TWI809221B - 研磨配方決定裝置、研磨裝置、研磨配方決定方法、研磨配方決定程式、及電腦可讀取之記錄媒介 - Google Patents

研磨配方決定裝置、研磨裝置、研磨配方決定方法、研磨配方決定程式、及電腦可讀取之記錄媒介 Download PDF

Info

Publication number
TWI809221B
TWI809221B TW108140206A TW108140206A TWI809221B TW I809221 B TWI809221 B TW I809221B TW 108140206 A TW108140206 A TW 108140206A TW 108140206 A TW108140206 A TW 108140206A TW I809221 B TWI809221 B TW I809221B
Authority
TW
Taiwan
Prior art keywords
grinding
response data
area
abnormality
region
Prior art date
Application number
TW108140206A
Other languages
English (en)
Other versions
TW202027159A (zh
Inventor
加藤良和
福島誠
並木計介
富樫真吾
Original Assignee
日商荏原製作所股份有限公司
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 日商荏原製作所股份有限公司 filed Critical 日商荏原製作所股份有限公司
Publication of TW202027159A publication Critical patent/TW202027159A/zh
Application granted granted Critical
Publication of TWI809221B publication Critical patent/TWI809221B/zh

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
    • G06F18/2185—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor the supervisor being an automated module, e.g. intelligent oracle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02002—Preparing wafers
    • H01L21/02005—Preparing bulk and homogeneous wafers
    • H01L21/02008—Multistep processes
    • H01L21/0201—Specific process step
    • H01L21/02013—Grinding, lapping
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

資訊處理裝置係依據使研磨頭每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備：將新的每個區域之反應資料作為輸入，推斷有無異常並輸出之有無異常推斷部；藉由有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出的篩選部；及依據藉由有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由篩選部所推斷之除去異常後每個區域的反應，藉由模擬來決定研磨配方之模擬部。

Description

研磨配方決定裝置、研磨裝置、研磨配方決定方法、研 磨配方決定程式、及電腦可讀取之記錄媒介
本發明係關於一種研磨配方決定裝置。
近年來，隨著半導體元件進行高積體化，迴路之配線趨於微細化，配線間距離亦更加狹窄。製造半導體元件係在矽晶圓上以膜狀反覆形成多種材料，而形成積層構造。為了形成此種積層構造，將晶圓表面形成平坦之技術很重要。因此廣泛使用進行化學機械研磨(CMP)之研磨裝置(亦稱為化學性機械性研磨裝置)作為將此種晶圓表面平坦化的一個機構。
此種研磨裝置通常具備：安裝有研磨墊之研磨台；保持晶圓之上方環形轉盤(亦稱為研磨頭)；及將研磨液供給於研磨墊上之噴嘴。從噴嘴將研磨液供給於研磨墊上，並藉由上方環形轉盤將晶圓按壓於研磨墊，進一步藉由使上方環形轉盤與研磨台相對移動，來研磨晶圓使其表面平坦。
此種研磨裝置中，當研磨中的晶圓與研磨墊之間的相對按壓力在整個晶圓上不均勻時，依賦予晶圓各部分之按壓力會產生研磨不足或是過度研磨。為了將對晶圓之按壓力均勻化，而在上方環形轉盤下部設有由彈性膜(隔膜)而形成之複數個壓力室，藉由分別在該複數個壓力室中供給加壓空氣等流體，而藉由經由彈性膜之流體壓將晶圓按壓於研磨墊來進行研磨。
此外，藉由使上方環形轉盤之每個壓力室(區域)的壓力變化，來研磨測試晶圓之壓力變動實驗，而取得每個區域之反應資料，並依據取得之每個區域的反應資料，藉由模擬來決定研磨配方(例如，參照日本特開2014-513434號公報)。
研磨配方之決定藉由熟練的技術人員進行，可在短時間決定高精度(例如面內均勻性佳)之研磨配方。此因熟練之技術人員對於在壓力變動實驗所取得每個區域的反應資料，考慮過去每個區域之反應資料及其他程序，並依需要補充資料進行除去等篩選，再依據篩選後之(雜訊少)每個區域的反應資料來決定研磨配方。
因此，若能學習過去所取得之龐大的每個區域之反應資料，即可將研磨配方之決定進一步高精度化。但是，實際上由於每位技術人員可學習之過去每個區域的反應資料數量有限，因此仰賴技術人員經驗及知識來決定研磨配方之過去的方法欲進一步高精度化非常困難。
此外，若能將技術人員之判斷替換成電腦程式，即可將研磨配方之決定高速化(效率化)。但是，實際上，因為每個區域之反應資料中，關於出現異常值之部位及大小並無一貫性，所以需要由技術人員觀看當時的曲線圖作判斷，而無法以利用是否滿足預定條件之條件分歧的過去程式來替換。
希望提供一種可將研磨配方之決定高精度化、效率化的研磨配方決定裝置。
本發明一個樣態之研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備：有無異常推斷部，其係具有第一學習完成模型，其係機械學習過去每個區域之反應資料與其中有無異常的相關性，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；篩選部，其係具有第二學習完成模型，其係機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性，藉由前述有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部，其係依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
本發明一個樣態之研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且進一步具備：模擬部，其係依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部，其係比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；及 反應資料修正部，其係具有第三學習完成模型，其係機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性，藉由前述合格與否判定部判定為不合格時，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
本發明一個樣態之研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料，且具備以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
本發明一個樣態之研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
本發明一個樣態之研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且使前述電腦執行以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出； 藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
本發明一個樣態之研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料，且使前述電腦執行以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及 前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
本發明一個樣態之電腦可讀取的記錄媒介，係非暫時性(non-transitory)記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
本發明一個樣態之電腦可讀取的記錄媒介，係非暫時性(non-transitory)記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方； 合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
1:上方環形轉盤
2:上方環形轉盤本體
3:扣環
4:彈性膜(隔膜)
4a:分隔壁
5:中心室
6:波紋室
7:外室
8:邊緣室
9:扣環壓力室
101~10n:研磨裝置
11、12、13、14、15、21、22、23、24、26:流路
25:旋轉接頭
30:壓力調整部
31:真空源
32:彈性膜(隔膜)
33:汽缸
35:氣水分離槽
40:膜厚測量部
41:投光部
42:受光部
43:分光器
44:光源
45:光學頭
46:處理部
51:通孔
52:旋轉接頭
53:液體供給路
54:液體排出路
55:液體供給源
60:研磨液供給噴嘴
70:研磨配方決定裝置
71:通信部
72:控制部
72a:有無異常推斷部
72b:篩選部
72c:模擬部
72d:合格與否判定部
72e:反應資料修正部
73:記憶部
73a:每個區域之反應資料
73b:研磨配方
73c:實際之研磨結果
73d:模擬之研磨結果
100:研磨台
101:研磨墊
101a:表面(研磨面)
102:孔
200:資訊處理系統
210:機械學習裝置
500:研磨控制裝置
W:半導體晶圓
F1、F2、F3、F4、F5:流量感測器
P1、P2、P3、P4、P5:壓力感測器
R1、R2、R3、R4、R5:壓力調整器
V1-1~V1-3、V2-1~V2-3、V3-1~V3-3、V4-1~V4-3、V5-1~V5-3:閥門
第一圖係顯示一種實施形態之資訊處理系統的構成概略圖。
第二圖係顯示一種實施形態之研磨裝置的構成概略圖。
第三圖係顯示一種實施形態之上方環形轉盤的內部構成模式剖面圖。
第四圖係顯示一種實施形態之研磨台的內部構成模式剖面圖。
第五圖係顯示一種實施形態之研磨配方決定裝置的構成方塊圖。
第六圖係顯示一種實施形態之研磨配方決定方法的一例之流程圖。
第七圖係顯示就中央區域之正常反應量輪廓的一例圖。
第八A圖係顯示就左右異常點有異常之中央區域的反應量輪廓之一例圖。
第八B圖係顯示就壓力中央變動時邊緣異常點有異常之中央區域的反應量輪廓之一例圖。
第八C圖係顯示就極性異常點有異常之中央區域的反應量輪廓之一例圖。
第九圖係比較實際研磨之殘餘膜輪廓與模擬之殘餘膜輪廓而顯示之圖。
第十圖係比較修正前之反應量輪廓與修正後的反應量輪廓而顯示之圖。
實施形態第一樣態之研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備：有無異常推斷部，其係具有第一學習完成模型，其係機械學習過去每個區域之反應資料與其中有無異常的相關性，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；篩選部，其係具有第二學習完成模型，其係機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性，藉由前述有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部，其係依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
採用此種樣態時，因為有無異常推斷部具有機械學習過去每個區域之反應資料與有無異常的相關性之第一學習完成模型，所以可在短時間推斷新的每個區域之反應資料有無異常，並且可依學習量高精度推斷。此外，因為篩選部具有機械學習過去有異常之每個區域的反應資料與除去異常後每個區域之 反應資料的相關性之第二學習完成模型，所以可從推斷為有異常之每個區域的反應資料短時間推斷除去異常後之每個區域的反應資料，並且可依學習量高精度推斷。而模擬部可藉由依據篩選後之(雜訊少)每個區域的反應資料，藉由模擬來決定研磨配方，可高精度且有效決定研磨配方。
實施形態第二樣態之研磨配方決定裝置，如第一樣態之研磨配方決定裝置，其中進一步具備：合格與否判定部，其係比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；及反應資料修正部，其係具有第三學習完成模型，其係機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性，藉由前述合格與否判定部判定為不合格時，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
