TW202307414A - 用於前驅物遞送系統的濃度感測器 - Google Patents
用於前驅物遞送系統的濃度感測器 Download PDFInfo
- Publication number
- TW202307414A TW202307414A TW111124418A TW111124418A TW202307414A TW 202307414 A TW202307414 A TW 202307414A TW 111124418 A TW111124418 A TW 111124418A TW 111124418 A TW111124418 A TW 111124418A TW 202307414 A TW202307414 A TW 202307414A
- Authority
- TW
- Taiwan
- Prior art keywords
- gas
- concentration
- precursor
- flow path
- data
- Prior art date
Links
- 239000002243 precursor Substances 0.000 title claims description 269
- 230000008016 vaporization Effects 0.000 claims abstract description 112
- 238000009834 vaporization Methods 0.000 claims abstract description 108
- 150000001875 compounds Chemical class 0.000 claims abstract description 73
- 239000000126 substance Substances 0.000 claims abstract description 19
- 239000007789 gas Substances 0.000 claims description 296
- 238000000034 method Methods 0.000 claims description 253
- 230000008569 process Effects 0.000 claims description 198
- 239000012159 carrier gas Substances 0.000 claims description 129
- 238000012545 processing Methods 0.000 claims description 107
- 238000010801 machine learning Methods 0.000 claims description 77
- 239000000758 substrate Substances 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 description 45
- 230000015654 memory Effects 0.000 description 34
- 239000003708 ampul Substances 0.000 description 33
- 239000007787 solid Substances 0.000 description 30
- 238000005259 measurement Methods 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 24
- 238000000231 atomic layer deposition Methods 0.000 description 23
- 238000005229 chemical vapour deposition Methods 0.000 description 23
- 238000003860 storage Methods 0.000 description 19
- 239000012530 fluid Substances 0.000 description 17
- 239000007788 liquid Substances 0.000 description 17
- 239000012707 chemical precursor Substances 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 239000012705 liquid precursor Substances 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000011112 process operation Methods 0.000 description 8
- 238000000859 sublimation Methods 0.000 description 8
- 230000008022 sublimation Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- -1 butylimino (dimethylamine) tantalum Chemical group 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 229910052715 tantalum Inorganic materials 0.000 description 7
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 7
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 238000000429 assembly Methods 0.000 description 6
- 230000000712 assembly Effects 0.000 description 6
- 238000000151 deposition Methods 0.000 description 6
- SPRIOUNJHPCKPV-UHFFFAOYSA-N hydridoaluminium Chemical compound [AlH] SPRIOUNJHPCKPV-UHFFFAOYSA-N 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- ZMANZCXQSJIPKH-UHFFFAOYSA-N Triethylamine Chemical compound CCN(CC)CC ZMANZCXQSJIPKH-UHFFFAOYSA-N 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical compound [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000004886 process control Methods 0.000 description 4
- 239000000376 reactant Substances 0.000 description 4
- 238000005092 sublimation method Methods 0.000 description 4
- 238000005019 vapor deposition process Methods 0.000 description 4
- 229910052786 argon Inorganic materials 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- FQNHWXHRAUXLFU-UHFFFAOYSA-N carbon monoxide;tungsten Chemical compound [W].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-].[O+]#[C-] FQNHWXHRAUXLFU-UHFFFAOYSA-N 0.000 description 3
- 239000012876 carrier material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000010936 titanium Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- BLIQUJLAJXRXSG-UHFFFAOYSA-N 1-benzyl-3-(trifluoromethyl)pyrrolidin-1-ium-3-carboxylate Chemical compound C1C(C(=O)O)(C(F)(F)F)CCN1CC1=CC=CC=C1 BLIQUJLAJXRXSG-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- ROSDSFDQCJNGOL-UHFFFAOYSA-N Dimethylamine Chemical compound CNC ROSDSFDQCJNGOL-UHFFFAOYSA-N 0.000 description 2
- OAKJQQAXSVQMHS-UHFFFAOYSA-N Hydrazine Chemical compound NN OAKJQQAXSVQMHS-UHFFFAOYSA-N 0.000 description 2
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 2
- BLRPTPMANUNPDV-UHFFFAOYSA-N Silane Chemical compound [SiH4] BLRPTPMANUNPDV-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- BOTDANWDWHJENH-UHFFFAOYSA-N Tetraethyl orthosilicate Chemical compound CCO[Si](OCC)(OCC)OCC BOTDANWDWHJENH-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- LIWAQLJGPBVORC-UHFFFAOYSA-N ethylmethylamine Chemical compound CCNC LIWAQLJGPBVORC-UHFFFAOYSA-N 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 229910052735 hafnium Inorganic materials 0.000 description 2
- VBJZVLUMGGDVMO-UHFFFAOYSA-N hafnium atom Chemical compound [Hf] VBJZVLUMGGDVMO-UHFFFAOYSA-N 0.000 description 2
- 150000004820 halides Chemical class 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000001307 helium Substances 0.000 description 2
- 229910052734 helium Inorganic materials 0.000 description 2
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 229910000077 silane Inorganic materials 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- GETQZCLCWQTVFV-UHFFFAOYSA-N trimethylamine Chemical compound CN(C)C GETQZCLCWQTVFV-UHFFFAOYSA-N 0.000 description 2
- 239000006200 vaporizer Substances 0.000 description 2
- OXJUCLBTTSNHOF-UHFFFAOYSA-N 5-ethylcyclopenta-1,3-diene;ruthenium(2+) Chemical compound [Ru+2].CC[C-]1C=CC=C1.CC[C-]1C=CC=C1 OXJUCLBTTSNHOF-UHFFFAOYSA-N 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- LJWVJFJYUUNRFY-UHFFFAOYSA-N N-ethylethanamine hafnium Chemical compound [Hf].CCNCC.CCNCC.CCNCC.CCNCC LJWVJFJYUUNRFY-UHFFFAOYSA-N 0.000 description 1
- VGJVFFRPVWIVCV-UHFFFAOYSA-N N-ethylethanamine titanium Chemical compound [Ti].CCNCC.CCNCC.CCNCC.CCNCC VGJVFFRPVWIVCV-UHFFFAOYSA-N 0.000 description 1
- NPTYLCXGJBFECH-UHFFFAOYSA-N N-methylmethanamine tantalum Chemical compound [Ta].CNC.CNC.CNC.CNC.CNC NPTYLCXGJBFECH-UHFFFAOYSA-N 0.000 description 1
- VZLKPFKQMKUHFF-UHFFFAOYSA-N N-methylmethanamine titanium Chemical compound [Ti].CNC.CNC.CNC.CNC VZLKPFKQMKUHFF-UHFFFAOYSA-N 0.000 description 1
