TWI816620B - 使用神經網路來監測的拋光裝置 - Google Patents

使用神經網路來監測的拋光裝置 Download PDF

Info

Publication number
TWI816620B
TWI816620B TW111148149A TW111148149A TWI816620B TW I816620 B TWI816620 B TW I816620B TW 111148149 A TW111148149 A TW 111148149A TW 111148149 A TW111148149 A TW 111148149A TW I816620 B TWI816620 B TW I816620B
Authority
TW
Taiwan
Prior art keywords
initial values
substrate
neural network
grinding
values
Prior art date
Application number
TW111148149A
Other languages
English (en)
Other versions
TW202316326A (zh
Inventor
昆 許
寒森Ｇ 依拉維尼
丹尼斯 伊凡諾夫
柏格斯勞Ａ 史威克
沈世豪
哈利Ｑ 李
班傑明 傑瑞安
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 TW202316326A publication Critical patent/TW202316326A/zh
Application granted granted Critical
Publication of TWI816620B publication Critical patent/TWI816620B/zh

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B24B37/013—Devices or means for detecting lapping completion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/34—Accessories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having 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
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Mechanical Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (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)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)
  • Numerical Control (AREA)

Abstract

一種用於在研磨站研磨基板上的層的方法，包含以下步驟：於在研磨站研磨的期間內由原位監測系統監測此層，以對此層上的複數個不同位置產生複數個所測得訊號；對複數個不同位置中的每一位置，產生位置的估算厚度測量結果，產生步驟包含透過神經網路處理複數個所測得訊號；以及以下步驟之至少一者：基於每一估算厚度測量結果偵測研磨終點或修改研磨參數。

