TW202344834A - 製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化 - Google Patents

製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化 Download PDF

Info

Publication number
TW202344834A
TW202344834A TW111146970A TW111146970A TW202344834A TW 202344834 A TW202344834 A TW 202344834A TW 111146970 A TW111146970 A TW 111146970A TW 111146970 A TW111146970 A TW 111146970A TW 202344834 A TW202344834 A TW 202344834A
Authority
TW
Taiwan
Prior art keywords
pulse waveform
signal
pulse
radio frequency
quasi
Prior art date
Application number
TW111146970A
Other languages
English (en)
Inventor
德莫特 坎特維爾
坤庭歐尼 沃克
塞爾吉 馬爾科夫
傑汀德 庫瑪
Original Assignee
美商應用材料股份有限公司
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 美商應用材料股份有限公司 filed Critical 美商應用材料股份有限公司
Publication of TW202344834A publication Critical patent/TW202344834A/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32082—Radio frequency generated discharge
    • H01J37/32137—Radio frequency generated discharge controlling of the discharge by modulation of energy
    • H01J37/32155—Frequency modulation
    • H01J37/32165—Plural frequencies
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/02—Investigating the presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/04—Investigating moisture content
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32082—Radio frequency generated discharge
    • H01J37/32137—Radio frequency generated discharge controlling of the discharge by modulation of energy
    • H01J37/32146—Amplitude modulation, includes pulsing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/04—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant in circuits having distributed constants, e.g. having very long conductors or involving high frequencies
    • G01R27/06—Measuring reflection coefficients; Measuring standing-wave ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/28—Measuring attenuation, gain, phase shift or derived characteristics of electric four pole networks, i.e. two-port networks; Measuring transient response
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/28—Measuring attenuation, gain, phase shift or derived characteristics of electric four pole networks, i.e. two-port networks; Measuring transient response
    • G01R27/32—Measuring attenuation, gain, phase shift or derived characteristics of electric four pole networks, i.e. two-port networks; Measuring transient response in circuits having distributed constants, e.g. having very long conductors or involving high frequencies

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Plasma & Fusion (AREA)
  • Engineering & Computer Science (AREA)
  • Drying Of Semiconductors (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

提供了用於製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化的方法和系統。射頻（RF）訊號依據一組射頻脈衝參數在處理腔室內被脈衝化。從一個或多個感測器接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的多位準射頻脈衝波形。識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值。每個經識別的峰值與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應。基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應。向客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的指示。

