特許 7578381 プラズマ処理装置、制御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】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-10-28

(45)【発行日】2024-11-06

(54)【発明の名称】プラズマ処理装置、制御方法及びプログラム

(51)【国際特許分類】

   H05H 1/00 20060101AFI20241029BHJP

   H05H 1/46 20060101ALI20241029BHJP

   H01L 21/31 20060101ALI20241029BHJP

   H01L 21/3065 20060101ALI20241029BHJP

【ＦＩ】

H05H1/00 A

H05H1/46 R

H05H1/46 B

H01L21/31 C

H01L21/302 101G

【請求項の数】 12

(21)【出願番号】P 2023548413

(86)(22)【出願日】2022-09-05

(86)【国際出願番号】 JP2022033247

(87)【国際公開番号】W WO2023042698

(87)【国際公開日】2023-03-23

【審査請求日】2024-03-04

(31)【優先権主張番号】P 2021152599

(32)【優先日】2021-09-17

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000219967

【氏名又は名称】東京エレクトロン株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】佐藤 幹夫

(72)【発明者】

【氏名】鎌田 英紀

(72)【発明者】

【氏名】池田 太郎

(72)【発明者】

【氏名】山本 伸彦

【審査官】藤本 加代子

(56)【参考文献】

【文献】特開２００６－１７９４０７（ＪＰ，Ａ）

【文献】特開２０１１－７１５２２（ＪＰ，Ａ）

【文献】特開２００９－２８０８７５（ＪＰ，Ａ）

【文献】特開２０１３－１１５３５４（ＪＰ，Ａ）

【文献】特開２０１９－３６６５５（ＪＰ，Ａ）

【文献】中国特許出願公開第１０８９５９７０６（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０５Ｈ １／００－１／５４

Ｈ０１Ｌ ２１／２０５

Ｈ０１Ｌ ２１／３１

Ｈ０１Ｌ ２１／３０６５

Ｃ２３Ｃ １６／５０

Ｃ２３Ｃ １６／５２

(57)【特許請求の範囲】

【請求項1】

制御装置を有し、処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置であって、
前記制御装置は、
前記処理容器内のプラズマの電子エネルギー分布関数を計測する測定部と、
プラズマ処理中に前記測定部で計測される前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更するパラメータ変更部と、
を有するプラズマ処理装置。

【請求項2】

目標とする前記電子エネルギー分布関数として、前記プラズマ処理中の理想的な前記電子エネルギー分布関数の設定を受け付ける目標設定受付部、
を更に有する請求項１記載のプラズマ処理装置。

【請求項3】

前記プラズマ処理中に計測された前記電子エネルギー分布関数と、前記プラズマ処理中の理想的な前記電子エネルギー分布関数と、の乖離を定量化する評価関数の設定を受け付ける評価関数設定受付部、
を更に有する請求項２記載のプラズマ処理装置。

【請求項4】

前記プラズマ処理に関するパラメータと前記乖離との対応を表す学習モデルの設定を受け付ける制御則設定受付部、
を更に有する請求項３記載のプラズマ処理装置。

【請求項5】

前記パラメータ変更部は、前記学習モデルに従って、前記乖離が小さくなるように前記プラズマ処理に関するパラメータを変更すること
を特徴とする請求項４記載のプラズマ処理装置。

【請求項6】

変更された前記パラメータによる前記プラズマ処理中の前記電子エネルギー分布関数の前記評価関数による評価の結果に基づき、前記学習モデルを更新する制御則更新部、
を更に有する請求項４又は５記載のプラズマ処理装置。

【請求項7】

前記制御則更新部は、前記学習モデルの係数の値の確率分布を、前記評価関数による評価の結果に基づき、ベイズの定理に従って更新すること
を特徴とする請求項６記載のプラズマ処理装置。

【請求項8】

前記プラズマ処理に関するパラメータは、投入電力、投入電力の周波数、投入電力パルスのデューティ比、ガス混合比、圧力、温度、累積プロセス回数、直近のプロセスレシピ、直近に計測した前記電子エネルギー分布関数の少なくとも一つであること
を特徴とする請求項１乃至５の何れか一項に記載のプラズマ処理装置。

【請求項9】

前記プラズマの着火時、前記プラズマ処理に関するパラメータに含まれる圧力は、圧力計により測定される圧力値に替えて、圧力制御バルブの開度を使用すること
を特徴とする請求項８記載のプラズマ処理装置。

【請求項10】

前記電子エネルギー分布関数に替えて、前記電子エネルギー分布関数と対応関係にある電子エネルギー確率関数を用いること
を特徴とする請求項１乃至５の何れか一項に記載のプラズマ処理装置。

【請求項11】

制御装置を有し、処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置の制御方法であって、
前記制御装置が、
前記処理容器内のプラズマの電子エネルギー分布関数を計測するステップと、
プラズマ処理中に計測された前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更するステップと、
を有する制御方法。

【請求項12】

処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置を制御する制御装置に、
前記処理容器内のプラズマの電子エネルギー分布関数を計測する手順、
プラズマ処理中に計測された前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更する手順、
を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、プラズマ処理装置、制御方法及びプログラムに関する。

【背景技術】

【0002】

例えばプラズマ処理装置では、チャンバ内のプラズマの電子エネルギー分布関数（ＥＥＤＦ）がプロセスレシピ又はチャンバ状態などにより変動することが知られている。プラズマ処理（プラズマプロセス）を最適化する場合は、例えばチャンバ内のプラズマの電子エネルギー分布関数を理想的な形に近付けることが望ましい。

【0003】

被処理体の開始状態データ及び目標とする被処理体の終了状態データを入力することで、被処理体に実行するプロセス処理の所定の処理条件を決定する情報処理装置は従来から知られている。従来の情報処理装置では、最適解の探索の効率化を図るため、機械学習を行うことが記載されている。また、半導体製造プロセス処理に関係するデータ例として、プラズマ密度が記載されている（例えば特許文献１参照）。

【先行技術文献】

【特許文献】

【0004】

【文献】国際公開第２０１９／１５５９２８号

【発明の概要】

【発明が解決しようとする課題】

【0005】

本開示は、プラズマ処理に関するパラメータの変更により、処理容器内のプラズマの電子エネルギー分布関数が目標とする電子エネルギー分布関数に近付くように制御する技術を提供する。

