표면과 기판 간의 상대적인 움직임을 제공하기 위해 이동할 수 있다. 연마 패드는, 플래튼에 고정되는 원형(또는 몇몇 다른 형상) 패드, 공급부와 권취 롤러들 사이에서 연장되는 테이프, 또는 연속적인 벨트일 수 있다. 연마 패드는, 플래튼 상에 부착되거나, 연마 동작들 사이에서 플래튼 위로 점진적으로 전진되거나, 또는 연마 동안 플래튼 위로 지속적으로 구동될 수 있다. 연마 동안 패드가 플래튼에 고정될 수 있거나, 연마 동안 플래튼과 연마 패드 사이에 유체 베어링이 존재할 수 있다. 연마 패드는 표준(예컨대, 충전재들이 있거나 없는 폴리우레탄) 조질 패드, 연질 패드, 또는 고정식-연마재 패드일 수 있다.
위의 논의가 와전류 모니터링 시스템에 초점을 두지만, 정정 기법들은, 기판의 가장자리에 걸쳐 스캐닝하는 다른 종류들의 모니터링 시스템들, 예컨대, 광학 모니터링 시스템들에 적용될 수 있다. 게다가, 위의 논의가 연마 시스템에 초점을 두지만, 정정 기법들은, 기판의 가장자리에 걸쳐 스캐닝하는 인-시튜 모니터링 시스템을 포함하는 다른 종류들의 기판 처리 시스템들, 예컨대 증착 또는 식각 시스템에 적용될 수 있다.
본 발명의 다수의 실시예들이 설명되었다. 그럼에도 불구하고, 본 발명의 사상 및 범위에서 벗어남이 없이 다양한 수정들이 이루어질 수 있다는 것이 이해될 것이다. 따라서, 다른 실시예들은 다음의 청구항들의 범위 내에 있다.

Claims (20)

