特開 2023-159348 エッチングレシピ探索方法及び半導体装置製造システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023159348

(43)【公開日】2023-10-31

(54)【発明の名称】エッチングレシピ探索方法及び半導体装置製造システム

(51)【国際特許分類】

   H01L 21/3065 20060101AFI20231024BHJP

   H01L 21/02 20060101ALI20231024BHJP

【ＦＩ】

H01L21/302 103

H01L21/02 Z

【審査請求】有

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023136155

(22)【出願日】2023-08-24

(62)【分割の表示】P 2022097756の分割

【原出願日】2022-06-17

(31)【優先権主張番号】17/370,131

(32)【優先日】2021-07-08

(33)【優先権主張国・地域又は機関】US

(71)【出願人】

【識別番号】501387839

【氏名又は名称】株式会社日立ハイテク

(74)【代理人】

【識別番号】110000350

【氏名又は名称】ポレール弁理士法人

(72)【発明者】

【氏名】土橋 高志

(72)【発明者】

【氏名】小林 浩之

(72)【発明者】

【氏名】大森 健史

(57)【要約】      （修正有）

【課題】機械学習を利用するプロセスレシピ開発において、予測加工形状の評価を容易にすることで、多様な顧客要求に適したプロセスレシピを容易に選択可能とするエッチングレシピ探索方法及び半導体装置製造システムを提供する。
【解決手段】半導体装置製造システム１３００において、試料を所望の形状にエッチングするよう設定されたプラズマ処理装置１００のパラメータであるエッチングレシピを探索するプロセスレシピ探索装置１３１０は、機械学習モデルを用いて予測された候補エッチングレシピによる試料の予測加工形状を表示装置１３２２に表示させるにあたり、予測加工形状とターゲット形状との差異を強調して表示する。
【選択図】図１３

【特許請求の範囲】

【請求項1】

試料を所望の形状にエッチングするよう設定されたプラズマ処理装置のパラメータであるエッチングレシピを探索するプロセスレシピ探索装置を用いたエッチングレシピ探索方法において、
複数の形状要素により前記所望の形状を定義するターゲット形状を決定し、
前記プラズマ処理装置のパラメータから前記プラズマ処理装置による前記試料の加工形状を予測する機械学習モデルを作成し、
前記機械学習モデルを用いて前記エッチングレシピの候補となる候補エッチングレシピを探索し、
前記機械学習モデルを用いて予測された前記候補エッチングレシピによる前記試料の予測加工形状を表示装置に表示し、
前記予測加工形状は、前記予測加工形状と前記ターゲット形状との差異を強調して前記表示装置に表示されるエッチングレシピ探索方法。

【請求項2】

請求項１において、
前記予測加工形状は、前記ターゲット形状と前記予測加工形状との差異を前記形状要素ごとに定められる強調倍率で拡大して前記表示装置に表示されるエッチングレシピ探索方法。

【請求項3】

請求項１において、
前記機械学習モデルを用いて、前記候補エッチングレシピに含まれる少なくとも１つのパラメータを変化させた感度評価エッチングレシピによる前記試料の加工形状を予測し、
前記候補エッチングレシピによる予測加工形状及び前記感度評価エッチングレシピによる予測加工形状を、それぞれ前記ターゲット形状との差異を強調した状態で重畳して前記表示装置に表示するエッチングレシピ探索方法。

【請求項4】

請求項１において、
前記プラズマ処理装置の前記候補エッチングレシピがとりうるパラメータの範囲を前記表示装置に表示し、前記プラズマ処理装置のパラメータ間の制約が指定された場合には、制約されたパラメータ空間で前記候補エッチングレシピの探索を行うエッチングレシピ探索方法。

【請求項5】

請求項１において、
前記表示装置に表示された前記候補エッチングレシピから選択された複数の候補エッチングレシピを、前記プラズマ処理装置に設定して前記試料をエッチングさせる加工レシピとして決定し、
決定された前記加工レシピを前記プラズマ処理装置に設定し、前記試料をエッチングして得られた加工形状のうち、第１の加工レシピによる加工形状を基準画像、第２の加工レシピによる加工形状を比較画像とするとき、前記比較画像は、前記比較画像と前記基準画像との差異を前記形状要素ごとに定められる強調倍率で拡大して前記表示装置に表示されるエッチングレシピ探索方法。

【請求項6】

請求項５において、
決定された前記加工レシピを前記プラズマ処理装置に設定し、前記試料をエッチングして得られた加工形状が前記ターゲット形状に一致しない場合に、前記ターゲット形状を修正し、
前記機械学習モデルを更新し、
更新された前記機械学習モデルを用いて前記エッチングレシピの候補となる候補エッチングレシピを探索するエッチングレシピ探索方法。

【請求項7】

端末と、プラズマ処理装置と、ネットワークを介して前記端末及び前記プラズマ処理装置に接続され、試料を所望の形状にエッチングするよう設定された前記プラズマ処理装置のパラメータであるエッチングレシピを探索するプロセスレシピ探索アプリケーションが実装されたプラットフォームとを備える半導体装置製造システムにおいて、
前記プロセスレシピ探索アプリケーションは、
複数の形状要素により前記所望の形状を定義するターゲット形状を決定するステップと、
前記プラズマ処理装置のパラメータから前記プラズマ処理装置による前記試料の加工形状を予測する機械学習モデルを作成するステップと、
前記機械学習モデルを用いて前記エッチングレシピの候補となる候補エッチングレシピを探索するステップと、
前記機械学習モデルを用いて予測された前記候補エッチングレシピによる前記試料の予測加工形状を前記端末に表示させるステップとを実行し、
前記端末に表示される前記予測加工形状は、前記予測加工形状と前記ターゲット形状との差異が強調されている半導体装置製造システム。