Description

製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化
本揭示內容的實施例總體上涉及製造系統，特別是涉及製造系統處的多位準射頻脈衝監測和脈衝參數最佳化。
基板製程（例如蝕刻製程、沉積製程等）可以在製造系統的處理腔室處對基板執行。在處理腔室處執行的每個基板製程都可以依據特定的製程配方執行。在一些情況下，製程配方的一個或多個操作可以包括在處理腔室內脈衝化一個或多個射頻（RF）訊號（例如經由在處理腔室內或與之耦合的射頻產生器）。例如，製造系統的使用者（例如操作員、技術人員等）可以經由與製造系統連接的客戶端設備提供一個或多個射頻脈衝參數（例如脈衝佔空比參數、脈衝偏移參數等），製造系統處的一個或多個射頻產生器可以依據該一個或多個提供的射頻脈衝參數在處理腔室內脈衝化射頻訊號。製造系統的使用者可能很難依據基板製程配方調整射頻脈衝參數，以使目標多位準射頻脈衝波形在處理腔室中產生。
以下是本揭示內容的簡化概要，以提供對本揭示內容的一些態樣的基本理解。這個概要並不是對本揭示內容的廣泛概述。它並不旨在識別本揭示內容的關鍵或重要元素，也不旨在劃定本揭示內容的特定實施方式的任何範圍或請求項的任何範圍。它的唯一目的是以簡化的形式呈現本揭示內容的一些概念以作為後面呈現的更詳細描述的前奏。
在本揭示內容的一個態樣中，一種方法包括以下步驟：依據一組射頻脈衝參數在製造系統的處理腔室內脈衝化射頻（RF）訊號。該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的目標多位準射頻脈衝波形。該方法進一步包括以下步驟：從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的多位準射頻脈衝波形。該方法進一步包括以下步驟：識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值。經識別的一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應。該方法進一步包括以下步驟：基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應。該方法進一步包括以下步驟：向與該製造系統連接的客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的指示。
在本揭示內容的另一個態樣中，一種非暫時性機器可讀取儲存媒體儲存有指令，該等指令當被執行時，導致處理設備：依據一組射頻脈衝參數在製造系統的處理腔室內脈衝化射頻（RF）訊號。該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的目標多位準射頻脈衝波形。該處理設備進一步用於：從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的多位準射頻脈衝波形。該處理設備進一步用於：識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值。經識別的一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應。該處理設備進一步用於：基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應。該處理設備進一步用於：向與該製造系統連接的客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的指示。
在本揭示內容的另一個態樣中，一種系統包括記憶體和與該記憶體耦合的處理設備。該處理設備用於：依據一組射頻脈衝參數在製造系統的處理腔室內脈衝化射頻（RF）訊號。該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的目標多位準射頻脈衝波形。該處理設備進一步用於：從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的多位準射頻脈衝波形。該處理設備進一步用於：識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值。經識別的一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應。該處理設備進一步用於：基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應。該處理設備進一步用於：向與該製造系統連接的客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的指示。
本文揭露的實施例包括用於製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化的方法和系統。製造系統可以包括配置為對基板執行製程（在本文中稱為基板製程）的製造設備。基板可以包括晶圓、半導體、顯示器等。基板製程可以包括沉積製程（例如，化學氣相沉積（CVD）製程、原子層沉積（ALD）製程、物理氣相沉積（PVD）製程等），以在基板的表面上沉積薄膜。在其他或類似的實施例中，基板製程可以包括蝕刻製程，以蝕刻掉沉積在基板表面上的材料的一部分，從而創建目標圖案。製造系統的基板處理設備（例如，處理腔室等）可以藉由執行與特定基板製程相關聯的製程配方（例如，沉積製程配方、蝕刻製程配方等）的一個或多個操作來處理基板。製程配方可以包括多個配方操作，如傳輸操作（例如，機器人將基板運送到不同的位置）、處理操作（例如，在處理腔室中處理基板）、清潔操作（例如，在處理操作後清潔處理腔室）和/或類似操作。
對於一些基板製程，流體以氣體狀態流入處理腔室，射頻（RF）能量被施加到該流體，以將該流體的狀態從氣體狀態變為電漿狀態（例如稱為擊打電漿（striking plasma）），以便進行配方操作。施加的射頻能量在本文中稱為射頻訊號。當流體從氣體狀態變為電漿狀態時，流體的分子會發生解離，從而增加處理腔室中的壓力。在一些情況下，射頻訊號是以一系列脈衝的形式施加的。在一些情況下，脈衝化射頻訊號的步驟包括產生射頻訊號並以特定頻率振盪該射頻訊號。在一些情況下，脈衝射頻訊號以不同的位準發射射頻能量（例如，一個較高的能量位準，然後是一個較低的能量位準或零能量位準）。在處理腔室處或與之耦合的感測器（例如光學頻率感測器（OFS））可以將射頻訊號的脈衝偵測為一個波形。波形指的是隨著時間的推移基於射頻脈衝化在處理腔室內偵測到的頻率變化。例如，一個或多個射頻脈衝產生器可以在處理腔室內產生射頻脈衝波形。
在傳統的系統中，在處理腔室內提供單位準射頻脈衝。這種單位準射頻脈衝可以作為單位準脈衝波形進行偵測。單位準脈衝波形指的是在一個射頻脈衝週期內以單一能量位準振盪的射頻訊號的可偵測到的波形。傳統方法的單位準脈衝波形具有與腔室中提供的射頻訊號相關聯的單一頻率和單一佔空比（即與為射頻訊號提供能量相關聯的電路開啟的時間與該電路關閉的時間之比）。處理腔室內的氣體或電漿對射頻訊號脈衝起反應，處理腔室感測器可以相應地偵測到單位準脈衝波形。偵測到的波形表明氣體或電漿對射頻訊號脈衝的反應。
傳統上，由於測量和控制這種脈衝很容易，因此在製程操作中只使用具有單一佔空比的單位準脈衝。傳統系統或方法的脈衝是方形脈衝，這意味著射頻訊號在基線頻率（即，當與為射頻訊號提供能量的電路關閉時）與單一能量位準（例如，單位準）之間振盪（即，為這種脈衝偵測的波形顯示為方形的形狀）。多位準脈衝（例如，多位準）指的是在單一射頻脈衝週期內在多個頻率位準之間振盪的射頻訊號。例如，單位準脈衝在每個振盪中將腔室中的射頻能量修改到單一位準，而多位準脈衝可以在每個振盪中將射頻能量修改到多個不同的位準。
如上所述，傳統系統只實施了單位準脈衝，並且由於難以監測和控制多位準脈衝，不執行這種多位準脈衝所允許的更複雜的操作。用於監測和控制單位準脈衝的方法和技術不能用於監測和控制多位準脈衝。越來越複雜的波形可以用於生產越來越複雜和規模越來越小的產品（如基板、晶圓、半導體等），這些產品無法用單位準射頻脈衝來生產。由於用於監測和控制脈衝波形的傳統方法不足以測量多位準波形，所以多位準射頻脈衝不能在傳統系統中實施以製造這種越來越小和複雜的產品。
本文所揭露的方法和系統是針對製造系統處的多位準射頻脈衝監測和脈衝參數最佳化。用於製造系統的控制器（本文稱為系統控制器）可以導致一個或多個射頻產生器在製造系統的處理腔室內脈衝化射頻訊號。射頻產生器可以依據一組射頻脈衝參數脈衝化射頻訊號。在一些實施例中，射頻產生器基於射頻脈衝參數產生脈衝射頻訊號波形，該波形可以在處理腔室內偵測到，如上所述。射頻脈衝參數可以對應於和/或包括脈衝佔空比參數、脈衝功率參數、脈衝頻率參數、脈衝振幅參數、脈衝下降參數、脈衝偏移參數和/或脈衝時間偏移（例如延遲）參數。射頻脈衝參數可以與要為配方操作在處理腔室內產生的目標多級射頻脈衝波形對應。在一些實施例中，脈衝參數由製造系統的使用者（例如操作員、技術人員等）經由與製造系統連接的客戶端設備提供。在其他或類似的實施例中，與處理腔室處的基板製程相關聯的一個或多個製程配方操作可以指定脈衝參數。在一些實施例中，脈衝參數被指定並提供給射頻產生器，這導致射頻產生器產生射頻訊號，以在處理腔室內產生氣體或電漿的與目標位準或目標波形對應的目標響應。例如，射頻訊號的一個或多個頻率可以基於製程操作期間處理腔室內的流體（例如氣體或電漿）的目標響應提供給射頻產生器。這種頻率可以對應於要在腔室內偵測到的目標波形。
如上所述，射頻產生器可以依據射頻脈衝參數產生和脈衝化射頻訊號。每個產生的射頻訊號可以促成可以在製程腔室內偵測到（例如被光學頻率感測器（OFS）等偵測到）的一個多位準脈衝射頻訊號波形。在一些實施例中，多個射頻產生器可以各自產生一個射頻脈衝訊號，該射頻脈衝訊號可以與由其他射頻產生器產生的射頻脈衝訊號不同。這種射頻脈衝訊號可以促成可以在處理腔室內偵測到（例如被OFS等偵測到）的多位準射頻脈衝波形。例如，由相應的射頻產生器產生的每個射頻訊號可以依據與相應的射頻脈衝訊號相關聯的相異頻率位準和一個或多個佔空比，將處理腔室內的流體從氣體狀態激發到電漿狀態（例如擊打電漿）。在腔室處或與之耦合的一個或多個感測器（例如OFS）可以基於多個射頻訊號偵測電漿的光學響應。該光學響應可以與腔室內的多位準射頻脈衝波形對應。
系統控制器可以從監測處理腔室的該一個或多個感測器接收表明多位準射頻脈衝波形的感測器資料。系統控制器可以基於收到的感測器資料識別多位準射頻脈衝波形中的一個或多個峰值。多位準射頻脈衝波形中每個經識別的峰值可以與處理腔室內的射頻訊號脈衝化的至少一個射頻訊號脈衝對應。在一些實施例中，系統控制器可以藉由識別偵測到的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的一個或多個區域，識別多位準射頻脈衝波形中的峰值。在一些實施例中，射頻訊號尖峰與處理腔室內的射頻訊號的介於第一狀態與第二狀態之間的脈衝對應。在一些實施例中，第一狀態是高能量位準，第二狀態是低能量位準，反之亦然。如上所述，每個經識別的區域與偵測到的多位準射頻脈衝波形的一個相應的峰值對應。在一些實施例中，射頻訊號的從第一狀態到第二狀態的過渡區域與偵測到的多位準射頻脈衝的相應峰值對應。在附加性或替代性的實施例中，系統控制器可以使用一個或多個機器學習模型來識別多位準射頻脈衝波形的包括峰值的區域，如本文更詳細的描述。
基於偵測到的多位準射頻脈衝波形中識別的該一個或多個峰值，系統控制器可以決定偵測到的多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應。例如，如果偵測到的多位準射頻脈衝波形中識別的一個或多個峰值（例如峰值的大小、峰值的位置等）與目標多級射頻脈衝波形的對應峰值充分匹配（例如大致匹配）（例如匹配度在預定閾值內），那麼系統控制器可以決定偵測到的多位準射頻脈衝波形與目標多級射頻脈衝波形對應。系統控制器可以向與製造系統連接的客戶端設備傳輸對偵測到的多位準射頻脈衝波形是否與目標多位準射頻脈衝波形對應的指示。例如，如果系統控制器決定偵測到的波形與目標多級射頻脈衝波形匹配（或大致匹配）（例如匹配度在預定閾值內），那麼系統控制器可以向與製造系統連接的客戶端設備傳輸指示，向使用者表明這一點。在一些實施例中，系統控制器還可以傳輸與偵測到的多位準射頻脈衝波形中識別的該一個或多個峰值相關聯的資料。
在一些實施例中，製造系統的使用者（例如操作員、技術人員等）可以基於與偵測到的多位準射頻脈衝波形中識別的該一個或多個峰值相關聯的資料，更新（例如調整）射頻脈衝參數。例如，使用者可以更新為產生偵測到的多位準射頻脈衝波形而提供的射頻脈衝參數，以為在處理腔室處執行的未來基板製程增加或減少射頻脈衝的位準。基於更新的射頻脈衝參數產生的射頻訊號可以促成更新的多位準射頻脈衝波形（即如上所述在處理腔室中偵測到的多位準射頻脈衝波形）。在一個說明性例子中，依據先前所述的實施例，系統控制器可以決定更新的多位準射頻脈衝波形更緊密地對應於目標多級射頻脈衝波形。因此，使用者可以為基板製程調整射頻脈衝參數，從而最佳化製造過程配方。最佳化製程配方可以導致基板依據目標狀態進行處理。
