用基本原理仿真辅助半导体制造过程的系统和方法

专利名称：用基本原理仿真辅助半导体制造过程的系统和方法
技术领域：
本发明一般涉及制造半导体器件，更具体地涉及在半导体制造过程中使用基本原理仿真(first principles simulation)。
背景技术：
半导体工业中的材料处理对于集成电路(IC)的制造提出了强有力的挑战。一般地提高IC速度尤其是提高存储设备速度的需求促使半导体制造商在衬底表面上将器件做得越来越小。而且，为了降低加工成本，必须减少生产IC结构所需的步骤(例如刻蚀步骤、淀积步骤等等)的数量，并因而降低IC结构及其加工方法的总体复杂度。特征尺寸的减小和衬底尺寸的增大(即200mm到300mm甚至更大)加剧了这些需求，并且更加强调对临界尺寸(CD)、处理速率和处理一致性的精确控制，以使优良器件的产量最大化。
在半导体制造中，在IC的演进期间采用了多种步骤，包括真空处理、热处理、等离子处理等等。在每个处理步骤内，存在许多影响处理产出的变量。为了更精确地控制每个处理步骤的产出，各处理工具配备了越来越多的诊断系统(电、机械和光的诊断系统)，用于在处理期间测量数据，并为通过处理控制器的动作来校正处理变化提供了智能化的基础。诊断系统的数量正变得累赘和昂贵。然而，仍然无法得到在空间和时间上充分解析以用于完整处理控制的数据。
这些工业和制造上的挑战使得人们对在半导体制造工业中更多地使用基于计算机的建模和仿真感兴趣。基于计算机的建模和仿真正被越来越多地用于半导体制造工具设计过程中的工具性能预测。建模的使用使得可以降低工具开发周期的时间和成本。在诸如应力、热、磁等许多方面的建模已经达到了相当的成熟程度，可以相信这样的建模能提供对设计问题的准确解答。而且，计算机的能力随着新的求解算法的开发而迅速增强，这两者都导致减少了获得仿真结果所需的时间。实际上，发明人已经认识到，通常在工具设计阶段完成的大量仿真现在可以在与晶片或晶片盒处理时间可比较的时间内运行。这些趋势启示了通常仅用于工具设计的仿真能力可以直接实现在工具自身上，以辅助工具所执行的各种处理。例如，2001年国际半导体技术发展蓝图(2001 International Technology Roadmap forSemiconductors)将阻碍工具上集成仿真能力的问题认为是能够在未来的半导体器件中制造非常小特征的技术。
实际上，工业上无法实现用于辅助工具处理的工具上仿真(on-toolsimulation)的主要原因在于，需要能够在合理时间内执行仿真的计算资源。具体而言，当前专用于半导体制造工具的处理器能力通常限于诊断和控制功能，因而仅能执行较简单的仿真。因此，半导体制造工业觉察到了如下需求，即提供强大的专业计算机以实现有意义的工具上仿真能力。然而，将这种计算机专用于半导体处理工具，这导致在工具运行使用简单仿真的处理或根本不使用仿真的处理时的计算资源浪费。对昂贵计算资源的这种低效使用成为了实现半导体处理工具仿真能力的主要阻碍。

发明内容
本发明的一个目的在于减少或解决现有技术中的上述和/或其它问题。
本发明的另一目的在于将基本原理仿真能力与半导体制造工具集成起来，以辅助该工具所执行的处理。
本发明的另一目的在于提供工具仿真能力而无需该工具专用的强大计算资源。
本发明的另一目的在于使用制造设备中现有的每个工具专用的计算资源来提供大范围的工具上仿真能力。
这些和/或其它目的可以通过本发明的以下方案来提供根据本发明的第一方案，一种用于辅助半导体处理工具所执行的处理的方法包括输入与半导体处理工具所执行的处理有关的数据和输入与半导体处理工具有关的基本原理物理模型。然后使用输入数据和物理模型来执行基本原理仿真以提供基本原理仿真结果，并使用基本原理仿真结果来辅助半导体处理工具所执行的处理。
根据本发明的另一方案，一种系统包括被配置为执行处理的半导体处理工具和被配置为输入与半导体处理工具所执行的处理有关的数据的输入设备。基本原理仿真处理器被配置为输入与半导体处理工具有关的基本原理物理模型，并使用输入数据和物理模型来执行基本原理仿真以提供基本原理仿真结果。所述基本原理仿真结果被用来辅助半导体处理工具所执行的处理。
本发明的另一方案是一种用于辅助半导体处理工具所执行的处理的系统，其包括用于输入与半导体处理工具所执行的处理有关的数据的装置，以及用于输入与半导体处理工具有关的基本原理物理模型的装置。本方案中还包括用于使用输入数据和物理模型来执行基本原理仿真以提供基本原理仿真结果的装置，以及用于使用基本原理仿真结果来辅助半导体处理工具所执行的处理的装置。
本发明的另一方案是一种计算机可读介质，其包含用于在处理器上执行的程序指令，所述指令当被计算机系统执行时使处理器执行输入与半导体处理工具所执行的处理有关的数据的步骤，以及输入与半导体处理工具有关的基本原理物理模型的步骤。还使得所述处理器使用输入数据和物理模型来执行基本原理仿真以提供基本原理仿真结果；以及使用基本原理仿真结果来辅助半导体处理工具所执行的处理。


当结合附图来考虑时，参考以下具体实施方式
，可以容易地获得和更好地理解本发明更全面的认识及其许多附带的优点，其中图1是根据本发明实施例，使用基本原理仿真技术来辅助半导体处理工具所执行的处理的系统的框图；图2的流程图示出了根据本发明实施例，使用基本原理仿真技术来辅助半导体处理工具所执行的处理的过程；图3是根据本发明实施例，可用来提供基本原理仿真技术以辅助半导体处理工具所执行的处理的网络体系结构的框图；图4的框图示出了根据本发明实施例，使用基本原理仿真技术来提供半导体处理工具上的虚拟传感器测量的系统；图5的框图示出了根据本发明实施例，使用基本原理仿真技术来表征半导体处理工具上的处理的系统；图6是根据本发明实施例，使用基本原理仿真技术来控制半导体处理工具所执行的处理的系统的框图；图7的流程图示出了根据本发明实施例，使用基本原理仿真技术来控制半导体处理工具所执行的处理的过程；图8是根据本发明实施例，使用基本原理仿真技术和经验性模型来控制半导体处理工具所执行的处理的系统的框图；图9的流程图示出了根据本发明实施例，使用基本原理仿真技术和经验性模型来控制半导体处理工具所执行的处理的过程；图10是根据本发明实施例，使用基本原理仿真技术和缺陷检测器来控制半导体处理工具所执行的处理的系统的框图；图11示意性地表示了PLS分析的数据输入X和Y和相应的输出T、P、U、C、W、E、F、H和投影中变量重要度(variable importance inthe projection，VIP)；图12的流程图示出了根据本发明实施例，使用基本原理仿真技术来检测缺陷和控制半导体处理工具所执行的处理的过程；图13是可以应用本发明的过程控制实施例的真空处理系统的框图；图14示出了可在其上实现本发明实施例的计算机系统。
具体实施例方式
现在参照附图，在所有这几幅附图中，相似的标号指示相同或相应的部件，图1是根据本发明的一个实施例，使用基本原理仿真技术来辅助半导体处理工具的处理的系统的框图。从图1可以看出，该系统包括半导体处理工具102、数据输入设备104、基本原理物理模型106，以及基本原理仿真处理器108。图1的系统还可包括虚线所示的工具级别库110。
半导体处理工具102是用于执行与集成电路或半导体晶片的制造有关的处理的工具。例如，半导体处理工具102可被实现为材料处理系统、刻蚀系统、光刻胶旋涂系统、光刻系统、电介质涂覆系统(即旋涂玻璃(SOG)或旋涂电介质(SOD)系统)、淀积系统(即化学气相淀积(CVD)系统或物理气相淀积(PVD)系统)、用于热退火的快速热处理(RTP)系统、分批扩散炉(batch diffusion furnace)，或者用于执行半导体制造处理的任何其它工具。
数据输入设备104是用于对与半导体处理工具102所执行的处理有关的数据进行收集，并将所收集的数据输入到基本原理仿真处理器106的设备。半导体处理工具102所执行的处理可以是特征化处理(即处理设计或开发)、清除处理、生产处理或半导体处理工具所执行的任何其它处理。在一个实施例中，数据输入设备104可被实现为物理传感器，用于收集关于半导体处理工具102自身和/或工具的室中所包含的环境的信息。这种数据可以包括流体力学数据(例如处理室内各个位置的气体流速和压力)、电数据(例如处理室的电系统内各个位置的电压、电流和阻抗)、化学数据(例如处理室内各个位置的物质浓度和反应化学参数)、热数据(例如处理室内各个位置的气体温度、表面温度和表面热通量)、诸如等离子密度(例如是从朗缪尔探针获得的)和离子能量(例如是从离子能谱分析仪获得的)之类的等离子处理数据(在利用等离子的时候)，以及机械数据(例如处理室内各个位置的压力、偏转、应力和张力)。