【請求項8】

請求項７において、
前記予測加工形状は、前記ターゲット形状と前記予測加工形状との差異を前記形状要素ごとに定められる強調倍率で拡大して前記端末に表示される半導体装置製造システム。

【請求項9】

請求項７において、
前記プロセスレシピ探索アプリケーションは、
前記機械学習モデルを用いて、前記候補エッチングレシピに含まれる少なくとも１つのパラメータを変化させた感度評価エッチングレシピによる前記試料の加工形状を予測するステップと、
前記候補エッチングレシピによる予測加工形状及び前記感度評価エッチングレシピによる予測加工形状を、それぞれ前記ターゲット形状との差異を強調した状態で重畳して前記端末に表示させるステップとを実行する半導体装置製造システム。

【請求項10】

請求項７において、
前記プロセスレシピ探索アプリケーションは、前記プラズマ処理装置の前記候補エッチングレシピがとりうるパラメータの範囲を前記端末に表示させるステップを実行し、
前記端末から前記プラズマ処理装置のパラメータ間の制約が指定された場合には、前記候補エッチングレシピを探索するステップにおいて、制約されたパラメータ空間で前記候補エッチングレシピの探索を行う半導体装置製造システム。

【請求項11】

請求項７において、
前記プロセスレシピ探索アプリケーションは、前記端末に表示された前記候補エッチングレシピから選択された候補エッチングレシピを、前記プラズマ処理装置に設定して前記試料をエッチングさせる加工レシピとして決定するステップと、
前記加工レシピを前記プラズマ処理装置に設定するステップとを実行する半導体装置製造システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、エッチングレシピ探索方法及び半導体装置製造システムに関する。

【背景技術】

【0002】

半導体デバイスでは、低消費電力化や記憶容量増大の要求のため、微細化及びデバイス構造の３次元化（複雑化）が進んでいる。微細化されたデバイスの製造では、単純にパターン寸法が縮小されるだけでなく、従来の半導体デバイスに比べて複雑な加工形状の実現が求められている。目標とする加工形状（ターゲット形状という）をドライエッチングで実現するため、エッチング装置が備える多くのガス系や電源系、高周波系を制御するパラメータを設定する必要がある。複雑な加工形状を実現するには、多くのパラメータを複数のステップで調整しながら、秒単位の時間で加工を行う必要があるため、１つのパターンの加工に対し膨大なパラメータの設定が必要になる。このため、このようなエッチング装置に加工を実行させるためのパラメータの設定は熟練者であっても多くの時間が必要となる。エッチングを行う加工条件または加工条件を実行するために設定されるパラメータをエッチングレシピと呼ぶ。

【0003】

エッチング処理における膨大なパラメータを高精度かつ高速に求める方法として、機械学習を利用する方法が知られている。複数の加工条件で加工した半導体デバイスの構造を電子顕微鏡観察し、得られた画像を計測することで加工結果を数値化する。複数の加工に用いたエッチングレシピと数値化した加工結果から機械学習モデルを作成する。機械学習モデルに候補となりそうなエッチングレシピを入力することで仮想的にエッチング後の加工形状を予測することができる。多くの予測結果からターゲット形状に近いエッチングレシピを探索することで、複雑なエッチング条件を効率的に見つけることが可能になる。特許文献１はその一例である。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】米国特許出願公開２０１８／００８２８７３号明細書

【発明の概要】

【発明が解決しようとする課題】

【0005】

機械学習モデルを利用したエッチングレシピの探索には、いくつかの課題がある。

【0006】

第１の課題は候補エッチングレシピの良否の選択である。機械学習モデルの複雑さのために、一般に複数の候補エッチングレシピが得られる。すべての候補エッチングレシピで実際に加工することは稀であり、複数の候補エッチングレシピから実際に加工する候補エッチングレシピを絞り込む必要がある。このために、ユーザは候補エッチングレシピによる予測加工形状を利用する。例えば、半導体プロセスで一般的なトレンチ加工を例とすると、深さ１００ｎｍ、幅３０ｎｍのトレンチ形状（ターゲット形状）に対し、求められる形状精度が深さと幅に対し、それぞれ０．５ｎｍということがある。なお、ターゲット形状はトレンチ構造のトップから底まで数か所にわたって寸法が決められていることが一般的である。

【0007】

このようなターゲット形状に対する複数の候補エッチングレシピの予想加工形状を画像化して可視化する場合、０．１ｎｍ／ｐｉｘの解像度であるとすると、深さ方向１０００ｐｉｘ、幅３００ｐｉｘのトレンチ形状に対し加工精度は５ｐｉｘ程度の違いでしかない。およそ５ｐｉｘの範囲に予測加工形状が重なってしまうと、予測加工形状それぞれの特徴を把握して候補エッチングレシピの良否を判定し、絞り込みを行うことは困難である。

【0008】

第２の課題は、予測加工形状から複数の候補エッチングレシピを絞り込む場合において、単純に予測加工形状がターゲット形状に最も近似しているという理由で選択した候補エッチングレシピは最適解とは限らないことである。例えば、加工条件に対する感度が高すぎる候補エッチングレシピは望ましくない。感度とは、加工条件の一つ（例えばガス流量や電極に印加する電圧など）を少し変えたときに予測加工形状がどれだけ影響を受けるかについての指標である。エッチング加工の再現性の観点からは、例えば、ガス流量や電極に印加する電圧や電流がわずかに変化することで予測加工形状が大幅に変動するような候補エッチングレシピは望ましくない。しかしながら、候補エッチングレシピの加工条件と機械学習モデルから求められる予測加工形状から感度を推測することは熟練のプロセスエンジニアでも難しい。

【0009】

さらに、エッチングレシピの探索において、候補エッチングレシピが、加工を行うエッチング装置では設定できない加工条件を含んでいることを見逃されたまま、予測加工形状がターゲット形状に近似していることにより選択され、そのまま実行不能なエッチングレシピの探索を続けてしまうことがある。第３の課題は、このような無意味な探索を回避することである。回避方法としては、エッチングレシピを自動探索するコンピュータプログラムに制約条件を追加し、設定不能な加工条件を避けた探索を行うことが考えられる。しかしながら、ガス系や高周波系の制御等を含むエッチング装置の条件は頻繁に変わることが多く、またレシピ探索の方向性は、ユーザ自身が入力する必要がある。このため、グラフィカルユーザインターフェース（ＧＵＩ）を用いてユーザがインタラクティブに探索の方向性を設定できるようにすることが望ましい。

【課題を解決するための手段】

【0010】

本発明の一実施の形態であるエッチングレシピ探索方法は、試料を所望の形状にエッチングするよう設定されたプラズマ処理装置のパラメータであるエッチングレシピを探索するプロセスレシピ探索装置を用いたエッチングレシピ探索方法であって、複数の形状要素により所望の形状を定義するターゲット形状を決定し、プラズマ処理装置のパラメータからプラズマ処理装置による試料の加工形状を予測する機械学習モデルを作成し、機械学習モデルを用いてエッチングレシピの候補となる候補エッチングレシピを探索し、機械学習モデルを用いて予測された候補エッチングレシピによる試料の予測加工形状を表示装置に表示し、予測加工形状は、予測加工形状とターゲット形状との差異を強調して表示装置に表示される。

【発明の効果】

【0011】

機械学習を利用するプロセスレシピ開発において、予測加工形状の評価を容易にすることで、多様な顧客要求に適したプロセスレシピを容易に選択可能とする。その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

【図面の簡単な説明】

【0012】

【図1A】予測加工形状の例である。

【図1B】強調表示された予測加工形状の例である。

【図2】プラズマ処理装置の概略構成図である。

【図3】エッチングレシピを探索するフローチャートである。

【図4A】強調表示方法について説明するための図である。

【図4B】強調表示方法について説明するための図である。

【図5】強調倍率の設定方法を説明するための図である。

【図6】強調表示を行う描画フローチャートである。

【図7】候補エッチングレシピ群から加工レシピの選択を行うＧＵＩの例である。

【図8A】強調表示のその他の例である。

【図8B】強調表示のその他の例である。

【図8C】強調表示のその他の例である。

【図9】候補エッチングレシピの感度を表示するＧＵＩの例である。

【図10】エッチングレシピを探索するフローチャートである。

【図11】ターゲット形状を再定義するためのＧＵＩの例である。

【図12】ターゲット形状の尤度、レシピ探索範囲を指定するＧＵＩの例である。

【図13】半導体装置製造システムのシステム構成例である。

【図14】半導体装置製造システムのシステム構成例である。

【発明を実施するための形態】

【0013】

以下、本発明の実施例を図面に基づいて詳細に説明する。

【0014】

図２は、プラズマ処理装置の構成例を示す概略図である。プラズマ処理装置１００は、マイクロ波ＥＣＲプラズマエッチング装置である。プラズマ処理装置１００は、真空処理室１０４を備え、その内部には加工対象であるウエハ１２６を設置する電極１２５が配置されている。ウエハ１２６は静電吸着部１３５によって電極１２５上に設置される。ガス供給機構１０５からガス配管１０６、空間１０７、シャワープレート１０２を通過して真空処理室１０４内部にガスが供給され、真空処理室１０４の外部に配置される電場や磁場の発生装置からの電場及び磁場が作用することによって、プラズマ１３６が発生する。プラズマ１３６にはイオン及びラジカルが含まれており、これらがウエハ１２６の表面と相互作用することによってプラズマエッチング処理がなされる。

【0015】

真空処理室１０４の下部には可変コンダクタンスバルブ１１２が配置され、可変コンダクタンスバルブ１１２を通じて接続されるターボ分子ポンプ１１３により、真空処理室１０４のガスが排気される。可変コンダクタンスバルブ１１２、ターボ分子ポンプ１１３及び粗引きポンプ１１４は、それぞれ制御部１５０と接続しており、制御部１５０からの信号によって各装置の動作が制御される。

