TWI775413B - 用於偵測薄膜污染的系統及方法 - Google Patents

用於偵測薄膜污染的系統及方法 Download PDF

Info

Publication number
TWI775413B
TWI775413B TW110115011A TW110115011A TWI775413B TW I775413 B TWI775413 B TW I775413B TW 110115011 A TW110115011 A TW 110115011A TW 110115011 A TW110115011 A TW 110115011A TW I775413 B TWI775413 B TW I775413B
Authority
TW
Taiwan
Prior art keywords
thin film
film deposition
wafer
excitation light
contamination
Prior art date
Application number
TW110115011A
Other languages
English (en)
Other versions
TW202143355A (zh
Inventor
程仲良
Original Assignee
台灣積體電路製造股份有限公司
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
Priority claimed from US17/169,101 external-priority patent/US11686683B2/en
Application filed by 台灣積體電路製造股份有限公司 filed Critical 台灣積體電路製造股份有限公司
Publication of TW202143355A publication Critical patent/TW202143355A/zh
Application granted granted Critical
Publication of TWI775413B publication Critical patent/TWI775413B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/52—Means for observation of the coating process
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C14/00—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material
    • C23C14/22—Coating by vacuum evaporation, by sputtering or by ion implantation of the coating forming material characterised by the process of coating
    • C23C14/54—Controlling or regulating the coating process
    • C23C14/548—Controlling the composition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6489—Photoluminescence of semiconductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B82—NANOTECHNOLOGY
    • B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y30/00—Nanotechnology for materials or surface science, e.g. nanocomposites
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N2021/6491—Measuring fluorescence and transmission; Correcting inner filter effect
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供一種薄膜沈積系統，其將薄膜沈積於晶圓上。輻射源利用激發光照射晶圓。發射感測器回應於激發光而偵測來自晶圓的發射光譜。基於機器學習的分析模型分析光譜並基於光譜偵測薄膜的污染。