除了工具数据和工具环境数据以外，数据输入设备104还收集与处理自身有关的数据，或者在工具102正在执行处理的半导体晶片上获得的处理结果。在一个实施例中，数据输入设备104被实现为耦合到半导体处理工具102的度量工具。该度量工具可被配置为测量处理性能参数，所述参数例如是刻蚀速率、淀积速率、刻蚀选择度(刻蚀第一材料的速率与刻蚀第二材料的速率之比)、刻蚀临界尺寸(例如特征的长度或宽度)、刻蚀特征各向异性(例如刻蚀特征侧壁外形)、膜属性(例如膜应力、孔隙度等等)、掩模(例如光刻胶)膜厚度、掩模(例如光刻胶)图案临界尺寸，或者半导体处理工具102所执行的处理的任何其它参数。
数据输入设备可以直接耦合到半导体处理工具102和基本原理仿真处理器106，以自动接收来自工具102的数据，并将该数据转发到基本原理仿真处理器106，如图1所示。或者，数据输入设备104可被实现为用户输入设备，其用于将与半导体处理工具102所执行的处理有关的数据间接提供给仿真处理器106。例如，数据输入设备104可以是仿真操作者用来将数据输入到基本原理仿真处理器106当中的键盘。或者，数据输入设备可以是数据库，其用于存储与半导体处理工具102过去执行的处理有关的数据。在本实施例中，可以利用耦合到半导体处理工具102的物理传感器或度量工具(和/或通过手动输入)来自动填充所述数据库。数据库可以由基本原理仿真处理器108自动访问，以将数据输入到处理器。
基本原理物理模型106是执行基本原理仿真并提供仿真结果以用于辅助半导体处理工具所执行的处理所必需的基本方程以及工具和工具环境的物理属性的模型。因此，基本原理物理模型106在某种程度上取决于所分析的半导体处理工具102的类型，以及工具中所执行的处理。例如，物理模型106可以包括工具102的物理几何形状的空间解析模型，其例如对于化学气相淀积(CVD)室和扩散炉是不同的。类似地，计算流场所必需的基本原理方程与计算温度场所必需的明显不同。物理模型106可以是在商业上可获得的软件中实现的模型，用于计算流场、电磁场、温度场、化学参数、表面化学参数(即刻蚀表面化学参数或淀积表面化学参数)，所述商业上可获得的软件例如是地址为Southpointe，275 Technology DriveCanonsburg，PA 15317的ANSYS公司的ANSYS、地址为10 Cavendish Ct.Centerra Park，Lebanon，NH 03766的Fluent公司的FLUENT，或者地址为215 Wynn Dr.，Huntsville，AL 35805的CFD研究公司的CFD-ACE+。然而，也可使用从基本原理开发出来的用于解析处理系统内的这些及其它细节的专用或定制模型。
基本原理仿真处理器108是如下的处理设备，其将来自数据输入设备104的数据输入施加到基本原理物理模型108以执行基本原理仿真。具体而言，基本原理仿真处理器108可以使用数据输入设备104所提供的数据为基本原理物理模型106设定初始条件和/或边界条件，所述基本原理物理模型106然后由仿真模块执行。本发明中的基本原理仿真包括但不局限于以下仿真从麦克斯韦方程导出的电磁场仿真、连续体(continuum)仿真(例如从连续性、Naiver-Stokes方程和热力学第一定律导出的用于质量、动量和能量转移的连续体仿真)，以及从波尔兹曼方程导出的原子性(atomistic)仿真，例如稀薄气体的Monte Carlo仿真(参见Bird，G.A.1994.Molecular gas dynamics and the direct simulation of gas flows，ClarendonPress)。基本原理仿真处理器108可被实现为物理上与半导体处理工具102集成的处理器或工作站，或者实现为诸如图14的计算机系统1401之类的通用计算机系统。基本原理仿真处理器108的输出是用来辅助半导体处理工具102所执行的处理的仿真结果。例如，该仿真结果可用于辅助处理开发、处理控制和缺陷检测，以及提供辅助工具处理的虚拟传感器输出，如下文进一步描述的那样。
如图1中虚线所示，系统还可以包括用于存储仿真结果的工具级别库110。这个库实质上是对过去仿真结果的汇编，其可被用于提供将来的仿真结果。工具级别库110可存储在单独的存储设备或与基本原理仿真处理器108集成的诸如硬盘之类的计算机存储设备中。
应当理解，图1中的系统仅用于示例目的，这是因为本领域技术人员将很容易想到用于实现本发明的具体硬件和软件的多种变化。例如，基本原理物理模型106、基本原理仿真处理器108和工具级别库110的功能可组合在单个设备中。类似地，数据输入设备104的功能可与半导体处理工具102和/或基本原理仿真处理器108的功能组合起来。为了实现这些变化以及其它变化，单个计算机(例如图14的计算机系统1401)可被编程以执行图1所示设备中两个或更多个设备的专用功能。另一方面，可用两个或更多个编程计算机来代替图1所示的设备之一。例如，还可以根据需要实现诸如冗余和备份之类的分布式处理的原理和优点，以提高系统的鲁棒性和性能。
图2的流程图示出了根据本发明一个实施例，使用基本原理仿真技术来辅助半导体处理工具所执行的处理的过程。例如，图2所示的过程可在图1的基本原理仿真处理器104上运行。如图2所示，过程开始于步骤201，输入与半导体处理工具102执行的处理有关的数据。如上所述，输入的数据可以是与工具/工具环境的物理属性有关的数据，和/或与工具对半导体晶片执行的处理或这种处理的结果有关的数据。同样如上所述，输入的数据可以从耦合到基本原理仿真处理器104的物理传感器或度量工具直接输入，或者从手动输入设备或数据库间接输入。当通过手动输入设备或数据库间接输入数据时，该数据可以是从以前运行的处理中记录的数据，例如来自以前运行的处理的传感器数据。或者，该数据可以由仿真操作者设定为用于特定仿真的“最佳已知输入参数”，其可能与处理期间收集的数据有关或无关。处理工具所输入的输入数据的类型一般取决于希望的仿真结果。
除了对输入数据进行输入以外，基本原理仿真处理器104还输入基本原理物理模型106，如步骤203所示。步骤203包括输入模型所建模的工具的物理属性，以及对半导体处理工具102所执行的处理的希望属性执行基本原理仿真所必需的以软件形式编码化了的基本原理方程。基本原理物理模型106可以从外部存储器或与处理器成一整体的内部存储设备输入到处理器。而且，虽然在图2中示出了步骤203接在步骤201之后，但应当理解，基本原理仿真处理器104可以同时或以与图2所示的相反顺序来执行这些步骤。
在步骤205中，基本原理仿真处理器108使用步骤201的输入数据和步骤203的基本原理物理模型，执行基本原理仿真并提供仿真结果。步骤205可以与半导体处理工具所执行的处理同时执行或不同时执行。例如，求解时间短的仿真可以与工具处理同时运行，并用结果来控制处理。计算上更密集的仿真可以不与工具处理同时执行，并且仿真结果可存储在库中以用于以后的获取。在一个实施例中，步骤205包括使用步骤201的输入数据来设定步骤205中提供的物理模型的初始和/或边界条件。
在执行了仿真之后，用仿真结果来辅助半导体处理工具102所执行的处理。这里所使用的术语“辅助半导体处理工具所执行的处理”例如包括使用仿真结果来检测处理中的缺陷、控制处理、对处理进行特征化以用于制造过程、提供与处理有关的虚拟传感器读数，或者与辅助半导体处理工具102所执行的处理有关的对仿真结果的任何其它使用。
图3是根据本发明实施例，可用来提供基本原理仿真技术以辅助半导体处理工具所执行的处理的网络体系结构的框图。如图所示，网络体系结构包括器件制造fab，其经由因特网314连接到远程资源。器件制造fab包括多个连接到各自的仿真模块302的半导体处理工具102。如结合图1所述，每个半导体处理工具102是用于执行与制造诸如集成电路之类的半导体器件有关的处理的工具。每个仿真模块302是能够执行基本原理仿真技术以辅助半导体处理工具102所执行的处理的计算机、工作站或其它处理设备。因此，每个仿真模块302包括结合图1描述的基本原理物理模型106和基本原理仿真处理器108，以及可能有助于执行基本原理仿真的任何其它硬件和/或软件。而且，仿真模块302被配置为使用任意已知的网络通信协议与fab级的高级过程控制(APC)控制器进行通信。每个仿真模块302可被实现为诸如图14的计算机系统1401之类的通用计算机。
虽然未在图3中示出，但每个仿真模块302与用于输入与工具102所执行的处理有关的数据的数据输入设备相关联。在图3的实施例中，仿真模块302直接耦合到各自的工具102，因此数据输入设备被实现为物理地安装在各自的工具102上的物理传感器和/或度量工具。然而，如上所述，数据输入设备可被实现为仿真模块操作者使用的手动输入设备，或者数据库。另外，每个仿真模块302可被配置为在诸如库306的工具级的库中存储信息以及从其中获取信息。同样如上所述，工具级的库实质上是对在将来的仿真中可能有用的过去的仿真结果的汇编。
在本发明的一个实施例中，每个仿真模块302经由网络连接而连接到主fab级APC控制器304。如图3所示，fab级APC控制器304还可连接到独立仿真模块308和fab级库310，以及经由因特网314和通信服务器316连接到独立仿真模块312。