【0016】

プラズマエッチング処理において真空処理室１０４の真空度の制御は重要である。真空処理室１０４の内部圧力を測定するため圧力計１１５が設置されており、圧力計１１５の値に応じて制御部１５０は、可変コンダクタンスバルブ１１２をフィードバック制御し、真空処理室１０４の圧力を制御する。

【0017】

プラズマ処理装置１００の上部には、第一の高周波電源であるマイクロ波電源１１６が設置されており、このマイクロ波電源１１６の周波数は例えば２．４５ＧＨｚである。マイクロ波電源１１６によって発生したマイクロ波は、自動整合器１１７、方形導波管１１８、方形円形導波管変換器１１９、円形導波管１２０を通じて、空洞共振器１２１へと伝搬する。自動整合器１１７は反射波を自動的に抑制する働きがある。空洞共振器１２１は、マイクロ波電場分布をプラズマ処理に適した分布に調整する働きを持つ。マイクロ波電源１１６は制御部１５０により制御される。

【0018】

真空処理室１０４及び空洞共振器１２１の周囲には、電磁石を構成するソレノイドコイル１２２，１２３，１２４が配置されている。制御部１５０により制御されるコイル電源１４０により、ソレノイドコイル１２２，１２３，１２４に電流を流すことで、真空処理室１０４内部に磁場が発生する。

【0019】

真空処理室１０４の内部に高周波電源及び磁場が形成されると、電場及び磁場の強さが特定の関係となる領域において、電子サイクロトロン共鳴（Electron Cyclotron Resonance：ＥＣＲ）によるプラズマが形成される。真空処理室１０４の内部に存在する電子はローレンツ力により、ソレノイドコイル１２２，１２３，１２４によって発生した磁場の磁力線に沿って回転しながら移動する。このときマイクロ波電源１１６から伝搬したマイクロ波の周波数が電子の回転の周波数と一致すると、電子が共鳴的に加速され、プラズマが効果的に発生する。

【0020】

このＥＣＲが発生する領域（ＥＣＲ面）はソレノイドコイル１２２，１２３，１２４が作る磁場によって制御できる。ソレノイドコイル１２２，１２３，１２４が作る磁場は制御部１５０によってコイルへ流す電流によって制御することができる。磁場分布制御によりプラズマの拡散を制御することが可能であり、これらの効果によってウエハ１２６の上方におけるプラズマの分布を制御し、プラズマ処理の均一性を向上することができる。

【0021】

ウエハ１２６が載る電極１２５はＥＣＲ面の下側に位置しており、真空処理室１０４に固定されている。電極１２５はウエハ１２６と同様に円形である。プラズマ処理装置１００は図示していないロボットアーム等の搬送装置を有しており、ウエハ１２６はこの搬送装置を利用して電極１２５にある静電吸着部１３５によって電極１２５上に置かれる。静電吸着部１３５には静電吸着電源１３９から静電圧が供給される。

【0022】

電極１２５にはバイアス電圧発生部１２７が接続されており、バイアス電圧発生部１２７を通じてウエハ１２６にバイアス電圧が印加される。プラズマ１３６内のイオンがウエハ１２６の側に引き込まれる程度はバイアス電圧に依存するため、バイアス電圧発生部１２７を制御部１５０で制御することによって、ウエハ１２６の加工形状を制御することができる。また、電極１２５は温度制御装置１２８も接続されており、温度を制御することによってウエハ１２６表面における加工中の化学反応過程の調整を行い、ウエハ１２６の加工形状の制御を行う。温度制御装置１２８も制御部１５０から制御を行う。

【0023】

制御部１５０はコンピュータであり、ウエハ１２６の加工に必要な複数ステップから構成されるエッチングレシピが適切なシーケンスとして動作するよう、そのタイミング及び動作量が制御されている。エッチングレシピは予め設定されたレシピに基づいて行われる。

【0024】

図１３に、エッチングレシピを探索する半導体装置製造システムのシステム構成例を示す。半導体装置製造システム１３００は、プロセスレシピ探索装置１３１０と、入力装置１３２１と、表示装置１３２２と、プラズマ処理装置１００と、評価装置１３３０と、寸法計測装置１３４０と、入出力装置１３４１とを有する。ユーザは、ターゲット形状データ１３２５やレシピ探索範囲データ１３２６などの情報を入力装置１３２１から入力し、表示装置１３２２に表示されるＧＵＩによって提示される候補エッチングレシピの情報からインタラクティブにエッチングレシピの探索を実行する。

【0025】

プロセスレシピ探索装置１３１０は、入力装置１３２１からターゲット形状データ１３２５を受け付け、プラズマ処理装置１００が最適にターゲット形状を得ることが可能なエッチングレシピを探索する。レシピ探索範囲データ１３２６の入力があった場合には、レシピ探索範囲データ１３２６の探索条件に応じたパラメータ空間でのエッチングレシピの探索を実行する。

【0026】

入力装置１３２１は、ユーザからの入力データまたは入出力装置１３４１からの測長値データ１３４２を受け付け、プロセスレシピ探索装置１３１０に入力する。例えば、キーボード、ポインティングデバイス、タッチパネル、記憶媒体読み出し装置などを含む。

【0027】

表示装置１３２２は、プロセスレシピ探索装置１３１０からのエッチングレシピ探索にかかわる情報をユーザに表示するディスプレイである。その他の出力装置としてプリンタや記憶媒体書き出し装置などを備えていてもよい。