採用此種樣態時，因為反應資料修正部具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型，所以可從判定為不合格之實際研磨結果與模擬的研磨結果與當時決定研磨配方所利用之每個區域的反應資料，短時間推斷修正後之每個區域的反應資料，並且可依學習量高 精度推斷。而模擬部可依據藉由反應資料修正部推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方，可將研磨配方之決定更加高精度化。
實施形態之第三樣態的研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且進一步具備：模擬部，其係依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部，其係比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；及反應資料修正部，其係具有第三學習完成模型，其係機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性，藉由前述合格與否判定部判定為不合格時，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
採用此種樣態時，因為反應資料修正部具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型，所以可從判定為不合格之實際研磨結果與模擬的研磨結果與當時決定研磨配方所利用之每個區域的反應資料，短時間推斷修正後之每個區域的反應資料，並且可依學習量高 精度推斷。而模擬部可依據藉由反應資料修正部推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方，可高精度且有效決定研磨配方。
實施形態之第四樣態的研磨配方決定裝置，如第一樣態之研磨配方決定裝置，其中前述第一學習完成模型機械學習過去每個區域之反應資料與其中有無異常及異常之種類的相關性，前述有無異常推斷部將新的每個區域之反應資料作為輸入，推斷有無異常及異常種類並輸出，前述第二學習完成模型機械學習過去有異常之每個區域的反應資料與異常種類與除去異常後每個區域之反應資料的相關性，前述篩選部於藉由前述有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料及推斷之異常種類作為輸入，推斷除去異常後每個區域之反應資料並輸出。
採用此種樣態時，篩選部就推斷為有異常之每個區域的反應資料，也利用其異常種類之資訊進行推斷，可更高精度推斷除去異常後之每個區域的反應資料。藉此，可將研磨配方之決定進一步高精度化。
實施形態之第五樣態的研磨配方決定裝置，如第四樣態之研磨配方決定裝置，其中前述異常種類包含左右異常點、中央區域加壓時邊緣異常點、極性異常點中之1個或2個以上。
實施形態之第六樣態的研磨配方決定裝置，如第一~五任何一種樣態之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將研磨除去量之變化量除以氣囊壓力變化量的資料。
實施形態之第七樣態的研磨配方決定裝置，如第一~五任何一種樣態之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料。
實施形態之第八樣態的研磨配方決定裝置，如第一~五任何一種樣態之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將晶圓殘餘膜之變化量除以氣囊壓力變化量的資料。
實施形態之第九樣態的研磨裝置具備第一~八任何一種樣態之研磨配方決定裝置。
實施形態之第十樣態的研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料，且具備以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及 模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
實施形態之第十一樣態的研磨配方決定方法，如第十樣態之研磨配方決定方法，其中進一步具備以下步驟：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
實施形態之第十二樣態的研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否； 藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
實施形態之第十三樣態的研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且使前述電腦執行以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
實施形態之第十四樣態的研磨配方決定程式，如第十三樣態之研磨配方決定程式，其中使前述電腦進一步執行以下步驟：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
實施形態之第十五樣態的研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料，且使前述電腦執行以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否； 藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
實施形態之第十六樣態的電腦可讀取之記錄媒介，係非暫時性(non-transitory)記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
實施形態之第十七樣態的電腦可讀取之記錄媒介，如第十六樣態之電腦可讀取的記錄媒介，其中記錄有使前述電腦進一步執行以下步驟之程式：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
實施形態之第十八樣態的電腦可讀取之記錄媒介，係非暫時性(non-transitory)記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否； 藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
以下，參照附圖詳細說明實施形態之具體例。另外，以下之說明及以下說明時使用的圖式，就可相同構成之部分係使用相同符號，並省略重複之說明。
<資訊處理系統>
第一圖係顯示一種實施形態之資訊處理系統200的構成之概略圖。
如第一圖所示，資訊處理系統200具有：進行化學機械研磨(CMP)之複數個研磨裝置101~10n(以下稱CMP裝置)；及經由網路可通信地連接於研磨裝置101~10n之機械學習裝置210。
機械學習裝置210例如係雲端型電腦系統或是量子電腦系統，且係從藉由技術人員決定研磨配方之1個或2個以上的研磨裝置101~10k取得過去決定研磨配方時使用之資料來進行機械學習，並且將作為學習成果之學習完成模型(例如調整後之類神經網路系統)輸送至1個或2個以上之研磨裝置10k+1~10n。
此時，從研磨裝置101~10k傳送至機械學習裝置210之過去決定研磨配方時的資料中例如包含：使上方環形轉盤之每個壓力室的壓力變化而取得 的每個區域之反應資料；取得該每個區域之反應資料時可控制的參數；技術人員對該每個該區域之反應資料判定有無異常的判定結果；技術人員判斷異常種類之判斷結果；技術人員對該每個區域之反應資料進行補充、除去資料之除去異常後的每個區域之反應資料；及對利用於決定研磨配方之每個區域的反應資料考慮實際研磨結果與模擬之研磨結果的偏差，藉由技術人員修正過之修正後的每個區域的反應資料等。可控制之參數亦可包含關於壓力施加於複數個區域之上方環形轉盤內的複數個壓力室之壓力。可控制之參數亦可包含關於對上方環形轉盤之扣環施加壓力的上方環形轉盤內之壓力室的壓力。亦可同心圓狀地配置複數個區域，亦可複數個位置係從晶圓中心之半徑方向距離。複數個位置(晶圓各位置)亦可包含：在複數個區域之第一區域下的第一複數個位置；與在複數個區域之第二區域下的第二複數個位置。可控制之參數亦可包含研磨台旋轉速度或上方環形轉盤旋轉速度。晶圓各位置亦可在整個晶圓表面規則地隔以間隔。亦可存在數量比參數多之位置。可控制之參數亦可包含處理種(晶圓表面之膜種)、氣囊每個區域之壓力、研磨時間、研磨墊使用時間、研磨墊溫度、研磨液(研磨漿液)之吐出量、溫度、及吐出與停止時間、研磨台之轉數及旋轉速度的一方或兩者、上方環形轉盤之轉數及旋轉速度的一方或兩者、扣環使用時間中之1個或2個以上。
本實施形態之機械學習裝置210具有：生成第一學習完成模型之第一機械學習部；生成第二學習完成模型之第二機械學習部；及生成第三學習完成模型之第三機械學習部。各學習完成模型之學習方法亦可係有教師的學習，亦可係無教師的學習。
第一機械學習部例如含有具有：輸入層；連接於輸入層之1個或2個以上之中間層；及連接於中間層之輸出層的階層型類神經網路或量子類神經網路(QNN)，並將從研磨裝置101~10k取得之每個區域的反應資料(或是從研磨裝置101~10k取得之每個區域的反應資料及取得該每個區域之反應資料時可控制的參數)輸入於輸入層，藉此比較從輸出層輸出之輸出結果、與技術人員對該每個區域之反應資料判定有無異常的判定結果，就從研磨裝置101~10k取得之複數個每個區域之反應資料分別反覆實施依其誤差更新各節點之參數(重量或臨限值等)的處理。藉此，生成機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常之相關性的第一學習完成模型。
一種修改例亦可第一機械學習部將從研磨裝置101~10k取得之每個區域的反應資料(或是從研磨裝置101~10k取得之每個區域的反應資料及取得該每個區域之反應資料時可控制的參數)輸入於輸入層，藉此比較從輸出層輸出之輸出結果、與技術人員對該每個區域之反應資料判定有無異常及異常種類的判定結果，就從研磨裝置101~10k取得之複數個每個區域之反應資料分別反覆實施依其誤差更新各節點之參數(重量或臨限值等)的處理，而生成機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常及異常種類之相關性的第一學習完成模型。