本揭示內容的實施方式藉由提供用於監測多位準射頻脈衝波形並使使用者（例如操作員、技術人員等）能夠最佳化製造系統的射頻脈衝參數的技術，解決了當前技術的上述缺陷。本揭示內容的實施例提供了準確地測量在處理腔室內偵測到的複雜射頻波形（包括多位準射頻脈衝波形）的技術。對這種波形的更準確的測量，能夠允許使用越來越複雜的波形（例如多位準射頻脈衝波形）作為製程操作的一部分，這反過來又能夠允許製造出規模越來越小和越來越複雜的產品。此外，本揭示內容的實施例使使用者（例如操作員、技術人員）能夠最佳化和/或調整提供給一個或多個射頻產生器以產生多位準射頻訊號的射頻脈衝參數。因此，使用者可以最佳化和/或調整射頻訊號，以導致處理腔室內的流體（例如氣體或電漿）的響應更緊密地匹配目標響應，從而更精確和更準確地製造產品。因此，本揭示內容的實施例可以使產品（例如晶圓、基板、半導體等）的製造能夠具有更高的準確度、精度、一致性和/或品質。以更高的準確度、精度和/或品質來製造產品，可以帶來更高的效率和產量，並減少製造系統的整體延遲。因此，系統控制器消耗較少的計算資源（例如處理循環、記憶體空間等）來執行製造系統處的基板製程，這提高了整體效率並減少了與製造系統相關聯的計算系統的整體延遲。
圖 1是依據本揭示內容的態樣，說明示例性系統架構的方塊圖。在一些實施例中，電腦系統架構100可以被包括為用於處理基板的製造系統的一部分。電腦系統架構100包括客戶端設備120、系統控制器設備121（例如控制器、伺服器）、製造設備124、計量設備128、預測伺服器112（其例如用來產生預測資料、提供模型調適、使用知識庫等）和資料儲存器140。預測伺服器112可以是預測系統110的一部分。預測系統110可以進一步包括伺服器機器170和180。製造設備124可以包括感測器126，這些感測器被配置為為正被製造系統處理的基板捕捉資料。在一些實施例中，製造設備124和感測器126可以是感測器系統的一部分，包括感測器伺服器（例如，製造設施處的現場服務伺服器（FSS））和感測器識別碼讀取器（例如，感測器系統的前開式晶圓傳送盒（FOUP）射頻識別（RFID）讀取器）。在一些實施例中，計量設備128可以是計量系統的一部分，包括計量伺服器（例如，計量資料庫、計量資料夾等）和計量識別碼讀取器（例如，計量系統的FOUP RFID讀取器）。
製造設備124按照配方生產產品或在一段時間內執行作業。製造設備124可以包括配置為在基板製程期間為基板產生資料（稱為感測器資料）的一個或多個感測器126。感測器資料可以包括以下項目中的一者或多者的值：溫度（如加熱器溫度）、間距（SP）、壓力、高頻射頻（HFRF）、靜電卡盤（ESC）的電壓、電流、流量、功率、電壓、光頻資料、波形資料（如多位準射頻脈衝波形資料）等。感測器資料可以與製造參數相關聯或表明製造參數，例如硬體參數，例如製造設備124的設定或部件（例如尺寸、類型等），或製造設備124的製程參數。感測器資料可以表明製造設備124的處理腔室內的波形（例如多位準射頻脈衝波形）。在一些實施例中，感測器資料可以在製造設備124正在執行製造過程時提供（例如在處理產品時的設備讀數），或在附加性或替代性的實施例中在製造設備124已經完成了製造過程之後提供。
計量設備128提供了與由製造設備124處理的基板（如晶圓等）相關聯的計量資料。在一些實施例中，計量設備128可以被包括或連接到製造設備124的一個或多個部件。因此，在一些實施例中，計量設備128可以產生與基板相關聯的計量資料，而不需要從製造設備124的真空環境中移除基板。在其他或類似的實施例中，計量設備128可以是製造設備124的外部設備。在這種實施例中，在基板被引入真空環境之前和/或在基板被從製造設備124的真空環境中移除之後，基板可以在計量設備128處被測量。由計量設備128產生的計量資料可以包括以下項目中的一者或多者的值：薄膜性質資料（例如晶圓空間薄膜性質）、尺寸（例如厚度、高度等）、介電常數、摻雜物濃度、密度、缺陷等。在一些實施例中，計量資料可以進一步包括一個或多個表面輪廓性質資料的值（例如蝕刻速率、蝕刻速率均勻性、包括在基板的表面上的一個或多個特徵的臨界尺寸、整個基板表面上的臨界尺寸均勻性、邊緣放置誤差等）。計量資料可以是成品或半成品的資料。每個基板的計量資料可以不同。在一些實施例中，計量設備128可以在處理之前和/或之後為基板產生計量資料。在一些實施例中，計量資料可以用於產生訓練資料，用於訓練一個或多個機器學習模型和/或用於偵測與在處理腔室內偵測到的多位準射頻脈衝波形相關聯的一個或多個峰值的位置。
客戶端設備120包括計算設備，例如個人電腦（PC）、膝上型電腦、行動電話、智慧型手機、平板電腦、隨身型易網機電腦、網路連接的電視（「智慧型TV」）、網路連接的媒體播放器（例如藍光播放器）、機上盒、過頂（OTT）串流設備、營運商盒子（operator box）等。在一些實施例中，可以從客戶端設備120接收計量資料。在一些實施例中，客戶端設備120顯示圖形使用者介面（GUI），其中GUI使使用者能夠提供針對在製造系統處處理的基板的計量測量值作為輸入。在其他或類似的實施例中，客戶端設備120可以顯示另一個GUI，使使用者能夠提供對在製造系統處處理的基板類型、要對基板執行的製程類型和/或製造系統處的設備類型的指示作為輸入。客戶端設備包括一個或多個處理引擎。例如，客戶端設備120可以包括 圖 3所述的射頻訊號引擎122。
系統控制器設備121（如控制器、伺服器）包括一個或多個計算設備，諸如框架安裝式（rackmount）伺服器、路由器電腦、伺服器電腦、個人電腦、大型電腦、膝上型電腦、平板電腦、桌上型電腦、圖形處理單元（GPU）、加速器特定應用積體電路（ASIC）（例如張量處理單元（TPU））等。在一些實施例中，系統控制器設備121包括 圖 3所述的射頻訊號引擎122。在一些實施例中，系統控制器設備121是半導體處理系統的控制器，並用於控制製造設備124。
資料儲存器140可以是記憶體（例如隨機存取記憶體）、驅動器（例如硬碟機、快閃碟）、資料庫系統，或能夠儲存資料的另一種類型的部件或設備。資料儲存器140可以包括可以跨越多個計算設備（例如多個伺服器電腦）的多個儲存部件（例如多個驅動器或多個資料庫）。資料儲存器140可以儲存與在製造設備124處處理基板相關聯的資料。例如，資料儲存器140可以儲存由製造設備124處的感測器126在基板製程之前、期間或之後收集的資料（稱為製程資料）。製程資料可以指歷史製程資料（例如，為在製造系統處處理的先前基板產生的製程資料）和/或當前製程資料（例如，為在製造系統處處理的當前基板產生的製程資料）。當前製程資料可以是一種資料，預測資料是為該資料產生的。在一些實施例中，資料儲存器可以儲存包括歷史計量資料（例如針對在製造系統處處理的先前基板的計量測量值）的計量資料。
在一些實施例中，資料儲存器140可以儲存與多位準射頻脈衝波形相關聯的資料。例如，資料儲存器140可以儲存射頻脈衝資料、射頻訊號尖峰資料、射頻脈衝參數資料，以及包括射頻訊號峰值位置資料的射頻訊號峰值資料。在一些實施例中，資料儲存器140可以儲存與歷史多位準射頻脈衝波形相關聯的歷史資料。例如，資料儲存器140可以儲存歷史感測器資料、歷史射頻脈衝資料、歷史射頻訊號尖峰資料、歷史射頻脈衝參數資料，以及包括歷史射頻訊號峰值位置資料的歷史射頻訊號峰值資料。
資料儲存器140還可以儲存與在製造系統處處理的一個或多個基板相關聯的上下文資料。上下文資料可以包括配方名稱、配方操作編號、預防性維護指示符、操作員等。
在一些實施例中，資料儲存器140可以被配置為儲存製造系統的使用者無法存取的資料。例如，為正在製造系統處處理的基板獲得的製程資料、光譜資料、非光譜資料和/或位置資料可以是製造系統的使用者無法存取的。在一些實施例中，儲存在資料儲存器140處的所有資料都是製造系統的使用者（例如操作員）無法存取的。在其他或類似的實施例中，儲存在資料儲存器140處的資料的一部分是使用者無法存取的，而儲存在資料儲存器140處的資料的另一個部分是使用者能夠存取的。在一些實施例中，儲存在資料儲存器140處的資料的一個或多個部分使用使用者未知的加密機制來加密（例如資料是使用私用加密金鑰來加密的）。在其他或類似的實施例中，資料儲存器140包括多個資料儲存器，其中使用者無法存取的資料儲存在一個或多個第一資料儲存器中，而使用者能夠存取的資料儲存在一個或多個第二資料儲存器中。
在一些實施例中，預測系統110包括伺服器機器170和伺服器機器180。伺服器機器170包括訓練集產生器172，它能夠產生訓練資料集（例如一組資料輸入和一組目標輸出）以訓練、驗證和/或測試機器學習模型190。下面就 圖 5A詳細描述了訓練集產生器172的一些操作。在一些實施例中，訓練集產生器172可以將訓練資料劃分成訓練集、驗證集和測試集。在一些實施例中，預測系統110產生多組訓練資料。
伺服器機器180包括訓練引擎182、驗證引擎184、選擇引擎186和/或測試引擎188。引擎可以指硬體（例如電路系統、專用邏輯、可程式化邏輯、微代碼、處理設備等）、軟體（例如運行於處理設備、通用電腦系統或專用機器上的指令）、韌體、微代碼或其組合。訓練引擎182能夠訓練機器學習模型190。機器學習模型190可以指由訓練引擎182使用訓練資料創建的模型工件（model artifact），該訓練資料包括訓練輸入和對應的目標輸出（針對相應的訓練輸入的正確答案）。訓練引擎182可以尋找訓練資料中的將訓練輸入映射到目標輸出（要預測的答案）的模式，並提供捕捉到這些模式的機器學習模型190。在一些實施例中，機器學習模型190使用支援向量機（SVM）、放射狀基底函數（RBF）、聚類、監督式機器學習、半監督式機器學習、非監督式機器學習、k最近鄰域演算法（k-NN）、線性迴歸、監督式迴歸、隨機森林、神經網路（例如人工神經網路）等中的一者或多者。
驗證引擎184能夠使用來自訓練集產生器172的驗證集的對應的一組特徵來驗證經訓練的機器學習模型190。驗證引擎184可以基於驗證集的對應的各組特徵來決定每個經訓練的機器學習模型190的準確度。驗證引擎184可以丟棄準確度不滿足閾值準確度的經訓練的機器學習模型190。在一些實施例中，選擇引擎186能夠選擇準確度滿足閾值準確度的經訓練的機器學習模型190。在一些實施例中，選擇引擎186能夠選擇具有經訓練的機器學習模型190中最高的準確度的經訓練的機器學習模型190。
測試引擎188能夠使用來自訓練集產生器172的測試集的對應的一組特徵來測試經訓練的機器學習模型190。例如，使用訓練集的第一組特徵來訓練的第一經訓練的機器學習模型190可以使用訓練集的第一組特徵來測試。測試引擎188可以基於測試集來決定具有所有經訓練的機器學習模型中最高的準確度的經訓練的機器學習模型190。
預測伺服器112包括預測部件114，該預測部件能夠提供在對第一組基板執行的當前製程期間由製造系統處的一個或多個感測器收集的資料作為對經訓練的機器學習模型190的輸入，並對輸入運行經訓練的機器學習模型190以獲得一個或多個輸出。在一些實施例中，預測部件114還能夠從經訓練的機器學習模型的一個或多個獲得的輸出抽取射頻訊號尖峰區域資料，並使用該射頻訊號尖峰區域資料來決定偵測到的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的一個或多個區域。
射頻訊號尖峰區域資料可以包括對與處理腔室中的多位準射頻脈衝波形相關聯的資料的與一個或多個射頻訊號尖峰對應的一個或多個區域的指示。在一些實施例中，射頻訊號尖峰區域資料包括對偵測到的多位準射頻脈衝波形中的一個或多個峰值的一個或多個位置的指示。例如，射頻訊號尖峰區域資料可以識別與多位準射頻脈衝波形相關聯的感測器資料區域，射頻訊號中的峰值在該區域處發生（例如該區域與一個或多個射頻訊號尖峰對應）。
客戶端設備120、系統控制器設備121、製造設備124、感測器126、計量設備128、預測伺服器112、資料儲存器140、伺服器機器170和伺服器機器180可以經由網路130彼此耦合。在一些實施例中，網路130是公用網路，它向客戶端設備120提供對預測伺服器112、資料儲存器140和其他可公用的計算設備的存取。在一些實施例中，網路130是私用網路，它向客戶端設備120提供對製造設備124、計量設備128、資料儲存器140和其他可私用的計算設備的存取。網路130可以包括一個或多個廣域網路（WAN）、區域網路（LAN）、有線網路（例如乙太網路）、無線網路（例如802.11網路或Wi-Fi網路）、蜂巢式網路（例如長期演進（LTE）網路）、路由器、集線器、交換器、伺服器電腦、雲端計算網路和/或其組合。
