專利名稱：半導體先進過程控制的參數(shù)優(yōu)化控制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及半導體工藝過程控制，具體是一種半導體先進過程控制的參數(shù)優(yōu)化控制方法，用于對于批次間半導體器件的工藝參數(shù)動態(tài)設(shè)置及控制系統(tǒng)的優(yōu)化調(diào)整。
背景技術(shù)：
隨著集成電路芯片功能和性能的不斷增強以及半導體器件特征尺寸不斷的縮小，使得集成電路生產(chǎn)線投資成本變得非常高昂，因而半導體工藝的精確控制就顯得尤為重要，尤其是對不同批次間半導體器件的Run-to-Run(R2R)控制。半導體芯片在生產(chǎn)過程中，要經(jīng)歷若干步不同的工藝過程，如光刻、CVD、PVD、刻蝕等。半導體先進過程控制(APC)可以提高設(shè)備的利用率，讓半導體芯片工藝生產(chǎn)線具有可延伸性、靈活性，進一步提高半導體工藝設(shè)備的運行穩(wěn)定性。在半導體工藝過程中，大多數(shù)半導體生產(chǎn)設(shè)備過程從控制的角度上可以看成是非線性過程，生產(chǎn)設(shè)備的控制參數(shù)會隨著時間發(fā)生漂移，在采用固定的控制方案下進行生產(chǎn)控制，往往會導致不同批次之間產(chǎn)品的質(zhì)量差異較大。為了保證成品率及控制成本，先進過程控制技術(shù)被越來越多地應用于消除設(shè)備特性漂移帶來的影響。然而在半導體工藝過程中實施先進控制還存在些問題:I)在半導體工藝過程中很多工藝過程都存在突變漂移和緩變漂移。以熱氧化為例，化學蒸氣會逐漸的沉積在硅片立式爐的器壁上形成緩變漂移，當沉積物達到一定程度后經(jīng)過清洗，清洗后的設(shè)備會形成階躍擾動，從而導致突變漂移。2)半導體生產(chǎn)是一系列的間歇過程，在每批次生產(chǎn)過程中設(shè)備控制器都需要設(shè)定相應的控制參數(shù)和其他工藝參數(shù)。同一設(shè)備可能用于不同的工序或者生產(chǎn)不同的產(chǎn)品，使得生產(chǎn)工藝參數(shù)必須頻繁的改動。

發(fā)明內(nèi)容
本發(fā)明針對上述問題，提出了一種半導體先進過程控制(APC)的參數(shù)優(yōu)化控制方法，采用了基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)非線性預測模型與APC系統(tǒng)相結(jié)合，得到R2R級別工藝過程控制的APC解決方法，從而能有效控制半導體工藝過程中的器件參數(shù)的漂移，使得半導體工藝可以在非常小的工藝窗口內(nèi)正常進行，達到對半導體工藝過程進行精確控制的目的。為實現(xiàn)上述目的本發(fā)明采用了如下技術(shù)方案:半導體先進過程控制的參數(shù)優(yōu)化控制方法，包括以下步驟:S1:對經(jīng)過工藝加工后晶圓的至少一個相關(guān)工藝參數(shù)進行實時的數(shù)據(jù)采集；S2:利用遺傳算法建立半導體工藝參數(shù)BP神經(jīng)網(wǎng)絡(luò)非線性預測模型；S3:利用步驟S2所述BP神經(jīng)網(wǎng)絡(luò)非線性預測模型對晶圓的相關(guān)工藝參數(shù)進行預測；S4:對步驟SI中實時采集的數(shù)據(jù)與步驟S3中預測模型預測的數(shù)據(jù)進行指數(shù)加權(quán)移動平均控制算法處理，進而調(diào)整所述晶圓當前的工藝參數(shù)，然后轉(zhuǎn)入步驟SI，直至完成工藝過程。
更進一步地，上述建立半導體工藝參數(shù)BP神經(jīng)網(wǎng)絡(luò)非線性預測模型的具體步驟為:S21、以半導體工藝過程的刻蝕操作為例，將刻蝕機的控制參數(shù)TCP RF功率、偏置RF功率、OES控制信號、IEP控制信號、化學氣體流速作為神經(jīng)網(wǎng)絡(luò)的出來參數(shù)，然后根據(jù)以上相關(guān)工藝參數(shù)隨機初始化BP神經(jīng)網(wǎng)絡(luò)的所有初始權(quán)值和閾值，并由這些權(quán)值和閾值構(gòu)建遺傳算法的初始種群并進行實數(shù)編碼。S22、根據(jù)初始種群中的個體，即BP神經(jīng)網(wǎng)絡(luò)的最初權(quán)值和閾值，然后用控制參數(shù)TCP RF功率、偏置RF功率、OES控制信號、IEP控制信號、化學氣體流速訓練BP神經(jīng)網(wǎng)絡(luò)后預測系統(tǒng)輸出參數(shù)，即刻蝕速率、刻蝕均勻性、刻蝕組分和刻蝕終點，將預測輸出和期望輸出相減得到誤差絕對值，并將誤差絕對值作為個體適應度值。S23、對種群個體i進行選擇操作，個體i的選擇概率為:f=k/Fi
