[논문]HDP-CVD로 증착된 실리콘 산화막 공정조건 최적화를 위한 신경망 모델링

박인혜; 유경한; 서동선; 홍상진

[국내논문] HDP-CVD로 증착된 실리콘 산화막 공정조건 최적화를 위한 신경망 모델링
Neural Network Modeling for HDP-CVD Process Optimization of $SiO_2$ Thin Film Deposition 원문보기

박인혜 (명지대학교 전자공학과 및 명지정보통신연구소) , 유경한 (명지대학교 전자공학과 및 명지정보통신연구소) , 서동선 (명지대학교 전자공학과 및 명지정보통신연구소) , 홍상진 (명지대학교 전자공학과 및 명지정보통신연구소)

본 논문에서는 신경망 모델링을 통하여 HDP-CVD를 이용한 실리콘 산화막 형성에 영향을 주는 다섯 가지 공정 장비 변수와 그에 따른 두 가지 출력 파라미터 Deposition rate과 Uniformity와의 관계를 동시에 고려한 특성결과를 분석하고， 최적의 recipe를 Genetic Algorithm을 통해 제시하였다. 실험계획법을 사용하여， 필요한 실험의 횟수를 최소화 하였으며 그 실험결과를 신경망 모델링을 통하여 입력변수와 출력파라미터의 관계를 3차원의 반응표면 곡선으로 분석하였다. 이 과정을 통해 Deposition rate과 Uniformity을 동시에 고려한 두 출력파라미터를 만족하는 최적의 입력변수 값들을 제시하였다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 HDP-CVD를 이용한 실리콘 산화막 공정에 영향을 미치는 입력 변수와 출력파라미터의 상관관계를 고려하여 최적의 recipe 를 신경망을 통해 찾는 방법을 제시하였다. 이러한 목적으로 이미 많이 사용되고 있는 통계적인 방법 외에 신경망이라는 모델링을 이용하여 주요 입.
출력 관계를 명확히 판단하는데 많은 어려움이 있다. 통계적인 방법으로 많은 사람들이 반응 표면 모델을 제시했지만 본 논문에서는 신경망을 이용한 공정 모델 역시 우수한 정확성과 두 가지의 출력변수를 동시에 고려한 최적 조건 제시의 가능을 말하고자 한다[1丄

제안 방법

증착된 박막은 Ellipsometer를 이용하여 5 개의 고정된 점에 대한 deposition rate(A/min) 과 refractive index< 측정하고, 이를 바탕으로 uniformity를 계산하였다. 2引의 부분 실시법을 이용하여 16번의 실험을 하였고, 반응변수의 비선형성과 실험의 재연성을 고려하여 3개의 중앙값을 추가해 총 19번의 실험을 수행하였다.
이 출력과 우리가 원하는 목표치를 비교하여 연결 강도를 조절함으로써 상위층에서 역으로 차이를 줄여나간다[3]. 5개의 입력에 대해 2개의 출력을 동시에 고려하여 비교하는 방법으로 실험하였다. deposition rate과 uniformity를 동시에 고려하여 같은 조건에서의 Top/Bottom
실험계획법이란 반옹치에 크게 영향을 미치는 인자들의 정량적인 값과 그 인자들이 공정에 미치는 영향 올 파악하기 위해 최소의 실험으로 최대의 결과를 얻기 위해 하는 방법이다. 이 실험에서는 필요한 요인에 대한 정보를 얻기 위해 의미가 적은 고차의 상호작용을 생략하여 실험의 횟수를 적게 하는 부분 실시법 (fractional factorial design)을 사용하였다[2丄 주성엔지니어 링의 EU EKA series에서 제안되는 표준 recipe를 기준으로 표 1과 같은 입력 범위를 결정하고 4인치 실리콘 웨이퍼에 7, 000A의 SiO₂ 박막을 증착하였다. 증착된 박막은 Ellipsometer를 이용하여 5 개의 고정된 점에 대한 deposition rate(A/min) 과 refractive index< 측정하고, 이를 바탕으로 uniformity를 계산하였다.
이 실험에서는 필요한 요인에 대한 정보를 얻기 위해 의미가 적은 고차의 상호작용을 생략하여 실험의 횟수를 적게 하는 부분 실시법 (fractional factorial design)을 사용하였다[2丄 주성엔지니어 링의 EU EKA series에서 제안되는 표준 recipe를 기준으로 표 1과 같은 입력 범위를 결정하고 4인치 실리콘 웨이퍼에 7, 000A의 SiO₂ 박막을 증착하였다. 증착된 박막은 Ellipsometer를 이용하여 5 개의 고정된 점에 대한 deposition rate(A/min) 과 refractive index< 측정하고, 이를 바탕으로 uniformity를 계산하였다. 2引의 부분 실시법을 이용하여 16번의 실험을 하였고, 반응변수의 비선형성과 실험의 재연성을 고려하여 3개의 중앙값을 추가해 총 19번의 실험을 수행하였다.

성능/효과

수 있다는 이점이 있다. 이를 바탕으로 GA 를 이용하여 얻은 최적 recipe는 Dep rate( A /min) 은 82.28, Uniformity (%) 는 99로 나타났다

후속연구

출력의 상관관계를 명시하였다. 향후 연구에서는 찾아낸 recipe를 바탕으로 실리콘 산화막 실험을 진행하고 측정하여 이론값과 비교함으로써 최적 recipe를 검증하는 것이 수반되어야 한다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] HDP-CVD로 증착된 실리콘 산화막 공정조건 최적화를 위한 신경망 모델링
Neural Network Modeling for HDP-CVD Process Optimization of $SiO_2$ Thin Film Deposition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] HDP-CVD로 증착된 실리콘 산화막 공정조건 최적화를 위한 신경망 모델링 Neural Network Modeling for HDP-CVD Process Optimization of $SiO_2$ Thin Film Deposition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] HDP-CVD로 증착된 실리콘 산화막 공정조건 최적화를 위한 신경망 모델링
Neural Network Modeling for HDP-CVD Process Optimization of $SiO_2$ Thin Film Deposition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper