特開 2023-5735 数理モデル取得装置、推定装置、数理モデル取得方法、推定方法及びプログラム

(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】P2023005735

(43)【公開日】2023-01-18

(54)【発明の名称】数理モデル取得装置、推定装置、数理モデル取得方法、推定方法及びプログラム

(51)【国際特許分類】

   H01L 21/02 20060101AFI20230111BHJP

   G06N 20/00 20190101ALI20230111BHJP

【ＦＩ】

H01L21/02 Z

G06N20/00

【審査請求】未請求

【請求項の数】24

【出願形態】ＯＬ

(21)【出願番号】P 2021107875

(22)【出願日】2021-06-29

(71)【出願人】

【識別番号】000231464

【氏名又は名称】株式会社アルバック

(74)【代理人】

【識別番号】100141139

【弁理士】

【氏名又は名称】及川 周

(74)【代理人】

【識別番号】100134359

【弁理士】

【氏名又は名称】勝俣 智夫

(72)【発明者】

【氏名】林 裕太

(72)【発明者】

【氏名】▲曾▼山 俊也

(72)【発明者】

【氏名】川久保 大輔

(57)【要約】

【課題】チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させる。
【解決手段】本発明の一態様は、チャンバを備える処理装置の動作を示す製造レシピ情報と、前記製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記製造レシピ情報から前記性能情報を推定する主数理モデルを取得する主数理モデル取得部、を備える数理モデル取得装置である。
【選択図】図１

【特許請求の範囲】

【請求項1】

チャンバを備える処理装置の動作を示す製造レシピ情報と、前記製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記製造レシピ情報から前記性能情報を推定する主数理モデルを取得する主数理モデル取得部、
を備える数理モデル取得装置。

【請求項2】

前記主数理モデル取得部は、前記製造レシピ情報と前記チャンバ内状態情報とに基づき前記製造レシピ情報から前記チャンバ内状態情報を推定する数理モデルである第１副モデルを取得する第１副モデル取得処理、を実行することで前記主数理モデルを取得する、
請求項１に記載の数理モデル取得装置。

【請求項3】

前記第１副モデル取得処理は、機械学習の方法によって前記第１副モデルを取得する、
請求項２に記載の数理モデル取得装置。

【請求項4】

前記主数理モデル取得部は、前記チャンバ内状態情報と前記性能情報とに基づき前記チャンバ内状態情報から前記性能情報を推定する数理モデルである第２副モデルを取得する第２副モデル取得処理、をさらに実行することで前記主数理モデルを取得する、
請求項２又は３に記載の数理モデル取得装置。

【請求項5】

前記第２副モデル取得処理は、機械学習の方法によって前記第２副モデルを取得する、
請求項４に記載の数理モデル取得装置。

【請求項6】

前記主数理モデル取得部は、前記第１副モデルを用いた転移学習又はファインチューニングにより、前記チャンバ内状態情報を用いて、前記主数理モデルを取得する、
請求項２又は３に記載の数理モデル取得装置。

【請求項7】

前記チャンバ内状態情報は、前記処理装置の構成に関する情報である装置構成情報と、前記製造レシピ情報とに基づき、得られた情報である、
請求項１から６のいずれか一項に記載の数理モデル取得装置。

【請求項8】

前記チャンバ内状態情報は、前記装置構成情報と前記製造レシピ情報とに基づき、シミュレーションにより得られた情報である、
請求項７に記載の数理モデル取得装置。

【請求項9】

前記チャンバ内状態情報は、時空間的に２次元以上の量を示す、
請求項１から８のいずれか一項に記載の数理モデル取得装置。

【請求項10】

前記主数理モデル取得部は、前記主数理モデルの推定する前記性能情報が複数ある場合には、それぞれの種類に対応した複数の前記主数理モデルを用いてそれぞれ異なる結果を推定する、
請求項１から９のいずれか一項に記載の数理モデル取得装置。

【請求項11】

前記主数理モデル取得部は、さらに前記結果を用いて１つの評価値を推定する、
請求項１０に記載の数理モデル取得装置。

【請求項12】

チャンバを備える処理装置の処理の結果が満たすべき条件を示す条件情報を取得する条件情報取得部と、
製造レシピ情報と、前記処理装置の動作を示す製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記チャンバ内状態情報と、前記性能情報との関係を示す主数理モデルを取得する主数理モデル取得部を備える、数理モデル取得装置によって得られた前記主数理モデルを用いて、前記条件を満たす結果が得られる前記処理装置の動作の候補を推定する動作候補推定処理を実行する動作候補推定部と、
を備える推定装置。

【請求項13】

製造レシピ情報を取得する製造レシピ情報取得部、
を備え、
前記動作候補推定処理は、前記製造レシピ情報取得部の取得した前記製造レシピ情報が示す動作で対象装置が動作して得られる前記処理装置の処理結果を、前記主数理モデルを用いて推定する結果推定処理を含む、
請求項１２に記載の推定装置。

【請求項14】

前記動作候補推定処理は、前記結果推定処理の結果と前記条件情報が示す条件とに基づき前記条件情報が示す条件を満たす処理結果が得られる前記処理装置の動作の候補を推定する探索処理をさらに含む、
請求項１３に記載の推定装置。

【請求項15】

前記探索処理は、所定の探索の方法により、前記処理装置の動作の候補を推定する、
請求項１４に記載の推定装置。

【請求項16】

前記チャンバ内状態情報は、前記処理装置の構成に関する情報である装置構成情報と、前記製造レシピ情報とに基づき、得られた情報である、
請求項１２から１５のいずれか一項に記載の推定装置。

【請求項17】

前記チャンバ内状態情報は、前記装置構成情報と前記製造レシピ情報とに基づき、シミュレーションにより得られた情報である、
請求項１６に記載の推定装置。

【請求項18】

前記チャンバ内状態情報は、時空間的に２次元以上の量を示す、
請求項１２から１７のいずれか一項に記載の推定装置。

【請求項19】

前記結果推定処理の結果の種類が複数ある場合には、前記結果推定処理は、それぞれの種類に対応した複数の前記主数理モデルを用いてそれぞれ異なる処理結果を推定する、
請求項１３から１５のいずれか一項に記載の推定装置。

【請求項20】

前記結果推定処理は、さらに前記処理結果を用いて１つの評価値を推定する、
請求項１９に記載の推定装置。

【請求項21】

チャンバを備える処理装置の動作を示す製造レシピ情報と、前記製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記製造レシピ情報から前記性能情報を推定する主数理モデルを取得する主数理モデル取得ステップ、
を有する数理モデル取得方法。

【請求項22】

チャンバを備える処理装置の処理の結果が満たすべき条件を示す条件情報を取得する条件情報取得ステップと、
製造レシピ情報と、前記処理装置の動作を示す製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記チャンバ内状態情報と、前記性能情報との関係を示す主数理モデルを取得する主数理モデル取得部を備える、数理モデル取得装置によって得られた前記主数理モデルを用いて、前記条件を満たす結果が得られる前記処理装置の動作の候補を推定する動作候補推定処理を実行する動作候補推定ステップと、
を有する推定方法。

【請求項23】

請求項１から１１のいずれか一項に記載の数理モデル取得装置としてコンピュータを機能させるためのプログラム。

【請求項24】

請求項１２から２０のいずれか一項に記載の推定装置としてコンピュータを機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、数理モデル取得装置、推定装置、数理モデル取得方法、推定方法及びプログラムに関する。

【背景技術】

【0002】

真空スパッタ装置や真空蒸着装置などチャンバを備える処理装置を用いて、半導体等の加工対象を加工する技術がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－０７０４７０号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

このような処理装置を用いた加工では、再現性の確保などの観点から、目的の加工を行う処理装置の動作の適切な条件を探し出す作業が必要である。しかしながら、処理装置の動作を制御するパラメータは複数であり、各パラメータのバランスが加工結果に強く影響を及ぼすため、加工に適した条件を見出す作業は労力を要する作業である場合があった。

【0005】

上記事情に鑑み、本発明は、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させる技術を提供することを目的としている。

【課題を解決するための手段】

【0006】

本発明の一態様は、チャンバを備える処理装置の動作を示す製造レシピ情報と、前記製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記製造レシピ情報から前記性能情報を推定する主数理モデルを取得する主数理モデル取得部、を備える数理モデル取得装置である。

【0007】

本発明の一態様は、チャンバを備える処理装置の処理の結果が満たすべき条件を示す条件情報を取得する条件情報取得部と、製造レシピ情報と、前記処理装置の動作を示す製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記チャンバ内状態情報と、前記性能情報との関係を示す主数理モデルを取得する主数理モデル取得部を備える、数理モデル取得装置によって得られた前記主数理モデルを用いて、前記条件を満たす結果が得られる前記処理装置の動作の候補を推定する動作候補推定処理を実行する動作候補推定部と、を備える推定装置である。

【0008】

本発明の一態様は、チャンバを備える処理装置の動作を示す製造レシピ情報と、前記製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記製造レシピ情報から前記性能情報を推定する主数理モデルを取得する主数理モデル取得ステップ、を有する数理モデル取得方法である。

【0009】

本発明の一態様は、チャンバを備える処理装置の処理の結果が満たすべき条件を示す条件情報を取得する条件情報取得ステップと、製造レシピ情報と、前記処理装置の動作を示す製造レシピ情報が示す内容にしたがって動作する前記処理装置において前記チャンバ内で生じる現象の状態を示すチャンバ内状態情報と、前記処理装置の処理結果の性能を示す性能情報とに基づき、前記チャンバ内状態情報と、前記性能情報との関係を示す主数理モデルを取得する主数理モデル取得部を備える、数理モデル取得装置によって得られた前記主数理モデルを用いて、前記条件を満たす結果が得られる前記処理装置の動作の候補を推定する動作候補推定処理を実行する動作候補推定ステップと、を有する推定方法である。