【0028】

プラズマ処理装置１００は、図２に一例を示した処理装置である。プラズマ処理装置１００は、プロセスレシピ探索装置１３１０から入力されるエッチングレシピに基づき半導体または半導体デバイスに対する処理を行い、処理された半導体または半導体デバイスを評価装置１３３０に渡す。

【0029】

評価装置１３３０は、プラズマ処理装置１００で処理された半導体または半導体デバイスの断面を撮影して、処理結果である断面画像を取得する。評価装置１３３０は、ＳＥＭ（Scanning Electron Microscope）、ＴＥＭ（Transmission Electron Microscope）などの荷電粒子線応用計測装置を含む。プラズマ処理装置１００で処理された半導体または半導体デバイスの一部を断片として取り出して、その断片を評価装置１３３０へ運搬して計測してもよい。取得された断面画像は倍率などの撮像条件等とともに画像・撮像条件データ１３３１として、入出力装置１３４１へ渡される。

【0030】

寸法計測装置１３４０は、入出力装置１３４１を介してプロセスレシピ探索装置１３１０から入力されるターゲット形状の定義、評価装置１３３０からの画像・撮像条件データ１３３１を受け付け、断面画像からターゲット形状の定義に基づく所定の寸法を計測し、測長値データ１３４２として入出力装置１３４１へ出力する。入出力装置１３４１は測長値データ１３４２を入力装置１３２１に出力する。

【0031】

プロセスレシピ探索装置１３１０は、中央処理部１３１１と、データベース１３１２と、ターゲット形状決定部１３１３と、機械学習モデル作成部１３１４と、レシピ探索部１３１５と、加工レシピ決定部１３１６と、装置制御部１３１７と、表示形状強調処理部１３１８とを備える。

【0032】

図３は、プロセスレシピ探索装置１３１０が機械学習モデルを利用してプラズマ処理装置１００のエッチングレシピを探索するフローチャートである。中央処理部１３１１はプロセスレシピ探索装置１３１０へのデータの入出力及びフロー全体の制御を実行する。まず、プロセスエンジニアは加工後の目標形状からターゲット形状決定２０２を行う。中央処理部１３１１は入力装置１３２１から受け付けたターゲット形状データ１３２５をデータベース１３１２に格納する。ターゲット形状の定義は探索過程において更新されることがあり、ターゲット形状の管理はターゲット形状決定部１３１３によって行われる。続いて、ウエハに配置されているパターンの物理的な寸法やその材料等の情報から加工レシピ決定２０３を行う。探索の初期では加工レシピについての情報が乏しいため、ユーザは入力装置１３２１に初期エッチングレシピを入力し、中央処理部１３１１は入力装置１３２１から受け付けた初期エッチングレシピを加工レシピ決定部１３１６に転送し、加工レシピ決定部１３１６は装置制御部１３１７を通じて初期エッチングレシピによるエッチング２０４と加工結果の計測２０５とを実行させる。

【0033】

プラズマ処理装置１００によるエッチング２０４を行った後、評価装置１３３０によって加工結果が画像化され、寸法計測装置１３４０により加工結果が計測２０５され、測長値データ１３４２が入出力装置１３４１を介してプロセスレシピ探索装置１３１０に入力される。中央処理部１３１１は、測長値データ１３４２をそのエッチングレシピ（加工条件）とともにデータベース１３１２に格納するとともに、計測値とターゲット形状を比較するため、加工寸法の判定２０６を行う。計測結果とターゲット寸法に差がみられる場合は、再度加工レシピ２０３の検討を進める。

【0034】

一般に機械学習モデルを作成する場合、複数個の加工レシピによる計測結果が必要である。このため、中央処理部１３１１は計測結果のデータ数の判定２０９を行い、データ数が十分にない場合には上述したような手動レシピ検討２０８を経て加工レシピ決定２０３～加工寸法判定２０６を行う。一方、データ数判定２０９にて機械学習モデルの作成に十分な計測結果のデータ数があると判断される場合には、機械学習モデル作成部１３１４を起動し、データベース１３１２に格納された測長値と加工条件（プラズマ処理装置のパラメータ）との組み合わせを学習データとして機械学習モデル作成２１１を行い、レシピ探索部１３１５は、作成した機械学習モデルを利用して自動レシピ探索２１０を行う。加工レシピ決定部１３１６では、レシピ探索部１３１５が機械学習モデルに基づいて抽出した複数の候補エッチングレシピを表示装置１３２２に表示し、ターゲット形状を実現すると考えられる複数の加工レシピ決定２０３をユーザに促す。複数の加工レシピ決定２０３後、エッチング２０４～加工寸法判定２０６を行う。加工寸法判定２０６にて計測値とターゲット形状が一致したところでエッチングレシピの開発は終了２０７となる。

