特許ウォッチ

公開番号2024165967
公報種別公開特許公報(A)
公開日2024-11-28
出願番号2023082600
出願日2023-05-18
発明の名称予測アルゴリズム生成装置、情報処理装置、基板処理装置、予測アルゴリズム生成方法、予測アルゴリズム生成プログラム、処理条件決定方法、処理条件決定プログラムおよび予測アルゴリズム
出願人株式会社SCREENホールディングス
代理人個人,個人,個人
主分類H01L 21/306 20060101AFI20241121BHJP(基本的電気素子)
要約【課題】汎化性の高い予測アルゴリズムを低コストで生成することが可能な予測アルゴリズム生成装置を提供する。
【解決手段】
予測アルゴリズム生成装置は、処理液を吐出するノズルを被膜が形成された基板上で移動させて被膜を処理する被膜処理を実行するための処理条件を生成する処理条件生成部と、処理条件は、時間の経過に伴って変動する変動条件を含み、生成された複数の処理条件を変動条件に関わる変数に基づいて複数のグループに分類する分類部と、複数のグループそれぞれから少なくとも1つの処理条件を選定する処理条件選定部と、選定された処理条件に従って基板処理装置が被膜処理を実行する前後の被膜の膜厚の差を示す処理量を取得する処理量取得部228と、処理条件と処理条件に関連して取得された処理量とを含むデータセットを用いて、処理条件から処理量を予測する予測アルゴリズムを生成する予測アルゴリズム生成部230と、を備える。
【選択図】図8
特許請求の範囲【請求項１】
処理液を吐出するノズルを被膜が形成された基板上で移動させて前記被膜を処理する被膜処理を基板処理装置が実行するための処理条件を生成する処理条件生成部と、
前記処理条件は、時間の経過に伴って変動する変動条件を含み、
前記処理条件生成部により生成された複数の前記処理条件を前記変動条件に関わる変数に基づいて複数のグループに分類する分類部と、
前記複数のグループそれぞれから少なくとも１つの前記処理条件を選定する処理条件選定部と、
前記処理条件選定部により選定された前記処理条件に従って前記基板処理装置が前記被膜処理を実行する前後の前記被膜の膜厚の差を示す処理量を取得する処理量取得部と、
前記処理条件と前記処理条件に関連して取得された前記処理量とを含むデータセットを用いて、前記処理条件から前記処理量を予測する予測アルゴリズムを生成する予測アルゴリズム生成部と、を備える予測アルゴリズム生成装置。
続きを表示（約 1,200 文字）【請求項２】
前記処理条件生成部により生成された複数の前記処理条件を、前記処理条件に含まれる前記ノズルの往復回数に基づいて、複数の回数別グループに分類する回数別分類部を、さらに備え、
前記分類部は、前記複数の回数別グループのそれぞれに含まれる複数の前記処理条件を前記複数のグループに分類する、請求項１に記載の予測アルゴリズム生成装置。
【請求項３】
前記変動条件を前記基板の径方向に異なる複数の位置それぞれにおける物理量に変換する変換部を、さらに備え、
前記変数は、前記変換部により変換された前記ノズルの前記基板に対する相対位置における物理量である、請求項１または２記載の予測アルゴリズム生成装置。
【請求項４】
前記物理量は、前記ノズルが滞在する滞在時間である、請求項３記載の予測アルゴリズム生成装置。
【請求項５】
前記物理量は、基板中心から外周に向かって前記ノズルが滞在する時間を累積した累積滞在時間である、請求項３記載の予測アルゴリズム生成装置。
【請求項６】
前記処理量取得部は、前記処理条件選定部により選定された前記処理条件を前記基板処理装置に与え、前記基板処理装置が前記処理条件に従って前記被膜処理を実行して得られる前記処理量を取得する、請求項１または２に記載の予測アルゴリズム生成装置。
【請求項７】
前記処理量取得部は、前記基板処理装置が前記処理条件に従って前記被膜処理を実行した前記処理量と前記処理条件とのデータセットを機械学習した学習モデルに、前記処理条件選定部により選定された前記処理条件を与え、前記学習モデルの出力を前記処理量として取得する、請求項１または２に記載の予測アルゴリズム生成装置。
【請求項８】