【課題を解決するための手段】

【0006】

本開示の一態様は、制御装置を有し、処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置であって、前記制御装置は、前記処理容器内のプラズマの電子エネルギー分布関数を計測する測定部と、プラズマ処理中に前記測定部で計測される前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更するパラメータ変更部と、を有する。

【発明の効果】

【0007】

本開示によれば、プラズマ処理に関するパラメータの変更により、処理容器内のプラズマの電子エネルギー分布関数が目標とする電子エネルギー分布関数に近付くように制御する技術を提供できる。

【図面の簡単な説明】

【0008】

【図1】本発明の一実施形態に係るプラズマ処理装置の断面図の一例を示す。

【図2】コンピュータの一例のハードウェア構成図である。

【図3】本実施形態に掛かる制御装置の機能構成の一例を示す図である。

【図4】本実施形態に掛かるプラズマ処理装置の処理手順の一例を示したフローチャートである。

【図5】プラズマの理想的な電子エネルギー分布関数の一例の説明図である。

【図6A】評価関数の一例の説明図である。

【図6B】評価関数の一例の説明図である。

【図6C】評価関数の一例の説明図である。

【図6D】評価関数の一例の説明図である。

【図7】学習モデル内の各係数の値の確率分布（事前分布）の一例を示す図である。

【図8】プラズマ処理中の処理容器内のプラズマの電子エネルギー分布関数を計測する処理の一例の説明図である。

【図9】プロセスパラメータを変更する処理の一例の説明図である。

【図10A】プロセスパラメータの変更により変化するプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果の一例の説明図である。

【図10B】プロセスパラメータの変更により変化するプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果の一例の説明図である。

【図11】プロセスパラメータの変更により変化するプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果の一例の説明図である。

【図12】制御則の更新の一例の説明図である。

【図13】制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。

【図14A】制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。

【図14B】制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。

【図14C】制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。

【図15A】制御則の学習を繰り返してプラズマの電子エネルギー分布関数の制御を繰り返す処理の一例の説明図である。

【図15B】制御則の学習を繰り返してプラズマの電子エネルギー分布関数の制御を繰り返す処理の一例の説明図である。

【図15C】制御則の学習を繰り返してプラズマの電子エネルギー分布関数の制御を繰り返す処理の一例の説明図である。

【図15D】制御則の学習を繰り返してプラズマの電子エネルギー分布関数の制御を繰り返す処理の一例の説明図である。

【発明を実施するための形態】

【0009】

以下、図面を参照して、本発明を実施するための形態の説明を行う。なお、本明細書及び図面では、本実施形態の説明に不要な部分についての図示及び説明を適宜省略する。

【0010】

［プラズマ処理装置］
図１は、本発明の一実施形態に係るプラズマ処理装置の断面図の一例を示す。プラズマ処理装置１００は、ウエハＷを収容する処理容器（チャンバ）１を有する。プラズマ処理装置１００は、マイクロ波によって処理容器１の天井部の内壁面に形成される表面波プラズマにより、ウエハＷに対してプラズマ処理を行う。プラズマ処理は、成膜処理、エッチング処理、又はアッシング処理等である。

【0011】

プラズマ処理装置１００は、処理容器１と、マイクロ波プラズマ源２と、制御装置３とを有する。処理容器１は、気密に構成されたアルミニウム又はステンレス鋼等の金属材料からなる略円筒状の容器であり、接地されている。

【0012】

処理容器１は、本体部１０を有し、内部にプラズマの処理空間を形成する。本体部１０は、処理容器１の天井部を構成する円盤状の天板である。処理容器１と本体部１０との接触面には支持リング１２９が設けられている。処理容器１の内部は、気密にシールされている。本体部１０はアルミニウム又はステンレス鋼等の金属材料から形成されている。

【0013】

マイクロ波プラズマ源２は、マイクロ波出力部３０と、マイクロ波伝送部４０と、マイクロ波放射機構５０とを有する。マイクロ波出力部３０は複数経路に分配してマイクロ波を出力する。マイクロ波は、マイクロ波伝送部４０とマイクロ波放射機構５０とを通って処理容器１の内部に導入される。処理容器１内に供給されたガスは、導入されたマイクロ波の電界により励起され、その結果、表面波プラズマが形成される。

【0014】

処理容器１内にはウエハＷを載置する載置台１１が設けられている。載置台１１は、処理容器１の底部中央に絶縁部材１２ａを介して立設された筒状の支持部材１２により支持されている。載置台１１及び支持部材１２を構成する材料としては、表面をアルマイト処理（陽極酸化処理）したアルミニウム等の金属や、内部に高周波用の電極を有した絶縁部材（セラミックス等）が例示される。載置台１１には、ウエハＷを静電吸着するための静電チャック、温度制御機構、ウエハＷの裏面に熱伝達用のガスを供給するガス流路等が設けられてもよい。

【0015】

載置台１１には、整合器１３を介して高周波バイアス電源１４が接続されている。高周波バイアス電源１４から載置台１１に高周波電力が供給されることにより、ウエハＷ側にプラズマ中のイオンが引き込まれる。なお、高周波バイアス電源１４はプラズマ処理の特性によっては設けなくてもよい。

【0016】

処理容器１の底部には、排気口が開設されている。排気口には排気管１５が接続されている。排気管１５は圧力制御バルブ１５１を介して排気装置１５２に接続される。排気管１５、圧力制御バルブ１５１、及び排気装置１５２は、ガス排気部１６を形成する。排気装置１５２はターボ分子ポンプ等の真空ポンプを有する。

【0017】

処理容器１内はガス排気部１６を作動させると排気され、所定の真空度まで高速に減圧される。また、処理容器１には圧力計１６０が設置されている。圧力計１６０は処理容器１内の圧力値を測定する。測定結果は制御装置３で受信される。また、圧力制御バルブ１５１は、測定された圧力値に基づき、その開度を制御する。