第二機械學習部例如含有具有：輸入層；連接於輸入層之1個或2個以上之中間層；及連接於中間層之輸出層的階層型類神經網路或量子類神經網路(QNN)，並將藉由技術人員判定為有異常之過去的每個區域之反應資料 (或是藉由技術人員判定為有異常之過去的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)輸入於輸入層，藉此比較從輸出層輸出之輸出結果、與技術人員對該每個區域之反應資料進行補充、除去資料而除去異常後的每個區域之反應資料，就從研磨裝置101~10k取得之複數個每個區域之反應資料分別反覆實施依其誤差更新各節點之參數(重量或臨限值等)的處理。藉此，生成機械學習過去有異常之每個區域的反應資料(或是過去有異常之每個區域的反應資料及取得該每個區域之反應資料時可控制的參數)與除去異常後之每個區域的反應資料之相關性的第二學習完成模型。
一種修改例亦可第二機械學習部將藉由技術人員判定為有異常之過去的各區域之反應資料及其異常種類(或是藉由技術人員判定為有異常之過去的每個區域之反應資料及其異常種類及取得該每個區域之反應資料時可控制的參數)輸入於輸入層，藉此比較從輸出層輸出之輸出結果、與技術人員對該每個區域之反應資料進行補充、除去資料而除去異常後的每個區域之反應資料，藉由就從研磨裝置101~10k取得之複數個每個區域之反應資料分別反覆實施依其誤差更新各節點之參數(重量或臨限值等)的處理，而生成機械學習過去有異常之每個區域的反應資料與異常種類(或是過去有異常之每個區域的反應資料與異常種類及取得該每個區域之反應資料時可控制的參數)與除去異常後之每個區域的反應資料之相關性的第二學習完成模型。
第三機械學習部例如含有具有：輸入層；連接於輸入層之1個或2個以上之中間層；及連接於中間層之輸出層的階層型類神經網路或量子類神經網路(QNN)，並將過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料(或是過去實際研磨結果與模擬之研磨結果與當時 決定研磨配方所利用之每個區域的反應資料及取得該每個區域之反應資料時可控制的參數)輸入於輸入層，藉此比較考慮從輸出層輸出之輸出結果、與對該每個區域之反應資料實際研磨結果與模擬之研磨結果的偏差，藉由技術人員修正過之修正後的每個區域之反應資料，就從研磨裝置101~10k取得之複數個每個區域之反應資料分別反覆實施依其誤差更新各節點之參數(重量或臨限值等)的處理。藉此，生成機械學習過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料(或是過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料及取得該每個區域之反應資料時可控制的參數)與修正後之每個區域的反應資料之相關性的第三學習完成模型。
如第一圖所示，1個或2個以上研磨裝置10k+1~10n從機械學習裝置210取得作為學習成果之第一~第三學習完成模型。
<研磨裝置>
其次，就具有從機械學習裝置210取得之學習完成模型的研磨裝置10k+1~10n之構成附加符號10進行說明。
第二圖係顯示研磨裝置10之構成的概略圖。如第二圖所示，研磨裝置10具備：研磨台100；保持研磨對象物之半導體晶圓等的基板，按壓於研磨台100上之研磨面的作為基板保持裝置之上方環形轉盤1；研磨控制裝置500；及研磨配方決定裝置70。
研磨台100經由台軸100a而與配置在其下方之馬達(無圖示)連結。研磨台100藉由馬達旋轉而在台軸100a周圍旋轉。在研磨台100之上面貼合有作為研磨構件之研磨墊101。該研磨墊101之表面101a構成研磨半導體晶圓W之研 磨面。在研磨台100之上方設置有研磨液供給噴嘴60。從該研磨液供給噴嘴60供給研磨液Q(研磨漿液)至研磨台100上的研磨墊101上。
上方環形轉盤1基本上由對研磨面101a按壓半導體晶圓W之上方環形轉盤本體2；及保持半導體晶圓W之外周緣，避免半導體晶圓W從上方環形轉盤1彈出的作為固定構件之扣環3而構成。上方環形轉盤1連接於上方環形轉盤軸桿111。該上方環形轉盤軸桿111藉由上下運動機構124對上方環形轉盤頭110上下運動。上方環形轉盤1在上下方向之定位係藉由上方環形轉盤軸桿111之上下運動使整個上方環形轉盤1對上方環形轉盤頭110昇降來進行。在上方環形轉盤軸桿111之上端安裝有旋轉接頭25。
使上方環形轉盤軸桿111及上方環形轉盤1上下運動之上下運動機構124具備：經由軸承126可旋轉地支撐上方環形轉盤軸桿111之橋接器128；安裝於橋接器128之滾珠螺桿132；藉由支柱130所支撐之支撐座129；及設於支撐座129上之AC伺服馬達138。支撐伺服馬達138之支撐座129經由支柱130而固定於上方環形轉盤頭110。
滾珠螺桿132具備：連結於伺服馬達138之螺絲軸132a；及該螺絲軸132a螺合之螺帽132b。上方環形轉盤軸桿111與橋接器128一體地上下運動。因此，驅動伺服馬達138時，橋接器128經由滾珠螺桿132而上下運動，藉此，上方環形轉盤軸桿111及上方環形轉盤1上下運動。
此外，上方環形轉盤軸桿111經由鍵(Key)(無圖示)而連結於旋轉筒112。旋轉筒112在其外周部具備定時滑輪113。上方環形轉盤頭110中固定有上方環形轉盤用旋轉馬達114，定時滑輪113經由定時皮帶115而連接至設於上方環形轉盤用旋轉馬達114之定時滑輪116。因此，藉由旋轉驅動上方環形轉盤用 旋轉馬達114，旋轉筒112及上方環形轉盤軸桿111經由定時滑輪116、定時皮帶115及定時滑輪113而一體旋轉，並且上方環形轉盤1旋轉。上方環形轉盤頭110藉由可旋轉地支撐於框架(無圖示)之上方環形轉盤頭軸桿117而支撐。
研磨控制裝置500控制上方環形轉盤用旋轉馬達114、伺服馬達138、研磨台旋轉馬達等裝置內的各設備。
第三圖係顯示上方環形轉盤1之內部構成的模式剖面圖。第三圖中，僅圖示構成上方環形轉盤1之主要構成元件。
如第三圖所示，上方環形轉盤1具有：對研磨面101a按壓半導體晶圓W之上方環形轉盤本體(亦稱為搬運機)2；及直接按壓研磨面101a之作為固定構件的扣環3。
上方環形轉盤本體(搬運機)2由概略圓盤狀之構件構成，扣環3安裝於上方環形轉盤本體2的外周部。上方環形轉盤本體2藉由工程塑料(例如PEEK)等之樹脂所形成。
在上方環形轉盤本體2之下面安裝有抵接於半導體晶圓之背面的彈性膜(隔膜)4。彈性膜(隔膜)4藉由乙丙橡膠(EPDM)、聚氨酯橡膠、矽橡膠等強度及耐用性優異的橡膠材料而形成。彈性膜(隔膜)4構成保持半導體晶圓等之基板的基板保持面。
彈性膜(隔膜)4具有同心狀之複數個分隔壁4a，藉由此等分隔壁4a而在彈性膜4之上面與上方環形轉盤本體2的下面之間形成有圓形狀之中心室5、環狀之波紋室6、環狀之外室7、及環狀之邊緣室8。亦即，在上方環形轉盤本體2之中心部形成有中心室5，並從中心朝向外周方向依序同心狀地形成有波紋室6、外室7、及邊緣室8。在上方環形轉盤本體2中分別形成有與中心室5連通之 流路11、與波紋室6連通之流路12、與外室7連通之流路13、與邊緣室8連通之流路14。
與中心室5連通之流路11、與外室7連通之流路13、與邊緣室8連通之流路14分別經由旋轉接頭25而連接於流路21、23、24。流路21、23、24分別經由閥門V1-1、V3-1、V4-1及壓力調整器R1、R3、R4而連接於壓力調整部30。此外，流路21、23、24分別經由閥門V1-2、V3-2、V4-2而連接於真空源31，並且經由閥門V1-3、V3-3、V4-3可與大氣連通。
另外，與波紋室6連通之流路12經由旋轉接頭25而連接於流路22。而流路22經由氣水分離槽35、閥門V2-1及壓力調整器R2連接於壓力調整部30。此外，流路22經由氣水分離槽35及閥門V2-2而連接於真空源131，並且經由閥門V2-3可與大氣連通。
此外，在扣環3之正上方亦藉由彈性膜(隔膜)32而形成有扣環壓力室9。彈性膜(隔膜)32收容在固定於上方環形轉盤1之凸緣部的汽缸33中。扣環壓力室9經由形成於上方環形轉盤本體(搬運機)2中之流路15及旋轉接頭25而連接於流路26。流路26經由閥門V5-1及壓力調整器R5而連接於壓力調整部30。此外，流路26經由閥門V5-2連接於真空源31，並且經由閥門V5-3可與大氣連通。
壓力調整器R1、R2、R3、R4、R5分別具有調整從壓力調整部30供給至中心室5、波紋室6、外室7、邊緣室8、及扣環壓力室9之壓力流體的壓力之壓力調整功能。壓力調整器R1、R2、R3、R4、R5及各閥門V1-1~V1-3、V2-1~V2-3、V3-1~V3-3、V4-1~V4-3、V5-1~V5-3連接於控制部500(參照第一圖)，來控制此等之工作。此外，在流路21、22、23、24、26中分別設置有壓力感測器P1、P2、P3、P4、P5及流量感測器F1、F2、F3、F4、F5。
供給至中心室5、波紋室6、外室7、邊緣室8、扣環壓力室9之流體壓力藉由壓力調整部30及壓力調整器R1、R2、R3、R4、R5而分別獨立地調整。藉由此種構造，半導體晶圓每個區域可調整將半導體晶圓W按壓於研磨墊101的按壓力，且可調整扣環3按壓研磨墊101之按壓力。
第四圖係顯示研磨台100之內部構成的模式剖面圖。第四圖中僅圖示構成研磨台100之主要構成元件。
如第四圖所示，在研磨台100之內部形成有在其上面開口之孔102。此外，研磨墊101上在對應於該孔102之位置形成有通孔51。孔102與通孔51連通。通孔51在研磨面101a上開口。孔102經由液體供給路53及旋轉接頭52而連結於液體供給源55。研磨中，從液體供給源55將作為透明液體之水(並宜為純水)供給至孔102。水充滿藉由半導體晶圓W之下面與通孔51而形成的空間，並通過液體排出路54排出。研磨液與水一起排出，藉此確保光程。液體供給路53上設有與研磨台100之旋轉同步工作的閥門(無圖示)。該閥門係以當半導體晶圓W並非位於通孔51上時停止水流，或是減少水之流量的方式動作。
研磨裝置10具備測量基板之膜厚的膜厚測量部40。膜厚測量部40係具備：發出光之光源44；將從光源44發出之光照射於半導體晶圓W表面的投光部41；接收從半導體晶圓W返回之反射光的受光部42；按照波長分解來自半導體晶圓W之反射光，在整個指定波長範圍測量反射光之強度的分光器43；及從藉由分光器43所取得之側量資料生成光譜，依據該光譜決定半導體晶圓W之膜厚的處理部46之光學式的膜厚感測器。光譜顯示在指定波長範圍分布之光強度，並顯示光強度與波長的關係。
投光部41及受光部42由光纖構成。投光部41及受光部42構成光學頭(光學式膜厚測量頭)45。投光部41連接於光源44。受光部42連接於分光器43。光源44可使用發光二極體(LED)、鹵素燈、氙閃燈等發出具有複數個波長之光的光源。投光部41、受光部42、光源44、及分光器43配置於研磨台100內部，並與研磨台100一起旋轉。投光部41及受光部42配置在形成於研磨台100之孔102中，各個前端位於半導體晶圓W之被研磨面附近。
投光部41及受光部42對半導體晶圓W表面垂直地配置，投光部41在半導體晶圓W表面垂直照射光。投光部41及受光部42與保持於上方環形轉盤1之半導體晶圓W的中心相對配置。因此，每當研磨台100旋轉時，投光部41及受光部42之前端穿過半導體晶圓W而移動，而在包含半導體晶圓W中心之區域照射光。此因，藉由投光部41及受光部42通過半導體晶圓W中心來測量半導體晶圓W全面的膜厚，亦包含半導體晶圓W中心部的膜厚。處理部46可依據測量之膜厚資料生成膜厚輪廓(在半徑方向之膜厚分布)。處理部46連接於研磨控制裝置500(參照第二圖)，並將生成之膜厚輪廓輸出至研磨控制裝置500。
半導體晶圓W研磨中，從投光部41照射光於半導體晶圓W。來自投光部41之光在半導體晶圓W表面反射，並藉由受光部42接收。在半導體晶圓W上照射光的期間在孔102及通孔51中供給水，藉此，以水充滿投光部41及受光部42之各前端與半導體晶圓W表面之間的空間。分光器43按照波長分解從受光部42送來之反射光，並測量各波長之反射光強度。處理部46從藉由分光器43測量之反射光強度生成顯示反射光強度與波長之關係的光譜。進一步，處理部46從取得之光譜使用習知的技術推斷半導體晶圓W目前的膜厚輪廓(殘餘膜輪廓)。
研磨裝置10可取代由上述光學式膜厚感測器構成之膜厚測量部40，而具備其他方式的膜厚測量部。其他方式之膜厚測量部例如有配置於研磨台100內部，取得按照半導體晶圓W之膜厚變化的膜厚信號之渦流式膜厚感測器。渦流式膜厚感測器與研磨台100一體旋轉，取得保持於上方環形轉盤1之半導體晶圓W的膜厚信號。渦流式膜厚感測器連接於第二圖所示之研磨控制裝置500，藉由渦流式膜厚感測器所取得之膜厚信號可送至研磨控制裝置500。研磨控制裝置500從膜厚信號生成直接或間接表示膜厚之膜厚指標值。
渦流式膜厚感測器係以高頻交流電流在線圈上流動，使導電膜感應渦流，從該渦流之磁場引起的阻抗之變化檢測導電膜的厚度之方式構成。渦流感測器可使用記載於日本特開2014-017418號公報記載之習知的渦流感測器。
另外，上述之例係在研磨面101a上設置通孔51，並且設有液體供給路53、液體排出路54、液體供給源55，並以水充滿孔102，不過亦可代之以在研磨墊101上形成透明窗。此時，投光部41通過該透明窗在研磨墊101上之基板W表面照射光，受光部42通過透明窗接收來自半導體晶圓W的反射光。
說明如以上構成之研磨裝置10進行的研磨動作。上方環形轉盤1從基板交接裝置(推進機(Pusher))接收半導體晶圓W，並在其下面藉由真空吸附而保持半導體晶圓W。此時，上方環形轉盤1將被研磨面(通常為構成元件之面，亦稱為「表面」)向下，並以被研磨面與研磨墊101之表面相對的方式保持上方環形轉盤1。下面保持了半導體晶圓W之上方環形轉盤1藉由上方環形轉盤頭軸桿117之旋轉帶動上方環形轉盤頭110的回轉，而從半導體晶圓W之接收位置移動至研磨台100的上方。
而後，使藉由真空吸附而保持半導體晶圓W之上方環形轉盤1下降至預設的上方環形轉盤之研磨時設定位置。在該研磨時設定位置，扣環3在研磨墊101之表面(研磨面)101a接地，不過，由於研磨前係以上方環形轉盤1吸附保持半導體晶圓W，因此在半導體晶圓W之下面(被研磨面)與研磨墊101的表面(研磨面)101a之間有少許間隙(例如約1mm)。此時，研磨台100及上方環形轉盤1一起旋轉驅動，並從設於研磨台100上方之研磨液供給噴嘴102供給研磨液至研磨墊101上。
在該狀態下，使位於半導體晶圓W背面側之彈性膜(隔膜)4膨脹，藉由按壓半導體晶圓W之被研磨面的背面，而將半導體晶圓W之被研磨面按壓於研磨墊101的表面(研磨面)101a，使半導體晶圓W之被研磨面與研磨墊101的研磨面相對滑動，以研磨墊101之研磨面101a研磨半導體晶圓W的被研磨面至形成指定的狀態(例如指定的膜厚)。研磨墊101上之晶圓處理工序結束後，將半導體晶圓W吸附於上方環形轉盤1，使上方環形轉盤1上昇，並移動至構成基板搬送機構之基板交接裝置，進行晶圓W的脫離(釋放)。
<研磨配方決定裝置>
其次，說明研磨配方決定裝置70之構成。第五圖係顯示研磨配方決定裝置70之構成的方塊圖。如第五圖所示，研磨配方決定裝置70具有：通信部71、控制部72、及記憶部73。各部經由匯流排可相互通信地連接。
其中，通信部71係機械學習裝置210(參照第一圖)及研磨控制裝置500與研磨配方決定裝置70之間的通信介面。通信部71在機械學習裝置210及研磨控制裝置500與研磨配方決定裝置70之間傳送或接收資訊。
記憶部73例如係硬碟等之磁性資料存儲體。記憶部73中記憶控制部72處理之各種資料。此外，記憶部73中記憶：每個區域之反應資料73a、研磨配方73b、實際之研磨結果73c、及模擬之研磨結果73d。記憶部73中亦可記憶取得每個區域之反應資料時可控制的參數。
每個區域之反應資料73a係使上方環形轉盤1之每個壓力室5~9(區域)的壓力變化，並藉由研磨測試晶圓之壓力變動實驗而取得之每個區域的反應資料。此處所謂「反應資料」，是指將在晶圓各位置之研磨除去率的變化量除以氣囊壓力變化量的資料(=研磨除去率之變化量△V/壓力室5~9中之壓力變化量△P)。具體而言，例如，就對應於壓力室5之中央區域的反應量輪廓(反應資料)，僅壓力室5以壓力P1、P2、...加壓時，可藉由測量在晶圓各位置之研磨除去率V1、V2、...，就晶圓各位置，求出以橫軸為壓力，縱軸為研磨除去率之座標系統繪製(Plot)(P1,V1)、(P2,V2)、...時近似直線的曲線斜率(=反應量)而獲得。第七圖顯示就中央區域之反應量輪廓的一例。對應於其他壓力室6~9之其他區域亦同樣地可獲得反應量輪廓(反應資料)。
另外，「反應資料」，若可測量有關刪除量或剩餘量之因素時，不限定於就晶圓各位置，將研磨除去率(除去之比率)的變化量除以氣囊壓力變化量的資料，例如，亦可為就晶圓各位置，研磨除去量之變化量除以氣囊壓力變化量的資料，亦可為就晶圓各位置，將晶圓殘餘膜之變化量除以氣囊壓力變化量的資料。或是，反應資料亦可為殘餘膜之性狀(外露之金屬以外的材料分布)除以氣囊壓力變化量的資料。
研磨配方73b係規定進行研磨時之各種條件的資料，後述之模擬部72b係依據每個區域之反應資料73a，而其本身藉由進行習知之模擬來決定。研 磨配方73b亦可包含研磨裝置10中之各設備可控制的參數，例如，上方環形轉盤1之各壓力室5~9中的壓力、上方環形轉盤1之旋轉速度、研磨台100之旋轉速度、及研磨時間中的1個以上。
實際之研磨結果73c係研磨控制裝置500按照研磨配方73b控制研磨裝置10中之各設備來研磨晶圓時，從膜厚測量部40取得之實際研磨的膜厚輪廓(殘餘膜輪廓)(例如參照第九圖之實線的曲線)。
模擬之研磨結果73d係後述之模擬部72b在研磨配方73b的條件下藉由其本身進行習知之模擬而獲得模擬後的膜厚輪廓(殘餘膜輪廓)(例如參照第九圖之虛線的曲線)。
控制部72係進行研磨配方決定裝置70之各種處理的控制機構。如第五圖所示，控制部72具有：有無異常推斷部72a、篩選部72b、模擬部72c、合格與否判定部72d、及反應資料修正部72e。此等各部亦可藉由在研磨配方決定裝置70中之處理器執行指定之程式來實現，亦可安裝硬體。
有無異常推斷部72a具有機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常之相關性的第一學習完成模型(從機械學習裝置210取得之第一學習完成模型)，並將記憶於記憶部73之新的每個區域之反應資料73a(或是新的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷有無異常並輸出。
一種修改例亦可有無異常推斷部72a具有機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常及異常種類之相關性的第一學習完成模型，並將記 憶於記憶部73之新的每個區域之反應資料73a(或是新的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷有無異常及異常種類並輸出。
第七圖顯示就中央區域之正常反應量輪廓(反應資料)的一例。有無異常推斷部72a藉由使用第一學習完成模型，可對此種正常之反應量輪廓(反應資料)輸出無異常的推斷結果。
第八A圖顯示就左右異常點有異常之中央區域的反應量輪廓(反應資料)之一例。第八A圖中如箭頭所示，該輪廓上存在左右不同之部位，亦即存在左右異常點。有無異常推斷部72a藉由使用第一學習完成模型，可對有此種異常之反應量輪廓(反應資料)輸出左右異常點有異常之推斷結果。
第八B圖顯示就中央區域加壓時邊緣異常點有異常之中央區域的反應量輪廓(反應資料)之一例。第八B圖中如箭頭所示，該輪廓上除了加壓的區域(此時為中央區域)以外，還存在反應的部位，亦即存在中央區域加壓時邊緣異常點。有無異常推斷部72a藉由使用第一學習完成模型可對有此種異常之反應量輪廓(反應資料)輸出中央區域加壓時邊緣異常點有異常的推斷結果。
第八C圖顯示就極性異常點有異常之中央區域的反應量輪廓(反應資料)之一例。如第八C圖之上圖的箭頭所示，該輪廓上存在周方向之動作有異常的半徑方向位置之資料，亦即存在極性異常點。第八C圖之下圖就極性異常點之半徑方向位置顯示在周方向計測之輪廓。有無異常推斷部72a藉由使用第一學習完成模型可對有此種異常之反應量輪廓(反應資料)輸出極性異常點有異常之推斷結果。
篩選部72b具有機械學習過去有異常的每個區域之反應資料(或過去有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與除去異常後的每個區域之反應資料的相關性之第二學習完成模型(從機械學習裝置210取得之第二學習完成模型)，藉由有無異常推斷部72a推斷為有異常時，將推斷為有異常的每個區域之反應資料73a(或是推斷為有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷除去異常後的每個區域之反應資料並輸出。記憶於記憶部73的每個區域之反應資料73a以藉由篩選部72b推斷之除去異常後的每個區域之反應資料更新。
