CN101111628B - 用于单层沉积的方法和装置 - Google Patents

用于单层沉积的方法和装置 Download PDF

Info

Publication number
CN101111628B
CN101111628B CN2005800472641A CN200580047264A CN101111628B CN 101111628 B CN101111628 B CN 101111628B CN 2005800472641 A CN2005800472641 A CN 2005800472641A CN 200580047264 A CN200580047264 A CN 200580047264A CN 101111628 B CN101111628 B CN 101111628B
Authority
CN
China
Prior art keywords
precursor
treatment system
concentration level
saturation region
wafer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2005800472641A
Other languages
English (en)
Other versions
CN101111628A (zh
Inventor
萨恩吉夫·考沙尔
帕迪普·帕恩戴伊
杉岛贤次
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of CN101111628A publication Critical patent/CN101111628A/zh
Application granted granted Critical
Publication of CN101111628B publication Critical patent/CN101111628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C23C16/45527—Atomic layer deposition [ALD] characterized by the ALD cycle, e.g. different flows or temperatures during half-reactions, unusual pulsing sequence, use of precursor mixtures or auxiliary reactants or activations
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/4401—Means for minimising impurities, e.g. dust, moisture or residual gas, in the reaction chamber
    • C23C16/4408—Means for minimising impurities, e.g. dust, moisture or residual gas, in the reaction chamber by purging residual gases from the reaction chamber or gas lines
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45563—Gas nozzles
    • C23C16/45574—Nozzles for more than one gas
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/52—Controlling or regulating the coating process