【0018】

処理容器１の側壁には、ウエハＷの搬入出を行うための搬入出口１７と、搬入出口１７を開閉するゲートバルブ１８とが設けられている。マイクロ波伝送部４０は、マイクロ波出力部３０から出力されたマイクロ波を伝送する。マイクロ波伝送部４０内の中央マイクロ波導入部４３ｂは、本体部１０の中央に配置される。６つの周縁マイクロ波導入部４３ａは、本体部１０の周辺に円周方向に等間隔に配置される。中央マイクロ波導入部４３ｂ及び６つの周縁マイクロ波導入部４３ａは、それぞれに対応して設けられる、図１に示すアンプ部４２から出力されたマイクロ波をマイクロ波放射機構５０に導入する機能およびインピーダンスを整合する機能を有する。以下、周縁マイクロ波導入部４３ａ及び中央マイクロ波導入部４３ｂを総称して、マイクロ波導入部４３ともいう。

【0019】

６つの誘電体層１２３は、６つの周縁マイクロ波導入部４３ａの下方、且つ本体部１０の内部に配置されている。また、１つの誘電体層１３３は、中央マイクロ波導入部４３ｂの下方、且つ本体部１０の内部に配置されている。なお、周縁マイクロ波導入部４３ａ及び誘電体層１２３の個数は６つに限らず、２つ以上であればよい。ただし、周縁マイクロ波導入部４３ａ及び誘電体層１２３の個数は３つ以上が好ましい。周縁マイクロ波導入部４３ａ及び誘電体層１２３の個数は例えば３つ～６つであってもよい。

【0020】

図１のマイクロ波放射機構５０は、誘電体天板１２１、誘電体天板１３１、スロット１２２、スロット１３２、誘電体層１２３、及び誘電体層１３３を有する。誘電体天板１２１及び１３１は、マイクロ波を透過させる円盤状の誘電体から形成され、本体部１０の上面に配置されている。誘電体天板１２１及び１３１は、比誘電率が真空よりも大きい、例えば、石英、アルミナ（Ａｌ_２Ｏ_３）等のセラミックス、ポリテトラフルオロエチレン等のフッ素系樹脂やポリイミド系樹脂により形成されている。これにより、誘電体天板１２１及び１３１内を透過するマイクロ波の波長を、真空中を伝播するマイクロ波の波長よりも短くしてスロット１２２及び１３２を含むアンテナを小さくできる。

【0021】

誘電体天板１２１及び１３１の下には、本体部１０に形成されたスロット１２２及び１３２を介して誘電体層１２３及び１３３が本体部１０の開口の裏面に当接されている。誘電体層１２３及び１３３は、例えば石英、アルミナ（Ａｌ_２Ｏ_３）等のセラミックス、ポリテトラフルオロエチレン等のフッ素系樹脂やポリイミド系樹脂により形成される。誘電体層１２３及び１３３は、本体部１０に形成された開口の厚み分だけ天井面から凹んだ位置に設けられ、マイクロ波をプラズマ生成空間Ｕに供給する誘電体窓として機能する。

【0022】

周縁マイクロ波導入部４３ａおよび中央マイクロ波導入部４３ｂは、筒状の外側導体５２、及びその中心に設けられた棒状の内側導体５３を同軸状に配置する。外側導体５２と内側導体５３との間は、マイクロ波電力が給電され、マイクロ波放射機構５０に向かってマイクロ波が伝播するマイクロ波伝送路４４となっている。

【0023】

周縁マイクロ波導入部４３ａ及び中央マイクロ波導入部４３ｂには、スラグ５４と、その先端部に位置するインピーダンス調整部材１４０とが設けられている。スラグ５４を移動させることで、処理容器１内の負荷（プラズマ）のインピーダンスをマイクロ波出力部３０におけるマイクロ波電源の特性インピーダンスに整合させる機能を有する。インピーダンス調整部材１４０は、誘電体で形成され、その比誘電率によりマイクロ波伝送路４４のインピーダンスを調整するようになっている。

【0024】

本体部１０には、シャワー構造のガス導入部２１が設けられている。ガス供給源２２から供給されるガスは、ガス供給配管１１１を介してガス拡散室６２からガス導入部２１を通り、処理容器１内にシャワー状に供給される。ガス導入部２１は、処理容器１の天井壁に形成された複数のガス供給孔６０からガスを供給する、例えばガスシャワーヘッドの一例である。ガスの一例としては、例えばＡｒガス等のプラズマ生成用のガスや、Ｏ_２ガスやＮ_２ガス等の高エネルギーで分解させたいガス、シランガス等の処理ガスがある。

【0025】

処理容器１の側壁には円周方向に開口部１ｂが形成され、プラズマプローブ装置７０が取り付けられている。処理容器１に取り付けられるプラズマプローブ装置７０は１つ以上であればよい。プラズマプローブ装置７０は、プラズマ生成空間Ｕにて生成されるプラズマをセンシングする。

【0026】

プラズマプローブ装置７０は、モニタ装置８０に接続されている。モニタ装置８０は信号発信器を有し、信号発信器により発信した所定周波数の信号を出力する。出力された所定周波数の信号は、同軸ケーブル８１によりプラズマプローブ装置７０に伝送され、プラズマプローブ装置７０の先端のアンテナ部７１からプラズマに伝送される。

【0027】

プラズマプローブ装置７０は、プラズマ側に伝送する信号に対する、プラズマ側からの電流値を検出し、モニタ装置８０に送る。検出した電流値は、モニタ装置８０から制御装置３に送信される。制御装置３は、例えばＦＦＴ（周波数）解析により処理容器１内のプラズマの電子エネルギー分布関数を計測する。このように、制御装置３は電気的なプローブ計測で得られるプラズマ生成空間Ｕの周波数特性から、処理容器１内のプラズマの電子エネルギー分布関数を計測する。なお、プラズマプローブ装置７０及びモニタ装置８０の詳細は、例えば特開２０１９－４６７８７号公報に記載されている。

【0028】

プラズマ処理装置１００の各部は、制御装置３により制御される。制御装置３は、プラズマ処理装置１００のプロセスシーケンス及びプロセスレシピに基づき、プラズマ処理装置１００の各部を制御する。また、制御装置３は、プロセスシーケンス及びプロセスレシピに従って所定の制御を行う際の入力や結果の表示が可能になっている。制御装置３はプラズマ処理装置１００に内蔵されていてもよいし、通信路を介してプラズマ処理装置１００と接続されていてもよい。

