基于过程数据驱动的机器学习方法预测化学机械平坦化的非均匀性及虚拟计量研究
《JOURNAL OF INTELLIGENT MANUFACTURING》:Process data-driven machine learning for non-uniformity prediction and virtual metrology in chemical mechanical planarization
【字体:
大
中
小
】
时间:2025年12月09日
来源:JOURNAL OF INTELLIGENT MANUFACTURING 7.4
编辑推荐:
本研究针对半导体制造中化学机械平坦化(CMP)工艺的非均匀性控制难题,利用真实产线数据开发了机器学习模型,成功实现了晶圆表面空间分辨材料去除率(MRR)和片内非均匀性(WIWNU)的精准预测。通过XGBoost算法和SHAP可解释性分析,揭示了抛光时间和载具旋转等关键影响因素,为虚拟计量(VM)技术在高混合量产环境中的应用提供了创新解决方案。
在半导体制造领域,化学机械平坦化(CMP)是实现纳米级表面平坦化的关键工艺。随着器件尺寸的不断缩小和性能要求的提高,制造过程的精度控制变得尤为关键。CMP通过化学腐蚀和机械研磨的协同作用,确保超平坦表面,为后续光刻和薄膜沉积步骤奠定基础。然而,保持晶圆表面一致的材料去除率(MRR)和实现低片内非均匀性(WIWNU)仍是CMP面临的主要挑战。非均匀性会导致过度拓扑、层间介质侵蚀和凹陷等问题,直接影响良率、可靠性和下游光刻精度。
目前控制CMP后材料去除的方法依赖于耗时且昂贵的计量测量,而现有虚拟计量(VM)模型大多只能估计平均MRR,缺乏对均匀性控制至关重要的空间分辨率。特别是在多区域压力抛光头应用中,晶圆与垫片之间的界面压力需要空间微调,这一局限性尤为突出。
为解决这一关键问题,研究人员利用英飞凌提供的真实CMP过程数据,开展了基于机器学习的虚拟计量研究。研究团队收集了来自两个CMP工具的13,675个独特晶圆运行数据,涵盖超过30种不同产品。通过光谱反射测量法在晶圆表面17个选定测量点获取抛光前后层厚度测量值,计算空间分辨MRR和WIWNU。研究采用线性回归(LR)、随机森林回归(RFR)和极限梯度提升回归(XGBoost)三种回归模型,利用嵌套交叉验证(NCV)进行超参数优化,并通过SHAP分析进行特征重要性解释。
研究开发了稳健且面向应用的机器学习模型,能够预测晶圆表面的非均匀性和空间分辨材料去除率。实验结果表明这些预测具有高精度,特别是在估计空间分辨材料去除率方面表现出高度精确性。
研究采用多阶段技术路线:首先对传感器时间序列数据进行聚合处理,提取统计特征;接着通过互信息进行特征选择,保留信息量最大的特征;然后采用嵌套交叉验证训练和优化机器学习模型;最后利用SHAP进行模型可解释性分析。特别引入了产品相关偏移因子(PF)来捕捉产品间系统性变异。
XGBoost模型在17个MRR测量点的预测中表现最佳,R2达到0.89±0.01,平均绝对百分比误差(MAPE)为1.49%。即使仅使用前11个最重要特征(通过互信息选择),模型仍能保持R2为0.86±0.03的高预测精度。研究发现有效抛光时间和载具旋转均值导数等时间参数是空间分辨MRR预测的主要影响因素。
直接WIWNU预测模型的性能(R2=0.72)优于从17个预测MRR计算得到的WIWNU(R2=0.55)。产品相关偏移因子、边缘压力标准差和耗材相关特征是WIWNU预测的最重要影响因素。研究表明,直接建模WIWNU比从预测的MRR值推导更为可靠。
通过SHAP分析发现,不同晶圆区域的特征重要性存在差异:内部区域主要受有效抛光时间影响,而外部区域则更受浆料流速和旋转参数影响。对于WIWNU预测,产品相关偏移因子和边缘压力控制最为关键,表明图案依赖的去除变异和耗材相关特征主导了非均匀性形成。
本研究成功开发了能够预测CMP过程中空间分辨MRR和WIWNU的机器学习模型,为虚拟计量在半导体制造中的应用提供了重要进展。主要创新点包括:首次实现基于ML的空间分辨MRR预测、在真实高产高混合环境中验证模型泛化能力、以及通过SHAP提供工艺优化见解。
研究的实际意义在于能够减少对物理晶圆测量的依赖,为运行间(R2R)控制提供实时"虚拟"测量数据,特别适用于多区域压力头的精细调谐。例如,当预测模型显示晶圆边缘去除率较高时,R2R控制器可以主动降低边缘区域压力同时保持中心压力,从而改善均匀性。
目前局限性包括WIWNU预测模型仍需进一步完善,以及新产品需要校准阶段来确定产品特定偏移因子。未来工作可探索将训练模型重新用于处方分析,结合贝叶斯优化或进化算法,实现工艺参数的自动搜索,从而将虚拟计量从被动预测扩展到主动配方优化,为自主CMP控制奠定基础。
该研究成果已发表于《Journal of Intelligent Manufacturing》,为半导体行业向数据驱动和成本效益制造转型提供了技术支撑,特别适用于需要高精度工艺控制的高混合量产环境。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号