- KJTLSVCANCCWHF-UHFFFAOYSA-N Ruthenium Chemical compound [Ru] KJTLSVCANCCWHF-UHFFFAOYSA-N 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000005587 bubbling Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- YNLAOSYQHBDIKW-UHFFFAOYSA-M diethylaluminium chloride Chemical compound CC[Al](Cl)CC YNLAOSYQHBDIKW-UHFFFAOYSA-M 0.000 description 1
- JGHYBJVUQGTEEB-UHFFFAOYSA-M dimethylalumanylium;chloride Chemical compound C[Al](C)Cl JGHYBJVUQGTEEB-UHFFFAOYSA-M 0.000 description 1
- ZYLGGWPMIDHSEZ-UHFFFAOYSA-N dimethylazanide;hafnium(4+) Chemical compound [Hf+4].C[N-]C.C[N-]C.C[N-]C.C[N-]C ZYLGGWPMIDHSEZ-UHFFFAOYSA-N 0.000 description 1
- BRUWTWNPPWXZIL-UHFFFAOYSA-N ethyl(methyl)azanide;tantalum(5+) Chemical compound [Ta+5].CC[N-]C.CC[N-]C.CC[N-]C.CC[N-]C.CC[N-]C BRUWTWNPPWXZIL-UHFFFAOYSA-N 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- HEMVIQFEEIQOAF-UHFFFAOYSA-N hafnium N-methylethanamine Chemical compound [Hf].CCNC.CCNC.CCNC.CCNC HEMVIQFEEIQOAF-UHFFFAOYSA-N 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 150000002466 imines Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000013212 metal-organic material Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- DAZXVJBJRMWXJP-UHFFFAOYSA-N n,n-dimethylethylamine Chemical compound CCN(C)C DAZXVJBJRMWXJP-UHFFFAOYSA-N 0.000 description 1
- 125000000740 n-pentyl group Chemical group [H]C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])* 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- NFHFRUOZVGFOOS-UHFFFAOYSA-N palladium;triphenylphosphane Chemical compound [Pd].C1=CC=CC=C1P(C=1C=CC=CC=1)C1=CC=CC=C1.C1=CC=CC=C1P(C=1C=CC=CC=1)C1=CC=CC=C1.C1=CC=CC=C1P(C=1C=CC=CC=1)C1=CC=CC=C1.C1=CC=CC=C1P(C=1C=CC=CC=1)C1=CC=CC=C1 NFHFRUOZVGFOOS-UHFFFAOYSA-N 0.000 description 1
- 125000001147 pentyl group Chemical group C(CCCC)* 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000003380 propellant Substances 0.000 description 1
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052707 ruthenium Inorganic materials 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000012706 solid chemical precursor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- MZLGASXMSKOWSE-UHFFFAOYSA-N tantalum nitride Chemical compound [Ta]#N MZLGASXMSKOWSE-UHFFFAOYSA-N 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- MNWRORMXBIWXCI-UHFFFAOYSA-N tetrakis(dimethylamido)titanium Chemical compound CN(C)[Ti](N(C)C)(N(C)C)N(C)C MNWRORMXBIWXCI-UHFFFAOYSA-N 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- XJDNKRIXUMDJCW-UHFFFAOYSA-J titanium tetrachloride Chemical compound Cl[Ti](Cl)(Cl)Cl XJDNKRIXUMDJCW-UHFFFAOYSA-J 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- SQBBHCOIQXKPHL-UHFFFAOYSA-N tributylalumane Chemical compound CCCC[Al](CCCC)CCCC SQBBHCOIQXKPHL-UHFFFAOYSA-N 0.000 description 1
- VOITXYVAKOUIBA-UHFFFAOYSA-N triethylaluminium Chemical compound CC[Al](CC)CC VOITXYVAKOUIBA-UHFFFAOYSA-N 0.000 description 1
- JLTRXTDYQLMHGR-UHFFFAOYSA-N trimethylaluminium Chemical compound C[Al](C)C JLTRXTDYQLMHGR-UHFFFAOYSA-N 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- NXHILIPIEUBEPD-UHFFFAOYSA-H tungsten hexafluoride Chemical compound F[W](F)(F)(F)(F)F NXHILIPIEUBEPD-UHFFFAOYSA-H 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0011—Sample conditioning
- G01N33/0016—Sample conditioning by regulating a physical variable, e.g. pressure or temperature
-
- 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
- C23C16/448—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 generating reactive gas streams, e.g. by evaporation or sublimation of precursor materials
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/74—Devices for measuring flow of a fluid or flow of a fluent solid material in suspension in another fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/02—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Fluid Mechanics (AREA)
- Chemical Vapour Deposition (AREA)
Abstract
濃度感測器組件可包含具有化合物的汽化腔室。濃度感測器組件可包括耦接至汽化腔室的第一流路。第一流路可將第一氣體引導至汽化腔室。第二流路將第二氣體引導出汽化腔室。第二氣體可包含化合物及第一氣體。沿第一流路佈置第一感測器。第一感測器量測第一資料,該第一資料指示第一氣體的第一質量流速。沿第二流路佈置第二感測器。第二感測器量測第二資料,該第二資料指示第二氣體的第二質量流速。計算裝置可基於第一資料及第二資料決定第二氣體中的汽化物質的濃度。
Description
本說明書大體而言係關於向製程腔室遞送氣體。更具體而言,本說明書係關於用於量測製程氣體中的前驅物的濃度的感測器。
積體電路已發展為單一晶片上包含數百萬電晶體、電容器及電阻器的複雜元件。晶片設計的發展不斷需要更快的電路系統及更大的電路密度,要求越來越精確的製造製程。基板的精度處理需要準確控制處理期間使用的流體遞送中的溫度、流速及壓力。
化學氣相沉積(chemical vapor deposition; CVD)及原子層沉積(atomic layer deposition; ALD)是用於在基板上形成或沉積各種材料的氣相沉積製程。大體而言,CVD及ALD製程涉及將氣體反應物遞送至基板表面,其中化學反應在對反應熱力學有利的溫度及壓力條件下發生。使用CVD製程或ALD製程形成的層的類型及組成受限於將化學反應物或前驅物遞送至基板表面的能力。已藉由在載體氣體中遞送前驅物在CVD及ALD應用中成功使用各種固態及/或液態前驅物。
在一些情況下,使載體氣體在有助於使前驅物汽化的條件下傳遞穿過加熱的容器或罐,例如安瓿或起泡器,其含有揮發性液態前驅物。在其他情況下,使載體氣體在有助於使固態前驅物昇華的條件下傳遞穿過加熱的容器,其含有固態前驅物。昇華製程通常在裝載或充滿固態前驅物的容器中進行,且加熱容器壁以使固態前驅物材料昇華,同時產生氣態前驅物。在任一情況下,載體氣體與汽化的前驅物結合以形成製程氣體,經由專用的導管或氣體線路將該製程氣體自容器抽至反應腔室。
在一些實施例中,濃度感測器組件包含具有化合物的汽化腔室。汽化腔室將化合物轉換(例如經由昇華或汽化)為氣體。濃度感測器組件可進一步包括連接至汽化腔室的第一流路。第一流路可將第一氣體引導至汽化腔室。將第二流路耦接至汽化腔室。第二流路將第二氣體引導出汽化腔室。第二氣體包含化合物氣體及第一氣體。沿第一流路佈置第一感測器。第一感測器量測第一資料,該第一資料指示第一流路中的第一氣體的第一質量流速。沿第二流路佈置第二感測器。第二感測器量測第二資料,該第二資料指示第二流路中的第二氣體的第二質量流速。濃度感測器可進一步包含耦接至第一感測器及第二感測器的計算裝置。計算裝置基於第一資料及第二資料決定第二氣體中的化合物的濃度。
在一些實施例中,前驅物濃度遞送系統包含汽化容器。汽化容器包含前驅物。將第一流路連接至汽化容器。第一流路將載體氣體引導至汽化容器。將第二流路連接至汽化容器。第二流路將製程氣體引導出汽化容器。製程氣體包含載體氣體及前驅物。將製程腔室連接至第二流路。第二流路將製程氣體引導出製程腔室。沿第一流路佈置第一流量計。第一流量計量測第一資料,該第一資料指示第一流路中的載體氣體的第一流速。沿第二流路佈置第二流量計。第二流量計量測第二資料,該第二資料指示第二流路中的製程氣體的第二流速。將計算裝置耦接至第一流量計及第二流量計。計算裝置基於第一資料及第二資料決定製程氣體中的前驅物的濃度。
在一些實施例中,方法包括藉由處理裝置自第一感測器接收第一資料,該第一資料指示載體氣體的第一質量流速。處理裝置自第二感測器接收第二資料,該第二資料指示包含載體氣體及汽化物質的化合物氣體的第二質量流速。處理裝置自第三感測器接收第三資料,該第三資料指示與汽化物質的汽化相關的汽化容器的溫度。處理裝置基於第一資料、第二資料及第三資料決定化合物氣體中的汽化物質的濃度。方法可包括改變載體氣體的流速。方法可包括提供濃度以藉由圖形使用者介面(graphical user interface; GUI)顯示。
如前文所述,化學氣相沉積(CVD)及原子層沉積(ALD)是用於在基板上形成或沉積各種材料的氣相沉積製程。大體而言,CVD及ALD製程涉及將氣體反應物遞送至基板表面,其中化學反應在對反應熱力學有利的溫度及壓力條件下發生。使用CVD製程或ALD製程形成的層的類型及組成受限於將化學反應物或前驅物遞送至基板表面的能力。已藉由在載體氣體中遞送前驅物在CVD及ALD應用中成功使用各種固態及/或液態前驅物。
在一些情況下,使載體氣體在有助於使前驅物汽化的條件下傳遞穿過加熱的容器或罐,例如安瓿或起泡器,其含有後揮發性液態前驅物。在其他情況下,使載體氣體在有助於使固態前驅物昇華的條件下傳遞穿過加熱的容器,其含有固態前驅物。昇華製程通常在裝載或充滿固態前驅物的容器中進行,且加熱容器壁以使固態前驅物材料昇華,同時產生氣態前驅物。在任一情況下,載體氣體與汽化的前驅物結合以形成製程氣體,經由專用的導管或氣體線路將該製程氣體自容器抽至反應腔室。