Abstract

给出了一种包括多变量控制器的适应性实时热处理系统。该方法包括创建单层沉积(MLD)处理系统的动态模型并在动态模型中结合虚拟传感器。该方法包括使用包括智能设置点、动态模型和/或虚拟传感器的工艺方案。

Description

用于单层沉积的方法和装置
技术领域
本发明涉及用于在半导体器件中的衬底上沉积膜的方法，更具体而言，涉及单层沉积(MLD)处理系统。
背景技术
若干种方法已被开发用于在用在制造半导体器件的衬底上创建薄膜。在建立的技术中有一种是化学气相沉积(CVD)。作为CVD的变体，原子层沉积(ALD)是一种相对较新的技术，这种技术目前正成为一种实现均匀的保形膜沉积的潜在优秀技术。
ALD已经表明了在复杂拓扑上维持超均匀的薄沉积层的有杰出能力。这至少部分是因为ALD不像CVD那样依赖于通量(flux)。ALD的这种与通量无关的性质允许以比传统CVD方法更低的温度进行处理。
ALD的技术是基于通过化学吸附(chemisorption)而形成反应性前驱体分子的饱和单层的原理的。例如，用于在衬底上形成AB膜的典型ALD工艺包括注入前驱体或反应物A(RA)一段时间，在这段时间中，A的饱和单层被形成在衬底上。然后，利用惰性气体GI将前驱体或反应物A(RA)从室中净化出去。接着将前驱体或反应物B(RB)注入室中一段时间，以将B与A相组合从而在衬底上形成层AB。然后，将前驱体或反应物B(RB)从室中净化出去。这一引入前驱体或反应物A(RA)、净化反应器、引入前驱体或反应物B(RB)以及再净化反应器的过程可以重复多次，以实现期望厚度的AB膜。
然而，传统的ALD工艺有若干缺点。由于膜一次只创建一层，因此膜生长比CVD慢的多，经常要慢一个数量级。这对于工艺的产量有明显的负面影响。
指示衬底上前驱体单层的饱和何时完成的现场测量是不可得的；这阻碍了控制并优化处理条件以实现最优性能和产量的能力。
对于典型的批处理反应器，单孔注入器被用于将前驱体引入反应器中；该方法花费了较长时间来利用前驱体填充反应器，因而可能花费较长时间来在位于反应器中的多个晶片上创建饱和单层。
发明内容
本发明提供了一种操作单层沉积(MLD)处理系统的方法，包括在处理室中定位多个晶片，其后执行第一前驱体工艺、第一净化工艺、第二前驱体工艺和第二净化工艺，并重复执行步骤直到在多个晶片上沉积了具有期望厚度的膜为止。第一前驱体工艺由具有第一组智能设置点的第一工艺方案控制，第一组智能设置点建立了第一时间段期间第一含前驱体气体的第一流率，并且建立了第二时间段期间第一含前驱体气体的第二流率。第一净化工艺由具有第二组智能设置点的第二工艺方案控制。第二前驱体工艺由具有第三组智能设置点的第三工艺方案控制，第三组智能设置点建立了第三时间段期间第二含前驱体气体的第三流率，并且建立了第四时间段期间第二含前驱体气体的第四流率。第二净化工艺由具有第四组智能设置点的第四工艺方案控制。本发明还提供了一种用于减少MLD工艺的周期时间的装置。
本发明还提供了一种单层沉积(MLD)处理系统，包括用于在处理室中定位多个晶片的装置、用于执行由第一工艺方案控制的第一前驱体工艺的装置、用于执行由第二工艺方案控制的第一净化工艺的装置、用于执行由第三工艺方案控制的第二前驱体工艺的装置、用于执行由第四工艺方案控制的第二净化工艺的装置以及用于重复执行步骤直到在多个晶片上沉积了具有期望厚度的膜为止的装置。
附图说明
参考下面的具体实施方式(尤其当结合附图考虑时)，对本发明的更完全理解和其许多附带优点将变得非常清楚，在附图中：
图1示出了根据本发明实施例的MLD系统的简化框图；
图2示出了根据本发明实施例的多孔注入系统的示例性视图；
图3图示了根据本发明实施例的包括多变量控制的MLD处理系统的示意图；
图4图示了根据本发明实施例的虚拟传感器的示意图；
图5图示了根据本发明实施例的MLD处理系统的动态模型的示意图；
