使用机器学习的基板工艺终点检测的制作方法

本公开内容的实施例总体上与制造系统相关，并且更具体地与使用机器学习的基板工艺终点检测相关。

背景技术：

1、制造微电子和集成电路器件通常涉及在半导体、介电体和导电的基板上执行大量操作。在一些情况下，单晶体、半导体膜、发现涂层和许多其他物质用于电子器件制造和其他的实际应用中。随着所选类型的原子被(例如，经由沉积)添加到基板或(例如，经由蚀刻)从基板移除，高效和精确的终点监测技术和系统变得很有价值。处理不足(例如，沉积不足、蚀刻不足)以及过度处理(例如，过度沉积、过度处理)可能导致不符标准和发生故障的器件。因此，允许实时监测器件制造的各种阶段的光学控制系统可以显著改进产品的质量，并且考虑到对高质量半导体器件的不断提高的要求，这种光学控制系统特别有用。

技术实现思路

1、所述实施例中的一些涵盖了一种用于训练机器学习模型以为正在第一制造系统处根据当前工艺处理的当前基板提供计量测量的方法。所述方法包括：获得与在第二制造系统处根据先前工艺进行处理的先前基板相关联的历史光谱数据的集合。所述历史光谱数据集合包括在所述先前工艺的步骤集合中的每个步骤期间针对所述先前基板收集的历史光谱数据。所述方法进一步包括：基于所述历史光谱数据集合，生成正则化的历史光谱数据集合。所述正则化的历史光谱数据集合是基于在所述先前工艺的所述步骤集合中的初始步骤期间收集的第一历史光谱数据与在所述步骤集合中的一个或多个后续步骤期间收集的第二历史光谱数据之间的差异来生成的。所述方法进一步包括：针对所述机器学习模型生成训练数据。生成所述训练数据包括：生成训练输入，所述训练输入包括从所述正则化的历史光谱数据集合提取的历史光谱数据子集。所述历史光谱数据子集包括对与特定类型的计量测量相关联的一个或多个历史光谱特征的指示。生成所述训练数据进一步包括：针对训练输入生成目标输出。所述目标输出包括所述先前基板的历史计量测量值，所述历史计量测量值与所述特定类型的计量测量相关联。所述方法进一步包括：提供关于以下各项的所述训练数据以训练所述机器学习模型：(i)包括所述训练输入的集合训练输入，和(ii)包括所述目标输出的目标输出集合。

2、在一些实施例中，一种系统包括用于存储经训练的机器学习模型的存储器，和与所述存储器耦接的处理设备。所述处理设备用于接收与正在制造系统处根据当前工艺处理的当前基板相关联的光谱数据的集合。所接收的光谱数据集合与对所述当前基板执行的所述当前工艺的当前步骤相关联。所述处理设备进一步用于基于所接收的光谱数据集合，生成正则化的光谱数据集合。所述正则化的光谱数据集合是基于在所述当前工艺的所述当前步骤期间收集的光谱数据与在所述当前工艺的先前步骤期间收集的光谱数据之间的差异来生成的。所述处理设备进一步用于：提供从所述正则化的光谱数据集合提取的光谱数据的子集，作为对所述经训练的机器学习模型的输入。所述光谱数据子集包括对与特定类型的计量测量对应的一个或多个光谱特征的指示。所述处理设备进一步用于获得所述经训练的机器学习模型的一个或多个输出。所述处理设备进一步用于：从所述一个或多个输出提取计量测量数据，所述计量测量数据标识与所述特定类型的计量测量相关联的一个或多个计量测量值以及对所述一个或多个计量测量值中的每一者与所述当前基板对应的置信度水平的指示，所述一个或多个计量测量值是针对在所述制造系统处根据先前工艺进行处理的先前基板获得的。