習知使用固態前驅物的氣相沉積製程有一些問題。雖然應向固態前驅物提供足夠熱以使其昇華為氣態,但如果曝露於太多熱,則固態前驅物可能分解。通常極其昂貴的金屬有機固態前驅物尤其易發生熱分解,且在昇華製程中大體應將金屬有機固態前驅物保持在窄的溫度及壓力範圍內。一旦分解,固態前驅物可能汙染容器中剩餘的前驅物、導管及閥門的遞送系統及/或處理腔室以及基板。另外,使固態前驅物過熱可使製程氣體中的前驅物濃度過高,從而導致未使用的廢棄前驅物,或前驅物凝結在遞送線中或基板上。
替代而言或另外,如果曝露於太少熱,固態前驅物可能不昇華。隨著載體氣體流過容器並影響固態前驅物,來自固態前驅物的顆粒可能夾雜在載體氣體中,並得以轉移至製程腔室中。此等固態或液態顆粒可變為遞送系統、處理腔室及/或基板的汙染源。在此技藝領域中已藉由包含與固態前驅物混合的液態載體材料解決顆粒汙染的問題。然而,在受限的溫度及壓力範圍之外,液態載體材料及固態前驅物的混合物可能不利,因為液態載體材料可能蒸發並成為遞送系統內、處理腔室中及/或基板上的汙染物。
習知前驅物(以及其他液體)藉由在半導體製造期間中將各種類型的反應氣體引入至處理(反應)腔室中而引起化學反應。在CVD處理中,越來越偏好使用液態前驅物而非氣體。液態前驅物的受歡迎度部分地基於物理性質,使其比氣態前驅物有害性、可燃性、腐蝕性及毒性更低。舉例而言,用於製造半導體元件的一或多種常見的液體是正矽酸四乙酯,常常用其替代矽烷。與使用矽烷相比,使用TEOS時,無可偵測缺陷的正形二氧化矽(SiO
2)膜可沉積有較佳的階梯覆蓋及更少的危害。在金屬有機CVD(MOCVD)製程中,常常使用諸如銅的金屬的液態前驅物,因為氣態前驅物不可用。
因為液態前驅物(及其他製程液體)首先為液體,因此將其轉換為氣態,從而經由遞送線路以氣體形式遞送前驅物。生產操作或遞送線路環境中的(特別是影響溫度及壓力的)故障可導致一些氣體在遞送線路中凝結。此凝結可吸收顆粒並將顆粒帶到處理腔室中,使顆粒在基板上沉積,導致基板及任何所得到的製造元件上的顆粒缺陷。
本發明揭示了藉由決定用於製程氣體中的前驅物量或前驅物濃度來偵測並識別前驅物遞送系統中的潛在問題的方法。可藉由對前驅物遞送系統中的流速施加高解析度控制來解決或以其他方式緩解上述的許多問題。需要在穩定的量測條件下操作的有效且成本效益高的濃度感測器。舉例而言,一些習知的濃度感測器或監測器可包含高成本的專用設備,該等高成本的專用設備不能量測與多種載體氣體一起流動的各種前驅物的濃度。習知的濃度感測器常常涉及昂貴的設備,例如光學感測器,光學感測器需要預校準且對於不同的載體氣體及/或前驅物依賴特定的設備規格及/或配置。
本揭示案的態樣及實施方式藉由提供用於決定化合物氣體(例如製程氣體)中之化合物(例如前驅物)之濃度的組件、系統及/或方法,解決現有技術的此等及其他缺點。在一些實施例中,用壓力、質量流速及汽化率之間的關係決定藉由汽化融合化合物之前及之後的氣體的質量流速。舉例而言,可校準並配置質量流量計以量測化合物(例如前驅物)汽化之前及之後的流速,從而決定流動穿過氣體遞送系統的一點的化合物有多少(例如濃度)。在另一實例中,將密度變化(亦即蒸氣壓乘以分子量)及蒸氣壓與分子量之間的逆相關相結合,在已知載體的分子質量可能不變的情況下,決定汽化化合物的濃度。
在一例示性實施例中,濃度感測器組件包含包括化合物的汽化腔室。汽化腔室使化合物汽化。濃度感測器組件可進一步包括連接至汽化腔室的第一流路。第一流路可將第一氣體(例如載體氣體)引導至汽化腔室。將第二流路耦接至汽化腔室。第二流路將第二氣體(例如載體氣體及前驅物氣體)引導出汽化腔室。第二氣體包含化合物氣體及第一氣體。沿第一流路佈置第一感測器。第一感測器量測第一資料,該第一資料指示第一流路中的第一氣體的第一質量流速。沿第二流路佈置第二感測器。第二感測器量測第二資料,該第二資料指示第二流路中的第二氣體的第二質量流速。濃度感測器可進一步包含耦接至第一感測器及第二感測器的計算裝置。計算裝置基於第一資料及第二資料決定第二氣體中的化合物的濃度。舉例而言,計算裝置可為可程式設計邏輯控制器(programmable logic controller; PLC)、晶片上系統(system on a chip; SoC)、電腦、現場可程式設計閘陣列(field programmable gate array; FPGA)或其他類型的計算裝置。
在一例示性實施例中,前驅物濃度遞送系統包含汽化容器。汽化容器包含前驅物。將第一流路連接至汽化容器。第一流路將載體氣體引導至汽化容器。將第二流路連接至汽化容器。第二流路將製程氣體引導出汽化容器。製程氣體包含載體氣體及前驅物。將製程腔室連接至第二流路。第二流路將製程氣體引導出製程腔室。沿第一流動佈置第一流量計。第一流量計量測第一資料,該第一資料指示第一流路中的載體氣體的第一流速。沿第二流路佈置第二流量計。第二流量計量測第二資料,該第二資料指示第二流路中的製程氣體的第二流速。將計算裝置耦接至第一流量計及第二流量計。計算裝置基於第一資料及第二資料決定製程氣體中的前驅物的濃度。
在一例示性實施例中,方法包括藉由處理裝置或計算裝置自第一感測器接收第一資料,該第一資料指示載體氣體的第一質量流速。處理裝置自第二感測器接收第二資料,該第二資料指示包含載體氣體及汽化物質的化合物氣體的第二質量流速。處理裝置自第三感測器接收第三資料,該第三資料指示與汽化物質的汽化相關的汽化容器的溫度。處理裝置基於第一資料、第二資料及第三資料決定化合物氣體中的汽化物質的濃度。方法可包括改變載體氣體的流速。方法可包括提供濃度以藉由圖形使用者介面(GUI)顯示。舉例而言,計算裝置可包含一顯示器,所決定的濃度可輸出至該顯示器。
相比於習知的系統,本揭示案的態樣提供各種技術優點及改良。如前文所述,量測濃度的方法可為困難的,缺少可靠性及/或大體效率低。在一些實施例中,濃度感測器組件能量測氣體(例如載體氣體)中的化合物(例如前驅物)的濃度,其中可改變化合物及氣體。舉例而言,可出於特定目的選擇性使用載體氣體(例如為降低質量流速,改進表面的表面上的化學相互作用,提高前驅物的能力等),而不需要重新配置實體設備。可用載體氣體及所使用前驅物的更新後資料校準感測器,及可執行濃度量測。
第1A圖至第1B圖圖示根據一些實施例的濃度感測器組件100A至100B的例示性實施例。第1A圖圖示以旁路或校準模式操作的濃度感測器組件100A。第1B圖圖示以氣體遞送模式操作的濃度感測器組件100B。如第1A圖至第1B圖所示,濃度感測器組件100A至100B包括第一流路102。第一流路102將第一氣體引導至汽化腔室108(例如安瓿、容器等)或使第一氣體經過汽化腔室108,可藉由腔室支腳114A將該汽化腔室108耦接至第一流路。汽化腔室108可容納化合物(例如固態及/或液態前驅物),可將該化合物轉換(例如藉由汽化、昇華等)為氣態(例如蒸氣)。可藉由腔室支腳114B將第二流路112耦接至汽化腔室。第二流路112可將第二氣體引導出汽化腔室。第二氣體可包含第一氣體及氣態的化合物。
如第1A圖至第1B圖所示,可沿第一流路102佈置第一感測器104。第一感測器104可量測第一資料,該第一資料指示第一流路中的第一氣體的第一質量流速。舉例而言,感測器104可包含質量流量計、質量流控制器(mass flow controller; MFC)、容積流量計、壓力感測器、溫度感測器、質量感測器及/或其他感測器,以量測第一流路102中的第一氣體的狀態。在一些實施例中,感測器104直接量測質量流速。在其他實施例中,感測器104量測第一流路102中的第一氣體的容積流量、分子質量及/或壓力中之一或多者。可將感測器104量測的資料傳送至計算裝置(未圖示)以用於資料處理。
可沿第二流路112佈置第二感測器110。第二感測器110可量測第二資料,該第二資料指示離開汽化腔室108的第二氣體的第二質量流速。舉例而言,感測器110可包含質量流量計、MFC、容積流量計、壓力感測器、溫度感測器、質量感測器及/或其他感測器,以量測第二流路112中的第二氣體的狀態。在一些實施例中,感測器110直接量測質量流速。在其他實施例中,感測器110量測第二流路112中的第一氣體的容積流量、分子質量及/或壓力中之一或多者。可將第二感測器110量測的資料傳送至計算裝置(未圖示)以用於資料處理。
如第1A圖所示,濃度感測器組件100A包含旁路流路106。載體氣體可使用旁路流路106,繞過汽化腔室108,避免使汽化的化合物聚集。可使用旁路流路106校準第二感測器110。舉例而言,為實現線性及零偏置,可校準第二感測器110,從而提高質量流速量測及/或總濃度決定的準確性。
在一些實施例中,計算裝置決定第一感測器104的量測與第二感測器110的量測之間的密度變化(例如蒸氣壓乘以分子量)。舉例而言,氣體可以28公克每莫耳(g/mol)的分子量行進穿過第一流路。可藉由在感測器104處決定第一氣體在100托的壓力下以250每分鐘標準立方公分(sccm)流動來對此進行量測。在傳遞穿過汽化腔室108且吸收化合物之後,包含第一氣體(例如載體氣體)及化合物(例如前驅物)的氣體混合物流動穿過第二流路。第二感測器可量測30.89 g/mol的平均分子量,其比單獨載體氣體大約10%。可藉由量測約275 sccm的流速及100托的壓力決定平均分子量。具有汽化化合物的載體氣體的增加百分比指示化合物氣體中的化合物的濃度。
應指出計算濃度的方法獨立於物種。重新校準並製造諸如光學感測器的習知濃度感測器,以利用密度、分子質量、流速等的極值量測預定物種規格窗。相比之下,實施例允許獨立於物種的計算,其適用於各種氣體(例如載體氣體及製程氣體)及各種化合物(例如前驅物)。
在一些實施例中,第一感測器114進一步包括質量流控制器,其控制第一流路102中第一氣體的流動。計算裝置可向一或多個流速控制器發送指令,以基於化合物濃度決定結果改變第一流路203中的第一氣體及/或第二流路112中的第二氣體的流速。
在一些實施例中,濃度感測器組件100A至100B可包含沿第一流路佈置的第一閥門。第一閥門可與第一感測器104整合或以其他方式耦接至第一感測器104。可選擇性打開及關閉第一閥門,以改變第一氣體的第一流速。舉例而言,可用計算裝置控制第一閥門(例如基於化合物濃度決定結果)。在一些實施例中,濃度感測器組件100A至100B可包含沿第二流路112佈置的第二閥門。第二閥門可與第二感測器110整合或以其他方式耦接至第二感測器110。可選擇性打開及關閉第二閥門,以改變第二氣體的第二流速。舉例而言,可用計算裝置控制第二閥門(例如基於化合物濃度決定結果)。
在一些實施例中,如將結合其他圖式廣泛地討論,化合物可包含用於處理基板的前驅物。另外或替代而言,如將在其他實施例中進一步討論,濃度感測器組件100A至100B可包含耦接至汽化腔室108的第三流路。第三流路可引導汽化腔室108中的化合物。可沿第三流路佈置第三感測器。第三感測器可量測第三資料,該第三資料指示第三質量流速(類似於感測器104及/或110)。計算裝置可進一步基於第三資料計算第二氣體中的化合物的濃度。計算裝置可進一步基於第二氣體中決定的濃度決定汽化腔室108中的化合物的耗盡速率。
在一些實施例中,如將在其他實施例中進一步討論,濃度感測器組件100A至100B可包含感測器,該感測器量測指示汽化腔室狀態的資料。舉例而言,感測器可量測腔室中的溫度、壓力等。計算裝置可進一步基於汽化腔室的狀態計算化合物的濃度。
第2圖圖示根據一些實施例的氣體遞送系統200。如第2圖所示,氣體遞送系統200包含製程腔室202。製程腔室202可為任何合適的半導體製程腔室,例如化學氣相沉積(CVD)腔室、原子層沉積(ALD)腔室或蝕刻腔室。對於一些實施例,蝕刻腔室適於執行氮化鉭(TaN)ALD。
氣體遞送系統200經由製程氣體208將前驅物自容器204傳輸至製程腔室202。通常,前驅物206藉由昇華或汽化製程在容器204中從固態或液態轉變為氣體(例如蒸氣)。可藉由任何合適的已知技術開始昇華或汽化製程。舉例而言,可將前驅物206加熱至預定溫度或與容器204中的起泡液體混合。對於一些實施例,可控制容器124的溫度,從而調節昇華及/或汽化製程。
可將第一流路耦接至容器204(例如汽化容器)。第一流路將載體氣體引導至容器204中。載體氣體210穿過閥門212、流量計216及/或第二閥門214中之一或多者流入容器204,並與汽化的前驅物206混合。可將第二流路耦接至容器204。第二流路可將製程氣體208引導出容器204。第二流路將製程氣體208引導至製程腔室202。舉例而言,製程氣體208流出容器204,並穿過閥門217、流量計220及/或閥門218中之一或多者將汽化的前驅物206傳輸至製程腔室202。對於一些實施例,氣體遞送系統200可包含(例如)自閥門214至閥門217的旁路線路,或繞過容器的等效流路。舉例而言,旁路線路可使載體氣體210直接流至製程腔室,從而校準流量計220或沖洗製程腔室202。
可基於在製程腔室202中執行的特定製程選擇前驅物206的材料。舉例而言,前驅物206可為金屬有機材料(例如羰基鎢(W(CO)6)),以在晶圓上沉積金屬膜(W)。在另一實例中,前驅物206可為五二甲胺鉭(PDMAT),以形成包含鉭的膜。在另一實例中,前驅物206可為在晶圓上沉積介電材料層的前驅物,或將氟化物遞送至蝕刻腔室的(例如)二氟化氙(XeF
2)。通常基於前驅物206選擇載體氣體210。舉例而言,如果前驅物206是羰基鎢,則可將氬選為載體氣體210。載體氣體210可為諸如氬或氦的惰性氣體,且可與前驅物206發生反應或不發生反應。
為便於理解,將氣體遞送系統200圖示為僅將一氣體遞送至製程腔室202。然而,氣體遞送系統200可將額外的氣體(亦即攜帶額外的前驅物)遞送至製程腔室202,亦考慮多個氣體遞送系統。熟習此項技術者亦將瞭解氣體遞送系統200亦可包括未圖示的額外的部件,例如旁路閥、沖洗閥、流動控制器及/或溫度控制器。
容器204可為(例如)能承受用於使前驅物206昇華及/或汽化的溫度及壓力的任何合適的容器。對於一些實施例,容器可包含起泡器。如前文所描述,在習知的處理系統中,難以決定佈置在製程氣體208中且正遞送至製程腔室202的前驅物206的量(例如濃度)。另外或替代而言,在習知的系統中,難以決定容器204中剩餘的前驅物206的量。
