반도체 웨이퍼 제작에서 식각은 실질적으로 레이어가 미세하게 제거되는 동안 가장 중요한 과정 중 하나이다. 실수의 원인인 과식각은 웨이퍼가 올바르게 제거되는데 어려움을 주기 때문에 식각이 정확하게 수행되는 것이 중요하다. 오늘날 대부분의 식각 과정은 이방성 수직 측면의 이점을 가지고 있는 건식 플라즈마 식각 장비들이 사용된다. 먼저, 플라즈마 식각의 ...
반도체 웨이퍼 제작에서 식각은 실질적으로 레이어가 미세하게 제거되는 동안 가장 중요한 과정 중 하나이다. 실수의 원인인 과식각은 웨이퍼가 올바르게 제거되는데 어려움을 주기 때문에 식각이 정확하게 수행되는 것이 중요하다. 오늘날 대부분의 식각 과정은 이방성 수직 측면의 이점을 가지고 있는 건식 플라즈마 식각 장비들이 사용된다. 먼저, 플라즈마 식각의 끝점 검출은 과하게 식각되거나 덜 식각 되는 것의 손실을 피하기 위해 검출에 기초한 통계로 결정한다. 그러나 요즘은 플라즈마 식각 과정의 정확한 끝점 결정은 더욱 발전한 프로세스 관리 기술을 요구한다. 비침략적인 실시간 식각 끝점 검출기는 광학 방사 스펙트럼의 개발에 따라 플라즈마 종류의 광학 방사를 매개로 하여 사용된다. 더욱이, 집적 회로 장치의 계속적인 소형화 때문에 회로의 레이어 구조는 더욱 더 복잡해지게 되었다. 이에 프로세스 엔지니어는 식각 시에 더 낮은 open area를 다뤄야만 한다. 낮은 open area에서의 끝점 검출은 전통적인 접근일 뿐만 아니라 현재 프로세스 관리를 위한 오늘날의 난제로 활용된다.
다른 방법들 사이와의 비교는 꼭 필요한 부분이다. 분석의 기초가 되는 비교는 특히 장, 단점의 특징들을 포함한 각 방법의 이해를 필요로 한다. 또한 이 결과는 장차 여러 방법들이 어우러져 공급될 때 언급 되어질 수도 있다. 이 주제는 반도체 공정에서 APC를 위해 광범위하게 사용되는 방법들의 결합니다. 또한 증착, 폴리싱과 같은 다른 프로세스들에서도 APC/FDC가 현재 사용되고 있다. 이 논문에서 다른 방법들이 실제 실시간 OES 데이터로 끝점을 검출하기 위해 제안되었는데, OES는 실험(원리를 설명)과 공정실(산업에서의 예)로부터 수집되었다. 참조된 방법들로는 support vector machine (SVM)의 통계학이론이나 active 함수로써의 radial basis function (RBF)과 hidden Markov model (HMM), partial least squaresregression (PLSR)의 artificial neural networks (ANN) 그리고 signal noisy ratio (SNR), principal component analysis (PCA)와 partial least squares (PLS) 같은 어떤 신호에 미리 접근하는 방법들이 있다. 또한 예를 들면 least squares (최소 제곱법) - support vector machines (LS-SVM) 와 같은 어떤 신중하게 수정된 방법들이 소개 되어 질 것이다. 그리고 마지막으로는 위의 방법들 사이의 비교도 제공할 것이다.
반도체 웨이퍼 제작에서 식각은 실질적으로 레이어가 미세하게 제거되는 동안 가장 중요한 과정 중 하나이다. 실수의 원인인 과식각은 웨이퍼가 올바르게 제거되는데 어려움을 주기 때문에 식각이 정확하게 수행되는 것이 중요하다. 오늘날 대부분의 식각 과정은 이방성 수직 측면의 이점을 가지고 있는 건식 플라즈마 식각 장비들이 사용된다. 먼저, 플라즈마 식각의 끝점 검출은 과하게 식각되거나 덜 식각 되는 것의 손실을 피하기 위해 검출에 기초한 통계로 결정한다. 그러나 요즘은 플라즈마 식각 과정의 정확한 끝점 결정은 더욱 발전한 프로세스 관리 기술을 요구한다. 비침략적인 실시간 식각 끝점 검출기는 광학 방사 스펙트럼의 개발에 따라 플라즈마 종류의 광학 방사를 매개로 하여 사용된다. 더욱이, 집적 회로 장치의 계속적인 소형화 때문에 회로의 레이어 구조는 더욱 더 복잡해지게 되었다. 이에 프로세스 엔지니어는 식각 시에 더 낮은 open area를 다뤄야만 한다. 낮은 open area에서의 끝점 검출은 전통적인 접근일 뿐만 아니라 현재 프로세스 관리를 위한 오늘날의 난제로 활용된다.
