基于神经网络的硅晶圆表面形貌快速量测方法研究

硅晶圆平坦化抛光后的表面形貌量测可以定量化晶圆平坦度,是品控的关键一环。然而,高平坦度硅晶圆表面检测设备原理复杂,检测位点过万,时间长达1分钟,同时设备体积大,难以集成在抛光机台中对硅片进行原位检测,这限制了生产效率。机器学习技术数据分析和预测能力优异,应用工业生产领域,能够提高生产效率和精度。本研究针对300mm硅片基于集成电路材料基因组平台开发了一种基于神经网络的晶圆形貌预测模型,该模型极大地减少表征晶圆形貌所需要的输入信息,通过14个关键点的厚度信息,便可得到绝对平均误差为4.07nm的预测值,从而仅需10s左右的时间对晶圆形貌进行高精度的预测,降低了量测设备的硬件要求,为晶圆平坦化工艺中的快速量测提供思路。

PTPC在化学机械平坦化中的应用

化学机械平坦化(CMP)在铜工艺中需要对晶圆形貌进行精准控制。精确调整过程控制系统(PTPC)利用传感器实时检测晶圆表面铜膜厚度,采用闭环控制实时调整研磨头分区压力。实现了比开环控制更加均匀的薄膜研磨过程,达到了均匀控制晶圆表面薄膜形貌的目的。介绍了PTPC系统的检测原理和控制流程。