在一些實施例中,如第2圖所示,氣體遞送系統200包含沿第一流路佈置的流量計216。流量計216量測第一資料,該第一資料指示載體氣體210(例如在第一流路中)的第一流速(例如質量流速或容積流速)。氣體遞送系統200包含沿第二流路佈置的流量計220。流量計220量測製程氣體208(例如在第二流路中)的流速。流量計216及/或流量計220中之一者可分別計算載體氣體210及製程氣體208的質量流速及/或容積流速。舉例而言,可執行密度、壓力及容積量測,以決定質量流速及/或容積流速。如本文所使用,質量流速係指給定容積中(例如傳遞穿過流量計的區域)的氣體的質量,容積流速係指在決定的區域中流動的氣體(例如載體氣體或製程氣體)的容積,且材料或物質密度係指氣體遞送系統200的給定容積中的材料或物質的質量。可將自流量計216、220獲得的資料傳送至計算裝置222。在一些實施例中,流量計216、220可包含質量流控制器(MFC)或以類似於質量流控制器的方式操作。舉例而言,流量計216、220可控制各別的流路中的載體氣體及/或製程氣體的流動。
如第2圖所示,容器204可包含感測器223。感測器223可為對容器204執行諸如壓力、溫度、密度等量測的感測器。量測結果可與昇華及/或汽化製程相關。舉例而言,感測器可量測容器204的當前溫度。可將自感測計223獲得的資料傳送至計算裝置222。
如第2圖所示,氣體遞送系統200可包含計算裝置222。計算裝置可自流量計216、220及/或感測器223中之一或多者接收資料。可將計算裝置222耦接至流量計216、220,感測器223及/或處理腔室202。在一些實施例中,可將計算裝置222耦接至氣體遞送系統的一或多個閥門212、214、217、218。計算裝置222可包含框架安裝伺服器、路由器電腦、個人電腦、主機電腦、膝上型電腦、平板電腦、桌上型電腦、FPGA、SoC、PLC等。計算裝置222可包含計算硬體、韌體及/或軟體(例如結合第6圖描述的一或多個特徵)。
計算裝置222可包含濃度工具224、系統控制模組226及/或前驅物監測器228。濃度工具224接收:第一資料,其指示載體氣體210的第一流速;及第二資料,其指示製程氣體208的第二流速。濃度工具可基於此等量測結果計算製程氣體208中的前驅物206的濃度。如前文所討論,可使用流速、密度與汽化之間的關係決定製程氣體208中的前驅物的相對濃度。如將在其他實施例中進一步討論,計算裝置可在適當時接收指示額外的流路的流速的資料,並將此資料與第一及第二資料聚合,以執行更新後濃度的計算並作出進一步的決定。在一些實施例中,如下文將進一步討論,亦可接收指示容器204狀態的感測器資料,並將其與所決定的前驅物206的濃度結合。
系統控制模組226監測並控制系統方法,例如控制氣體(例如載體氣體或製程氣體)的流速、調整容器的狀態(例如改變溫度、壓力等)及/或執行製程腔室程序(例如CVD製程或ALD製程)。可將前驅物206濃度決定(例如藉由濃度工具224)結合至系統控制模組226作出的決策中。舉例而言,如果前驅物濃度高於閾值位準,則系統控制模組226可使載體氣體的流動增加(例如打開閥門212或214以提高流速)或使前驅物進入容器中的流速減小(例如部分地關閉閥門230、232)。
在一些實施例中,系統控制模組226可決定前驅物濃度是否滿足閾值準則,使與製程腔室相關的製程操作得到修改。舉例而言,腔室中的製程操作可停止,直至前驅物濃度不能達到閾值條件。在另一實例中,基於決定的前驅物濃度(例如較高的溫度、較長的蝕刻持續時間、沉積持續時間等)在不同參數下執行製程步驟。
前驅物監測器228可接收前驅物濃度計算結果(例如自濃度工具224)並作出與前驅物相關的決定。在一些實施例中,前驅物監測器228可基於製程氣體208中的前驅物206的濃度決定容器204中的前驅物206的耗盡速率。舉例而言,可使用流速及濃度決定前驅物206的耗盡速率。在另一實例中,可考慮流速(其指示前驅物輸入速率,例如前驅物206自前驅物儲存器至容器204的流動),其可用於計算前驅物206的耗盡速率。
在一些實施例中,如前文所描述,前驅物206包括用於處理腔室202中的基板處理的前驅物。舉例而言,前驅物206可用作CVD製程或ALD製程的一部分。
在一些實施例中,沿第一流路佈置第一閥門212、214,且沿第二流路佈置第二閥門217、218。可選擇性打開及關閉第一閥門212、214,以改變載體氣體210的第一流速。可選擇性打開及關閉第二閥門217、218,以改變製程氣體208的第二流速。
在一些實施例中,氣體遞送系統200可包含第三流路(用虛線特徵指示)。第三流路可包括閥門230、232,流量計234以及包含推動氣體236的路徑。第三流路可將前驅物206經由推動氣體236將前驅物206引導至容器204中。流量計234量測第三資料,該第三資料指示第三流路中的前驅物的第三流速。計算裝置222可進一步用第三資料計算前驅物206的濃度。舉例而言,前驅物及推動氣體的速率可佔由流量計220量測的質量流速的一部分。
在另一實施例中,第三流路可將第二載體氣體引導至容器204中。流量計234可量測第三資料,該第三資料指示第三流路中的第二載體氣體的第三流速。計算裝置222可進一步使用第三資料(例如第二載體氣體的流速)計算前驅物的濃度。舉例而言,第二載體氣體的流速可佔由流量計220量測的質量流速的一部分。
在一些實施例中,如前文所討論,容器204可包含量測容器204的狀態的感測器223。舉例而言,感測器223可為能夠量測資料的溫度感測器,該資料指示容器204的溫度。計算裝置222可使用第三資料(例如使用濃度工具224)計算前驅物的濃度。
第3圖圖示根據一些實施例的氣體遞送系統300。 氣體遞送系統300可為結合第2圖討論且圖示的氣體遞送系統200的進一步的實施例。氣體遞送系統300可包含多個濃度感測組件,該等濃度感測組件共同工作以決定氣體遞送系統300中的一或多種前驅物的子濃度及總濃度。
如第3圖所示,第一流動支路可包含第一載體氣體源310A、流量計316A、容器304A、前驅物306A及流量計320A。此等元件中之每一者的功能及/或配置可包括結合其他圖描述的特徵及描述(見第3圖)。流量計316A量測資料,該資料指示第一載體氣體的質量流速。流量計320A量測資料,該資料指示沿第一流動支路佈置的製程氣體的質量流速。計算裝置322可決定接點308A處的第一製程氣體中的前驅物306A的濃度。
如第3圖所示,第二流動支路可包含第二載體氣體源310B、流量計316B、容器304B、前驅物306B及流量計320B。此等元件中之每一者的功能及/或配置可包括結合其他圖描述的特徵及描述(見第3圖)。流量計316B量測資料,該資料指示第二載體氣體的質量流速。流量計320B量測資料,該資料指示沿第一流動支路佈置的製程氣體的質量流速。計算裝置322可決定接點308A處的第二製程氣體中的前驅物306B的濃度。
第一製程氣體與第二製程發生相互作用,並在接點340處混合在一起。氣體遞送系統300包含質量流量計330,該質量流量計330量測包含第一製程氣體及第二製程氣體的化合物氣體的質量流速。可按本文所描述的進行化合物氣體的質量流速。
如第3圖所示,可將計算裝置322耦接至流量計316A、320A、316B、320B及330。計算裝置可決定化合物氣體中的第一前驅物306A及/或第二前驅物306B中之一或多者的相對濃度。計算裝置可使用本文描述的方法論(例如第5圖的方法500)決定濃度。可決定每一前驅物相對於化合物氣體整體的濃度。應指出第3圖描繪的系統中的兩個流動支路具有相同的元件。然而,每一支路取決於所使用的實施例可包含更多或更少的元件,例如閥門312A至312B、314A至314B、317A至317B、318A至318B以及溫度感測器323A至323B。另外,可使用多於兩種載體氣體及前驅物組合決定(例如)具有三種或更多種載體氣體及/或前驅物組合的化合物氣體中的前驅物的濃度。
如其他實施例中所描述,計算裝置322可包含濃度工具324、系統控制模組326及/或前驅物監測器328。濃度工具324接收:第一資料,其指示第一載體氣體及/或第二載體氣體的第一流速中之一或多者;及第二資料,其指示第一製程氣體及/或第二製程氣體的第二流速。濃度工具可計算第一製程氣體中的第一前驅物206A的濃度、第二製程氣體中的第二前驅物206B的濃度以及包含第一製程氣體及第二製程氣體的化合物氣體中的第一前驅物206A及第二前驅物206B中之每一者。如前文所討論,可使用流速、密度與汽化之間的關係決定每一前驅物的相對濃度。如將在氣體實施例中進一步討論,計算裝置可在適當時接收指示額外的流路的流速的資料,並將此資料聚合,以執行更新後濃度的計算並作出進一步的決定。在一些實施例中,如下文將進一步討論,亦可接收指示容器304狀態的感測器資料,並將其與所決定的前驅物濃度結合。
系統控制模組326監測並控制系統方法,例如控制氣體(例如載體氣體或製程氣體)的流速、調整容器304A至304B的狀態(例如改變溫度、壓力等)及/或執行製程腔室程序(例如CVD製程或ALD製程)。可將前驅物306A至306B的濃度決定(例如藉由濃度工具324)結合至系統控制模組326作出的決策中。舉例而言,如果前驅物306A至306B的濃度高於閾值位準,則系統控制模組326可使載體氣體的流動增加(例如打開閥門312A至312B或314A至314B以提高流速)或使進入容器304A至304B中前驅物306A至306B的流速減小(例如部分地關閉閥門312A至312B、314A至314B)。
在一些實施例中,系統控制模組326可決定前驅物濃度滿足閾值準則,且使與製程腔室302相關的製程操作得到修改。舉例而言,腔室中的製程操作可停止,直至前驅物濃度無法滿足閾值條件。在另一實例中,基於決定的前驅物濃度(例如較高的溫度、較長的蝕刻持續時間、沉積持續時間等)在不同參數下執行製程步驟。
前驅物監測器328可接收前驅物306A至306B的濃度計算結果(例如自濃度工具324)並作出與前驅物相關的決定。在一些實施例中,前驅物監測器328可基於每一製程氣體中的前驅物306A至306B的濃度決定容器204A至204B中的前驅物306A至306B的耗盡速率。舉例而言,可使用流速及濃度決定前驅物306A至306B的耗盡速率。在另一實例中,可考慮流速,其指示前驅物輸入速率,例如前驅物306A至306B自前驅物儲存器至容器304A至304B的流動,且其可用於計算前驅物306A至306B的耗盡速率。
第4圖圖示根據一些實施例的前驅物遞送系統400。前驅物遞送系統400可適用於產生含有化學前驅物的製程氣體,且大體而言包括製程腔室406及耦接至氣體板404的載體氣體源405,後者的部件受控制器450或計算裝置控制。氣體板404大體而言控制將各種製程及載體氣體遞送至製程腔室406的速率及壓力。製程腔室406可為一腔室,其執行氣相沉積製程或熱處理,含有液態、氣態或電漿態的汽化化學前驅物。製程腔室406大體是化學氣相沉積(CVD)製程、原子層沉積(CVD)製程、原子層沉積(ALD)腔室或其衍生物。
在第1圖圖示的配置中,控制器450包括中央處理單元(central processing unit; CPU)452、記憶體454及支援電路456。中央處理單元452可為用於控制各種腔室及子處理器的工業環境的任何形式的電腦處理器中之一者。記憶體454耦接至CPU 452,且可為一或多種容易獲得的記憶體,例如隨機存取記憶體(random access memory; RAM)、唯讀記憶體(read only memory; ROM)、快閃記憶體、光碟、軟碟、硬碟或任何其他形式的本端或遠程數位儲存器。支援電路456耦接至CPU 152,用於以習知方式支持CPU 152。此等電路包括快取記憶體、電源、時脈電路、輸入/輸出電路系統、子系統及類似者。控制器450可為及/或包括計算裝置,例如個人電腦、伺服器電腦、可程式設計邏輯控制器(programmable logic controller; PLC)、微控制器等。控制器450可包括一或多個處理裝置,其可為通用處理裝置,例如微處理器、中央處理單元或類似者。更特定而言,處理裝置可為複雜指令集計算(complex instruction set computing; CISC)微處理器、精簡指令集計算(reduced instruction set computing; RISC)微處理器、極長指令字(very long instruction word; VLIW)微處理器或執行其他指令集的處理器或實施指令集組合的處理器。處理裝置亦可為一或多個專用處理裝置,例如特定應用積體電路(application specific integrated circuit; ASIC)、現場可程式設計閘陣列(field programmable gate array; FPGA)、數位訊號處理器(digital signal processor; DSP)、網路處理器或類似者。控制器450可包括資料儲存裝置(例如一或多個磁碟機及/或固態驅動器)、主記憶體、靜態記憶體、網路介面及/或其他元件。控制器450可執行指令以執行本文描述的方法及/或實施例中之任一或多者。可將指令儲存於電腦可讀取儲存媒體上,其可包括主記憶體、靜態記憶體、輔助儲存器及/或處理裝置(在執行指令期間)。
流體遞送線路436大體而言意欲將載體氣體源405、安瓿470及製程腔室406流體地耦接。載體氣體源405可為本端容器、遠端容器或在設施(例如內部氣體供應)中供應載體氣體的集中設施源。載體氣體源405通常提供載體氣體,例如氮氣、氫氣、氬氣、氦氣或其組合。流體遞送線路436通常包含佈置於載體氣體源405與接點430之間的流動控制器420,且經調適以調變穿過流體遞送線路436的載體氣體或其他流體的流速。流動控制器420可為比例閥、調變閥、針閥、調節器、質量流控制器(MFC)或類似者。接點430將流體遞送線路436分隔為氣體產生線路438及旁路線路440。接點432將氣體產生線路438及旁路線路440重新接合,之後氣體產生線路438及旁路線路440連接至製程腔室406。