  1. 기판을 연마하는 방법으로서,
    연마 스테이션에서 상기 기판 상의 층을 연마하는 단계;
    상기 층 상의 복수의 상이한 위치에 대한 복수의 초기 값을 생성하기 위해 인-시튜 모니터링 시스템으로 상기 연마 스테이션에서의 연마 동안 상기 층을 모니터링하는 단계;
    상기 복수의 초기 값에서의 제1 초기 값들의 다중도(multiplicity)를 신경망의 제1 복수의 대응하는 입력 노드로 입력하는 단계 - 상기 제1 초기 값들의 다중도는 상기 기판 상의 제1 영역 내에 있는 상기 복수의 상이한 위치에서의 제1 위치들의 다중도에 대응하고, 상기 신경망의 입력 노드들로 입력되지 않은 상기 복수의 초기 값에서의 초기 값들은 상기 기판 상의 상이한 제2 영역 내에 있는 상기 복수의 상이한 위치에서의 제2 위치들의 다중도에 대응하는 제2 초기 값들의 다중도를 포함함 -;
    상기 신경망의 복수의 대응하는 출력 노드로부터 제1 수정된 값들의 다중도를 수신하는 단계; 및
    상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도에 기반하여, 연마 종료점을 검출하는 단계 또는 연마 파라미터를 수정하는 단계 중 적어도 하나의 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 신경망의 입력 노드들의 수는 상기 신경망의 출력 노드들의 수보다 같거나 많은, 방법.
  3. 제1항에 있어서, 상기 제1 영역은 상기 기판의 단부에 인접하고, 상기 제2 영역은 상기 기판의 중심을 포함하는, 방법.
  4. 제1항에 있어서, 교정 커브(calibration curve)를 사용하여 상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도를 복수의 두께 값으로 변환하는 단계를 포함하는, 방법.
  5. 제1항에 있어서, 상기 인-시튜 모니터링 시스템은 와전류 모니터링 시스템을 포함하는, 방법.
  6. 연마 시스템으로서,
    기판을 유지하기 위한 캐리어;
    연마 표면에 대한 지지부;
    센서를 갖는 인-시튜 모니터링 시스템 ― 상기 인-시튜 모니터링 시스템은, 상기 기판 상의 층 상의 복수의 상이한 위치에 대한 복수의 초기 값을 생성하도록 구성됨 ―;
    상기 센서와 상기 기판 간의 상대적인 움직임을 생성하기 위한 모터; 및
    제어기
    를 포함하며, 상기 제어기는,
    상기 복수의 초기 값에서의 제1 초기 값들의 다중도를 신경망의 제1 복수의 대응하는 입력 노드로 입력하고 - 상기 제1 초기 값들의 다중도는 상기 기판 상의 제1 영역 내에 있는 상기 복수의 상이한 위치에서의 제1 위치들의 다중도에 대응하고, 상기 신경망의 입력 노드들로 입력되지 않은 상기 복수의 초기 값에서의 초기 값들은 상기 기판 상의 상이한 제2 영역 내에 있는 상기 복수의 상이한 위치에서의 제2 위치들의 다중도에 대응하는 제2 초기 값들의 다중도를 포함함 -;
    상기 신경망의 복수의 대응하는 출력 노드로부터 제1 수정된 값들의 다중도를 수신하고;
    상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도에 기반하여, 연마 종료점을 검출 또는 연마 파라미터를 수정 중 적어도 하나를 행하도록 구성되는, 시스템.
  7. 제6항에 있어서, 상기 신경망의 입력 노드들의 수는 상기 신경망의 출력 노드들의 수와 동일한, 시스템.
  8. 제6항에 있어서, 상기 제어기는 상기 복수의 초기 값의 각각의 위치의 위치를 결정하고, 상기 복수의 초기 값을 상기 기판의 단부를 포함하는 상기 제1 영역 및 상기 기판의 중심을 포함하는 상기 제2 영역에 의해 상기 제1 위치들의 다중도 및 상기 제2 위치들의 다중도로 분류하도록 구성되는, 시스템.
  9. 제6항에 있어서, 상기 제어기는 교정 커브(calibration curve)를 사용하여 상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도를 복수의 두께 값으로 변환하도록 구성되는, 시스템.
  10. 제6항에 있어서, 상기 인-시튜 모니터링 시스템은 와전류 모니터링 시스템을 포함하는, 시스템.
  11. 제6항에 있어서, 상기 신경망의 입력 노드들의 수는 상기 신경망의 출력 노드들의 수보다 많은, 시스템.
  12. 제11항에 있어서, 상기 제어기는
    상기 복수의 초기 값에서의 제3 초기 값들의 다중도를 상기 신경망의 제2 복수의 대응하는 입력 노드로 입력하도록 추가로 구성되고, 상기 제3 초기 값들의 다중도는 상기 기판 상의 제3 영역 내에 있는 상기 복수의 상이한 위치에서의 제3 위치들의 다중도에 대응하고, 상기 제1 수정된 값들의 다중도는 상기 제1 초기 값들의 다중도 및 상기 제3 초기 값들의 다중도에 기반하여 상기 신경망에 의해 계산되고, 상기 제어기는 상기 제3 초기 값들의 다중도에 추가로 기반하여 연마 종료점을 검출하거나 연마 파라미터를 수정하도록 구성되는, 시스템.
  13. 제12항에 있어서, 상기 제3 영역은 상기 제1 영역과 상기 제2 영역 사이에 있는, 시스템.
  14. 명령어들이 인코딩된 컴퓨터 저장 매체로서, 상기 명령어들은, 하나 이상의 컴퓨터에 의하여 실행될 때, 상기 하나 이상의 컴퓨터로 하여금 동작들을 수행하도록 하고, 상기 동작은:
    연마 스테이션에서 기판 상의 층을 연마하는 동안, 인-시튜 모니터링 시스템으로부터 상기 층 상의 복수의 상이한 위치에 대한 복수의 초기 값을 수신하는 것;
    상기 복수의 초기 값에서의 제1 초기 값들의 다중도를 신경망의 제1 복수의 대응하는 입력 노드로 입력하는 것 - 상기 제1 초기 값들의 다중도는 상기 기판 상의 제1 영역 내에 있는 상기 복수의 상이한 위치에서의 제1 위치들의 다중도에 대응하고, 상기 신경망의 입력 노드들로 입력되지 않은 상기 복수의 초기 값에서의 초기 값들은 상기 기판 상의 상이한 제2 영역 내에 있는 상기 복수의 상이한 위치에서의 제2 위치들의 다중도에 대응하는 제2 초기 값들의 다중도를 포함함 -;
    상기 신경망의 복수의 대응하는 출력 노드로부터 제1 수정된 값들의 다중도를 수신하는 것
    상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도에 기반하여, 연마 종료점을 검출 또는 연마 파라미터를 수정 중 적어도 하나를 행하는 것
    을 포함하는, 컴퓨터 저장 매체.
  15. 제14항에 있어서, 상기 신경망의 입력 노드들의 수는 상기 신경망의 출력 노드들의 수와 동일한, 컴퓨터 저장 매체.
  16. 제14항에 있어서, 상기 복수의 초기 값의 각각의 위치의 상기 위치를 결정하고, 상기 복수의 초기 값을 상기 기판의 단부를 포함하는 상기 제1 영역 및 상기 기판의 중심을 포함하는 상기 제2 영역에 의해 상기 제1 위치들의 다중도 및 상기 제2 위치들의 다중도로 분류하기 위한 명령어들을 포함하는, 컴퓨터 저장 매체.
  17. 제14항에 있어서, 교정 커브를 사용하여 상기 제1 수정된 값들의 다중도 및 상기 제2 초기 값들의 다중도를 복수의 두께 값으로 변환하기 위한 명령어들을 포함하는, 컴퓨터 저장 매체.
  18. 제14항에 있어서, 상기 신경망의 입력 노드들의 수는 상기 신경망의 출력 노드들의 수보다 많은, 컴퓨터 저장 매체.
  19. 제18항에 있어서,
    상기 복수의 초기 값에서의 제3 초기 값들의 다중도를 상기 신경망의 제2 복수의 대응하는 입력 노드로 입력하기 위한 명령어들을 포함하고 - 상기 제3 초기 값들의 다중도는 상기 기판 상의 제3 영역 내에 있는 상기 복수의 상이한 위치의 제3 위치들의 다중도에 대응하고, 상기 제1 수정된 값들의 다중도는 상기 제1 초기 값들의 다중도 및 상기 제3 초기 값들의 다중도에 기반하여 상기 신경망에 의해 계산됨 -
    상기 제3 초기 값들의 다중도에 추가로 기반하여 연마 종료점을 검출하거나 연마 파라미터를 수정하기 위한 명령어들을 포함하는, 컴퓨터 저장 매체.
  20. 제19항에 있어서, 상기 제3 영역은 상기 제1 영역과 상기 제2 영역 사이에 있는, 컴퓨터 저장 매체.
KR1020237014551A 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치 KR102643391B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020247006795A KR20240033142A (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762488688P 2017-04-21 2017-04-21
US62/488,688 2017-04-21
KR1020197033925A KR102528578B1 (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치
PCT/US2018/027562 WO2018194929A1 (en) 2017-04-21 2018-04-13 Polishing apparatus using neural network for monitoring