應注意，在一些其他的實施方式中，伺服器機器170和180以及預測伺服器112的功能可以由更少數量的機器來提供。例如，在一些實施例中，伺服器機器170和180可以被整合成單個機器，而在一些其他或類似的實施例中，伺服器機器170和180以及預測伺服器112可以被整合成單個機器。
一般而言，在一個實施方式中被描述為由伺服器機器170、伺服器機器180和/或預測伺服器112所執行的功能也可以在客戶端設備120上執行。此外，歸因於特定部件的功能性還可以由一起操作的不同部件或多個部件所執行。
在實施例中，「使用者」可以被表示為一個人（例如操作員、技術人員、工程師等）。然而，本揭示內容的其他實施例包含是由複數個使用者和/或自動來源控制的實體的「使用者」。例如，聯合作為管理員群組的一組個人使用者可以被視為「使用者」。
雖然本揭示內容的一些實施例描述了測量基板處理系統中的光學波形和多位準射頻脈衝波形，但在一些實施例中，本揭示內容也適用於隨著時間的推移執行操作的其他系統，例如製造系統等。
圖 2是依據本揭示內容的態樣，用於射頻脈衝監測的方法的流程圖。方法200由處理邏輯執行，該處理邏輯包括硬體（例如電路系統、專用邏輯、可程式化邏輯、微代碼、處理設備等）、軟體（例如運行於處理設備、通用電腦系統或專用機器上的指令）、韌體、微代碼或其組合。在一些實施例中，方法200部分由射頻訊號引擎122（其例如駐留在就 圖 1描述的系統控制器設備121和/或客戶端設備120處）執行。在其他或類似的實施例中，方法200部分由預測系統（例如預測系統110）執行。在一些實施例中，非暫時性儲存媒體儲存有指令，該等指令當由處理設備（例如預測系統110、射頻訊號引擎122等）執行時，導致該處理設備執行方法200。在一些實施例中，儲存媒體是儲存指令的非暫時性機器可讀取儲存媒體，該等指令當由處理設備（例如預測系統110、射頻訊號引擎122等）執行時，導致該處理設備執行方法200。
為了便於解釋，方法200被描繪和描述成一系列的操作。然而，依據本揭示內容的操作可以以各種順序和/或並行地發生，並且與本文未提出和描述的其他操作一起發生。此外，在一些實施例中，不是所有說明的操作都被執行以實施依據所揭露的主題的方法200。此外，本領域中的技術人員將了解並理解，方法200可以替代性地經由狀態圖或事件被表示為一系列的相互關聯的狀態。
參考 圖 2，顯示了依據本揭示內容的態樣的用於基板處理設備（例如處理腔室、圖1的製造設備124）的方法200（例如用於測量處理腔室內的波形和多位準脈衝的過程序列）的流程圖。
在方法200的方塊202處，處理邏輯依據一組射頻脈衝參數在處理腔室內脈衝化射頻訊號。射頻脈衝參數與要基於射頻訊號脈衝化在處理腔室內產生的目標多級射頻脈衝波形對應。例如，目標多級射頻脈衝波形與製程配方的目標波形對應，並且該組射頻脈衝參數被指定為與目標多級射頻脈衝波形對應。作為另一個例子，使用者可以基於要在處理腔室的流體中產生的目標響應（例如目標行為、目標多級射頻脈衝波形）來指定射頻脈衝參數。在這樣的例子中，射頻脈衝參數不與目標響應直接對應，而是可以與將誘發目標響應的射頻訊號相關。
在一些實施例中，該組射頻脈衝參數由處理設備提供，作為對與處理腔室相關聯的一個或多個射頻訊號產生器的輸入。在一些實施例中，射頻脈衝參數可以提供給與處理腔室連接的多個射頻訊號產生器。在一些實施例中，一組射頻訊號產生器與處理腔室相關聯。在一些實施例中，該組射頻訊號產生器包括三個射頻訊號產生器。每個射頻訊號產生器可以被配置為基於收到的一組射頻脈衝參數輸出射頻訊號。每個射頻訊號產生器也可以被配置為基於收到的該組射頻脈衝參數使產生的射頻訊號脈衝化或振盪。在一些實施例中，由射頻訊號產生器提供的射頻訊號脈衝與在處理腔室內可以偵測到的多位準射頻脈衝波形對應。多位準射頻脈衝波形可以與射頻脈衝參數對應。
在方塊204處，處理設備從與處理腔室相關聯的一個或多個感測器接收感測器資料。在一些實施例中，該一個或多個感測器至少包括光學頻率感測器（OFS）。在一些實施例中，光學頻率感測器感測處理腔室內的電漿對由該組射頻訊號產生器輸出的射頻訊號的光學響應。從該一個或多個感測器接收的感測器資料表明基於射頻訊號脈衝化在處理腔室內偵測到的多位準射頻脈衝波形。在一些實施例中，在處理腔室內偵測到的多位準射頻脈衝波形與由該組射頻訊號產生器提供的射頻訊號脈衝化對應。
在方塊206處，處理邏輯識別偵測到的多位準射頻脈衝波形中的一個或多個峰值。在一些實施例中，偵測到的多位準射頻脈衝波形中的峰值與偵測到的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的區域對應。在一些實施例中，射頻訊號尖峰與處理腔室內的射頻訊號從第一狀態到第二狀態（即從高能量到低能量等）的過渡對應。在一些實施例中，射頻訊號尖峰與處理腔室內的電漿對由該組射頻訊號產生器輸出的射頻訊號的光學響應中的過渡對應。
在一些實施例中，偵測到的多位準射頻脈衝波形中的該一個或多個峰值由處理邏輯識別，該處理邏輯將一個或多個資料變換操作應用於感測器資料，以獲得經變換的多位準射頻脈衝波形。在一些實施例中，資料變換操作用於放大與偵測到的多位準射頻脈衝波形相關聯的一個或多個射頻訊號尖峰的強度。在一些實施例中，與射頻訊號尖峰相關聯的一個或多個區域由處理邏輯基於經變換的多位準射頻脈衝波形來識別。例如，資料變換操作可以放大感測器資料中感興趣的資料（例如多位準射頻脈衝波形的資料），與射頻訊號尖峰相關聯的區域可以從該資料識別出來。
在方塊208處，處理邏輯基於經識別的該一個或多個峰值，決定偵測到的多位準射頻脈衝波形是否與目標多位準射頻脈衝波形對應。例如，處理邏輯驗證，對由該組射頻訊號產生器輸出的射頻訊號的電漿響應與目標多級射頻脈衝波形對應。在一些實施例中，決定偵測到的多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應包括以下步驟：決定偵測到的多位準射頻脈衝波形的相應的經識別區域的位置或大小中的至少一者是否與目標多級射頻脈衝波形的目標訊號尖峰區域的目標位置或目標大小中的至少一者對應。例如，處理邏輯可以決定多位準射頻脈衝波形的一個或多個峰值的位置與目標多級射頻脈衝波形的目標訊號尖峰的目標位置對應。或者，處理邏輯可以決定多位準射頻脈衝波形的一個或多個峰值的大小與目標多級射頻脈衝波形的目標訊號尖峰的目標大小對應。
此外，在一些實施例中，決定偵測到的多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應進一步包括以下步驟：決定偵測到的多位準射頻脈衝波形與目標多級射頻脈衝波形對應。在一些實施例中，該決定的進行是響應於決定相應的經識別區域的位置或大小中的至少一者與目標尖峰區域的目標位置或目標大小中的該至少一者對應。例如，如果偵測到的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的經識別區域的位置與目標訊號尖峰區域的目標位置對應，那麼處理邏輯決定偵測到的多位準射頻脈衝波形與目標多級射頻脈衝波形對應。
在方塊210處，處理設備提供對偵測到的多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應的指示。在一些實施例中，該指示是經由與製造系統連接的客戶端設備（例如圖1的客戶端設備120）的GUI提供的。在一些實施例中，該指示包括提供偵測到的多位準射頻脈衝波形中的該一個或多個峰值中的每一者的位置。在一些實施例中，每個峰值的位置對應於與射頻訊號尖峰相關聯的區域的位置。例如，處理設備可以向GUI提供表明該一個或多個峰值的位置的資料，GUI用於向使用者顯示該資料。在一些實施例中，GUI顯示器該一個或多個峰值的位置。
圖 3是依據本揭示內容的態樣，說明與測量處理腔室內的波形和多位準脈衝相關聯的示例射頻（RF）訊號引擎的方塊圖。在一些實施例中，射頻訊號引擎322與 圖 1的射頻訊號引擎122對應。在一些實施例中，射頻訊號引擎322包括一個或多個部件。例如，射頻訊號引擎322可以包括資料變換部件392、尖峰資料抽取部件394、資料雜訊抑制部件196和/或峰值偵測部件398。在一些實施例中，射頻訊號引擎322的每個部件執行一個或多個操作。
在一些實施例中，射頻訊號引擎322接收感測器資料350。感測器資料是從與處理腔室相關聯的一個或多個感測器接收的。在一些實施例中，感測器資料表明在處理腔室內偵測到的多位準射頻脈衝波形。如上所述，在處理腔室內偵測到的多位準射頻脈衝波形與處理腔室內的電漿對由一個或多個射頻訊號產生器輸出的射頻訊號的光學響應對應。
在一些實施例中，資料變換部件392從製造設備124處的該一個或多個感測器接收感測器資料350。在其他或類似的實施例中，資料變換部件392可以獲得感測器資料350（例如從資料儲存器140獲得）。在一些實施例中，資料變換部件392將一個或多個資料變換操作應用於感測器資料，以獲得經變換的多位準射頻脈衝波形資料。在一些實施例中，該一個或多個資料變換操作包括十進位（base-ten）對數變換操作、自然對數變換操作、逆變換操作、逆對數變換操作，或沒有變換操作。資料變換操作可以放大與偵測到的多位準射頻脈衝波形相關聯的一個或多個射頻訊號尖峰的強度。在一些實施例中，機器學習模型可以用於從一組資料變換操作識別要使用的資料變換操作。感測器資料可以作為輸入提供給機器學習模型。機器學習可以被訓練為基於歷史感測器資料和應用於該歷史感測器資料的歷史資料變換操作，識別要應用於給定感測器資料的資料變換。資料變換部件392可以基於機器學習模型的一個或多個輸出，識別要應用於感測器資料的資料變換操作，並且可以將經識別的資料變換操作應用於感測器資料，如上所述。在一些實施例中，最佳化模型被用於從一組資料變換操作識別要使用的資料變換。
在一些實施例中，資料變換部件392向尖峰資料抽取部件394提供經變換的多位準射頻脈衝波形資料。在一些實施例中，尖峰資料抽取部件394決定與經變換的多位準射頻脈衝波形資料相關聯的尖峰資料（例如見 圖 4的尖峰訊號）。在一些實施例中，尖峰資料是基於經變換的多位準射頻脈衝波形資料。在一些實施例中，尖峰資料抽取部件394決定經變換的多位準射頻脈衝波形資料中的過渡。尖峰資料可以與經變換的多位準射頻脈衝波形資料中的過渡對應。在一些實施例中，尖峰資料抽取部件394決定經變換的多位準射頻脈衝波形資料的一個或多個區域的變化率的大小。例如，尖峰資料抽取部件394可以識別經變換的多位準射頻脈衝波形資料的變化率的大小。在一些實施例中，經變換的多位準射頻脈衝波形資料的一些區域的大小可以具有較大的變化率，其大小大於其他區域。尖峰資料可以表明與經變換的多位準射頻脈衝波形資料的具有大小比一個或多個其他區域還大的變化率的該一個或多個區域對應的一個或多個最大值或最小值（例如尖峰）（例如見 圖 4的峰值）。在一些實施例中，尖峰資料抽取部件394採用一個或多個運算器來從經變換的多位準射頻脈衝波形資料決定尖峰資料。例如，尖峰資料抽取部件394可以採用Teager-Kaiser能量運算器來從經變換的多位準射頻脈衝波形資料決定尖峰資料。
在一些實施例中，尖峰資料抽取部件394向資料雜訊抑制部件396提供尖峰資料。資料雜訊抑制部件396可以被配置為減少（例如衰減）尖峰資料中的雜訊。雜訊可以指使資料中感興趣的部分錯亂的額外或多餘資料。藉由減少資料中的雜訊量，射頻訊號引擎322可以更好地隔離尖峰資料中的峰值，這些峰值對應於偵測到的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的區域。在一些實施例中，資料雜訊抑制部件396可以對尖峰資料執行一個或多個資料平均化操作。在一些實施例中，由資料雜訊抑制部件396執行的平均化操作可以與先進先出（FIFO）矩陣運算對應。在其他或類似的實施例中，資料雜訊抑制部件396使用移動平均濾波器（moving-average filter）來減少尖峰資料中的雜訊。
在一些實施例中，資料雜訊抑制部件396向峰值偵測部件398提供雜訊被減少的尖峰資料。在一些實施例中，峰值偵測部件398識別尖峰資料中的一些峰值。在一些實施例中，峰值偵測部件398可以使用局部最大值方法來識別尖峰資料中的峰值。例如，峰值偵測部件398可以識別與尖峰資料相關聯的一個區域中的局部最大值，該區域與跟對應於另一個局部最大值的尖峰資料相關聯的另一個區域分開（例如基於閾值距離）。每個區域的局部最大值可以與波峰的相應峰值對應。例如，峰值偵測部件398可以決定彼此相距一個閾值距離內的兩個局部最大值與單個峰值對應。在另一個例子中，峰值偵測部件398可以決定彼此相距超過閾值距離的兩個局部最大值與至少兩個相異的峰值對應。在一些實施例中，峰值偵測部件398決定每個經識別的峰值的位置和大小。在一些實施例中，每個偵測到的峰值可以與被指定（例如由使用者指定）要在尖峰資料內偵測的峰值對應。在這種實施例中，處理邏輯基於所指定的峰值數量，為峰值偵測部件398決定要在尖峰資料內偵測的峰值數量。