氣體產生線路438包含安瓿入口腳438A,安瓿出口腳438B,閥門408、410、412,感測器426、428,斷接零件462、463以及加熱器422。安瓿入口腳438A將安瓿470的入口耦接至載體氣體源405及旁路線路440。安瓿出口腳438B將安瓿470的出口耦接至製程腔室406及旁路線路440。通常可遠程控制閥門408、410、412,此閥門用於使流體遞送線路436中的流體流動轉向,及/或用於選擇性隔離流體遞送線路436中的各個部件,以便於移除、更換及/或維護隔離的部件(包括感測器426、428,加熱器422及安瓿470)。閥門408、410、412以及閥門414、416、418(下文結合旁路線路440描述)大體是氣動控制或電子控制的,且其內部濕潤表面由與製程及流體遞送線路436處理的其他流體相容的材料製成。通常,回應於來自控制器450或計算裝置的訊號致動閥門408、410、412、414、416及418,以協調氣體穿過流體遞送線路436的遞送。感測器426、428大體經調適以偵測流過氣體產生線路438的製程及/或載體流體的溫度,例如佈置在氣體產生線路438的導管上的熱電偶。
旁路線路440大體而言包括閥門414、416及加熱器424,且用以在不使用氣體產生線路438或安瓿470的情況下流體地耦接製程腔室406及載體氣體源405。閥門418大體而言耦接於接點432與製程腔室406之間且可用於將製程腔室406與流體遞送線路436隔離。加熱器422、424是電阻式加熱元件或其他熱源,該等熱源經調適以分別加熱流過氣體產生線路438及旁路線路440的流體(例如載體氣體)流。
在接點471與安瓿470之間佈置流量計460。在接點472與安瓿之間佈置流量計461。流量計460及470可包含能夠量測資料的感測器,該資料指示質量流速。舉例而言,可量測壓力、容積流速、密度。在載體氣體傳遞穿過安瓿470之前,流量計460量測載體氣體的流動。在製程氣體(例如載體氣體及前驅物)傳遞穿過安瓿470之後,流量計461量測該製程氣體的流動。CPU 452可接收流動量測結果。CPU可基於量測的載體氣體的質量流速及製程氣體的質量流速計算製程氣體中的前驅物的濃度。另外,在一些實施例中,安瓿470可包含量測安瓿狀態(例如溫度、壓力等)的感測器。可接收安瓿470的量測狀態,並進一步用其計算製程氣體中的前驅物的濃度。
安瓿470可包括氣泡、罐或本技術已知的描述所設計容器並用於儲存、傳輸及分配化學前驅物的其他術語。安瓿470可有多種大小及幾何形狀。安瓿470中的化學前驅物的容積容量在0.5 L至約10 L的範圍中,且更通常在約1.2 L至約4 L的範圍中。在一個實例中,安瓿470中的化學前驅物的容積容量為約2.5 L。安瓿470中的化學前驅物包括液態、固態及氣態前驅物,其在預定的溫度及/或壓力下較佳地處於液態或類流體態。舉例而言,化學前驅物在室溫下以固態存在,但一旦在安瓿470中將其加熱至預定溫度則其熔化為液態。在另一實例中,化學前驅物中的大部分在安瓿470中可能仍為固態,但在處理期間加熱至更高的溫度,使少量固態前驅物直接昇華為蒸氣。在另一實例中,化學前驅物在環境壓力下可能以氣態存在,但一旦在安瓿470中將其加壓至預定壓力則其凝結為液態。
用於形成製程氣體的固態化學前驅物包含鉭前驅物,例如五(二甲醯胺基)鉭(PDMAT、Ta(NMe
2)
5)、五(二乙基醯胺基)三級亞胺戊基-參(二甲基醯胺基)鉭(TAIMATA、(
tAmylN)Ta(NMe
2)
3,其中
tAmyl是三級戊基(C
5H
11-或CH
3CH
2C(CH
3)
2-))或其衍生物。在一個實施例中,PDMAT的鹵化物(例如Cl、F、I或Br)含量低。PDMAT可具有小於約100 ppm的鹵化物濃度。舉例而言,PDMAT的氯濃度為小於約100 ppm,較佳地為小於約20 ppm,更佳地為小於約5 ppm,更佳地為小於1 ppm,例如約100 ppb或更小。
可用於藉由昇華製程形成製程氣體的其他固態化學前驅物包括二氟化氙、羰鎳及六羰鎢或其衍生物。在其他實施例中,可使液態化學前驅物蒸發,以在本文描述的安瓿中形成製程氣體。可用於形成製程氣體的一些液態化學前驅物包括:鎢前驅物,例如六氟化鎢(WF
6);鉭前驅物,例如鉭(PDEAT、Ta(NEt
2)
5)、五(甲基乙基醯胺基)鉭(PMEAT、Ta(NMeEt)
5)、三級丁基亞胺基參(二甲胺)鉭(TBTDMT、
tBuNTa(NMe
2)
3)、三級丁基亞胺基參(二乙胺)鉭(TBTDET、
tBuNTa(NEt
2)
3)、三級丁基亞胺基參(甲乙胺)鉭(TBTMET、
tBuNTa(NMeEt)
3)或其衍生物;鈦前驅物,例如四氯化鈦、四(二甲胺)鈦(TDMAT、(Me
2N)
4Ti))、四(二乙胺)鈦(TEMAT、(Et
2N)
4Ti))或其衍生物;釕前驅物,例如雙(乙基環戊二烯基)釕((EtCp)
2Ru);鉿前驅物,例如四(二甲胺)鉿(TDMAH、(Me
2N)
4Hf))、四(二乙胺)鉿(TDEAH、(Et
2N)
4Hf))、四(甲乙胺)鉿(TMEAH、(MeEtN)
4Hf))或其衍生物;及鋁前驅物,例如1-甲基吡啶肼:氫化鋁(MPA、MeC
4H
3N:AlH
3)、吡啶:氫化鋁(C
4H
4N:AlH
3)、烷基胺氫化鋁錯合物(例如三甲胺:氫化鋁(Me
3N:AlH
3))、三乙胺:氫化鋁(Et
3N:AlH
3)、二甲乙胺:氧化鋁(Me
2EtN:AlH
3)、三甲鋁(TMA、Me
3Al)、三乙鋁(TEA、Et
3Al)、三丁鋁(Bu
3Al)、氯化二甲鋁(Me
2AlCl)、氯化二乙鋁(Et
2AlCl)、氫化二丁鋁(Bu
2AlH)、氯化二丁鋁(Bu
2AlCl)或其衍生物。
在處理期間,載體氣體穿過流體遞送管路436自載體氣體源405流至安瓿470。可用加熱器422加熱載體氣體,可將安瓿470加熱至目標溫度,或在一些應用中,可加熱載體氣體及安瓿470。在處理期間,關閉閥門414及416,經由氣體產生線路438及安瓿470將所有載體氣體流引導至製程腔室406。
第5圖為根據一些實施例之決定前驅物之濃度的方法500的流程圖。可用包括硬體(例如電路系統、專用邏輯、可程式設計邏輯、微碼、處理裝置等)、軟體(例如在處理裝置上操作的指令、通用電腦系統或專用機器)、韌體、微碼或其任何組合的處理邏輯執行方法500。在一些實施例中,可用第2圖的計算裝置222執行方法500。
參考第5圖,方法500與決定氣體遞送系統(例如前驅物遞送系統)中化合物(例如前驅物)的濃度相關。
在方塊501,處理邏輯接收第一資料,該第一資料指示載體氣體的第一質量流速。第一資料可為原始感測器資料,例如載體氣體的流路的一計量位置處的載體氣體的流速、載體氣體的分子量及/或載體氣體的壓力。可用本文討論的一或多個裝置(例如感測器)量測第一資料。可在壓力受控的環境中量測第一資料。舉例而言,系統可經設計以保持量測區域中的載體氣體的壓力恆定。
在方塊502,處理邏輯接收第二資料,該第二資料指示化合物氣體的第二質量流速。化合物氣體包含載體氣體及汽化的物質(例如前驅物)。第二資料可為原始感測器資料,例如化合物氣體的流速、化合物氣體的分子量及/或化合物氣體的壓力。可用本文討論的一或多個裝置(例如感測器)量測第二資料。可在壓力受控的環境中量測第二資料。舉例而言,系統可經設計以保持量測區域中的載體氣體及化合物氣體的壓力恆定。
在一些實施例中,第一感測器及/或第二感測器中之一或多者包括質量流速控制器。計算裝置可向第一感測器及/或第二者發送指令,以改變載體氣體及/或化合物氣體的流速。如本文所討論,流動控制可基於濃度量測結果及/或處理裝置作出的決定。
在方塊503,處理邏輯接收第三資料,該第三資料指示與汽化物質的汽化相關的汽化容器的溫度。溫度可指示汽化容器中化合物的汽化速率。汽化容器可為本文揭示的結構(例如第1圖的汽化腔室108、第2圖的容器204等)中之一或多者。
在一些實施例中,製程裝置觀察密度變化(例如蒸氣壓乘以分子量)。舉例而言,氣體可以28公克每莫耳(g/mol)的分子量行進穿過第一流路。可藉由在感測器104處決定第一氣體在100托的壓力下以250每分鐘標準立方公分(sccm)流動來對此進行量測。在傳遞穿過汽化腔室108且吸收汽化物質之後,包含第一氣體(例如載體氣體)及汽化物質(例如前驅物)的汽化物質氣體流動穿過第二流路。第二感測器可量測30.89 g/mol的平均分子量,其比單獨載體氣體大約10%。可藉由量測約275 sccm的流速及100托的壓力決定平均分子量。具有汽化物質的載體氣體的增加百分比指示化合物氣體中的汽化物質的濃度。
在一些實施例中,處理邏輯將指示第一質量流速的第一資料、指示第二質量流速的第二資料及/或指示汽化容器的溫度的第三資料輸入至訓練後機器學習模型,該訓練後機器學習模型輸出汽化物質的濃度。
應指出計算濃度的方法獨立於物種。應預校準並製造諸如光學感測器的習知濃度感測器,以量測預定物種規格窗,例如密度、分子質量、流速等的極值。相比之下,本文允許的標的允許獨立於物種的計算,其適用於各種氣體(例如載體氣體及製程氣體)及各種化合物(例如前驅物)。
在方塊505,處理邏輯視情況改變載體氣體的流速。在一些實施例中,處理監測並控制氣體遞送參數,例如控制氣體(例如載體氣體或製程氣體)的流速、調整汽化容器的狀態(例如改變溫度、壓力等)及/或執行製程腔室程序(例如CVD製程或ALD製程)。可將濃度決定結合至處理裝置作出的決策中。舉例而言,如果前驅物濃度高於閾值位準,則處理裝置可使載體氣體的流動增加(例如打開閥門)或使汽化物質進入容器中的流速減小(例如部分地關閉閥門)。在一些實施例中,處理裝置可決定汽化物質的濃度滿足閾值準則,並使與製程腔室(例如基板處理腔室)相關的製程操作得到改變。舉例而言,腔室中的製程操作可停止,直至汽化物質的濃度無法滿足閾值條件。在另一實例中,基於決定的汽化物質的濃度(例如較高的溫度、較長的蝕刻持續時間、沉積持續時間等)在不同參數下執行製程步驟。
在一些實施例中,處理邏輯將指示第一質量流速的第一資料、指示第二質量流速的第二資料及/或指示汽化容器的溫度的第三資料輸入至訓練後機器學習模型,該訓練後機器學習模型輸出一或多個製程參數更新,例如對載體氣體及/或製程氣體的流速、汽化容器的狀態及/或其他製程參數更新的改變。
在方塊506,處理邏輯可視情況提供濃度以藉由圖形使用者介面(GUI)顯示。可儲存濃度且隨後將其顯示為事後分析的一部分。在一些實施例中,當氣體遞送製程進行時,可計算及/或顯示濃度。舉例而言,可在基板處理程序的一部分中追蹤前驅物的濃度。
在一些實施例中,處理邏輯自第四感測器接收第四資料,該第四資料指示第二載體氣體的第三質量流速。化合物氣體可進一步包含第二載體氣體。
在一些實施例中,處理邏輯基於決定的濃度決定佈置在汽化容器中的汽化物質的量。可提供決定的汽化物質的量以供GUI顯示。
第6圖圖示根據本揭示案之一實施例的濃度感測器的模型訓練工作流程605及模型應用工作流程617以及基於製程氣體的偵測濃度進行製程控制。在實施例中,可在包括或不包括濃度感測器應用的伺服器處執行模型訓練工作流程605,且將訓練後的模型提供至濃度感測器應用(例如在第2圖的計算裝置上),該濃度感測器應用可執行模型應用工作流程617。可用計算裝置的處理器執行的處理邏輯執行模型訓練工作流程605及模型應用工作流程617。舉例而言,可用一或多個機器學習模組實施此等工作流程605、617中之一或多者,可在濃度工具224、系統控制模組226、前驅物監測器228及/或在第2圖所示的計算裝置222的處理裝置上執行的其他軟體及/或韌體上實施該等機器學習模組。
模型訓練工作流程605訓練一或多個機器學習模型(例如深度學習模型)以執行與濃度感測器相關的一或多個分類、分段、偵測、識別、決策等任務(例如量測質量流速、計算濃度、決定前驅物資料、決定系統控制資料及/或診斷、決定對製程的修改等)。模型應用工作流程617應用一或多個經訓練機器學習模型以對汽化資料(例如載體氣體的質量流資料、製程氣體的質量流資料、前驅物量及耗盡速率、汽化腔室資料等)執行分類、分段、偵測、識別、決定等任務。機器學習模型中之一或多者可接收並處理氣體遞送資料(例如一或多種相關氣體的分子質量、載體氣體的質量流速、包含汽化前驅物的製程氣體的質量流速)。機器學習模型中之一或多者可接收並處理汽化腔室資料(例如溫度、壓力、腔室中的質量流等)及前驅物資料(分子質量、化學組成、汽化腔室中的量、耗盡速率等)。
本文描述各種機器學習輸出。本文描述且展示特定數量及佈置的機器學習模型。然而,應理解可修改所使用的機器學習模型的數量及類型以及此類機器學習模型的佈置,以達到相同或類似的最終結果。因此,描述且展示的機器學習模型的佈置僅為實例,且不應將其解釋為有限制性。
在實施例中,訓練一或多個機器學習模型以執行以下任務中之一或多者。可用單獨的機器學習模型執行每一任務。替代而言,單一的機器學習模型可執行任務中之每一者或任務的一子集。另外或替代而言,可訓練不同的機器學習模型以執行任務的不同組合。在一實例中,可訓練一個或幾個機器學習模型,其中訓練後的ML模型是具有多個共享層及多個更高階相異輸出層的單一共享神經網路,其中輸出層中之每一者輸出不同的預測、分類、識別等。一或多個訓練後機器學習模型可經訓練以執行的任務如下:
(1)前驅物濃度決定:如前文所討論,可使用流速、密度與汽化之間的關係決定製程氣體中的前驅物的相對濃度。如本文所描述,計算裝置可在適當時接收指示額外的流路的流速的資料,並可將此資料與第一及第二資料聚合以執行更新後的濃度計算,且作出進一步的決定(例如前驅物濃度分類)。前驅物濃度決定可與氣流硬體配置(例如流路的數量、流路的分開及分支、前驅物的數量、載體氣體的數量等)相關。在一些實施例中,前驅物濃度決定提供校準的
(2)前驅物濃度分類:如前文所描述,計算裝置可包含前驅物監測器,該前驅物監測器決定汽化容器中的前驅物的耗盡速率。可使用流速及前驅物濃度將前驅物濃度分類(例如在閾值邊界內、高於閾值邊界、在閾值邊界內但在閾值邊界處或高於閾值邊界耗盡等)。
(3)系統控制分類:如前文所描述,計算裝置可控制氣體流動系統,例如控制氣體(例如載體氣體或製程氣體)的流速、調整容器的狀態(例如改變溫度、壓力等)及/或執行製程腔室程序(例如CVD製程或ALD製程)。機器學習模型可輸出可顯示及/或應用於氣體遞送系統的指令,例如汽化系統需採取的補救或規定行為。舉例而言,機器學習模組可偵測到前驅物濃度高於閾值位準,並使汽化系統提高載體氣體的流速(例如,諸如用以稀釋或降低製程氣體中的前驅物濃度)。