【0010】

本発明の一態様は、上記の数理モデル取得装置としてコンピュータを機能させるためのプログラムである。

【0011】

本発明の一態様は、上記の推定装置としてコンピュータを機能させるためのプログラムである。

【発明の効果】

【0012】

本発明により、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることが可能となる。

【図面の簡単な説明】

【0013】

【図1】第１実施形態の推定システムの概要を説明する説明図。

【図2】第１実施形態における数理モデル取得装置のハードウェア構成の一例を示す図。

【図3】実施形態における数理モデル取得装置が備える制御部の機能構成の一例を示す図。

【図4】第１実施形態における主数理モデル取得処理の流れの一例を示すフローチャート。

【図5】第１実施形態における第１副モデル取得処理の流れの一例を示すフローチャート。

【図6】第１実施形態における第２副モデル取得処理の流れの一例を示すフローチャート。

【図7】第１実施形態における推定装置のハードウェア構成の一例を示す図。

【図8】第１実施形態における推定装置が備える制御部の機能構成の一例を示す図。

【図9】第１実施形態における推定装置が実行する処理の流れの一例を示すフローチャート。

【図10】第２実施形態の推定システムの概要を説明する説明図。

【図11】第２実施形態における数理モデル取得装置のハードウェア構成の一例を示す図。

【図12】第２実施形態における制御部の機能構成の一例を示す図。

【図13】第２実施形態における主数理モデル取得処理の流れの一例を示すフローチャート。

【図14】第２実施形態における修正モデル取得処理の流れの一例を示すフローチャート。

【発明を実施するための形態】

【0014】

（第１実施形態）
図１は、第１実施形態の推定システム１００の概要を説明する説明図である。推定システム１００は、真空スパッタ装置や真空蒸着装置や基板処理装置等のチャンバを備える処理装置（以下「対象装置」という。）の動作の候補を推定するシステムである。推定システム１００は、数理モデル取得装置１及び推定装置２を備える。数理モデル取得装置１は、主数理モデル取得処理を実行する。主数理モデル取得処理は、製造レシピ情報と、チャンバ内状態情報と、性能情報とに基づき、製造レシピ情報から性能情報を推定する数理モデルである主数理モデルを取得する処理である。

【0015】

製造レシピ情報は、対象装置の動作を示す情報である。製造レシピ情報は、例えば対象装置の制御の条件を含む。製造レシピ情報は、例えば対象装置の処理対象に対する加工の条件を示す情報を含んでもよい。

【0016】

チャンバ内状態情報は、製造レシピ情報が示す内容にしたがって動作する対象装置においてチャンバ内で生じる現象の状態を示す情報である。チャンバ内状態情報は、例えば対象装置の処理対象を加工する流体の圧力のチャンバ内における分布を示す情報を含む。チャンバ内状態情報は、例えば対象装置の処理対象を加工する流体の圧力のチャンバ内における分布を示す情報を含んでもよい。

【0017】

性能情報は、対象装置の処理結果の性能を示す情報である。処理結果は、処理の結果の意味である。対象装置が膜を形成する装置である場合には、処理結果は、例えば対象装置によって形成された膜の抵抗率の空間分布の時間変化を示す情報を含んでもよい。対象装置が膜を形成する装置である場合、処理結果は、例えば対象装置によって形成された膜の膜厚の空間分布の時間変化を示す情報を含んでもよい。対象装置が膜を形成する装置である場合、処理結果は、例えば対象装置によって形成された膜の透過率の空間分布の時間変化を示す情報を含んでもよい。

【0018】

主数理モデル取得処理は、第１副モデル取得処理と第２副モデル取得処理とを含む。第１副モデル取得処理は、製造レシピ情報とチャンバ内状態情報とに基づき製造レシピ情報からチャンバ内状態情報を推定する数理モデルである第１副モデルを取得する処理である。第２副モデル取得処理は、チャンバ内状態情報と性能情報とに基づきチャンバ内状態情報から性能情報を推定する数理モデルである第２副モデルを取得する処理である。第１副モデルと第２副モデルとは主数理モデルが含む数理モデルである。

【0019】

第１副モデルは、例えば機械学習の方法により得られる。第１副モデルが機械学習の方法により得られる場合、第１副モデル取得処理は、機械学習の方法を用いて、所定の終了条件（以下「第１学習終了条件」という。）が満たされるまで第１基礎モデルを更新することで第１副モデルを得る。すなわち、第１副モデルは、第１学習終了条件が満たされた時点の第１基礎モデルである。第１基礎モデルは、製造レシピ情報とチャンバ内状態情報との関係を示す数理モデルであって、第１学習終了条件が満たされる前の数理モデルである。なお第１学習終了条件を示す情報は、ユーザによって入力されてもよい。