在一些實施例中，峰值偵測部件398產生峰值資料380。在一些實施例中，峰值資料380可以包括對與為多位準射頻脈衝波形識別的每個峰值相關聯的一個或多個峰值位置和/或峰值大小的指示。在一些實施例中，峰值偵測部件向資料雜訊抑制部件396提供峰值資料380。資料雜訊抑制部件396對峰值資料380執行一個或多個資料平均化操作，以減少（例如衰減）峰值資料380中的雜訊。在一些實施例中，在峰值資料380中的雜訊減少之後，峰值資料380可以表明與多位準射頻脈衝波形相關聯的尖峰訊號（例如圖4的尖峰訊號）的一個或多個對應峰值的一個或多個平均位置和/或一個或多個平均大小。
在一些實施例中，射頻訊號引擎322的一個或多個功能由一個或多個機器學習模型執行。在一些實施例中，經訓練的機器學習模型基於接收感測器資料350作為輸入來決定峰值資料380。本揭示內容的機器學習實施方式將結合 圖 5A-C更詳細地討論。
圖 4是依據本揭示內容的態樣，說明多位準射頻脈衝波形、相關聯的尖峰訊號和相關聯的峰值的曲線圖。在一些實施例中，感測器資料（例如 圖 3的感測器資料350）包括光學頻率感測器（OFS）波形。在一些實施例中，OFS波形是在處理腔室中偵測到的多位準射頻脈衝波形。在一些實施例中，OFS波形表明對由與處理腔室相關聯的一個或多個射頻產生器依據一組射頻脈衝參數產生的一個或多個射頻訊號的響應。在一些實施例中，OFS波形是處理腔室內的電漿對由該一個或多個射頻產生器產生的該一個或多個訊號的光學響應。
在一些實施例中，尖峰訊號是基於OFS波形來識別的（例如由 圖 3的尖峰資料抽取部件394識別）。在一些實施例中，尖峰訊號與尖峰資料對應（即由尖峰資料抽取部件394產生）。在一些實施例中，OFS波形和/或尖峰訊號中的任一者或兩者中的資料雜訊由資料雜訊衰減部件（例如 圖 3的資料雜訊抑制部件396）減少（例如衰減）。在一些實施例中，尖峰訊號包含一個或多個局部最大值或最小值。在一些實施例中，尖峰訊號的局部最大值與OFS波形的具有高變化率的一個或多個區域對應。
在一些實施例中，OFS波形的一個或多個峰值與尖峰訊號的一個或多個局部最大值對應。在一些實施例中，該一個或多個峰值由峰值偵測部件（例如 圖 3的峰值偵測部件398）識別。在一些實施例中，該一個或多個峰值與尖峰訊號中的尖峰（例如射頻訊號尖峰）相關聯。在一些實施例中，該一個或多個峰值中的每一者的位置（見圖4的x軸線上的三角形）被提供給客戶端設備（例如經由網路130提供）。在一些實施例中，每個峰值的位置是經由客戶端設備的GUI提供給使用者的。在一些實施例中，該一個或多個峰值中的每一者的位置是基於OFS波形的多個樣本的該一個或多個峰值中的每一者的平均位置。在一些實施例中，基於該一個或多個峰值中的每一者的位置來執行改正動作。
圖 5A-C是依據本揭示內容的態樣，用於訓練和使用機器學習模型來偵測偵測到的多位準射頻波形中的射頻峰值的方法500A-C的流程圖。方法500A-C可以由處理邏輯執行，該處理邏輯可以包括硬體（例如電路系統、專用邏輯、可程式化邏輯、微代碼、處理設備等）、軟體（例如運行於處理設備、通用電腦系統或專用機器上的指令）、韌體、微代碼或其組合。在一些實施例中，方法500A-C可以部分地由預測系統110執行。方法500A可以部分地由預測系統110（例如圖1的伺服器機器170和訓練集產生器172）執行。依據本揭示內容的實施例，預測系統110可以使用方法500A來產生資料集以進行訓練、驗證或測試機器學習模型中的至少一者。方法500B可以由伺服器機器180（例如訓練引擎182等）執行。方法500C可以由預測伺服器112（例如預測部件114）執行。在一些實施例中，非暫時性儲存媒體儲存有指令，該等指令當由處理設備（例如預測系統110的處理設備、伺服器機器180的處理設備、預測伺服器112的處理設備等）執行時，導致處理設備執行方法500A-C中的一者或多者。在一些實施例中，儲存媒體是儲存指令的非暫時性機器可讀取儲存媒體，該等指令當由處理設備（例如預測系統110、客戶端設備120等）執行時，導致該處理設備執行方法500A-C。
為便於解釋，方法500A-C被描繪和描述成一系列的操作。然而，依據本揭示內容的操作可以以各種順序和/或並行地發生，並且與本文未提出和描述的其他操作一起發生。此外，不執行所有示出的操作也能實施依據所揭露的主題的方法500A-C。此外，本領域的技術人員將了解並理解，方法500A-C可以替代性地經由狀態圖或事件被表示為一系列的相互關聯的狀態。
圖 5A是依據本揭示內容的態樣，用於產生資料集以訓練機器學習模型（例如圖1的模型190）偵測偵測到的多位準射頻脈衝波形中的射頻峰值（例如圖3的峰值資料380）的方法500A的流程圖。
參考 圖 5A，在一些實施例中，在方塊501處，實施方法500A的處理邏輯將訓練集T初始化為空集合。
在方塊502處，處理邏輯產生可以包括感測器資料（例如 圖 3的感測器資料350）等的第一資料輸入（例如第一訓練輸入、第一驗證輸入）。在一些實施例中，第一資料輸入可以包括各類型資料的第一組特徵，第二資料輸入可以包括各類型資料的第二組特徵。
在方塊503處，處理邏輯為一個或多個資料輸入（例如第一資料輸入）產生第一目標輸出。在一些實施例中，第一目標輸出是從射頻訊號引擎322作為輸出接收的性質值（例如峰值資料380）。
在方塊504處，處理邏輯可選地產生表明輸入/輸出映射的映射資料。輸入/輸出映射（或映射資料）可以指資料輸入（例如本文所述的一個或多個資料輸入）、針對資料輸入的目標輸出，以及資料輸入與目標輸出之間的關聯。
在方塊505處，在一些實施例中，處理邏輯將在方塊504處產生的映射資料添加到資料集T。
在方塊506處，處理邏輯基於資料集T對於進行訓練、驗證和/或測試圖1的機器學習模型190中的至少一者而言是否充分來進行分支。如果是，則執行繼續進行到方塊507，否則，執行返回方塊502。應注意，在一些實施例中，資料集T的充分性可以僅基於資料集中在一些實施例中映射到輸出的輸入數量來決定，而在一些其他的實施方式中，資料集T的充分性可以附加於或替代於輸入數量基於一個或多個其他的準則（例如資料例的多樣性的度量、準確度等）來決定。
在方塊507處，處理邏輯提供資料集T（例如向 圖 1的伺服器機器180提供）以訓練、驗證和/或測試機器學習模型190。在一些實施例中，資料集T是訓練集，並且被提供給伺服器機器180的訓練引擎182以執行訓練。在一些實施例中，資料集T是驗證集，並且被提供給伺服器機器180的驗證引擎184以執行驗證。在一些實施例中，資料集T是測試集，並且被提供給伺服器機器180的測試引擎188以執行測試。
在許多訓練集上，機器學習模型會選擇一個適當的參數值，控制降階模型中非零係數的數量。在方塊507之後，機器學習模型（例如機器學習模型190）的條件可以是下列中的至少一者：是使用伺服器機器180的訓練引擎182來訓練的，是使用伺服器機器180的驗證引擎184來驗證的，或是使用伺服器機器180的測試引擎188來測試的。經訓練的機器學習模型可以由預測部件114（預測伺服器112的預測部件）所實施，以產生峰值資料380，用於執行訊號處理或用於執行與製造設備124相關聯的改正動作。
圖 5B是依據本揭示內容的態樣，用於訓練機器學習模型（例如圖1的模型190）偵測偵測到的多位準射頻脈衝波形中的射頻峰值的方法500B。
參考 圖 5B，在方法500B的方塊510處，處理邏輯依據一組射頻脈衝參數在處理腔室內脈衝化射頻訊號。在一些實施例中，處理邏輯藉由一個或多個射頻訊號產生器基於該組射頻脈衝參數導致射頻訊號的脈衝化。在一些實施例中，如上所述，射頻訊號產生器在處理腔室中引起呈處理腔室的流體中的多位準射頻脈衝波形的形式的響應。
在方塊512處，處理邏輯從與處理腔室相關聯的一個或多個感測器接收感測器資料。感測器資料表明基於由射頻產生器進行的射頻訊號脈衝化在處理腔室內偵測到的多位準射頻脈衝波形。在一些實施例中，感測器資料表明處理腔室內的電漿對射頻訊號脈衝化的光學響應。感測器資料可以由處理邏輯從記憶體（例如 圖 1的資料儲存器140）擷取，而不是直接從該一個或多個感測器擷取。
在方塊514處，處理邏輯訓練機器學習模型（例如 圖 1的模型190）。機器學習模型是用包括歷史感測器資料和歷史射頻脈衝參數資料的資料輸入訓練的。在一些實施例中，歷史感測器資料與感測器資料對應，歷史感測器射頻脈衝參數資料與射頻脈衝參數（例如射頻脈衝參數資料）對應。機器學習模型是用包括歷史射頻訊號尖峰區域資料的目標輸出資料訓練的。在一些實施例中，歷史射頻訊號尖峰區域資料與在處理腔室內偵測到的一個或多個歷史多位準射頻脈衝波形的與該一個或多個歷史多位準射頻脈衝波形的射頻訊號尖峰相關聯的區域對應。輸入到機器學習模型的訓練資料被映射到訓練目標輸出。機器學習模型被訓練為識別多位準射頻脈衝波形（其例如由感測器資料表明）的與射頻訊號尖峰（例如多位準射頻脈衝波形的射頻訊號尖峰）相關聯的一個或多個區域。在一些實施例中，機器學習模型被訓練為輸出射頻訊號尖峰區域資料（例如與射頻訊號尖峰相關聯的一個或多個峰值的一個或多個位置或大小）。
在一些實施例中，超過一個機器學習模型可以是單一複合機器學習模型的一部分。在這個情況下，訓練這個複合模型的一個部件可以涉及從該模型的另一個部件接收輸出作為對要訓練的模型部件的訓練輸入。
在方塊516處，可以使用額外的資料來再訓練機器學習模型。機器學習模型可以用包括感測器資料和射頻脈衝參數資料（例如射頻脈衝參數）的資料輸入來再訓練。機器學習模型可以用包括射頻訊號尖峰區域資料的目標輸出資料來再訓練。機器學習模型可以被再訓練為進一步識別未來多位準射頻脈衝波形中與該多位準射頻脈衝波形的射頻訊號尖峰相關聯的一個或多個區域。在一些實施例中，機器學習模型可以被持續訓練，以考慮到製造設備、感測器、計量設備等的漂移，或反映程序或配方的變化等。
圖 5C是依據本揭示內容的態樣，用於使用經訓練的機器學習模型（例如圖1的模型190）來偵測偵測到的多位準射頻脈衝波形中的射頻峰值的方法500C。
參考 圖 5C，在方法500C的方塊520處，處理邏輯依據一組射頻脈衝參數在處理腔室內脈衝化射頻訊號。在一些實施例中，處理邏輯基於該組射頻脈衝參數導致射頻訊號的脈衝化（例如藉由一個或多個射頻訊號產生器）。
在方塊522處，處理邏輯接收表明在處理腔室內偵測到的多位準射頻脈衝波形的感測器資料。多位準射頻脈衝波形是以射頻訊號脈衝化為基礎的。感測器資料類型可以與 圖 5B的方塊514中提供以訓練機器學習模型的感測器資料類型對應。
在方塊522處，處理邏輯從與處理腔室相關聯的一個或多個感測器，接收表明由處理腔室內的該一個或多個感測器偵測到的多位準射頻脈衝波形的感測器資料，該多位準射頻脈衝波形是基於射頻訊號脈衝化。在一些實施例中，感測器資料表明OFS波形（例如 圖 4的OFS波形）。
在方塊524處，處理邏輯提供感測器資料和該組射頻脈衝參數作為對經訓練的機器學習模型（例如 圖 1的模型190）的輸入。機器學習模型可以依據就 圖 5A 和 5B所描述的實施例來訓練。例如，機器學習模型被訓練為預測相應的多位準射頻脈衝波形的與射頻訊號尖峰相關聯的一個或多個區域，如上所述。在另一個例子中，機器學習模型被訓練為預測多位準射頻脈衝波形資料的一個或多個峰值位置，該一個或多個峰值位置對應於與射頻訊號尖峰相關聯的一個或多個區域，如上所述。
在方塊526處，處理邏輯獲得機器學習模型的一個或多個輸出。在一些實施例中，機器學習模型的該一個或多個輸出表明在處理腔室中偵測到的多位準射頻脈衝波形的與射頻訊號尖峰（例如射頻訊號脈衝化的射頻訊號尖峰）相關聯的一個或多個區域。在一些實施例中，機器學習模型的該一個或多個輸出表明在處理腔室中偵測到的多位準射頻脈衝波形的一個或多個峰值。
在方塊528處，處理邏輯從機器學習模型的該一個或多個獲得的輸出抽取射頻訊號尖峰資料。在一些實施例中，射頻訊號尖峰資料表明偵測到的多位準射頻脈衝波形的包括射頻訊號尖峰的一個或多個區域。在一些實施例中，偵測到的多位準射頻脈衝波形中的一個或多個峰值與由射頻訊號尖峰資料表明的包括射頻訊號尖峰（例如 圖 4的尖峰訊號的一個或多個局部最大值）的該一個或多個區域對應。在一些實施例中，偵測到的多位準脈衝波形的該一個或多個區域表明與處理腔室內的射頻訊號從第一狀態到第二狀態的過渡對應的射頻訊號尖峰。在一些實施例中，該一個或多個區域中每個相應的區域與多位準射頻脈衝波形的該一個或多個峰值中一個相應的峰值對應。
圖 6是依據本揭示內容的態樣，用於更新一組射頻脈衝參數的方法的流程圖。方法600可以由處理邏輯執行，該處理邏輯包括硬體（例如電路系統、專用邏輯、可程式化邏輯、微代碼、處理設備等）、軟體（例如運行於處理設備、通用電腦系統或專用機器上的指令）、韌體、微代碼或其組合。在一些實施例中，方法600部分由射頻訊號引擎122（其例如駐留在就 圖 1描述的系統控制器設備121和/或客戶端設備120處）執行。在其他或類似的實施例中，方法600部分由預測系統（例如預測系統110）執行。在一些實施例中，非暫時性儲存媒體儲存有指令，該等指令當由處理設備（例如預測系統110、射頻訊號引擎122等）執行時，導致該處理設備執行方法600。在一些實施例中，儲存媒體是儲存指令的非暫時性機器可讀取儲存媒體，該等指令當由處理設備（例如預測系統110、射頻訊號引擎122等）執行時，導致該處理設備執行方法600。