前記処理条件と、前記処理条件に従って前記基板処理装置が前記被膜処理を実行して得られる前記処理量とを含む実験データセットを取得する実験データセット取得部を、さらに備え、
前記処理量取得部は、前記実験データセット取得部により取得された複数の前記実験データセットのうちから前記処理条件選定部により選定された前記処理条件を含む前記実験データセットを抽出する、請求項１または２に記載の予測アルゴリズム生成装置。
【請求項９】
請求項１または２に記載の予測アルゴリズム生成装置により生成された予測アルゴリズム。
【請求項１０】
請求項９に記載の予測アルゴリズムを用いて基板処理装置を管理する情報処理装置であって、
仮の処理条件を前記予測アルゴリズムに与えて前記予測アルゴリズムにより予測される前記処理量が許容条件を満たす場合に、前記仮の処理条件を、前記基板処理装置を駆動する処理条件に決定する処理条件決定部を、備えた情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、予測アルゴリズム生成装置、情報処理装置、基板処理装置、予測アルゴリズム生成方法、予測アルゴリズム生成プログラム、処理条件決定方法、処理条件決定プログラムおよび予測アルゴリズムに関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
半導体製造プロセスの一つにエッチングプロセスがある。エッチングプロセスでは、基板に薬液を供給するエッチング処理によって、基板に形成されている被膜の膜厚調整が行われる。この膜厚調整においては、基板の面全体について均一にエッチングが進行するようにエッチング処理すること、あるいは、基板の面をエッチング処理によって平坦にすることが重要である。エッチング液をノズルから基板の一部に吐出する場合、ノズルを基板に対して径方向に移動させる必要がある。
【０００３】
特許文献１には、エッチングノズルから基板にエッチング液を吐出することにより、基板に対してエッチング処理が可能な液処理装置が記載されている。基板の中央領域のエッチング処理を行いつつ、ウエハの面内温度分布を均一にするために、吐出されたエッチング液がウエハの中心を通る中央側の第１位置と、この中央側の位置よりもウエハの周縁側の第２位置との間でエッチングノズルを繰り返し往復させながらエッチング液を吐出する例が記載される。
【０００４】
エッチング処理は、ノズルを移動させる動作の他に、エッチング液の濃度、温度、基板の回転数等の違いによって被膜が処理される処理量が異なる複雑なプロセスである。このため、人工知能を利用した学習モデルを機械学習して、学習済の学習モデルに処理量を推論させることが考えられる。
【先行技術文献】
【特許文献】
【０００５】
特開２０１５－１０３６５６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
学習モデルの精度は、学習モデルに学習させる学習データに依存することが知られている。一般的に、学習用データは、実際に基板処理装置を駆動するための処理条件と当該処理条件で基板処理装置を駆動して得られる処理結果とが用いられる。
【０００７】
しかしながら、実際に基板処理装置に処理を実行させて得られる学習用データとして、ある特性に偏った処理条件とその処理条件で処理された処理結果が用いられる場合がある。このような学習用データを機械学習した学習モデルは汎化性が低く、学習用データと異なる特性の処理条件が与えられる場合に推論精度が低くなる。一方で、特性に偏りがない学習用データを準備するためには、実際に基板処理装置を膨大な数の処理条件で駆動しなければならない。このため、基板処理装置の設定作業と基板処理装置を駆動する時間とが費やされることにより、多大なコストと時間とが必要になるといった問題がある。
【０００８】
本発明の目的は、汎化性の高い予測アルゴリズムを低コストで生成することが可能な予測アルゴリズム生成装置を提供することである。
【０００９】
本発明の他の目的は、汎化性の高い予測アルゴリズムを低コストで生成することが可能な予測アルゴリズム生成方法および予測アルゴリズム生成プログラムを提供することである。
【００１０】
本発明の他の目的は、汎化性の高い予測アルゴリズムを提供することである。
（【００１１】以降は省略されています）

関連特許