3、在一些实施例中，一种非暂态计算机可读存储介质包括指令，所述指令当由处理设备执行时，使得所述处理设备接收与正在制造系统处根据当前工艺进行处理的当前基板相关联的光谱数据的集合。所接收的光谱数据集合与对所述当前基板执行的所述当前工艺的当前步骤相关联。所述处理设备进一步用于基于所接收的光谱数据集合来生成正则化的光谱数据集合。所述正则化的光谱数据集合是基于在所述当前工艺的所述当前步骤期间收集的光谱数据与在所述当前工艺的先前步骤期间收集的光谱数据之间的差异来生成的。所述处理设备进一步用于：提供从所述正则化的光谱数据集合提取的光谱数据的子集，作为对所述经训练的机器学习模型的输入。所述光谱数据子集包括对与特定类型的计量测量对应的一个或多个光谱特征的指示。所述处理设备进一步用于获得所述经训练的机器学习模型的一个或多个输出。所述处理设备进一步用于：从所述一个或多个输出提取计量测量数据，所述计量测量数据标识与所述特定类型的计量测量相关联的一个或多个计量测量值以及对所述一个或多个计量测量值中的每一者与所述当前基板对应的置信度水平的指示，所述一个或多个计量测量值是针对在所述制造系统处根据先前工艺进行处理的先前基板获得的。

4、在一些实施例中，提供了一种方法，所述方法包括：提供训练数据来训练机器学习模型集合中的每一者，以基于在对基板执行的基板工艺期间收集的光谱数据，提供与基板的特定类型的计量测量相关联的计量测量值，。所述机器学习模型集合中的每一者与机器学习模型类型集合中不同的类型相关联。所述方法进一步包括：基于由相应的机器学习模型鉴于所述计量测量的测得值所提供的所述计量测量的提供值的准确度，向所述机器学习模型集合中的每一者分配性能评级，所述测得值是基于由计量装备针对先前基板集合中的先前基板所收集的历史计量数据来生成的。所述方法进一步包括：鉴于所述机器学习模型集合中的每一者的所述性能评级，选择要应用于未来光谱数据的所述相应的机器学习模型，所述未来光谱数据是在对未来基板执行的未来基板工艺期间收集的。

5、在一些实施例中，一种系统包括存储器和与所述存储器耦接的处理设备。所述处理设备用于获得机器学习模型，所述机器学习模型被训练为基于在制造系统处进行的当前基板的当前工艺期间收集的当前光谱数据，提供计量测量的当前值。所述经训练的机器学习模型与性能评级相关联，所述性能评级满足与所述计量测量的类型相关联的性能准则。所述处理设备进一步用于提供所述当前光谱数据作为对所述经训练的机器学习模型的输入。所述处理设备进一步用于从所述经训练的机器学习模型的一个或多个输出提取对与所述当前基板对应的相应的计量测量值的指示。所述相应的计量测量值与所述计量测量的所述类型相关联。所述处理设备进一步用于响应于确定所述相应的计量测量值满足与所述当前工艺相关联的计量测量准则，生成指令，所述指令包括终止所述制造系统处的所述当前工艺的命令。

6、在一些实施例中，一种包括指令的非暂态计算机可读存储介质包括指令，所述指令当由处理设备执行时，使得所述处理设备：提供训练数据来训练机器学习模型集合中的每一者，以基于在对基板执行的基板工艺期间收集的光谱数据，提供与基板的特定类型的计量测量相关联的计量测量值。所述机器学习模型集合中的每一者与机器学习模型类型集合中不同的类型相关联。所述处理设备进一步用于基于由相应的机器学习模型鉴于所述计量测量的测得值所提供的所述计量测量的提供值的准确度，向所述机器学习模型集合中的每一者分配性能评级。所述测得值是基于由计量装备针对先前基板集合中的先前基板所收集的历史计量数据来生成的。所述处理设备进一步用于鉴于所述机器学习模型集合中的每一者的所述性能评级，选择要应用于未来光谱数据的所述相应的机器学习模型，所述未来光谱数据是在对未来基板执行的未来基板工艺期间收集的。