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020197033925A Division KR102528578B1 (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020247006795A Division KR20240033142A (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치

Publications (2)

Publication Number Publication Date
KR20230062679A true KR20230062679A (ko) 2023-05-09
KR102643391B1 KR102643391B1 (ko) 2024-03-07

Family

ID=63852385

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020247006795A KR20240033142A (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치
KR1020197033925A KR102528578B1 (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치
KR1020237014551A KR102643391B1 (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020247006795A KR20240033142A (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치
KR1020197033925A KR102528578B1 (ko) 2017-04-21 2018-04-13 모니터링을 위해 신경망을 사용하는 연마 장치

Country Status (6)

Country Link
US (2) US10994389B2 (ko)
JP (2) JP7227158B2 (ko)
KR (3) KR20240033142A (ko)
CN (2) CN110537249B (ko)
TW (2) TWI789385B (ko)
WO (1) WO2018194929A1 (ko)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783037B (zh) * 2017-09-25 2022-11-11 美商應用材料股份有限公司 使用機器學習方式以產生製程控制參數的半導體製造
TWI825075B (zh) 2018-04-03 2023-12-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體
TWI828706B (zh) 2018-06-20 2024-01-11 美商應用材料股份有限公司 用於原位電磁感應監控的基板摻雜補償的方法、電腦程式產品及研磨系統
US11056351B2 (en) * 2018-08-31 2021-07-06 Synaptics Incorporated Process monitor for wafer thinning
JP2020053550A (ja) * 2018-09-27 2020-04-02 株式会社荏原製作所 研磨装置、研磨方法、及び機械学習装置
JP7145084B2 (ja) * 2019-01-11 2022-09-30 株式会社荏原製作所 基板処理装置および基板処理装置において部分研磨されるべき領域を特定する方法
TWI820308B (zh) * 2019-03-21 2023-11-01 美商應用材料股份有限公司 監視化學機械拋光中的拋光墊紋理
JP2021028099A (ja) * 2019-08-09 2021-02-25 株式会社荏原製作所 終点検知装置、終点検知方法
CN114207517A (zh) * 2019-08-13 2022-03-18 Asml荷兰有限公司 训练用于改善图案化过程的机器学习模型的方法
JP2021058955A (ja) * 2019-10-04 2021-04-15 株式会社荏原製作所 研磨装置、情報処理システム、情報処理方法及びプログラム
JP2023517449A (ja) * 2020-05-14 2023-04-26 アプライド マテリアルズ インコーポレイテッド 研磨中のインシトゥモニタリングで使用するためのニューラルネットワークをトレーニングするための技術及び研磨システム
JP7447284B2 (ja) 2020-06-24 2024-03-11 アプライド マテリアルズ インコーポレイテッド 研磨パッドの摩耗補償による基板層の厚さの決定
US11693435B2 (en) * 2020-06-25 2023-07-04 Applied Materials, Inc. Ethercat liquid flow controller communication for substrate processing systems
US11794302B2 (en) 2020-12-15 2023-10-24 Applied Materials, Inc. Compensation for slurry composition in in-situ electromagnetic inductive monitoring
JP2024503978A (ja) * 2020-12-18 2024-01-30 アプライド マテリアルズ インコーポレイテッド 適応型スラリ分注システム
US11709477B2 (en) 2021-01-06 2023-07-25 Applied Materials, Inc. Autonomous substrate processing system
US11969140B2 (en) * 2021-06-22 2024-04-30 Micron Technology, Inc. Surface cleaning
US20230011748A1 (en) * 2021-07-12 2023-01-12 Applied Materials, Inc. System and method to map thickness variations of substrates inmanufacturing systems
CN114800229B (zh) * 2022-06-27 2022-09-13 江苏中清光伏科技有限公司 双面双玻表面抛光装置及其抛光方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004525521A (ja) * 2001-05-02 2004-08-19 アプライド　マテリアルズ　インコーポレイテッド 光学および渦電流モニタリングによる統合終点検出システム
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
US20150118766A1 (en) * 2013-10-29 2015-04-30 Applied Materials, Inc. Determination of gain for eddy current sensor
JP2016538728A (ja) * 2013-11-27 2016-12-08 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 基板研磨中の研磨速度の制限的調整