独立仿真模块308和312是可用来帮助仿真模块302执行计算上密集的基本原理仿真的计算资源，下面将进一步描述。fab级库310是用于存储从网络系统的仿真模块中的任一个获得的仿真结果的数据库。fab级APC控制器304是任意适于与仿真模块302、308和312进行通信，以及在fab级库310中存储信息和从中获取信息的工作站、服务器或其它设备。fab级APC控制器304还基于仿真模块302的仿真结构来辅助工具102所执行的处理。例如，APC控制器可被配置为从仿真模块接收仿真结果，并使用该仿真结果来实现控制方法，以用于任一工具102的处理调整和/或校正。fab级APC控制器304使用任意合适的协议与仿真模块302、308和312以及fab级库310通信，并例如可使用图14的计算机系统1401来实现。
发明人发现，图3的网络配置提供了计算和存储资源的共享，这使得能以合理的求解速度获得大范围的基本原理仿真结果，从而提供了可以辅助工具所执行的处理的有意义的工具上仿真能力。具体而言，简单的仿真可由工具的专用仿真模块执行，而需要更多计算资源的复杂仿真可以使用代码并行化技术在网络中的可以是工具上或独立的多个仿真模块上执行。如果存在对仿真模块的供电，则即使当前受到预防性维护的设备中的工具上仿真模块也可用作共享计算资源。类似地，用于以后查找的仿真结果可以存储在fab网络中任何地方的库(例如存储设备)中，并在进行诊断或控制数据查找时由所有工具访问。
发明人还发现，图3的网络体系结构能够将一个条件集合的一个处理工具102处完成的模型结果分发到以后在相同或相似条件下操作的其它相似或相同的工具，因此无需多余的仿真。在工具上和独立模块处只对唯一的处理条件运行仿真，并对来自具有已知仿真解的类似工具的结果进行再使用，这使得可以快速开发如下的查找库，所述查找库包含可用于在大范围的处理条件下进行诊断和控制的结果。而且，将已知的解再使用为基本原理仿真的初始条件，这降低了计算要求，并辅助了在与在线控制相一致的时间段内产生仿真解。类似地，图3的网络体系结构还能够将对物理模型和模型输入参数的改变和细化从一个仿真模块传播到网络中的其它仿真模块。例如，如果在处理运行和模型的并行执行期间确定某些输入参数需要改变，则可经由网络将这些改变传播到所有其它仿真模块和工具。
图3的网络体系结构还允许可选地连接到包括仿真模块在内的远程计算资源，其可帮助执行仿真任务并将结果传回制造器件的fab。对远程资源的连接可通过诸如虚拟专用网络(Virtual Private Network)之类的安全连接进行。这种安全连接还可被建立到如下的第三方，所述第三方提供计算资源以支持处理工具上的基本原理仿真。类似地，远程通信服务器可以充当多个顾客可使用的、大多数最新软件、模型、输入参数和仿真结果的“交换所”，从而进一步提高准确结果库的创建速度。这些更新的模型可被从顾客站点上载到远程资源，被分析，并且如果确定该细化适用于多数顾客，则经由通信服务器和因特网连接使该细化对其它顾客可用。
因此，发明人发现了有意义的工具上仿真能力，其可以辅助工具所执行的处理，而无需专用于工具的昂贵计算机。基于此发现，发明人还开发了新颖的工具上仿真系统，用于提供虚拟传感器读数、提供用于开发工具所执行的处理的特征化数据、以及提供处理缺陷检测和处理控制能力。对有创造性的用于辅助工具所执行的处理的工具上仿真的这些使用可以实现在单个工具和仿真模块上，或者实现在诸如图3所述的计算资源和存储资源的互连网络上。
具体而言，工具上仿真结果可用来增加来自物理传感器的测量数据集。当前这一代半导体处理工具的缺点之一是用于对当前运行的处理进行特征化的传感器的数量较少，尤其是在生产工具上较少。如果所需传感器的数量很大，则在工具上安装更多传感器成为非常昂贵的方案，而且在许多情况下，工具上没有剩余空间用来修改和安装额外的传感器。然而，即使在生产工具中，也存在如下情形，其中在无法安装传感器的位置需要“测量值”。如果存在鲁棒性好的模型以用其它实际测量值作为初始和/或边界条件来预测测量值，则本发明的工具上基本原理仿真能力提供了所需的“测量值”而无需任何额外的硬件。在本申请中，术语“虚拟传感器”用来指称如下的“传感器”，该“传感器”中的测量值实际上是通过工具上仿真的预测提供的。
图4的流程图示出了根据本发明实施例，使用基本原理仿真技术来提供可以辅助半导体处理工具所执行的处理的虚拟传感器读数的过程。图4所示的过程例如可以在图1的基本原理仿真处理器108上运行，或者使用图3的网络体系结构来运行。如图4所示，过程开始于步骤401，输入用于获得与半导体处理工具102执行的处理有关的虚拟传感器读数的数据。步骤401中输入的数据可以是结合图2的步骤201而描述的数据类型中的任一种，只要输入的数据使基本原理仿真能够提供虚拟传感器仿真结果即可。因此，输入的数据可以是与工具/工具环境的物理属性、工具对半导体晶片执行的处理或这种处理的结果有关的数据。而且，步骤401的输入数据可以从耦合到基本原理仿真处理器108的物理传感器或度量工具直接输入，或者从手动输入设备或数据库间接输入。
在用度量数据作为输入数据以获得虚拟传感器读数的一个例子中，与刻蚀掩模图案和下面的膜厚度有关的度量数据可以作为对基本原理刻蚀处理模型和随后执行的刻蚀处理的输入。在执行刻蚀处理之前，可以提供给定的一批衬底中给定衬底上的一个或多个位置(例如中心和边缘)处的包括一个或多个图案临界尺寸和掩模膜厚度在内的掩模图案的测量值，作为对刻蚀处理模型的输入。而且，下面的膜厚度(即要刻蚀的膜的膜厚度)的测量值也可作为对刻蚀处理模型的输入。在对于规定的处理制法和上述度量输入数据执行了基本原理刻蚀处理模型之后，可以计算例如中心和边缘处的刻蚀处理完成时间作为输出，并可利用该输出来确定过刻蚀周期和例如预留中心到边缘的特征临界尺寸所必需的任何处理调整。此后，可以利用这些结果来调整当前或下一批衬底的处理制法。
当数据通过手动输入设备或数据库而间接输入时，该数据可以是从以前运行的处理中记录的数据，例如来自以前运行的处理的传感器数据。或者，该数据可以由仿真操作者设定为用于特定仿真的“最佳已知输入参数”，其可能与处理期间收集的数据有关或无关。处理工具所输入的输入数据的类型一般取决于希望获得的虚拟传感器测量值。
除了输入所述输入数据以外，基本原理仿真处理器108还输入用于模仿物理传感器的基本原理物理模型，如步骤403所示。步骤403包括输入模型所建模的工具的物理属性，以及执行基本原理仿真以获得可以代替与半导体处理工具102所执行的处理有关的物理传感器读数的虚拟传感器读数所必需的基本原理基础方程。步骤403的基本原理物理模型可以从外部存储器或与处理器成一整体的内部存储设备输入到处理器。而且，虽然在图4中示出了步骤403接在步骤401之后，但应当理解，基本原理仿真处理器108可以同时或以与图4所示的相反的顺序来执行这些步骤。
在步骤405中，诸如图1的处理器108之类的基本原理仿真处理器使用步骤401的输入数据和步骤403的基本原理物理模型，来执行基本原理仿真并提供虚拟传感器测量值。步骤405可以与半导体处理工具所执行的处理在不同的时间执行，或者同时执行。不与晶片处理同时执行的仿真可以使用从以前的利用相同或相似的处理条件运行的处理中存储的初始和边界条件。如上文结合图2所述，这在仿真比晶片处理运行得慢的情况下是合适的；可以使用晶片盒之间的时间甚至在工具关机期间的时间(例如用于预防性维护)来使仿真模块对所需的测量值进行求解。如果处理在与运行仿真相同的处理条件下执行，则这些“测量值”以后可以在晶片处理期间被显示，就如同它们是与晶片处理同时求解的一样。
在基本原理仿真与半导体工具所执行的处理同时运行的情况下，步骤401中的数据输入可以是来自如下物理传感器的数据，所述物理传感器安装在半导体处理工具上，用于在工具所运行的处理期间感测预定参数。在本实施例中，稳态仿真是通过使用物理传感器测量值重复地更新基本原理仿真模型的边界条件，而与处理同时重复运行的。所生成的虚拟测量值数据对于工具操作者进行的监控来说是有用的，并且与物理传感器进行的测量并无不同。然而，仿真优选地能够快速运行，以便可以以合理的速率(例如“采样速率”)更新虚拟测量值。基本原理仿真还可以在不使用物理传感器输入数据的情况下同时运行。在本实施例中，仿真的初始和边界条件是基于工具处理之前的工具初始设定、以及运行之前的物理传感器读数来设定的；然后在工具处理期间运行完全时间相关的仿真，但该仿真独立于所述工具处理。所获得的虚拟测量值可以像任何其它实际测量的工具参数一样被显示给操作者并由操作者进行分析。如果仿真比晶片处理运行得快，则在晶片处理期间进行相应的实际测量之前就知道仿真结果。提前知道测量值，这使得可以基于这些测量值来实现各种前馈(feed-forward)控制功能，下文将进一步描述。
在图4的过程的另一实施例中，可以通过将虚拟传感器测量值与相应的物理传感器测量值相比较，从而在自校正模式中执行基本原理仿真。例如，在利用某个处理制法/工具条件进行的首次运行期间，工具操作者将会使用模型的“当时最佳已知输入参数”。在每次仿真运行期间和之后，一个或多个仿真模块可以将物理传感器进行了实际测量的位置的预测“测量值”与实际测量值相比较。如果检测到很大的差异，则可使用最优化和统计方法来变更输入数据和/或基本原理物理模型自身，直到预测数据和实测数据达到更好的一致。根据情况，这些额外的细化仿真的运行可以与下一晶片/晶片盒同时进行，或者在工具离线时进行。知道了细化的输入参数之后，就可将其存储在库中以便将来使用，这样就无需对同一处理条件进行后续的输入参数和模型细化。此外，可以经由图3的网络设置将对模型和输入数据的细化分发到其它工具，这样就无需在其它这些工具中进行自校正运行。
在执行仿真以提供虚拟传感器测量值之后，使用虚拟传感器测量值来辅助工具102所执行的处理。例如，可将虚拟传感器测量值用作对工具控制系统的输入以用于多种目的，例如与实际传感器测量值进行比较、处理中的制法改变、缺陷检测和操作者警告、处理条件的数据库生成、对模型和输入数据的细化，等等。这些是工具控制系统基于物理传感器所进行的测量而执行的典型动作。虚拟传感器测量值的使用可用来对处理进行特征化或控制，下面将对此进行描述。而且，可将虚拟传感器测量值存储在计算机存储介质上的库中以便将来使用，这样就无需重复相同输入条件的仿真运行，除非模型或输入条件有了改变(例如在细化期间)。
除了提供虚拟传感器读数以外，本发明的工具上基本原理仿真能力辅助了半导体处理开发。更具体而言，使用当前的实验设计(design-of-experiments)处理开发方法对工具上的处理进行特征化，这需要对每次操作参数的变化进行不同的处理运行，这导致费时和昂贵的特征化过程。本发明的工具上基本原理仿真能力使得可以在工具自身上进行参数变化和假定性分析，而无需包括对基本原理仿真很好地建模了的那些处理变量的变化在内的实际处理运行。这使得可以大大减少对工具上的处理进行特征化的实验次数。
图5的流程图示出了根据本发明实施例，对半导体处理工具所执行的处理进行特征化的基本原理仿真技术的使用过程。图5所示的过程例如可以在图1的基本原理仿真处理器108上运行，或者使用图3的网络体系结构来运行。如图5所示，过程开始于步骤501，输入用于获得与半导体处理工具102执行的处理有关的特征化信息的数据。步骤501中输入的数据可以是结合图2的步骤201而描述的数据类型中的任一种，只要输入的数据使基本原理仿真能够提供用于对半导体处理工具所执行的处理进行特征化的仿真结果即可。因此，输入的数据可以是与工具/工具环境的物理属性、工具对半导体晶片执行的处理或这种处理的结果有关的数据。而且，步骤501的输入数据可以从耦合到基本原理仿真处理器108的物理传感器或度量工具直接输入，或者从手动输入设备或数据库间接输入。该数据还可从结合图4描述的提供虚拟传感器读数的仿真模块输入。在数据从手动输入设备或数据库间接输入的情况下，该数据可以是从以前运行的处理中记录的数据，例如来自以前运行的处理的传感器数据。或者，该数据可以由仿真操作者设定为用于特定仿真的“最佳已知输入参数”，其可能与处理期间收集的数据有关或无关。处理工具所输入的输入数据的类型一般取决于希望获得的特征化数据。
除了输入所述输入数据以外，基本原理仿真处理器108还输入用于对处理进行特征化的基本原理物理模型，如步骤503所示。步骤503包括输入模型所建模的工具的物理属性，以及执行基本原理仿真以获得用于半导体处理工具102所执行的处理的特征化数据所必需的、通常以软件形式代码化了的基本原理基础方程。步骤503的基本原理物理模型可以从外部存储器或与处理器成一整体的内部存储设备输入到处理器。而且，虽然在图5中示出了步骤503接在步骤501之后，但应当理解，基本原理仿真处理器108可以同时或以与图5所示的相反的顺序来执行这些步骤。
在步骤505中，诸如图1的处理器108之类的基本原理仿真处理器使用步骤501的输入数据和步骤503的基本原理物理模型，来执行基本原理仿真并提供用于对处理进行特征化的仿真结果。步骤505可以与半导体处理工具所执行的处理在不同的时间执行，或者同时执行。不与工具处理同时执行的仿真可以使用所存储的来自以前的利用相同或相似的处理条件运行的处理的初始和边界条件。如上文结合图2所述，这在仿真比晶片处理运行得慢的情况下是合适的；可以使用晶片盒之间的时间甚至在工具关机期间的时间(例如用于预防性维护)来使仿真模块对所需的测量结果进行求解。
在基本原理仿真与半导体工具所执行的处理同时运行的情况下，基本原理仿真可以提供仿真所执行的实验性处理所测试的相同或不同参数的特征化数据。例如，可以执行基本原理仿真以提供参数的变化，所述参数正被半导体处理工具所执行的实验性处理的设计所测试。或者，基本原理仿真可以对与半导体处理工具所执行的实验中测试的参数不同的参数提供特征化数据。
在步骤505中执行了仿真之后，将仿真结果用作数据集的一部分，以对半导体处理工具所执行的处理进行特征化，如步骤507所示。如上所述，这一将仿真结果作为特征化数据的使用可以大大减少或消除特征化处理的实验方法设计所需的费时和昂贵的实验。特征化数据集可以存储在库中，以便在工具以后执行的处理中使用。
本发明的工具上基本原理仿真能力还可被用来提供缺陷检测和处理控制。现有的半导体处理工具所执行的缺陷检测和处理控制大多在本质上是统计性的。这些方法需要实验性的设计方法，这种方法涉及在变化工具的所有操作参数的同时执行多个处理的负担。这些处理运行的结果被记录在数据库中以便对半导体处理工具的处理进行感测或控制，所示数据库用于查找、内插、外插、敏感度分析等等。
然而，为了让这些统计方法能够在变化很大的操作条件下可靠地感测和控制工具，数据库必需足够广以覆盖所有操作条件，这使得数据库的产生成为一种负担。本发明的工具上基本原理仿真能力不要求创建任何这种数据库，这是因为给定准确的工作模型和准确的输入数据，能从物理基本原理直接而准确地预测出工具对处理条件的响应。然而，随着可以得到更多的不同操作条件下的运行时信息，统计方法仍可用来对工作模型和输入数据进行细化，但本发明的处理感测和控制能力并不需要这种信息。实际上，处理模型可以提供一个基础，在这个基础上，可以使用处理模型来经验性地控制处理，以将这些已知的经验性的解扩展到还未在物理上得到经验性结果的情况下的“解”。因而，在一个实施例中，本发明通过用基本原理仿真模块的解对已知的(即物理上观测到的)解进行补充，经验性地对处理工具进行特征化，其中仿真模块解与已知解一致。最终，随着更好的统计数据的得到，仿真模块解可以被经验性解的数据库取代。
在本发明的一个实施例中，工具上基本原理仿真不要求对数据库的创建或访问，这是因为对处理条件的响应是从基本原理直接预测的。随着可以得到更多的不同操作条件下的运行时信息，统计方法仍可用来对工作模型和输入数据进行细化，但在本实施例中，处理的感测和控制以及缺陷检测并不要求具有这种信息。
图6是根据本发明实施例，使用基本原理仿真技术来控制半导体处理工具所执行的处理的系统的框图。如图所示，该系统包括处理工具602，该处理工具602耦合到高级过程控制(APC)基础架构604，该APC基础架构包括仿真模块606、APC控制器608和库610。度量工具612和遥控器614也耦合到APC基础架构604。如图6所示，库610可包括解数据库616和网格(grid)数据库618。
处理工具602可被实现为结合图1描述的半导体处理工具102。因此，处理工具602例如可以是材料处理系统、刻蚀系统、光刻胶旋涂系统、光刻系统、电介质涂覆系统、淀积系统、用于热退火的快速热处理(RTP)系统，和/或分批扩散炉或者其它合适的半导体制造处理系统。如图6所示，处理工具602向仿真模块606提供工具数据，并从APC控制器608接收控制数据，下面将进一步描述。处理工具602还耦合到度量工具612，该度量工具向仿真模块606提供处理结果信息。
仿真模块606是能够执行基本原理仿真技术以控制工具602所执行的处理的计算机、工作站或其它处理设备，因此可被实现为结合图3描述的仿真模块302。因此，仿真模块602包括结合图1描述的基本原理物理模型106和基本原理仿真处理器108，以及可有助于执行基本原理仿真以控制处理的任何其它硬件和/或软件。在图6的实施例中，仿真模块606被配置为接收来自工具602的一个或多个诊断的工具数据，以用于在仿真模型执行期间的处理和后续使用。所述工具数据可以包括上述的流体力学数据、电数据、化学数据、热和机械数据，或者上文结合图1和2描述的任何输入数据。在图6的实施例中，工具数据可被用来确定要在仿真模块606上执行的模型的边界条件和初始条件。例如，所述模型可以包括上述的ANSYS、FLUENT，或者CFD-ACE+代码，用于计算流场、电磁场、温度场、化学参数、表面化学参数(即刻蚀表面化学参数或淀积表面化学参数)，等等。从基本原理开发出的模型可以解析处理系统内的细节，以便为工具的处理控制提供输入。