【0035】

図１３の半導体装置製造システムに対して、エッチングレシピの探索や寸法計測をプラットフォームにおけるアプリケーションとして実装する半導体装置製造システムが考えられる。このような実装例を図１４に示す。プラットフォーム１４００はクラウド上に構築されており、ＯＳ１４０２，ミドルウェア１４０３上で処理を実行するアプリケーションが稼働する。プラットフォーム１４００において、プロセスレシピ探索装置１３１０に相当する処理を実行するプロセスレシピ探索アプリケーション１４０５、寸法計測装置１３４０に相当する処理を実行する寸法計測アプリケーション１４０６が備えられている。ユーザは端末１４１０からネットワークを介してプラットフォームにアクセスして、プラットフォーム１４００に構築されたアプリケーションの機能を利用することができる。プラットフォーム１４００はデータベース１４０１を備え、アプリケーションの実行に必要なデータが格納される。さらにプラズマ処理装置１００、評価装置１３３０もプラットフォーム１４００とネットワークによりデータのやり取りが可能となるように接続されている。

【実施例0036】

一般にエッチングレシピ開発の初期では、ターゲット形状に対して計測値が大きく離れており、複数のエッチングレシピを試すうちに徐々に加工形状がターゲット形状に近づく。ターゲット形状に実際の計測結果が近づくにつれ、自動レシピ探索によって機械学習モデルから提案されるエッチングレシピの予測加工形状もターゲット形状に近い形状となる。数値データのみでは実際の形状の違いを視覚的に理解が難しい一方で、第１の課題として説明したように、画像化して表示しても予測加工形状とターゲット形状との形状が近似するにつれて、それぞれの予測加工形状のターゲット形状からの差異がユーザに視認可能に描画されない。プロセスレシピ探索装置１３１０は、表示形状強調処理部１３１８を備え、予測加工形状とターゲット形状との形状の差異を強調して表示装置１３２２に表示することができる。

【0037】

図１Ａに機械学習モデルから提案されたエッチングレシピ（候補エッチングレシピ）による予測加工形状の１つを模式的に図示する。図１Ａに例示する予測加工形状はトレンチ構造の断面形状（以下、トレンチ形状と表記する）の例である。トレンチ形状の幅はマスク８によって決まり、マスク８の開口部から基板９がエッチングされることより、基板９にトレンチ形状が形成される。図１Ａには太線によりターゲット形状６０もあわせて示している。トレンチ形状の幅２０，３０，４０は、測定するトレンチ内での深さが異なる幅として定義されている。プロセスエンジニアは、例えば、ターゲット形状をトレンチ形状の幅２０，３０，４０とトレンチ形状の深さ５０とによって定義する。図１Ａの予測加工形状の場合、トレンチ形状の幅２０，３０がターゲット形状の幅より大きく、トレンチ形状の幅４０がターゲット形状の幅より小さい。また、トレンチ形状の深さ５０はターゲット形状の深さよりも深い。予測加工形状のターゲット形状からの乖離が小さくなるにつれ、このような予測加工形状の問題点が視覚的に把握しにくくなっていく。

【0038】

本実施例では、図１Ｂの描画方法により、図１Ａと同じ予測加工形状であってもターゲット形状に対する予測加工形状の違いを強調表示することが可能となる。

【0039】

図４Ａと図４Ｂを用いて、本実施例のターゲット形状からの誤差を強調する強調表示方法について説明する。図４Ａは強調表示をしていない場合のトレンチ外形である。トレンチ外形４０８の予測深さｐＤ、予測幅ｐＷ、ターゲット形状のターゲット深さＤ、ターゲット幅Ｗとするとき、予測深さｐＤとターゲット深さＤとの差分ｄＤと予測幅ｐＷとターゲット幅Ｗとの差分ｄＷは、それぞれ、
ｄＤ＝Ｄ－ｐＤ
ｄＷ＝（Ｗ－ｐＷ）／２
で表される。

【0040】

ここで、深さと幅について強調表示に利用する拡大率（強調倍率という）をａ、ｂとするとき、ターゲット形状との誤差をそれぞれｄＤ１、ｄＷ１として次のように定義する。
ｄＤ１＝ａ×ｄＤ
ｄＷ１＝ｂ×ｄＷ
強調倍率ａ，ｂは、予測加工形状とターゲット形状との差分から自動で求めてもよいし、ユーザがＧＵＩ上で指定してもよい。

【0041】

図４Ｂは強調表示した場合のトレンチ外形であり、トレンチ外形４０９では、以上のように定義された誤差ｄＤ１とｄＷ１とを用いて、予測深さｅＤと予測幅ｅＷをそれぞれ、
ｅＤ＝Ｄ＋ｄＤ１
ｅＷ＝Ｗ＋２×ｄＷ１
とする。図４Ａに示す通常表示と比べると、ターゲット形状からの差異を視覚的にはっきりと描画することが可能な上に、ターゲット形状を基準にトレンチ幅や深さといった異なる部分の形状の変化を同時に見ることが可能となる。

【0042】

図５を用いて強調倍率ａ，ｂの設定方法を説明する。ＧＵＩにおいて予測加工形状を表示する表示ウィンドウ５０１は縦長Ｔ、横幅Ｙであるとする。このとき、表示ウィンドウ５０１からはみ出さないよう、深さに対する倍率ａ、幅に対する倍率ｂは、それぞれ
ａ＜（Ｔ－Ｄ）／ｄＤ
ｂ＜（Ｙ－Ｗ）／（２×ｄＷ）
の関係を満たす必要がある。ウィンドウの表示方法によっては余白部分をオフセットとして考慮することもある。