為了便於解釋，方法600被描繪和描述成一系列的操作。然而，依據本揭示內容的操作可以以各種順序和/或並行地發生，並且與本文未提出和描述的其他操作一起發生。此外，在一些實施例中，不是所有說明的操作都被執行以實施依據所揭露的主題的方法600。此外，本領域中的技術人員將了解並理解，方法600可以替代性地經由狀態圖或事件被表示為一系列的相互關聯的狀態。
參考 圖 6，顯示了依據某些實施例用於基板處理設備（例如處理腔室、 圖 1的製造設備124）的方法600（例如用於更新一組射頻脈衝參數的過程序列）的流程圖。
在方法600的方塊602處，處理邏輯接收第一組射頻脈衝參數。在一些實施例中，第一脈衝參數可以經由客戶端設備（例如 圖 1的客戶端設備120）的GUI提供。處理邏輯可以從客戶端設備接收第一組射頻脈衝參數（例如經由網路接收）。第一脈衝參數可以與製程操作的目標多級射頻脈衝波形對應。例如，使用者可以經由客戶端設備的GUI，基於目標多級射頻脈衝波形指定第一脈衝參數。
在方塊604處，處理邏輯依據第一組射頻脈衝參數在處理腔室內脈衝化射頻訊號。在一些實施例中，系統控制器可以向複數個射頻訊號產生器提供第一脈衝參數。依據先前所述的實施例，射頻訊號產生器可以基於第一脈衝參數發射射頻訊號。
在方塊606處，處理邏輯從一個或多個感測器（例如OFS）接收表明在處理腔室內偵測到的第一多位準射頻脈衝波形的第一感測器資料。第一偵測到的多位準射頻脈衝波形可以以基於第一組射頻脈衝參數的射頻訊號脈衝化為基礎。第一偵測到的多位準射頻脈衝波形可以與第一基板製程相關聯。
在方塊608處，處理邏輯決定偵測到的第一多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應。在一些實施例中，處理邏輯決定偵測到的第一多位準射頻脈衝波形是否與目標多級射頻脈衝波形充分匹配（例如大致匹配）（例如匹配度在預定閾值內）。在一些實施例中，客戶端設備接收與目標多級射頻脈衝波形的一個或多個峰值位置相關聯的資料。
在方塊610處，處理邏輯向與製造系統連接的客戶端設備（例如 圖 1的客戶端設備120）提供對偵測到的第一多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應的指示。
在方塊612處，處理邏輯接收第二組射頻脈衝參數。客戶端設備可以經由客戶端設備的GUI接收第二組射頻脈衝參數。系統控制器可以從客戶端設備接收第二組射頻脈衝參數（即經由網路接收）。在一些實施例中，一個或多個第二射頻脈衝參數可以與一個或多個第一射頻脈衝參數不同。例如，第二頻率參數可以與第一頻率參數不同。在一些實施例中，使用者基於與第一多位準射頻脈衝波形相關聯的峰值資料調整一個或多個第一射頻脈衝參數。對一個或多個第一射頻脈衝參數的一個或多個調整可以反映在第二組射頻脈衝參數中。在一些實施例中，客戶端設備可以接收對與射頻脈衝參數相關聯的一個或多個建議的指示，這些指示將使未來的多位準射頻脈衝波形與目標多級射頻脈衝波形對應。在一些實施例中，使用者可以基於與由客戶端設備接收的目標多級射頻脈衝波形的一個或多個峰值位置相關聯的資料指定第二組射頻脈衝參數。
在方塊614處，處理邏輯依據第二組射頻脈衝參數在處理腔室內脈衝化射頻訊號。在一些實施例中，處理邏輯向該複數個射頻訊號產生器提供第二脈衝參數。射頻訊號產生器可以基於第二脈衝參數發射射頻訊號。
在方塊616處，處理邏輯從一個或多個感測器（例如OFS）接收表明在處理腔室內偵測到的第二多位準射頻脈衝波形的第二感測器資料。第二偵測到的多位準射頻脈衝波形可以以基於第二組射頻脈衝參數的射頻訊號脈衝化為基礎。第二偵測到的多位準射頻脈衝波形可以與第二基板製程相關聯。
在方塊618處，處理邏輯決定偵測到的第二多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應。在一些實施例中，處理邏輯決定偵測到的第二多位準射頻脈衝波形是否與目標多級射頻脈衝波形充分匹配（例如大致匹配）（例如匹配度在預定閾值內）。
在方塊620處，處理邏輯向與製造系統連接的客戶端設備（例如 圖 1的客戶端設備120）提供對偵測到的第二多位準射頻脈衝波形是否與目標多級射頻脈衝波形對應的指示。在一些實施例中，方塊612-620被重複，直到偵測到的未來多位準射頻脈衝波形與目標多位準脈衝波形對應。
圖 7是依據本揭示內容的態樣，說明電腦系統700的方塊圖。在一些實施例中，電腦系統700是客戶端設備120（例如圖1的客戶端設備）。在一些實施例中，電腦系統700是控制器設備（例如伺服器）。
在一些實施例中，電腦系統700與其他的電腦系統連接（例如經由網路連接，例如區域網路（LAN）、內部網路、外部網路或網際網路）。電腦系統700以客戶端-伺服器環境中的伺服器或客戶端電腦的身份操作，或作為同級間或分散式網路環境中的同級電腦操作。在一些實施例中，電腦系統700由個人電腦（PC）、平板PC、機上盒（STB）、個人數位助理（PDA）、蜂巢式電話、網頁用具（web appliance）、伺服器、網路路由器、交換機或橋接器，或能夠執行一組指令（依序執行或以其他方式執行）的任何設備所提供，該等指令指定要由該設備所採取的動作。進一步地，術語「電腦」應包括單獨地或聯合地執行一組（或多組）指令以執行本文所述的任何一個或多個方法的電腦的任何集合。
在一些實施例中，電腦系統700包括處理器702、易失性記憶體704（例如隨機存取記憶體（RAM））、非易失性記憶體706（例如唯讀記憶體（ROM）或電可抹除的可程式化ROM（EEPROM））和/或資料儲存設備716，這些元件經由匯流排708彼此通訊。
在一些實施例中，處理器702由諸如通用處理器（例如複雜指令集計算（CISC）微處理器、精簡指令集計算（RISC）微處理器、超長指令字（VLIW）微處理器、實施其他類型指令集的微處理器或實施多種類型指令集的組合的微處理器）或特殊處理器（例如特定應用積體電路（ASIC）、現場可程式化邏輯閘陣列（FPGA）、數位訊號處理器（DSP）或網路處理器）之類的一個或多個處理器所提供。在一些實施例中，處理器702由單一處理器、多個處理器、具有多個處理核心的單一處理器和/或類似物中的一者或多者提供。
在一些實施例中，電腦系統700進一步包括網路介面設備722（其例如與網路774耦合）。在一些實施例中，電腦系統700包括一個或多個輸入/輸出（I/O）設備。在一些實施例中，電腦系統700也包括視訊顯示單元710（例如LCD）、文數字輸入設備712（例如鍵盤）、游標控制設備714（例如滑鼠）和/或訊號產生設備720。
在一些實施方式中，資料儲存設備718（例如磁碟機儲存器、固定和/或可移除式儲存設備、固定磁碟機、可移除式記憶卡、光學儲存器、網路附接儲存器（NAS）和/或儲存器區域網路（SAN））包括上面儲存有指令726的非暫時性電腦可讀取儲存媒體724，這些指令對本文所述的任何一個或多個方法或功能進行編碼，包括對圖1的部件（例如射頻訊號引擎122等）進行編碼和用於實施本文所述的方法的指令。在一些實施例中，處理器702包括射頻訊號引擎122。在一些實施例中，峰值資料、多位準射頻脈衝波形資料和/或射頻脈衝參數資料儲存在資料儲存設備718中。
在一些實施例中，指令726也在其被電腦系統700執行的期間完全地或部分地駐留在易失性記憶體704和/或處理器702內，因此，在一些實施例中，易失性記憶體704和處理器702也構成機器可讀取儲存媒體。
雖然在說明性例子中將電腦可讀取儲存媒體724示為單個媒體，但術語「電腦可讀取儲存媒體」也應包括儲存該一組或多組可執行指令的單個媒體或多個媒體（例如集中式或分散式資料庫和/或相關聯的快取記憶體和伺服器）。術語「電腦可讀取儲存媒體」也應包括能夠對一組指令進行儲存或編碼的任何有形媒體，該組指令用於由電腦執行，導致該電腦執行本文所述的任何一個或多個方法。術語「電腦可讀取儲存媒體」應包括但不限於固態記憶體、光學媒體和磁性媒體。
在一些實施例中，本文所述的方法、部件和特徵由分立的硬體部件所實施，或被整合在諸如ASICS、FPGA、DSP或類似設備的其他硬體部件的功能性中。在一些實施例中，方法、部件和特徵由硬體設備內的韌體模組或功能電路系統所實施。進一步地，方法、部件和特徵是以硬體設備與電腦程式部件的任何組合或以電腦程式來實施的。
除非另有具體陳述，否則諸如「識別」、「計算」、「決定」、「應用」、「獲得」、「導致」、「接收」、「脈衝」、「提供」、「產生」或類似術語指的是由電腦系統執行或實施的動作和過程，該等動作和過程將在電腦系統暫存器和記憶體內表示為物理（電子）量的資料操控並變換成在電腦系統記憶體或暫存器或者其他這樣的資訊儲存、傳輸或顯示設備內類似地表示為物理量的其他資料。並且，本文所使用的術語「第一」、「第二」、「第三」、「第四」等是作為區分不同元素的標籤，並且不具有依據它們數字標記的順序意義。
本文所述的例子還涉及一種用於執行本文所述的方法的裝置。在一些實施例中，這個裝置被專門建構為用於執行本文所述的方法，或者包括選擇性地由儲存在電腦系統中的電腦程式來程式化的通用電腦系統。這種電腦程式被儲存在電腦可讀取有形儲存媒體中。
本文所述的方法和說明性例子與任何特定的電腦或其他的裝置沒有固有的關聯性。依據本文所述的教示使用了各種通用系統，或者在一些實施例中，證明了建構更專門的裝置來執行本文所述的方法和/或該等方法的單獨功能、常式、子常式或操作中的每一者是方便的。上面的說明中闡述了用於各種這些系統的結構的例子。
以上描述旨在是說明性的，而非限制性的。雖然已經參考具體的說明性例子和實施方式來描述本揭示內容，但將認識到，本揭示內容不限於所述的例子和實施方式。將參考以下請求項以及這些請求項所賦予的等效物的全部範圍來決定本揭示內容的範圍。
100:電腦系統架構 110:預測系統 112:預測伺服器 114:預測部件 120:客戶端設備 121:系統控制器設備 122:射頻訊號引擎 124:製造設備 126:感測器 128:計量設備 130:網路 140:資料儲存器 170:伺服器機器 172:訓練集產生器 180:伺服器機器 182:訓練引擎 184:驗證引擎 186:選擇引擎 188:測試引擎 190:機器學習模型 200:方法 202:方塊 204:方塊 206:方塊 208:方塊 210:方塊 322:射頻訊號引擎 350:感測器資料 380:峰值資料 392:資料變換部件 394:尖峰資料抽取部件 396:資料雜訊抑制部件 398:峰值偵測部件 501:方塊 502:方塊 503:方塊 504:方塊 505:方塊 506:方塊 507:方塊 510:方塊 512:方塊 514:方塊 516:方塊 520:方塊 522:方塊 524:方塊 526:方塊 528:方塊 600:方法 602:方塊 604:方塊 606:方塊 608:方塊 610:方塊 612:方塊 614:方塊 616:方塊 618:方塊 620:方塊 700:電腦系統 702:處理器 704:易失性記憶體 706:非易失性記憶體 708:匯流排 710:視訊顯示單元 712:文數字輸入設備 714:游標控制設備 718:資料儲存設備 720:訊號產生設備 722:網路介面設備 724:非暫時性電腦可讀取儲存媒體 726:指令 774:網路 500A:方法 500B:方法 500C:方法
藉由示例的方式而非限制的方式在附圖的圖式中示出本揭示內容。應注意，在本揭示內容中對於「一」或「一個」實施例的不同指稱不一定指相同的實施例，並且這種指稱是指至少一個。
圖 1是依據本揭示內容的態樣，說明示例性系統架構的方塊圖。
圖 2是依據本揭示內容的態樣，用於射頻脈衝監測的方法的流程圖。
圖 3是依據本揭示內容的態樣，說明與測量處理腔室內的波形和多位準脈衝相關聯的示例射頻（RF）訊號引擎的方塊圖。
圖 4是依據本揭示內容的態樣，說明多位準射頻脈衝波形、相關聯的尖峰訊號和相關聯的峰值的曲線圖。
圖 5A-C是依據本揭示內容的態樣，用於訓練和使用機器學習模型來偵測偵測到的多位準射頻脈衝波形中的射頻峰值的方法的流程圖。
圖 6是依據本揭示內容的態樣，用於更新一組射頻脈衝參數的方法的流程圖。
圖 7是依據本揭示內容的態樣，說明電腦系統的方塊圖。
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
322:射頻訊號引擎
350:感測器資料
380:峰值資料
392:資料變換部件
394:尖峰資料抽取部件
396:資料雜訊抑制部件
398:峰值偵測部件