可用於執行上文的一些或所有任務的一類機器學習模型是人工神經網路,例如深度神經網路。人工神經網路大體而言包括特徵表示部件,其具有將特徵映射為所要輸出空間的分類器或迴歸層。舉例而言,卷積神經網路(convolutional neural network; CNN)具有多層卷積濾波器。在較低層執行池化,可解決非線性,在較低層上通常附加多層感知器,將由卷積層提取的頂層特徵映射為決策(例如分類輸出)。深度學習是一類機器學習演算法,其使用非線性處理單元的多個層的級聯以進行特徵提取及變換。每一連續層使用來自前一層的輸出作為輸入。深度神經網路可按監督式(例如分類)及/或無監督(例如型樣分析)的方式學習。深度神經網路包括層的階層,其中不同的層學習對應於不同等級的抽象化的不同等級的表示。在深度學習中,每一等級學習將其輸入資料變換為稍抽象及合成的表示。舉例而言,在前驅物分類中,原始輸入可為載體及/或製程氣體的質量流量測結果,第二層可包含與蒸發腔室的狀態相關的特徵資料,第三層可包含載體及/或製程氣體的識別特徵(例如分子量、密度、化學組成)。應指出,深度學習過程可自行學習將哪些特徵最佳地置於其有的哪一等級。「深度學習」中的「深度」係指資料經由其變換的層的數量。更精確而言,深度學習系統具有較大的信用分配路徑(credit assignment path; CAP)深度。CAP為自輸入至輸出的變換鍊。CAP描述輸入與輸出之間潛在的因果關聯。對於前饋神經網路,CAP的深度可為網路的深度,且可為隱藏層的數量加一。對於遞歸神經網路,其中訊號可穿過層傳播多於一次,CAP深度可能不受限制。
在一個實施例中,一或多個機器學習模型是遞歸神經網路(recurrent neural network; RNN)。RNN是一類神經網路,其包含使神經網路獲取時間依賴性的記憶體。RNN能夠學習輸入-輸出映射,輸入-輸出映射取決於當前輸入及過去輸入。RNN將處理過去及未來的流速量測結果,並基於此連續的計量資訊作出預測。可使用訓練資料集訓練RNN以產生固定數量的輸出(例如決定沿氣體遞送系統的流路上的各個點處汽化物質的濃度)。可使用的一類RNN是長短期記憶(long short term memory; LSTM)神經網路。
可按監督式學習方式實現神經網路的訓練,其涉及經由網路饋送由經標記輸入組成的訓練資料集,觀察其輸出,定義誤差(藉由量測輸出與標籤值之間的差)以及使用諸如深梯度下降及後向傳播的技術來調合網路上跨其所有層及節點的權重,使得將誤差降至最小。在許多應用中,在訓練資料集的許多經標記輸入重複此過程產生一網路,當出現與訓練資料集中存在的輸入不同的輸入時,該網路可產生正確的輸出。
對於模型訓練工作流程605,應使用包含數百個、數千個、數萬個、數十萬個或更多載體及製程氣體流速量測結果(例如氣體遞送資料610)的訓練資料集形成訓練資料集。在實施例中,訓練資料集亦可包含用於形成訓練資料集的相關前驅物分類612,其中每一資料點及/或相關前驅物分類可包含一或多類有用資訊的各種標籤或分類。舉例而言,每一情況可包含資料及決定的前驅物分類(例如前驅物濃度、耗盡速率、汽化腔室中儲存的量等),該資料指示載體氣體的第一流速及製程氣體的第二流速。可處理此資料以產生用於訓練一或多個機器學習模型的一或多個訓練資料集636。舉例而言,可訓練機器學習模型,以使前驅物遞送系統的一或多個製程自動化(例如提高/降低載體及/或製程氣體的流速、提高汽化腔室中的前驅物量以及與遞送前驅物相關的其他製程)。
在一些實施例中,使用包含數百個、數千個、數萬個、數十萬個或更多載體及製程流速量測結果(例如氣體遞送資料610)的訓練資料集形成訓練資料集。訓練資料集亦可包含用於形成訓練資料集的相關前驅物分類612。前驅物分類612可包含一或多個濃度量測結果(例如使用殘餘氣體分析器RGA或其他濃度感測器進行的)。
在一個實施例中,產生一或多個訓練資料集636包括收集載體氣體及製程氣體的一或多個氣體流動量測。使用的標籤可取決於將對特定的機器學習模型訓練的內容。舉例而言,為訓練機器學習模型進行前驅物分類,訓練資料集636可包含指示氣體類型(例如分子量、密度等)的資料、氣體流動量測結果(例如載體及/或製程氣體的質量流速)以及指示半導體處理規格的資料。舉例而言,半導體製程可與滿足閾值標準的半導體處理結果相關的前驅物濃度窗相關。
為實現訓練,處理邏輯將訓練資料集636輸入至一或多個未訓練的機器學習模型中。在將第一輸入輸入至機器學習模型中之前,可初始化機器學習模型。處理邏輯基於訓練資料集訓練未訓練的機器學習模型,以產生執行上文所述的各個操作的一或多個訓練後機器學習模型。
可藉由將氣體遞送資料610及前驅物分類612中之一或多者一次輸入一者至機器學習模型而進行訓練。在一些實施例中,訓練機器學習模型包括調合模型以接收氣體遞送資料610(例如載體氣體及製程氣體的質量流速)並輸出在所量測前驅物濃度(使用殘餘氣體分析器RGA或其他濃度感測器進行)的閾值差內的前驅物濃度預測結果(例如前驅物分類結果612)。
機器學習模型處理輸入,以產生輸出。人工神經網路包含一輸入層,該輸入層由資料點的值組成。下一層稱為隱藏層,且隱藏層處之節點各自接收一或多個輸入值。每一節點含有應用於輸入值的參數(例如權重)。因此,每一節點基本上將輸入值輸入至多變數函數(例如非線性數學變換)以產生輸出值。下一層可為另一隱藏層或輸出層。在任一情況下,下一層處的節點自前一層處的節點接收輸出值,且每一節點將權重應用於彼等值,並隨後產生其自身的輸出值。這可在每一層進行。最後一層是輸出層,其中機器學習模型可產生的每一類別、預測及/或輸出存在一個節點。
因此,輸出可包括一或多個預測或推理。舉例而言,輸出預測或推理可包括前驅物遞送系統中的前驅物的所決定濃度。處理邏輯隨後可將預測或推理的輸出與訓練資料項中包含的量測或已知的前驅物分類(例如量測的濃度)比較。處理邏輯基於機器學習模型的輸出與已知分類(例如前驅物分類)的差決定誤差(亦即分類誤差)。處理邏輯基於誤差調整機器學習模型中的一或多個節點的權重。對於人工神經網路中的每一節點,可決定誤差項或差量。基於此誤差,人工神經網路針對其節點中之一或多者調整其參數中之一或多者(節點的一或多個輸入的權重)。以反向傳播方式更新參數,使得首先更新最高層處的節點,然後更新下一層處的節點,以此類推。人工神經網路包含多層「神經元」,其中每一層自前一層的神經元接收輸入值。對於每一神經元,參數包括與自前一層的神經元中之每一者接收的值相關的權重。因此,調整參數可包括對於人工神經網路中的一或多層處的一或多個神經元調整分配至每一輸入的權重。
模型參數一經最佳化,即可進行模型確認,以決定模型是否已改進,並決定深度神經網路的當前準確性。在一或多輪訓練之後,處理邏輯可決定是否滿足停止準則。停止準則可為準確性的目標位準、來自訓練資料集的處理後影像的目標數量、對一或多個先前資料點上的參數的改變的目標量、其組合及/或其他準則。在一個實施例中,當已至少處理最少數量的資料點且至少達到閾值準確性時,則滿足停止準則。舉例而言,閾值準確性可為70%、80%或90%的準確性。在一個實施例中,如果機器學習模型的準確性已停止提高,則滿足停止準則。如果未滿足停止準則,則執行進一步訓練。如果已滿足停止準則,則訓練完成。一旦訓練機器學習模型,則可使用訓練資料集的保留部分測試模型。
舉例而言,在一個實施例中,訓練機器學習模型(例如前驅物分類器668),以決定汽化腔室中的前驅物濃度及/或前驅物的狀態。可進行類似的製程,以訓練機器學習模型執行諸如上文所述的彼等任務的其他任務。可收集一組許多(例如數千個至數百萬個)氣體遞送量測結果(例如載體氣體及/或製程氣體的質量流速量測結果),並可決定與輸入資料662相關的預測或推理濃度相關的濃度資料666。
一旦產生一或多個訓練後機器學習模型638,即可將其儲存於模型儲存器645中並可添加至濃度感測器應用(例如濃度工具224、系統控制模組226及/或前驅物監測器228)。濃度感測器應用隨後可使用一或多個訓練後ML模型638以及另外的處理邏輯實施自動模式,其中在一些情況下儘量減少使用者人工輸入資訊或甚至消除使用者人工輸入資訊。
在一個實施例中,模型應用工作流程617包括一或多個訓練後機器學習模型,其用作系統控制分類器667、前驅物濃度決定器664及/或前驅物分類器668。在實施例中,可將此等邏輯實施為單獨的機器學習模型或實施為單個組合機器學習模型。舉例而言,系統控制分類器667、前驅物濃度決定器664及前驅物分類器668可共享一或多層深度神經網路。然而,此等邏輯中之每一者可包含深度神經網路的相異更高階層,該等層經訓練以產生不同類型的輸出。為方便起見,所示的實例僅展示上文的任務清單中所述的一些功能性。然而,應理解亦可向模型應用工作流程617添加任何其他任務。
根據一個實施例,對於模型應用工作流程617,可將輸入資料662輸入至系統控制分類器667中,系統控制分類器667可包含訓練後的神經網路。基於輸入資料662,系統控制分類器667輸出資訊,該資訊指示前驅物遞送系統的狀態(例如遞送資料669)。這可包括輸出規定行為672的一組分類機率。規定行為672可包括向控制器(例如使用者及/或自動化系統)通知的行為,當應用於氣體遞送系統時,該等行為改變前驅物遞送系統的狀態(例如降低製程氣體中的前驅物的濃度、降低汽化腔室的溫度、停止操作等)。
根據一個實施例,可將輸入資料662輸入至前驅物濃度決定器664中,前驅物濃度決定器664可包含訓練後的神經網路。基於輸入資料662,前驅物濃度決定器664輸出與輸入資料662相關的前驅物遞送系統中前驅物的濃度(例如濃度資料666)的決定結果。舉例而言,機器學習模型可經調合以接收氣體遞送資料610(例如載體氣體及製程氣體的質量流速)且輸出在同一載體氣體及製程氣體的所量測前驅物濃度(例如使用殘餘氣體分析器RGA或其他濃度感測器進行)的閾值差內的前驅物濃度預測結果(例如前驅物分類結果612),該等載體氣體及製程氣體的質量流速得到量測且量測結果用作前驅物濃度決定器664的輸入。
根據一個實施例,可將輸入資料662輸入至前驅物分類器668中,前驅物濃度決定器664可包含訓練後的神經網路。基於輸入資料662,前驅物分類器可將前驅物遞送系統的前驅物分類。舉例而言,輸出可指示汽化腔室中的前驅物的耗盡速率。輸出可指示汽化腔室中的前驅物的量。輸出可指示前驅物的化學組成(例如多個前驅物的濃度百分比)。
第7圖為根據本揭示案之一實施例的流程圖,其圖示訓練機器學習模型以決定製程氣體中之可汽化物質之濃度的方法700的實施例。在方法700的方塊702,處理邏輯收集訓練資料集,其可包含氣體遞送系統中的載體氣體及製程氣體的流速(例如質量流速)。訓練資料集的每一資料項(例如載體氣體質量流速及/或製程氣體質量流速)可包含製程氣體中的汽化物質的一或多個已知的濃度位準。
在方塊704,將訓練資料集中的資料項輸入至未訓練的機器學習模型。在方塊706,基於訓練資料集訓練機器學習模型,以產生訓練後的機器學習模型,該訓練後的機器學習模型決定製程氣體中的汽化物質(例如前驅物)濃度。機器學習模型亦可經訓練以輸出一或多種其他類型的預測、分類、決策等。舉例而言,機器學習模型亦可經訓練以將前驅物分類,並作出決策(例如手動或自動進行)以改變氣體遞送系統(例如第2圖的氣體遞送系統200)的操作。
在一個實施例中,在方塊710,在機器學習模型中輸入訓練資料項的輸入。輸入可包括氣體遞送系統的氣體流動資料。在方塊712,機器學習模型處理輸入,以產生輸出。輸出可包含氣體遞送系統之製程氣體中之汽化物質之濃度的預測及/或推理,及/或使用氣體遞送系統的製造製程的一或多個製程更新(例如以執行原子層沉積製程、化學氣相沉積製程或其他製程)。
在方塊714,處理邏輯將輸出與佈置在相關製程氣體中的汽化物質的已知濃度量測結果比較。在方塊716,處理邏輯基於輸出與濃度量測結果的差決定誤差。在方塊718,處理邏輯基於誤差調整機器學習模型中的一或多個節點的權重。
另外,在方塊714,處理邏輯將其他預測、分類等的輸出機率與輸入相關的一或多個其他標籤比較。舉例而言,機器學習模型可輸出一或多個製程參數更新,可將其與待使用的合適的製程參數的標籤比較。在方塊716,處理邏輯可決定每一比較結果的誤差。在方塊718,處理邏輯可基於此等誤差調整機器學習模型中的一或多個節點的權重。由此,機器學習模型可經訓練以進行濃度決定以及前驅物分類及/或一或多個分類、決定或預測操作。
在方塊720,處理邏輯決定是否滿足停止準則。如果不滿足停止準則,則方法返回至方塊710,並將另一訓練資料項輸入至機器學習模型中。如果滿足停止準則,則方法進行至方塊725,機器學習模型的訓練完成。
在一個實施例中,多個不同的ML模型經訓練以進行濃度決定、前驅物分類及/或系統控制分類。ML模型中之每一者可經訓練以對不同類型的輸入資料進行決定及/或分類。舉例而言,第一ML模型可經訓練以使用載體及製程氣體的質量流速量測結果進行濃度決定,第二ML模型可經訓練以使用指示汽化腔室狀態(例如溫度、壓力等)的資料進行濃度決定,且第三ML模型可經訓練以使用腔室資料及氣體流速資料的組合進行濃度決定。在一個實施例中,可訓練單一ML模型以執行上文討論的第一、第二及第三ML模型的操作。
第8圖描繪根據本揭示案之一些實施例的使用訓練後機器學習模型決定可汽化物質(例如前驅物)之濃度之一例示性方法的流程圖。可用包括硬體(例如電路系統、專用邏輯等)、軟體(例如在通用電腦系統或專用機器上操作的)或其任一組合的處理邏輯執行方法800。在一實施方式中,使用計算裝置222及訓練後機器學習模型638執行方法,但在一些其他實施方式中,可用圖中未描繪的一或多個其他機器執行第8圖的一或多個方塊。
方法800可包括使用諸如訓練後機器學習模型638的訓練後模型接收氣體遞送資料(例如結合第2圖至第4圖描述的氣體流動資料)並處理氣體遞送資料。在一些實施例中,訓練後模型可經配置以基於氣體遞送產生一或多個輸出,其指示(1)相關製程氣體中的汽化物質的預測濃度,及(2)與預測濃度準確性相關的置信度位準。在一些實施例中,訓練後機器學習模型可經配置以基於氣體遞送產生一或多個輸出,其指示(1)對製程控制參數的更新,及(2)對於更新可改進氣體遞送系統的一或多個操作條件的置信度位準。
在方塊802,識別與氣體遞送系統(例如第2圖的氣體遞送系統200)相關的氣體遞送資料。氣體遞送資料可包含資料,該資料指示載體氣體的第一質量流速、包含載體氣體及汽化物質的化合物氣體的第二質量流速及/或與使汽化物質汽化相關的汽化容器的溫度。
在一些實施例中,氣體遞送資料進一步包括合成資料或自原始感測器資料工程化的資料。舉例而言,如前文的實施例所描述,各種工程工具可進行特徵提取及/或形成人工及/或虛擬參數組合。特徵提取器可藉由進行變數分析(例如對原始感測器資料的製程控制分析、單變數限制違規分析及/或多變數限制違規分析)形成各種特徵。