【0029】

通信路は有線通信方式であっても無線通信方式であってもよく、コンピュータの内外において各種信号を交換するための信号路であればよい。通信路は、ローカルエリアネットワーク（ＬＡＮ）などのネットワークを利用するものであってもよい。

【0030】

プラズマ処理装置１００においてプラズマ処理を行う際には、ウエハＷが、搬送アーム上に保持された状態で、開口したゲートバルブ１８から搬入出口１７を通り処理容器１内に搬入される。ゲートバルブ１８はウエハＷを搬入後に閉じられる。ウエハＷは、載置台１１の上方まで搬送されると、搬送アームからプッシャーピンに移され、プッシャーピンが降下することにより載置台１１に載置される。処理容器１の内部の圧力は、ガス排気部１６により所定の真空度に保持される。ガスがガス導入部２１からシャワー状に処理容器１内に導入される。周縁マイクロ波導入部４３ａおよび中央マイクロ波導入部４３ｂを介してマイクロ波放射機構５０から放射されたマイクロ波は天井壁の内部表面を伝播する。表面波となって伝播するマイクロ波の電界により、ガスは励起される。処理容器１側の天井壁下のプラズマ生成空間Ｕに生成された表面波プラズマによってウエハＷはプラズマ処理が施される。

【0031】

制御装置３は、例えば図２のコンピュータ５００により実現される。制御装置３は記憶装置に記録されたプログラムを読み取り、プログラムに従って、プラズマ処理装置１００を構成する各部との間で各種信号を送受信することにより、プラズマ処理を実行する。

【0032】

制御装置３は、例えば図２に示すようなハードウェア構成のコンピュータにより実現される。図２はコンピュータの一例のハードウェア構成図である。

【0033】

図２のコンピュータ５００は、入力装置５０１、出力装置５０２、外部Ｉ／Ｆ（インタフェース）５０３、ＲＡＭ（Random Access Memory）５０４、ＲＯＭ（Read Only Memory）５０５、ＣＰＵ（Central Processing Unit）５０６、通信Ｉ／Ｆ５０７及びＨＤＤ（Hard Disk Drive）５０８などを備え、それぞれがバスＢで相互に接続されている。なお、入力装置５０１及び出力装置５０２は必要なときに接続して利用する形態であってもよい。

【0034】

入力装置５０１はキーボードやマウス、タッチパネルなどであり、作業者等が各操作信号を入力するのに用いられる。出力装置５０２はディスプレイ等であり、コンピュータ５００による処理結果を表示する。通信Ｉ／Ｆ５０７はコンピュータ５００をネットワーク等に接続するインタフェースである。ＨＤＤ５０８は、プログラムやデータを格納している不揮発性の記憶装置の一例である。

【0035】

外部Ｉ／Ｆ５０３は、外部装置とのインタフェースである。コンピュータ５００は外部Ｉ／Ｆ５０３を介してＳＤ（Secure Digital）メモリカードなどの記録媒体５０３ａの読み取り及び／又は書き込みを行うことができる。ＲＯＭ５０５は、プログラムやデータが格納された不揮発性の半導体メモリ（記憶装置）の一例である。ＲＡＭ５０４はプログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）の一例である。

【0036】

ＣＰＵ５０６は、ＲＯＭ５０５やＨＤＤ５０８などの記憶装置からプログラムやデータをＲＡＭ５０４上に読み出し、処理を実行することで、コンピュータ５００全体の制御や機能を実現する演算装置である。

【0037】

図１に示した制御装置３は、図２のハードウェア構成のコンピュータ５００がプログラムに従い処理を実行することで、図３の各種機能を実現できる。

【0038】

図３は本実施形態に掛かる制御装置の機能構成の一例を示す図である。図３に示した制御装置３は、目標設定受付部２００、評価関数設定受付部２０２、制御則設定受付部２０４、プラズマ処理制御部２０６、電子エネルギー分布関数測定部２０８、パラメータ変更部２１０、制御則更新部２１２、目標記憶部２２０、評価関数記憶部２２２、制御則記憶部２２４、及びプロセスレシピ記憶部２２６を有する。

【0039】

目標設定受付部２００は、作業者等から目標とするプラズマの電子エネルギー分布関数の設定を受け付ける。目標とするプラズマの電子エネルギー分布関数は、着目するプラズマ処理（プラズマプロセス）において理想的と考えられるプラズマの電子エネルギー分布関数である。

【0040】

プラズマの理想的な電子エネルギー分布関数は、実験、計算、文献調査などから決定できる。例えば、プラズマの理想的な電子エネルギー分布関数は、プラズマ処理の目的及びプラズマ内の化学反応などを踏まえて決めることができる。また、プラズマの理想的な電子エネルギー分布は、プラズマの電子エネルギー分布関数の計測結果と、膜質等のプロセスの評価結果と、の相関から決定してもよい。

【0041】

なお、目標設定受付部２００は、着目するプラズマ処理に対応したプラズマの理想的な電子エネルギー分布関数の設定の他、処理容器１内の場所に対応したプラズマの理想的な電子エネルギー分布関数の設定を受け付けてもよい。また、目標設定受付部２００はプラズマ処理の時間経過により変化しないプラズマの理想的な電子エネルギー分布関数の設定を受け付けてもよいし、プラズマ処理の時間経過により変化するプラズマの理想的な電子エネルギー分布関数の設定を受け付けてもよい。

【0042】

例えばプラズマの理想的な電子エネルギー分布関数は、以下の式（１）により定義することができる。式（１）において、ｘは電子エネルギー分布関数の形を決める要素の一例である。Ｔ_effは電子エネルギー分布関数の広がり具合を決める要素の一例である。

【0043】

【数1】

ｘ：電子エネルギー分布関数（ＥＥＤＦ）の形を決めるパラメータ（ｘ＝１のとき、ｍａｘｗｅｌｌ分布、ｘ＝２のとき、Ｄｒｕｙｖｅｓｔｅｙｎ分布となる。）
Ｔ_eff：実効電子温度
ε：ｅｌｅｃｔｒｏｎ ｅｎｅｒｇｙ
Γ：ガンマ関数（階乗の概念を複素数及び実数全体に拡張した特殊関数）