Family Cites Families (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5700180A (en) * 1993-08-25 1997-12-23 Micron Technology, Inc. System for real-time control of semiconductor wafer polishing
US5433651A (en) 1993-12-22 1995-07-18 International Business Machines Corporation In-situ endpoint detection and process monitoring method and apparatus for chemical-mechanical polishing
US5660672A (en) 1995-04-10 1997-08-26 International Business Machines Corporation In-situ monitoring of conductive films on semiconductor wafers
US5559428A (en) 1995-04-10 1996-09-24 International Business Machines Corporation In-situ monitoring of the change in thickness of films
US5644221A (en) 1996-03-19 1997-07-01 International Business Machines Corporation Endpoint detection for chemical mechanical polishing using frequency or amplitude mode
JPH1076464A (ja) 1996-08-30 1998-03-24 Canon Inc 研磨方法及びそれを用いた研磨装置
US6159073A (en) 1998-11-02 2000-12-12 Applied Materials, Inc. Method and apparatus for measuring substrate layer thickness during chemical mechanical polishing
JP4484370B2 (ja) 1998-11-02 2010-06-16 アプライド マテリアルズ インコーポレイテッド 基板上のメタル層の化学機械研磨に関して終点を決定するための方法及び基板のメタル層を研磨するための装置
US6280289B1 (en) 1998-11-02 2001-08-28 Applied Materials, Inc. Method and apparatus for detecting an end-point in chemical mechanical polishing of metal layers
US6172756B1 (en) 1998-12-11 2001-01-09 Filmetrics, Inc. Rapid and accurate end point detection in a noisy environment
US6190234B1 (en) 1999-01-25 2001-02-20 Applied Materials, Inc. Endpoint detection with light beams of different wavelengths
US6179709B1 (en) 1999-02-04 2001-01-30 Applied Materials, Inc. In-situ monitoring of linear substrate polishing operations
TW466153B (en) 1999-06-22 2001-12-01 Applied Materials Inc Method and apparatus for measuring a pad profile and closed loop control of a pad conditioning process
TW393563B (en) * 1999-10-21 2000-06-11 Applied Materials Inc Method of measuring film-layer's thickness in the chemical mechanical polishing
US6399501B2 (en) 1999-12-13 2002-06-04 Applied Materials, Inc. Method and apparatus for detecting polishing endpoint with optical monitoring
US6707540B1 (en) 1999-12-23 2004-03-16 Kla-Tencor Corporation In-situ metalization monitoring using eddy current and optical measurements
US6433541B1 (en) 1999-12-23 2002-08-13 Kla-Tencor Corporation In-situ metalization monitoring using eddy current measurements during the process for removing the film
JP4817575B2 (ja) * 1999-12-23 2011-11-16 ケーエルエー−テンカー コーポレイション 渦電流測定を利用して、メタライゼーション処理を実状態で監視する方法
KR100718737B1 (ko) 2000-01-17 2007-05-15 가부시키가이샤 에바라 세이사꾸쇼 폴리싱 장치
US6407546B1 (en) 2000-04-07 2002-06-18 Cuong Duy Le Non-contact technique for using an eddy current probe for measuring the thickness of metal layers disposed on semi-conductor wafer products
US6924641B1 (en) 2000-05-19 2005-08-02 Applied Materials, Inc. Method and apparatus for monitoring a metal layer during chemical mechanical polishing
JP3916375B2 (ja) 2000-06-02 2007-05-16 株式会社荏原製作所 ポリッシング方法および装置
JP3832198B2 (ja) 2000-06-16 2006-10-11 日本電気株式会社 半導体ウェハの研磨終点検出方法ならびにその装置
US6626736B2 (en) 2000-06-30 2003-09-30 Ebara Corporation Polishing apparatus
US6878038B2 (en) 2000-07-10 2005-04-12 Applied Materials Inc. Combined eddy current sensing and optical monitoring for chemical mechanical polishing
US6602724B2 (en) * 2000-07-27 2003-08-05 Applied Materials, Inc. Chemical mechanical polishing of a metal layer with polishing rate monitoring
US6923711B2 (en) 2000-10-17 2005-08-02 Speedfam-Ipec Corporation Multizone carrier with process monitoring system for chemical-mechanical planarization tool
TWI221435B (en) * 2001-01-20 2004-10-01 Guo-Jen Wang Method for optimizing timing control process parameters in chemical mechanical polishing
US6564116B2 (en) * 2001-04-06 2003-05-13 Gou-Jen Wang Method for determining efficiently parameters in chemical-mechanical polishing (CMP)