【0043】

また、図５に示すように、予測加工形状を強調表示する場合には、必要に応じて３つのスケールを表示するとよい。１つはターゲット形状の表示を示す外形スケール５０４、残りは誤差が強調表示された予測加工形状を示す強調表示スケール５０５である。この例では、トレンチ形状の幅と深さとがそれぞれの強調倍率で強調表示されているために、直交する２つのスケールを示している。

【0044】

ここではエッチングにおける最も基本的な加工形状であるトレンチの幅とトレンチの深さを強調して表示する方法を説明した。エッチング加工ではこのような単純なターゲット以外にも、トレンチ側壁が徐々に狭くなるテーパ構造の制御や、トレンチ側壁がエッチングによって表面荒れを抑えるラフネスの抑制、側壁が途中で広がるボーイングといった形状の制御が必要となることが多い。これらの中で表面荒れを評価するラフネスは一般に評価値が小さく、数倍程度の倍率では形状の特徴を強調することはできない。このため、表面荒れの程度を示すＲＡ値を基準にＲＡ値に対し強調倍率を数倍ないし数百倍として設定して表示することが効果的である。

【0045】

また、図３、図４Ｂでは予測加工形状のターゲット形状からの誤差を強調して表示する例を説明したが、本実施例の強調表示の対象はターゲット形状と予測加工形状に限定するものではなく、任意の形状間の差異を強調して表示する場合にも適用可能である。以下に、その例を説明する。画像Ｂを画像Ａに対して強調表示するものとして、Ａを基準画像、Ｂを比較画像と呼ぶ。例えば、二つの加工レシピによる加工結果をそのターゲット形状の定義にしたがって計測し、二つの加工結果についての計測値から得られる加工形状同士を比較する、といった利用方法が想定される。

【0046】

基準画像のトレンチ深さＤＡ、基準画像のトレンチ幅ＷＡ、比較画像のトレンチ深さＤＢ、比較画像のトレンチ幅ＷＢとすると、基準画像Ａのトレンチ深さと比較画像Ｂのトレンチ深さの差分ｄＤ３、基準画像Ａのトレンチ幅と比較画像Ｂのトレンチ幅の差分ｄＷ３は、それぞれ、
ｄＤ３＝ＤＡ－ＤＢ
ｄＷ３＝（ＷＡ－ＷＢ）／２
で表される。

【0047】

ここで、深さと幅について強調表示に利用する強調倍率をｃ、ｄとするとき、基準画像との誤差をそれぞれｄＤ４、ｄＷ４として次のように定義する。
ｄＤ４＝ｃ×ｄＤ３
ｄＷ４＝ｄ×ｄＷ３
強調倍率ｃ，ｄは基準画像Ａと比較画像Ｂとの差分から自動で求めてもよいし、ユーザがＧＵＩ上で指定してもよい。以上のように定義された誤差ｄＤ４とｄＷ４を用いて、強調表示する比較画像Ｂのトレンチ形状の深さｆＤと幅ｆＷをそれぞれ、
ｆＤ＝Ｄ＋ｄＤ４
ｆＷ＝Ｗ＋２×ｄＷ４
とする。

【0048】

このように、ターゲット形状に限らず、任意の基準画像に対して差異を視覚的にはっきりと描画することが可能な上に、良好なエッチングレシピによる加工形状同士を比較することによって、より良いエッチングレシピの選定が容易となる。

【0049】

図６は表示形状強調処理部１３１８が強調表示を行う描画フローチャートである。強調表示を行うため、まず表示形状の選択６０２を行う。例えばトレンチの幅やトレンチの深さ等といったターゲット形状を定義する要素を選択する。次に表示強調倍率の指定・算出６０３にて強調倍率を指定する。これはトレンチ形状などから自動的に計算を行ってもよい。次に強調形状の計算６０４を行い、表示装置１３２２に表示６０５する。表示結果からユーザは表示内容の良否を判定６０６し、強調倍率を見直す必要があれば強調倍率の検討６０７によって強調倍率の調整を行って再度、表示強調倍率の指定・算出６０３～表示結果の判定６０６を実施する。

【0050】

図７に、加工レシピ決定２０３においてエンジニアが機械学習モデルから求められた候補エッチングレシピの中から加工レシピの選定を行うため、加工レシピ決定部１３１６が表示装置１３２２に表示させるグラフィカルユーザインターフェース（ＧＵＩ）の例を示す。ＧＵＩ７０１の上段は、トレンチ形状が通常表示と強調表示にて表示される表示ウィンドウ７１１である。その下に選択領域７０７があり、表示ウィンドウ７１１に表示させるトレンチ形状は選択領域７０７から選択される。選択領域７０７には、機械学習モデルによって選ばれた候補エッチングレシピ（予測レシピ）とターゲット形状とが表示され、それぞれに対して、表示／非表示を選択するための選択チェックボックス７０８が配置されている。図７の場合、候補エッチングレシピのうち、予測レシピＮｏ．１、Ｎｏ．４による予想加工形状とターゲット形状とを表示ウィンドウ７１１に表示している。選択領域７０７におけるチェックを付け替えることで、別の予測レシピの予想加工形状を表示することができる。