【0020】

第２副モデルは、例えば機械学習の方法により得られる。第２副モデルが機械学習の方法により得られる場合、第２副モデル取得処理は、機械学習の方法を用いて、所定の終了条件（以下「第２学習終了条件」という。）が満たされるまで第２基礎モデルを更新することで第２副モデルを得る。すなわち、第２副モデルは、第２学習終了条件が満たされた時点の第２基礎モデルである。第２基礎モデルは、チャンバ内状態情報と性能情報との関係を示す数理モデルであって、第２学習終了条件が満たされる前の数理モデルである。なお第２学習終了条件を示す情報は、ユーザによって入力されてもよい。

【0021】

第１副モデル取得処理が実行する機械学習の方法は、第１基礎モデルを更新可能であればどのような機械学習の方法であってもよい。機械学習の方法は、例えばニューラルネットワークを用いた機械学習であってもよいし、深層学習であってもよいし、強化学習であってもよい。機械学習の方法では、畳み込みの方法が用いられてもよいし、オートエンコーダが用いられてもよいし、敵対的学習が用いられてもよい。機械学習の方法は、例えば回帰であってもよい。機械学習の方法は、例えばガウス過程回帰であってもよい。機械学習の方法は、例えば決定木であってもよい。機械学習の方法は、例えばランダムフォレストであってもよい。機械学習の方法は、例えばクラスタリングの方法であってもよい。機械学習の方法は、例えばk-meansの方法であってもよいし、主成分分析の方法であってもよい。機械学習の方法は、例えばサポートベクターマシンの方法であってもよい。機械学習の方法は、例えば隠れマルコフモデルを実行する方法であってもよい。

【0022】

第２副モデル取得処理が実行する機械学習の方法は、第２基礎モデルを更新可能であればどのような機械学習の方法であってもよい。機械学習の方法は、例えばニューラルネットワークを用いた機械学習であってもよいし、深層学習であってもよいし、強化学習であってもよい。機械学習の方法では、畳み込みの方法が用いられてもよいし、オートエンコーダが用いられてもよいし、敵対的学習が用いられてもよい。

【0023】

推定装置２は、対象装置の処理結果が満たすべき条件を示す条件情報を取得する。推定装置２は動作候補推定処理を実行する。動作候補推定処理は、取得した条件情報が示す条件（以下「被取得条件」という。）を満たす処理結果が得られる対象装置の動作の候補を、主数理モデルを用いて推定する処理である。

【0024】

動作候補推定処理は、例えば、被取得条件を満たす処理結果が得られる対象装置の動作の候補を、１又は複数の製造レシピ情報に基づき主数理モデルを用いて推定する処理である。動作候補推定処理で用いられる１又は複数の製造レシピ情報は、他の装置や人によって推定装置２に入力された情報であってもよいし、予め推定装置２が記憶済みであってもよい。

【0025】

動作候補推定処理は、例えば結果推定処理と探索処理とを含む処理である。結果推定処理は、製造レシピ情報が示す動作で対象装置が動作して得られる対象装置の処理結果を、主数理モデルを用いて推定する処理である。探索処理は、結果推定処理の結果と被取得条件とに基づき被取得条件を満たす処理結果が得られる対象装置の動作の候補を推定する処理である。結果推定処理は、処理結果の種類が複数ある場合には、それぞれの種類に対応した主数理モデルを複数用いてそれぞれ異なる処理結果を推定してよく、さらに各処理結果の推定値を使って１つの評価値を計算してもよい。評価値の計算は、例えば被取得条件を使った考慮したものでも良い。なおそれぞれ異なるとは、それぞれの種類に対応する主数理モデルごとに異なる、ということを意味する。したがって、異なる種類に対応する主数理モデルは、同じ結果を推定することは無い。

【0026】

探索処理では、例えば所定の探索の方法により、対象装置の動作の候補が推定される。所定の探索の方法は、例えば最適化探索法であってもよいし、グリッドサーチ法であってもよいし、ランダム探索法であってもよい。

【0027】

図２は、第１実施形態における数理モデル取得装置１のハードウェア構成の一例を示す図である。数理モデル取得装置１は、バスで接続されたＣＰＵ（Central Processing Unit）等のプロセッサ９１とメモリ９２とを備える制御部１１を備え、プログラムを実行する。数理モデル取得装置１は、プログラムの実行によって制御部１１、通信部１２、入力部１３、記憶部１４及び出力部１５を備える装置として機能する。

【0028】

より具体的には、数理モデル取得装置１は、プロセッサ９１が記憶部１４に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９２に記憶させる。プロセッサ９１が、メモリ９２に記憶させたプログラムを実行することによって、数理モデル取得装置１は、制御部１１、通信部１２、入力部１３、記憶部１４及び出力部１５を備える装置として機能する。

【0029】

制御部１１は、数理モデル取得装置１が備える各種機能部の動作を制御する。制御部１１は、例えば第１副モデル取得処理と第２副モデル取得処理とを含む主数理モデル取得処理を実行する。

【0030】

通信部１２は、数理モデル取得装置１を外部装置に接続するための通信インタフェースを含んで構成される。通信部１２は、有線又は無線を介して外部装置と通信する。外部装置は、例えば推定装置２である。通信部１２は、例えば推定装置２に主数理モデル取得装置の実行により得た主数理モデルを送信する。