一個修改例為篩選部72b亦可具有機械學習過去有異常的每個區域之反應資料及其異常種類(或過去有異常的每個區域之反應資料及其異常種類及取得該每個區域之反應資料時可控制的參數)與除去異常後的每個區域之反應資料的相關性之第二學習完成模型，藉由有無異常推斷部72a推斷為有異常時，將推斷為有異常的每個區域之反應資料73a及推斷之異常種類(左右異常點、中央區域加壓時邊緣異常點、極性異常點等)(或是推斷為有異常的每個區域之反應資料及推斷之異常種類及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷除去異常後的每個區域之反應資料並輸出。就推斷為有異常的每個區域之反應資料，藉由亦利用其異常之種類資訊進行推斷，可更高精度推斷除去異常後的每個區域之反應資料。
篩選部72b依據藉由有無異常推斷部72a推斷為無異常的每個區域之反應資料73a、或是藉由篩選部72b推斷的除去異常後的每個區域之反應資料73a，其本身藉由習知之模擬來決定研磨配方73b。模擬部72c藉由依據篩選後 的(雜訊少)每個區域之反應資料73a藉由模擬決定研磨配方，可高精度且有效決定研磨配方。藉由模擬部72c所決定之研磨配方73b記憶於記憶部73。
合格與否判定部72d比較研磨裝置10藉由模擬部72c所決定之研磨配方73b實際研磨晶圓而獲得的實際之研磨結果73c；及藉由以該研磨配方73b進行模擬而獲得的模擬之研磨結果73d(參照第九圖)，並依據其偏差大小判定實際之研磨結果73c合格與否。例如，合格與否判定部72d於實際之研磨結果73c對模擬之研磨結果73d的偏差小於預定之臨限值時，判定為合格，偏差比臨限值大時判定為不合格。
反應資料修正部72e具有機械學習過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料(或是過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與修正後的每個區域之反應資料的相關性之第三學習完成模型(從機械學習裝置210取得之第三學習完成模型)，藉由合格與否判定部72d判定為不合格時，將判定為不合格的實際之研磨結果73c與模擬之研磨結果73d與當時決定研磨配方所利用的每個區域之反應資料73a(或是判定為不合格的實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷修正後的每個區域之反應資料並輸出。記憶於記憶部73的每個區域之反應資料73a以藉由反應資料修正部72e所推斷的修正後之每個區域的反應資料來更新。
具體而言，例如，參照第十圖，實際研磨的殘餘膜輪廓(上圖實線之曲線)與模擬的殘餘膜輪廓(上圖虛線之曲線)比較時，在中央區域之殘餘 膜多(研磨不足)。反應資料修正部72e藉由使用第三學習完成模型，對中央區域之反應量輪廓(下圖虛線之曲線)，考慮實際研磨之殘餘膜輪廓與模擬的殘餘膜輪廓之偏差，就以中央區域之反應量變小的方式修正的修正後之中央區域可推斷反應量輪廓(反應資料)(下圖實線之曲線)並輸出。
模擬部72c依據藉由反應資料修正部72e所推斷之修正後的每個區域之反應資料73a，並藉由模擬重新決定研磨配方73b。記憶於記憶部73之研磨配方73b以藉由模擬部72c再度決定的研磨配方來更新。
另外，本實施形態之研磨配方決定裝置70可藉由1個或複數個電腦而構成，不過，使1個或複數個電腦實現研磨配方決定裝置70用之程式及將該程式記錄於非暫時性(non-transitory)之電腦可讀取的記錄媒介亦為本件之保護對象。
<研磨配方決定方法>
其次，說明藉由此種構成之研磨配方決定裝置70實施研磨配方決定方法的一例。第六圖係顯示研磨配方決定方法之一例的流程圖。
如第六圖所示，首先，研磨裝置10使供給至上方環形轉盤1之每個壓力室(區域)的流體壓力變化，進行研磨測試晶圓之壓力變動實驗，而取得每個區域之反應資料(步驟S11)。取得的每個區域之反應資料記憶於研磨配方決定裝置70的記憶部73中。亦可將取得每個區域之反應資料時可控制的參數記憶於記憶部73。
其次，具有機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常之相關性的第一學習完成模型之有無異常推斷部72a，將記憶於記憶部73之新的 每個區域之反應資料73a(或是新的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷有無異常並輸出(步驟S12)。
一個修改例為有無異常推斷部72a亦可依據機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與其中有無異常及異常種類之相關性的第一學習完成模型，將記憶於記憶部73之新的每個區域之反應資料73a(或是新的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，除了有無異常之外，還推斷異常種類並輸出。
藉由有無異常推斷部72a推斷為無異常時(步驟S13：否(NO))，並轉移至後述之步驟S15。
另外，藉由有無異常推斷部72a推斷為有異常時，具有機械學習過去有異常的每個區域之反應資料(或是過去有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與除去異常後的每個區域之反應資料的相關性之第二學習完成模型的篩選部72b，將推斷為有異常的每個區域之反應資料73a(或是推斷為有異常之過去有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷除去異常後之DOE資料並輸出(步驟S14)。
一個修改例，篩選部72b亦可依據機械學習過去有異常的每個區域之反應資料與異常種類(或是過去有異常的每個區域之反應資料及其異常種類及取得該每個區域之反應資料時可控制的參數)與除去異常後每個區域之反應資料的相關性之第二學習完成模型，將推斷為有異常的每個區域之反應資料73a及推斷之異常種類(或是推斷為有異常的每個區域之反應資料及推斷之異常 種類及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷除去異常後的每個區域之反應資料並輸出。
記憶於記憶部73的每個區域之反應資料73a，以藉由篩選部72b所推斷之除去異常後的每個區域之反應資料來更新。
其次，模擬部72c依據藉由有無異常推斷部72a推斷為無異常的每個區域之反應資料73a，或是藉由篩選部72b推斷之除去異常後的每個區域之反應資料73a，藉由模擬決定研磨配方73b(步驟S15)。藉由模擬部72c所決定之研磨配方73b記憶於記憶部73中。
其次，研磨裝置10以藉由模擬部72c所決定之研磨配方73b實際研磨晶圓，而取得實際的研磨結果(步驟S16)。取得之實際的研磨結果記憶於研磨配方決定裝置70之記憶部73中。
接著，合格與否判定部72d比較實際之研磨結果73c、與以藉由模擬部72c所決定之研磨配方73b進行模擬而獲得的模擬之研磨結果73d，並依據其偏差大小判定實際之研磨結果73c合格與否(步驟S17)。
藉由合格與否判定部72d判定為合格時(步驟S18：是(YES))，結束研磨裝置10之處理。
另外，藉由合格與否判定部72d判定為不合格時(步驟S18：否)，具有機械學習過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料(或是過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與修正後的每個區域之反應資料的相關性之第三學習完成模型的反應資料修正部72e，將判定為不合格的實際之研磨結果73c與模擬之研磨結果73d與 當時決定研磨配方所利用的每個區域之反應資料73a(或是判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)作為輸入，推斷修正後的每個區域之反應資料並輸出(步驟S19)。記憶於記憶部73的每個區域之反應資料73a以藉由反應資料修正部72e所推斷之修正後的每個區域之反應資料來更新。而後，返回步驟S15重新處理。
亦即，模擬部72c依據藉由反應資料修正部72e所推斷之修正後的每個區域之反應資料73a，藉由模擬重新決定研磨配方73b(步驟S15)。記憶於記憶部73之研磨配方73b以藉由模擬部72c再度決定之研磨配方來更新。
採用如以上之本實施形態時，因為有無異常推斷部72a具有機械學習過去每個區域之反應資料(或是過去每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與有無異常之相關性的第一學習完成模型，所以可短時間推斷新的每個區域之反應資料73a(或是新的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)有無異常，並且可依學習量高精度推斷。此外，因為篩選部72b具有機械學習過去有異常的每個區域之反應資料(或是過去有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與除去異常後的每個區域之反應資料的相關性之第二學習完成模型，所以，可從推斷為有異常的每個區域之反應資料73a(或是推斷為有異常的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)，短時間推斷除去異常後的每個區域之反應資料，並且可依學習量高精度推斷。而模擬部72c可依據篩選後的(雜訊少)每個區域之反應資料73a，藉由模擬決定研磨配方，可高精度且有效決定研磨配方。
此外，採用本實施形態時，因為反應資料修正部72e具有機械學習過去實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料(或是過去實際研磨結果與模擬之研磨結果與當時決定研磨配方時所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)與修正後的每個區域之反應資料的相關性之第三學習完成模型，所以，可從判定為不合格的實際之研磨結果73c與模擬之研磨結果73d與當時決定研磨配方73b所利用的每個區域之反應資料73a(或是判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用的每個區域之反應資料及取得該每個區域之反應資料時可控制的參數)短時間推斷修正後的每個區域之反應資料，並且可依學習量高精度推斷。而模擬部72c依據藉由反應資料修正部72e推斷之修正後的每個區域之反應資料73a，藉由模擬重新決定研磨配方，可更高精度化決定研磨配方。
以上係藉由例示說明實施形態及修改例，不過本發明之範圍並非限定於此等者，在請求項中記載之範圍內，可依目的進行變更、修改。此外，各實施形態及修改例在不使處理內容發生矛盾的範圍內可適切組合。

Claims (18)

  1. 一種研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備：有無異常推斷部，其係具有第一學習完成模型，其係機械學習過去每個區域之反應資料與其中有無異常的相關性，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；篩選部，其係具有第二學習完成模型，其係機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性，藉由前述有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部，其係依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
  2. 如請求項1之研磨配方決定裝置，其中進一步具備：合格與否判定部，其係比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；及反應資料修正部，其係具有第三學習完成模型，其係機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性，藉由前述合格與否判定部判定為不合格時，將判定為不合格之實際研磨結果與模擬之研磨結果 與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  3. 一種研磨配方決定裝置，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且進一步具備：模擬部，其係依據新的每個區域之反應資料，藉由模擬來決定研磨配方；合格與否判定部，其係比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；及反應資料修正部，其係具有第三學習完成模型，其係機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性，藉由前述合格與否判定部判定為不合格時，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  4. 如請求項1之研磨配方決定裝置，其中前述第一學習完成模型機械學習過去每個區域之反應資料與其中有無異常及異常之種類的相關性，前述 有無異常推斷部將新的每個區域之反應資料作為輸入，推斷有無異常及異常種類並輸出，前述第二學習完成模型機械學習過去有異常之每個區域的反應資料與異常種類與除去異常後每個區域之反應資料的相關性，前述篩選部於藉由前述有無異常推斷部推斷為有異常時，將推斷為有異常之每個區域的反應資料及推斷之異常種類作為輸入，推斷除去異常後每個區域之反應資料並輸出。
  5. 如請求項4之研磨配方決定裝置，其中前述異常種類包含左右異常點、中央區域加壓時邊緣異常點、極性異常點中之1個或2個以上。
  6. 如請求項1~5中任何一項之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將研磨除去量之變化量除以氣囊壓力變化量的資料。
  7. 如請求項1~5中任何一項之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將研磨除去率之變化量除以氣囊壓力變化量的資料。
  8. 如請求項1~5中任何一項之研磨配方決定裝置，其中前述反應資料係就晶圓各位置，將晶圓殘餘膜之變化量除以氣囊壓力變化量的資料。
  9. 一種研磨裝置，係具備請求項1~8中任何一項之研磨配方決定裝置。
  10. 一種研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出； 藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
  11. 如請求項10之研磨配方決定方法，其中進一步具備以下步驟：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  12. 一種研磨配方決定方法，係依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方，且具備以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方； 合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  13. 一種研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且使前述電腦執行以下步驟：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及 模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
  14. 如請求項13之研磨配方決定程式，其中使前述電腦進一步執行以下步驟：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  15. 一種研磨配方決定程式，係使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理，且使前述電腦執行以下步驟：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方； 合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  16. 一種電腦可讀取之記錄媒介，係記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：具有機械學習過去每個區域之反應資料與其中有無異常的相關性之第一學習完成模型的有無異常推斷部，將新的每個區域之反應資料作為輸入，推斷有無異常並輸出；藉由前述有無異常推斷部推斷為有異常時，具有機械學習過去有異常之每個區域的反應資料與除去異常後之每個區域的反應資料之相關性的第二學習完成模型之篩選部，將推斷為有異常之每個區域的反應資料作為輸入，推斷除去異常後之每個區域的反應資料並輸出；及 模擬部依據藉由前述有無異常推斷部推斷為無異常之每個區域的反應資料、或是藉由前述篩選部所推斷之除去異常後每個區域的反應資料，藉由模擬來決定研磨配方。
  17. 如請求項16之電腦可讀取之記錄媒介，其中記錄有使前述電腦進一步執行以下步驟之程式：合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
  18. 一種電腦可讀取之記錄媒介，係記錄使電腦執行依據使上方環形轉盤每個區域之壓力變化而取得的每個區域之反應資料來決定研磨配方的處理之程式，且記錄有使前述電腦執行以下步驟之程式：模擬部依據新的每個區域之反應資料，藉由模擬來決定研磨配方； 合格與否判定部比較藉由以前述研磨配方實際研磨而獲得之實際研磨結果，與藉由以前述研磨配方模擬而獲得之模擬的研磨結果，判定實際研磨結果合格與否；藉由前述合格與否判定部判定為不合格時，具有機械學習過去實際之研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料與修正後之每個區域的反應資料之相關性的第三學習完成模型之反應資料修正部，將判定為不合格之實際研磨結果與模擬之研磨結果與當時決定研磨配方所利用之每個區域的反應資料作為輸入，推斷修正後之每個區域的反應資料並輸出；及前述模擬部依據藉由前述反應資料修正部所推斷之修正後的每個區域之反應資料，藉由模擬重新決定研磨配方。
TW108140206A 2018-12-28 2019-11-06 研磨配方決定裝置、研磨裝置、研磨配方決定方法、研磨配方決定程式、及電腦可讀取之記錄媒介 TWI809221B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018246913A JP7086835B2 (ja) 2018-12-28 2018-12-28 研磨レシピ決定装置
JP2018-246913 2018-12-28

Publications (2)

Publication Number Publication Date
TW202027159A TW202027159A (zh) 2020-07-16
TWI809221B true TWI809221B (zh) 2023-07-21

Family

ID=71128865

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108140206A TWI809221B (zh) 2018-12-28 2019-11-06 研磨配方決定裝置、研磨裝置、研磨配方決定方法、研磨配方決定程式、及電腦可讀取之記錄媒介

Country Status (4)

Country Link
US (1) US20220168864A1 (zh)
JP (1) JP7086835B2 (zh)
TW (1) TWI809221B (zh)
WO (1) WO2020137099A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020131353A (ja) * 2019-02-19 2020-08-31 パナソニックＩｐマネジメント株式会社 研磨加工システム、学習装置、学習装置の学習方法
KR20240021142A (ko) * 2021-06-10 2024-02-16 가부시키가이샤 에바라 세이사꾸쇼 워크피스의 연마 레이트의 응답성 프로파일을 작성하는방법, 연마 방법 및 프로그램이 저장된 컴퓨터 판독 가능한 기록 매체

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2015168015A (ja) * 2014-03-05 2015-09-28 株式会社荏原製作所 研磨装置および研磨方法
US20170216991A1 (en) * 2015-01-19 2017-08-03 Ebara Corporation Polishing-amount simulation method for buffing, and buffing apparatus

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7160739B2 (en) 2001-06-19 2007-01-09 Applied Materials, Inc. Feedback control of a chemical mechanical polishing device providing manipulation of removal rate profiles
JP2003158108A (ja) 2001-09-04 2003-05-30 Matsushita Electric Ind Co Ltd 研磨方法、研磨システムおよび工程管理システム
JP4689367B2 (ja) 2004-07-09 2011-05-25 株式会社荏原製作所 研磨プロファイル又は研磨量の予測方法、研磨方法及び研磨装置
EP2125291A4 (en) 2007-02-23 2013-08-07 Applied Materials Inc USE OF SPECTROS FOR THE DETERMINATION OF POLISHING POINTS
JP6158637B2 (ja) 2012-08-28 2017-07-05 株式会社荏原製作所 弾性膜及び基板保持装置
JP6753758B2 (ja) 2016-10-18 2020-09-09 株式会社荏原製作所 研磨装置、研磨方法およびプログラム
JP6779173B2 (ja) 2017-05-18 2020-11-04 株式会社荏原製作所 基板処理装置、プログラムを記録した記録媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7001243B1 (en) * 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
JP2015168015A (ja) * 2014-03-05 2015-09-28 株式会社荏原製作所 研磨装置および研磨方法
US20170216991A1 (en) * 2015-01-19 2017-08-03 Ebara Corporation Polishing-amount simulation method for buffing, and buffing apparatus

Also Published As

Publication number Publication date
JP7086835B2 (ja) 2022-06-20
US20220168864A1 (en) 2022-06-02
WO2020137099A1 (ja) 2020-07-02
JP2020107784A (ja) 2020-07-09
TW202027159A (zh) 2020-07-16

Similar Documents

Publication Publication Date Title
TWI817992B (zh) 用於半導體處理監視的機器學習系統
TWI601599B (zh) 研磨裝置及研磨方法
TWI809221B (zh) 研磨配方決定裝置、研磨裝置、研磨配方決定方法、研磨配方決定程式、及電腦可讀取之記錄媒介
JP7036908B2 (ja) プロセス制御パラメータを生成するために機械学習アプローチを使用する半導体製造
JP6595987B2 (ja) 研磨方法
CN104942699B (zh) 研磨装置及研磨方法
KR101423579B1 (ko) 화학적 기계적 폴리싱의 스펙트럼 기반 모니터링을 위한 장치 및 방법
JP5534672B2 (ja) 化学機械的研磨のスペクトルに基づく監視のための装置および方法
TWI754732B (zh) 滲漏檢查方法、以及記錄有用以實施該滲漏檢查方法之程式的電腦可讀取記錄媒介
JP7044774B2 (ja) 化学機械研磨のためのリアルタイム・プロファイル制御
KR102644567B1 (ko) 기판 처리 장치
TW202037451A (zh) 普雷斯頓矩陣產生器
KR102678211B1 (ko) 프레스톤 행렬 생성기
JP2023016507A (ja) ブレークイン処理装置、およびブレークイン処理方法
KR20240089695A (ko) 반도체 처리의 모니터링을 위한 기계 학습 시스템들