Search

JP-2026514699-A - パラメータ生成のための注入装置プロセスモデルの反転

JP2026514699AJP 2026514699 AJP2026514699 AJP 2026514699AJP-2026514699-A

Abstract

パラメータ生成のために注入装置プロセスモデルを反転させる技法が説明される。本方法は、人工ニューラルネットワーク（ＡＮＮ）を含む逆制御モデルによって、イオン注入装置のプロセスパラメータのセット及び関連値を受信することと、逆制御モデルによって、プロセスパラメータのセット及び関連値に基づくイオン注入装置の制御パラメータのセット及び関連値を予測することと、電子ディスプレイのグラフィカルユーザインタフェース（ＧＵＩ）上に制御パラメータのセット及び関連値を提示することと、を含む。他の実施形態も記載され、特許請求される。 【選択図】図４

Inventors

  • スプレンクル， リチャード アレン

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
20240815
Priority Date
20230928

Claims (20)

  1. 方法であって、 人工ニューラルネットワーク（ＡＮＮ）を含む逆制御モデルによって、イオン注入装置のためのプロセスパラメータのセット及び関連値を受信することと、 前記逆制御モデルによって、前記プロセスパラメータのセット及び関連値に基づく前記イオン注入装置のための制御パラメータのセット及び関連値を予測することと、 電子ディスプレイのグラフィカルユーザインタフェース（ＧＵＩ）上に、前記制御パラメータのセット及び関連値を提示することと、 を含む、方法。
  2. 前記逆制御モデルが、入力制御ベクトルを受信しかつ出力プロセスベクトルを予測するように訓練された制御モデルから生成された訓練データセットにて訓練され、前記訓練データセットから重複データ点が除去される、請求項１に記載の方法。
  3. 前記逆制御モデルが、入力制御ベクトルを受信しかつ出力プロセスベクトルを予測するように訓練された制御モデル、及び前記入力制御ベクトルを受信しかつ出力品質指標ベクトルを予測するように訓練された品質指標制御モデルから生成された、逆訓練データセットにて訓練され、前記出力品質指標ベクトルからの１つ又は複数の品質指標パラメータに基づいて、前記逆訓練データセットから重複データ点が除去される、請求項１に記載の方法。
  4. 各制御パラメータが、前記イオン注入装置の構成要素の構成又は動作を制御するハードウェア又はソフトウェアの設定に対応する、請求項１に記載の方法。
  5. 各制御パラメータが、電荷パラメータ、エネルギーパラメータ、加速パラメータ若しくは減速パラメータ、ドーパント・流量パラメータ、希釈剤・流量パラメータ、ソースパラメータ、分析器パラメータ、補正器パラメータ、抑制パラメータ、焦点パラメータ、走査パラメータ、四重極レンズ電流パラメータ、又は加速後電圧パラメータを含む、請求項１に記載の方法。
  6. 各プロセスパラメータが、前記イオン注入装置によって生成されたイオンビームのビーム特性に関連付けられたメトリックに対応する、請求項１に記載の方法。
  7. 各プロセスパラメータが、ビーム高さパラメータ、ビーム幅パラメータ、半値全幅（ＦＨＨＭ）パラメータ、デバイス内垂直角度（ＶＷＩＤＡ）パラメータ、ＶＷＩＤＡ平均（ＶＷＩＤＡＭ）パラメータ、デバイス内水平角度（ＨＷＩＤＡ）パラメータ、ＨＷＩＤＡ平均（ＨＷＩＤＡＭ）パラメータ、ＶＷＩＤＡ標準偏差（ＶＷＩＤＡＳ）パラメータ、ＨＷＩＤＡ平均標準偏差（ＨＷＩＤＡＳ）パラメータ、真空インターフェース（ＶＩ）パラメータ、全幅パラメータ、スポットスコアパラメータ、エネルギーパラメータ、関心領域（ＲＯＩ）電流パラメータ、又は均一性パラメータ、を含む、請求項１に記載の方法。
  8. 前記逆制御モデルが、１つの入力層、１つ又は複数の隠れ層、及び出力層を含む回帰ニューラルネットワークを含み、前記１つ又は複数の隠れ層内の各ニューロンが、線形活性化関数を使用して入力データに対して計算を実行して連続的な出力値を生成し、前記線形活性化関数が、修正線形単位（ＲｅＬＵ）関数、漏れありＲｅＬＵ関数、又はパラメトリックＲｅＬＵ関数を含む、請求項１に記載の方法。
  9. 前記制御パラメータのセットに基づいて、前記イオン注入装置の構成要素を構成することを含む、請求項１に記載の方法。
  10. 方法であって、 複数のデータ点を含む第１の訓練データセットにて制御モデルを訓練することであって、各データ点が、入力制御ベクトル及び出力プロセスベクトルを含み、前記入力制御ベクトルが、イオン注入装置の制御パラメータの値を含み、前記出力プロセスベクトルが、前記イオン注入装置のプロセスパラメータの値を含む、制御モデルを訓練することと、 前記第１の訓練データセットの前記複数のデータ点を含む第２の訓練データセットにて品質指標制御モデルを訓練することであって、各データ点が、前記入力制御ベクトル、前記出力プロセスベクトル、及び前記出力プロセスベクトルに関連付けられた出力品質指標ベクトルを含む、品質指標制御モデルを訓練することと、 訓練された前記制御モデル及び訓練された前記品質指標制御モデルを使用して、第３の訓練データセットを生成することであって、前記第３の訓練データセットが複数のデータ点を含み、各データ点が入力制御ベクトル、出力プロセスベクトル、及び出力品質指標ベクトルを含む、第３の訓練データセットを生成することと、 前記第３の訓練データセット内の重複データ点を特定することであって、前記重複データ点は、異なる入力制御ベクトルに対して共有された出力プロセスベクトルを有する複数のデータ点を含むものである、重複データ点を特定することと、 前記重複データ点の出力品質指標ベクトルに基づいて、前記第３の訓練データセットから前記重複データ点を除去し、逆制御モデルを訓練するのに適した逆訓練データセットを形成することと、 を含む、方法。
  11. 複数のデータ点を含む前記逆訓練データセットにて前記逆制御モデルを訓練することを含み、各データ点が、固有の出力制御ベクトルに対応する固有の入力プロセスベクトルを含む、請求項１０に記載の方法。
  12. 前記第３の訓練データセットのデータ点から共有ベクトル空間に、入力制御ベクトル及び出力プロセスベクトルをマッピングすることと、 ベクトル間の距離の尺度に基づいて、各入力制御ベクトル及び各出力プロセスベクトルについて類似性スコアを生成することと、 前記類似性スコアに基づいて、重複データ点を特定することと、を含む、請求項１０に記載の方法。
  13. 前記第３の訓練データセットの各データ点の出力プロセスベクトルと出力品質指標ベクトルとを組み合わせて合成ベクトルにすることと、 前記第３の訓練データセットのデータ点から共有ベクトル空間に、入力制御ベクトル及び合成ベクトルをマッピングすることと、 ベクトル間の距離の尺度に基づいて、各入力制御ベクトル及び各合成ベクトルについて類似性スコアを生成することと、 前記類似性スコアに基づいて、重複データ点を特定することと、を含む、請求項１０に記載の方法。
  14. 前記第３の訓練データセットから、第１のデータ点の第１の出力プロセスベクトルと第２のデータ点の第２の出力プロセスベクトルとの間の差分値が、第１の既定の閾値を下回ると判定することと、 前記第１のデータ点の第１の入力制御ベクトルと前記第２のデータ点の第２の入力制御ベクトルとの間の差分値が、第２の既定の閾値を上回ると判定することと、 前記第１のデータ点と前記第２のデータ点とを重複データ点として特定し、前記第１の入力制御ベクトルと前記第２の入力制御ベクトルとを異なる入力制御ベクトルとして特定し、かつ前記第１の出力プロセスベクトルと前記第２の出力プロセスベクトルとを共有出力プロセスベクトルとして特定することと、を含む、請求項１０に記載の方法。
  15. 前記重複データ点の出力品質指標ベクトルに基づいて、前記第３の訓練データセットから前記重複データ点を消去することと、 前記逆制御モデルを訓練する前に、前記第３の訓練データセットから前記出力品質指標ベクトルを除去することと を含む、請求項１０に記載の方法。
  16. 前記第３の訓練データセット内に前記重複データ点を保持することと、 前記逆制御モデルを訓練する前に、前記第３の訓練データセット内に前記出力品質指標ベクトルを保持することと を含む、請求項１０に記載の方法。
  17. イオン注入装置であって、 イオンビームを生成するためのイオン源と、 前記イオンビームを基板に向けて方向付けるための少なくとも１つのビームライン構成要素と、 処理回路と、 前記処理回路に通信可能に連結されたメモリと、 を備え、前記メモリは命令を記憶しており、前記命令は、前記処理回路によって実行されると、前記処理回路に、 人工ニューラルネットワーク（ＡＮＮ）を含む逆制御モデルによって、前記イオン注入装置のためのプロセスパラメータのセット及び関連値を受信することであって、前記逆制御モデルが、プロセスパラメータのセット及び関連値を受信することと、 前記逆制御モデルによって、前記プロセスパラメータのセット及び関連値に基づく前記イオン注入装置のための制御パラメータのセット及び関連値を予測することと、 を実行させる、 イオン注入装置。
  18. 前記逆制御モデルが、入力制御ベクトルを受信しかつ出力プロセスベクトルを予測するように訓練された制御モデル、及び前記入力制御ベクトルを受信しかつ出力品質指標ベクトルを予測するように訓練された品質指標制御モデルから生成された、逆訓練データセットにて訓練され、前記出力品質指標ベクトルからの１つ又は複数の品質指標パラメータに基づいて、前記逆訓練データセットから重複データ点が除去される、請求項１７に記載のイオン注入装置。
  19. 前記逆制御モデルが、１つの入力層、１つ又は複数の隠れ層、及び出力層を含む回帰ニューラルネットワークを含み、前記１つ又は複数の隠れ層内の各ニューロンが、線形活性化関数を使用して入力データに対して計算を実行して連続的な出力値を生成し、前記線形活性化関数が、修正線形単位（ＲｅＬＵ）関数、漏れありＲｅＬＵ関数、又はパラメトリックＲｅＬＵ関数を含む、請求項１７に記載のイオン注入装置。
  20. 前記処理回路が、前記制御パラメータのセットに基づいて、前記イオン注入装置の前記少なくとも１つのビームライン構成要素を構成するものである、請求項１７に記載のイオン注入装置。

Description

関連出願の相互参照 ［０００１］本出願は、２０２３年９月２８日に出願された「Ｉｎｖｅｒｔｉｎｇ Ｉｍｐｌａｎｔｅｒ Ｐｒｏｃｅｓｓ Ｍｏｄｅｌ ｆｏｒ Ｐａｒａｍｅｔｅｒ Ｇｅｎｅｒａｔｉｏｎ」と題する米国出願第１８／３７４，５３１号に対する優先権の利益を主張し、かかる米国出願の全体が参照により本書に援用される。 ［０００２］イオン注入装置は、材料の特性をドーピング又は変更するために半導体産業で使用される装置である。ドーパントとして知られる不純物をターゲット材料に正確に導入して、トランジスタのような半導体デバイスを作り出すように特に設計されている。ターゲット材料は、通常、シリコンウエハである。このプロセスは、電場を使用してイオンを高速に加速し、ターゲット材料に向けて方向付けることを含む。加速されたイオンは、ターゲット材料の基板に浸透し、原子を置換し、基板内にドーパントの制御された分布を生み出す。イオン注入装置は、典型的に、所望のイオンを生成するイオン源、それらのエネルギーを増加させるアクセラレータ、所望のイオンを選択する質量分析器、及びイオンビームを方向付けて基板上に集束させるビームラインシステムなどの様々な構成要素を備える。エネルギー及び電流などの注入装置の設定は、所望のドーパント深さ及び濃度プロファイルを実現するために慎重に制御される。イオン注入装置は、イオンエネルギー及びドーズを正確に制御することにより、材料特性のカスタマイズを可能にする。集積回路の製造において極めて重要な役割を果たす。集積回路では、種々のドーパントが、トランジスタゲート、ソース、及びドレイン領域など、デバイスの機能性に必要な様々な領域を作り出す。全体として、イオン注入装置は、制御された不純物を材料に正確に導入するための半導体産業における重要なツールであり、高度な電子デバイスの作製を可能にする。 ［０００３］任意の特定の要素又は動作の議論を容易に識別するために、参照番号の中の最も重要な１つ又は複数の数字は、その要素が最初に導入された図番号を指す。 一実施形態によるイオン注入装置を示す。一実施形態によるイオン注入装置を示す。一実施形態に係る推論システムを示す。一実施形態による訓練システムを示す。一実施形態によるグラフィカルユーザインタフェース（ＧＵＩ）を示す。一実施形態に係るプロセスパラメータを示す。一実施形態に係るパラメータのセットを示す。一実施形態に係るパラメータのセットを示す。一実施形態に係るパラメータのセットを示す。一実施形態による訓練デバイスを示す。一実施形態に係る訓練システムを示す。一実施形態による人工ニューラルネットワークを示す。一実施形態に係る一組の活性化関数を示す。一実施形態に係る論理フローを示す。一実施形態に係る論理フローを示す。一実施形態によるコンピュータ可読媒体（ＣＲＭ）を示す。一実施形態による計算システムを示す。一実施形態による通信システムを示す。 ［００２２］実施形態は、概して、イオン注入装置の構成又は動作を制御するための人工知能（ＡＩ）及び機械学習（ＭＬ）技術を対象とする。いくつかの実施形態は、イオン源からシリコンウエハなどのターゲット材料にイオンビームが移動する際に、イオンビームを方向付け、制御し、成形するために、イオン注入装置の１つ又は複数の構成要素を自動的にチューニングするためのＡＩ及びＭＬ技術を特に対象とする。 ［００２３］一実施形態では、例えば、ソフトウェアアプリケーションは、論理回路又は処理回路による実行に適した命令を含み得る。ソフトウェアアプリケーションは、概して、イオン注入装置のチューニング工程を支援するように構成されている。ソフトウェアアプリケーションは、イオン注入装置の制御パラメータのセットを表す複数のＧＵＩ要素を提示するためのグラフィカルユーザインタフェース（ＧＵＩ）を含み、各制御パラメータは、制御パラメータのための１つ又は複数の値を提示するための関連情報フィールドを有する。制御パラメータは、概して、イオン注入装置の構成要素の特定の構成又は動作を制御するハードウェア又はソフトウェアの設定に対応する。ＧＵＩはまた、イオン注入装置のプロセスパラメータのセットを表す複数のＧＵＩ要素を提示し、各プロセスパラメータは、プロセスパラメータの設定可能な値を受信するための関連情報フィールドを有する。プロセスパラメータは、概して、イオン注入装置によって生成されたイオンビームのビーム特性、又はビーム特性に関連付けられたメトリック（ｍｅｔｒｉｃ）に対応する。 ［００２４］オペレータは、ＧＵＩを使用して、オペレータが関心を持つプロセスパラメータに関連付けられた情報フィールドに既定の閾値を選択又は入力することができ、本明細書ではプロセスパラメータのターゲットセットと呼ばれる。ソフトウェアアプリケーションは、プロセスパラメータのターゲットセット及び関連値を入力として受け入れるように訓練されたＭＬモデルを実装し、ＭＬモデルは、制御パラメータのセット及び関連値について予測又は推論を行い、イオン注入装置の様々な構成要素に適用されると、プロセスパラメータのターゲットセットと一致するビーム特性を有するイオンビームを生成する。これは、オペレータが、所与の用途のためのビーム特性の所望のセットに到達しようとする試みにおいて、手動で繰り返し制御パラメータを調整する必要がないため、従来の技術に対して著しい技術的利点を提供する。 ［００２５］背景として、イオン注入装置は、一連の光学素子を使用して、イオンを抽出し、正確なエネルギーまで加速し、様々な基板の特定の深さでイオンを注入するための安定した均一ビームを形成する。これらの高価な機械は、広範囲のイオン質量及び電荷状態にわたって作動し、シリコンウエハなどのターゲット材料上に所望の構造を実現するために様々な光学素子を操作する必要がある。構造物が小型化し、高くなるにつれて、オペレータは、高い均一性を有する再現可能なビーム形状を必要とし、プロセス要件を厳しくするために特定の角度均一性及び分布を実現することができる。 ［００２６］イオン注入装置のオペレータは、通常、構成要素の１つ又は複数の制御パラメータを修正して、構成要素のプロセスパラメータへの影響を決定することによって、イオン注入装置の様々な構成要素（時に「ビームライン」要素と呼ばれる）をチューニングする。イオン注入装置の構成要素は、イオンビームの軌道を形成し、イオンビームを集束させ、注入プロセス全体にわたってその安定性及び精度を保証する。イオン注入装置用の構成要素の例には、静電レンズ、磁気レンズ、開孔システム、ビーム走査システム、質量分析器、ファラデーカップ、ビーム診断ツール、及び他の構成要素が含まれ得る。 ［００２７］意図された用途に適したターゲットビーム特性のセットを有するイオンビームを生成するために、イオン注入装置を調整することが必要である。チューニング工程の例は、正確な測定を確実にするためにイオン注入装置を較正すること、抽出電圧又は開孔サイズを変更することによってビーム電流を所望のレベルに調整すること、アクセラレータ電圧又はバイアス電位を調整してイオンエネルギーを制御し、イオン浸透深さに（その結果としてドーピングプロファイルに）影響を与えることによって、ターゲット材料内の所望の浸透深さを実現するのに適したイオンエネルギーを設定すること、イオンビームを成形し、ターゲットエリアに正確に方向づけるように磁場及びビームライン構成要素を調整することによって、適切な集束及び位置合わせを確実にするようにビーム光学を微細にチューニングすること、ビーム走査パターン又はビーム成形デバイスのためにビーム分布を調整することによって、ターゲット領域全体での均一性を達成すること、イオンビームの電流と露光時間を調整することによって、注入線量を制御すること、及びその他のチューニング工程を含み得る。