【0031】

入力部１３は、例えばマウスやキーボード、タッチパネル等の入力装置を含んで構成される。入力部１３は、これらの入力装置を数理モデル取得装置１に接続するインタフェースとして構成されてもよい。入力部１３は、数理モデル取得装置１に対する各種情報の入力を受け付ける。

【0032】

入力部１３には、例えば機械学習に用いられる学習データが入力される。より具体的には、入力部１３には、例えば製造レシピ情報を説明変数としチャンバ内状態情報を目的変数として有する学習データが入力される。製造レシピ情報を説明変数としチャンバ内状態情報を目的変数として有する学習データ（以下「第１学習データ」という。）は、第１副モデルの取得に用いられる。

【0033】

入力部１３には、例えばチャンバ内状態情報を説明変数とし性能情報を目的変数として有する学習データが入力される。チャンバ内状態情報を説明変数とし性能情報を目的変数用いられる。なお、入力部１３に入力可能な情報は、必ずしも入力部１３に入力される必要は無く、例えば通信部１２に入力されてもよい。

【0034】

記憶部１４は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部１４は、数理モデル取得装置１に関する各種情報を記憶する。記憶部１４は、例えば通信部１２又は入力部１３を介して入力された情報を記憶する。

【0035】

記憶部１４は、例えば制御部１１による処理の実行により生じた各種情報を記憶する。記憶部１４は、例えば予め第１基礎モデルを記憶する。記憶部１４は、例えば予め第２基礎モデルを記憶する。記憶部１４は、主数理モデル取得装置の実行により得た主数理モデルを記憶する。

【0036】

出力部１５は、各種情報を出力する。出力部１５は、例えばＣＲＴ（Cathode Ray Tube）ディスプレイや液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を含んで構成される。出力部１５は、これらの表示装置を数理モデル取得装置１に接続するインタフェースとして構成されてもよい。出力部１５は、例えば入力部１３に入力された情報を出力する。出力部１５は、例えば制御部１１による処理の実行の結果を表示してもよい。なお、出力部１５が出力可能な情報は、必ずしも出力部１５から出力される必要はない。出力部１５が出力可能な情報は、例えば通信部１２から所定の出力先に出力されてもよい。

【0037】

図３は、第１実施形態における制御部１１の機能構成の一例を示す図である。制御部１１は、主数理モデル取得部１１１、通信制御部１１２、入力制御部１１３、記憶制御部１１４及び出力制御部１１５を備える。

【0038】

主数理モデル取得部１１１は主数理モデル取得処理を実行する。通信制御部１１２は通信部１２の動作を制御する。入力制御部１１３は入力部１３の動作を制御する。記憶制御部１１４は記憶部１４の動作を制御する。出力制御部１１５は出力部１５の動作を制御する。

【0039】

図４は、第１実施形態における主数理モデル取得処理の流れの一例を示すフローチャートである。主数理モデル取得部１１１は第１副モデル取得処理を実行する（ステップＳ１０１）。次に、主数理モデル取得部１１１は第２副モデル取得処理を実行する（ステップＳ１０２）。なお、ステップＳ１０１の処理とステップＳ１０２の処理とは、必ずしもこの順番に実行される必要は無く、例えばステップＳ１０２の次にステップＳ１０１が実行されてもよい。

【0040】

図５は、第１実施形態における第１副モデル取得処理の流れの一例を示すフローチャートである。入力部１３に第１学習データが入力される（ステップＳ２０１）。次に、主数理モデル取得部１１１は第１学習データを用いて、第１基礎モデルの学習を行う（ステップＳ２０２）。次に主数理モデル取得部１１１は、第１学習終了条件が満たされたか否かを判定する（ステップＳ２０３）。第１学習終了条件が満たされない場合、ステップＳ２０１の処理に戻る。一方、第１学習終了条件が満たされた場合、処理が終了する。第１終了条件が満たされた時点の第１基礎モデルを、以下学習済みの第１基礎モデルという。

【0041】

図６は、第１実施形態における第２副モデル取得処理の流れの一例を示すフローチャートである。入力部１３に第２学習データが入力される（ステップＳ３０１）。次に、主数理モデル取得部１１１は第２学習データを用いて、第２基礎モデルの学習を行う（ステップＳ３０２）。次に主数理モデル取得部１１１は、第２学習終了条件が満たされたか否かを判定する（ステップＳ３０３）。第２学習終了条件が満たされない場合、ステップＳ３０１の処理に戻る。一方、第２学習終了条件が満たされた場合、処理が終了する。第２終了条件が満たされた時点の第２基礎モデルを、以下学習済みの第２基礎モデルという。

【0042】

図７は、第１実施形態における推定装置２のハードウェア構成の一例を示す図である。推定装置２は、バスで接続されたＣＰＵ等のプロセッサ９３とメモリ９４とを備える制御部２１を備え、プログラムを実行する。推定装置２は、プログラムの実行によって制御部２１、通信部２２、入力部２３、記憶部２４及び出力部２５を備える装置として機能する。

【0043】

より具体的には、推定装置２は、プロセッサ９３が記憶部２４に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９４に記憶させる。プロセッサ９３が、メモリ９４に記憶させたプログラムを実行することによって、推定装置２は、制御部２１、通信部２２、入力部２３、記憶部２４及び出力部２５を備える装置として機能する。

【0044】

制御部２１は、推定装置２が備える各種機能部の動作を制御する。制御部２１は、例えば動作候補推定処理を実行する。

【0045】

通信部２２は、推定装置２を外部装置に接続するための通信インタフェースを含んで構成される。通信部２２は、有線又は無線を介して外部装置と通信する。外部装置は、例えば数理モデル取得装置１である。通信部２２は、例えば数理モデル取得装置１が送信した主数理モデルを受信する。

【0046】

入力部２３は、例えばマウスやキーボード、タッチパネル等の入力装置を含んで構成される。入力部２３は、これらの入力装置を推定装置２に接続するインタフェースとして構成されてもよい。入力部２３は、推定装置２に対する各種情報の入力を受け付ける。

【0047】

入力部２３には、例えば条件情報が入力される。入力部２３には、製造レシピ情報が入力されてもよい。なお、入力部２３に入力可能な情報は、必ずしも入力部２３に入力される必要は無く、例えば通信部２２に入力されてもよい。

【0048】

記憶部２４は、磁気ハードディスク装置や半導体記憶装置などのコンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部２４は、推定装置２に関する各種情報を記憶する。記憶部２４は、例えば通信部２２又は入力部２３を介して入力された情報を記憶する。

【0049】

記憶部２４は、例えば制御部２１による処理の実行により生じた各種情報を記憶する。記憶部２４は、例えば主数理モデルを記憶する。記憶部２４は、例えば予め製造レシピ情報を記憶していてもよい。

【0050】

出力部２５は、各種情報を出力する。出力部２５は、例えばＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ等の表示装置を含んで構成される。出力部２５は、これらの表示装置を推定装置２に接続するインタフェースとして構成されてもよい。出力部２５は、例えば入力部２３に入力された情報を出力する。出力部２５は、例えば制御部２１による処理の実行の結果を表示してもよい。なお、出力部２５が出力可能な情報は、必ずしも出力部２５から出力される必要はない。出力部２５が出力可能な情報は、例えば通信部２２から所定の出力先に出力されてもよい。

【0051】

図８は、第１実施形態における制御部２１の機能構成の一例を示す図である。制御部２１は動作候補推定部２１１、通信制御部２１２、入力制御部２１３、記憶制御部２１４、出力制御部２１５、条件情報取得部２１６及び製造レシピ情報取得部２１７を備える。

【0052】

動作候補推定部２１１は、動作候補推定処理を実行する。通信制御部２１２は通信部２２の動作を制御する。入力制御部２１３は入力部２３の動作を制御する。記憶制御部２１４は記憶部２４の動作を制御する。出力制御部２１５は出力部２５の動作を制御する。

【0053】

条件情報取得部２１６は、入力部２３に入力された条件情報を取得する。なお、予め条件情報が記憶部２４に記憶済みの場合には、条件情報取得部２１６は記憶部２４から読み出すことで条件情報を取得してもよい。

【0054】

製造レシピ情報取得部２１７は、入力部２３に入力された製造レシピ情報を取得する。なお、予め製造レシピ情報が記憶部２４に記憶済みの場合には、製造レシピ情報取得部２１７は記憶部２４から読み出すことで製造レシピ情報を取得してもよい。

【0055】

図９は、第１実施形態における推定装置２が実行する処理の流れの一例を示すフローチャートである。条件情報取得部２１６が条件情報を取得する（ステップＳ４０１）。次に製造レシピ情報取得部２１７が製造レシピを取得する（ステップＳ４０２）。次に、動作候補推定部２１１が動作候補推定処理を実行する（ステップＳ４０３）。なお、ステップＳ４０１の処理とステップＳ４０２の処理とは、必ずしもこの順番に実行される必要は無く、例えばステップＳ４０２の次にステップＳ４０１が実行されてもよい。

【0056】

このように構成された第１実施形態における数理モデル取得装置１は、チャンバ内状態情報を用いて、製造レシピ情報から性能情報を推定する数理モデルである主数理モデルを取得する。真空蒸着装置等のチャンバを備える処理装置では、処理対象の処理はチャンバ内で行われる。そのため同じ型番の装置に同じ製造レシピで処理を行わせたとしても、チャンバ内の微小な傷や汚れ等のチャンバの違いにより生じるチャンバ内の状態の違いにより、異なる結果を生じてしまう場合がある。このことは、チャンバ内の情報が製造レシピよりも強く処理の結果に影響を与えることを意味する。

【0057】

したがって、チャンバ内状態情報を用いて得られる主数理モデルは、チャンバ内状態情報を用いない数理モデルよりも高い精度で、製造レシピ情報から性能情報を推定することができる。その結果、数理モデル取得装置１は、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0058】

また、このように構成された第１実施形態における推定装置２は、チャンバ内状態情報を用いて、製造レシピ情報から性能情報を推定する数理モデルである主数理モデルを用いた推定を行う。そのため、推定装置２は、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0059】

また、このように構成された第１実施形態の推定システム１００は、数理モデル取得装置１及び推定装置２を備える。そのため、推定システム１００は、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0060】

（第２実施形態）
図１０は、第２実施形態の推定システム１００ａの概要を説明する説明図である。推定システム１００ａは、数理モデル取得装置１に代えて数理モデル取得装置１ａを備える点で推定システム１００と異なる。数理モデル取得装置１ａは、第２副モデル取得処理の実行に代えて、修正モデル取得処理の実行により主数理モデルを取得する点で数理モデル取得装置１と異なる。以下、推定システム１００が備えるものと同様のものについては、図１、図２、図３、図７及び図８と同じ符号を付すことで説明を省略する。

【0061】

修正モデル取得処理は、第１副モデルを用いた転移学習又はファインチューニングにより、チャンバ内状態情報を用いて、主数理モデルを取得する処理である。数理モデル取得装置１ａが得る主数理モデルは、転移学習又はファインチューニングにより得られた数理モデルであり、第１副モデルを含まない数理モデルである。すなわち、数理モデル取得装置１ａが得る主数理モデルは、数理モデル取得装置１が得る主数理モデルと異なり第１副モデルを含まない数理モデルである。

【0062】

図１１は、第２実施形態における数理モデル取得装置１ａのハードウェア構成の一例を示す図である。数理モデル取得装置１ａは、制御部１１に代えて制御部１１ａを備える点で数理モデル取得装置１と異なる。数理モデル取得装置１ａは、バスで接続されたＣＰＵ等のプロセッサ９１ａとメモリ９２ａとを備える制御部１１ａを備え、プログラムを実行する。数理モデル取得装置１ａは、プログラムの実行によって制御部１１ａ、通信部１２、入力部１３、記憶部１４及び出力部１５を備える装置として機能する。

【0063】

より具体的には、数理モデル取得装置１ａは、プロセッサ９１ａが記憶部１４に記憶されているプログラムを読み出し、読み出したプログラムをメモリ９２ａに記憶させる。プロセッサ９１ａが、メモリ９２ａに記憶させたプログラムを実行することによって、数理モデル取得装置１ａは、制御部１１ａ、通信部１２、入力部１３、記憶部１４及び出力部１５を備える装置として機能する。

【0064】

制御部１１ａは、数理モデル取得装置１ａが備える各種機能部の動作を制御する。制御部１１ａは、例えば第１副モデル取得処理と修正モデル取得処理とを含む主数理モデル取得処理を実行する。

【0065】

図１２は、第２実施形態における制御部１１ａの機能構成の一例を示す図である。制御部１１ａは、主数理モデル取得部１１１に代えて主数理モデル取得部１１１ａを備える点で制御部１１と異なる。主数理モデル取得部１１１ａは、第１副モデル取得処理と第２副モデル取得処理とを含む主数理モデル取得処理の実行に代えて、第１副モデル取得処理と修正モデル取得処理とを含む主数理モデル取得処理を実行する点で、主数理モデル取得部１１１と異なる。以下、主数理モデル取得部１１１ａが実行する第１副モデル取得処理は、主数理モデル取得部１１１が実行する第１副モデル取得処理と同様のため説明を省略する。

【0066】

図１３は、第２実施形態における主数理モデル取得処理の流れの一例を示すフローチャートである。主数理モデル取得部１１１ａは第１副モデル取得処理を実行する（ステップＳ１０１ａ）。次に、主数理モデル取得部１１１ａは修正モデル取得処理を実行する（ステップＳ１０２ａ）。

【0067】

図１４は、第２実施形態における修正モデル取得処理の流れの一例を示すフローチャートである。入力部１３に第３学習データが入力される（ステップＳ５０１）。第３学習データは、製造レシピ情報を説明変数とし性能情報を目的変数として有する学習データである。次に主数理モデル取得部１１１ａが、第１副モデルに対する転移学習又はファインチューニングを、第３学習データを用いて実行する（ステップＳ５０２）。

【0068】

次に主数理モデル取得部１１１ａは、第３学習終了条件が満たされたか否かを判定する（ステップＳ５０３）。第３学習終了条件は、転移学習又はファインチューニングの終了に関する所定の終了条件である。第３学習終了条件が満たされない場合、ステップＳ５０１の処理に戻る。一方、第３学習終了条件が満たされた場合、処理が終了する。第３終了条件が満たされた時点の転移学習又はファインチューニングで得られた数理モデルが主数理モデルである。なお第３学習終了条件を示す情報は、ユーザによって入力されてもよい。

【0069】

このように構成された第２実施形態における数理モデル取得装置１ａは、チャンバ内状態情報を用いて、製造レシピ情報から性能情報を推定する数理モデルである主数理モデルを取得する。したがって、数理モデル取得装置１ａは、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0070】