Claims (20)

  1. 一種方法，包括以下步驟： 依據一組射頻脈衝參數在一製造系統的一處理腔室內脈衝化一射頻（RF）訊號，其中該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的一目標多位準射頻脈衝波形； 從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的一多位準射頻脈衝波形； 識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值，其中經識別的該一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應； 基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應；以及 向與該製造系統連接的一客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的一指示。
  2. 如請求項1所述的方法，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 識別偵測到的該多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域，其中該射頻訊號尖峰與該處理腔室內的該射頻訊號的介於一第一狀態與一第二狀態之間的一脈衝對應，並且其中經識別的該一個或多個區域中每個相應的區域與經識別的該一個或多個峰值中一相應的峰值對應。
  3. 如請求項2所述的方法，其中決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的步驟包括以下步驟： 決定偵測到的該多位準射頻脈衝波形的一相應的經識別區域的一位置或一大小中的至少一者是否與該目標多位準射頻脈衝波形的一目標訊號尖峰區域的一目標位置或一目標大小中的至少一者對應；以及 響應於決定該相應的經識別區域的該位置或該大小中的該至少一者與該目標訊號尖峰區域的該目標位置或該目標大小中的該至少一者對應，決定偵測到的該多位準射頻脈衝波形與該目標多位準射頻脈衝波形對應。
  4. 如請求項2所述的方法，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟進一步包括以下步驟： 將一個或多個資料變換操作應用於該感測器資料，以獲得經變換的多位準射頻脈衝波形資料，其中該等資料變換操作放大與偵測到的該多位準射頻脈衝波形相關聯的一個或多個射頻訊號尖峰的一強度，並且其中與該射頻訊號尖峰相關聯的該一個或多個區域是基於該經變換的多位準射頻脈衝波形來識別的。
  5. 如請求項1所述的方法，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 提供該感測器資料和該組射頻脈衝參數作為對一機器學習模型的輸入，其中該機器學習模型被訓練為預測一相應的多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域； 獲得該機器學習模型的一個或多個輸出；以及 從獲得的該一個或多個輸出抽取射頻訊號尖峰資料，其中該射頻訊號尖峰資料表明偵測到的該多位準射頻脈衝波形的包括射頻訊號尖峰的一個或多個區域，並且其中偵測到的該多位準射頻脈衝波形中的該一個或多個峰值與由該射頻訊號尖峰資料表明的包括該等射頻訊號尖峰的該一個或多個區域對應。
  6. 如請求項1所述的方法，其中該射頻脈衝參數包括一脈衝佔空比參數、一脈衝偏移參數、一脈衝功率參數、一脈衝頻率參數或一脈衝振幅參數中的至少一者，並且其中與該處理腔室相關聯的該一個或多個射頻產生器用於基於該等射頻脈衝參數產生一脈衝射頻訊號波形。
  7. 如請求項1所述的方法，其中與該處理腔室相關聯的該一個或多個感測器包括一光學頻率感測器（OFS）。
  8. 如請求項1所述的方法，其中與該處理腔室相關聯的該一個或多個射頻產生器包括與該處理腔室連接的複數個射頻產生器，並且其中該多位準射頻脈衝波形表明基於由該複數個射頻產生器脈衝化的該射頻訊號偵測到的一射頻脈衝響應。
  9. 一種儲存有指令的非暫時性機器可讀取儲存媒體，該等指令當被執行時，導致一處理設備： 依據一組射頻脈衝參數在一製造系統的一處理腔室內脈衝化一射頻（RF）訊號，其中該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的一目標多位準射頻脈衝波形； 從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的一多位準射頻脈衝波形； 識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值，其中經識別的該一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應； 基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應；以及 向與該製造系統連接的一客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的一指示。
  10. 如請求項9所述的非暫時性機器可讀取儲存媒體，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 識別偵測到的該多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域，其中該射頻訊號尖峰與該處理腔室內的該射頻訊號的介於一第一狀態與一第二狀態之間的一脈衝對應，並且其中經識別的該一個或多個區域中每個相應的區域與經識別的該一個或多個峰值中一相應的峰值對應。
  11. 如請求項10所述的非暫時性機器可讀取儲存媒體，其中決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的步驟包括以下步驟： 決定偵測到的該多位準射頻脈衝波形的一相應的經識別區域的一位置或一大小中的至少一者是否與該目標多位準射頻脈衝波形的一目標訊號尖峰區域的一目標位置或一目標大小中的至少一者對應；以及 響應於決定該相應的經識別區域的該位置或該大小中的該至少一者與該目標訊號尖峰區域的該目標位置或該目標大小中的該至少一者對應，決定偵測到的該多位準射頻脈衝波形與該目標多位準射頻脈衝波形對應。
  12. 如請求項10所述的非暫時性機器可讀取儲存媒體，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟進一步包括以下步驟： 將一個或多個資料變換操作應用於該感測器資料，以獲得經變換的多位準射頻脈衝波形資料，其中該等資料變換操作放大與偵測到的該多位準射頻脈衝波形相關聯的一個或多個射頻訊號尖峰的一強度，並且其中與該射頻訊號尖峰相關聯的該一個或多個區域是基於該經變換的多位準射頻脈衝波形來識別的。
  13. 如請求項9所述的非暫時性機器可讀取儲存媒體，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 提供該感測器資料和該組射頻脈衝參數作為對一機器學習模型的輸入，其中該機器學習模型被訓練為預測一相應的多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域； 獲得該機器學習模型的一個或多個輸出；以及 從獲得的該一個或多個輸出抽取射頻訊號尖峰資料，其中該射頻訊號尖峰資料表明偵測到的該多位準射頻脈衝波形的包括射頻訊號尖峰的一個或多個區域，並且其中偵測到的該多位準射頻脈衝波形中的該一個或多個峰值與由該射頻訊號尖峰資料表明的包括該等射頻訊號尖峰的該一個或多個區域對應。
  14. 如請求項9所述的非暫時性機器可讀取儲存媒體，其中該射頻脈衝參數包括一脈衝佔空比參數、一脈衝偏移參數、一脈衝功率參數、一脈衝頻率參數或一脈衝振幅參數中的至少一者，並且其中與該處理腔室相關聯的該一個或多個射頻產生器用於基於該等射頻脈衝參數產生一脈衝射頻訊號波形。
  15. 如請求項9所述的非暫時性機器可讀取儲存媒體，其中與該處理腔室相關聯的該一個或多個感測器包括一光學頻率感測器（OFS）。
  16. 一種系統，包括： 一記憶體；以及 一處理設備，與該記憶體耦合，該處理設備用於： 依據一組射頻脈衝參數在一製造系統的一處理腔室內脈衝化一射頻（RF）訊號，其中該組射頻脈衝參數對應於要由與該處理腔室相關聯的一個或多個射頻產生器基於該射頻訊號脈衝化在該處理腔室內產生的一目標多位準射頻脈衝波形； 從與該處理腔室相關聯的一個或多個感測器，接收感測器資料，該感測器資料表明基於該射頻訊號脈衝化在該處理腔室內偵測到的一多位準射頻脈衝波形； 識別偵測到的該多位準射頻脈衝波形中的一個或多個峰值，其中經識別的該一個或多個峰值中的每一者與該處理腔室內的該射頻訊號脈衝化的至少一個射頻訊號脈衝對應； 基於經識別的該一個或多個峰值，決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應；以及 向與該製造系統連接的一客戶端設備提供對偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的一指示。
  17. 如請求項16所述的系統，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 識別偵測到的該多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域，其中該射頻訊號尖峰與該處理腔室內的該射頻訊號的介於一第一狀態與一第二狀態之間的一脈衝對應，並且其中經識別的該一個或多個區域中每個相應的區域與經識別的該一個或多個峰值中一相應的峰值對應。
  18. 如請求項17所述的系統，其中決定偵測到的該多位準射頻脈衝波形是否與該目標多位準射頻脈衝波形對應的步驟包括以下步驟： 決定偵測到的該多位準射頻脈衝波形的一相應的經識別區域的一位置或一大小中的至少一者是否與該目標多位準射頻脈衝波形的一目標訊號尖峰區域的一目標位置或一目標大小中的至少一者對應；以及 響應於決定該相應的經識別區域的該位置或該大小中的該至少一者與該目標訊號尖峰區域的該目標位置或該目標大小中的該至少一者對應，決定偵測到的該多位準射頻脈衝波形與該目標多位準射頻脈衝波形對應。
  19. 如請求項17所述的系統，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟進一步包括以下步驟： 將一個或多個資料變換操作應用於該感測器資料，以獲得經變換的多位準射頻脈衝波形資料，其中該等資料變換操作放大與偵測到的該多位準射頻脈衝波形相關聯的一個或多個射頻訊號尖峰的一強度，並且其中與該射頻訊號尖峰相關聯的該一個或多個區域是基於該經變換的多位準射頻脈衝波形來識別的。
  20. 如請求項16所述的系統，其中識別偵測到的該多位準射頻脈衝波形中的該一個或多個峰值的步驟包括以下步驟： 提供該感測器資料和該組射頻脈衝參數作為對一機器學習模型的輸入，其中該機器學習模型被訓練為預測一相應的多位準射頻脈衝波形的與一射頻訊號尖峰相關聯的一個或多個區域； 獲得該機器學習模型的一個或多個輸出；以及 從獲得的該一個或多個輸出抽取射頻訊號尖峰資料，其中該射頻訊號尖峰資料表明偵測到的該多位準射頻脈衝波形的包括射頻訊號尖峰的一個或多個區域，並且其中偵測到的該多位準射頻脈衝波形中的該一個或多個峰值與由該射頻訊號尖峰資料表明的包括該等射頻訊號尖峰的該一個或多個區域對應。
TW111146970A 2021-12-09 2022-12-07 製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化 TW202344834A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/547,117 US11585764B1 (en) 2021-12-09 2021-12-09 Multi-level RF pulse monitoring and RF pulsing parameter optimization at a manufacturing system
US17/547,117 2021-12-09