US6676482B2 (en) 2001-04-20 2004-01-13 Speedfam-Ipec Corporation Learning method and apparatus for predictive determination of endpoint during chemical mechanical planarization using sparse sampling
US6594024B1 (en) * 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
US6618130B2 (en) 2001-08-28 2003-09-09 Speedfam-Ipec Corporation Method and apparatus for optical endpoint detection during chemical mechanical polishing
US6821794B2 (en) 2001-10-04 2004-11-23 Novellus Systems, Inc. Flexible snapshot in endpoint detection
US6945845B2 (en) 2003-03-04 2005-09-20 Applied Materials, Inc. Chemical mechanical polishing apparatus with non-conductive elements
US7008296B2 (en) 2003-06-18 2006-03-07 Applied Materials, Inc. Data processing for monitoring chemical mechanical polishing
US7112960B2 (en) * 2003-07-31 2006-09-26 Applied Materials, Inc. Eddy current system for in-situ profile measurement
US7025658B2 (en) * 2003-08-18 2006-04-11 Applied Materials, Inc. Platen and head rotation rates for monitoring chemical mechanical polishing
US7801635B2 (en) * 2007-01-30 2010-09-21 Tokyo Electron Limited Real-time parameter tuning for etch processes
WO2008103964A2 (en) * 2007-02-23 2008-08-28 Applied Materials, Inc. Using spectra to determine polishing endpoints
JP2009004442A (ja) * 2007-06-19 2009-01-08 Renesas Technology Corp 半導体ウェハの研磨方法
JP5080933B2 (ja) 2007-10-18 2012-11-21 株式会社荏原製作所 研磨監視方法および研磨装置
US8106651B2 (en) 2008-04-17 2012-01-31 Novellus Systems, Inc. Methods and apparatuses for determining thickness of a conductive layer
US8408965B2 (en) * 2008-10-16 2013-04-02 Applied Materials, Inc. Eddy current gain compensation
TWI408759B (zh) 2008-11-14 2013-09-11 Applied Materials Inc 具有增強邊緣解析度的渦電流感測器
TW201201957A (en) 2010-01-29 2012-01-16 Applied Materials Inc High sensitivity real time profile control eddy current monitoring system
US8367429B2 (en) * 2011-03-10 2013-02-05 Taiwan Semiconductor Manufacturing Company, Ltd. Adaptive endpoint method for pad life effect on chemical mechanical polishing
CN102278967A (zh) 2011-03-10 2011-12-14 清华大学 抛光液厚度测量装置、测量方法和化学机械抛光设备
US9023667B2 (en) 2011-04-27 2015-05-05 Applied Materials, Inc. High sensitivity eddy current monitoring system
US9205527B2 (en) * 2012-11-08 2015-12-08 Applied Materials, Inc. In-situ monitoring system with monitoring of elongated region
CN105659363B (zh) * 2013-10-29 2019-05-03 应用材料公司 涡电流传感器增益的确定
US9275917B2 (en) 2013-10-29 2016-03-01 Applied Materials, Inc. Determination of gain for eddy current sensor
JP6030041B2 (ja) 2013-11-01 2016-11-24 株式会社荏原製作所 研磨装置および研磨方法
US9636797B2 (en) * 2014-02-12 2017-05-02 Applied Materials, Inc. Adjusting eddy current measurements
US9911664B2 (en) 2014-06-23 2018-03-06 Applied Materials, Inc. Substrate features for inductive monitoring of conductive trench depth
US9754846B2 (en) * 2014-06-23 2017-09-05 Applied Materials, Inc. Inductive monitoring of conductive trench depth
KR101655074B1 (ko) 2014-11-04 2016-09-07 주식회사 케이씨텍 화학 기계적 연마 장치 및 와전류 센서를 이용한 웨이퍼 도전층 두께 측정 방법
KR102437268B1 (ko) * 2015-02-25 2022-08-29 주식회사 케이씨텍 화학 기계적 연마 시스템
US10478937B2 (en) * 2015-03-05 2019-11-19 Applied Materials, Inc. Acoustic emission monitoring and endpoint for chemical mechanical polishing
US11580375B2 (en) * 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
TW201819107A (zh) 2016-08-26 2018-06-01 美商應用材料股份有限公司 用於化學機械研磨的研磨墊厚度監測
KR102608200B1 (ko) 2017-01-13 2023-11-30 어플라이드 머티어리얼스, 인코포레이티드 인-시튜 모니터링으로부터의 측정들의 비저항 기반 조정
TWI825075B (zh) 2018-04-03 2023-12-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004525521A (ja) * 2001-05-02 2004-08-19 アプライド　マテリアルズ　インコーポレイテッド 光学および渦電流モニタリングによる統合終点検出システム
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
US20150118766A1 (en) * 2013-10-29 2015-04-30 Applied Materials, Inc. Determination of gain for eddy current sensor
JP2016538728A (ja) * 2013-11-27 2016-12-08 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ 基板研磨中の研磨速度の制限的調整