Description

用於偵測薄膜污染的系統及方法
本揭露內容是關於薄膜沈積的領域。
對電子裝置中不斷增加的計算能力已存在持續的需求，所述電子裝置包含智慧型電話、平板電腦、桌上型電腦、膝上型電腦以及許多其他種類的電子裝置。積體電路為此等電子裝置提供計算能力。增加積體電路的計算能力的一種方式為增加可包含於半導體基底的給定區域的電晶體及其他積體電路特徵的數目。
為了繼續減小積體電路中的特徵的大小而實施各種薄膜沈積技術。此等技術可形成極薄的膜。然而，薄膜沈積技術在確保恰當地形成薄膜方面亦面臨嚴重的困難。
本揭露實施例提供一種薄膜沈積方法，其包含將薄膜沈積於薄膜沈積腔室中的晶圓上及利用激發光照射薄膜。所述方法包含回應於激發光而偵測來自薄膜的發射光譜及藉由利用控制系統的分析模型分析發射光譜來偵測薄膜的污染。
本揭露實施例提供一種系統，其包含：薄膜沈積腔室， 經配置以將薄膜沈積於晶圓上；及輻射源，經配置以利用激發光照射薄膜。系統包含經配置以回應於激發光而偵測來自晶圓的發射光譜的發射感測器。系統包含：控制系統，耦接至輻射源及發射感測器，且經配置以藉由分析光子的光譜來偵測薄膜的污染及回應於偵測薄膜的污染而停止薄膜沈積腔室中的薄膜沈積製程。
本揭露實施例提供一種方法，其包含利用使用在多種污染及未污染條件下偵測到的來自多個光譜的資料的機器學習程序來訓練分析模型以偵測薄膜的污染。方法包含將薄膜沈積於薄膜沈積腔室中的晶圓上及利用激發光照射晶圓。方法包含回應於激發光而偵測來自晶圓的發射光譜及藉由利用分析模型分析發射光譜來偵測薄膜是否受污染。
100、200、300:薄膜沈積系統
102、202、302:薄膜沈積腔室
103、203:內部容積
104、304:沈積設備
106、206、306、406、506:晶圓
108、308:輻射源
109、209、409、509:激發光
110、310:發射感測器
111、411、511:發射
112、212、312、612:控制系統
114、214、314、614:分析模型
208:激發雷射
210:光感測器
211:發射光子
213:管
216:濺鍍磁控陰極
218:濺鍍目標
220:電壓源
222:晶圓支撐件
224:排氣通道
226:閥門
228:泵
322、330:支撐件
332:轉移通道
334:薄膜分析腔室
440、540:奈米片結構
442、542:界面層
444、544:高K閘極介電層
445、555:介電材料
446、546:氮化鈦
448、552:溝渠
550:閘極電極
551:側壁間隔件
553:源極區
554、556:矽化物層
557:汲極區
642、662:訓練集資料
660:訓練模組
664:歷史薄膜光譜資料
666:污染標籤資料
668:處理資源
670:記憶體資源
672:通信資源
700:過程
702、704、706、708、710、712、714、802、804、806、808、810、812、902、903、904、906、908、910、912、1002、1004、1006、1008、1010、1012、1102、1103、1104、1106、1108、1110、1112、1202、1204、1206、1208、1302、1304、1306、1308、1310:步驟
800、900、1000、1100、1200、1300:方法
圖1為根據一個實施例的薄膜沈積系統的方塊圖。
圖2為根據一個實施例的薄膜沈積系統的圖示。
圖3為根據一個實施例的薄膜沈積系統的圖示。
圖4為根據一個實施例的半導體晶圓的橫截面圖。
圖5為根據一個實施例的半導體晶圓的橫截面圖。
圖6為根據一個實施例的控制系統的方塊圖。
圖7至圖13為根據各種實施例的用於偵測薄膜中的缺陷的方法的流程圖。
在以下描述中，針對積體電路晶粒內的各種層及結構描述許多厚度及材料。對於各種實施例，藉助於實例給出特定尺寸及材料。所屬技術領域中具有通常知識者將鑒於本揭露內容認識到，在不脫離本揭露內容的範疇的情況下，可在許多情況下使用其他尺寸及材料。
下文揭露內容提供用於實施所描述主題的不同特徵的許多不同實施例或實例。以下描述組件及配置的特定實例以簡化本說明書。當然，此等組件及配置僅為實例且並不意欲為限制性的。舉例而言，在以下描述中，第一特徵在第二特徵上方或第二特徵上的形成可包含第一特徵與第二特徵直接接觸地形成的實施例，且亦可包含額外特徵可在第一特徵與第二特徵之間形成以使得第一特徵與第二特徵可不直接接觸的實施例。另外，本揭露內容可在各種實例中重複附圖標號及/或字母。此重複是出於簡單及清楚的目的，且其本身並不規定所論述的各種實施例及/或配置之間的關係。
另外，為易於描述，本文中可使用諸如「在...之下」、「在...下方」、「下部」、「在...上方」、「上部」及類似者的空間相對術語來描述如圖中所示出的一個元件或特徵相對於另一元件或特徵的關係。除圖式中所描繪的定向之外，空間相對術語亦意欲涵蓋裝置在使用或操作中的不同定向。設備可以其他方式定向(旋轉90度或處於其他定向)且本文中所使用的空間相對描述詞可同樣可相應地進行解譯。
在以下描述中，闡述某些特定細節以便提供對本揭露內容的各種實施例的全面瞭解。然而，所屬技術領域中具有通常知 識者將理解，可不使用此等特定細節來實踐本揭露內容。在其他情況下，尚未詳細描述與電子組件相關聯的熟知結構及製造技術以避免不必要地混淆本揭露內容的實施例的描述。
除非上下文另外要求，否則在整個說明書及隨後的申請專利範圍中，詞語「包括(comprise)」及其變化形式(諸如「包括(comprises/comprising)」)應視為開放的、包含性的含義，亦即「包含但不限於」。
諸如第一、第二及第三的序數的使用不一定暗示次序的排序含義，而實際上可能僅在動作或結構的多個實例之間進行區分。
貫穿本說明書的參考「一個實施例」或「一實施例」意謂結合實施例所描述的特定特徵、結構或特性包含於至少一個實施例中。因此，片語「在一個實施例中」或「在一實施例中」貫穿本說明書在各處的出現未必皆參考同一實施例。另外，可在一或多個實施例中以任何適合的方式組合特定特徵、結構或特性。
除非上下文另外明確規定，否則如本說明書及所附申請專利範圍中所使用，單數形式「一(a/an)」及「所述(the)」包含複數個參考物。亦應注意，除非上下文另外明確規定，否則術語「或」一般以其包含「及/或」的含義而採用。
本揭露內容的實施例提供具有可靠厚度及組成物的薄膜。本揭露內容的實施例使用機器學習技術來偵測薄膜中的污染或其他缺陷。污染可原位偵測，由此能夠緊接地在有缺陷的沈積製程之後立即停止薄膜沈積製程。因此，可即刻偵測出問題且不會有額外晶圓受到影響，而不是讓大量晶圓在測試可偵測出問題 之前就接收有缺陷的薄膜。若未恰當地形成薄膜，則包含薄膜的積體電路將不具有可能產生的性能問題。另外，批量的半導體晶圓將具有改良的良率及較少的廢棄晶圓。
圖1為根據一個實施例的薄膜沈積系統100的方塊圖。薄膜沈積系統100包含界定內部容積103的薄膜沈積腔室102。薄膜沈積系統100包含經配置以對位於內部容積103內的晶圓106執行薄膜沈積製程的沈積設備104。薄膜沈積系統100包含輻射源108、發射感測器110以及控制系統112。輻射源108、發射感測器110以及控制系統112協作以偵測形成於晶圓106上的薄膜的污染。
薄膜沈積設備104可包含位於薄膜沈積腔室102的外部、薄膜沈積腔室102的內部或薄膜沈積腔室102的內部及外部的沈積設備。沈積設備104可包含用於執行物理氣相沈積(physical vapor deposition；PVD)製程、化學氣相沈積(chemical vapor deposition；CVD)製程、原子層沈積(atomic layer deposition；ALD)製程或用於在晶圓106上形成薄膜的其他類型的薄膜沈積製程中的一或多者的設備。
在一些情況下，薄膜在薄膜沈積製程期間或在薄膜沈積製程之後可能受到污染。由於在薄膜沈積製程期間引入薄膜沈積腔室102的目標材料、前體材料或其他材料中的污染物或雜質，可能發生污染。在許多情況下，薄膜沈積製程在真空條件下執行。在預期為真空條件的薄膜沈積製程期間，有可能設備中的漏氣或其他缺陷會讓外部空氣進入薄膜沈積腔室102。在此情況下，有可能空氣中的氧氣將氧化薄膜。若發生薄膜的氧化，則薄膜可能不 具有在晶圓106中執行所選功能的預期結構、組成物以及特性。
薄膜沈積系統100使用輻射源108、發射感測器110以及控制系統112來偵測薄膜的污染。輻射源108輸出激發光109。激發光109照射形成於晶圓106上的薄膜。對於形成於晶圓106上的薄膜的照射可激發薄膜的原子或分子。薄膜的受激發的原子或分子可回應於由激發光109給予能量而輸出發射111。發射111可包含光或諸如電子的粒子或光及粒子的組合。發射111總體具有能譜。此能譜對應於發射光的光譜或發射粒子的能譜。若發射111包含光子，則能譜對應於包含與發射光子相關聯的各種波長的光子光譜。若發射111包含粒子，諸如電子，則能譜對應於發射粒子的能量。能譜可提供包含於薄膜中的原子、分子或化合物的類型的指示。
如本文中所使用，術語「輻射」及「激發光」指可見光譜的內部或外部的電磁輻射。因此，激發光109可包含可見光譜的外部的電磁輻射。
儘管圖1示出輻射源108位於薄膜沈積腔室102內，但輻射源108可位於薄膜沈積腔室102的外部。輻射源108可部分地位於薄膜沈積腔室102內且部分地在薄膜沈積腔室102的外部。若輻射源108位於薄膜沈積腔室102的外部，則輻射源108可經由薄膜沈積腔室102的壁中的一或多個窗口或開口來照射晶圓106。
發射感測器110經配置以感測發射111。薄膜可在各種方向上發出發射111。定位發射感測器110以使得發射111中的一些將由發射感測器110接收。發射感測器110感測由發射感測器110 所接收的各種發射111的波長。發射感測器110輸出指示發射111的光譜的感測器信號。
儘管圖1示出發射感測器110位於薄膜沈積腔室102內，但發射感測器110可位於薄膜沈積腔室102的外部。發射感測器110可部分地位於薄膜沈積腔室102內且部分地在薄膜沈積腔室102的外部。若發射感測器110位於薄膜沈積腔室102的外部，則發射感測器110可經由薄膜沈積腔室102的壁中的一或多個窗口或開口來接收發射111。
控制系統112耦接至輻射源108、發射感測器110以及沈積設備104。控制系統112自發射感測器110接收感測器信號。控制系統112分析感測器信號且判定發射111的光譜。控制系統112可基於發射111的光譜來偵測薄膜的污染。
控制系統112包含分析模型114。分析模型114是經由機器學習程序訓練，以基於由發射感測器110所感測的發射光譜來偵測薄膜的污染。分析模型114可包含神經網路或其他類型的機器學習模型。如關於圖6及圖7更詳細地闡述，利用包含多個光譜的訓練集來訓練分析模型114，每一光譜與受污染的或未受污染的薄膜相關聯。機器學習程序使用訓練集來訓練分析模型114，以基於由發射感測器110感測的發射光譜來可靠地偵測薄膜的污染。
若控制系統112偵測到薄膜的污染，則控制系統112可採取各種回應動作。舉例而言，控制系統112可基於偵測薄膜中的污染使得薄膜沈積系統100停止操作。控制系統112可輸出指示污染的類型的資訊。舉例而言，若分析模型114偵測到光譜指示非所要的薄膜的氧化，則控制系統112可指示氧氣污染。若分 析模型114偵測到其他類型的污染，則控制系統112可輸出指示其他類型的污染的資訊。
控制系統112可原位偵測薄膜的污染。換言之，控制系統112可在薄膜沈積製程期間或在薄膜沈積製程不久之後偵測薄膜的污染，同時晶圓106仍在薄膜沈積腔室中。此可提供極大的好處，由於可監控每一晶圓106，且可立即偵測到污染，而非在稍後可能已經處理及污染大量晶圓106時才進行偵測。此增加了晶圓良率且減少了廢棄晶圓的數目。
控制系統112可包含處理、記憶體以及資訊傳輸資源。處理、記憶體以及資訊傳輸資源可位於薄膜沈積系統100的設施處。替代地，處理、記憶體以及資訊傳輸資源可位於遠離薄膜沈積系統100的設施處。控制系統112可為包含多個位置的資源的分散控制系統。控制系統112可包含基於雲的資源及本地實體資源。
圖2為根據一個實施例的薄膜沈積系統200的方塊圖。薄膜沈積系統200類似於圖1的薄膜沈積系統100，除了薄膜沈積系統200為實施激發雷射及光感測器的PVD系統。系統100可使用相對於圖2所描述的組件、系統以及製程。薄膜沈積系統200包含界定內部容積203的薄膜沈積腔室202。在薄膜沈積腔室202的內部容積203內，晶圓支撐件222支撐晶圓206。
在圖2的實例中，薄膜沈積系統200為PVD濺鍍沈積系統，儘管在不脫離本揭露內容的範疇的情況下可使用其他類型的沈積系統。薄膜沈積系統200包含濺鍍磁控陰極216及濺鍍目標218。在沈積製程期間，電壓源220將電壓信號施加至濺鍍磁控陰 極216。結果為原子自濺鍍目標218射出。晶圓支撐件222充當濺鍍系統的接地陽極。來自濺鍍目標218的原子累積在晶圓206的表面上。結果為薄膜沈積於晶圓206上。
薄膜沈積系統200亦包含連通地耦接至薄膜沈積腔室202的內部容積203的排氣通道224。閥門226將排氣通道224耦接至泵228。在薄膜沈積製程之前，打開閥門226且激活泵228。泵228藉由自內部容積203泵抽流體而在內部容積203內產生真空。在內部容積低於臨限值壓力，亦即實質上處於真空時，可開始PVD製程。
在一個實例中，薄膜沈積製程為氮化鈦沈積製程。在此情況下，濺鍍目標218為鈦濺鍍目標。在由泵228抽空內部容積之後，氮氣流動至內部容積203中。在存在氮氣的情況下開始濺鍍製程。結果為氮化鈦薄膜沈積於晶圓206上。
在一些情況下，有可能由於薄膜沈積腔室202中的洩漏，空氣會在沈積製程期間進入內部容積203。若此發生，則氮化鈦薄膜可能氧化，從而導致薄膜中存在氧化鈦。視情況而定，薄膜中的氧化鈦的存在將導致薄膜無法執行其作為障壁層或膠層的功能。
為了偵測薄膜的氧化或其他污染，薄膜沈積系統200包含激發雷射208及光感測器210。激發雷射208及光感測器210可位於管213中，所述管213自薄膜沈積腔室202的外部延伸至薄膜沈積腔室202的內部。管213的內部表面對於管213的大部分範圍可實質上為反射的。管213的端部可為透明的，使得激發光及發射光子可穿過。在圖2中，管的透明部分由虛線指示。在 一個實例中，管的透明部分不同於管的反射部分，原因在於管213的透明部分不包含反射塗層，而管213的反射部分包含反射塗層。
激發雷射208輸出激發光209。激發光在管的反射部分內進行反射。在管的非反射部分處，激發光209自管213傳送至薄膜沈積腔室202的內部容積203中。激發光209接著照射晶圓206。特定而言，激發光209照射沈積於晶圓206上的薄膜。
激發光209中的一些由薄膜吸收。結果為，薄膜的原子或化合物中的價電子自較低能階轉變至較高能階。隨後，電子自較高能階返回較低能階。當電子自較高能階返回較低能階時，電子發射具有與能階中的差相對應的能量的發射光子211。
由薄膜所發射的發射光子211的光譜指示薄膜的組成物。不同材料將基於構成材料的原子或分子，發射不同波長的光子。因此，回應於激發光的照射，來自薄膜的發射光子211的光子光譜指示薄膜的組成物。
光感測器210經配置以接收及感測發射光子211。特定而言，光感測器210位於管213的透明端部處，使得發射光子211能夠穿過管213且由光感測器210接收。光感測器210可經配置以感測對應於來自受污染的及未受污染的薄膜的發射光子211的波長期望範圍的波長範圍內的光。
返回至薄膜沈積系統200沈積氮化鈦薄膜的實例，激發雷射208發射300奈米至330奈米之間的激發光。選擇此範圍是由於氮化鈦的一個可能的污染為氮化鈦的氧化。氮化鈦的氧化產生氧化鈦，所述氧化鈦為具有約3.2電子伏特的帶隙的半導體材料。300奈米與330奈米範圍內的光子具有足夠的能量(約3.7電 子伏特至4.1電子伏特)來激發價帶中的電子轉變至導電帶。因此，選擇激發雷射208以使得激發光子具有大於氧化鈦的帶隙的能量。價帶中的電子可吸收激發光的光子且經由帶隙轉變至導電帶。在電子自導電帶轉變回至價帶時，電子將發射具有對應於價帶的能階與電子返回導電帶的能階之間的差的能量的發射光子211。
在一個實例中，TiO2具有強度峰值以約360奈米為中心的光致發光光譜。因此，發射光子211的光譜的分析可指示光譜是否對應於TiO2，從而指示薄膜被氧化的污染。在此實例中，光感測器210可為紫外輻射感測器，其對200奈米至400奈米之間的範圍內的紫外光的尤其靈敏。對應地，激發雷射208可為紫外線雷射。
儘管已給出受氧化污染的氮化鈦薄膜的特定實例，但在不脫離本揭露內容的範疇的情況下，薄膜沈積系統200可包含本文中所描述的特定實例的許多其他類型的沈積製程、薄膜、污染偵測、輻射源以及輻射感測器。舉例而言，薄膜可包含Ti、TiAl、TiON、TiAlO、TiAl、TiAlC、中段製程(middle end of line；MEOL)接觸金屬、前段製程(front end of line；FEOL)高K封蓋或金屬閘極或其他類型的薄膜。
控制系統212耦接至激發雷射208、光感測器210以及電壓源220。控制系統212自光感測器210接收感測器信號。來自光感測器210的感測器信號指示由光感測器210自薄膜接收到的發射光子211的光譜。控制系統212分析感測器信號以判定發射光子的光譜是否對應於受污染的薄膜或恰當地形成的薄膜。若控制 系統212判定光子光譜對應於受污染的薄膜，則控制系統212可關閉薄膜沈積系統200且可輸出警報。在氮化鈦薄膜的氧化的實例中，警報可指示薄膜沈積腔室202中的洩漏。
控制系統212包含分析模型214。分析模型214是經機器學習程序訓練，以可靠地偵測指示各種類型的污染或恰當地形成的薄膜的光子光譜。圖6及圖7提供了關於分析模型的訓練的更多細節。
儘管圖2示出激發雷射208及感測發射光子的光感測器210，但薄膜沈積系統200可包含其他類型的激發源及輻射感測器。在一個實施例中，激發源為發射X射線輻射的X射線源。X射線源利用X射線照射薄膜。X射線為高能量光子。高能量X射線光子供給薄膜能量且使得薄膜經由光電效應發射電子。
在X射線源的實例中，光感測器210實際上為光電子感測器。回應於X射線的來自薄膜的發射為光電子。光電子感測器可經由光電效應來判定自薄膜接受到的電子的能量。由於X射線的能量為已知的且由於發射電子的能量是藉由光電子感測器量測的，因此可判定發射電子的電子結合能量。自薄膜發射的電子的電子結合能量指示薄膜的材料。因此，藉由分析發射電子的能量的光譜，可判定薄膜的組成物。在此情況下，分析模型可基於光電子的能譜來判定薄膜是否受污染。
圖3為根據一個實施例的薄膜沈積系統300的圖示。除了薄膜沈積系統300包含用於薄膜沈積及薄膜量測的單獨腔室外，薄膜沈積系統300在許多方面類似於圖1及圖2的薄膜沈積系統100、薄膜沈積系統200。薄膜沈積系統300包含薄膜沈積腔 室302及薄膜分析腔室334。薄膜沈積系統300包含經配置以對由薄膜沈積腔室302中的支撐件322所支撐的晶圓306執行薄膜沈積製程的沈積設備304。
薄膜分析腔室334及薄膜沈積腔室302經由轉移通道332連通地耦接。在對晶圓306執行薄膜沈積製程之後，晶圓306經由轉移通道332傳送至薄膜分析腔室334。薄膜分析腔室334包含支撐件330。在自薄膜沈積腔室302轉移之後，晶圓306位於支撐件330上。晶圓306可由機器手臂(圖3中未描繪)轉移。
在一個實施例中，由於薄膜沈積腔室302及薄膜分析腔室334經由轉移通道332耦接在一起，故薄膜沈積腔室302中的真空或壓力條件被傳達至薄膜分析腔室334。此意謂，當晶圓306自薄膜沈積腔室302轉移至薄膜分析腔室334時，晶圓306不會穿過額外污染環境。
輻射源308及發射感測器310位於薄膜分析腔室334中或鄰近於薄膜分析腔室334。輻射源308經配置以利用激發光照射晶圓306。發射感測器310經配置以回應於激發光而自晶圓306接收及感測發射。輻射源308及發射感測器310可包含相同類型的輻射源及發射感測器，如相對於圖1及圖2中所描述的輻射源及發射感測器。
控制系統312可自發射感測器310接收發射光譜信號。分析模型314可分析光譜且判定薄膜是否受污染。若薄膜受污染，則控制系統312可輸出警報且停止薄膜沈積系統300的操作。
圖4為根據一個實施例的晶圓406的橫截面圖。晶圓406包含奈米片結構440。界面層442位於奈米片結構上方。高K閘 極介電層444位於界面層442上且位於形成於介電材料445的一層中的溝渠448的側壁上。溝渠448形成為由奈米片電晶體的閘極電極填充。
在閘極電極的沈積之前，於高K閘極介電層444上形成一層氮化鈦446。該層氮化鈦充當將在溝渠448中形成的閘極電極的功函數層。氮化鈦增加功函數且改良奈米片電晶體的總體功能。
該層氮化鈦446為圖1至圖3的薄膜沈積系統中形成的薄膜層的實例。在該層氮化鈦446形成之後，輻射源利用激發光409照射該層氮化鈦446。激發光409可對應於相對於圖1至圖3所給出的激發光的各種實例。因此，激發光可包含紫外輻射、X射線輻射或自輻射源發射的其他類型的輻射。
該層氮化鈦446吸收一些激發光409且輸出發射411。發射411可包含回應於吸收激發光409而自氮化鈦446的所述層發射的光致發光光子。替代地，發射411可包含回應於吸收激發光409而自該層氮化鈦446射出的光電子。
輻射感測器(未繪示)可接收及感測發射411。輻射感測器可包含相對於圖1至圖3所描述的類型的發射感測器或其他類型的輻射感測器。輻射感測器可將感測器信號提供至包含如相對於圖1至圖3所描述的分析模型的控制系統。控制系統及分析模型可基於發射411的光譜來判定氮化鈦是否已受污染，如先前相對於圖1至圖3所述且將相對於圖6及圖7進一步詳細描述。
圖5為根據一個實施例的晶圓506的橫截面圖。晶圓506包含奈米片結構540。界面層542位於奈米片結構540上方。高K介電層544位於界面層542上。側壁間隔件551位於鄰近於高K 介電層544。氮化鈦546的功函數層位於高K介電層544上。閘極電極550與氮化鈦546的功函數層接觸形成。溝渠552形成於一層介電材料555中。溝渠552用於源極及汲極電極。源極區553在汲極區557處或鄰近於奈米片結構540。矽化物層554及矽化物層556位於源極區553及汲極區557處。氮化鈦546的膠層形成於介電材料555的所述層上，形成於溝渠552的側壁上且形成於閘極電極550上。
該層氮化鈦546為形成於圖1至圖3的薄膜沈積系統中的薄膜層的實例。在該層氮化鈦546形成之後，輻射源利用激發光509照射該層氮化鈦546。激發光509可對應於圖1至圖3所給出的激發光的各種實例。因此，激發光可包含紫外輻射、X射線輻射或自輻射源發射的其他類型的輻射。
該層氮化鈦546吸收一些激發光509且輸出發射511。發射511可包含回應於吸收激發光509而自該層氮化鈦546發射的光致發光光子。替代地，發射511可包含回應於吸收激發光509而自該層氮化鈦546射出的光電子。
輻射感測器(未繪示)可接收及感測發射511。輻射感測器可包含圖1至圖3所描述類型的發射感測器或其他類型的輻射感測器。輻射感測器可將感測器信號提供至包含如圖1至圖3所描述的分析模型的控制系統。控制系統及分析模型可基於發射511的光譜來判定氮化鈦是否已受污染，如先前相對於圖1至圖3所述且將相對於圖6進一步詳細描述。
儘管圖4及圖5描述氮化鈦的特定層，但本揭露內容的原理擴展至其他類型的沈積薄膜及其他類型的結構以及其他類型 的沈積製程。利用分析模型、輻射源以及發射感測器偵測污染可用於各種薄膜及許多不同類型的污染。
圖6為根據一個實施例的控制系統612的方塊圖。圖1至圖3的控制系統112、控制系統212以及控制系統312可包含控制系統612的組件及功能。因此，可利用相對於圖1至圖5所描述的系統、製程以及組件來實施控制系統612。根據一個實施例，圖6的控制系統612經配置以控制薄膜沈積系統的操作。控制系統612使用機器學習來判定薄膜是否受污染或是以其他方式不恰當地形成。在額外晶圓可能受不恰當地形成的薄膜影響之前，控制系統612可偵測薄膜的污染且停止進一步薄膜沈積製程。控制系統612可引發指示薄膜沈積製程的問題的警報。
在一個實施例中，控制系統612包含分析模型614及訓練模組660。訓練模組利用機器學習程序訓練分析模型614。機器學習程序訓練分析模型614以基於來自薄膜的發射光譜來偵測薄膜是否受污染。儘管訓練模組660繪示為與分析模型614分開，但實際上，訓練模組660可為分析模型614的一部分。
控制系統612包含或儲存訓練集資料642。訓練集資料642包含歷史薄膜光譜資料664及污染標籤資料666。歷史薄膜光譜資料664包含大量薄膜的發射光譜。對於歷史薄膜光譜資料664中的每一發射光譜，污染標籤資料666包含指示發射光譜是否對應於受污染的薄膜的資料。如下文將更詳細地闡述，訓練模組660使用歷史薄膜光譜資料664及污染標籤資料666來利用機器學習程序訓練分析模型614。
在一個實施例中，歷史薄膜光譜資料664包含與大量薄 膜的發射光譜有關的資料。發射光譜包含由大量薄膜中的每一者所發射的光子或光電子的光譜。在光子光譜的情況下，每一光譜包含先前特定分析的薄膜的各種能量、波長或頻率的光子的分佈。在電子光譜的情況下，每一光譜包含先前特定分析的薄膜的電子的能量的分佈。
在一個實施例中，對於歷史薄膜光譜資料664中的每一歷史薄膜光譜，污染標籤資料666包含各別標籤。每一標籤指示污染或未污染。由於可能存在多種類型的污染，故可能存在多種類型的污染標籤。換言之，指示污染的標籤可取決於在薄膜沈積製程期間薄膜可能受污染的各種方式而屬於多種類別的污染中的一者中。
在一個實施例中，分析模型614包含神經網路。將相對於神經網路描述分析模型614的訓練。然而，在不脫離本揭露內容的範疇的情況下可使用其他類型的分析模型或演算法。訓練模組660使用訓練集資料642來利用機器學習程序訓練神經網路。在訓練程序期間，神經網路自訓練集資料662接收歷史薄膜光譜資料664作為輸入。在訓練程序期間，神經網路輸出預測的類別資料。對於提供至分析模型614的每一薄膜光譜，預測的類別資料預測光譜屬於的類別。類別可包含污染、未污染或污染及未污染的各種個別類別。訓練程序訓練神經網路以產生與每一薄膜光譜的污染標籤資料666匹配的預測的類別資料。
在一個實施例中，神經網路包含多個神經層。各種神經層包含限定一或多個內部函數的神經元。內部函數是基於與神經網路的每一神經層的神經元相關聯的加權值。在訓練期間，對於 歷史薄膜光譜資料的每一集合，控制系統612將預測的類別資料與來自污染標籤資料666的實際標籤進行比較。控制系統產生指示預測的類別資料與污染標籤資料666有多匹配的誤差函數。控制系統612接著調整神經網路的內部函數。由於神經網路基於內部函數產生預測的類別資料，故調整內部函數將導致針對歷史薄膜光譜資料的同一集合產生不同的預測的類別資料。調整內部函數可導致產生較大誤差函數(與污染標籤資料666更差地匹配)或較小誤差函數(與污染標籤資料666更好地匹配)的預測的類別資料。
