使用机器学习确定基板轮廓特性制造技术

提供了一种用于训练机器学习模型来预测正在制造系统处被处理的当前基板的计量测量结果的方法。产生用于该机器学习模型的训练资料。产生第一训练输入，该第一训练输入包括关联于在该制造系统处被先前处理的先前基板的表面的历史光谱数据和/或历史非光谱数据。产生该第一训练输入的第一目标输出。该第一目标输出包括关联于在该制造系统处被先前处理的该先前基板的历史计量测量结果。提供数据以在(i)包括该第一训练输入的训练输入集、和(ii)包括该第一目标输出的目标输出集上训练该机器学习模型。器学习模型。器学习模型。

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习确定基板轮廓特性


[0001]本公开内容的实施方式大致关于制造系统，且更特定地关于确定基板的轮廓(profile)特性。

技术介绍

[0002]基板轮廓特性是能在基板在制造系统处被处理的期间或处理之后用于评估该基板的度量。典型地，基板轮廓特性是利用计量系统测量的，该计量系统与该制造系统处使用的制造工具分开。为了测量基板轮廓特性，基板从制造工具被移出并在计量系统处被测量。当在该计量系统处获得该基板的测量结果之后，该基板被送回该制造工具以供进一步处理。将基板从制造工具移出以在计量系统处测量该基板是一个昂贵的操作，其导致整体处理效率降低。由于从制造工具移出基板的成本所致，在制造系统处处理的少数基板被测量，导致在该制造系统处处理的全部基板中的低采样率。这些少数基板产生的测量结果被用于对在该制造工具处被处理的未经测量的其他基板进行处理决策。基于对少数基板所产生的测量结果所做出的处理决策会产生基板缺陷，在一些实例中且会产生对制造系统处的设备的破坏。

技术实现思路

[0003]所描述的实施方式中的一些涵盖一种用于训练机器学习模型来预测正在制造系统处被处理的当前基板的计量测量结果的方法。该方法包括产生用于该机器学习模型的训练数据。产生该训练数据的步骤包括产生第一训练输入，该第一训练输入包括关联于在该制造系统处被先前处理的先前基板的一部分的历史光谱数据和/或历史非光谱数据。产生该训练数据的步骤进一步包括产生该第一训练输入的第一目标输出，其中该第一目标输出包括关联于在该制造系统处被先前处理的该先前基板的历史计量测量结果。该方法进一步包括提供该数据以在下列两者上训练该机器学习模型：(i)包括该第一训练输入的训练输入集、及(ii)包括该第一目标输出的目标输出集。
[0004]在一些实施方式中，一种设备包括用于储存经训练的机器学习模型的存储器以及耦合至该存储器的处理装置。该处理装置用于提供关联于正在制造系统处被处理的当前基板的光谱数据和/或非光谱数据，以作为该经训练的机器学习模型的输入。该处理装置进一步用于从该经训练的机器学习模型获得一个或多个输出。该处理装置进一步用于从该一个或多个输出提取正在该制造系统处被处理的该当前基板的计量测量结果。
[0005]在一些实施方式中，一种非暂时性计算机可读取储存介质包括指令，当这些指令由处理装置执行时，使该处理装置接收关联于在制造系统处被处理的当前基板的输入光谱数据和/或输入非光谱数据。该处理装置进一步用于利用经训练的机器学习模型来处理关联于该当前基板的该输入光谱数据和/或输入非光谱数据。该处理装置进一步用于基于利用该经训练的机器学习模型对关联于该当前基板的该输入光谱数据和/或输入非光谱数据进行的处理，来获得一个或多个输出，该一个或多个输出指示正在该制造系统处被处理的
该当前基板的计量测量结果。
附图说明
[0006]在附图的各图中，以示例的方式而非限制的方式示出了本公开内容，各图中相似的附图标记表示相似的部件。应当注意，本公开内容中对“一”或“一个”实施方式的不同引用不一定指示同一实施方式，且此种引用意味着至少一个。
[0007]图1绘示了根据本公开内容多个方面的说明性计算机系统架构。
[0008]图2是根据本公开内容多个方面的用于训练机器学习模型的方法的流程图。
[0009]图3是根据本公开内容多个方面的示例制造系统的俯视示意图。
[0010]图4是根据本公开内容多个方面的基板测量子系统的示意性横截面侧视图。
[0011]图5示出了根据本公开内容多个方面的为基板收集到的光谱数据。
[0012]图6是根据本公开内容的多个方面的利用机器学习模型来估计基板的轮廓的计量值的方法流程图。
[0013]图7A～图7C示出了根据本公开内容的多个方面的示例GUI，其用于提供对基板的轮廓的估计计量值的指示。
[0014]图8描绘了根据本公开内容的一个或多个方面的示例性计算机系统操作的方块图。
具体实施方式
[0015]基板轮廓(例如包括三维(3D)结构的表面、包括非3D结构的表面、等等)的特性对于最后的经处理的基板的整体性能和/或制造系统处基板的整体制造产量来说是重要的。在一些实例中，可通过在制造系统处的基板处理期间或之后，产生该基板的计量测量结果来监测基板轮廓的特性。计量测量能包括蚀刻速率(即，在处理腔室中沉积在基板表面上的特定材料被蚀刻的速率)、蚀刻速率均匀性(即，在基板的表面的两个或更多个部分处的蚀刻速率的变化)、临界尺寸(即，用于测量基板的诸如线、列、开口、间隔等等的元件尺寸的测量单位)、临界尺寸均匀性(即，整个基板表面上的临界尺寸的变化)、边缘到边缘放置误差(edge to edge placement error,EPE)(即，在基板的表面上包括的预期特征与所产生的特征之间的差异)等。
[0016]本文中描述的实施方式提供用于训练及使用机器学习模型来预测正在制造系统处被处理的当前基板的计量测量结果的方法及系统。可利用针对在制造系统处被处理的先前基板的各个部分所收集的历史光谱数据来训练机器学习模型。光谱数据可对应于检测到的能量波的各个给定波长的检测到的能量波的强度(即，能量的量的强度)。在一些实施方式中，可在测量系统内包括的基板测量子系统处产生光谱数据。在其他的或类似的实施方式中，可在制造系统的另一部分处(例如处理腔室处)产生光谱数据。可将历史光谱数据作为训练输入提供给机器学习模型。也可利用针对先前基板的各个部分所收集的历史非光谱数据来训练机器学习。例如，可针对基板产生涡电流数据、电容数据等等，并将它们作为训练输入提供给机器学习模型。
[0017]在一些实施方式中，机器学习模型可利用历史光谱数据来被进一步训练，历史光谱数据指示关联于历史光谱数据的先前基板的部分。位置数据可指当基板的一部分的光谱
pod；FOUP)射频识别(radio frequency identification；RFID)读取器)。在一些实施方式中，计量设备128可以是计量系统的一部分，该计量系统包括计量服务器(例如，计量数据库、计量文件夹等)及计量标识符读取器(例如，用于计量系统的FOUP RFID读取器)。
[0022]制造设备124可遵循配方或在一段时间内执行运行来生产产品。制造设备124可包括基板测量子系统，该子系统包括嵌入在基板测量子系统内的一个或多个传感器126，传感器126被配置为产生基板的光谱数据和/或位置数据。被配置为产生光谱数据的传感器126(本文称为光谱感测部件)可包括反射计传感器、椭偏传感器、热光谱传感器、电容传感器等。在一些实施方式中，光谱感测部件可包括在基板测量子系统或制造系统的另一部分中。一个或多个传感器126(例如，涡电流传感器等)也可被配置为产生基板的非光谱数据。参考图3及图4提供关于制造设备124及基板测量子系统的进一步细节。
[0023]在一些实施方式中，传感器126可提供与制造设备124相关联的传感器数据。传感器数据可包括温度(例如，加热器温度)本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练机器学习模型的方法来预测正在制造系统处被处理的当前基板的计量测量结果的方法，所述方法包含下列步骤：产生用于所述机器学习模型的训练数据，其中产生所述训练数据的步骤包含下列步骤：产生第一训练输入，所述第一训练输入包含关联于在所述制造系统处被先前处理的先前基板的一部分的历史光谱数据或历史非光谱数据中的至少一者；及产生所述第一训练输入的第一目标输出，其中所述第一目标输出包含关联于在所述制造系统处被先前处理的所述先前基板的历史计量测量结果；及提供所述训练数据，以在(i)包含所述第一训练输入的训练输入集、和(ii)包含所述第一目标输出的目标输出集上训练所述机器学习模型。2.根据权利要求1所述的方法，其中产生所述第一训练输入的步骤包含下列步骤：从所述制造系统的基板测量子系统接收所述先前基板的所述一部分的第一组测量结果，其中所述第一组测量结果包含所述先前基板的所述一部分的所述历史光谱数据或所述历史非光谱数据中的至少一者，及其中所述第一训练输入是基于所接收的所述先前基板的所述一部分的所述第一组测量结果所产生的。3.根据权利要求1所述的方法，其中产生所述第一目标输出的步骤包含下列步骤：从通信耦合至所述制造系统的一量系统接收关联于在所述制造系统处被先前处理的所述先前基板的所述历史计量测量结果，其中所述第一目标输出是基于所接收的所述历史计量测量结果所产生的。4.根据权利要求1所述的方法，其中产生所述第一目标输出的步骤包含下列步骤：从所述制造系统的客户端装置接收关联于在所述制造系统处被先前处理的所述先前基板的所述历史计量测量结果，其中所述第一目标输出是基于所接收的所述历史计量测量结果所产生的。5.根据权利要求1所述的方法，进一步包含下列步骤：产生第二训练输入，所述第二训练输入包含历史位置数据，所述历史位置数据指示关联于所述历史光谱数据或所述历史非光谱数据中的至少一者的所述先前基板的所述一部分，其中所述训练输入集进一步包含所述第二训练输入。6.根据权利要求5所述的方法，其中产生所述第二训练输入的步骤包含下列步骤：从基板测量子系统接收所述先前基板的所述一部分的第一组测量结果，其中所述第一组测量结果包含所述先前基板的所述一部分的所述历史光谱数据或所述历史非光谱数据中的至少一者、以及所述历史位置数据，所述历史位置数据指示关联于所述历史光谱数据或所述历史非光谱数据中的至少一者的所述先前基板的所述一部分，并且其中所述第一训练输入是基于所接收的所述先前基板的所述一部分的所述第一组测量结果所产生的。7.根据权利要求1所述的方法，其中所述训练输入集的各训练输入映射至所述目标输出集的目标输出。8.根据权利要求1所述的方法，其中所述机器学习模型被配置为产生一个或多个输出，所述一个或多个输出指示正在所述制造系统处被处理的所述当前基板的计量测量的置信水平。9.一种设备，包含：
存储器，用于储存经训练的机器学习模型；及处理装置，耦合至所述存储器，所述处理装置用于：提供关联于正在制造系统处被处理的当前基板的光谱数据或非光谱数据中的一者或多者，以作为所述经训练的机器学习模型的输入；从所述经训练机器的学习模型获得一个或多个输出；及从所述一个或多个输出提取正在所述制造系统处被处理的所述当前基板的计量测量结果。10.根据权利要求9所述的设备，其中所述处理装置进一步用于：从所述制造系统的基板测...

【专利技术属性】
技术研发人员：乌彭铎，
申请(专利权)人：应用材料公司，
类型：发明
国别省市：