在方塊804,將氣體遞送資料作為輸入提供至訓練後機器學習模型,且在方塊806,自訓練後機器學習模型獲取一或多個輸出。一或多個輸出可包括前驅物濃度、前驅物分類及/或製程控制更新。在方塊808,自方塊806獲取的輸出提取置信度資料。在一個實施方式中,置信度資料包含與預測濃度的準確性相關的置信度位準。在一個實例中,置信度位準是0與1之間的實數(包括0及1)。應指出置信度位準並非機率(例如規定行為的置信度位準的和可能不等於1)。在方塊810,處理邏輯決定置信度位準滿足閾值條件。
在方塊812,處理邏輯視情況改變載體氣體的流速。在一些實施例中,處理監測並控制氣體遞送參數,例如控制氣體(例如載體氣體或製程氣體)的流速、調整汽化容器的狀態(例如改變溫度、壓力等)及/或執行製程腔室程序(例如CVD製程或ALD製程)。可將濃度決定結合至處理裝置作出的決策中。舉例而言,如果前驅物濃度示值高於閾值位準,則處理裝置可使載體氣體的流動增加(例如打開閥門)或使進入容器中汽化物質的流速減小(例如部分地關閉閥門)。在一些實施例中,處理邏輯可決定汽化物質的濃度滿足閾值標準,並使與製程腔室(例如基板處理腔室)相關的製程操作得到改變。舉例而言,腔室中的製程操作可停止,直至汽化物質的濃度不能達到閾值條件。在另一實例中,基於決定的汽化物質的濃度(例如較高的溫度、較長的蝕刻持續時間、沉積持續時間等)在不同參數下執行製程步驟。在一些實施例中,機器學習將改變及/或調整輸出至氣體遞送系統。舉例而言,機器學習模型可指示氣體(例如載體氣體及/或製程氣體)的流速的變化。
在方塊814,處理邏輯可視情況提供濃度以藉由圖形使用者介面(GUI)顯示。可儲存濃度並隨後將其顯示為事後分析的一部分。在一些實施例中,當氣體遞送製程進行時,可計算及/或顯示濃度。舉例而言,可在基板處理程序的一部分中追蹤前驅物的濃度。
第9圖描繪根據本揭示案之一或多個態樣而操作之能夠計算氣體濃度的例示性計算裝置的方塊圖。在各個說明性實例中,計算裝置900的各個部件可表示計算裝置222及/或控制器450的各個部件。
可將例示性計算裝置900連接至LAN、內部網路、外部網路及/或網際網路中的其他電腦裝置。計算裝置900可在客戶端-伺服器網路環境中的以伺服器的身份操作。計算裝置900可為個人電腦(personal computer; PC)、機上盒(set-top box; STB)、伺服器、網路路由器、交換機或網橋或能夠執行指定由裝置執行之動作的一組指令(順序的或以其他方式)的任何彼裝置。另外,雖然僅圖示單一例示性計算裝置,但術語「電腦」亦應包括機器(電腦)的任何電腦的集合,其個別地或共同執行一組(或多組)指令以執行本文所討論之方法中之任一或多者。
例示性計算裝置900可包含處理裝置902(亦稱為處理器或CPU)、主記憶體904(例如唯讀記憶體(read-only memory; ROM)、快閃記憶體、動態隨機存取記憶體(dynamic random access memory; DRAM)(例如同步DRAM(SDRAM)等)、靜態記憶體906(例如快閃記憶體、靜態隨機存取記憶體(static random access memory; SRAM)等)及輔助記憶體(例如資料儲存裝置918),其可經由匯流排930相互通信。
處理裝置902表示一或多個通用處理裝置,例如微處理器、中央處理單元或類似者。更特定而言,處理裝置902可為複雜指令集計算(complex instruction set computing; CISC)微處理器、精簡指令集計算(reduced instruction set computing; RISC)微處理器、極長指令字(very long instruction word; VLIW)微處理器、執行其他指令集的處理器或實施指令集組合的處理器。處理裝置902亦可為一或多個專用處理裝置,例如特定應用積體電路(application specific integrated circuit; ASIC)、現場可程式設計閘陣列(field programmable gate array; FPGA)、數位訊號處理器(digital signal processor; DSP)、網路處理器或類似者。根據本揭示案的一或多個態樣,處理裝置902可經配置以執行指令,該等指令實施第5圖所示的方法500。
例示性計算裝置900可進一步包括網路介面裝置908,網路介面裝置908可通信耦接至網路920。例示性計算裝置900可進一步包括視訊顯示器910(例如液晶顯示器(liquid crystal display; LCD)、觸控螢幕或陰極射線管(cathode ray tube; CRT))、文數輸入裝置912(例如鍵盤)、游標控制元件914(例如滑鼠)及聲波訊號產生裝置916(例如揚聲器)。
資料儲存裝置918可包含機器可讀儲存媒體(或者更具體而言,非暫時性機器可讀儲存媒體)928,其儲存一或多組可執行指令922。根據本揭示案的一或多個態樣,可執行指令922可包含與第5圖至第8圖所示的執行方法500至800相關的可執行指令。
可執行指令922亦可在由例示性計算裝置900、主記憶體904及處理裝置(亦由電腦可讀儲存媒體構成)執行期間完全或部分地駐留於主記憶體904及/或處理裝置902內。可進一步經由網路介面裝置908在網路上傳送或接收可執行指令922。
雖然在第9圖中將電腦可讀儲存媒體928展示為單一媒體,但術語「電腦可讀儲存媒體」應包括儲存一或多組操作指令的單一媒體或多個媒體(例如集中式或分散式資料庫及/或相關聯的快取記憶體及伺服器)。術語「電腦可讀儲存媒體」亦應包括任何媒體,其能夠儲存或編碼一組指令,該組指令由機器執行,使機器執行本文描述的方法中之任一或多者。因此,術語「電腦可讀儲存媒體」應包括但不限於固態記憶體、光學媒體及磁性媒體。
根據對電腦記憶體中的資料位元的操作的演算法及符號表示展現上文的詳細描述的一些部分。此等演算法描述及表示是熟習資料處理技術者使用的向其他熟習此項技術者最有效地傳達其工作實質的途徑。此處將演算法大體解釋為導致目標結果的自恰的步驟順序。步驟需要對物理量的實體操縱。通常(但並非必需的),此等量採用電或磁訊號的形式,可儲存、傳送、組合、比較或以其他方式操縱該等電或磁訊號。有時(通常出於使用習慣的原因)為方便起見,將此等訊號稱為位元、值、要素、符號、字符、術語、數目或類似者。
然而,應瞭解所有此等及類似的術語與合適的物理量相關,僅為應用於此等量的方便標籤。除非另外具體說明,否則自以下討論可明顯得出,應瞭解在整個描述中,使用諸如「識別」、「決定」、「儲存」、「調整」、「使」、「返回」、「比較」、「形成」、「停止」、「裝載」、「複製」、「切斷」、「更換」、「執行」或類似者的術語的討論係指電腦系統或類似的電子計算裝置的行為及製程,電腦系統或類似的電子計算裝置控制電腦系統的暫存器及記憶體中表示為物理(電子)量的資料,並將其轉換為在電腦系統記憶體或暫存器或其他此類資訊儲存、傳送或顯示裝置中類似地表示為物理量的其他資料。
本揭示案的實例亦與用於執行本文所描述方法的器械相關。特別構造此器械以用於預期的目的,或此器械可為通用電腦系統,該通用電腦系統由儲存於電腦系統中的電腦程式選擇性程式化。可將此電腦程式儲存於電腦可讀儲存媒體中,例如但不限於包括光碟的任何類型的磁碟、光碟唯讀記憶體(compact disc read only memory; CD-ROM)、磁光碟、唯讀記憶體(read-only memory; ROM)、隨機存取記憶體(random access memory; RAM)、可抹除可程式設計唯讀記憶體(erasable programmable read-only memory; EPROM)、電子可抹除可程式設計唯讀記憶體(electrically erasable programmable read-only memory; EEPROM)、磁碟儲存媒體、光學儲存媒體、快閃記憶體裝置、其他類型的機器可存取儲存媒體或適於儲存電子指令的任何類型的媒體,其中每一者耦接至電腦系統匯流排。
本文提供的方法及顯示器與任何特定的電腦或其他器械無內在聯繫。各個通用系統可與根據本文教示的程式一起使用,或其可便於建造執行所述方法步驟的更專用的裝置。以下描述將闡述各個此等系統的結構。另外,本揭示案的範疇不限於任何特定的程式語言。吾人將瞭解可使用各種程式設計語言實施本揭示案的教示。
應理解以上描述意欲為說明性的,不具有限制性。閱讀並理解以上描述後,熟習此項技術者將理解許多其他實施方式實例。雖然本揭示案描述具體實例,但吾人將瞭解本揭示案的系統及方法不限於本文描述的實例,但可在所附請求項的範疇內經修改後實踐。因此,將說明書及圖式視為說明性而非限制性的。因此應參考所附的請求項以及此等請求項所授權的等效物的全部範疇來決定本揭示案的範疇。
100A:濃度感測器組件
100B:濃度感測器組件
102:第一流路
104:第一感測器
106:旁路流路
108:汽化腔室
110:第二感測器
112:第二流路
114A:腔室支腳
114B:腔室支腳
200:氣體遞送系統
202:製程腔室
204:容器
206:前驅物
208:製程氣體
210:載體氣體
212:第一閥門
214:第一閥門
216:流量計
217:第二閥門
218:第二閥門
220:流量計
222:計算裝置
223:感測器
224:濃度工具
226:系統控制模組
228:前驅物監測器
230:閥門
232:閥門
234:流量計
236:推動氣體
302:製程腔室
304A:容器
304B:容器
306A:第二前驅物
308A:接點
310A:第一載體氣體源
310B:第二載體氣體源
312A:閥門
312B:閥門
314A:閥門
314B:閥門
316A:流量計
316B:流量計
317A:閥門
317B:閥門
318A:閥門
318B:閥門
320A:流量計
320B:流量計
322:計算裝置
323A:溫度感測器
323B:溫度感測器
324:濃度工具
326:系統控制模組
328:前驅物監測器
330:質量流量計
340:接點
400:前驅物遞送系統
404:氣體板
405:載體氣體源
406:製程腔室
408:閥門
410:閥門
412:閥門
414:閥門
416:閥門
418:閥門
420:流動控制器
422:加熱器
424:加熱器
426:感測器
428:感測器
430:接點
432:接點
436:流體遞送線路
438:氣體產生線路
438A:安瓿入口腳
438B:安瓿出口腳
440:旁路線路
450:控制器
452:中央處理單元
454:記憶體
456:支援電路
460:流量計
461:流量計
470:安瓿
471:接點
472:接點
501:方塊
502:方塊
503:方塊
504:方塊
505:方塊
506:方塊
605:模型訓練工作流程
610:氣體遞送資料
612:前驅物分類
617:模型應用工作流程
636:訓練資料集
638:機器學習模型
645:模型儲存器
662:輸入資料
664:前驅物濃度決定器
666:濃度資料
667:系統控制分類器
668:前驅物分類器
669:遞送資料
672:規定行為
700:方法
702:方塊
704:方塊
706:方塊
710:方塊
712:方塊
714:方塊
716:方塊
718:方塊
720:方塊
725:方塊
800:方法
802:方塊
804:方塊
806:方塊
808:方塊
810:方塊
812:方塊
814:方塊
900:計算裝置
902:處理裝置
904:主記憶體
906:靜態記憶體
908:網路介面裝置
910:視訊顯示器
912:文數輸入裝置
914:游標控制器
916:聲波訊號產生裝置
918:資料儲存裝置
920:網路
922:可執行指令
928:電腦可讀儲存媒體
930:匯流排
第1A圖至第1B圖圖示根據一些實施例的濃度感測器組件的例示性實施例。
第2圖圖示根據一些實施例的氣體遞送系統。
第3圖圖示根據一些實施例的氣體遞送系統。
第4圖圖示根據一些實施例的前驅物遞送系統。
第5圖為根據一些實施例之決定前驅物之濃度的方法的流程圖。
第6圖圖示根據本揭示案之一實施例的濃度感測器的模型訓練工作流程及模型應用工作流程。
第7圖為根據本揭示案之一實施例的流程圖,其圖示訓練機器學習模型以決定製程氣體中之可汽化物質之濃度的方法的實施例。
第8圖描繪根據本揭示案之一些實施例的使用訓練後機器學習模型決定可汽化物質之濃度之一個例示性方法的流程圖。
第9圖描繪根據本揭示案之一或多個態樣而操作之能夠計算氣體濃度的例示性計算裝置的方塊圖。
國內寄存資訊(請依寄存機構、日期、號碼順序註記)
無
國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記)
無
100A:濃度感測器組件
102:第一流路
104:第一感測器
106:旁路流路
108:汽化腔室
110:第二感測器
112:第二流路
114A:腔室支腳
114B:腔室支腳
Claims (20)
- 一種濃度感測器組件,其包含: 一汽化腔室,其包含一化合物,該汽化腔室將該化合物轉換為一氣態; 一第一流路,其耦接至該汽化腔室,該第一流路將一第一氣體引導至該汽化腔室; 一第二流路,其耦接至該汽化腔室,該第二流路將一第二氣體引導出該汽化腔室,其中該第二氣體包含該化合物及該第一氣體; 一第一感測器,其沿該第一流路佈置,該第一感測器量測指示該第一流路中的該第一氣體的一第一質量流速的第一資料; 一第二感測器,其沿該第二流路佈置,該第二感測器量測指示該第二流路中的該第二氣體的一第二質量流速的第二資料;及 一控制器,其耦接至該第一感測器及該第二感測器,該控制器基於該第一資料及該第二資料決定該第二氣體中的該化合物的一濃度。
- 如請求項1所述之濃度感測器組件,其中該第一感測器或該第二感測器中之至少一者包含一質量流速控制器。
- 如請求項1所述之濃度感測器組件,其進一步包含: 一第一閥門,其沿該第一流路佈置;及 一第二閥門,其沿該第二流路佈置, 其中該第一閥門選擇性打開及關閉,以改變該第一氣體的一第一流速,且該第二閥門選擇性打開及關閉,以改變該第二氣體的一第二流速。
- 如請求項1所述之濃度感測器組件,其中該化合物包含用於處理一基板的一前驅物。
- 如請求項1所述之濃度感測器組件,其進一步包含耦接至該汽化腔室的一第三流路,該第三流路將該化合物引導至該汽化腔室中。
