TWI783037B - 使用機器學習方式以產生製程控制參數的半導體製造 - Google Patents

Abstract

一種用於處理基板的方法，包括使第一複數個基板的每個相應的第一基板承受到改變相應的第一基板的外層的厚度的製程，產生複數組的製程參數值；產生複數個移除輪廓，使用複數組的製程參數和複數個移除輪廓作為訓練資料來透過反向傳播訓練人工類神經網路，其中該人工類神經網路具有複數個輸入節點以從移除輪廓接收相應的移除值和複數個輸出節點以輸出控制參數值，對於第二複數個基板中的每個相應的第二基板，判定目標移除輪廓，對於每個相應的第二基板，透過將目標移除輪廓應用於輸入節點來判定相應的控制參數值，及使用相應的控制參數值使每個相應的第二基板承受到該製程。

Description

使用機器學習方式以產生製程控制參數的半導體製造

本揭示涉及控制積體電路製造製程，例如化學機械研磨製程。

積體電路通常藉由在矽晶圓上順序沉積導體、半導體、或絕緣層而形成在基板上。一個製造步驟涉及在非平面表面上沉積填料層並使填料層平坦化。對於一些應用，填充層被平坦化直到暴露出圖案化層的頂表面。例如，導電填料層可以沉積在圖案化的絕緣層上以填充絕緣層中的溝槽或孔。在平坦化之後，保留在絕緣層的凸起圖案之間的導電層的部分形成通孔、插塞和線，其提供基板上的薄膜電路之間的導電路徑。對於其他應用，填料層被平坦化，直到在底層上留下預定的厚度。例如，沉積的介電層可以被平坦化以用於光刻。

化學機械研磨（CMP）是一種公認的平坦化的方法。此平坦化方法通常要求將基板安裝在承載頭上。基板的暴露的表面通常抵著具有耐用粗糙表面的旋轉研磨墊放置。承載頭在基板上提供可控制的裝載，以將其推靠於研磨墊。通常將研磨液（例如具有磨料顆粒的漿料）供應到研磨墊的表面。經處理的晶圓在研磨製程後具有材料去除的輪廓、研磨層的厚度有所變化的二維圖。

在一個態樣中，一種處理基板的方法，包括以下步驟：使第一複數個基板的每個相應的第一基板承受到改變該相應的第一基板的外層的厚度的製程；對於每個相應的第一基板，記錄用於該製程的一組製程參數值，從而產生複數組的製程參數值；對於每個相應的第一基板，以監控系統在該製程期間或在該製程之後測量外層的移除輪廓，從而產生複數個移除輪廓；使用該複數組的製程參數和複數個移除輪廓作為訓練資料來透過反向傳播訓練人工類神經網路，該人工類神經網路具有複數個輸入節點以從移除輪廓接收相應的移除值、複數個輸出節點以輸出控制參數值、以及將輸入節點連接到輸出節點的複數個隱藏節點；對於第二複數個基板中的每個相應的第二基板，判定一目標移除輪廓；對於每個相應的第二基板，透過將該目標移除輪廓應用於該人工類神經網路的輸入節點，來判定相應的控制參數值，以從人工類神經網路的輸出節點應用至相應的第二基板；和使用相應的控制參數值使每個相應的第二基板承受到該製程。

在另一態樣中，一種用於控制基板的處理的電腦程式產品，該電腦程式產品有形地實施於非暫態電腦可讀取媒體中，並且包括用於使處理器執行以下步驟之指令：使用複數組製程參數和複數個移除輪廓作為訓練資料來透過反向傳播訓練人工類神經網路，該人工類神經網路具有複數個輸入節點以從一移除輪廓接收相應的移除值、複數個輸出節點以輸出控制參數值、以及將輸入節點連接到輸出節點的複數個隱藏節點；針對複數個基板中的每個相應的基板獲得目標移除輪廓；對於每個相應的基板，透過將該目標移除輪廓應用於人工類神經網路的輸入節點來判定相應的控制參數值，以從人工類神經網路的輸出節點應用至相應的基板；和使半導體處理系統使用相應的控制參數值來使每個相應的基板承受該製程。

在又另一態樣，一種研磨系統，包括：支撐架用以保持研磨墊；承載頭，用以保持與研磨墊接觸的基板，承載頭具有複數個腔室；馬達，用以在支撐架和承載頭之間產生相對運動；和控制器，該控制器經配置以使用複數組製程參數和複數個移除輪廓作為訓練資料來透過反向傳播訓練人工類神經網路，該人工類神經網路具有複數個輸入節點以從一移除輪廓接收相應的移除值、複數個輸出節點以輸出控制參數值、以及將輸入節點連接到輸出節點的複數個隱藏節點，其中控制參數值包括用於該承載頭中的腔室的壓力；針對複數個基板中的每個相應的基板獲得一目標移除輪廓；對於每個相應的基板，透過將該目標移除輪廓應用於人工類神經網路的輸入節點來判定相應的控制參數值，以從人工類神經網路的輸出節點應用至相應的基板，其中相應的控制參數值包括用於承載頭中的腔室的相應的壓力；和對於每個相應的基板，使得承載頭在研磨期間將相應的壓力施加到承載頭中的腔室。

實施可包括以下特徵中的一或多個。

製程可包括化學機械研磨。控制參數值可包括承載頭中的腔室的壓力，以將基板保持倚著研磨墊。

人工類神經網路的至少一些輸入節點可被配置以接收狀態參數值。狀態參數值可包括以下一或多個：支撐環壽命、或研磨墊壽命。控制參數值可包括以下之一或多個：平臺轉速、承載頭轉速、或研磨時間。

監控系統可包括在線計量系統（in-line metrology system）。在線計量系統可包括光學監控系統。

判定目標移除輪廓可包括儲存期望的厚度輪廓、接收相應的第二基板的經測量的厚度輪廓、以及判定經測量的厚度輪廓與期望的厚度輪廓之間的差異。接收經測量的厚度輪廓可包括以監控系統測量相應的第二基板的厚度輪廓。

某些實施可以具有以下優點中的一或多個。控制參數的收斂可更快速地達到。可以減少晶圓內厚度不均勻性和晶圓到晶圓的厚度的不均勻性（WIWNU和WTWNU）。產品晶圓可用於模型精細（refinement），使得經處理的基板的實際輪廓更接近所欲之輪廓。可以在沒有功能關係的明確知識的情況下考慮研磨製成回應於研磨參數的複雜行為。

在隨附圖式和以下的描述中闡述了一或多個實施例的細節。根據說明書、圖式、及申請專利範圍，其他特徵、目的、和優點將是顯而易見的。

CMP中的一個挑戰是發展一種能夠將材料去除輪廓預測為多個輸入參數的製程模型。輸入參數可包括基板層的初始厚度、目標材料去除輪廓、研磨墊條件、支撐環條件、研磨墊和基板之間的相對速度、以及在基板上施加的壓力等的變化。此外，CMP製程是一種動態系統，其中表面拓撲在製程期間隨時間不斷變化，進而影響製程行為。輸入參數與材料去除輪廓和CMP製程的動態特性的複雜關係導致發展研磨製程的製程模型的挑戰。

第1圖圖示了研磨設備20的範例。研磨設備20可包括可旋轉的盤形平臺22，研磨墊30位於該平臺上。平臺可操作以繞軸23旋轉。例如，馬達24可以轉動驅動軸26以使平臺22旋轉。研磨墊30可以，例如，透過一層黏著劑，可拆卸地固定到平臺22上。研磨墊30可以是雙層研磨墊，具有外研磨層32和較軟的背襯層34。

研磨設備20可包括研磨液供應埠40，以將研磨液42（例如磨料漿）分配至研磨墊30上。研磨設備20亦可包括研磨墊修整盤，以研磨研磨墊30來將研磨墊30保持在一致的研磨狀態。

承載頭50可操作以將基板10保持倚在研磨墊30上。每個承載頭50亦包括複數個獨立可控制的可加壓腔室，例如，三個腔室52a-52c，其可將獨立可控制的壓力施加到基板10上的相關區域12a-12c（見第2圖）。參照至第2圖，中心區域12a可以基本上是圓形的，且其餘區域12b-12c可以是圍繞中心區域12a的同心環形區域。

回到第1圖，腔室52a-52c可以由有彈性的膜54界定，該有彈性的膜54具有安裝基板10的底表面。承載頭50亦可包括支撐環56，以將基板10保持在有彈性的膜54下方。儘管為了便於說明，第1圖和第2圖中僅示出三個腔室，然而可以有兩個腔室、或四個、或更多個腔室，例如五個腔室。此外，可以在承載頭50中使用調節施加到基板的壓力的其他機構，例如壓電致動器。