【0044】

また、評価関数設定受付部２０２は、プラズマ処理中に計測されたプラズマの電子エネルギー分布関数と、目標とするプラズマの電子エネルギー分布関数と、の類似又は乖離を定量化する評価関数の設定を作業者等から受け付ける。

【0045】

例えばプラズマ処理中に計測されたプラズマの電子エネルギー分布関数と、目標とするプラズマの電子エネルギー分布関数と、の乖離を定量化する評価関数は以下の式（２）により定義することができる。式（２）において、ｅｘｐは計測結果を表す。ｉｄｅａｌは理想形を表す。

【0046】

【数2】

【0047】

式（２）は、例えばｘ及びＴ_effの計測結果と理想形との差によって定義されるベクトルｈにより、プラズマ処理中に計測されたプラズマの電子エネルギー分布関数と、目標とするプラズマの電子エネルギー分布関数と、の乖離を定量化する評価関数の例である。例えばプラズマは、高エネルギー電子が過剰なのか、低エネルギー電子が過剰なのか、により質的に大きく異なると考えられるため、残差の２乗和の評価関数よりも式（２）の評価関数の方が望ましいと考えら得る。

【0048】

また、制御則設定受付部２０４はプラズマ処理に関するパラメータと、評価関数の結果との対応を表す初期の学習モデルの設定を作業者等から受け付ける。例えば制御則設定受付部２０４はＭ個のプロセスパラメータ｛θ₁、θ₂、…、θ_M｝によってベクトルｈを表した初期の学習モデルｈ_i＝Φ_i（θ₁、θ₂、…、θ_M）の設定を受け付ける。

【0049】

プロセスパラメータは、プラズマ処理に関するパラメータの一例であって、例えば投入電力、投入電力の周波数、投入電力パルスのデューティ比、ガス混合比、圧力、温度、累積プロセス回数、直近のプロセスレシピ、直近に計測した電子エネルギー分布関数など、である。学習モデルの形や学習モデル内の各係数が制御則を規定する。

【0050】

プロセスパラメータが２個（Ｍ＝２）の場合、制御則設定受付部２０４は例えば以下の式（３）のような学習モデルの設定を受け付けることができる。

【0051】

【数3】

【0052】

制御則設定受付部２０４が設定を受け付ける学習モデルは、実験、計算、文献調査などから決定できる。なお、制御則設定受付部２０４が設定を受け付ける学習モデルは、初期の学習モデルであり、後述するように、プラズマ処理を繰り返すことで学習し、精度が出るように更新される。また、制御則設定受付部２０４は制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）を、後述のように範囲推定値により表現する。範囲推定値は例えば点推定値を中心とした正規分布などで表される。制御則を規定する学習モデル内の各係数の値の確率分布は、例えば式（４）に示すようなベクトルａがある空間上に確率ｐ（ａ）の濃淡を描くように表現できる。

【0053】

【数4】

【0054】

プラズマ処理制御部２０６は、プロセスパラメータに従ったプラズマ処理が実行されるようにプラズマ処理装置１００を制御する。電子エネルギー分布関数測定部２０８は、プラズマ処理中の処理容器１内のプラズマの電子エネルギー分布関数を計測する。電子エネルギー分布関数測定部２０８は、プラズマプロセスに適用できる既存の絶縁プローブ法によってプラズマの電子エネルギー分布関数を計測できる。

【0055】

例えば電子エネルギー分布関数測定部２０８は電気的なプローブ計測で得られるプラズマ生成空間Ｕの周波数特性から、処理容器１内のプラズマの電子エネルギー分布関数を導出できる。

【0056】

また、パラメータ変更部２１０は電子エネルギー分布関数測定部２０８の計測結果であるプラズマの電子エネルギー分布関数を、評価関数設定受付部２０２に設定された評価関数に従って評価する。例えばパラメータ変更部２１０は、計測結果であるプラズマの電子エネルギー分布関数と、評価関数設定受付部２０２に設定された目標とするプラズマの電子エネルギー分布関数と、の乖離を定量化する。

【0057】

パラメータ変更部２１０は、プロセスパラメータと評価関数の結果との対応を表す学習モデルに従い、計測結果であるプラズマの電子エネルギー分布関数が目標とするプラズマの電子エネルギー分布関数に近付くように、プロセスパラメータを変更する。なお、プロセスパラメータには、変更（制御）できるパラメータと変更できないパラメータとが含まれていてもよい。投入電力、投入電力の周波数、投入電力パルスのデューティ比、ガス混合比、圧力、及び温度は変更できるパラメータの一例である。累積プロセス回数、直近のプロセスレシピ、及び直近に計測した電子エネルギー分布関数は変更できないパラメータの一例である。

【0058】

制御則更新部２１２は、パラメータ変更部２１０により変更されたプロセスパラメータによるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果に基づき、学習モデルを更新する。制御則更新部２１２はプロセスパラメータの変更によるプラズマの電子エネルギー分布関数の応答を新たな情報源として、学習モデル内の各係数を更新する。

【0059】

制御則更新部２１２は、パラメータ変更部２１０により変更されたプロセスパラメータによるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果が期待通りでなければ、学習モデルの精度が悪い（制御則が誤っている）と判定する。また、制御則更新部２１２は、パラメータ変更部２１０により変更されたプロセスパラメータによるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果が期待通りであれば、学習モデルの精度が良い（制御則が正しい）と判定する。学習モデルの精度が悪いと判定した制御則更新部２１２はプロセスパラメータの変更によるプラズマの電子エネルギー分布関数の応答を新たな情報源として、学習モデル内の各係数を更新する。また、制御則更新部２１２は制御則を規定する学習モデル内の各係数の値の確率分布を更新する。

【0060】

制御装置３は、プラズマ処理中、目標とするプラズマの電子エネルギー分布関数に近付くように、パラメータ変更部２１０によるプロセスパラメータの変更と、制御則更新部２１２による学習モデルの更新とを繰り返す。これにより、制御装置３はプラズマの電子エネルギー分布関数の制御の正確性が向上するため、プラズマの電子エネルギー分布関数を理想形に近付けることができる。