APC控制器608耦合到仿真模块606，以便从仿真模块606接收仿真结果，并利用该仿真结果来实现控制方法，以用于对工具602上执行的处理进行处理调整/校正。例如，可以进行调整以校正处理的不一致性。在本发明的一个实施例中，以当前在处理工具602上运行的处理的处理解为中心，在仿真模块606上执行一个或多个扰动解。然后，例如可以将扰动解用于非线性优化方案，例如最速下降方法(Numerical Methods，Dahlquist &Bjorck，Prentice-Hall，Inc.，Englewood Cliffs，NJ，1974，p.441；NumericalRecipes，Press et al.，Cambridge University Press，Cambridge，1989，pp.289-306)，以在n维空间中确定施加校正的方向。然后，可以由APC控制器608在处理工具602上实现校正。例如，工具数据(即物理传感器数据)，或者来自当前仿真执行的结果中的至少一个可能指示出，给定当前的初始/边界条件，处理系统表现出衬底上的不一致静态压力场。这种不一致性又可以助长衬底上所观测的用于对衬底处理的性能进行量化的、度量工具所测得的一个度量，即临界尺寸、特征深度、膜厚度等的不一致性。通过对当前仿真执行的输入参数进行扰动，可以获得一组扰动解，以便确定为了去除或降低所述静态压力不一致性而采取的最佳“路线”。例如，处理的输入参数可以包括压力、功率(输送到用于生成等离子的电极的功率)、气体流速，等等。在一次扰动一个输入参数并保持其它所有输入参数恒定的同时，可以形成敏感度矩阵，该矩阵可以被用于上述的优化方案，以得到适合于校正处理不一致性的校正值。
在本发明的另一个实施例中，结合主要组件分析(principal componentperformance，PCA)模型来利用仿真结果，所述PCA模型在待审的题为“Method of detecting，identifying，and correcting process performance”的美国专利申请序列号No.60/343174中描述，这里通过引用而包含了该专利申请的内容。其中，可以使用多变量分析(即PCA)来确定仿真表征(simulated signature)(即仿真模型结果的空间分量)与一组至少一个可控处理参数之间的关系。此关系可以用来改进与处理性能参数(即模型结果)相对应的数据轮廓(data profile)。主要组件分析确定半导体处理工具的仿真结果(或预测的输出)的空间分量与一组至少一个控制变量(或输入参数)之间的关系。所确定的关系被用来确定对所述至少一个控制变量(或输入参数)的校正，以使所述空间分量的幅度最小化，以便改进(或降低)仿真结果(或者测量结果，如果可得到的话)的不一致性。
如上所述，图6中耦合到仿真模块606的库610被配置为包括解数据库616和网格数据库618。解数据库616可包括粗糙的n维解数据库，从而，通过给定解算法的独立参数的数目来管理n维空间的阶数n。当仿真模块606获取给定处理运行的工具数据时，可以基于模型输入来搜索库610，以确定最接近的适合解。这个解可根据本发明而被用作后续基本原理仿真的初始条件，从而减少仿真模块提供仿真结果所需的迭代执行次数。利用每次模型执行，新的解可以被添加到解数据库616中。另外，网格数据库618还可包括一个或多个网格集合，从而每个网格集合针对给定的处理工具或处理工具几何形状。每个网格集合可包括一个或多个网格，所述网格具有从粗糙到精细的不同网格分辨率。可以利用对网格的选择来降低执行多网格求解技术(即求解粗糙网格的仿真结果，然后对较精细的网格、最精细的网格等求解)所需的求解时间。
度量工具612可被配置为测量处理性能参数，所述参数例如是刻蚀速率、淀积速率、刻蚀选择度(刻蚀第一材料的速率与刻蚀第二材料的速率之比)、刻蚀临界尺寸(例如特征的长度或宽度)、刻蚀特征各向异性(例如刻蚀特征侧壁外形)、膜属性(例如膜应力、孔隙度等等)、掩模(例如光刻胶)膜厚度、掩模(例如光刻胶)图案临界尺寸，或者半导体处理工具所执行的处理的任何其它参数。遥控器612与仿真模块606交换信息，所述信息包括模型求解参数(即求解参数更新)、解的状态、模型解，以及解收敛历史。
图7的流程图示出了根据本发明实施例，使用基本原理仿真技术来控制半导体处理工具所执行的处理的过程。所示出的流程图开始于步骤702，在诸如处理工具602之类的处理工具内对衬底或成批衬底进行处理。在步骤704，测量工具数据，并将其作为输入提供到诸如仿真模块606之类的仿真模块。然后，如步骤706所示，对仿真模块的基本原理物理模型施加边界条件和初始条件，以建立模型。在步骤708，执行基本原理物理模型，以提供基本原理仿真结果，所述结果被输出到诸如图6的APC控制器608之类的控制器。然后如步骤710所示，控制器从仿真结果中确定控制信号。例如，在任何时刻，从一次运行到另一次运行或从一批到另一批，操作者有机会选择要在APC控制器608中采用的控制算法。例如，APC控制器可以利用处理模型扰动结果，或者利用PCA模型结果。不管是从一次运行到另一次运行还是从一批到另一批，都可以如步骤712所示，由控制器使用仿真结果来调整/校正处理。
在本发明的另一实施例中，可以结合基本原理仿真来使用经验性模型，以提供对处理工具所执行的处理的控制。图8是根据本发明实施例，使用基本原理仿真技术和经验性模型来控制半导体处理工具所执行的处理的系统的框图。如图所示，该系统包括处理工具802，该处理工具耦合到高级过程控制(APC)基础架构804，该APC基础架构包括仿真模块806和APC控制器808。度量工具812和遥控器814也耦合到APC基础架构804。这些项目与结合图6讨论的相应项目类似，只不过图8的项目还被配置为考虑到经验性模型而工作。因此，这些类似的项目就不再结合图8而描述。
如图8所示，系统包括模型分析处理器840，该处理器耦合到仿真模块806，并被配置为从模块806接收仿真结果。在图8的实施例中，模型分析包括从无量纲化(non-dimensionalization)的仿真结果来构造经验性模型。当在每次运行或每批的基础上接收仿真结果时，构建经验性模型并将其存储在经验性模型库842中。例如，处理工具802经历了从处理开发经产量提升到批量生产的处理周期的历史。在这些处理周期中，工具的处理室从“干净的”室开始演变，经过室的鉴定和调节，直到“陈旧的”室，之后进行室的清洁和维护。在若干维护周期之后，经验性模型可以演变成包括与特定处理工具及其相关处理相对应的参数空间的统计上足够的样本。换言之，通过清洁周期、处理周期和维护周期，工具802(在仿真模块的帮助下)固有地确定了参数空间的界限。最终，演变出的存储在库842中的经验性模型可以取代基于基本原理仿真的一般而言更为密集的处理模型，并可以向APC控制器提供输入以用于处理调整/校正。
如图8所示，遥控器804可被耦合到经验性模型库842以监控经验性模型的演变，并做出忽略仿真模块控制器输入和选择经验性模型控制器输入的决定。而且，度量工具814可被耦合到经验性模型数据库(其连接未示出)，用于类似地向经验性模型数据库提供输入以用于校准。
图9的流程图示出了根据本发明实施例，使用基本原理仿真技术和经验性模型来控制半导体处理工具所执行的处理的过程。所示出的流程图开始于步骤902，在诸如处理工具802之类的处理工具内对衬底或成批衬底进行处理。在步骤904，测量工具数据，并将其作为输入提供到诸如仿真模块806之类的仿真模块。然后，如步骤906所示，对仿真模块的基本原理物理模型施加边界条件和初始条件，以建立模型。在步骤908，执行基本原理物理模型，以提供基本原理仿真结果，所述结果被输出以用于经验性模型的分析和构造，如步骤910所示。
在任何时刻，例如从一次运行到另一次运行或从一批到另一批，操作者有机会选择基于基本原理仿真或经验性模型的处理控制。在经验性模型构建中的某个点，操作者可以选择忽略整个基本原理仿真而选择经验性模型，在该点处，所述经验性模型可以使用数据的库和内插/外插方案以快速抽取用于给定的一组工具数据的控制器输入。因此，判决框912确定是使用基本原理仿真还是经验性模型来控制处理。当在步骤912中确定不进行忽略时，过程在步骤914继续，APC控制器从仿真结果中确定控制信号。当选择了模型忽略时，如步骤916所示，APC控制器从经验性模型中确定控制信号。在另一实施例中，APC控制器可以使用基本原理仿真结果和经验性建模的组合来控制处理。如步骤918所示，控制器可以使用步骤914所示的模型输出或步骤916所示的经验性模型输出，来调整/校正处理。从而，图9的过程示出了对经验性模型的现场(in-situ)构造方法，并且一旦在统计上数量相当大，经验性模型就可以压过计算上密集的仿真处理模型。在处理控制期间，可以采用诸如指数加权移动均值(EWMA)滤波器之类的滤波器，以便仅传递所请求的校正的一部分。例如，滤波器的应用可以采取以下形式Xnew＝(1-λ)Xold+λ(Xpredicted-Xold)，其中Xnew是给定输入参数(控制变量)的新值，Xold是给定输入参数的旧(或以前使用的)值，Xpredicted是基于上述技术中的一种预测的输入参数值，λ是范围从0到1的滤波系数。