イオン注入装置をチューニングした後、コントローラは、達成されたビーム特性を検証するために、定期的な特性評価試験を実行することができる。これには、二次イオン質量分析（ＳＩＭＳ）又はシート抵抗測定などの計測技法が含まれ得る。 ［００２８］イオン注入装置のオペレータは、通常、構成要素の１つ又は複数の制御パラメータを修正して、構成要素の１つ又は複数のプロセスパラメータに対する影響を決定することによって、イオン注入装置の構成要素をチューニングする。各制御パラメータは、イオン注入装置の構成要素のためのハードウェア又はソフトウェアの設定に対応する。制御パラメータの例には、電荷パラメータ、エネルギーパラメータ、加速パラメータ若しくは減速パラメータ、ドーパント・流量パラメータ、希釈剤・流量パラメータ、ソースパラメータ、分析器パラメータ、コレクタパラメータ、抑制パラメータ、焦点パラメータ、走査パラメータ、四重極レンズ電流パラメータ、加速後電圧パラメータ、及び他の制御パラメータが含まれる。各プロセスパラメータは、イオン注入装置によって生成されたイオンビームのビーム特性に対応する。プロセスパラメータの例は、ビーム高パラメータ、ビーム幅パラメータ、半値全幅（ＦＨＨＭ）パラメータ、デバイス内垂直角度（ＶＷＩＤＡ）パラメータ、ＶＷＩＤＡ平均（ＶＷＩＤＡＭ）パラメータ、デバイス内水平角度（ＨＷＩＤＡ）パラメータ、ＨＷＩＤＡ平均（ＨＷＩＤＡＭ）パラメータ、ＶＷＩＤＡ標準偏差（ＶＷＩＤＡＳ）パラメータ、ＨＷＩＤＡ平均標準偏差（ＨＷＩＤＡＳ）パラメータ、真空インターフェース（ＶＩ）パラメータ、全幅パラメータ、スポットスコアパラメータ、エネルギーパラメータ、関心領域（ＲＯＩ）電流パラメータ、均一性パラメータ、及びその他のプロセスパラメータを含む。 ［００２９］イオン注入装置の構成要素の制御パラメータを変更すると、イオンビームがシリコンウエハの基板にイオンを注入する際のイオンビームのビーム特性に影響を与える。これは、典型的に、手動で集約的なプロセスであり、オペレータは、制御パラメータの値を手動で変更し、所与のアプリケーションにとって重要なプロセス特性の値の変更を評価する。このプロセスは、制御パラメータの特定の構成がプロセスパラメータの所望の出力値を生成するまで、反復して継続する。 ［００３０］オペレータは、典型的に、制御パラメータのセットを選択し、ソフトウェアツールのＧＵＩを介して、制御パラメータの各々について既定の閾値を入力する。ソフトウェアツールは、制御パラメータに対応するプロセスパラメータのためのプロセスパラメータ及び値のセットを生成する。例として、オペレータが、イオン注入装置に、１７．５ｍｍのプロセスパラメータ（ＰＰ）１（ＰＰ１）、０．７のＰＰ２、及び０．０７（又はそれ以上）のＰＰ３など、既定の閾値のセットを超える値を有するプロセスパラメータ（又は既定の閾値の周りのウィンドウ内）と一致するイオンビームを生成させたいと仮定する。更に、オペレータが、ソフトウェアアプリケーションのためにＧＵＩを使用して、５２．５６キロボルト（ｋＶ）の制御パラメータ（ＣＰ１）、６．７５０ｋＶのＣＰ２、－３９．８０のＣＰ３、及び３．４９１ｋＶのＣＰ４などの４つの制御パラメータの値を有する入力制御ベクトルのサブセットを選択すると仮定する。ソフトウェアアプリケーションは、１６．６７のＰＰ１、０．６９９６のＰＰ２、０．０７７６６のＰＰ３、０．０００のＰＰ４、８０．９８のＰＰ５、１５０．６ｍｍのＰＰ６、及び０．０００のＰＰ７など、入力制御ベクトルのサブセットに対応するビーム特性の出力計測ベクトルのサブセットを生成し、表示することができる。０．７７６０のＰＰ３は既定の閾値を満たしているが、１６．６７のＰＰ１及び０．６９９６のＰＰ２は既定の閾値を下回る。したがって、オペレータは、プロセスパラメータについてビーム特性閾値がすべて超