图6示出了根据本发明实施例的反应器模型的示例性框图；
图7示出了根据本发明实施例的多位置测量衬底(MLMS)；
图8图示了根据本发明实施例的用于操作单层沉积(MLD)处理系统的方法的简化流程图；
图9图示了根据本发明实施例的包括第一含前驱体气体的气体流率的方案步骤；
图10图示了根据本发明实施例的第一前驱体的浓度值；
图11图示了根据本发明实施例的第一前驱体的表面饱和度值；
图12图示了根据本发明实施例的包括第一净化气体的气体流率的方案步骤；
图13示出了根据本发明实施例的对于净化周期的第一部分压强相对于时间的图；
图14示出了根据本发明实施例的对于两个示例性净化过程的压强稳定时间的图；
图15图示了根据本发明实施例的包括第二含前驱体气体的气体流率的方案步骤；
图16图示了根据本发明实施例的第二前驱体的浓度值；
图17图示了根据本发明实施例的第二前驱体的表面饱和度值；以及
图18图示了根据本发明实施例的包括第二净化气体的气体流率的方案步骤。
具体实施方式
图1示出了根据本发明实施例的MLD系统的简化框图。在图示实施例中，示出的MLD系统100包括MLD反应器110、温度控制子系统120、气体分配子系统130、压强控制子系统140、传感器子系统150和控制器190。如图1所示，温度控制子系统120、气体分配子系统130、压强控制子系统140、传感器子系统150和控制器190耦合到MLD反应器110。另外，MLD反应器110、温度控制子系统120、气体分配子系统130、压强控制子系统140、传感器子系统150可以耦合到控制器190。
MLD反应器110可以包括用于加载和卸载半导体晶片W的加载/卸载系统(未示出)。MLD反应器110可以一次处理多个晶片W。
温度控制子系统120能够控制MLD反应器110中晶片W的温度。温度控制子系统120允许运行具有一个或多个智能设置点的方案，这些设置点在不同的时间点建立了不同的温度，并且允许温度设置点随时间变化。例如，晶片的温度可以在净化步骤期间改变和/或在前驱体气体流步骤期间改变，并且温度斜率可以保持在可允许的工艺需求限度内。另外，晶片温度可以在一个或多个工艺方案步骤期间保持恒定。
气体分配子系统130可以控制前驱体气体流。气体分配子系统130包括用于控制处理气体流率、处理气体组分、前驱体类型和前驱体浓度的智能设置点的装置，并且这些设置点可以随时间变化以减少在晶片上创建饱和单层所花费的时间。例如，一种控制方法将关联的气体流步骤划分为一系列子步骤-每个子步骤具有不同的一组智能设置点。在替换实施例中，子步骤设置点可以在前驱体气体流步骤期间保持恒定。
气体分配子系统130还可以控制惰性气体流控制。气体分配子系统130包括用于控制惰性气体的设置点的装置，例如流控制系统(FCS)和/或质量流控制器(MFC)(未示出)，并且这些设置点可以随时间变化以减少稀释和净化反应器所花费的时间。例如，一种控制方法将关联的惰性气体流步骤划分为一系列子步骤-每个子步骤具有不同的一组智能设置点。在替换实施例中，子步骤设置点可以在惰性气体流步骤期间保持恒定。
另外，气体分配子系统130可以包括下面将更详细讨论的多孔注入器。例如，单壁和双壁多孔注入器可以被包括在反应室中以用于批处理。多孔注入器可以加速前驱体到晶片的传输从而减少周期时间。另外，多孔注入器可以用于加速净化工艺期间惰性气体到晶片的传输从而减少周期时间。
压强控制子系统140被用于控制反应器110的室压强。压强控制子系统140包括用于控制室压强设置点的装置，并且压强控制设置点可以随时间变化以减少饱和和净化时间。一种控制方法将关联的工艺步骤划分为一系列子步骤-每个子步骤具有不同的一组“智能”压强控制设置点以控制压强。在替换实施例中，压强控制子步骤设置点可以在工艺步骤期间保持恒定。
例如，一种用于控制室压强的方法包括控制排气阀位置。在本发明的一个实施例中，阀位置是由前馈控制方法确定的-其中初始位置被快速改变到期望阀位置，然后执行压强控制工艺。
传感器子系统150可以包括质量传感器和/或光学监视。传感器子系统150可以提供反应器110中气相环境的定性和定量分析。例如，传感器子系统150可以包括气体浓度传感器(GCS)。GCS可以耦合到附接到反应器110的排气系统(未示出)的前部管线，并且GCS可以用于确定前驱体分子的浓度水平、处理气体成分的浓度水平和工艺副产物的浓度水平中的至少一个。GCS还可以用于确定一个或多个工艺步骤(例如气体流步骤)的结束点。
控制器190可以从处理系统控制器(未示出)接收用于输入晶片的前馈数据。控制器190可以从前馈数据中提取层信息。控制器190可以使用层信息来估计晶片状态。例如，控制器190可以基于其接收的层信息和温度数据建立用于输入晶片的工艺方案。然后，控制器190可以利用这里描述的方法创建具有用于MLD系统100的智能设置点的工艺方案。
例如，控制器190可以包括能够控制MLD系统组件的计算装置、存储器装置和接口装置。另外，存储在存储器中或被加载到存储器中的程序可以用于根据工艺方案控制MLD系统100的前述组件。
MLD系统100可以包括可以为物理传感器和/或虚拟传感器的传感器(未示出)。这些传感器可以是控制器190所用的测量数据的源，并且可以代表MLD反应器110中各种点的实时状况。控制器190可以使用测量数据来进行判决以控制MLD反应器110中的各种工艺。例如，由软件计算并被维持在控制器190的存储器中的动态热模型可以包括虚拟传感器，虚拟传感器可用来替代不能可靠使用的实际物理传感器。然而，多个实际物理传感器可以用于测量附加的工艺参数。来自这些物理传感器的数据可以被控制器190用于调整、检验和/或校正动态热模型中的计算。
根据本发明的某些实施例，创建包括待处理晶片的MLD处理系统的数字仿真模型。该模型以动态基础复制了系统的操作参数。例如，模型可以基于晶片和MLD系统的流特性计算整个MLD系统和待处理晶片的工艺参数。其计算用在MLD系统中的工艺方案的“智能”设置点。系统中选定点处的工艺参数的实际测量结果可以用于检查并修正计算，以使得模型将会正确工作。包含在模型中的算法可以理论或经验导出，并且优选地通过这些技术的组合导出。该导出可以通过以下方式来进行：对测试晶片进行实际测量，同时操作该系统经历要控制的工艺周期。
控制器190可以被配置为创建和/或使用动态模型来控制MLD系统100。控制器190可以被配置为创建和/或使用虚拟传感器来控制MLD系统100。控制器190可以被配置为创建和/或使用具有智能设置点的工艺方案来控制MLD系统100。虚拟传感器允许用户根据系统的虚拟模型通过计算/估计工艺参数/特性来实时“测量”这些工艺参数/特性，从而消除在生产期间用仪器测量晶片的需要。
另外，控制器190可以被配置为分析工艺数据；将工艺数据与预测数据、测量数据和/或历史工艺数据相比较；并使用比较结果来检验和/或改变动态模型、虚拟传感器、工艺方案和/或智能设置点。
另外，控制器190可以被配置为分析工艺数据；将工艺数据与预测数据、测量数据和/或历史工艺数据相比较；并使用比较结果来预测和/或断言结束点。此外，控制器190可以被配置为分析工艺数据；将工艺数据与预测数据、测量数据和/或历史工艺数据相比较；并使用比较结果来预测和/或断言故障。
图2示出了根据本发明实施例的多孔注入系统200的示例性视图。如上所述，图1的气体分配子系统130可以包括多孔注入系统200。如图2所示，多孔注入系统200可以包括耦合到反应器110的供应管线220、分配装置230和多个注入器240，以用于将气体分配到整个反应器110中，反应器110包含一批晶片250。
图3图示了根据本发明实施例的包括智能设置点控制器的MLD处理系统的简化框图。在图示实施例中，示出了被控设备(DUC)以及虚拟传感器、多变量控制器和智能设置点控制器。例如，DUC可以是MLD反应器，例如图1中所示的反应器110。
另外，该系统包括工艺的操作和传感器的使用，如图所示。例如，工艺可以是MLD工艺，传感器可以提供来自MLD工艺的输出数据和/或误差数据。在一种情况下，传感器可以是光学传感器，并且该光学传感器可以提供厚度和组分数据。
智能设置点控制器可以计算时变智能设置点并向多变量控制器提供智能设置点。智能设置点控制器和多变量控制器可以包括硬件和软件组件。
虚拟传感器可以向多变量控制器提供晶片表面饱和度数据、晶片温度和/或气体流数据。
图4图示了根据本发明实施例的虚拟传感器的示意图。在图示实施例中，示出的虚拟传感器包括动态模型分量、物理传感器分量、被操纵变量分量和软件算法分量。
虚拟传感器可被视作复合设备，其包括来自多个“物理”传感器的信息的基于算法的合并。虚拟传感器是可以提供历史数据、实时数据和预测性数据的适应性设备。
虚拟传感器允许利用可测的变量和模型来“测量”和控制不可测的变量。构造的模型详细描述了可测变量和不可测变量之间的动态交互。虚拟传感提供了一种用于实时获得晶片表面饱和度数据的方法。
虚拟传感器消除了在生产期间用仪器测量晶片的需要。例如，对于MLD系统可以一次创建动态“Gold”模型和虚拟传感器；在特定设备的初始鉴定期间可以利用若干晶片调节模型；然后系统准备好进行生产。基于服务器的软件可以用于任何重新调节。
图5图示了根据本发明实施例的处理系统的动态模型的示意图。在图示实施例中，示出了四个模型分量(M1、M2、M3和M4)。在替换实施例中，可以使用不同数目的分量，并且可以按不同方式布置这些分量。
另外，示出的动态模型具有控制输入(U)和干扰输入(D)，并且具有调控输出(Z)和测量输出(Y)。另外，模型结构被示为：Z＝M1U+M3D以及Y＝M2U+M4D。或者，可以使用不同的模型。
在图示实施例中，控制输入可以包括气体流数据和加热器功率数据；干扰输入可以是不可测的变化；测量输出可以是室参数和/或晶片数据；调控输出可以是晶片表面状况。
动态模型跟踪系统的“状态”，并且实时地将输入与输出相关联。例如，可以测量U、Y，并且利用模型，可以利用Y＝M2U+M4Dest来估计D，并利用Zest＝M1U+M3Dest来估计Z。
当创建动态模型时，诸如晶片位置、室流特性、气体流率、气体浓度和晶片组分之类的多个工艺变量可以被结合在模型中。多变量控制器可以用于确定在工艺期间(例如在沉积和净化模式期间)的不同时刻工艺变量之间的交互。智能设置点控制器可以用于参数化标称设置点；利用高效的优化方法和工艺数据创建智能设置点；并在运行期间选择适当的模型和设置点。
智能设置点控制(ISC)方法中的一个步骤是创建描述处理系统(例如热处理系统)的动态行为的模型。这些模型可以用于设计多变量控制器，并用于创建敏感性矩阵和智能设置点。
一个实施例包括创建由MLD系统处理的晶片上的表面饱和状况的动态模型。在一种情况下，该动态模型可以利用测试晶片来测试和/或检验。动态模型可以包括多晶片室中的气体流、多晶片室中的温度和晶片表面特性之间的交互。动态模型可以用于创建实时控制晶片的估计表面状况的多变量控制器。
例如，对于要处理的各种晶片类型可以创建一组模型-这可以考虑到晶片组分，并且可以实时补偿表面饱和响应中的变化。
图6示出了根据本发明实施例的反应器模型的示例性框图。在图示实施例中，反应器模型包括晶片元素610、“晶片间(between-wafer)”元素620和壁元素630。反应器中心线640被示为沿着气体流输入650和气体流输出660。
如图6所示，反应器可以被划分为包括壁元素630、晶片间元素620和晶片元素610的有限元。晶片元素610的数目是可配置的。气体流可以通过假定气体和前驱体都轴向对称地进入和退出反应器来加以建模。表面饱和可以通过假定表面通量正比于局部前驱体分压来加以建模。
另外，流状况假定在反应器中有层流；沿着反应器壁有对流性的“活塞流(plug-flow)”；并且在晶片间空间中有扩散。