在本发明另一实施例中，可以结合基本原理仿真来使用缺陷检测器/分类器，以提供对处理工具所执行的处理的控制。图10是根据本发明实施例，使用基本原理仿真技术和缺陷检测器来控制半导体处理工具所执行的处理的系统的框图。如图所示，该系统包括处理工具1002，该处理工具耦合到高级过程控制(APC)基础架构1004，该APC基础架构包括仿真模块1006、APC控制器1008和库1010。虽然未在图10中示出，但库1010包括解数据库和网格数据库。度量工具1012和遥控器1014也耦合到APC基础架构1004。这些项目与结合图6讨论的相应项目类似，只不过图10的项目还被配置为考虑到缺陷检测而工作。因此，这些类似的项目就不再结合图10而描述。
如图10所示，系统包括缺陷检测器1040，该缺陷检测器耦合到仿真模块1006，并被配置为从模块1006接收仿真结果。例如，仿真模块1006的输出可以包括数据轮廓。然后，该数据轮廓可以作为对多变量分析的输入，所述多变量分析例如是在缺陷检测设备1040中执行的部分最小二乘法(PLS)。在PLS分析中，可以定义一组负载(或相关)系数，这些系数将工具扰动数据(X)与处理性能数据(Y)关联起来，所述处理性能数据描述仿真结果Ysim与实际结果Yreal之间的差。
例如，使用PLS，缺陷检测器1040从仿真模块接收到对工具扰动数据的观测集。工具扰动数据或者是以当前模型解为中心现场确定的，或者是使用处理模型在n维解空间内先验地确定的。n维参数空间的阶数(n)与解空间中独立参数(即压力、质量流速、温度等等；参见下文)的数目有关。
对于给定的扰动集，各自的扰动导数(即Y/v1、Y/v2、Y/v3；其中v1、v2和v3是不同的独立参数)被存储在矩阵X中。对于每个观测集，工具扰动数据可被存储为矩阵X中的列，处理性能数据(即Ysim-Yreal)可被存储为矩阵Y中的列。因而，组成矩阵X之后，每行表示不同的扰动观测，而每列表示不同的工具数据参数。组成了矩阵Y之后，每行表示不同的观测，而每列表示不同的处理性能参数。一般而言，矩阵X可以是m乘n矩阵，矩阵Y可以是m乘p矩阵。在所有数据都存储在矩阵中之后，数据可以在需要时被中心平均(mean-centered)和/或归一化。对存储在矩阵列中的数据进行中心平均的处理包括计算列元素的平均值，并从每个元素中减去该平均值。而且，位于矩阵列中的数据可以通过列中数据的标准差来归一化。
一般而言，对于多变量分析，工具数据与处理性能数据之间的关系可以表示如下XB＝Y； (1)其中X表示上述的m×n矩阵，B表示n×p(p＜n)负载(或相关)矩阵，Y表示上述的m×p矩阵。在组成了数据矩阵X和Y之后，使用PLS分析来建立一个关系，该关系被设计为最佳地近似X和Y空间，并将X和Y之间的相关度最大化。
在PLS分析模型中，将矩阵X和Y分解如下X＝TPT+E； (2a)Y＝UCT+F； (2b)并且U＝T+H；(2c)其中T是对X变量进行概括所得的分值矩阵，P是矩阵X的负载矩阵，U是对Y变量进行概括所得的分值矩阵，C是表示Y与T(X)之间相关度的权矩阵，E、F和H是剩余矩阵。此外，在PLS分析模型中，存在被称为将U与X关联起来的权的附加负载W，其被用来计算T。
综上，PLS分析在几何上对应于使线、平面或超平面适合于表示为多维空间中的点的X和Y数据，其目的在于紧密地近似原始数据表X和Y，并使超平面上观测位置之间的协方差最大化。
图11示意性地表示了PLS分析的数据输入X和Y和相应的输出T、P、U、C、W、E、F、H和投影中变量重要度(VIP)。商业上可获得的支持PLS分析建模的软件的例子是随MATLAB(商业上可从位于Natick，MA的The Mathworks公司获得)提供的PLS Toolbox，或SIMCA-P 8.0(商业上可从位于Kinnelon，NJ的Umetrics公司获得)。例如，该软件的进一步的细节在用户手册“User Guide to SIMCA-P 8.0”中提供多变量数据分析的新标准是Umetrics AB 8.0版，其也适合于本发明。在形成了矩阵之后，对每个仿真结果确定矩阵X。使用PLS分析和VIP结果，可以确定仿真结果和实际结果之间的任何差异，并将其归因于特定(独立)的处理参数。例如，从PLS模型中输出的最大VIP值对应于最可能影响该差异的处理参数。
图12的流程图示出了根据本发明实施例，使用基本原理仿真技术来检测缺陷和控制半导体处理工具所执行的处理的过程。所示出的流程图开始于步骤1202，在诸如处理工具1002之类的处理工具内对衬底或成批衬底进行处理。在步骤1204，测量工具数据，并将其作为输入提供到诸如仿真模块1006之类的仿真模块。然后，如步骤1206所示，对仿真模块的基本原理物理模型施加边界条件和初始条件，以建立模型。在步骤1208，执行基本原理物理模型，以提供基本原理仿真结果，所述结果被输出到诸如图10的APC控制器1008之类的控制器。例如，在任何时刻，从一次运行到另一次运行或从一批到另一批，操作者有机会选择要在APC控制器中采用的控制模型。例如，APC控制器可以利用处理模型扰动结果，或者利用PCA模型结果。不管是从一次运行到另一次运行还是从一批到另一批，都可以由控制器使用模型输出来调整/校正处理。在步骤1210，处理模型输出作为缺陷检测器1040中PLS模型的输入，允许在步骤1212对缺陷进行检测和分类。例如，如上所述，真实处理性能Yreal与给定处理条件(即一组输入控制变量)的仿真(或预测)处理性能Ysim之间的差可以用来确定处理缺陷的存在，其中Yreal是使用物理传感器或度量工具来测量的，Ysim是通过执行被提供了当前处理条件的输入的仿真来确定的。如果真实和仿真结果之间的差(或者方差、均方根或其它统计数据)超过预定阈值，则可以预测到出现了缺陷。例如，所述预定阈值可以包括特定数据平均值的一部分，即5％、10％、15％，或者其可以是数据均方根的倍数，即1σ、2σ、3σ。检测到缺陷之后，就可以使用PLS分析对其进行分类。例如，对于给定的输入条件(即一组输入控制变量)，敏感度矩阵X已被确定(并且可能已存储在库1010中)。工具扰动数据(敏感度矩阵)或者是以当前模型解为中心现场确定的，或者是使用处理模型在n维解空间内先验地确定的。通过使用敏感度矩阵和真实结果与仿真结果之间的差，可以使用PLS分析来求解方程(1)，以识别表现出与所观测到的真实结果与仿真结果之间的差的最高相关性的那些控制变量(输入参数)。使用上面提供的例子，可以通过整个衬底上方空间的静态压力轮廓来概括处理性能。真实结果Yreal表示测得的压力轮廓，Ysim表示仿真的压力轮廓。我们假定设定了气体流速，但质量流速控制器使流速加倍(但仍报告所设定的值)。人们可能希望看到压力的仿真轮廓与测得(真实)轮廓之间的差异；即真实和仿真情况之间的流速相差2倍。真实和仿真结果之间的差将会大到足以超过预定阈值。使用PLS分析，最容易影响压力轮廓的那些参数将会被识别出来，例如气体流速。缺陷的存在及其特征可以作为处理工具缺陷状态而被报告给操作者，或者可以使APC控制器响应于该缺陷检测而执行对处理工具的控制(例如关机)。
图13是可以应用本发明的处理控制实施例的真空处理系统的框图。图13所示的真空处理系统是为了说明性目的而提供的，不以任何方式限制本发明的范围。该真空处理系统包括处理工具1302，该处理工具具有用于支撑衬底1305的衬底支架1304、气体注入系统1306和真空泵系统。气体注入系统1306可以包括气体注入板、气体注入送气室(plenum)和气体注入送气室内的一个或多个气体注入隔板。气体注入送气室可以耦合到诸如气体A和气体B之类的一个或多个气源，其中流入处理系统的气体A和气体B的质量流速受两个质量流速控制器MFCA 1308和MFCB 1310影响。此外，用于测量压力P1的压力传感器1312可以耦合到气体注入送气室。例如，衬底支架可以包括多个组件，这些组件包括但不限于以下组件用于提高衬底与衬底支架间气隙热传导性的氦气源、静电箝位系统、包括冷却元件和加热元件在内的温度控制元件，以及用于将衬底提升到衬底支架表面和从衬底支架表面提升的提升销(lift pin)。另外，衬底支架可以包括用于测量衬底支架温度(T1)或衬底温度的温度传感器1314，以及用于测量冷却剂温度(T3)的温度传感器1316。如上所述，氦气被提供到衬底背面，其中气隙压力(P(He))在一个或多个位置处可以不同。另外，另一压力传感器1318可以耦合到处理工具以测量室压力(P2)，另一温度传感器1320可以耦合到处理工具以测量表面温度(T2)，另一压力传感器1322可以耦合到真空泵系统的入口以测量入口压力(P3)。