每個承載頭50自支撐結構60（例如，轉盤或軌道）懸掛，並且透過驅動軸62連接至承載頭旋轉馬達64，使得承載頭可繞軸51旋轉。可選地，每個承載頭50可以透過沿著軌道的運動而橫向振動，例如，在轉盤上的滑塊上；或是透過轉盤本身的旋轉振動。在操作中，平臺22圍繞其中心軸23旋轉，且承載頭50繞其中心軸51旋轉並橫向地越過研磨墊30的頂表面平移。

研磨設備20可包括在線監控系統（in-line monitoring system），用於在研磨製程完成時測量經研磨的層的厚度。例如，在線監控系統可以在區域12a-12c上產生層的厚度的圖（map）。來自在線監控系統的測量結果可以傳送到控制器90。在線監控系統的範例包括光學監控系統，例如光譜監控系統。光譜監控系統可以測量層的厚度的圖的每個點的層厚度值和相關的密合度（GOF）值。例如，寬帶光源可以用於照射層上的位置，並且可以測量包含由層、基板、和兩者之間的任何其他層所產生的光干涉光譜的反射。所測量的光干涉光譜可以，例如，透過將其與描述由預期的膜堆疊所產生的光學干涉光譜的等式配適（fitting）來分析。配適產生層的厚度的判定和GOF值，該值表示測量的光譜與預期的膜堆疊的接近程度。因此，GOF值可用於所判定的厚度值的可靠性的指標。

控制器90包含工具控制模組92和整合進階製程控制模組（i-APC）94。工具控制模組92和i-APC模組94結合可以提供進階的製程控制功能，例如晶圓至晶圓的均勻性控制。控制器90可以是包括微處理器、記憶體、和輸入/輸出電路的計算裝置，例如可程式電腦。儘管用單一方塊示出，但控制器90可以是具有分佈在多個電腦上的功能的網路系統，且模組92和94可以位於相同電腦或不同電腦中。

所描述的研磨設備具有許多相關的製程參數，其控制研磨設備的操作或是描述設備或研磨環境的狀態。控制研磨設備的操作的製程參數（並且其至少最初可由工具控制模組92設定）（「控制參數」）包括以下：平臺22的轉速；承載頭50的轉速；腔室52a-52c的壓力；和研磨時間。

反映設備或研磨環境的狀態的製程參數（「狀態參數」）包括以下：研磨支撐環壽命；研磨墊壽命；研磨墊調節盤壽命；研磨墊類型：和研磨漿（「漿料」）的類型。支撐環、墊、和調節盤是研磨設備中的消耗元件（「消耗品」）的範例。這些消耗品的狀況或「壽命」可以被描述為，例如，處理的晶圓的計數；實際晶圓研磨時間；或自安裝以來經過的總時間。

透過CMP製程研磨的典型晶圓具有一層具有將平面化的表面拓撲的材料。CMP製程的目標是達到所欲之材料移除輪廓，其是在研磨製程之後在經研磨的層的厚度上之變化的一維或二維圖。由於不同的晶粒（die）設計具有不同的基礎電晶體和互連圖案，例如由於不同的圖案密度，表面拓撲是在晶圓與晶圓間變化。這些因素以複雜的方式與CMP製程相互作用，這導致具有不同晶粒設計的晶圓之間的不同的研磨行為。此外，即使具有相同晶粒設計的晶圓也可能具有不同的研磨行為，這是由於沉積或蝕刻的上游製程的變化。因此，通常需要不同的CMP控制參數，至少對於具有不同晶粒設計的晶圓，並可能對於具有相同晶粒設計的個別晶圓，來實現所欲之材料移除輪廓。材料移除輪廓有時具有徑向相依性，這部分原因在於研磨頭的軸向對稱和旋轉。因此，經常調節以實現所欲之徑向輪廓的一個控制參數是徑向腔室52a-52c的壓力。

研磨設備20可以實施晶圓至晶圓的控制。晶圓至晶圓的控制可以提供在廣泛的設計和晶圓的不均勻性上達到目標材料移除輪廓的改善的可能性。晶圓至晶圓回饋控制方法使用關於先前處理的基板的資訊來改善後續基板的處理。晶圓至晶圓回饋控制方法可以由i-APC模組94實施。

在控制器90的範例實施中，i-APC模組94基於初始製程模型產生初始控制參數值的集，並將初始控制參數值的集提供給工具控制模組92。工具控制模組92可接著使用所接收的控制參數值來控制研磨系統。

在使用者定義的時間段上處理一或多個基板之後，i-APC模組94可使用關於基板的資料，以藉由產生新的製程模型或更新初始製程模型來改善初始製程模型。例如，使用者定義的用於生成新的製程模型或更新初始製程模型的時間段可以在研磨的基板的數量上測量，例如5、10、25、或100個晶圓，或者晶圓的「批次（lot）」（晶圓通常以「批次」運輸和處理；典型的批量為25個晶圓）。作為另一範例，使用者定義的時間段可以被定義為消耗品的壽命的一部分，例如研磨墊壽命。這種模型的產生或更新可以離線實行，或獨立於研磨設備的操作。

改善的製程模型可接著用以為後續基板產生一組改善的控制參數值。透過i-APC模組94改善的製程模型可以透過最小化目標材料移除輪廓與在基板上實現的實際輪廓之間的誤差，來達到改善的研磨均勻性控制。

i-APC模組94實行包括從經處理的晶圓收集和處理資料來改善未來晶圓的處理的任務。收集的資料可包括來自各種晶圓計量工具（「監控系統」）的產品晶圓的上游和下游計量資料。上游計量資料可包括沉積層的厚度圖和相關聯的GOF值。下游計量資料可包括研磨層的厚度圖和相關聯的GOF值，或表面粗糙度值。i-APC模組94可使用GOF值來判定厚度值是否夠可靠以用於製程模型發展。i-APC模組94將這些資料與在特定晶圓的處理期間使用的控制和狀態參數配對，並將其儲存於資料日誌中。資料日誌可以以各種方式組織，包括按晶圓ID、設計ID、批次ID、工具ID等來分組。資料日誌通常用以監控CMP製程的行為中的趨勢和漂移，並採取修正動作。由於它們的大小，資料日誌可以儲存於控制器90的一部分的一或多個伺服器中。

在一些實施中，i-APC模組94儲存將處理的每個晶圓的所欲厚度輪廓。使用所欲厚度輪廓，i-APC模組94可透過自沉積層的厚度圖中減去所欲之厚度輪廓來產生目標材料移除輪廓。

可以以各種方式產生製程模型。例如，可以透過處理多個覆蓋晶圓來產生用於描述腔室壓力影響的製程模型，該等多個覆蓋晶圓是具有均勻的待研磨的膜的層的未圖案化晶圓，其作為用於具有圖案的產品晶圓的取代物（proxy）。透過將覆蓋晶圓研磨一段固定的時間並測量所得到的材料去除輪廓，可以使用Preston方程式來判定一組腔室壓力和材料移除率之間的關係。 Preston方程式描述： 材料移除率（MRR）= K_p *V*P 方程式1

其中V是研磨墊表面相對於被研磨的基板表面的速度，P是施加到倚著研磨墊而待研磨的晶圓的徑向區域的壓力，而K_p 是稱為Preston係數的比例常數。速度、壓力、和研磨時間是已知和受控制的變數，因此每個區域的K_p 可以以代數操作來判定。包含來自覆蓋晶圓的研磨的Preston係數的所得的Preston方程式組是基線製程模型的範例。i-APC模組94可接著使用此基線製程模型來產生一組初始控制參數，以用於處理後續產品晶圓。儘管討論了用於建模腔室壓力影響的製程模型，但是可以以此方式產生用於其他控制參數的製程模型。

然而，由於在覆蓋晶圓和產品晶圓之間的表面拓撲上的差異，基線製程模型可能無法達到在研磨產品晶圓上的目標材料移除輪廓。在這種情況下，i-APC 94試圖透過研磨多個產品晶圓的多次重複來找到一組校正因子（「偏移（offsets）」），以改善產品晶圓上達到的材料移除輪廓。i-APC模組94最終判定，或收斂，於可被與基線製程模型一起使用以用於研磨產品晶圓的偏移。然而，偏移的此判定可以採用多個產品晶圓的研磨，在此期間研磨的晶圓較不太可能滿足目標移除輪廓，因此更可能被拒絕，從而不利地影響研磨製程的產量。

應該最小化用於偏移收斂的產品晶圓的消耗，因為他們是有價值的、昂貴的、並且數量有限。在達到偏移收斂之前減少被拒絕的產品晶圓數量的一種方法是提供一種改善的製程模型，該模型更完全地和準確地捕捉各種製程參數的影響。在一些實施中，i-APC模組94被配置以提供改善的製程模型。改善製程模型的品質的一種方法是實施一個製程模型，該製程模型採納（1）目標材料移除輪廓和（2）反映研磨設備條件的狀態參數作為輸入，並輸出一組估計的控制參數（例如，腔室壓力），該組參數可達到目標材料移除輪廓。

材料移除速率受到研磨設備的狀態參數114的影響，例如由於各種消耗品的磨損所導致的壽命或年齡。例如，研磨墊可能由於老化而經歷彈性降低或表面粗糙度的降低。在CMP製程期間，支撐環可能被研磨掉而變得更薄。研磨墊調節盤可能變鈍並且具有減小的墊調節能力。消耗品的特性的這些變化可能影響研磨行為。因此，具有相同設計的晶圓可能需要針對不同狀態參數的不同組的控制參數，來實現目標材料移除輪廓。因此，將狀態參數結合到製程模型中可能導致更好的控制參數估計。

類神經網路可用於回應於製程參數來建模半導體處理系統（例如，CMP系統）的行為（例如，移除輪廓）。類神經網路是基於大量簡單的神經單元（人工神經元）的集合。每個個別的的神經單元使用總和函式（summation function）計算相應的輸出、或啟動（activation）。在每個連接和在單元本身上可能存在有閾值函式或限制函式，使得信號在傳播到其他神經元之前必須超過該限制。這種閾值函式可包括雙曲正切（hyperbolic tangent）或S形（sigmoid）函式。

訓練類神經網路，而不是明確地程式化。換句話說，類神經網路不需要所建模的製程的功能相依性的先驗知識（a priori knowledge）。而是，可以透過向類神經網路提供足夠大且具有代表性的訓練資料集來訓練類神經網路；這種技術稱為監督式機器學習。因為類神經網路可以擅長於建模難以以函式關係表達的輸入和輸出間的複雜關係，因此類神經網路可以為控制半導體處理系統，例如CMP系統，提供顯著的優勢。

第3圖示出了由i-APC模組94實施的功能方塊。i-APC模組94包括類神經網路輸入變數集110，其包括目標移除輪廓112和狀態參數114、中性網路120、以及初始化半導體處理系統的工具控制模組92的製程初始化模組130，例如，CMP工具，其具有類神經網路的輸出。這些功能方塊可以分散在多個電腦上。

中性網路120包括用於來自類神經網路輸入變數集110的每個輸入變數的複數個輸入節點122、複數個隱藏節點124（以下亦稱為「中間節點」）、以及將會產生將被用於初始化的製程參數的複數個輸出節點126。在具有單層隱藏節點的類神經網路中，每個隱藏節點124可以耦合到每個輸入節點122，並且每個輸出節點126可以耦合到每個隱藏節點124。

一般而言，隱藏節點124輸出一個值，該值是來自隱藏節點所連接的輸入節點122的值的加權的和的非線性函式。

例如，指定節點k的隱藏節點124的輸出可表示為： Tanh(0.5∗𝑎_{𝑘 1} (I₁ )+𝑎_{𝑘 2} (I₂ )+…+𝑎_{𝑘 M} (I_M )+𝑏_𝑘 ) 方程式2

其中tanh是雙曲正切， a _kx 是第k個中間節點和第x個輸入節點（M個輸入節點中）之間連接的權重，且I_M 是第M個輸入節點的值。然而，可以使用其他非線性函式代替tanh，例如線性整流單元（rectified linear unit，ReLU）函式及其變體或S形（sigmoid）函式。

第4圖示出了用於在CMP製程中訓練和使用類神經網路模型的範例製程400。在用於產生基線控制參數之前，需要配置中性網路120。可以藉由使用各種監督學習方法透過訓練來配置類神經網路120。監督學習方法的一個範例是反向傳播（backpropagation），前向刺激的使用來重置「前」神經單元或輸入節點122上的權重。

在可以訓練類神經網路之前，i-APC控制模組94收集足夠量的訓練資料（410）。訓練資料包括已被測量的一組輸入和輸出對，且因此已知是真實的。例如，由i-APC控制模組94維護的資料日誌可用以為每個基板取得在處理期間的狀態參數114；目標移除輪廓112；處理期間所使用的控制參數；和經測量的移除輪廓。接著分析所取得的資訊以判定其作為訓練範例的適合性。在目前的範例中，將測量的移除輪廓與目標輪廓進行比較。如果兩者之間的差異足夠小以至於在製程的規範內，則資料被判定是合適的訓練範例。然而，應注意，CMP研磨行為可以在具有不同設計的基板之間實質地變化。因此，將訓練資料進一步分類為不同的晶粒設計以用於建立設計特定的類神經網路可能是有益的。一旦收集到足夠數量的此類訓練範例，則訓練開始。

i-APC控制模組94訓練類神經網路120（420），例如，透過反向傳播。反向傳播是傳播和權重更新的兩階段循環。在傳播循環期間，呈現給網路的輸入向量（例如，來自訓練範例的目標移除輪廓和狀態參數）是逐層傳播通過網路，直到其到達輸出層。接著使用消耗（cost）函式將網路的輸出與記錄的輸出（例如，來自訓練範例的控制參數）進行比較，並且計算輸出層中的每個神經元的誤差值。消耗函式或損失函式是將一或多個變數的值映射到直覺上表示與事件相關聯的一些「消耗（cost）」的實數的函式。接著，從輸出開始向後傳播誤差值，直到每個神經元具有相關的誤差值，該誤差值粗略地表示其對原始輸出的貢獻。反向傳播使用這些誤差值來計算損失函式相對於網路中的權重的梯度。接著在權重更新階段，反向傳播方法使用這些誤差值來更新權重，以試圖最小化損失函式。

i-APC控制模組94判定訓練的類神經網路是否準確（430）。在訓練階段420完成後，應驗證類神經網路的準確性。準確性的驗證，例如，可以包括以其推理模式操作類神經網路，向其提供先前使用的訓練輸入，並判定輸出是否一致，或者是否足夠接近訓練資料中的正確輸出。如果類神經網路輸出不夠準確，則該過程返回到步驟410以收集額外的訓練資料。如果輸出是準確的，則已準備好可使用類神經網路。

i-APC控制模組94使用訓練的類神經網路（440）來產生製程參數。在推理模式中，類神經網路回應於目標材料移除輪廓112和狀態參數114來輸出要用於初始化的製程參數。

在一些實施中，針對每個晶圓設計產生並訓練個別的類神經網路。在這樣的實施中，i-APC控制模組94維護類神經網路庫資，並且控制器選擇針對目前晶圓設計所訓練的類神經網路以初始化製程。

類神經網路120的架構可以在深度和寬度上變化。例如，儘管類神經網路120被示為具有單欄的中間節點124，但是它可以包括多個欄。中間節點124的數量可以等於或大於輸入節點122的數量。

在一些實施中，參照至第5圖，i-APC控制模組94可配置為具有多個類神經網路120。類神經網路120可以平行操作以產生針對每個區域的腔室壓力值。類神經網路的數量可以匹配區域的數量。例如，可以有用於第一區域12a的第一類神經網路120a、用於第二區域12b的第二類神經網路120b、和用於第三區域12c的第三類神經網路。每個類神經網路120的輸出可以被饋送到製程初始化模組130。

類神經網路的訓練可以是計算密集（computationally intensive）的。因此，在一些實施中，類神經網路的訓練可以離線完成，例如，當CMP工具正進行維護時。在其他實施中，可以在作為控制器90的一部分的分離的伺服器上完成訓練。在一些其他實施中，訓練可以在不是控制器90的一部分的伺服器中完成，該伺服器向控制器提供預訓練的類神經網路。

由於類神經網路的輸入變數所未考量的因素（例如，不被認為是消耗品的部件的磨損），CMP製程的行為可能隨時間緩慢地改變。因此，在一些實施中，可實行類神經網路的週期性再訓練來克服此變化。

本說明書中描述的實施例和所有功能操作可以在數位電子電路中實施，或是在電腦軟體、韌體、或硬體中實施，包括本說明書中揭示的結構構件及其結構均等物，或者它們的組合。實施例可實施為一或多個電腦程式產品，即，有形地實施在機器可讀取儲存媒體中的一或多個電腦程式，用於由資料處理裝置（例如，可程式處理器、電腦、或多個處理器或電腦）執行或控制其操作。電腦程式（也稱為程式、軟體、軟體應用程式、或代碼）可以以任何形式的程式語言編寫，包括編譯（compiled）或解譯（interpreted）語言，並且可以以任何形式進行部署，包括作為獨立程式或作為模組、元件、子常式、或其他適合在計算環境中使用的單元。電腦程式不一定對應於檔案。程式可以儲存在保存其他程式或資料的檔案的一部分中，在專門用於所討論的程式的單一檔案中，或者在多個協同的檔案中（例如，儲存一或多個模組、子程式、或代碼的部分的檔案）。電腦程式可以部署以執行於一台電腦上，或是執行於一個站台上或分散於多個站台且由通訊網路互連的多個電腦上。

本說明書中描述的程序和邏輯流程可以由執行一或多個電腦程式的一或多個可程式處理器實行，以透過對輸入資料實行操作並產生輸出來實行功能。程序和邏輯流程也可以由專用邏輯電路實行，且設備也可以實施為專用邏輯電路，例如，FPGA（場式可程式閘陣列）或ASIC（特殊應用積體電路）。

上述研磨設備和方法可以應用於各種研磨系統中。研磨墊或承載頭或兩者都可以移動以提供研磨表面和基板之間的相對運動。例如，平臺可以繞軌道旋轉（orbit）而不是旋轉（rotate）。研磨墊可以是固定到平臺上的圓形（或一些其他形狀）墊。研磨系統可以是線性研磨系統，例如，其中研磨墊是線性移動的連續或捲軸至捲軸帶。研磨層可以是標準（例如，具有或不具有填料的聚氨酯）研磨材料，軟材料、或固定研磨（fixed-abrasive）材料。相對定位的用語是使用相對定向或元件的定位；應理解，研磨表面和基板可以相對於重力保持垂直定向或一些其他定向。

已描述特定實施例。其他實施例是在以下申請專利範圍的範疇內。

12a‧‧‧區域 12b‧‧‧區域 12c‧‧‧區域 20‧‧‧研磨設備 22‧‧‧平臺 23‧‧‧軸 24‧‧‧馬達 26‧‧‧驅動軸 30‧‧‧研磨墊 32‧‧‧外研磨層 34‧‧‧背襯層 40‧‧‧研磨液供應埠 42‧‧‧研磨液 50‧‧‧承載頭 51‧‧‧軸 52a‧‧‧腔室 52b‧‧‧腔室 52c‧‧‧腔室 54‧‧‧膜 56‧‧‧支撐環 60‧‧‧支撐結構 62‧‧‧驅動軸 64‧‧‧馬達 90‧‧‧控制器 92‧‧‧工具控制模組 94‧‧‧整合進階製程控制模組 110‧‧‧類神經網路輸入變數集 112‧‧‧目標移除輪廓 114‧‧‧狀態參數 120‧‧‧中性網路 122‧‧‧輸入節點 124‧‧‧隱藏節點 126‧‧‧輸出節點 130‧‧‧製程初始化模組 400‧‧‧製程 410‧‧‧步驟 420‧‧‧步驟 430‧‧‧步驟 440‧‧‧步驟

第1圖示出了研磨設備的範例的示意性剖視圖。

第2圖示出了具有多個區域的基板的示意性頂視圖。

第3圖示出了用作為研磨設備的整合進階製程控制模組的一部分的類神經網路。

第4圖示出了在CMP製程中使用類神經網路模型的範例製程。

第5圖示出了包括多個類神經網路的整合進階製程控制模組。

在各圖中相同的元件符號表示相同的元件。

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

94‧‧‧整合進階製程控制模組

110‧‧‧類神經網路輸入變數集

112‧‧‧目標移除輪廓

114‧‧‧狀態參數

120‧‧‧中性網路

122‧‧‧輸入節點

124‧‧‧隱藏節點

126‧‧‧輸出節點

130‧‧‧製程初始化模組

Claims (15)

1. 一種處理基板的方法，包括以下步驟：使第一複數個基板的每個相應的第一基板承受到改變該相應的第一基板的一外層的一厚度的一製程；對於每個相應的第一基板，記錄用於該製程的一組製程參數值，從而產生複數組的製程參數值，且紀錄用於該製程的至少一個狀態參數值，從而產生複數個狀態參數值；對於每個相應的第一基板，以一監控系統在該製程期間或在該製程之後測量該外層的一移除輪廓，從而產生複數個移除輪廓；使用該複數組的製程參數值、該複數個狀態參數值、和該複數個移除輪廓作為訓練資料來透過反向傳播訓練一人工類神經網路，該人工類神經網路具有複數個輸入節點，該等輸入節點之其中至少兩個被配置以從該移除輪廓接收相應的移除值且該等輸入節點之其中一或多個被配置以接收一或多個狀態參數值、複數個輸出節點以輸出控制參數值、以及將該等輸入節點連接到該等輸出節點的複數個隱藏節點；對於第二複數個基板中的每個相應的第二基板，判定一目標移除輪廓及一操作狀態參數值；對於每個相應的第二基板，透過將該目標移除輪廓 及針對該相應的基板的該操作狀態參數值應用於該人工類神經網路的該等輸入節點，來判定相應的控制參數值，以從該人工類神經網路的該等輸出節點應用至該相應的第二基板；和使用該等相應的控制參數值使每個相應的第二基板承受到該製程。
2. 如請求項1所述之方法，其中該製程包括化學機械研磨。
3. 如請求項2所述之方法，其中該等控制參數值包括一承載頭中的腔室的壓力，以將一基板保持倚著一研磨墊。
4. 如請求項2所述之方法，其中該等控制參數值包括以下之一或多個：一平臺轉速、承載頭轉速、或研磨時間。
5. 如請求項2所述之方法，其中該等狀態參數值包括以下一或多個：一支撐環壽命、或一研磨墊壽命。
6. 如請求項1所述之方法，其中該監控系統包括一在線計量系統(in-line metrology system)。
7. 如請求項6所述之方法，其中該在線計量系統包括一光學監控系統。
8. 如請求項1所述之方法，其中判定該目標移 除輪廓之步驟包括儲存一期望的厚度輪廓、接收該相應的第二基板的一經測量的厚度輪廓、以及判定該經測量的厚度輪廓與該期望的厚度輪廓之間的一差異。
9. 如請求項1所述之方法，其中接收該經測量的厚度輪廓包括以該監控系統測量該相應的第二基板的一厚度輪廓。
10. 一種用於控制一基板的處理的電腦程式產品，該電腦程式產品有形地實施於一非暫態電腦可讀取媒體中，並且包括用於使一處理器執行以下步驟之指令：使用複數組製程參數值、複數個狀態參數值、和複數個移除輪廓作為訓練資料來透過反向傳播訓練一人工類神經網路，該人工類神經網路具有複數個輸入節點，該等輸入節點之其中至少兩個被配置以從一移除輪廓接收相應的移除值且該等輸入節點之其中一或多個被配置以接收一或多個狀態參數值、複數個輸出節點以輸出控制參數值、以及將該等輸入節點連接到該等輸出節點的複數個隱藏節點；針對複數個基板中的每個相應的基板獲得一目標移除輪廓及一操作狀態參數值；對於每個相應的基板，透過將該目標移除輪廓及針對該相應的基板的該操作狀態參數值應用於該人工類 神經網路的該等輸入節點來判定相應的控制參數值，以從該人工類神經網路的該等輸出節點應用至該相應的基板；和使一半導體處理系統使用該等相應的控制參數值來使每個相應的基板承受該製程。
11. 如請求項10所述之電腦程式產品，其中該等控制參數值代表一承載頭中的腔室的壓力，以將一基板保持倚著一研磨墊。
12. 如請求項10所述之電腦程式產品，其中該等狀態參數值代表以下一或多個：一支撐環壽命、或一研磨墊壽命。
13. 一種研磨系統，包括：一支撐架，用以保持一研磨墊；一承載頭，用以保持與該研磨墊接觸的一基板，該承載頭具有複數個腔室；一馬達，用以在該支撐架和該承載頭之間產生相對運動；和一控制器，該控制器經配置以使用複數組製程參數值、複數個狀態參數值、和複數個移除輪廓作為訓練資料來透過反向傳播訓練一人工類神經網路，該人工類神經網路具有複數個輸入節點，該等輸入節點之其中至少兩個被配置以 從一移除輪廓接收相應的移除值且該等輸入節點之其中一或多個被配置以接收一或多個狀態參數值、複數個輸出節點以輸出控制參數值、以及將該等輸入節點連接到該等輸出節點的複數個隱藏節點，其中該等控制參數值包括用於該承載頭中的腔室的壓力；針對複數個基板中的每個相應的基板獲得一目標移除輪廓及一操作狀態參數值；對於每個相應的基板，透過將該目標移除輪廓及針對該相應的基板的該操作狀態參數值應用於該人工類神經網路的該等輸入節點來判定相應的控制參數值，以從該人工類神經網路的該等輸出節點應用至該相應的基板，其中該等相應的控制參數值包括用於該承載頭中的該等腔室的相應的壓力；和對於每個相應的基板，使得該承載頭在研磨期間將該等相應的壓力施加到該承載頭中的該等腔室。
14. 如請求項13所述之研磨系統，其中該等控制參數值表示該承載頭中的該複數個腔室的壓力。
15. 如請求項13所述之研磨系統，其中該等狀態參數值代表以下一或多個：一支撐環壽命、或一研磨墊壽命。

Images