晶片表面饱和模型假定表面通量正比于局部前驱体分压；化学吸附正比于通量；并且模型跟踪表面饱和的状态。
该模型包括可以用于检查各种反应器和流机制的可配置参数。参数是与几何形状有关的，例如晶片数和其间的间隔。参数可以包括工艺条件，例如压强、温度和流率(惰性气体和前驱体)。另外，可以包括诸如扩散率之类的流参数。此外，可以包括诸如化学吸附速率之类的表面反应参数。
为了描述气体流和化学吸附工艺，可以创建反应器和气体注入系统的模型。在这一部分中，我们说明了建模方法。应当清楚，模型可以利用其他方法创建，包括全计算流体动力学(CFD)方法。
在创建示例性模型时，可以进行下面的一种或多种假定和/或简化：可以假定气体遵循“理想气体”法则，其输运属性接近于氮气的属性，并且可以忽略气体在进入处理室时的热膨胀。另外，可以假定层流在室中占主导；室壁和晶片之间的气体流是活塞流状况；并且在晶片之间，主要的输运机制是通过载气中反应物物质的扩散进行的。
另外，Fick定理可以用于对晶片之间反应物物质(前驱体)的扩散建模。Fick定理描述如下：
∂ n ∂ t = D ∂ 2 n ∂ 2 x
其中
n：前驱体浓度
D：前驱体扩散率
x：距离
t：时间
活塞流可以通过计算流速从而计算室中的驻留时间而被描述为：
u = F A 并且 t res = u L
其中
u：气体流速
tres：驻留时间
F：流率
A：活塞流横截面积
L：反应器长度
利用该模型，可以将反应物物质的期望流率F输入到模型中并检查下面的内容：
局部反应物/前驱体浓度n：随着反应物/前驱体被引入到室中，模型跟踪局部反应物/前驱体浓度，并且这一项用摩尔/cc表达。
局部饱和度：随着表面被暴露于反应物/前驱体物质，化学吸附过程将反应物/前驱体分子结合到表面。局部饱和度被表达为百分比，例如从0％到100％。
基于处理室的模型，对于一组特定参数可以获得一组示例性的MLD工艺的结果。例如，可以获得下面的结果：1)对流性气体流速u可以约为20cm/sec，以及2)驻留时间tres可以约为2-3秒。
在一个实施例中，在流率基本恒定时可以开发模型，而在另一个实施例中，在流率设置点被允许随时间变化时可以开发模型。例如，对于前驱体暴露步骤可以假定150秒的时间段，并且本发明的一种方法创建了一系列流率设置点，这一系列流率设置点在150秒的时间段内改变，而不是将流率设置点保持在恒定值。或者，150秒的时间段不是必需的。
在每个前驱体暴露步骤(RA和RB)中，前驱体分子可以与表面发生反应，直到表面饱和为止。例如，前驱体和工艺条件可以被选择为在表面完全饱和时停止工艺步骤。单层沉积工艺有时使用自限制表面饱和方式来控制膜特性。例如，可以使前驱体步骤比所需时间长，以确保表面略微被前驱体分子过饱和。在某些情况下，工艺结果可以与提供给表面的前驱体的量的轻微变化相对无关。
在本发明中，所提供的前驱体的量被更加智能地控制，以缩短前驱体步骤所需的时间和净化步骤所需的时间。例如，室内的前驱体流和堆栈中各个晶片之间的前驱体流以及室内的压强条件和堆栈中各个晶片表面处的压强条件可以被包括在MLD模型以及多个其他变量中，这多个其他变量包括前驱体特性、表面特性、表面化学、净化工艺、室设计和室内的流控制。
以这种方式，在每个沉积循环中可以沉积均匀的厚度。由于膜是按照逐层(layer-by-layer)模式生长的，并且总的膜厚由沉积循环的数目确定，因此在本发明中使用智能设置点通过一次处理多个晶片并减少每个沉积循环所需的时间而增大了产量。另外，在MLD工艺中使用智能设置点可以改善具有大高宽比特征的晶片上的均匀性和阶梯覆盖性。此外，在MLD工艺中使用智能设置点可以改善大高宽比特征内的均匀性，包括改善临界尺寸(CD)控制和形状均匀性控制。
MLD工艺和沉积速率可以部分取决于晶片温度。MLD工艺温度范围可以是很宽的。上限可以基于前驱体开始热分解的温度建立。下限可以基于沉积速率放慢到在沉积的膜中发生杂质水平增大的点时的温度来建立。