诊断控制器1324可以耦合到上述的每个传感器，并可被配置为将来自这些传感器的测量值提供到上述的仿真模块。对于图13的示例性系统，在仿真模块上执行的模型例如可包括三个组件，即热组件、气体动力组件和化学组件。在第一组件中，可以确定气隙压力场，然后是对气隙热传导的计算。此后，可以通过适当地设定边界条件(和内部条件)来确定衬底(和衬底支架)的空间解析的温度场，所述边界条件例如是边界温度或边界热通量、沉积在电阻加热元件中的功率、冷却元件中去除的功率、衬底表面处由于等离子的存在而产生的热通量，等等。
在本发明的一个示例中，利用ANSYS来计算温度场。利用处理模型的第二组件(即气体动力组件)，可以使用热组件中计算的表面温度以及前述测量值中的若干测量值来确定气体压力场和速度场。例如，可以利用质量流速和压力(P1)来确定入口状况，并利用压力(P3)来确定出口状况，并利用CFD-ACE+来计算气体压力和速度场。利用化学模型(即第三组件)，先前计算的速度、压力和温度场可被用作对化学模型的输入，例如用于计算刻蚀速率。根据处理工具几何形状的复杂度，可以在从一批到另一批的处理周期内的时间规模上执行这些模型组件中的每一个。例如，这些组件中的任意一个可被用来提供空间一致性数据，作为对处理控制、方法、处理特征和/或缺陷检测/分类的输入。
从所导出的模型和响应于诸如反应器变得陈旧之类的处理条件和/或效果的改变而进行的对处理的分析，经验性模型可以随时间的推移而被同化。这样，当在反应器上的重复次数变得在统计上相当大(这是通过标准统计分析程序确定的)时，该处理控制演变成如下的控制，其对于实质上是对以前运行过的操作的“重复”的那些处理来说是经验性的。然而，根据本发明，在必要时，处理控制返回执行基本原理仿真的能力，以适应新的处理或处理几何形状的变更。
图14示出了可在其上实现本发明实施例的计算机系统1401。计算机系统1401可被用作执行上述基本原理仿真处理器的任意或全部功能的基本原理仿真处理器108，或者可被用作任何其它设备，或执行结合图1至图13描述的任意处理步骤。计算机系统1401包括用于进行信息通信的总线1402或其它通信机构，以及与总线1402相耦合以用于处理信息的处理器1403。计算机系统1401还包括主存储器1404，例如随机存取存储器(RAM)或其它动态存储设备(例如动态RAM(DRAM)、静态RAM(SRAM)和同步DRAM(SDRAM))，其耦合到总线1402，用于存储信息和要由处理器1403执行的指令。另外，主存储器1404可用来在处理器1403的指令执行期间存储临时变量或其它中间信息。计算机系统1401还包括只读存储器(ROM)1405或其它静态存储设备(例如可编程ROM(PROM)、可擦除PROM(EPROM)和电可擦除PROM(EEPROM))，其耦合到总线1402，用于存储用于处理器1403的静态信息和指令。
计算机系统1401还包括盘控制器1406，其耦合到总线1402，用于控制存储信息和指令的一个或多个存储设备，例如硬磁盘1407、可移除介质驱动器1408(例如软盘驱动器、只读光盘驱动器、读/写光盘驱动器、光盘点唱机、磁带驱动器和可移除磁光驱动器)。可以使用适当的设备接口(例如小型计算机系统接口(SCSI)、集成电子设备(IDE)、增强型IDE(E-IDE)、直接存储器存取(DMA)或超级DMA)将存储设备添加到计算机系统1401上。
计算机系统1401还可包括专用逻辑设备(例如专用集成电路(ASIC))或可配置逻辑设备(例如简单可编程逻辑设备(SPLD)、复杂可编程逻辑设备(CPLD)和现场可编程门阵列(FPGA))。
计算机系统1401还可包括显示控制器1409，其耦合到总线1402以控制显示器1410，所述显示器例如是阴极射线管(CRT)，用于向计算机用户显示信息。计算机系统包括诸如键盘1411和点选设备1412之类的输入设备，用于与计算机用户进行交互并向处理器1403提供信息。点选设备1412例如可以是鼠标、轨迹球或点选棒(pointing stick)，用于向处理器1403传递方向信息和命令选择并控制显示器1410上光标的移动。另外，打印机可以提供对计算机系统1401所存储和/或生成的数据的打印列表。
计算机系统1401响应于处理器1403对诸如主存储器1404的存储器中所包含的一条或多条指令的一个或多个序列的执行，执行本发明处理步骤中的一部分或全部。这些指令可被从诸如硬盘1407或可移除介质驱动器1408之类的另一计算机可读介质读入主存储器1404中。还可采用多处理设置的一个或多个处理器来执行主存储器1404中所包含的指令序列。在其它实施例中，可以用硬接线电路来代替软件指令或与软件指令相结合。因此，实施例不局限于任何具体的硬件电路和软件的组合。
如上所述，计算机系统1401至少包括一个计算机可读介质或存储器，用于保存根据本发明教导而编程的指令，并包含这里所描述的数据结构、表、记录或其它数据。计算机可读介质的例子是光盘、硬盘、软盘、磁带、磁光盘、PROM(EPROM、EEPROM、快闪EPROM)、DRAM、SRAM、SDRAM或其它任何磁介质、光盘(例如CD-ROM)或其它任何光介质、穿孔卡、纸带或其它具有孔图案的物理介质、载波(下面描述)，或者任何其它计算机可以进行读取的介质。
本发明包括存储在任一计算机可读介质或计算机可读介质组合上的软件，所述软件用于控制计算机系统1401，用于驱动实现本发明的一个或多个设备，并使计算机系统1401能够与人类用户(例如印刷生产人员)进行交互。这种软件包括但不限于设备驱动程序、操作系统、开发工具和应用软件。这种计算机可读介质还包括本发明的计算机程序产品，其用于执行实现本发明时所执行的处理的全部或一部分(如果处理是分布式的话)。
本发明的计算机代码设备可以是任何可解释的或可执行的代码机制，包括但不限于脚本、可解释程序、动态链接库(DLL)、Java类，以及完全可执行的程序。而且，本发明的处理的一些部分可以是分布式的以获得更好的性能、可靠性和/或成本。
这里使用的术语“计算机可读介质”指的是任何参与向处理器1403提供指令以用于执行的介质。计算机可读介质可以采取多种形式，这些形式包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质例如包括光盘、磁盘和磁光盘，例如硬盘1407或可移除介质驱动器1408。易失性介质包括动态存储器，例如主存储器1404。传输介质包括同轴电缆、铜导线和光纤，包括组成总线1402的导线。传输介质还可采取声波或光波的形式，例如在无线电波和红外数据通信期间产生的声波或光波。
在提供一个或多个指令的一个或多个序列到处理器1403以用于执行的过程中，可以涉及多种形式的计算机可读介质。例如，指令可以最初承载在远程计算机的磁盘上。远程计算机可以从远程将实现本发明的全部或部分的指令加载到动态存储器当中，并使用调制解调器通过电话线发送指令。计算机系统1401本地的调制解调器可以在电话线上接收数据，并使用红外发射器将数据转换成红外信号。耦合到总线1402的红外检测器可以接收承载在红外信号中的数据，并将数据放在总线1402上。总线1402将数据带到主存储器1404，处理器1403从主存储器1404获取并执行指令。主存储器1404所接收的指令可选地可在由处理器1403执行之前或之后，存储在存储设备1407或1408上。
计算机系统1401还包括耦合到总线1402的通信接口1413。通信接口1413提供了到网络链路1414的双路数据通信耦合，所述网络链路1414例如连接到局域网(LAN)1415，或连接到诸如因特网之类的另一通信网络1416。例如，通信接口1413可以是附接到任意分组交换LAN的网络接口卡。另一个例子是，通信接口1413可以是非对称数字用户线路(ADSL)卡、综合服务数字网络(ISDN)卡或调制解调器，用于提供到相应类型的通信线路的数据通信连接。也可实现无线链路。在任何这种实现方式中，通信接口1413发送和接收电、电磁或光信号，所述信号承载表示各种类型信息的数字数据流。
网络链路1414通常提供通过一个或多个网络到其它数据设备的数据通信。例如，网络链路1414可以通过本地网络1415(例如LAN)或通过由服务提供商运营的设备提供到另一计算机的连接，所述服务提供商通过通信网络1416提供通信服务。本地网络1415和通信网络1416例如使用承载数字数据流的电、电磁或光信号，以及相关联的物理层(例如CAT 5电缆、同轴电缆、光纤等)。通过各个网络的信号以及网络链路1414上和通过通信接口1413的信号承载去往和来自计算机系统1401的数字数据，所述信号可以实现为基带信号或基于载波的信号。基带信号将数字数据作为描述数字数据比特流的未调制电脉冲而传递，其中术语“比特”应被宽泛地理解为符号，其中每个符号至少传递一个或多个信息比特。数字数据还可被用来对载波进行调制，例如利用幅度、相位和/或频率移位键控的信号，所述信号是通过传导性介质传播的，或者作为电磁波通过传播介质发送。因此，数字数据可以通过“有线”通信信道作为未调制基带数据而发送，和/或通过对载波进行调制而在不同于基带的预定频带中发送。计算机系统1401可以通过一个或多个网络1415和1416、网络链路1414和通信接口1413发送和接收包括程序代码的数据。而且，网络链路1414可以提供通过LAN 1415到诸如个人数字助理(PDA)、笔记本电脑或蜂窝电话之类的移动设备1417的连接。
根据以上教导，可以实现本发明的多种修改和变化。因此应当理解，在权利要求书的范围之内，可以用这里所具体描述的方式以外的方式实施本发明。例如，这里所描述的并在权利要求书中叙述的处理步骤可以同时执行，或者以与它们在这里被描述或列举的顺序不同的顺序执行。本领域技术人员应当理解的是，只有后续处理步骤的执行所必需的那些处理步骤才需要在所述后续处理步骤执行之前执行。
权利要求
1.一种用于辅助半导体处理工具所执行的处理的方法，包括输入与所述半导体处理工具所执行的处理有关的数据；输入与所述半导体处理工具有关的基本原理物理模型；使用所述输入数据和所述物理模型来执行基本原理仿真，以提供基本原理仿真结果；以及使用所述基本原理仿真结果来辅助所述半导体处理工具所执行的处理。
2.如权利要求1所述的方法，其中所述输入包括从物理地安装在所述半导体处理工具上的物理传感器和度量工具中至少之一直接输入与所述半导体处理工具所执行的处理有关的数据。
3.如权利要求1所述的方法，其中所述输入包括从手动输入设备和数据库中至少之一间接输入与所述半导体处理工具所执行的处理有关的数据。
4.如权利要求3所述的方法，其中所述间接输入包括输入从所述半导体处理工具以前执行的处理中记录的数据。
5.如权利要求3所述的方法，其中所述间接输入包括输入仿真操作者所设定的数据。
6.如权利要求1所述的方法，其中所述输入数据的动作包括输入与以下两者中至少之一有关的数据半导体工具环境以及所述半导体处理工具的物理特性。
7.如权利要求1所述的方法，其中所述输入数据的动作包括输入与以下两者中至少之一有关的数据所述半导体处理工具所执行的处理的特性和结果。
8.如权利要求1所述的方法，其中所述输入基本原理物理模型的动作包括输入所述半导体处理工具的几何形状的空间解析模型。
9.如权利要求1所述的方法，其中所述输入基本原理物理模型的动作包括输入为得到希望的仿真结果执行基本原理仿真所必需的基础方程。
10.如权利要求1所述的方法，其中所述执行基本原理仿真的动作包括与所述半导体处理工具所执行的处理同时地执行基本原理仿真。
11.如权利要求1所述的方法，其中所述执行基本原理仿真的动作包括与所述半导体处理工具所执行的处理不同时地执行基本原理仿真。
12.如权利要求1所述的方法，其中所述执行基本原理仿真的动作包括使用所述输入数据来设定所述基本原理仿真模型的边界条件。
13.如权利要求1所述的方法，其中所述执行基本原理仿真的动作包括使用所述输入数据来设定所述基本原理仿真模型的初始条件。
14.如权利要求1所述的方法，还包括使用互连资源的网络来执行权利要求1所述的处理步骤中的至少一个步骤。
15.如权利要求14所述的方法，还包括在互连计算资源之间使用代码并行化，以共享所述基本原理仿真的计算负载。
16.如权利要求14所述的方法，还包括在互连资源之间共享仿真信息，以辅助所述半导体处理工具所执行的处理。
17.如权利要求16所述的方法，其中所述共享仿真信息的动作包括在所述互连资源之间分发仿真结果，以减少不同资源对基本类似的基本原理仿真的多余的执行。
18.如权利要求16所述的方法，其中所述共享仿真信息的动作包括在所述互连资源之间分发模型改变，以减少不同资源对基本原理仿真的多余的细化。
19.如权利要求14所述的方法，还包括经由广域网来使用远程资源，以辅助所述半导体处理工具所执行的半导体处理。
20.如权利要求19所述的方法，其中所述使用远程资源的动作包括经由广域网来使用远程计算资源和远程存储资源中至少之一，以辅助所述半导体处理工具所执行的半导体处理。
21.一种系统，包括半导体处理工具，用于执行处理；输入设备，用于输入与所述半导体处理工具所执行的处理有关的数据；以及基本原理仿真处理器，用于输入与所述半导体处理工具有关的基本原理物理模型，并且使用所述输入数据和所述物理模型来执行基本原理仿真，以提供基本原理仿真结果，其中所述基本原理仿真结果用于辅助所述半导体处理工具所执行的处理。
22.如权利要求21所述的系统，其中所述输入设备包括物理地安装在所述半导体处理工具上的物理传感器和度量工具中至少之一。
23.如权利要求21所述的系统，其中所述输入设备包括手动输入设备和数据库中至少之一。
24.如权利要求23所述的系统，其中所述输入设备用于输入从所述半导体处理工具以前执行的处理中记录的数据。
25.如权利要求23所述的系统，其中所述输入设备用于输入仿真操作者所设定的数据。
26.如权利要求21所述的系统，其中所述输入设备用于输入与以下两者中至少之一有关的数据半导体工具环境以及所述半导体处理工具的物理特性。
27.如权利要求21所述的系统，其中所述输入设备用于输入与以下两者中至少之一有关的数据所述半导体处理工具所执行的处理的特性和结果。
28.如权利要求21所述的系统，其中所述处理器用于输入基本原理物理模型，该基本原理物理模型包括所述半导体处理工具的几何形状的空间解析模型。
29.如权利要求21所述的系统，其中所述处理器用于输入基本原理物理模型，该基本原理物理模型包括为得到希望的仿真结果执行基本原理仿真所必需的基础方程。
30.如权利要求21所述的系统，其中所述处理器用于与所述半导体处理工具所执行的处理同时地执行所述基本原理仿真。
31.如权利要求21所述的系统，其中所述处理器用于与所述半导体处理工具所执行的处理不同时地执行所述基本原理仿真。
32.如权利要求21所述的系统，其中所述处理器用于至少通过使用所述输入数据来设定所述基本原理仿真模型的边界条件，来执行所述基本原理仿真。
33.如权利要求21所述的系统，其中所述处理器用于至少通过使用所述输入数据来设定所述基本原理仿真模型的初始条件，来执行所述基本原理仿真。
34.如权利要求21所述的系统，还包括连接到所述处理器的互连资源的网络，该互连资源的网络用于帮助所述处理器执行以下两者中的至少之一输入基本原理仿真模型，以及执行基本原理仿真。
35.如权利要求34所述的系统，其中所述互连资源的网络用于与所述处理器一起使用代码并行化，以共享所述基本原理仿真的计算负载。
36.如权利要求34所述的系统，其中所述互连资源的网络用于与所述处理器共享仿真信息，以辅助所述半导体处理工具所执行的处理。
37.如权利要求36所述的系统，其中所述互连资源的网络用于将仿真结果分发到所述处理器，以减少对基本类似的基本原理仿真的多余的执行。
38.如权利要求36所述的系统，其中所述互连资源的网络用于将模型改变分发到所述处理器，以减少对基本原理仿真的多余的细化。
39.如权利要求34所述的系统，还包括远程资源，所述远程资源经由广域网连接到所述处理器，并且用于辅助所述半导体处理工具所执行的半导体处理。
40.如权利要求39所述的系统，所述远程资源包括计算资源和存储资源中至少之一。
41.一种用于辅助半导体处理工具所执行的处理的系统，包括用于输入与所述半导体处理工具所执行的处理有关的数据的装置；用于输入与所述半导体处理工具有关的基本原理物理模型的装置；用于使用所述输入数据和所述物理模型来执行基本原理仿真，以提供基本原理仿真结果的装置；以及用于使用所述基本原理仿真结果来辅助所述半导体处理工具所执行的处理的装置。
42.如权利要求41所述的系统，还包括用于共享所述基本原理仿真的计算负载的装置。
43.如权利要求41所述的系统，还包括用于在互连资源之间共享仿真信息，以辅助所述半导体处理工具所执行的处理的装置。
44.一种计算机可读介质，其包含用于在处理器上执行的程序指令，所述指令当被计算机系统执行时使处理器执行以下步骤输入与半导体处理工具所执行的处理有关的数据；输入与所述半导体处理工具有关的基本原理物理模型；使用所述输入数据和所述物理模型来执行基本原理仿真，以提供基本原理仿真结果；以及使用所述基本原理仿真结果来辅助所述半导体处理工具所执行的处理。
全文摘要
本发明提供了一种用于辅助半导体处理工具所执行的处理的方法、系统和计算机可读介质。所述方法包括输入与半导体处理工具所执行的处理有关的数据以及输入与半导体处理工具有关的基本原理物理模型。然后使用输入数据和物理模型来执行基本原理仿真以提供基本原理仿真结果，并使用基本原理仿真结果来辅助半导体处理工具所执行的处理。
文档编号G06F19/00GK1799054SQ200480014930
公开日2006年7月5日 申请日期2004年6月16日 优先权日2003年9月30日
发明者安德杰·S·米托维克 申请人:东京毅力科创株式会社