Publications (1)

Publication Number Publication Date
TW202344834A true TW202344834A (zh) 2023-11-16

Family

ID=85229786

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111146970A TW202344834A (zh) 2021-12-09 2022-12-07 製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化

Country Status (4)

Country Link
US (3) US11585764B1 (zh)
CN (1) CN117836895A (zh)
TW (1) TW202344834A (zh)
WO (1) WO2023107314A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2752086B2 (en) * 2011-08-31 2021-12-08 Goji Limited Object processing state sensing using rf radiation
US9368329B2 (en) * 2012-02-22 2016-06-14 Lam Research Corporation Methods and apparatus for synchronizing RF pulses in a plasma processing system
WO2013140266A2 (en) * 2012-03-19 2013-09-26 Goji Ltd. Applying rf energy according to time variations in em feedback
AU2013290756B2 (en) * 2012-07-20 2017-03-02 President And Fellows Of Harvard College Fourier transform microwave spectroscopy for enantiomer-specific detection of chiral molecules
US9788405B2 (en) 2015-10-03 2017-10-10 Applied Materials, Inc. RF power delivery with approximated saw tooth wave pulsing
US10094788B2 (en) * 2015-12-21 2018-10-09 Applied Materials, Inc. Surface acoustic wave sensors in semiconductor processing equipment
US10324048B2 (en) * 2017-08-22 2019-06-18 The United States Of America As Represented By The Secretary Of The Navy Electromagnetic surface resistivity determination

Also Published As

Publication number Publication date
US20240151656A1 (en) 2024-05-09
US11585764B1 (en) 2023-02-21
CN117836895A (zh) 2024-04-05
WO2023107314A1 (en) 2023-06-15
US20230184693A1 (en) 2023-06-15
US11874234B2 (en) 2024-01-16

Similar Documents

Publication Publication Date Title
US11989495B2 (en) Systems and methods for predicting film thickness using virtual metrology
JP2023535125A (ja) 機械学習を使用した基板プロファイル特性の決定
TW202326314A (zh) 用於半導體製造設備的自適應故障排除的系統和方法
WO2022186987A1 (en) Systems and methods for process chamber health monitoring and diagnostics using virtual model
TW202345235A (zh) 在基板製造期間用於調整處理腔室參數的方法及機制
US11862520B2 (en) Systems and methods for predicting film thickness of individual layers using virtual metrology
TW202344834A (zh) 製造系統處的多位準射頻脈衝監測和射頻脈衝參數最佳化
KR20240104086A (ko) 제조 시스템의 다중 레벨 rf 펄스 모니터링 및 rf 펄싱 파라미터 최적화
US20230384777A1 (en) Methods and mechanisms for preventing fluctuation in machine-learning model performance
US20230306300A1 (en) Methods and mechanisms for measuring patterned substrate properties during substrate manufacturing
US20230342016A1 (en) Methods and mechanisms for generating virtual knobs for model performance tuning
US20230359179A1 (en) Methods and mechanisms for adjusting film deposition parameters during substrate manufacturing
TW202314564A (zh) 使用特徵模型來進行製程配方創建和匹配
TW202347063A (zh) 製程控制旋鈕估計
TW202407484A (zh) 使用機器學習在製造系統處進行運行間控制
TW202340885A (zh) 用於在評估系統與製造系統之間進行介接的通訊節點
TW202334767A (zh) 用於製程配方最佳化的方法及機制
TW202309755A (zh) 用於無接觸處理腔室特徵化的方法及機制
CN118020083A (zh) 使用缺陷模型估计缺陷风险并优化处理配方