- 如請求項5所述之濃度感測器組件,其進一步包含沿該第三流路佈置的一第三感測器,該第三感測器量測指示該第三流路中的該化合物的一第三質量流速的第三資料,其中該控制器進一步基於該第三資料計算該化合物的該濃度。
- 如請求項6所述之濃度感測器組件,其中該控制器基於該濃度進一步決定該汽化腔室中的該化合物的一耗盡速率。
- 如請求項1所述之濃度感測器組件,其進一步包含量測指示該汽化腔室的一溫度的第三資料的一第三感測器,其中該控制器器進一步基於該第三資料計算該化合物的該濃度。
- 一種前驅物遞送系統,其包含: 一汽化腔室,該汽化腔室包含一前驅物, 一第一流路,其耦接至該汽化腔室,該第一流路將一載體氣體引導至該汽化容器中; 一第二流路,其耦接至該汽化容器,該第二流路將一製程氣體引導出該汽化容器,其中該製程氣體包含該載體氣體及該前驅物; 一製程腔室,其耦接至該第二流路,其中該第二流路將該製程氣體引導至該製程腔室; 一第一流量計,其沿該第一流路佈置,該第一流量計量測指示該第一流路中的該載體氣體的一第一流速的第一資料; 一第二流量計,其沿該第二流路佈置,該第二流量計量測指示該第二流路中的該製程氣體的一第二質量流速的第二資料;及 一控制器,其耦接至該第一流量計及該第二流量計,該控制器基於該第一資料及該第二資料決定該製程氣體中的該前驅物的一濃度。
- 如請求項9所述之前驅物遞送系統,其中該前驅物包含用於該處理腔室中的基板處理的一前驅物。
- 如請求項9所述之前驅物遞送系統,其進一步包含沿該第一流路佈置的一第一閥門及沿該第二流路佈置的一第二閥門,其中該第一閥門選擇性打開及關閉以改變該載體氣體的該第一流速,且該第二閥門選擇性打開及關閉以改變該製程氣體的該第二流速。
- 如請求項9所述之前驅物遞送系統,其進一步包含沿一第三流路佈置的一第三流量計,該第三流路將該前驅物引導至該汽化容器中,其中該第三流量計量測指示該第三流路中的該前驅物的一第三流速的第三資料,其中該控制器進一步使用該第三資料計算該前驅物的該濃度。
- 如請求項9所述之前驅物遞送系統,其進一步包含沿一第三流路佈置的一第三流量計,該第三流路將一第二載體氣體引導至該汽化容器中,其中該第三流量計量測指示該第三流路中的該第二載體氣體的一第三流速的第三資料,其中該控制器進一步用該第三資料計算該前驅物的該濃度。
- 如請求項9所述之前驅物遞送系統,其中該控制器基於該濃度進一步決定該汽化腔室中的該前驅物的一耗盡速率。
- 如請求項9所述之前驅物遞送系統,其進一步包含量測指示該汽化容器的一溫度的第三資料的一溫度感測器,其中該控制器器進一步使用該第三資料計算該前驅物的該濃度。
- 一種方法,其包含以下步驟: 藉由一處理裝置自一第一感測器接收指示一載體氣體的一第一質量流速的第一資料; 藉由該處理裝置自一第二感測器接收指示包含該載體氣體及一汽化物質的一化合物氣體的一第二質量流速的第二資料, 藉由該處理裝置自一第三感測器接收指示與該汽化物質的汽化相關的一汽化容器的一溫度的第三資料; 藉由該處理裝置基於該第一資料、該第二資料及該第三資料決定該化合物氣體中的該汽化物質的一濃度;及 執行(1)改變該載體氣體的一流速或(2)提供該濃度以供一圖形使用者介面(GUI)顯示中之至少一者。
- 如請求項16所述之方法,其中該汽化物質之步驟包含以下步驟:用於處理一基板的一前驅物。
- 如請求項16所述之方法,其進一步包含以下步驟: 藉由該處理裝置自一第四感測器接收指示一第二載體氣體的一第三質量流速的第四資料,其中該化合物氣體包含該第二載體氣體。
- 如請求項16所述之方法,其進一步包含以下步驟: 將該第一資料、該第二資料及該第三資料用作一機器學習模型的輸入;及 獲取該機器學習模型的一或多個輸出,該一或多個輸出指示該化合物氣體中的該汽化物質的該濃度。
- 如請求項16所述之方法,其進一步包含以下步驟: 基於該濃度決定該汽化容器中的該汽化物質的一量;及 提供該量以供該GUI顯示。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/365,906 | 2021-07-01 | ||
US17/365,906 US11808746B2 (en) | 2021-07-01 | 2021-07-01 | Concentration sensor for precursor delivery system |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202307414A true TW202307414A (zh) | 2023-02-16 |
Family
ID=84692057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111124418A TW202307414A (zh) | 2021-07-01 | 2022-06-30 | 用於前驅物遞送系統的濃度感測器 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11808746B2 (zh) |
EP (1) | EP4363631A1 (zh) |
KR (1) | KR20240023662A (zh) |
CN (1) | CN117545874A (zh) |
TW (1) | TW202307414A (zh) |
WO (1) | WO2023278474A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI829523B (zh) * | 2023-02-03 | 2024-01-11 | 國立中央大學 | 測量物性的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4341107A (en) * | 1980-10-14 | 1982-07-27 | Tylan Corporation | Calibratable system for measuring fluid flow |
DE68917561T2 (de) * | 1988-11-23 | 1995-04-13 | Applied Materials Inc | Anlage zum chemischen Bedampfen aus der Gasphase und Bauteil zur Versorgung mit Reaktionsmitteln. |
US6772072B2 (en) | 2002-07-22 | 2004-08-03 | Applied Materials, Inc. | Method and apparatus for monitoring solid precursor delivery |
US6909839B2 (en) | 2003-07-23 | 2005-06-21 | Advanced Technology Materials, Inc. | Delivery systems for efficient vaporization of precursor source material |
JP5264039B2 (ja) * | 2004-08-10 | 2013-08-14 | 東京エレクトロン株式会社 | 薄膜形成装置及び薄膜形成方法 |
US8951478B2 (en) | 2006-03-30 | 2015-02-10 | Applied Materials, Inc. | Ampoule with a thermally conductive coating |
US9857027B2 (en) * | 2014-07-03 | 2018-01-02 | Applied Materials, Inc. | Apparatus and method for self-regulating fluid chemical delivery |
US9951423B2 (en) | 2014-10-07 | 2018-04-24 | Lam Research Corporation | Systems and methods for measuring entrained vapor |
US10852282B2 (en) * | 2015-12-14 | 2020-12-01 | Hitachi Metals, Ltd. | System and method for determining a concentration of a constituent gas in a gas stream using pressure measurements |
US11819838B2 (en) | 2016-04-26 | 2023-11-21 | L'Air Liquide, Société Anonyme pour l'Etude et l'Exploitation des Procédés Georges Claude | Precursor supply system and precursors supply method |
US11718912B2 (en) | 2019-07-30 | 2023-08-08 | Applied Materials, Inc. | Methods and apparatus for calibrating concentration sensors for precursor delivery |
-
2021
- 2021-07-01 US US17/365,906 patent/US11808746B2/en active Active
-
2022
- 2022-06-28 KR KR1020247003053A patent/KR20240023662A/ko unknown
- 2022-06-28 CN CN202280044989.9A patent/CN117545874A/zh active Pending
- 2022-06-28 WO PCT/US2022/035352 patent/WO2023278474A1/en active Application Filing
- 2022-06-28 EP EP22834082.4A patent/EP4363631A1/en active Pending
- 2022-06-30 TW TW111124418A patent/TW202307414A/zh unknown
-
2023
- 2023-09-27 US US18/373,732 patent/US20240019410A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023278474A1 (en) | 2023-01-05 |
KR20240023662A (ko) | 2024-02-22 |
US20230003704A1 (en) | 2023-01-05 |
US20240019410A1 (en) | 2024-01-18 |
CN117545874A (zh) | 2024-02-09 |
US11808746B2 (en) | 2023-11-07 |
EP4363631A1 (en) | 2024-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080044573A1 (en) | Rate control process for a precursor delivery system | |
CN107043927B (zh) | 原料气体供给装置和原料气体供给方法 | |
US9563209B2 (en) | Raw material gas supply method | |
US7628861B2 (en) | Pulsed mass flow delivery system and method | |
CN106987824B (zh) | 原料气体供给装置和原料气体供给方法 | |
US10287682B2 (en) | Substrate processing apparatus, gas supply method, substrate processing method, and film forming method | |
US20240019410A1 (en) | Concentration sensor for precursor delivery system | |
CN102791906B (zh) | 脉冲气体传送的控制和方法 | |
KR102109287B1 (ko) | 기판 처리 방법, 기억 매체 및 원료 가스 공급 장치 | |
CN105483655A (zh) | 用于测量夹带蒸气的系统和方法 | |
KR20220103583A (ko) | 박막 성막 파라미터를 동적으로 조정하기 위한 시스템 및 방법 | |
KR20010013480A (ko) | 밀폐된 컨테이너 내의 비압축성 물질의 양 측정 | |
JP2014145115A (ja) | 原料ガス供給装置、成膜装置、流量の測定方法及び記憶媒体 | |
US10256101B2 (en) | Raw material gas supply apparatus, raw material gas supply method and storage medium | |
US10752995B2 (en) | Material delivery system and method | |
CN113005428B (zh) | 薄膜沉积系统以及沉积薄膜的方法 | |
JP2017053039A (ja) | 原料ガス供給装置、成膜装置、流量の測定方法及び記憶媒体 | |
JP2024508307A (ja) | 自動補充システムにおける液体送達の制御 | |
KR20230053533A (ko) | 챔버 내로의 저 증기압 전구체의 제어된 전달 | |
JP2023018677A (ja) | プロセスチャンバへの前駆体送達をモニターするシステムおよび方法 | |
KR20220048493A (ko) | 기준압력도달시간에 기초하여 캐니스터에 저장된 소스의 잔량을 측정할 수 있는 시스템 및 방법 |