在調整神經網路的內部函數之後，歷史薄膜光譜資料664再次傳送至神經網路，且分析模型614再次產生預測的類別資料。訓練模組660再次將預測的類別資料與污染標籤資料666進行比較。訓練模組660再次調整神經網路的內部函數。在監控誤差函數及調整神經網路的內部函數的大量迭代中重複此過程，直至發現在整個訓練集中導致與污染標籤資料666相匹配的預測的類別資料的內部函數集合。
在訓練程序的開始處，預測的類別資料很可能將不與污染標籤資料666極為緊密地匹配。然而，隨著訓練程序經由調整神經網路的內部函數的許多迭代進行，誤差函數將趨向於愈來愈小，直至發現導致與污染標籤資料666匹配的預測的類別資料的內部函數集合。識別導致與污染標籤資料666匹配的預測的類別資料的內部函數集合對應於訓練程序的完成。一旦訓練程序完成，則神經網路已準備好用來調整薄膜沈積製程參數。
在一個實施例中，在訓練分析模型614之後，分析模型 614可用於分析薄膜的發射光譜。特定而言，如圖1至圖5所述，可利用來自輻射源的激發光照射薄膜。薄膜將接著輸出發射，諸如光致發光光子或光電子，視具體情況而定。輻射感測器可接著感測任務的能譜。輻射感測器可將感測器信號傳送至分析模型614。分析模型614分析光譜資料且將光譜標識為一類別。類別可包含污染、未污染或污染及未污染的各種子類別。若類別指示污染，則控制系統612可輸出警報且停止進一步薄膜沈積製程。
在一個實施例中，控制系統612包含處理資源668、記憶體資源670以及通信資源672。處理資源668可包含一或多個控制器或處理器。處理資源668經配置以執行軟體指令、處理資料、作出薄膜沈積控制決策、執行信號處理、自記憶體讀取資料、將資料寫入至記憶體以及執行其他處理操作。處理資源668可包含位於薄膜沈積系統的地點或設施處的實體處理資源668。處理資源可包含遠離地點薄膜沈積系統或薄膜沈積系統所位於的設施的虛擬處理資源668。處理資源668可包含基於雲的處理資源，其包含經由一或多個雲計算平台所存取的處理器及伺服器。
在一個實施例中，記憶體資源670可包含一或多個電腦可讀記憶體。記憶體資源670經配置以儲存與控制系統及其組件(包含但不限於分析模型614)的功能相關聯的軟體指令。記憶體資源670可儲存與控制系統612及其組件的功能相關聯的資料。資料可包含訓練集資料642、當前製程條件資料以及與控制系統612或其組件中的任一者的操作相關聯的任何其他資料。記憶體資源670可包含位於薄膜沈積系統100的地點或設施處的實體記憶體資源。記憶體資源可包含遠離薄膜沈積系統100的地點或設施 的虛擬記憶體資源。記憶體資源670可包含經由一或多個雲計算平台所存取的基於雲的記憶體資源。
在一個實施例中，通信資源可包含使得控制系統612能夠與設備(與薄膜沈積系統100相關聯)通信的資源。舉例而言，通信資源672可包含有線及無線通信資源，其使得控制系統612能夠接收與薄膜沈積系統相關聯的感測器資料且控制薄膜沈積系統的設備。通信資源672可使得控制系統612能夠控制薄膜沈積系統的各種組件。通信資源672可使得控制系統612能夠與遠程系統通信。通信資源672可包含或可促進經由一或多個網路(諸如廣網路、無線網路、網際網路或內部網路)的通信。通信資源672可使得控制系統612的組件能夠彼此通信。
在一個實施例中，經由處理資源668、記憶體資源670以及通信資源672來實施分析模型614。控制系統612可為具有組件及資源的分散的控制系統，且位置遠離彼此及遠離薄膜沈積系統。
相對於控制系統612及分析模型614所描述的組件、功能以及製程可擴展至相對於圖1至圖5所描述的控制系統及分析模型。
圖7為根據一個實施例的用於訓練分析模型以判定薄膜是否受污染的過程700的流程圖。可使用相對於圖1至圖6所描述的系統、組件以及製程來實施過程700。亦可使用其他系統、組件以及程序來實施過程700。分析模型的一個實例為圖6的分析模型614，儘管圖7的過程700可應用於在先前圖式中的任一者中所描述的分析模型。過程700的各個步驟可使用相對於圖1至圖6 所描述的組件、程序以及技術。因此，參考圖1至圖6描述圖7。
在步驟702處，過程700聚集包含歷史薄膜光譜資料及污染標籤資料的訓練集資料。訓練集資料的一個實例為圖6的訓練集資料662。此可藉由使用資料探勘系統或程序來實現。資料探勘系統或程序可藉由存取與薄膜沈積系統相關聯的一或多個資料庫及收集且組織一或多個資料庫中所含有的各種類型的資料來聚集訓練集資料。資料探勘系統或程序或其他系統或程序可處理及格式化所收集的資料以便產生訓練集資料。訓練集資料可包含如相對於圖6所描述的歷史薄膜光譜資料及污染標籤資料。
在步驟704處，過程700將歷史薄膜光譜資料輸入至分析模型。在一個實例中，此可包含利用如相對於圖6所描述的訓練模組將污染標籤資料輸入至分析模型。污染標籤資料的一個實例為圖6的污染標籤資料666。在連續的離散集合中，可將歷史薄膜光譜資料提供至分析模型。歷史薄膜資料的一個實例為圖6的歷史薄膜資料664。每一離散集合可對應於單個薄膜或薄膜的群組。歷史薄膜光譜資料可作為向量提供分析模型。每一集合可包含一或多個向量，這些向量被格式化以供分析模型接收及處理。在不脫離本揭露內容的範疇的情況下，歷史薄膜光譜資料可以其他格式提供至分析模型。
在步驟706處，過程700基於歷史薄膜光譜資料產生預測的類別資料。特定而言，分析模型針對歷史薄膜光譜資料的每一集合產生預測的類別資料。預測的類別資料對應於污染或未污染的預測類別。此可由圖6的訓練模組660或分析模型614執行。
在步驟708處，將預測的類別資料與歷史薄膜光譜資料 664進行比較。特定而言，將歷史薄膜光譜資料的每一集合的預測類別資料與污染標籤資料(與歷史薄膜光譜資料的所述集合相關聯)進行比較。比較可能產生指示預測類別資料與污染標籤資料有多匹配的誤差函數。針對預測類別資料的每一集合執行此比較。在一個實施例中，此過程可包含產生總合誤差函數或指示，從而指示預測類別資料的總體與污染標籤資料如何進行比較。可由訓練模組或由分析模型執行此等比較。在不脫離本揭露內容的範疇的情況下，比較可包含除上文所描述的其他類型的函數或資料的其他類型的函數或資料。此可由圖6的訓練模組660或分析模型614執行。
在步驟710處，過程700基於步驟708處所產生的比較來判定預測類別資料是否與污染標籤資料匹配。在一個實例中，若總合誤差函數小於誤差容限，則過程700判定預測類別資料不與污染標籤資料匹配。在一個實例中，若總合誤差函數大於誤差容限，則過程700判定預測類別資料與污染標籤資料匹配。在一個實例中，誤差容限可包含0.1與0之間的容限。換言之，若總合百分數誤差小於0.1或10%，則過程700認為預測類別資料與污染標籤資料匹配。若總合百分數誤差大於0.1或10%，則過程700認為預測類別資料不與污染標籤資料匹配。在不脫離本揭露內容的範疇的情況下，可使用其他容限範圍。在不脫離本揭露內容的範疇的情況下，可以各種方式計算誤差分數。訓練模組或分析模型可使判定與過程步驟710相關聯。此可由圖6的訓練模組660或分析模型614執行。
在一個實施例中，若預測類別資料在步驟710處不與歷 史薄膜光譜資料匹配，則過程進行至步驟712。在步驟712處，過程700調整與分析模型相關聯的內部函數。在一個實例中，訓練模組調整與分析模型相關聯的內部函數。自步驟712，過程返回至步驟704。在步驟704處，歷史薄膜光譜資料再次提供至分析模型。由於已調整分析模型的內部函數，故分析模型將產生與先前週期中的不同的預測類別資料。過程進行至步驟706、步驟708以及步驟710，且計算總合誤差。若預測類別資料不與污染標籤資料匹配，則過程返回至步驟712且再次調整分析模型的內部函數。此過程反覆進行，直至分析模型產生與污染標籤資料匹配的預測類別資料。此可由圖6的訓練模組660或分析模型614執行。
在一個實施例中，若預測類別資料與歷史污染標籤資料及過程步驟710匹配，則過程700進行至步驟714。在步驟714處完成訓練。現在準備好使用分析模型來識別製程條件可用於由薄膜沈積系統所執行的薄膜沈積製程中。在不脫離本揭露內容的範疇的情況下，過程700可包含除本文中所繪示及描述外的其他步驟或步驟的配置。