また、このように構成された第２実施形態における推定装置２は、数理モデル取得装置１ａが得た主数理モデルを用いた推定を行う。そのため、推定装置２は、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0071】

また、このように構成された第２実施形態の推定システム１００ａは、数理モデル取得装置１ａ及び推定装置２を備える。そのため、推定システム１００ａは、チャンバを備える処理装置の動作であって所定の条件を満たす結果が得られる動作の候補の推定に係る労力を軽減させることができる。

【0072】

（変形例）
なお、チャンバ内状態情報は計測されたデータであってもよいし、シミュレーション等の計算によって得られたデータであってもよい。チャンバ内状態情報を得るシミュレーションは、例えば製造レシピ情報と装置構成情報とに基づいてチャンバ内状態情報を得るシミュレーションであってもよい。装置構成情報は、処理装置の構成に関する情報である。装置構成情報は、例えば処理装置の構造を示す情報を含む。装置構成情報は、例えば処理装置で生じる反応を示す情報を含む。なお、チャンバ内状態情報を得るシミュレーションは、例えば処理装置の構造に対して電磁場を計算するシミュレーションである。チャンバ内状態情報を得るシミュレーションは、例えば処理装置に入れるガスの流速分布を有限要素法で解くシミュレーションであってもよい。チャンバ内状態情報を得るシミュレーションは、例えば処理装置の反応をモンテカルロ法を用いて再現し圧力分布を解くシミュレーションであってもよい。

【0073】

なお、チャンバ内状態情報は、時空間的に２次元以上の量を示す。時空間的に２次元以上の量を示すとは、１種類以上の空間的な量の時間変化を示すことを意味する。すなわち２次元以上の量のうちの１次元の量は時間であり、残りの次元の量は空間的な量である。空間的な量は、例えば、処理装置内に設置された基板等の処理対象の物性値の空間分布である。時空間的に２次元以上の量をより具体的に言い換えるならば、時空間的に２次元以上の量は、時間と３次元空間の４つの要素のうちの２つ以上の要素を意味する。

【0074】

なお、主数理モデル取得部１１１及び１１１ａは、主数理モデルの推定する性能情報が複数ある場合には、それぞれの種類に対応した複数の主数理モデルを用いてそれぞれ異なる結果を推定してもよい。また、主数理モデル取得部１１１及び１１１ａは、さらに、それぞれの種類に対応した複数の主数理モデルを用いて推定されたそれぞれ異なる結果を用いて１つの評価値を推定してもよい。評価値の計算は、例えば被取得条件を考慮したものでも良い。被取得条件を考慮するとは、被取得条件に基づく、ことを意味する。なお、それぞれ異なるとは、それぞれの種類に対応する主数理モデルごとに異なる、ということを意味する。したがって、異なる種類に対応する主数理モデルは、同じ結果を推定することは無い。

【0075】

なお、数理モデル取得装置１、数理モデル取得装置１ａ及び推定装置２は、それぞれネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。この場合、数理モデル取得装置１、数理モデル取得装置１ａ及び推定装置２それぞれが備える各機能部は、複数の情報処理装置に分散して実装されてもよい。

【0076】

なお、条件情報は、少なくとも２種類の量が満たすべき条件を示す。

【0077】

なお、第２副モデルを予め数理モデル取得装置１が記憶済みである場合には、数理モデル取得装置１の実行する主数理モデル取得処理では必ずしも第２副モデル取得処理が実行される必要は無い。すなわち、数理モデル取得装置１の実行する主数理モデル取得処理は、必ずしも第２副モデル取得処理を含む必要は無い。なお、第２副モデルを予め数理モデル取得装置１が記憶済みである場面は、例えば第２副モデルが他の装置によって生成済みである等の主数理モデル取得処理の実行前に事前に存在する場合に生じる。

【0078】

なお動作候補推定処理は、必ずしも探索処理を含む必要は無い。探索処理は、他の装置が実行してもよい。

【0079】

なお、推定システム１００、数理モデル取得装置１、数理モデル取得装置１ａ及び推定装置２それぞれの各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。

【0080】

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

【符号の説明】

【0081】

１００…推定システム、 １、１ａ…数理モデル取得装置、 ２…推定装置、 １１、１１ａ…制御部、 １２…通信部、 １３…入力部、 １４…記憶部、 １５…出力部、 １１１、１１１ａ…主数理モデル取得部、 １１２…通信制御部、 １１３…入力制御部、 １１４…記憶制御部、 １１５…出力制御部、 ２１…制御部、 ２２…通信部、 ２３…入力部、 ２４…記憶部、 ２５…出力部、 ２１１…動作候補推定部、 ２１２…通信制御部、 ２１３…入力制御部、 ２１４…記憶制御部、 ２１５…出力制御部、 ２１６…条件情報取得部、 ２１７…製造レシピ情報取得部、 ９１、９１ａ…プロセッサ、 ９２、９２ａ…メモリ、 ９３…プロセッサ、 ９４…メモリ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】