Description

使用神經網路來監測的拋光裝置
本揭示內容相關於基板研磨期間內的原位監測(in-situ monitoring)。
通常藉由循序沈積導電層、半導體層或絕緣層到矽晶圓上，並藉由隨後對層所進行的製程，以在基板（例如半導體晶圓）上形成積體電路。
一個製造步驟涉及將填料層沈積到非平面的表面上，並將填料層平面化，直到非平面表面暴露為止。例如，可在圖案化絕緣層上沈積導電性填料層，以在絕緣層中填充溝槽或孔。填料層隨後被研磨，直到絕緣層的突出圖案暴露為止。在平面化之後，剩餘在絕緣層的突出圖案之間的導電層部分，形成在基板上的薄膜電路之間提供導電路徑的通孔、插件與線。此外，可使用平面化以將基板表面平面化以進行微影術。
化學機械研磨（CMP）為一種被接受的平面化方法。此平面化方法通常需要將基板裝設在承載頭上。基板的暴露表面，被放置為抵靠旋轉研磨墊。承載頭在基板上提供可控制的負載，以將基板推向研磨墊。研磨液體（諸如具有磨料粒子的漿料）被供應至研磨墊的表面。
在半導體製程期間內，判定基板（或基板上的層）的一或更多個特性可為重要的。例如，瞭解CMP製程期間內導電層的厚度可為重要的，以便在正確的時間終止製程。可使用數個方法以判定基板特性。例如，可使用光學感測器以在化學機械研磨期間內對基板進行原位監測。或者（或額外地），可使用渦電流感測系統以在基板上的導電區域中引發渦電流，以判定諸如導電區域局部厚度的參數。
在一個態樣中，一種用於在研磨站研磨基板上的層的方法，包含：於在研磨站研磨的期間內由原位監測系統監測此層，以對此層上的複數個不同位置產生複數個所測得訊號，對複數個不同位置中的每一位置，產生位置的估算厚度測量結果，產生步驟包含透過神經網路處理複數個所測得訊號，以及以下步驟之至少一者：基於每一估算厚度測量結果偵測研磨終點或修改研磨參數。
在另一態樣中，對應的電腦系統、設備、以及在一或更多個電腦儲存裝置上記錄的電腦程式，經配置以執行方法。一或更多個電腦的系統可經配置為通過安裝在系統上的在作業中可使系統執行動作的軟體、韌體、硬體、或以上任何組合，來執行特定的作業或動作。一或更多個電腦程式可經配置以執行特定作業或動作，藉由包含在由資料處理設備執行時使設備執行動作的指令。
在另一態樣中，研磨系統包含：載具，用於固持基板；用於一研磨表面的支座；原位監測系統，具有感測器；馬達，用於產生感測器與基板之間的相對運動；以及控制器。 原位監測系統經配置以對層上的複數個不同位置產生所測得訊號。控制器經配置以：接收來自原位監測系統的複數個所測得訊號；對複數個不同位置中的每一位置產生位置的估算厚度測量結果，產生包含：透過神經網路處理複數個所測得訊號；以及基於每一估算厚度測量結果偵測研磨終點或修改研磨參數，或同時進行以上作業。
前述態樣之任意者的實施例，可包含下列特徵之一或更多者。
可對層上的第二複數個不同位置獲取第二複數個所測得訊號。可對第二複數個不同位置中的每一位置，基於對此位置的所測得訊號，產生位置的估算厚度測量結果。產生厚度估算測量結果可包含：使用靜態方程式，靜態方程式使所測得訊號的多個值相關於估算厚度測量結果的多個值。可對第二基板上的層獲取第三複數個所測得訊號。第三複數個所測得訊號之每一者，可對應於第二基板上的層上的第三複數個位置中的位置。可對第三複數個不同位置中的每一位置，基於對此位置的所測得訊號，產生位置的估算厚度測量結果。產生厚度估算測量結果可包含：使用靜態方程式，靜態方程式使所測得訊號的多個值相關於估算厚度測量結果的多個值。
原位監測系統可包含渦電流感測器。神經網路可包含一或更多個神經網路層，一或更多個神經網路層包含輸入層、輸出層、與一或更多個隱藏層；每一神經網路層可包含一或更多個神經網路節點。每一神經網路節點可經配置以根據一組參數處理輸入，以產生輸出。對輸入層中的神經網路節點的輸入，可包含研磨站的墊的磨耗程度的測量結果。一或更多個不同位置可包含錨位置，且判定每一第一厚度測量結果可包含：基於對錨位置的所測得訊號標準化每一所測得訊號，以更新所測得訊號。錨位置可與基板的邊緣間隔開。每一估算厚度測量結果為標準化值，且方法可進一步包含以下動作：使用對錨位置的所測得訊號，將每一估算厚度測量結果轉換成未標準化值，以更新厚度測量結果。
可對層的一或更多個不同位置中的每一位置，獲取參考標準厚度測量結果。可計算對於每一位置的估算厚度測量結果與對於此位置的參考標準厚度測量結果之間的測量結果誤差。可基於測量結果誤差，更新神經網路系統的參數。可基於四點探針方法(four-points probes method)判定參考標準厚度測量結果。基於測量結果誤差更新神經網路系統的參數，可包含：透過神經網路的複數個層反向傳播的測量結果誤差的梯度。
一些實施例可包含下列優點之一或更多者。原位監測系統（例如渦電流監測系統）可隨著感測器掃過基板而產生訊號。系統可補償對應於基板邊緣的訊號部分中的失真。訊號可用於終點控制及（或）研磨參數（例如承載頭壓力）的閉迴路控制，因此改良了晶圓內不一致性(WIWNU)與晶圓間不一致性(WTWNU)。
在附加圖式與下面的說明中揭示一或更多個實施例的細節。根據說明與圖式，以及申請專利範圍，將可顯然理解其他的態樣、特徵與優點。
研磨設備可使用原位監測系統（例如渦電流監測系統），以偵測基板上正被研磨的外層的厚度。在研磨外層期間內，原位監測系統可判定基板上的層的不同位置的厚度。可使用厚度測量結果，以觸發研磨終點，及（或）即時調整研磨程序的處理參數。例如，基板承載頭可調整基板背側上的壓力，以提升或降低外層的多個位置的研磨速率。可調整研磨速率，使得在研磨之後，層的多個位置的厚度實質上相同。CMP系統可調整研磨速率，使得層的多個位置的研磨約在同一時間完成。這種輪廓控制可被稱為即時輪廓控制（real time profile control; RTPC）。
原位監測系統可經受對於接近基板邊緣的位置的測量結果的訊號失真。例如，渦電流監測系統可產生磁場。在基板邊緣附近處，訊號可受到干擾而為虛弱，因為磁場僅部分地覆蓋基板的導電層。然而，若研磨設備使用神經網路以基於原位監測系統所產生的所測得訊號來產生經修改訊號，則設備可補償基板邊緣處的失真（例如減少的訊號強度）。
第1A圖與第1B圖圖示說明研磨設備100的範例。研磨設備100包含可旋轉式碟形平臺120，研磨墊110位於碟形平臺120上。平臺可被操作以沿著軸125旋轉。例如，馬達121可轉動驅動軸124，以旋轉平臺120。研磨墊110可為具有外側研磨層112與較軟的背托層114的雙層研磨墊。
研磨設備100可包含通口130以釋出研磨液體132（諸如漿料）到研磨墊110上。研磨設備亦可包含研磨墊調節器，以打磨研磨墊110而使研磨墊110維持在一致的磨料狀態中。
研磨設備100包含至少一個承載頭140。承載頭140可操作以將基板10固持抵靠研磨墊110。承載頭140可具有對於相對連於每一各別基板的研磨參數（例如壓力）的獨立控制。
特定而言，承載頭140可包含扣環142以將基板10保持在可撓膜144之下。承載頭140亦包含由膜界定的複數個可獨立控制式壓力腔室，例如三個腔室146a-146c，腔室146a-146c可施加可獨立控制式壓力至可撓膜144上（且因此在基板10上）的相關聯分區。雖然為了容易圖示說明，第1圖僅圖示說明三個腔室，但可存在一或兩個腔室、或四或更多個腔室，例如五個腔室。
承載頭140被由支撐結構150（例如旋轉料架或軌道）懸吊，且被由驅動軸152連接至承載頭旋轉馬達154，以讓承載頭可沿著軸155旋轉。可選的，承載頭140可橫向擺盪（例如在旋轉料架150或軌道上的滑動件上）；或藉由旋轉料架自身的旋轉性擺盪。在作業中，平臺沿著平臺中央軸125旋轉，且承載頭沿著承載頭中央軸155旋轉，並跨研磨墊的頂表面橫向位移。
雖然僅圖示一個承載頭140，但可提供更多承載頭以固持額外的基板，使得研磨墊110的表面區域可被有效率地使用。
研磨設備100亦包含原位監測系統160。原位監測系統160產生根據基板上的層的厚度的時變值序列。原位監測系統160包含感測器頭，在感測器頭產生測量結果；由於基板與感測器頭之間的相對動作，將在基板上的不同位置處進行測量。
原位監測系統160可為渦電流監測系統。渦電流監測系統160包含驅動系統以在基板上的導電層中引發渦電流，並包含感測系統以偵測驅動系統在導電層中引發的渦電流。監測系統160包含核心162、至少一個線圈164、與驅動感測電路系統166，核心162被定位在凹槽128中以隨平臺旋轉，至少一個線圈164捲繞在核心162的一部分的周圍，驅動感測電路系統166由配線168連接至線圈164。核心162與線圈164的組合，可提供感測器頭。在一些實施例中，核心162突出到平臺120的頂表面之上，例如進入研磨墊110的底部中的凹槽118。
驅動感測電路系統166經配置以施加震盪電性訊號至線圈164，並測量所產生的渦電流。驅動感測電路系統可存在各種可能的配置，且一或多個線圈的配置與位置可具有各種不同的配置，例如美國專利第6,924,641號、第7,112,960號、第8,284,560號，以及美國專利公開案第2011-0189925號與第2012-0276661號中所說明的。驅動感測電路系統166可位於同一凹槽128內，或平臺120的不同部分內，或可放置在平臺120外側，並可被透過旋轉電管接頭129耦合至平臺中的部件。
在作業中，驅動感測電路系統166驅動線圈164以產生震盪磁場。至少一部分的磁場延伸通過研磨墊110並進入基板10。若基板10上存在導電層，則震盪磁場在導電層中產生渦電流。渦電流使導電層作為阻抗源，阻抗源被耦合至驅動感測電路系統166。隨著導電層的厚度改變，阻抗也改變，這可被驅動感測電路系統166偵測到。
或者（或額外地），可將光學監測系統固定至平臺120於凹槽128中，光學監測系統可作為反射計或干涉計。若同時使用這兩種系統，則光學監測系統與渦電流監測系統可監測基板的同一部分。
CMP設備100亦可包含位置感測器180（諸如光遮斷器），以感測核心162是否位於基板10下方。例如，光遮斷器可被裝設在相對於承載頭140的一固定點處。旗標182被附接至平臺周邊。旗標182的附接點與長度被選定，以使得旗標182在核心162掃過基板10下方的同時遮斷感測器180的光學訊號。或者或額外地，CMP設備可包含編碼器，以判定平臺的角位置。
控制器190（諸如一般用途可編程式數位電腦）接收來自渦電流監測系統160的強度訊號。控制器190可包含處理器、記憶體、與輸入輸出(I/O)裝置，以及輸出裝置192（例如監視器）與輸入裝置194（例如鍵盤）。
訊號可從渦電流監測系統160透過旋轉電管接頭129傳至控制器190。或者，電路系統166可由無線訊號與控制器190通訊。
因為在平臺每次旋轉時核心162掃過基板下方，導電層厚度的資訊被原位地且在連續即時的基礎上累積（每一次平臺旋轉產生一次）。控制器190可經編程以在基板大抵覆蓋核心162時（由位置感測器判定），取樣來自監測系統的測量結果。隨著研磨進展，導電層的厚度改變，且所取樣的訊號隨著時間變化。時變取樣訊號可被稱為軌跡（traces）。來自監測系統的測量結果，在研磨期間可被顯示在輸出裝置192上，以准許裝置操作者視覺監測研磨作業的進程。
在作業中，CMP設備100可使用渦電流監測系統160，以判定填料層的塊體何時已被移除，及（或）判定下覆的止動層何時已被實質暴露。對於偵測器邏輯的可能的程序控制與終點準則，包含局部最小值與最大值、斜率改變、振幅或斜率的臨限值、或以上之結合。
控制器190亦可被連接至壓力機制以控制承載頭140施加的壓力，連接至承載頭旋轉馬達154以控制承載頭旋轉速率，連接至平臺旋轉馬達121以控制平臺旋轉速率，或連接至漿料分佈系統130以控制供應至研磨墊的漿料組成物。此外，電腦190可經編程以將來自渦電流監測系統160根據基板下方每次掃略的測量結果分成複數個取樣分區，以計算每一取樣分區的徑向位置，並將振幅測量結果排列成徑向範圍，如美國專利第6,399,501號所討論的。在將測量結果排列成徑向範圍之後，對於膜厚度的資訊可被即時饋入閉迴路控制器，以週期性或連續地修改承載頭施加的研磨壓力輪廓，以提供改良的研磨均勻度。
控制器190可使用相關曲線（使原位監測系統160測量得的訊號相關至基板10上正研磨的層的厚度），以產生對於正研磨的層的厚度的估算測量結果。第3圖圖示相關曲線303的範例。在第3圖繪製的座標系統中，水平軸代表從原位監測系統160接收的訊號值，而垂直軸代表基板10的層的厚度值。對於給定訊號值，控制器190可使用相關曲線303，以產生對應的厚度值。相關曲線303可被視為「靜態」方程式，由於相關曲線303對每一訊號值預測厚度值，不論感測器頭獲取到訊號的時間或位置為何。可由各種函數呈現相關曲線，諸如多項式函數，或與線性內插結合的查找表（LUT）。
參照第1B圖與第2圖，感測器頭相對於基板10的位置中的改變，可造成來自原位監測系統160的訊號改變。換言之，隨著感測器頭掃描過基板10，原位監測系統160將對基板10上不同位置的多個區域94（例如測量點）進行測量。區域94可為部分重疊的（見第2圖）。
第4圖圖示說明圖形420，圖形420顯示在感測器頭單次通過基板10下方的期間內，來自原位監測系統160的訊號401。訊號401由感測器頭掃過基板下方所提供的一系列的個別測量結果組成。圖形420可為對於測量時間或基板上測量位置（例如徑向位置）的函數。在任一情況中，訊號401的不同部分對應於感測器頭所掃描的基板10上不同位置處的測量點94。因此，圖形420對感測器頭所掃描的基板的給定位置，從訊號401預測對應的所測得的訊號值。
參照第2圖與第4圖，訊號401包含第一部分422、第二部分424與第三部分426，第一部分422對應於在感測器頭跨過基板10前緣時基板10邊緣區域203中的位置，第二部分424對應於基板10中央區域201中的位置，第三部分426對應於在感測器頭跨過基板10後緣時邊緣區域203中的位置。訊號亦可包含部分428，部分428對應於基板外的測量結果，亦即在感測器頭掃描超過第2圖中基板10的邊緣204以外的區域時所產生的訊號。
邊緣區域203可對應於其中感測器頭的測量點94覆蓋基板邊緣204的基板部分。中央區域201可包含鄰接邊緣區域203的環形錨區域202，以及由錨區域202圍繞的內側區域205。感測器頭可掃描感測器頭路徑210上的這些區域，並產生對應於沿著路徑210的位置序列的測量結果序列。
在第一部分422中，訊號強度從初始強度（通常為在不存在基板與承載頭時所產生的訊號）上升至較高強度。這是因為從初始的僅稍微在基板邊緣204覆蓋基板的監測位置（產生初始的較低值），轉移至幾乎完全覆蓋基板的監測位置（產生較高值）。類似的，在第三部分426中，在監測位置轉移至基板邊緣204時訊號強度下降。
雖然為了容易圖示而將第二部分424圖示說明為平的，但第二部分424中的真實訊號將可能包含由於雜訊與層厚度變異兩者所造成的擾動。第二部分424對應於掃描中央區域201的監測位置。第二部分424包含子部分421與423與子部分427，子部分421與423係由監測位置掃描中央區域201的錨區域202所產生，子部分427係由監測位置掃描中央區域201的內側區域205所產生。
如前述，區域422、426中的訊號強度變異，部分係由感測器覆蓋基板邊緣的測量區域所產生，而非由所監測層的厚度或導電性中的本徵變異所產生。因此，訊號401中的此失真，在計算靠近基板邊緣的基板特性值（例如層厚度）時可產生誤差。為了解決此問題，控制器190可包含神經網路（例如第5圖的神經網路500），以基於對應於基板10的一或更多個位置的所測得訊號，產生對應於這些位置的經修改訊號。
現參照第5圖，神經網路500經配置以在經過適當訓練時，產生修改訊號，以減少及（或）移除基板邊緣附近的所計算的訊號值的失真。神經網路500接收一組輸入504，並透過一或更多個神經網路層處理輸入504，以產生一組輸出550。神經網路500的層包含輸入層510、輸出層530、與一或更多個隱藏層520。
神經網路500的每一層，包含一或更多個神經網路節點。神經網路層中的每一神經網路節點，接收一或更多個節點輸入值（從輸入504到神經網路500，或從先前神經網路層的一或更多個節點的輸出），根據一或更多個參數值處理節點輸入值以產生啟動值，且可選地對啟動值施加非線性轉換函數（例如S形(sigmoid)函數或正切(tanh)函數）以產生對於神經網路節點的輸出。
輸入層510中的每一節點接收對神經網路500的輸入504之一者，作為節點輸入值。
對神經網路的輸入504，包含來自原位監測系統160對基板10上多個不同位置的所測得訊號值，諸如第一測得訊號值501、第二測得訊號值502、以至第n個測得訊號值503。所測得訊號值可為訊號501中的值序列的個別值。
一般而言，多個不同位置包含在基板10的邊緣區域203與錨區域202中的位置。在一些實施例中，多個不同位置僅位於邊緣區域203與錨區域202中。在其他實施例中，多個不同位置延展在基板的所有區域中。
這些所測得訊號值被接收於訊號輸入節點544。可選地，神經網路500的輸入節點504亦可包含一或更多個狀態輸入節點516，狀態輸入節點516接收一或更多個程序狀態訊號504（例如對於研磨設備100的墊110的磨耗程度的測量）。
隱藏層520與輸出層530的節點，被圖示說明為接收來自先前層的每一節點的輸入。此即完整連接前饋神經網路的情況。然而，神經網路500可為非完整連接前饋神經網路，或非前饋神經網路。再者，神經網路500可包含下列之至少一者：一或更多個完整連接前饋層；一或更多個非完整連接前饋層；以及一或更多個非前饋層。
神經網路在輸出層530的節點（亦即「輸出節點」550）處產生一組經修改訊號值550。在一些實施例中，對饋至神經網路500的原位監測系統的每一所測得訊號存在一輸出節點550。在此情況中，輸出節點550的數量可對應於輸入層510的訊號輸入節點504的數量。
例如，訊號輸入節點544的數量可等於邊緣區域203與錨區域202中的測量次數，並可存在相等數量的輸出節點550。因此，每一輸出節點550產生對於供應作為對於訊號輸入節點544的輸入的各別測得訊號的經修改訊號，例如對於第一測得訊號501的第一經修改訊號551、對於第二測得訊號502的第二經修改訊號552、以及對於第n個測得訊號503的第n經修改訊號553。
在一些實施例中，輸出節點550的數量少於輸入節點504的數量。在一些實施例中，輸出節點550的數量少於訊號輸入節點544的數量。例如，訊號輸入節點544的數量可等於邊緣區域203中的測量次數，或可等於邊緣區域203與錨區域202中的測量次數。再次說明，輸出層530的每一輸出節點550產生對應於供應作為訊號輸入節點504的各別測得訊號的經修改訊號，例如對於第一測得訊號501的第一經修改訊號551，但僅對於接收來自邊緣區域203的訊號的訊號輸入節點554。
研磨設備100可使用神經網路500以產生經修改訊號。經修改訊號隨後可用於判定基板第一位置群組中每一位置的厚度，例如邊緣區域（且可能對於錨區域）中的位置。例如返回參照第4圖，對於邊緣區域的經修改訊號值，可提供訊號401的經修改部分430。
經修改訊號值430可被使用靜態方程式（例如相關曲線）轉換成厚度測量結果。例如，控制器190可使用神經網路500以判定基板的邊緣位置與一或更多個錨位置的厚度。相對的，控制器190可直接使用靜態方程式，產生對於其他區域（例如內側區域205）的厚度測量結果。換言之，來自其他區域（例如內側區域205）的訊號值可被轉換成厚度值，而不用被由神經網路修改。
在一些實施例中，對於對應於給定測量位置的經修改訊號值，神經網路500可被配置為在判定經修改訊號值的過程中，僅使用來自此給定位置的預定距離之內的測量位置的輸入訊號值。例如，若接收到對應於路徑210上的N個循序位置處的測量結果的訊號值S 1、S 2、...、S M、... S N，對於第M位置（指示於R M）的經修改訊號值S' M，可僅使用訊號值S M-L (min 1)、... S M、... S M+L (max N)以計算經修改訊號值S' M。L的值可被選定，以使用遠至約2-4 mm的測量結果以產生給定經修改訊號值S' M；可使用測量結果S M的位置的約1-2 mm（例如1.5 mm）內的測量結果。例如，L可為來自範圍0至4的數值（例如1或2）。例如，若使用3 mm內的測量結果，且測量結果之間的間距為1 mm，則L可為1；若間距為0.5 mm，則L可為2；若間距為0.25則L可為4。然而，這可取決於研磨設備與處理條件的配置。仍可使用其他參數值（例如墊磨耗度）以計算經修改訊號值S' M。
例如，一或更多個隱藏層520可存在數個隱藏節點570（亦即「隱藏節點570」），數量等於訊號輸入節點544的數量，而每一隱藏節點570對應於各別的訊號輸入節點544。每一隱藏節點570可被斷接自對應於一些位置的測量結果的輸入節點544（或對這些位置具有零參數值），這些位置大於對應輸入節點的測量位置的預定距離。例如，第M隱藏節點可被斷接自第1至第(M-L-1)輸入節點544與第(M+L+1)至第N輸入節點（或對這些位置具有零參數值）。類似的，每一輸出節點560可被斷接自對應於一些位置的經修改訊號的輸入節點570（或對這些位置具有零參數值），這些位置大於輸出節點的測量位置的預定距離。例如，第M輸出節點可被斷接自第1至第(M-L-1)隱藏節點570與第(M+L+1)至第N隱藏節點（或對這些位置具有零參數值）。
在一些具體實施例中，研磨設備100可使用靜態方程式以判定第一組基板的多個位置（例如邊緣區域內的位置）的厚度。這些基板可用於產生訓練資料，訓練資料可用於訓練神經網路。接著，研磨設備100可使用靜態方程式500以產生修改訊號，修改訊號用於判定多個位置（例如在第二組基板的邊緣區域內的位置）的厚度。例如，研磨設備100可應用靜態方程式以判定第一組基板的厚度值，並使用經訓練的神經網路500以產生經修改訊號，經修改訊號用於對第二組基板判定厚度值。
第6圖為用於研磨基板10的範例程序600的流程圖。程序600可由研磨設備100執行。
研磨設備100研磨(602)基板10上的層，並在研磨期間監測(604)層，以產生對於層上不同位置的所測得訊號值。層上的位置可包含基板的邊緣區域203（對應於訊號401的區域422/426）內的一或更多個位置，以及基板上的錨區域202內的一或更多個位置（對應於訊號的區域421/423）。錨區域202與基板邊緣204間隔開，且位於基板的中央區域201內，且因此不受到基板邊緣204產生的失真的影響。然而，錨區域202可鄰接邊緣區域203。錨區域202亦可圍繞中央區域201的內側區域205。錨位置的數量可取決於原位監測系統160的測量點尺寸與測量頻率。在一些具體實施例中，錨位置的數量不能超過一最大值（諸如最大值4）。
研磨設備100根據位置的所測得訊號，產生(606)對於每一不同位置的厚度的估算測量結果。這包含透過神經網路500處理所測得的訊號。
對於神經網路500的輸入，可為原位監測系統160對於不同位置所產生的原始所測得訊號（或經更新的所測得訊號）。在一些具體實施例中，設備100藉由將訊號值標準化，以更新每一所測得訊號。這種標準化可提升對於神經網路系統500的輸入504的至少一些落入特定範圍的機率，這可相應提升神經網路訓練的品質，及（或）神經網路500所作成的干涉的精確度。
神經網路500的輸出為經修改訊號，每一經修改訊號對應於一輸入的所測得訊號。若所測得訊號為經過標準化的值，則對應於所測得訊號的經修改訊號亦將為經過標準化的值。因此，在使用這種經修改訊號以估算基板厚度之前，研磨設備100可需要將經修改訊號轉換成未標準化的值。
研磨設備100基於每一估算厚度測量結果，偵測(608)研磨終點及（或）修改研磨參數。
第7圖為用於使用神經網路500產生厚度的估算測量結果的範例程序700的流程圖。程序700可由研磨設備100執行。
研磨設備100識別(702)基板的一組位置的錨位置，並獲取(704)對於這組位置的每一位置的所測得訊號。在一些具體實施例中，錨位置與基板的邊緣間隔開。
研磨設備100基於錨位置的所測得訊號，標準化(706)每一所測得訊號，例如藉由將每一所測得訊號除以錨位置的所測得訊號，以更新所測得訊號。研磨設備100接著透過神經網路500處理(708)經更新的所測得訊號，以對每一經標準化的所測得訊號產生經修改訊號，並使用錨位置的所測得訊號將經修改訊號轉換(710)成未標準化值，例如藉由將每一所測得訊號乘以錨位置的所測得訊號，以更新所測得訊號。研磨設備100隨後使用(612)未標準化經修改訊號，以產生神經網路500的這組位置的每一位置的厚度的估算測量結果。
第8圖為用於訓練神經網路500以產生對於所測得訊號群組的經修改訊號的範例程序800的流程圖。可由經配置以訓練神經網路500的一或更多個電腦的系統執行程序800。
系統獲取(802)厚度的估算測量結果，這些估算測量結果係由神經網路500基於輸入值而產生，輸入值包含對於基板的一組位置中的每一位置的所測得訊號。系統亦獲取(804)對於這組位置中的每一位置的厚度的參考標準測量結果(ground truth measures)。系統可使用電性阻抗測量方法（諸如四點探針方法(four-points probe method)）產生厚度的參考標準測量結果。
系統計算(806)估算厚度測量結果與參考標準厚度測量結果之間的測量結果誤差，並基於測量結果誤差更新神經網路500的一或更多個參數。為此，系統可使用使用具有反向傳播的梯度下降的訓練演算法。
監測系統可用於各種研磨系統中。研磨墊或承載頭（或研磨墊與承載頭兩者）可被移動，以提供研磨表面與基板之間的相對運動。研磨墊可為固定至平臺的圓形板（或一些其他形狀）、延伸於供應件與捲取輥(take-up roller)之間的捲帶、或連續帶。研磨墊可被附加至平臺上、在研磨作業之間增量地推進於平臺上、或在研磨期間被連續地驅動於平臺上。在研磨期間墊可被固定至平臺，或者在研磨期間平臺與研磨墊之間可存在流體軸承。研磨墊可為標準（例如具有（或不具有）填料的聚氨酯）粗墊、軟墊、或固定研磨墊。
儘管上面的討論集中在渦電流監測系統上，但這些校正技術可被應用於掃描基板邊緣的其他類型的監測系統，例如光學監測系統。此外，雖然上面的討論集中在研磨系統，但這些校正技術可應用於其他類型的基板處理系統，例如包括掃描基板邊緣的原位監測系統的沉積或蝕刻系統。
已說明了本發明的數個具體實施例。然而應瞭解到，可進行各種修改，而不脫離本發明的精神與範圍。因此，存在位於下列申請專利範圍的範圍內的其他具體實施例。
10:基板 94:測量點 100:研磨設備 110:研磨墊 112:外側研磨層 114:背托層 118:凹槽 120:可旋轉式碟形平臺 121:馬達 124:驅動軸 125:軸 128:凹槽 129:旋轉電管接頭 130:漿料分佈系統 132:研磨液體 140:承載頭 142:扣環 144:可撓膜 146a:腔室 146b:腔室 146c:腔室 150:支撐結構 152:驅動軸 154:承載頭旋轉馬達 155:軸 160:原位監測系統 162:核心 164:線圈 166:驅動感測電路系統 168:配線 180:位置感測器 182:旗標 190:控制器 192:輸出裝置 194:輸入裝置 201:中央區域 202:環形錨區域 203:邊緣區域 204:基板邊緣 205:內側區域 210:感測器頭路徑 303:相關曲線 401:訊號 420:圖形 421:子部分 422:訊號第一部分 423:子部分 424:訊號第二部分 426:訊號第三部分 427:子部分 428:訊號部分 430:經修改部分 500:神經網路 501:第一測得訊號 502:第二測得訊號值 503:第n個測得訊號值 504:輸入節點 510:輸入層 516:狀態輸入節點 520:隱藏層 530:輸出層 544:輸入節點 550:輸出節點 551:第一經修改訊號 552:第二經修改訊號 553:第n經修改訊號 554:訊號輸入節點 560:輸出節點 570:隱藏節點 600:程序 602-608:步驟 700:程序 702-710:步驟 800:程序 802-808:步驟
第1A圖為包含渦電流監測系統的化學機械研磨站的部分截面示意側視圖。
第1B圖為化學機械研磨站的示意俯視圖。
第2圖為正被研磨設備的感測器頭掃描的基板的示意俯視圖。
第3圖為用於基於所測得訊號判定基板厚度的靜態方程式的示意圖表。
第4圖為在監測基板上的位置的同時所獲取的所測得訊號的示意圖表。
第5圖為範例神經網路。
第6圖為用於研磨基板的範例程序的流程圖。
第7圖為用於使用神經網路產生厚度的估算測量結果的範例程序的流程圖。
第8圖為用於訓練神經網路以產生對於所測得訊號群組的經修改訊號的範例程序的流程圖。
在各種圖式中，類似的元件符號指示類似的元件。
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
600:程序
602-608:步驟

Claims (20)

  1. 一種用於研磨一基板的方法，包含以下步驟：研磨步驟，在一研磨站研磨該基板上的一層；監測步驟，在該研磨步驟期間內在該研磨站由一原位監測系統監測該層，以對該層上的複數個不同位置產生複數個初始值；輸入步驟，將該複數個初始值中的一第一多數個初始值輸入一神經網路的一第一複數個對應的輸入節點，該第一多數個初始值對應於在該基板上的一第一區域內的該複數個不同位置中的一第一多數個位置，且其中未輸入該神經網路的輸入節點的該複數個初始值中的初始值包含一第二多數個初始值，該第二多數個初始值對應於在該基板上的不同的一第二區域內的該複數個不同位置中的一第二多數個位置；接收步驟，從該神經網路的一複數個對應的輸出節點接收一第一多數個經修改值；以及以下步驟之至少一者：基於該第一多數個經修改值與該第二多數個初始值偵測一研磨終點；或基於該第一多數個經修改值與該第二多數個初始值修改一研磨參數。
  2. 如請求項1所述之方法，其中該神經網路 的一輸入節點數量大於或等於該神經網路的一輸出節點數量。
  3. 如請求項1所述之方法，其中該第一區域鄰近該基板的一邊緣，且該第二區域包含該基板的一中心。
  4. 如請求項1所述之方法，該方法包含以下步驟：轉換步驟，使用一相關曲線將該第一多數個經修改值與該第二多數個初始值轉換為複數個厚度值。
  5. 如請求項1所述之方法，其中該原位監測系統包含一渦電流監測系統。
  6. 一種研磨系統，包含：一載具，該載具用於固持一基板；一支座，該支座用於一研磨表面；一原位監測系統，該原位監測系統具有一感測器，該原位監測系統經配置以對該層上的複數個不同位置產生複數個初始值；一馬達，該馬達用於產生該感測器與該基板之間的相對運動；以及一控制器，該控制器經配置以將該複數個初始值中的一第一多數個初始值輸入一神經網路的一第一複數個對應的輸入節點，該第一多數個初始值對應於在該基板上的一第一區域內 的該複數個不同位置中的一第一多數個位置，且其中未輸入該神經網路的輸入節點的該複數個初始值中的初始值包含一第二多數個初始值，該第二多數個初始值對應於在該基板上的不同的一第二區域內的該複數個不同位置中的一第二多數個位置，從該神經網路的一複數個對應的輸出節點接收一第一多數個經修改值；以及以下之至少一者：基於該第一多數個經修改值與該第二多數個初始值偵測一研磨終點；或基於該第一多數個經修改值與該第二多數個初始值修改一研磨參數。
  7. 如請求項6所述之研磨系統，其中該神經網路的一輸入節點數量等於該神經網路的一輸出節點數量。
  8. 如請求項6所述之研磨系統，其中該控制器經配置以決定該複數個初始值的每個位置的該位置，並將該複數個初始值分類成該第一多數個與該第二多數個，而該第一區域包含該基板的一邊緣且該第二區域包含該基板的一中心。
  9. 如請求項6所述之研磨系統，其中該控制器經配置以使用一相關曲線將該第一多數個經修改值與該第二多數個初始值轉換為複數個厚度值。
  10. 如請求項6所述之研磨系統，其中該原位監測系統包含一渦電流監測系統。
  11. 如請求項6所述之研磨系統，其中該神經網路的一輸入節點數量大於該神經網路的一輸出節點數量。
  12. 如請求項6所述之研磨系統，其中該控制器經進一步配置以將該複數個初始值中的一第三多數個初始值輸入該神經網路的一第二複數個對應的輸入節點，該第三多數個初始值對應於在該基板上的一第三區域內的該複數個不同位置中的一第三多數個位置，其中由該神經網路基於該第一多數個初始值與該第三多數個初始值計算該第一多數個經修改值，且其中該控制器經配置以進一步基於該第三多數個初始值偵測該研磨終點或修改該研磨參數。
  13. 如請求項12所述之系統，其中該第三區域位於該第一區域與該第二區域之間。
  14. 一種編碼了指令的電腦儲存媒體，在由一或更多個電腦執行該等指令時，使得該一或更多個電腦執行包含以下作業的作業：在於一研磨站研磨一基板上的一層的期間內，從一原位監測系統接收對於該層上的複數個不同位置的複 數個初始值；將該複數個初始值中的一第一多數個初始值輸入一神經網路的一第一複數個對應的輸入節點，該第一多數個初始值對應於在該基板上的一第一區域內的該複數個不同位置中的一第一多數個位置，且其中未輸入該神經網路的輸入節點的該複數個初始值中的初始值包含一第二多數個初始值，該第二多數個初始值對應於在該基板上的不同的一第二區域內的該複數個不同位置中的一第二多數個位置；從該神經網路的一複數個對應的輸出節點接收一第一多數個經修改值；以及以下之至少一者：基於該第一多數個經修改值與該第二多數個初始值偵測一研磨終點；或基於該第一多數個經修改值與該第二多數個初始值修改一研磨參數。
  15. 如請求項14所述之電腦程式產品，其中該神經網路的一輸入節點數量大於或等於該神經網路的一輸出節點數量。
  16. 如請求項14所述之電腦程式產品，該電腦程式產品包含用於執行以下作業的指令：決定該複數個初始值的每個位置的該位置，並將該複數個初始值分類成該第一多數個與該第二多數個，而該第一區域 包含該基板的一邊緣且該第二區域包含該基板的一中心。
  17. 如請求項14所述之電腦程式產品，該電腦程式產品包含用於執行以下作業的指令：使用一相關曲線將該第一多數個經修改值與該第二多數個初始值轉換為複數個厚度值。
  18. 如請求項14所述之電腦程式產品，其中該神經網路的一輸入節點數量大於該神經網路的一輸出節點數量。
  19. 如請求項14所述之電腦程式產品，該電腦程式產品包含用於執行以下作業的指令：將該複數個初始值中的一第三多數個初始值輸入該神經網路的一第二複數個對應的輸入節點，該第三多數個初始值對應於在該基板上的一第三區域內的該複數個不同位置中的一第三多數個位置，其中由該神經網路基於該第一多數個初始值與該第三多數個初始值計算該第一多數個經修改值，且其中該控制器經配置以進一步基於該第三多數個初始值偵測該研磨終點或修改該研磨參數。
  20. 如請求項19所述之電腦程式產品，其中該第三區域位於該第一區域與該第二區域之間。
TW111148149A 2017-04-21 2018-04-03 使用神經網路來監測的拋光裝置 TWI816620B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762488688P 2017-04-21 2017-04-21
US62/488,688 2017-04-21

Publications (2)

Publication Number Publication Date
TW202316326A TW202316326A (zh) 2023-04-16
TWI816620B true TWI816620B (zh) 2023-09-21

Family

ID=63852385

Family Applications (2)

Application Number Title Priority Date Filing Date
TW107111724A TWI789385B (zh) 2017-04-21 2018-04-03 使用神經網路來監測的拋光裝置
TW111148149A TWI816620B (zh) 2017-04-21 2018-04-03 使用神經網路來監測的拋光裝置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW107111724A TWI789385B (zh) 2017-04-21 2018-04-03 使用神經網路來監測的拋光裝置

Country Status (6)

Country Link
US (2) US10994389B2 (zh)
JP (2) JP7227158B2 (zh)
KR (3) KR102643391B1 (zh)
CN (2) CN117325073A (zh)
TW (2) TWI789385B (zh)
WO (1) WO2018194929A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783037B (zh) * 2017-09-25 2022-11-11 美商應用材料股份有限公司 使用機器學習方式以產生製程控制參數的半導體製造
TWI845444B (zh) 2018-04-03 2024-06-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體
TWI828706B (zh) 2018-06-20 2024-01-11 美商應用材料股份有限公司 用於原位電磁感應監控的基板摻雜補償的方法、電腦程式產品及研磨系統
US11056351B2 (en) * 2018-08-31 2021-07-06 Synaptics Incorporated Process monitor for wafer thinning
JP2020053550A (ja) * 2018-09-27 2020-04-02 株式会社荏原製作所 研磨装置、研磨方法、及び機械学習装置
JP7145084B2 (ja) * 2019-01-11 2022-09-30 株式会社荏原製作所 基板処理装置および基板処理装置において部分研磨されるべき領域を特定する方法
TWI820308B (zh) * 2019-03-21 2023-11-01 美商應用材料股份有限公司 監視化學機械拋光中的拋光墊紋理
JP2021028099A (ja) * 2019-08-09 2021-02-25 株式会社荏原製作所 終点検知装置、終点検知方法
WO2021028228A1 (en) * 2019-08-13 2021-02-18 Asml Netherlands B.V. Method for training machine learning model for improving patterning process
JP2021058955A (ja) * 2019-10-04 2021-04-15 株式会社荏原製作所 研磨装置、情報処理システム、情報処理方法及びプログラム
KR20220123053A (ko) * 2020-05-14 2022-09-05 어플라이드 머티어리얼스, 인코포레이티드 연마 동안의 인-시튜 모니터링에 사용하기 위한 신경망을 훈련시키기 위한 기법 및 연마 시스템
CN117900999A (zh) * 2020-06-24 2024-04-19 应用材料公司 使用研磨垫磨损补偿的基板层厚度确定
US11693435B2 (en) 2020-06-25 2023-07-04 Applied Materials, Inc. Ethercat liquid flow controller communication for substrate processing systems
US11794302B2 (en) 2020-12-15 2023-10-24 Applied Materials, Inc. Compensation for slurry composition in in-situ electromagnetic inductive monitoring
TWI826877B (zh) * 2020-12-18 2023-12-21 美商應用材料股份有限公司 拋光基板及匹配拋光系統之間的拋光效能的方法
US11709477B2 (en) 2021-01-06 2023-07-25 Applied Materials, Inc. Autonomous substrate processing system
US11969140B2 (en) * 2021-06-22 2024-04-30 Micron Technology, Inc. Surface cleaning
US20230011748A1 (en) * 2021-07-12 2023-01-12 Applied Materials, Inc. System and method to map thickness variations of substrates inmanufacturing systems
CN114800229B (zh) * 2022-06-27 2022-09-13 江苏中清光伏科技有限公司 双面双玻表面抛光装置及其抛光方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6594024B1 (en) * 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
US20050024047A1 (en) * 2003-07-31 2005-02-03 Applied Materials, Inc. Eddy current system for in-situ profile measurement

Family Cites Families (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5700180A (en) * 1993-08-25 1997-12-23 Micron Technology, Inc. System for real-time control of semiconductor wafer polishing
US5433651A (en) 1993-12-22 1995-07-18 International Business Machines Corporation In-situ endpoint detection and process monitoring method and apparatus for chemical-mechanical polishing
US5559428A (en) 1995-04-10 1996-09-24 International Business Machines Corporation In-situ monitoring of the change in thickness of films
US5660672A (en) 1995-04-10 1997-08-26 International Business Machines Corporation In-situ monitoring of conductive films on semiconductor wafers
US5644221A (en) 1996-03-19 1997-07-01 International Business Machines Corporation Endpoint detection for chemical mechanical polishing using frequency or amplitude mode
JPH1076464A (ja) 1996-08-30 1998-03-24 Canon Inc 研磨方法及びそれを用いた研磨装置
US6280289B1 (en) 1998-11-02 2001-08-28 Applied Materials, Inc. Method and apparatus for detecting an end-point in chemical mechanical polishing of metal layers
WO2000026613A1 (en) 1998-11-02 2000-05-11 Applied Materials, Inc. Optical monitoring of radial ranges in chemical mechanical polishing a metal layer on a substrate
US6159073A (en) 1998-11-02 2000-12-12 Applied Materials, Inc. Method and apparatus for measuring substrate layer thickness during chemical mechanical polishing
US6172756B1 (en) 1998-12-11 2001-01-09 Filmetrics, Inc. Rapid and accurate end point detection in a noisy environment
US6190234B1 (en) 1999-01-25 2001-02-20 Applied Materials, Inc. Endpoint detection with light beams of different wavelengths
US6179709B1 (en) 1999-02-04 2001-01-30 Applied Materials, Inc. In-situ monitoring of linear substrate polishing operations
TW466153B (en) 1999-06-22 2001-12-01 Applied Materials Inc Method and apparatus for measuring a pad profile and closed loop control of a pad conditioning process
TW393563B (en) * 1999-10-21 2000-06-11 Applied Materials Inc Method of measuring film-layer's thickness in the chemical mechanical polishing
US6399501B2 (en) 1999-12-13 2002-06-04 Applied Materials, Inc. Method and apparatus for detecting polishing endpoint with optical monitoring
WO2001046684A1 (en) * 1999-12-23 2001-06-28 Kla-Tencor Corporation In-situ metalization monitoring using eddy current measurements and optical measurements
US6707540B1 (en) 1999-12-23 2004-03-16 Kla-Tencor Corporation In-situ metalization monitoring using eddy current and optical measurements
US6433541B1 (en) 1999-12-23 2002-08-13 Kla-Tencor Corporation In-situ metalization monitoring using eddy current measurements during the process for removing the film
KR100718737B1 (ko) 2000-01-17 2007-05-15 가부시키가이샤 에바라 세이사꾸쇼 폴리싱 장치
US6407546B1 (en) 2000-04-07 2002-06-18 Cuong Duy Le Non-contact technique for using an eddy current probe for measuring the thickness of metal layers disposed on semi-conductor wafer products
US6924641B1 (en) 2000-05-19 2005-08-02 Applied Materials, Inc. Method and apparatus for monitoring a metal layer during chemical mechanical polishing
JP3916375B2 (ja) 2000-06-02 2007-05-16 株式会社荏原製作所 ポリッシング方法および装置
JP3832198B2 (ja) 2000-06-16 2006-10-11 日本電気株式会社 半導体ウェハの研磨終点検出方法ならびにその装置
US6626736B2 (en) 2000-06-30 2003-09-30 Ebara Corporation Polishing apparatus
US6878038B2 (en) 2000-07-10 2005-04-12 Applied Materials Inc. Combined eddy current sensing and optical monitoring for chemical mechanical polishing
US6602724B2 (en) * 2000-07-27 2003-08-05 Applied Materials, Inc. Chemical mechanical polishing of a metal layer with polishing rate monitoring
US6923711B2 (en) 2000-10-17 2005-08-02 Speedfam-Ipec Corporation Multizone carrier with process monitoring system for chemical-mechanical planarization tool
TWI221435B (en) * 2001-01-20 2004-10-01 Guo-Jen Wang Method for optimizing timing control process parameters in chemical mechanical polishing
US6564116B2 (en) * 2001-04-06 2003-05-13 Gou-Jen Wang Method for determining efficiently parameters in chemical-mechanical polishing (CMP)
US6676482B2 (en) 2001-04-20 2004-01-13 Speedfam-Ipec Corporation Learning method and apparatus for predictive determination of endpoint during chemical mechanical planarization using sparse sampling
US6966816B2 (en) 2001-05-02 2005-11-22 Applied Materials, Inc. Integrated endpoint detection system with optical and eddy current monitoring
US6618130B2 (en) 2001-08-28 2003-09-09 Speedfam-Ipec Corporation Method and apparatus for optical endpoint detection during chemical mechanical polishing
US6821794B2 (en) 2001-10-04 2004-11-23 Novellus Systems, Inc. Flexible snapshot in endpoint detection
US6945845B2 (en) * 2003-03-04 2005-09-20 Applied Materials, Inc. Chemical mechanical polishing apparatus with non-conductive elements
US7008296B2 (en) 2003-06-18 2006-03-07 Applied Materials, Inc. Data processing for monitoring chemical mechanical polishing
US7001243B1 (en) 2003-06-27 2006-02-21 Lam Research Corporation Neural network control of chemical mechanical planarization
US7025658B2 (en) * 2003-08-18 2006-04-11 Applied Materials, Inc. Platen and head rotation rates for monitoring chemical mechanical polishing
US7801635B2 (en) * 2007-01-30 2010-09-21 Tokyo Electron Limited Real-time parameter tuning for etch processes
JP5654753B2 (ja) * 2007-02-23 2015-01-14 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ スペクトルを使用した研磨終了点の決定
JP2009004442A (ja) * 2007-06-19 2009-01-08 Renesas Technology Corp 半導体ウェハの研磨方法
JP5080933B2 (ja) 2007-10-18 2012-11-21 株式会社荏原製作所 研磨監視方法および研磨装置
US8106651B2 (en) 2008-04-17 2012-01-31 Novellus Systems, Inc. Methods and apparatuses for determining thickness of a conductive layer
WO2010045162A2 (en) * 2008-10-16 2010-04-22 Applied Materials, Inc. Eddy current gain compensation
WO2010056769A2 (en) 2008-11-14 2010-05-20 Applied Materials, Inc. Eddy current sensor with enhanced edge resolution
TW201201957A (en) 2010-01-29 2012-01-16 Applied Materials Inc High sensitivity real time profile control eddy current monitoring system
US8367429B2 (en) * 2011-03-10 2013-02-05 Taiwan Semiconductor Manufacturing Company, Ltd. Adaptive endpoint method for pad life effect on chemical mechanical polishing
CN102278967A (zh) * 2011-03-10 2011-12-14 清华大学 抛光液厚度测量装置、测量方法和化学机械抛光设备
US9023667B2 (en) 2011-04-27 2015-05-05 Applied Materials, Inc. High sensitivity eddy current monitoring system
US9205527B2 (en) * 2012-11-08 2015-12-08 Applied Materials, Inc. In-situ monitoring system with monitoring of elongated region
KR102255963B1 (ko) * 2013-10-29 2021-05-24 어플라이드 머티어리얼스, 인코포레이티드 와전류 센서를 위한 게인의 결정
US9275917B2 (en) 2013-10-29 2016-03-01 Applied Materials, Inc. Determination of gain for eddy current sensor
US9281253B2 (en) * 2013-10-29 2016-03-08 Applied Materials, Inc. Determination of gain for eddy current sensor
JP6030041B2 (ja) 2013-11-01 2016-11-24 株式会社荏原製作所 研磨装置および研磨方法
US9490186B2 (en) 2013-11-27 2016-11-08 Applied Materials, Inc. Limiting adjustment of polishing rates during substrate polishing
US9636797B2 (en) 2014-02-12 2017-05-02 Applied Materials, Inc. Adjusting eddy current measurements
US9911664B2 (en) 2014-06-23 2018-03-06 Applied Materials, Inc. Substrate features for inductive monitoring of conductive trench depth
US9754846B2 (en) * 2014-06-23 2017-09-05 Applied Materials, Inc. Inductive monitoring of conductive trench depth
KR101655074B1 (ko) 2014-11-04 2016-09-07 주식회사 케이씨텍 화학 기계적 연마 장치 및 와전류 센서를 이용한 웨이퍼 도전층 두께 측정 방법
KR102437268B1 (ko) * 2015-02-25 2022-08-29 주식회사 케이씨텍 화학 기계적 연마 시스템
US10478937B2 (en) * 2015-03-05 2019-11-19 Applied Materials, Inc. Acoustic emission monitoring and endpoint for chemical mechanical polishing
US11580375B2 (en) * 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
TW201819107A (zh) 2016-08-26 2018-06-01 美商應用材料股份有限公司 用於化學機械研磨的研磨墊厚度監測
WO2018132424A1 (en) 2017-01-13 2018-07-19 Applied Materials, Inc. Resistivity-based adjustment of measurements from in-situ monitoring
TWI845444B (zh) 2018-04-03 2024-06-11 美商應用材料股份有限公司 針對墊子厚度使用機器學習及補償的拋光裝置、拋光系統、方法及電腦儲存媒體

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6594024B1 (en) * 2001-06-21 2003-07-15 Advanced Micro Devices, Inc. Monitor CMP process using scatterometry
US20050024047A1 (en) * 2003-07-31 2005-02-03 Applied Materials, Inc. Eddy current system for in-situ profile measurement

Also Published As

Publication number Publication date
TWI789385B (zh) 2023-01-11
US10994389B2 (en) 2021-05-04
JP7227158B2 (ja) 2023-02-21
KR20230062679A (ko) 2023-05-09
CN110537249B (zh) 2023-10-20
KR20190133272A (ko) 2019-12-02
KR20240033142A (ko) 2024-03-12
TW201842471A (zh) 2018-12-01
US20180304435A1 (en) 2018-10-25
CN110537249A (zh) 2019-12-03
KR102643391B1 (ko) 2024-03-07
CN117325073A (zh) 2024-01-02
TW202316326A (zh) 2023-04-16
WO2018194929A1 (en) 2018-10-25
JP2023075085A (ja) 2023-05-30
US20210229234A1 (en) 2021-07-29
KR102528578B1 (ko) 2023-05-04
JP2020518131A (ja) 2020-06-18

Similar Documents

Publication Publication Date Title
TWI816620B (zh) 使用神經網路來監測的拋光裝置
CN114888715B (zh) 针对垫厚度使用机器学习和补偿的抛光装置
TWI846048B (zh) 用於拋光基板的方法及拋光系統
JP7447284B2 (ja) 研磨パッドの摩耗補償による基板層の厚さの決定