【0051】

選択領域７０７の下には候補エッチングレシピの加工条件表示テーブル７０９がある。加工条件表示テーブル７０９には、表示ウィンドウ７１１に予想加工形状が表示された予測レシピの加工条件が表示される。この加工条件は、機械学習モデルにより推薦された加工条件である。予測レシピの加工条件と予想加工形状を見比べることによって、ユーザは個々の課題に応じた観点から加工条件の選定を進めることができる。

【0052】

加工条件表示テーブル７０９の下には表示ウィンドウ７１１に表示された予測加工形状の要素（この例では幅Ｗ１，Ｗ２，Ｗ３と深さＤ１）の大きさを示す予測測長値テーブル７１０が配置される。予測測長値は、機械学習モデルに予測レシピの加工条件を入力することによって算出される値である。予測測長値テーブル７１０はレシピ選定には役に立ち難いが、ユーザはターゲット形状の入力間違えや機械学習モデルから推薦されている形状等に明らかな異常がみられる場合、予測測長値テーブル７１０を確認することでそのような状況に容易に気づくことが可能となる。

【0053】

ユーザが予測加工形状をターゲット形状からの差異を強調して認識するには、ここまで説明してきた強調表示以外の表示方法も考えられる。そのような表示方法について図８Ａ～Ｃを用いて説明する。図８Ａは色によってターゲット形状との差を表示する方法である。例えば、ターゲット形状との差が大きな場合を赤、差が小さな場合を緑として表示するものとし、図８Ａの例であればトレンチ底８０３を赤、トレンチ側壁８０２を緑で表示する。これにより、ユーザの優先度が高い形状要素（この場合は深さ等）を、色により視覚的に選ぶことができる。図８Ｂに示すのはターゲット形状との差を線の太さで示す例である。この場合、線幅が太い方がターゲット形状からの差が大きく、トレンチ底８０６をトレンチ側壁８０５よりも太い線で表示している。図８Ｃは、外れ量を矢印としてベクトル表示する方法である。この場合、該当する計測点が２次元的にどの程度ターゲット形状から外れているのか理解しやすい。図８Ｃでは形状要素が幅と深さであるため、ベクトル８０８は横方向と縦方向に向いたベクトルとなる。これに対して、形状要素として側壁のテーパや底面の傾きが定義されている場合には、テーパの誤差や傾きの誤差は、側壁や底面の法線方向に向いたベクトルとして表現されるようにする。このような２次元的なベクトル表記を行うことで予測加工形状の理解が容易になる。

【実施例0054】

実施例２として、第２の課題として説明した、機械学習モデルを利用した候補エッチングレシピの感度を評価する方法とＧＵＩについて説明する。以下で説明するＧＵＩは、機械学習モデルを利用して探索した候補エッチングレシピから加工レシピ決定２０３を行うときに加工レシピ決定部１３１６が表示装置１３２２に表示する。

【0055】

図９に加工レシピ決定部１３１６が機械学習モデルから求められた候補エッチングレシピの感度を表示するＧＵＩ９０１の例を示す。ＧＵＩ９０１の上段には予測形状の変化の大きさを表示する形状表示ウィンドウがある。形状表示ウィンドウには候補エッチングレシピから得られる予測加工形状９０２が実線で表示されるのに加えて、エッチングレシピの加工条件の１つであるパラメータＡを＋１０％変えた感度評価エッチングレシピの予測加工形状９０３とエッチングレシピのパラメータＡを－１０％変えた感度評価エッチングレシピの予測加工形状９０４とが点線で表示されている。予測加工形状の変化量を示す矢印９０５は、パラメータＡを変化させることによる予測加工形状の変化量を示す矢印であり、矢印が小さな方が予測加工形状の変化量が小さいものとして表示する。図９に示される予測レシピＮｏ．１の場合では、トレンチ深さについて、パラメータＡを＋１０％変えることによる変化量は少なく、－１０％変えることによる変化量が大きいことが分かる。逆に、トレンチ幅について、パラメータＡを－１０％変えることによる変化量は少なく、＋１０％変えることによる変化量が大きいことが分かる。

【0056】

図９ではエッチングレシピのパラメータＡのみを変えたときの形状変化の表示を例示しているが、ＧＵＩ９０１には感度評価するパラメータの選択領域９０９があり、選択ドロップボックス９１１により複数のパラメータを同時に変えることもできる。評価に用いるパラメータの変化量は指定領域９１０に表示され、パラメータごとに変化量設定スクロールバー９１２により変化量を設定可能である。

【0057】

ＧＵＩ９０１の中段には選択領域７０７があり感度評価を行いたい候補エッチングレシピを選択して感度評価することが可能である。これらの候補エッチングレシピの評価では、機械学習モデルにその都度パラメータを変化させた感度評価エッチングレシピを入力して予測加工形状を求めてもよいし、予め予測加工形状の周辺のエッチングレシピの予測加工条件を計算しておき、パラメータの変化量が指定されたときに相当する予測加工形状をコンピュータの記憶装置から呼び出すようにしてもよい。

【0058】

ＧＵＩ９０１の下段にはエッチングレシピの表示テーブル９０８がある。表示テーブル９０８には感度評価対象としたエッチングレシピ（ここではＮｏ．１、Original欄）及び感度を評価するためにパラメータＡを±１０％変えたときの感度評価エッチングレシピと、各々の予測加工形状を表示している。表示テーブル９０８にターゲット形状を併記してもよい。