權(quán)利要求
1.導體先進過程控制的參數(shù)優(yōu)化控制方法，包括以下步驟: S1:對經(jīng)過工藝加工后晶圓的至少一個相關(guān)工藝參數(shù)進行實時的數(shù)據(jù)采集； 52:利用遺傳算法建立半導體工藝參數(shù)BP神經(jīng)網(wǎng)絡(luò)非線性預測模型； 53:利用步驟S2所述BP神經(jīng)網(wǎng)絡(luò)非線性預測模型對晶圓的相關(guān)工藝參數(shù)進行預測； 54:對步驟SI中實時采集的數(shù)據(jù)與步驟S3中預測模型預測的數(shù)據(jù)進行指數(shù)加權(quán)移動平均控制算法處理，進而調(diào)整所述晶圓當前的工藝參數(shù)，然后轉(zhuǎn)入步驟SI，直至完成工藝過程。
2.據(jù)權(quán)利要求1所述半導體先進過程控制的參數(shù)優(yōu)化控制方法，其特征在于:步驟S2中所述建立半導體工藝參數(shù)BP神經(jīng)網(wǎng)絡(luò)非線性預測模型的具體步驟為: 521、根據(jù)步驟SI所述相關(guān)工藝參數(shù)隨機初始化BP神經(jīng)網(wǎng)絡(luò)的所有初始權(quán)值和閾值，并由所述初始權(quán)值和閾值構(gòu)建遺傳算法的初始種群并進行實數(shù)編碼； 522、根據(jù)初始種群中的個體，用所述相關(guān)工藝參訓練BP神經(jīng)網(wǎng)絡(luò)后預測輸出，將預測輸出和期望輸出相減得到誤差絕對值，并誤差絕對值將作為個體適應度值； 523、對個體i進行選擇操作，個體i的選擇概率為:
3.據(jù)權(quán)利要求1所述半導體先進過程控制的參數(shù)優(yōu)化控制方法，其特征在于:步驟S3包括，根據(jù)步驟SI中實時采集的數(shù)據(jù)確定BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點數(shù)和輸出節(jié)點數(shù)，由BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點數(shù)和輸出節(jié)點數(shù)確定隱含層的節(jié)點數(shù)，其中選擇隱含層節(jié)點數(shù)Ien的公式為:
4.據(jù)權(quán)利要求3所述半導體先進過程控制的參數(shù)優(yōu)化控制方法，其特征在于:所述輸入節(jié)點數(shù)根據(jù)控制模塊的輸出變量確定，輸出節(jié)點數(shù)根據(jù)非線性的工藝過程模塊輸出的檢測變量確定。
全文摘要
本發(fā)明公開了一個半導體先進過程控制(APC)的參數(shù)優(yōu)化控制方法。在半導體工藝過程中，針對間歇過程的優(yōu)化控制方法，傳統(tǒng)方法一般采用線性預測模型。本發(fā)明采用基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預測模型，通過遺傳算法對神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化，根據(jù)每個染色體所對應的適應度函數(shù)F，采用選擇操作、概率交叉和變異操作等，并輸出最優(yōu)解，由此確定BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始權(quán)值和閾值，利用附加動量方法和變學習率學習算法提高BP神經(jīng)網(wǎng)絡(luò)的性能，使其經(jīng)過訓練后能很好的預測非線性模型。該方法中遺傳算法具有很好的全局搜索能力，容易等到全局最優(yōu)解，或性能很好的次優(yōu)解，這對于提高神經(jīng)網(wǎng)絡(luò)的建模能力，有很好的促進作用。
文檔編號G05B13/04GK103092074SQ20121059145
公開日2013年5月8日 申請日期2012年12月30日 優(yōu)先權(quán)日2012年12月30日
發(fā)明者王巍, 安友偉, 楊鏗, 馮世娟, 王振, 徐華 申請人:重慶郵電大學