【0061】

目標記憶部２２０は、目標設定受付部２００が設定を受け付けた目標とするプラズマの電子エネルギー分布関数を記憶する。評価関数記憶部２２２は、評価関数設定受付部２０２が設定を受け付けた評価関数を記憶する。制御則記憶部２２４は、制御則設定受付部２０４が設定を受け付けた初期の学習モデル、及び制御則更新部２１２により更新された学習モデルを記憶する。プロセスレシピ記憶部２２６は、プロセスシーケンス及びプロセスレシピを記憶する。

【0062】

［処理］
図４は本実施形態に掛かるプラズマ処理装置の処理手順の一例を示したフローチャートである。図４のフローチャートはプラズマ処理装置１００の処理のうち、制御装置３が実効するプラズマの電子エネルギー分布関数を制御する処理を表している。

【0063】

ステップＳ１０において、制御装置３の目標設定受付部２００は、作業者等から例えば前述した式（１）により定義した、目標とするプラズマの電子エネルギー分布関数の設定を受け付ける。目標設定受付部２００は、図５に示すような目標とするプラズマの電子エネルギー分布関数の設定を受け付けてもよい。

【0064】

図５はプラズマの理想的な電子エネルギー分布関数の一例の説明図である。図５のプラズマの理想形の電子エネルギー分布関数は、材料ガスを分解できるエネルギーを持つ電子が多く、材料ガスを分解できるエネルギーよりも低エネルギーを持つ電子及び材料ガスを分解できるエネルギーよりも高エネルギーを持つ電子が無い、例である。

【0065】

ステップＳ１２において、評価関数設定受付部２０２は、例えば図６Ａ～図６Ｄに示すように定義される評価関数の設定を、作業者等から受け付ける。図６Ａ～図６Ｄは、評価関数の一例の説明図である。図６Ａ～図６Ｄの評価関数は、プラズマ処理中に計測されたプラズマの電子エネルギー分布関数（計測結果の電子エネルギー分布関数）が、目標とするプラズマの電子エネルギー分布関数（理想形の電子エネルギー分布関数）と、どの程度、類似又は乖離しているかを定量化する。

【0066】

図６Ａは、計測結果の電子エネルギー分布関数及び理想形の電子エネルギー分布関数の一例である。図６Ｂは、図６Ａの計測結果の電子エネルギー分布関数及び理想形の電子エネルギー分布関数の差分を表している。図６Ｃは、図６Ｂの差分を離散化した例である。離散化の細かさは、適宜調整すればよく、また、必ずしも等間隔である必要もない。図６Ｄは、図６Ｃの離散化した差分のベクトルｈを視覚的に表した例である。なお、離散化した差分のベクトルｈは優先したい部分を重みなどで表現できるようにしてもよい。例えば図６Ｄは高エネルギーを持つ電子を厳しく評価するために、高エネルギーを持つ電子に対応する部分が定数倍されている。

【0067】

ステップＳ１４において、制御則設定受付部２０４はプロセスパラメータと、評価関数の結果との対応を表す初期の学習モデルの設定を作業者等から受け付ける。例えば制御則設定受付部２０４は、Ｍ個のプロセスパラメータ｛θ₁、θ₂、…、θ_M｝によって例えば式（５）に示すベクトルｈを表す初期の学習モデルｈ_i＝Φ_i（θ₁、θ₂、…、θ_M）の設定を受け付ける。

【0068】

【数5】

【0069】

また、制御則設定受付部２０４は制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）を、例えば図７に示すように範囲推定値により表現する。図７は学習モデル内の各係数の値の確率分布（事前分布）の一例を示す図である。図７は式（３）に示した学習モデルの係数ａ₁～ａ_３の事前分布の例を示している。制御則を規定する学習モデル内の各係数の値の確率分布は、係数の数がｎであれば、例えば図７に示すように、ベクトルａがあるｎ次元の空間上に確率ｐ（ａ）の濃淡を描くように表現できる。

【0070】

ステップＳ１６において、プラズマ処理制御部２０６は、プロセスパラメータに従ったプラズマ処理が実行されるようにプラズマ処理装置１００を制御する。電子エネルギー分布関数測定部２０８は、プラズマ処理中の処理容器１内のプラズマの電子エネルギー分布関数を所定時間（例えば１秒）ごとに計測する。

【0071】

図８はプラズマ処理中の処理容器内のプラズマの電子エネルギー分布関数を計測する処理の一例の説明図である。図８のシースの整流特性のグラフは、プローブ電圧とプローブ電流との関係のグラフである。縦軸は、プローブに流れる電子電流とイオン電流との合計を表している。プローブに印可される正負の電圧により、プローブはプラズマ中の電子やイオンがプローブに引き込まれたものを電流値として測定する。

【0072】

電子エネルギー分布関数測定部２０８は、プローブが測定したプローブ電流をＦＦＴ解析することで得られる周波数特性から処理容器１内のプラズマの電子エネルギー分布関数を導出できる。

【0073】

ステップＳ１８において、プラズマ処理中の処理容器１内のプラズマの電子エネルギー分布関数の計測結果を取得すると、制御装置３はステップＳ２０の処理を行う。また、ステップＳ１８においてプラズマ処理中の処理容器１内のプラズマの電子エネルギー分布関数の計測結果を取得していなければ、制御装置３はステップＳ２０～Ｓ２４の処理をスキップし、ステップＳ２６の処理を行う。

【0074】

ステップＳ２０において、パラメータ変更部２１０は取得した測定結果であるプラズマの電子エネルギー分布関数を、評価関数設定受付部２０２に設定された評価関数に従って評価する。パラメータ変更部２１０は、プロセスパラメータと評価関数の結果との対応を表す学習モデルに従い、例えば図９に示すように、最小値のベクトルｈ’となるプロセスパラメータθ’を求める。図９は、プロセスパラメータを変更する処理の一例の説明図である。パラメータ変更部２１０は、プロセスパラメータをθからθ’に変更する。プラズマ処理制御部２０６は、変更したプロセスパラメータθ’に従ったプラズマ処理が実行されるようにプラズマ処理装置１００を制御する。

【0075】

例えば学習モデルの精度が高ければ、パラメータ変更部２１０により変更されたプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果は図１０Ａ及び図１０Ｂに示すように期待通りとなる。図１０Ａ及び図１０Ｂは、プロセスパラメータの変更により変化するプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果の一例の説明図である。