다른 방법들 사이와의 비교는 꼭 필요한 부분이다. 분석의 기초가 되는 비교는 특히 장, 단점의 특징들을 포함한 각 방법의 이해를 필요로 한다. 또한 이 결과는 장차 여러 방법들이 어우러져 공급될 때 언급 되어질 수도 있다. 이 주제는 반도체 공정에서 APC를 위해 광범위하게 사용되는 방법들의 결합니다. 또한 증착, 폴리싱과 같은 다른 프로세스들에서도 APC/FDC가 현재 사용되고 있다. 이 논문에서 다른 방법들이 실제 실시간 OES 데이터로 끝점을 검출하기 위해 제안되었는데, OES는 실험(원리를 설명)과 공정실(산업에서의 예)로부터 수집되었다. 참조된 방법들로는 support vector machine (SVM)의 통계학이론이나 active 함수로써의 radial basis function (RBF)과 hidden Markov model (HMM), partial least squares regression (PLSR)의 artificial neural networks (ANN) 그리고 signal noisy ratio (SNR), principal component analysis (PCA)와 partial least squares (PLS) 같은 어떤 신호에 미리 접근하는 방법들이 있다. 또한 예를 들면 least squares (최소 제곱법) - support vector machines (LS-SVM) 와 같은 어떤 신중하게 수정된 방법들이 소개 되어 질 것이다. 그리고 마지막으로는 위의 방법들 사이의 비교도 제공할 것이다.
In semiconductor wafer fabrication, etching is one of the most critical processes, during which a material layer is selectively removed. Because of difficulty to correct a mistake caused by over removing, it is vital that etch should be performed correctly. Today most etching processes employ dry pl...
In semiconductor wafer fabrication, etching is one of the most critical processes, during which a material layer is selectively removed. Because of difficulty to correct a mistake caused by over removing, it is vital that etch should be performed correctly. Today most etching processes employ dry plasma etchers that have the advantage of anisotropic vertical profile.
Previously, the endpoint detection (EPD) of plasma etching can be determined by the statistics based detection in order to avoid the loss of over-etching and under-etching. But nowadays, adequate determination of the endpoint of a plasma etch process requires more advanced process control (APC) techniques. Along with the development of optical emission spectroscopy (OES), it is employed as a noninvasive real-time etching endpoint detector via the optical radiation of plasma species. Furthermore, as integrated circuit (IC) devices continually diminish, the layer structure of circuits becomes more and more complicated. Thus process engineers should deal with much lower open areas in etching. EPD in low open areas hardly utilizes conventional approaches but also presents a challenge to current process control.
Comparison among different methods is imperative. Analysis based on comparison needs further understanding each method including their features, especially advantages and disadvantages. These results can also be referred when applying merging multi-methods in the future. This thesis accords the methods widely used for APC in semiconductor fabrication. For the other processes such as deposition, polishing, even APC/FDC they are also currently employed. In this dissertation, different methods are proposed to realize the real-time OES data and detect the endpoints. The OES are collected from experiment (explain the principles) and fabrication (as an industry example). The methods referred are statistical learning theory (SLT) with support vector machines (SVM), artificial neural networks (ANN) with radial basis function (RBF) as active function, hidden Markov model (HMM), partial least squares (PLS) regression, and some signal preprocessing approaches such as signal noisy ratio (SNR), principal component analysis (PCA) and partial least squares (PLS). Also some mature modified methods, for instance least squares ? support vector machines (LS-SVM), will also be introduced. Finally, comparisons among above methods are presented.
In semiconductor wafer fabrication, etching is one of the most critical processes, during which a material layer is selectively removed. Because of difficulty to correct a mistake caused by over removing, it is vital that etch should be performed correctly. Today most etching processes employ dry plasma etchers that have the advantage of anisotropic vertical profile.
Previously, the endpoint detection (EPD) of plasma etching can be determined by the statistics based detection in order to avoid the loss of over-etching and under-etching. But nowadays, adequate determination of the endpoint of a plasma etch process requires more advanced process control (APC) techniques. Along with the development of optical emission spectroscopy (OES), it is employed as a noninvasive real-time etching endpoint detector via the optical radiation of plasma species. Furthermore, as integrated circuit (IC) devices continually diminish, the layer structure of circuits becomes more and more complicated. Thus process engineers should deal with much lower open areas in etching. EPD in low open areas hardly utilizes conventional approaches but also presents a challenge to current process control.
Comparison among different methods is imperative. Analysis based on comparison needs further understanding each method including their features, especially advantages and disadvantages. These results can also be referred when applying merging multi-methods in the future. This thesis accords the methods widely used for APC in semiconductor fabrication. For the other processes such as deposition, polishing, even APC/FDC they are also currently employed. In this dissertation, different methods are proposed to realize the real-time OES data and detect the endpoints. The OES are collected from experiment (explain the principles) and fabrication (as an industry example). The methods referred are statistical learning theory (SLT) with support vector machines (SVM), artificial neural networks (ANN) with radial basis function (RBF) as active function, hidden Markov model (HMM), partial least squares (PLS) regression, and some signal preprocessing approaches such as signal noisy ratio (SNR), principal component analysis (PCA) and partial least squares (PLS). Also some mature modified methods, for instance least squares ? support vector machines (LS-SVM), will also be introduced. Finally, comparisons among above methods are presented.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.