圖8為根據一個實施例的薄膜沈積方法800的流程圖。可使用相對於圖1至圖7所描述的系統、組件以及製程來實施方法800。亦可使用其他系統、組件以及製程來實施方法800。在步驟802處，方法800包含將薄膜沈積於薄膜沈積腔室中的圖案化晶圓上。晶圓的一個實例為圖1的晶圓106。薄膜沈積腔室的一個實例為圖1的薄膜沈積腔室102。在步驟804處，方法800包含在薄膜沈積腔室中利用雷射照射薄膜。雷射的一個實例為圖2的激發雷射208。在步驟806處，方法800包含回應於雷射的照射而利 用光感測器收集光致發光光譜資料。光感測器的一個實例為圖2的光感測器210。在步驟808處，方法800包含利用經機器學習程序訓練的分析模型來分析光譜。分析模型的一個實例為圖2的分析模型214。在步驟810處，方法800包含利用分析模型基於光譜來判定是否存在氧氣洩漏。在步驟812處，方法800包含若存在氧氣洩漏，則輸出指示氧氣洩漏的信號。
圖9為根據一個實施例的薄膜沈積方法900的流程圖。可使用相對於圖1至圖8所描述的系統、組件以及製程來實施方法900。亦可使用其他系統、組件以及製程來實施方法900。在步驟902處，方法900包含將薄膜沈積於第一腔室中的圖案化晶圓上。晶圓的一個實例為圖3的晶圓306。第一腔室的一個實例為圖3的薄膜沈積腔室302。在步驟903處，方法900包含將晶圓自第一腔室轉移至第二腔室。第二腔室的一個實例為圖3的薄膜分析腔室334。在步驟904處，方法900包含在第二腔室中利用雷射照射薄膜。雷射的一個實例為圖2的激發雷射208。在步驟906處，方法900包含回應於雷射的照射而利用光感測器收集光致發光光譜資料。光感測器的一個實例為圖2的光感測器210。在步驟908處，方法900包含利用經機器學習程序訓練的分析模型來分析光譜。分析模型的一個實例為圖3的分析模型314。在步驟910處，方法900包含利用分析模型基於光譜來判定是否存在氧氣洩漏。在步驟912處，方法900包含若存在氧氣洩漏，則輸出指示氧氣洩漏的信號。
圖10為根據一個實施例的薄膜沈積方法1000的流程圖。可使用相對於圖1至圖9所描述的系統、組件以及製程來實 施方法1000。亦可使用其他系統、組件以及製程來實施方法1000。在步驟1002處，方法1000包含將薄膜沈積於薄膜沈積腔室中的圖案化晶圓上。晶圓的一個實例為圖1的晶圓106。薄膜沈積腔室的一個實例為圖1的薄膜沈積腔室102。在步驟1004處，方法1000包含在薄膜沈積腔室中利用X射線照射薄膜。在步驟1006處，方法1000包含回應於X射線的照射而利用光電子感測器收集光電子光譜資料。光電子感測器的一個實例為圖1的發射感測器110。在步驟1008處，方法1000包含利用經機器學習程序訓練的分析模型來分析光譜。分析模型的一個實例為圖1的分析模型114。在步驟1010處，方法1000包含利用分析模型基於光譜來判定是否存在氧氣洩漏。在步驟1012處，方法1000包含若存在氧氣洩漏，則輸出指示氧氣洩漏的信號。
圖11為根據一個實施例的薄膜沈積方法1100的流程圖。可使用相對於圖1至圖10所描述的系統、組件以及製程來實施方法1100。亦可使用其他系統、組件以及製程來實施方法1100。在步驟1102處，方法1100包含將薄膜沈積於第一腔室中的圖案化晶圓上。晶圓的一個實例為圖3的晶圓306。第一腔室的一個實例為圖3的薄膜沈積腔室302。在步驟1103處，方法1100包含將晶圓自第一腔室轉移至第二腔室。第二腔室的一個實例為圖3的薄膜分析腔室334。在步驟1104處，方法1100包含在第二腔室中利用X射線照射薄膜。在步驟1106處，方法1100包含回應於X射線的照射而利用光電子感測器收集光電子光譜資料。光電子感測器的一個實例為圖3的發射感測器310。在步驟1108處，方法1100包含利用經機器學習程序訓練的分析模型來分析光譜。分析 模型的一個實例為圖3的分析模型314。在步驟1110處，方法1100包含利用分析模型基於光譜來判定是否存在氧氣洩漏。在步驟1112處，方法1100包含若存在氧氣洩漏，則輸出指示氧氣洩漏的信號。
圖12為根據一個實施例的薄膜沈積方法1200的流程圖。可使用相對於圖1至圖11所描述的系統、組件以及製程來實施方法1200。亦可使用其他系統、組件以及製程來實施方法1200。在一個實施例中，在步驟1202處，方法1200包含將薄膜沈積於薄膜沈積腔室中的晶圓上。薄膜沈積腔室的一個實例為圖1的薄膜沈積腔室102。在步驟1204處，方法1200包含利用激發光照射薄膜。在步驟1206處，方法1200包含回應於激發光而偵測來自自薄膜的發射光譜。在步驟1208處，方法1200包含藉由利用控制系統的分析模型分析發射光譜來偵測薄膜的污染。分析模型的一個實例為圖6的分析模型614。控制系統的一個實例為圖6的控制系統612。
圖13為根據一個實施例的薄膜沈積方法1300的流程圖。可使用相對於圖1至圖12所描述的系統、組件以及製程來實施方法1300。亦可使用其他系統、組件以及製程來實施方法1300。在步驟1302處，方法1300包含利用使用在多種污染及未污染條件下偵測到的來自多個光譜的資料的機器學習程序來訓練分析模型以偵測薄膜的污染。分析模型的一個實例為圖6的分析模型614。在步驟1304處，方法1300包含將薄膜沈積於薄膜沈積腔室中的晶圓上。在步驟1306處，方法1300包含利用激發光照射晶圓。薄膜沈積腔室的一個實例為圖1的薄膜沈積腔室102。在步驟 1308處，方法1300包含回應於激發光而偵測來自晶圓的發射光譜。在步驟1310處，方法1300包含藉由利用分析模型分析發射光譜來偵測薄膜是否受污染。
在一個實施例中，一種方法包含將薄膜沈積於薄膜沈積腔室中的晶圓上及利用激發光照射薄膜。方法包含回應於激發光而偵測來自薄膜的發射光譜及藉由利用控制系統的分析模型分析發射光譜來偵測薄膜的污染。
在相關實施例中，所述方法更包括在所述薄膜沈積腔室中利用所述激發光照射所述薄膜。
在相關實施例中，所述方法更包括將所述晶圓自所述薄膜沈積腔室轉移至偵測腔室，以及在所述偵測腔室中利用激發光照射所述薄膜。
在相關實施例中，所述方法更包括保持所述偵測腔室中的所述沈積腔室的真空條件，同時利用激發光照射所述薄膜。
在相關實施例中，偵測污染包含偵測所述薄膜的氧化。
在相關實施例中，所述方法更包括基於偵測所述薄膜的氧化而利用所述控制系統偵測所述沈積腔室中的洩漏。
在相關實施例中，所述方法更包括回應於偵測所述薄膜的污染而暫停所述薄膜沈積腔室的操作。
在相關實施例中，所述激發光包含紫外光，其中偵測所述發射光譜包含偵測光致發光光譜。
在相關實施例中，所述激發光包含X射線光，其中偵測所述發射光譜包含偵測光電子光譜。
在相關實施例中，所述方法更包括利用機器學習程序訓 練所述分析模型以偵測所述薄膜的污染。
在一個實施例中，一種系統包含：薄膜沈積腔室，經配置以將薄膜沈積於晶圓上；及輻射源，經配置以利用激發光照射薄膜。系統包含經配置以回應於激發光而偵測來自晶圓的發射光譜的發射感測器。系統包含：控制系統，耦接至輻射源及發射感測器，且經配置以藉由分析光子的光譜來偵測薄膜的污染及回應於偵測薄膜的污染而停止薄膜沈積腔室中的薄膜沈積製程。
在相關實施例中，所述輻射源為雷射，其中所述發射感測器為紫外光感測器。
在相關實施例中，所述輻射源為X射線源，其中所述發射感測器為光電子光譜偵測器。
在相關實施例中，所述輻射源經定位成照射所述薄膜沈積腔室中的所述薄膜。
在相關實施例中，所述系統更包括薄膜分析腔室，其中所述輻射源經配置以照射所述薄膜分析腔室中的所述薄膜。
在相關實施例中，所述控制系統包含利用機器學習程序訓練以基於所述發射光譜偵測薄膜的污染的分析模型。
在相關實施例中，所述分析模型包含神經網路。
在一個實施例中，一種方法包含利用使用在多種污染及未污染條件下偵測到的來自多個光譜的資料的機器學習程序來訓練分析模型以偵測薄膜的污染。方法包含將薄膜沈積於薄膜沈積腔室中的晶圓上及利用激發光照射晶圓。方法包含回應於激發光而偵測來自晶圓的發射光譜及藉由利用分析模型分析發射光譜來偵測薄膜是否受污染。
在相關實施例中，所述薄膜包含氮化鈦，其中偵測所述氮化鈦的污染包含偵測到所述發射光譜包含氧化鈦的發射特性。
在相關實施例中，所述方法更包括將所述薄膜沈積於半導體奈米片結構上方。
本揭露的實施例能夠原位偵測薄膜的污染。可在污染的偵測之後停止薄膜沈積製程，由此減少具有有缺陷薄膜的晶圓的數目。此提供許多好處，包含改善的晶圓良率及較少的廢棄晶圓。另外，可基於偵測到的污染偵測沈積腔室中的氧氣洩漏。
上文所描述的各種實施例可經組合以提供另外實施例。本說明書中所指的及/或本申請案資料表中所列出的所有美國專利申請公開案及美國專利申請案以全文引用的方式併入本文中。必要時，可修改實施例的態樣以採用各種專利、申請案以及公開案的構思，從而提供又另外實施例。
可根據以上詳細描述來對實施例進行此等及其他改變。一般而言，在以下申請專利範圍中，所用術語不應解釋為將申請專利範圍限於本說明書及申請專利範圍中所揭露的特定實施例，而應解釋為包含所有可能的實施例連同此等申請專利範圍有權要求的等效物的全部範疇。因此，申請專利範圍不受本揭露內容限制。
100:薄膜沈積系統
102:薄膜沈積腔室
103:內部容積
104:沈積設備
106:晶圓
108:輻射源
109:激發光
110:發射感測器
111:發射
112:控制系統
114:分析模型