Also Published As

Publication number Publication date
TW202316326A (zh) 2023-04-16
WO2018194929A1 (en) 2018-10-25
JP2023075085A (ja) 2023-05-30
CN110537249B (zh) 2023-10-20
KR102528578B1 (ko) 2023-05-04
US20210229234A1 (en) 2021-07-29
KR20240033142A (ko) 2024-03-12
US20180304435A1 (en) 2018-10-25
TWI789385B (zh) 2023-01-11
JP7227158B2 (ja) 2023-02-21
KR102643391B1 (ko) 2024-03-07
US10994389B2 (en) 2021-05-04
CN110537249A (zh) 2019-12-03
TW201842471A (zh) 2018-12-01
TWI816620B (zh) 2023-09-21
CN117325073A (zh) 2024-01-02
KR20190133272A (ko) 2019-12-02
JP2020518131A (ja) 2020-06-18

Similar Documents

Publication Publication Date Title
KR102528578B1 (ko) 모니터링을 위해 신경망을 사용하는 연마 장치
KR102476372B1 (ko) 패드 두께에 대한 기계 학습 및 보상을 사용하는 연마 장치
US20230381912A1 (en) Determination of substrate layer thickness with polishing pad wear compensation
US20230290691A1 (en) Trained neural network in in-situ monitoring during polishing and polishing system

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right