【0076】

一方、学習モデルの精度が低ければ、パラメータ変更部２１０により変更されたプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果は図１１に示すように期待通りとならない。図１１は、プロセスパラメータの変更により変化するプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果の一例の説明図である。図１１では、変更されたプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果が期待通りでなく、ベクトルｈ’の方向及びノルムが期待通りになっていない。

【0077】

そこで、制御装置３は、変更したプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果に基づき、ステップＳ２２～Ｓ２４において制御則の更新を行う。

【0078】

ステップＳ２２において、制御則更新部２１２は、パラメータ変更部２１０により変更されたプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果に基づき、学習モデルの更新が必要か否かを判定する。例えば学習モデルの精度が低ければ、制御則更新部２１２は学習モデルの更新が必要と判定する。

【0079】

学習モデルの更新が必要と判定すると、制御則更新部２１２はステップＳ２４の処理を行う。学習モデルの更新が必要と判定しなければ、制御則更新部２１２はステップＳ２４の処理をスキップする。

【0080】

ステップＳ２４において、制御則更新部２１２は変更したプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価の結果に基づき、例えば図１２に示すように、学習モデル内の各係数を更新する。図１２は制御則の更新の一例の説明図である。

【0081】

例えばプロセスパラメータθ’を指定したとしても、図１２のベクトルｈ’を実現させる可能姓のある学習モデル内の各係数の組み合わせ（ベクトルａ）は図１２に示したように複数存在する。例えばｈ_i＝ａ_i,1＋ａ_i,2θのとき、（θ’，ｈ’_i）＝（１，１）が実現する組み合わせは、ａ_i,1＋ａ_i,2＝１を満たす全ての（ａ_i,1，ａ_i,2）である。

【0082】

そこで、制御則更新部２１２は最も確からしいベクトルａに更新するため、制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）を、以下の式（６）に示すように、ベイズの定理に従って更新する。

【0083】

【数6】

【0084】

図１３は制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。ベイズの定理とは「ある事象Ａが起こったという条件のもとでの事象Ｂの確率Ｐ（Ｂ｜Ａ）」を使って「ある事象Ｂが起こったという条件のもとでの事象Ａの確率Ｐ（Ａ｜Ｂ）」を求めるものである。

【0085】

図１３では、学習モデル内の各係数の値の確率分布（事前分布）という事象ａの条件のもとでの事象θ’∩ｈ’の確率ｐ（θ’∩ｈ’｜ａ）を使い、事象θ’∩ｈ’が起こったという条件のもとでの学習モデル内の各係数の値の確率分布（事後分布）を求めている。

【0086】

このように、制御則更新部２１２は事象θ’∩ｈ’に基づき、制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）を事後分布に描き直す。制御則を規定する学習モデル内の各係数の値は、例えば事後分布から最も確からしい値を選択すればよい。

【0087】

ステップＳ２４の処理によれば、制御則更新部２１２は例えば図１４Ｂに示すような期待通りでない評価の結果であったとしても、期待通りでなかった事象からベイズの定理により学習モデル内の各係数の値の確率分布を図１４Ｃのように更新できる。図１４Ａ～図１４Ｃは制御則を規定する学習モデル内の各係数の値の確率分布（事前分布）の更新の一例の説明図である。

【0088】

図４のステップＳ１８～Ｓ２４の処理は、プロセス終了まで繰り返される。図４に示したフローチャートの処理によれば、制御装置３は図１５Ａ～図１５Ｄを繰り返すことで、学習モデルの正確性を向上できる。図１５Ａ～図１５Ｄは制御則の学習を繰り返してプラズマの電子エネルギー分布関数の制御を繰り返す処理の一例の説明図である。

【0089】

図１５Ａは、プラズマ処理中のプラズマの電子エネルギー分布関数の計測を表している。図１５Ｂは変更したプロセスパラメータθ’に従ったプラズマ処理の制御を表している。図１５Ｃは変更したプロセスパラメータθ’によるプラズマ処理中のプラズマの電子エネルギー分布関数の評価を表している。図１５Ｄは評価の結果に基づいてベイズの定理により学習モデル内の各係数の値を学習する処理を表している。

【0090】

以上、本実施形態によれば、前述した理想形の電子エネルギー分布関数、評価関数、及び学習モデルを定義し、プラズマプロセス中のプラズマの電子エネルギー分布関数を例えばリアルタイムに計測しながら、計測したプラズマの電子エネルギー分布関数を評価関数により評価できる。制御装置３は学習モデルに従い、理想形の電子エネルギー分布関数に近付くようにプロセスパラメータを更新できる。制御装置３はベイズの定理に従い、学習モデルの正確性を向上するように、学習モデル内の各係数を更新できる。

【0091】

ベイズの定理を用いるため、本実施形態は際限なく計算量が増えることがないという効果を有する。また、本実施形態では、日々のプラズマ処理を通して継続的に制御則の学習ができるため、学習のみを目的としたプラズマ処理を試験的に行う必要がないという効果を有する。

【0092】

本実施形態によれば、プラズマ処理中のプラズマの電子エネルギー分布関数をリアルタイムで計測しつつ、プロセスパラメータを変更し、プラズマの電子エネルギー分布関数を制御できる。また、プロセスパラメータの変更に対して、プラズマの電子エネルギー分布関数の応答特性が明らかでなくても、本実施形態ではプラズマの電子エネルギー分布関数の評価の結果に基づき、学習によりプロセスパラメータの変更に対するプラズマの電子エネルギー分布関数の応答特性を学習し、制御則を最適化できる。このため、本実施形態では制御則設定受付部２０４が作業者等から受け付ける初期の学習モデルに高い精度を求めなくてもよい。

【0093】

プラズマの着火時には、処理容器１内で発生する何等かの現象の影響で、圧力計１６０で測定される圧力値が実際の圧力値と異なることがある。そこで、本実施形態ではプラズマ着火時、プロセスパラメータに含まれる圧力計１６０で測定された圧力値に替えて、圧力制御バルブ１５１の開度を使用してもよい。これにより、より安定した電子エネルギー分布関数の取得が可能となり、結果として、より好ましいプラズマ処理を実現することが可能となる。

【0094】

電子エネルギー分布関数を用いた本発明のプラズマ処理では、従来行っていたプロセス結果の測定（膜厚、膜質、形状、等のプラズマ処理装置以外の他の測定装置を用いた測定結果）を待つことなく、理想とするプロセス結果を、理想とする電子エネルギー分布関数に置き換えることで、リアルタイムで理想とするプラズマ処理を実現できる。また、他の測定装置を用いる場合に必要となる時間やプロセスの条件出しに必要となる資源（ウエハ、ガス、電力、等）を削減できるため、極めて有用な技術である。

【0095】

以上、本発明の好ましい実施例について詳説したが、本発明は、上述した実施例に制限されることはなく、本発明の範囲を逸脱することなく、上述した実施例に種々の変形及び置換を加えることができる。

【0096】

例えば本実施形態では１台のプラズマ処理装置１００に１つの制御装置３が対応している例を示したが、複数台のプラズマ処理装置１００に１つの制御装置３が対応していてもよい。また、本実施形態は、制御装置３による学習の結果をデータとして集約する情報処理システムへの適用も可能である。このような情報処理システムでは、集約したデータから例えばプラズマ処理装置１００の機種又は処理内容等に応じた制御則を作成し、それぞれの機種又は処理内容等に応じた制御則を配信できる。なお、電子エネルギー分布関数と対応関係にある電子エネルギー確率関数（ＥＥＰＦ）を電子エネルギー分布関数の代わりに用いることも可能である。よって、電子エネルギー分布関数を電子エネルギー確率関数に読み替えた技術内容も本権利に含まれるべきである。

【0097】

以上、本発明を実施例に基づいて説明したが、本発明は上記実施例に限定されるものではなく、特許請求の範囲に記載の範囲内で様々な変形が可能である。本願は、日本特許庁に２０２１年９月１７日に出願された基礎出願２０２１―１５２５９９号の優先権を主張するものであり、その全内容を参照によりここに援用する。

【0098】

本発明の態様は、例えば、以下の通りである。
＜１＞
制御装置を有し、処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置であって、
前記制御装置は、
前記処理容器内のプラズマの電子エネルギー分布関数を計測する測定部と、
プラズマ処理中に前記測定部で計測される前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更するパラメータ変更部と、
を有するプラズマ処理装置。
＜２＞
目標とする前記電子エネルギー分布関数として、前記プラズマ処理中の理想的な前記電子エネルギー分布関数の設定を受け付ける目標設定受付部、
を更に有する前記＜１＞記載のプラズマ処理装置。
＜３＞
前記プラズマ処理中に計測された前記電子エネルギー分布関数と、前記プラズマ処理中の理想的な前記電子エネルギー分布関数と、の乖離を定量化する評価関数の設定を受け付ける評価関数設定受付部、
を更に有する前記＜２＞記載のプラズマ処理装置。
＜４＞
前記プラズマ処理に関するパラメータと前記乖離との対応を表す学習モデルの設定を受け付ける制御則設定受付部、
を更に有する前記＜３＞記載のプラズマ処理装置。
＜５＞
前記パラメータ変更部は、前記学習モデルに従って、前記乖離が小さくなるように前記プラズマ処理に関するパラメータを変更すること
を特徴とする前記＜４＞記載のプラズマ処理装置。
＜６＞
変更された前記パラメータによる前記プラズマ処理中の前記電子エネルギー分布関数の前記評価関数による評価の結果に基づき、前記学習モデルを更新する制御則更新部、
を更に有する前記＜４＞又は＜５＞記載のプラズマ処理装置。
＜７＞
前記制御則更新部は、前記学習モデルの係数の値の確率分布を、前記評価関数による評価の結果に基づき、ベイズの定理に従って更新すること
を特徴とする前記＜６＞記載のプラズマ処理装置。
＜８＞
前記プラズマ処理に関するパラメータは、投入電力、投入電力の周波数、投入電力パルスのデューティ比、ガス混合比、圧力、温度、累積プロセス回数、直近のプロセスレシピ、直近に計測した前記電子エネルギー分布関数の少なくとも一つであること
を特徴とする前記＜１＞乃至＜７＞の何れか一項に記載のプラズマ処理装置。
＜９＞
前記プラズマの着火時、前記プラズマ処理に関するパラメータに含まれる圧力は、圧力計により測定される圧力値に替えて、圧力制御バルブの開度を使用すること
を特徴とする前記＜８＞記載のプラズマ処理装置。
＜１０＞
前記電子エネルギー分布関数に替えて、前記電子エネルギー分布関数と対応関係にある電子エネルギー確率関数を用いること
を特徴とする前記＜１＞乃至＜９＞の何れか一項に記載のプラズマ処理装置。
＜１１＞
制御装置を有し、処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置の制御方法であって、
前記制御装置が、
前記処理容器内のプラズマの電子エネルギー分布関数を計測するステップと、
プラズマ処理中に計測された前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更するステップと、
を有する制御方法。
＜１２＞
処理容器内に供給されたガスをプラズマ化し、被処理体へのプラズマ処理を行うプラズマ処理装置を制御する制御装置に、
前記処理容器内のプラズマの電子エネルギー分布関数を計測する手順、
プラズマ処理中に計測された前記電子エネルギー分布関数が目標とする前記電子エネルギー分布関数に近付くように、前記プラズマ処理に関するパラメータを変更する手順、
を実行させるためのプログラム。

【符号の説明】

【0099】

１ 処理容器
２ マイクロ波プラズマ源
３ 制御装置
７０ プラズマプローブ装置
１００ プラズマ処理装置
２００ 目標設定受付部
２０２ 評価関数設定受付部
２０４ 制御則設定受付部
２０６ プラズマ処理制御部
２０８ 電子エネルギー分布関数測定部
２１０ パラメータ変更部
２１２ 制御則更新部
２２０ 目標記憶部
２２２ 評価関数記憶部
２２４ 制御則記憶部
２２６ プロセスレシピ記憶部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6A】

【図6B】

【図6C】

【図6D】

【図7】

【図8】

【図9】

【図10A】

【図10B】

【図11】

【図12】

【図13】

【図14A】

【図14B】

【図14C】

【図15A】

【図15B】

【図15C】

【図15D】