Claims (8)

  1. 一種薄膜沈積方法，包括：利用機器學習程序訓
    Figure 110115011-A0305-02-0034-18
    控制系統的分析模型以偵測
    Figure 110115011-A0305-02-0034-19
    膜的污染；將薄膜沈積於薄膜沈積腔室中的晶圓上；利用激發光照射所述薄膜；回應於所述激發光而偵測來自所述薄膜的發射光譜；以及藉由利用所述控制系統的所述分析模型分析所述發射光譜來偵測所述薄膜的污染。
  2. 如請求項1所述的方法，更包括在所述薄膜沈積腔室中利用所述激發光照射所述薄膜。
  3. 如請求項1所述的方法，更包括：將所述晶圓自所述薄膜沈積腔室轉移至
    Figure 110115011-A0305-02-0034-20
    膜分析腔室；以及在所述
    Figure 110115011-A0305-02-0034-21
    膜分析腔室中利用激發光照射所述薄膜。
  4. 如請求項3所述的方法，更包括保持所述薄膜分析腔室中的所述沈積腔室的真空條件，同時利用激發光照射所述薄膜。
  5. 如請求項1所述的方法，更包括回應於偵測所述薄膜的污染而暫停所述薄膜沈積腔室的操作。
  6. 一種薄膜沈積系統，包括：薄膜沈積腔室，經配置以將薄膜沈積於晶圓上；輻射源，經配置以利用激發光照射所述薄膜；發射感測器，經配置以回應於所述激發光而偵測來自所述晶圓的發射光譜；以及 控制系統，耦接至所述輻射源及所述發射感測器，且經配置以藉由分析所述發射光譜來偵測所述薄膜的污染及回應於偵測到所述薄膜的污染而停止所述薄膜沈積腔室中的薄膜沈積製程，其中所述控制系統包含利用機器學習程序訓
    Figure 110115011-A0305-02-0035-24
    以基於所述發射光譜偵測
    Figure 110115011-A0305-02-0035-26
    膜的污染的分析模型。
  7. 一種薄膜沈積方法，包括：利用使用來自在多種污染及未污染條件下偵測到的多個光譜的資料的機器學習程序來訓練分析模型以偵測薄膜的污染；將薄膜沈積於薄膜沈積腔室中的晶圓上；利用激發光照射所述晶圓；回應於所述激發光而偵測來自所述晶圓的發射光譜；以及藉由利用所述分析模型分析所述發射光譜來偵測所述薄膜是否受污染。
  8. 如請求項7所述的方法，更包括將所述薄膜沈積於半導體奈米片結構上方。
TW110115011A 2020-04-30 2021-04-26 用於偵測薄膜污染的系統及方法 TWI775413B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063018312P 2020-04-30 2020-04-30
US63/018,312 2020-04-30
US17/169,101 2021-02-05
US17/169,101 US11686683B2 (en) 2020-04-30 2021-02-05 System and method for detecting contamination of thin-films

Publications (2)

Publication Number Publication Date
TW202143355A TW202143355A (zh) 2021-11-16
TWI775413B true TWI775413B (zh) 2022-08-21

Family

ID=77028965

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110115011A TWI775413B (zh) 2020-04-30 2021-04-26 用於偵測薄膜污染的系統及方法

Country Status (4)

Country Link
US (1) US20230296523A1 (zh)
CN (1) CN113203714A (zh)
DE (1) DE102021103455A1 (zh)
TW (1) TWI775413B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW464761B (en) * 1999-08-06 2001-11-21 Biostar Inc Instruments for analyzing binding assays based on attenuation of light by thin films
US20030021015A1 (en) * 2000-04-07 2003-01-30 Maier Robert L. Film coated optical lithography elements and method of making
US20110117681A1 (en) * 2008-07-09 2011-05-19 Bt Imaging Pty Ltd Thin film imaging method and apparatus
TW201624108A (zh) * 2014-12-25 2016-07-01 Ching-Bore Wang 偵測形成於光罩之污染物質的方法及實施該方法的光罩
TW201935130A (zh) * 2017-12-12 2019-09-01 荷蘭商Ａｓｍｌ荷蘭公司 用於判定與薄膜相關的條件的裝置和方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5815396A (en) * 1991-08-12 1998-09-29 Hitachi, Ltd. Vacuum processing device and film forming device and method using same
US5664066A (en) * 1992-11-09 1997-09-02 The United States Of America As Represented By The United States Department Of Energy Intelligent system for automatic feature detection and selection or identification
JP3663774B2 (ja) * 1996-08-30 2005-06-22 Ｊｆｅスチール株式会社 金属中微量酸素の分析方法および装置
US5963315A (en) * 1997-08-18 1999-10-05 Motorola, Inc. Method and apparatus for processing a semiconductor wafer on a robotic track having access to in situ wafer backside particle detection
JP3986631B2 (ja) * 1997-08-27 2007-10-03 キヤノンアネルバ株式会社 薄膜作成方法及び薄膜作成装置
JP2001133423A (ja) * 1999-11-08 2001-05-18 Canon Inc 電子分光装置および分析方法
US6567753B2 (en) * 2001-04-04 2003-05-20 General Electric Company Devices and methods for simultaneous measurement of transmission of vapors through a plurality of sheet materials
US7079975B1 (en) * 2001-04-30 2006-07-18 Advanced Micro Devices, Inc. Scatterometry and acoustic based active control of thin film deposition process
US7126131B2 (en) * 2003-01-16 2006-10-24 Metrosol, Inc. Broad band referencing reflectometer
US8393197B2 (en) * 2008-07-24 2013-03-12 Pivotal Systems Corporation Method and apparatus for the measurement of atmospheric leaks in the presence of chamber outgassing
JP6061692B2 (ja) * 2013-01-18 2017-01-18 キヤノン株式会社 放射線発生管及び放射線発生装置及びそれらを用いた放射線撮影装置
CN104048599B (zh) * 2013-03-13 2018-06-01 以操作-试验名义经营的索夫泰克系统配套公司 用于对发光器件进行特征分析的方法和系统
WO2016037057A1 (en) * 2014-09-04 2016-03-10 Duke University Methods and systems for deposition of blended polymer films
US9870935B2 (en) * 2014-12-19 2018-01-16 Applied Materials, Inc. Monitoring system for deposition and method of operation thereof
KR20240038155A (ko) * 2015-11-02 2024-03-22 노바 메주어링 인스트루먼트 인크. 비파괴적 박막 측정 방법 및 시스템
JP6959191B2 (ja) * 2018-07-25 2021-11-02 旭化成エレクトロニクス株式会社 学習処理装置、学習処理方法、化合物半導体の製造方法、および、プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW464761B (en) * 1999-08-06 2001-11-21 Biostar Inc Instruments for analyzing binding assays based on attenuation of light by thin films
US20030021015A1 (en) * 2000-04-07 2003-01-30 Maier Robert L. Film coated optical lithography elements and method of making
US20110117681A1 (en) * 2008-07-09 2011-05-19 Bt Imaging Pty Ltd Thin film imaging method and apparatus
TW201624108A (zh) * 2014-12-25 2016-07-01 Ching-Bore Wang 偵測形成於光罩之污染物質的方法及實施該方法的光罩
TW201935130A (zh) * 2017-12-12 2019-09-01 荷蘭商Ａｓｍｌ荷蘭公司 用於判定與薄膜相關的條件的裝置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
期刊 S. Dellis, N. Pliatsikas, N. Kalfagiannis, O. Lidor-Shalev, A. Papaderakis, G. Vourlias S. Sotiropoulos, D. C. Koutsogeorgis, Y. Mastai3 & P. PatsalasBroadband luminescence in defect-engineered electrochemically produced porous Si/ZnO nanostructures SCIENTIFIC REPORTS s41598-018-24684-6 nature 2018 1~8 *

Also Published As

Publication number Publication date
US20230296523A1 (en) 2023-09-21
CN113203714A (zh) 2021-08-03
DE102021103455A1 (de) 2021-11-04
TW202143355A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
Doherty et al. Performance-limiting nanoscale trap clusters at grain junctions in halide perovskites
CN116134396B (zh) 基于使用神经网络的聚集统计的异常检测
KR20170092573A (ko) 제2고조파 발생(ｓｈｇ) 신호 내에서 재료 특성을 해석하는 시스템
US11353364B2 (en) Thermal imaging for within wafer variability feedforward or feedback information
TWI775413B (zh) 用於偵測薄膜污染的系統及方法
TWI698637B (zh) 用於特徵化薄膜的方法、系統及非暫時性機器可存取儲存媒體
KR102630483B1 (ko) 박막의 오염을 검출하기 위한 시스템 및 방법
CN106238427A (zh) 一种极紫外光学元件表面污染清洗装置及方法
US11908718B2 (en) In-situ metrology and process control
JP3525674B2 (ja) 仕事関数またはイオン化ポテンシャル測定装置およびその方法
CN114689634A (zh) 一种利用团簇等离子体刻蚀测量聚合物亚层x光电子能谱的方法
JP2811026B2 (ja) 半導体処理方法及びその装置
US10714295B2 (en) Metal encapsulated photocathode electron emitter
CN113624791A (zh) 一种薄膜沉积系统检测装置及方法
Shannon et al. Spatially resolved fluorine actinometry
US20230295799A1 (en) Process characterization and correction using optical wall process sensor (owps)
US20230298872A1 (en) Process characterization and correction using optical wall process sensor (owps)
JP3868420B2 (ja) 蛍光ｘ線分析装置および方法
US20230313379A1 (en) Chemical-dose substrate deposition monitoring
JP2015038452A (ja) 分析装置および分析制御プログラム
US20230316486A1 (en) Chemical-dose substrate deposition monitoring
US20230317531A1 (en) Chemical-dose substrate deposition monitoring
KR20180067764A (ko) 기판 처리 장치
CN110779930A (zh) 真空机台内发光材料废料量检测装置
US20050109954A1 (en) Apparatus and method for verification of outgassing products

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent