Search

JP-2026514692-A - プラズマのラジカル種フラックスをモニタリングするための方法及びシステム

JP2026514692AJP 2026514692 AJP2026514692 AJP 2026514692AJP-2026514692-A

Abstract

処理チャンバ内のプラズマベースの処理をモニタリングする方法は、プラズマベースの処理中に、処理チャンバに関連付けられた第１の位置で第１の温度を測定することと、第１の温度に基づいて、プラズマベースの処理に関連付けられた第１のラジカル種フラックスを表す値を決定することとを含む。本方法は、ラジカル種フラックスを表す値がラジカル種フラックスドリフト閾値を満たすかどうかを判定するための訓練された機械学習モデルを含む。 【選択図】図２

Inventors

  • ヒルケン， マーティン
  • コーフマン－オズボーン， トービン
  • チョ， ユンイル

Assignees

  • アプライド マテリアルズ インコーポレイテッド

Dates

Publication Date
20260513
Application Date
20240813
Priority Date
20230815

Claims (20)

  1. 方法であって、 プラズマベースのプロセス中に、処理チャンバに関連付けられた第１の位置で第１の温度を測定することと、 前記第１の温度に基づいて、前記プラズマベースのプロセスに関連付けられた第１のラジカル種フラックスを表す値を決定することと、 を含む、方法。
  2. 前記第１の位置が、前記プラズマベースのプロセス中にプラズマが流れる前記処理チャンバへの入口を含む、請求項１に記載の方法。
  3. 前記ラジカル種フラックスを表す前記値を決定することが、前記ラジカル種フラックスを表す前記値を出力する訓練された機械学習モデルに前記温度を入力することを含む、請求項１に記載の方法。
  4. 前記プラズマベースの処理中に、前記処理チャンバに関連付けられた第２の位置で第２の温度を測定することと、 前記第２の温度に基づいて、前記プラズマベースの処理に関連付けられた第２のラジカル種フラックスを表す第２の値を決定することと をさらに含む、請求項１に記載の方法。
  5. 第２の位置が、前記処理チャンバの排気ラインを含む、請求項１に記載の方法。
  6. 前記ラジカル種フラックスを表わす決定された値が基準を満たすかどうかを判定することと、 ラジカル種フラックスを表す値が基準を満たしていると判定されたことに応じて、メンテナンスをスケジューリングすることと、 をさらに含む、請求項１に記載の方法。
  7. 前記温度を測定することが第１の時間に実行され、 前記プラズマベースのプロセス中の前記第１の位置で第２の時間に第２の温度を測定することであって、前記プラズマベースのプロセスが前記処理チャンバのためのシーズニングプロセスを含む、第２の温度を測定することと、 前記第２の温度に基づいて、第２のラジカル種フラックスを表す第２の値を決定することと、 前第２の値と第１の値との間の差を特定するために、前記第２の値を前記第１の値と比較することと、 前記第２の値と前記第１の値との間の前記差が基準を満たすかどうかを判定することと、 前記差が前記基準を満たしていると判定されたことに応じて、前記シーズニングプロセスを停止することと、 をさらに含む、請求項１に記載の方法。
  8. 前記温度を測定することが第１の時間に実行され、 第２の時間における第２のプラズマベース処理の間に、前記第１の位置で第２の温度を測定することであって、前記第２のプラズマベース処理は前記プラズマベース処理と同じ処理である、第２の温度を測定することと、 前記第２の温度に基づいて、第２のラジカル種フラックスを表す第２の値を決定することと、 前記第２の値と第１の値との間の差を特定するために、前記第２の値を前記第１の値と比較することと、 前記第２の値と前記第１の値との間の前記差が基準を満たすかどうかを判定することと、 前記差が前記基準を満たしていると判定したことに応じて、メンテナンスをスケジューリングすることと をさらに含む、請求項１に記載の方法。
  9. 前記基準が、ラジカル種フラックスドリフト閾値を含み、前記基準が、前記ラジカル種フラックスドリフト閾値を満たす又は超える前記差に応じて満たされる、請求項８に記載の方法。
  10. 方法であって、 処理チャンバで実行されるプラズマベースのプロセスに関連付けられた訓練データセットを受信することであって、前記訓練データセットが、複数のデータ項目を含み、複数の訓練データ項目の各データ項目が、前記処理チャンバに関連付けられた位置における温度センサによって生成された温度測定値と、前記処理チャンバの状態を示すラベルとを含む、訓練データセットを受信することと、 訓練された機械学習モデルを生成するために、訓練データセットを使用して機械学習モデルを訓練することであって、前記訓練された機械学習モデルが、その位置において前記温度センサによって生成された温度測定値を受信し、前記温度に基づいて、前記プラズマベースのプロセスに関連するラジカル種フラックスを表す値を決定するよう訓練される、機械学習モデルを訓練することと、 を含む、方法。
  11. 前記機械学習モデルが、前記温度に基づいて、メンテナンスイベントが完了した後に前記処理チャンバで実行されるシーズニングプロセスがいつ完了するかを予測するようにさらに訓練される、請求項１０に記載の方法。
  12. 前記機械学習モデルが、前記温度に基づいて、前記処理チャンバに関連するメンテナンスをいつ実行するかを予測するようにさらに訓練される、請求項１０に記載の方法。
  13. システムであって、 プラズマベースの処理を実行するよう構成された処理チャンバと、 前記処理チャンバに関連付けられた第１の位置にある温度センサであって、前記プラズマベースのプロセス中に１つ以上の温度測定値を生成するための温度センサと、 コンピューティングデバイスであって、 前記プラズマベースのプロセス中に前記温度センサによって生成された第１の温度測定値を受信することと、 前記第１の温度に基づいて、前記プラズマベースのプロセスに関連付けられた第１のラジカル種フラックスを表す値を決定することと、 を行うよう構成されたコンピューティングデバイスと を備える、システム。
  14. 前記第１の位置が、前記プラズマベースの処理中にプラズマが流れる前記処理チャンバへの入口を含む、請求項１３に記載のシステム。
  15. 前記ラジカル種フラックスを表す前記値を決定するために、前記コンピューティングデバイスは、前記ラジカル種フラックスを表す前記値を出力する訓練された機械学習モデルに前記温度を入力することになる、請求項１３に記載のシステム。
  16. 前記システムが、 前記処理チャンバに関連付けられた第２の位置にある第２の温度センサであって、前記プラズマベースのプロセス中に１つ以上の追加の温度測定値を生成するための第２の温度センサ を備え、前記コンピューティングデバイスは、 第２の温度測定値を受信すること、及び 前記第２の温度測定値に基づいて、前記プラズマベースの処理に関連付けられた第２のラジカル種フラックスを表す第２の値を決定すること、 を行うようさらに構成されている、 請求項１３に記載のシステム。
  17. 前記第２の位置が、前記処理チャンバの排気ラインを含む、請求項１６に記載のシステム。
  18. 前記コンピューティングデバイスが、 前記ラジカル種フラックスを表わす決定された値が基準を満たすかどうかを決定することと、 ラジカル種フラックスを表す値が基準を満たしていると判定されたことに応じて、メンテナンスをスケジューリングすることと を行うようにさらに構成されている、請求項１３に記載のシステム。
  19. 前記温度の前記測定が第１の時点で実行され、前記コンピューティングデバイスが、 前記温度センサによって生成された第２の温度の測定値を第２の時間に受信することであって、前記プラズマベースのプロセスが、前記処理チャンバのためのシーズニングプロセスを含む、第２の温度測定値を受信することと、 前記第２の温度に基づいて、第２のラジカル種フラックスを表す第２の値を決定することと、 前記第２の値を第１の値と比較して、前記第２の値と前記第１の値との間の差を特定することと、 前記第２の値と前記第１の値との間の差が基準を満たすかどうかを判定することと、 前記差が前記基準を満たしていると判定されたことに応じて、前記シーズニングプロセスを停止することと、 を行うように構成されている、請求項１３に記載のシステム。
  20. 前記温度の前記測定が第１の時点で実行され、前記コンピューティングデバイスが、 前記温度センサによって生成された第２の温度の測定値を第２の時間に受信することであって、第２のプラズマベースのプロセスが、前記プラズマベースのプロセスと同じプロセスである、第２の温度測定値を受信することと、 前記第２の温度に基づいて、第２のラジカル種フラックスを表す第２の値を決定することと、 前記第２の値を第１の値と比較して、前記第２の値と前記第１の値との間の差を特定することと、 前記第２の値と前記第１の値との間の差が基準を満たすかどうかを判定することと、 前記差が基準を満たしていると判定されたことに応じて、メンテナンスをスケジューリングすることと を行うようにさらに構成されている、請求項１３に記載のシステム。

Description

［０００１］本開示の実施形態は、製造に関する。具体的には、本開示は、プラズマのラジカル種フラックスをモニタリングするためのシステム及び方法に関する。 ［０００２］従来、処理チャンバによって実行される製造レシピは、機械的に適用され、インシトゥ条件に反応しない静的レシピである。加えて、処理チャンバに対してメンテナンスを実施する時期、及び処理チャンバを再び稼働させる時期の決定が、設定されたスケジュール及び所定のレシピに基づいて静的に行われる。処理チャンバは、概して、処理レシピ、メンテナンス、ツール適格性等に関して自身で決定を行う自律性及び能力を有していない。 ［０００３］処理チャンバ、すなわちプラズマチャンバは、チャンバ内で処理される基板（例えば、ウエハ）の処理均一性を維持するために、理想的には定常状態に保たれる。定常状態条件は、良好なチャンバの健全性を維持することに依存する。チャンバの健全性は、正確な電力入力、機能的熱交換、及びその他の熱構成要素、漏れがないなどのパラメータを含み得る。 ［０００４］現在、チャンバの処理環境を監視して、すべてが所望のように機能していることを確認することは困難である。その代わりに、処理された基板の計測を使用して、チャンバがいつ所望の定常状態条件からの偏位を経験するかを決定する。これにより、結果的に基板の処理ミスが発生する可能性があり、コストが増大し、スループットが低下する。したがって、処理チャンバを監視するための改善された方法が必要とされている。 ［０００５］本明細書に記載されているのは、処理チャンバをモニタリングするための方法である。幾つかの実施形態において、本方法は、プラズマベースのプロセス中に、処理チャンバに関連付けられた第１の位置で第１の温度を測定することと、第１の温度に基づいて、プラズマベースのプロセスに関連付けられた第１のラジカル種フラックスを表す値を決定することとを含みうる。 ［０００６］いくつかの実施形態では、方法は、処理チャンバで実行されるプラズマベースの処理に関連する訓練データセットを受信又は生成することを含み得、訓練データセットは、複数のデータ項目を含む。複数の訓練データ項目の各データ項目は、処理チャンバに関連付けられた位置の温度センサによって生成された温度測定値と、処理チャンバの状態を示すラベルとを含み得る。本方法は、訓練データセットを使用して機械学習モデルを訓練することであって、訓練された機械学習モデルを生成し、その位置で温度センサによって生成された温度測定値を受信し、温度に基づいてプラズマベースのプロセスを用いてラジカル種フラックスを表す値を決定するよう訓練された、機械学習モデルを訓練することをさらに含む。 ［０００７］いくつかの実施形態では、システムは、プラズマベースの処理を実行するように構成された処理チャンバと、処理チャンバに関連付けられた第１の位置にある温度センサであって、プラズマベースの処理中に１つ又は複数の温度測定値を生成する温度センサと、コンピューティングデバイスとを含む。コンピューティングデバイスは、プラズマベースの処理中に温度センサによって生成された第１の温度測定値を受信し、第１の温度に基づいて、プラズマベースの処理に関連する第１のラジカル種フラックスを表す値を決定するように構成されている。 ［０００８］多数の他の特徴が、本開示のこれらの態様及び他の態様に従って提供される。本開示の他の特徴及び態様は、以下の詳細な説明、特許請求の範囲、及び添付の図面からより完全に明らかになるだろう。 ［０００９］本開示は、添付図面の図において、限定するものとしてではなく、例として示されており、添付の図面において、類似の参照番号は類似の要素を示している。本開示における「１つの（「ａｎ」又は「ｏｎｅ」）」実施形態に対する異なる言及は、必ずしも同じ実施形態に対するものではなく、そのような言及は少なくとも１つを意味することに留意すべきである。 一実施形態に係る、間接プロセスモニタリングセンサを備えた遠隔プラズマ源（ＲＰＳ）を有する処理ツールの平面図である。追加の実施形態に係る、ＲＰＳ及び複数の間接的なプロセス監視センサを有する処理ツールの平面図である。一実施形態による処理チャンバを含む処理ツールの断面図を示す。一実施形態に係る、処理チャンバを監視する方法のフロー図である。別の実施形態による、処理ツール及び／又は基板処理システムによる動作を実行する方法のフロー図である。処理チャンバを監視し、処理チャンバに対してメンテナンスを実行するタイミングを決定する方法のフロー図である。一実施形態に係る、処理チャンバに対してメンテナンスを実行するタイミングを自動的に決定する方法のフロー図である。一実施形態に係る、メンテナンスが実施された後にいつ処理チャンバを修理に戻すべきかを自動的に決定する方法のフロー図である。本明細書に記載の方法のうちの任意の１つ又は複数をマシンに実行させるための命令セットが実行され得るコンピューティングデバイスの例示形態のマシンの概略図を示す。 ［００１９］本明細書に記載の実施形態は、プラズマベースのプロセス中にプラズマのフラックス（例えば、ラジカル種フラックス）の量を監視する方法及び／又はシステムに関する。プラズマベースの処理が実施される場合、プラズマのラジカル種フラックスをモニタすることは困難である。プラズマ源によって生成されるラジカル種フラックスの再現性をモニタリングすることを可能にする堅牢な解決策は現在のところない。ラジカル種のモニタリングに発光分光法を使用することが試みられてきたが、このような技法は概して効果がなく、費用もかかる。本明細書に記載の方法及びシステムは、（例えば、測定値がラジカル種フラックス濃度に相関する非光学センサを使用することによって）非光学感知手段を使用してこれらの問題に対処し、効果的であると同時に安価であるプラズマベースの処理に関連するラジカル種フラックスの量を検出する方法及びシステムを可能にする。本システム及び方法は、ラジカルフラックスドリフトなどのラジカル種フラックスの変化する条件の検出をさらに可能にする。本開示の方法及びシステムは、インシトゥ（その場）又は遠隔プラズマ源のいずれかのプラズマ健全性のモニタリングを可能にする、低コストの非光学技術及びシステムである。 ［００２０］本開示の実施形態に係る方法及びシステムは、処理チャンバ内に既に存在し得る温度センサ、及び／又は処理チャンバに関連する排気若しくはフォアライン構成要素を利用して、ラジカル種のフラックスを検出する。方法およびシステムは温度センサを利用するため、処理チャンバに組み込むのは容易で低コストである。本開示の発明者らは、温度の小さな変化がラジカル種フラックスの変化と相関することを見出した。ラジカル種の流束に変化がある場合、プラズマベースのプロセスの１つ又は複数のパラメータ（例えば、エッチング速度、堆積速度、膜成長速度など）は、プロセス内のラジカルの密度も変化するにつれて変化する可能性が高い。 ［００２１］一実施形態では、プラズマベースの処理中に処理チャンバに関連付けられた第１の位置で第１の温度を測定することと、第１の温度に基づいて、プラズマベースの処理に関連付けられた第１のラジカル種フラックスを表す値を決定することとを含む方法が提供される。幾つかの実施形態では、測定された温度は、温度に基づいてラジカル種フラックスに関連する値を推定するように訓練された機械学習モデルに入力される。次いで、訓練された機械学習モデルは、温度に基づいて、ラジカル種フラックスに関連する現在の推定値を出力し得る。いくつかの実施形態では、機械学習モデルは、実際の推定ラジカル種フラックスを出力する。いくつかの実施形態では、訓練された機械学習モデルによって出力される値は、ラジカル種フラックスに比例するが、ラジカル種フラックスの実際の量を示すものではない。幾つかの実施形態では、処理チャンバは、当該技術分野で知られているような任意のチャンバ構成を有し得る。例えば、チャンバは、遠隔プラズマ源又はインシトゥプラズマ源を使用しうるプラズマエッチングチャンバ、プラズマ堆積チャンバなどでありうる。いくつかの実施形態では、プラズマベースのプロセスは、プラズマエッチング、プラズマ支援化学気相堆積（ＰＥＣＶＤ）、プラズマ原子層堆積、プラズマエッチングなどを含み得る。 ［００２２］幾つかの実施形態では、温度センサが配置される第１の位置は、プラズマベースの処理中にプラズマが流れる処理チャンバへの入口を含んでもよく、又は入口であってもよい。幾つかの実施形態では、第１の位置は、（例えば、遠隔プラズマ源からの）プラズマを処理チャンバに提供する真空ライン内の屈曲又は制限である。幾つかの実施形態では、第１の位置は、処理チャンバの内部である。幾つかの実施形態では、第１の位置は、処理チャンバの排気ラインにある。温度センサには、他の位置も使用されうる。 ［００２３］本方法の幾つかの実施形態では、ラジカル種フラックスを表す値を決定することは、ラジカル種フラックスを表す値を出力する訓練された機械学習モデルに温度を入力することを含む。 ［００２４］実施形態では、訓練された機械学習モデルは、遠隔コンピューティングデバイスではなく、処理チャンバ自体で実行されるエッジベースモデルである。機械学習モデルの訓練は、遠隔で実行されてもよく、その後、訓練された機械学習モデルは、処理チャンバに転送されてもよく、又は処理チャンバで実行されてもよい。機械学習モデルの訓練の再訓練又は更新は、処理チャンバ上で定期的に又は継続的に実行され得る。機械学習モデルの実行及び／又は訓練（再訓練を含む）を処理チャンバに対して行うことにより、センサ測定の生成とそのようなセンサ測定に基づく決定との間の待ち時間を大幅に短縮することができる。これにより、処理チャンバのリアルタイムの決定を行う能力が向上する。加えて、意思決定を処理チャンバに移動させることで、ネットワーク上で送信されるデータ量が減少し、効率が向上し、意思決定を行う速度が上がる。例えば、エッチング処理をいつ停止するかについての決定は、エッチング終点を検出するよう訓練された機械学習モデルを含む実施形態において、そのような決定をトリガするセンサデータが受信された時から、数秒又は数分以内で行われうる。 ［００２５］幾つかの実施形態では、本方法は、プラズマベースの処理中に処理チャンバに関連付けられた第２の位置で第２の温度を測定することと、第２の温度に基づいて、プラズマベースの処理に関連付けられた第２のラジカル種フラックスを表す第２の値を決定することとをさらに含み得る。幾つかの実施形態では、第２の位置は、処理チャンバの排気ラインを含み得る。 ［００２６］幾つかの実施形態では、処理チャンバへの入口の温度及び／又は処理の排気ラインの温度が安定している（例えば、変化していないか、又は時間と共に最小限しか変化しない）場合、プラズマフラックスは安定し得る。幾つかの実施形態では、処理チャンバの入口の温度が処理チャンバの出口の温度とほぼ同じである場合、処理チャンバは安定した状態に達し、基板の処理の準備が整っている可能性がある。幾つかの実施形態では、ラジカル種フラックスを決定するために（例えば、処理チャンバの入口及び／又は排気ライン及び／又は周囲の領域において）測定値が使用される１つ又は複数の温度センサの位置は、触媒材料を含み得る。幾つかの実施形態では、温度センサは、触媒材料に装着され得る。他の実施形態では、チャンバ部品は、ステンレス鋼、ニッケル、又は別の触媒材料から作られてもよい。幾つかの実施形態では、１つ又は複数の温度センサの位置は、ラジカル種が処理チャンバ内のその位置及び／又は屈曲に衝突し得る位置に関連する。触媒材料は、ステンレス鋼、白金、ニッケル、