另外，各种方法可以用于优化模型和时变设置点以最小化周期时间。例如，可以使用测试晶片，而在另一种方法中，可以使用光学技术。
在一种用于最小化周期时间的方法中，使用多位置测量衬底(MLMS)。MLMS是一种新型衬底，其可以在衬底上的多个位置处现场测量化学吸附的前驱体物质的浓度。
在图7中示出了根据本发明实施例的MLMS。在图示实施例中，硅晶片衬底可被用作MLMS 700，但是这并不是本发明所必需的。在替换实施例中，可以使用其他材料，例如玻璃。衬底700具有在衬底上基本均匀的第一膜710。在选定位置处，衬底700具有小面积的第二膜720。在图示实施例中，九个位置排列在晶片上的中心和两个同心圆中，但是这并不是必需的。在替换实施例中，可以提供具有不同类型材料和不同图案的任何数目的区域。在图7中，示出了方形区域，但是这并不是必需的。这些区域可以是不同形状的，包括几何形状和非几何形状。
在MLMS 700上，第一膜710上前驱体的化学吸附速率不同于第二膜720上的速率。当这种衬底被引入到反应器中时，在多个测量位置处形成在衬底上的前驱体膜的厚度提供了在这些位置处净前驱体通量的测量结果。
MLMS可以被放置在反应器中以测量前驱体化学吸附。对于多晶片和批处理反应器，MLMS可以被放置在晶片堆栈中的多个位置处。在一个实施例中，MLMS可以被放置在晶片堆栈的顶部、中部和底部。当这些测量衬底位于反应器中时，可以操纵前驱体气体流设置点的值以获得最小化周期时间的值。
在另一种用于最小化周期时间的方法中，GCS可以耦合到反应器的前部管线。利用这一仪器设置，可以测量排出气体成分，并且可以操纵前驱体气体流设置点的值以获得最小化周期时间的值。
本发明的一个实施例提供了一种方法，其中前驱体和处理气体利用具有智能设置点的工艺方案加以控制以提供“时变”的气体流率。具有智能设置点的工艺方案被设计为通过最小化晶片饱和时间和净化时间来增大产量。
动态模型可以按以下方式检验和更新：在一个或多个时间段的结束时，可以测量/确定1)表面饱和状态和2)堆栈中三个晶片位置处(顶部、中部和底部)的摩尔物质浓度状态，并且表面饱和度的预期值可以约为1，摩尔物质浓度的预期值可以约为0。
该方法包括：创建结合了流条件(包括局部前驱体浓度)并且结合了局部化学吸附速率和表面饱和条件的动态模型；通过参数化工艺参数的标称设置点，并利用高效的优化方法和工艺数据创建智能设置点，来建立使用智能设置点控制(ISC)的控制程序；以及利用测量数据(即，来自测试晶片)检查饱和状态并细化和验证动态模型和/或智能设置点，对反应器验证控制程序。
图8图示了根据本发明实施例的用于操作MLD处理系统的方法800的简化流程图。程序800开始于步骤810。例如，步骤810可以包括在处理室中布置多个晶片。然后在处理室中执行第一前驱体工艺820，接着执行第一净化工艺830。然后在处理室中执行第二前驱体工艺840，接着执行第二净化工艺850。在步骤860中进行查询以确定MLD工艺是否完成。如果未完成，则重复步骤820到850。当步骤860的查询为肯定时，程序800在步骤870中结束。现在将详细描述这些步骤中的每一步。
除了在处理室中布置晶片以外，步骤810还可以包括接收并处理多个晶片中的至少一个的前馈数据。前馈数据可以包括CD数据、形状数据和光学数据，例如折射率(n)数据和消光系数(k)数据。前馈数据可以例如被处理以从其提取晶片组分信息。例如，晶片组分信息可以包括晶片数目、晶片位置、层数目、层位置、层组分、层均匀性、层密度和层厚度。这些层可以包括衬底材料、抗蚀剂材料、介电材料和/或抗反射涂层(ARC)材料。另外，可以提取一层或多层的n和k值。
在步骤820中，可以执行第一沉积工艺。在第一沉积工艺期间，在多个晶片的至少一个的表面上可以确定多个表面饱和区，并且可以创建虚拟传感器以确定一个或多个表面饱和区的一个或多个参数。
在第一沉积工艺期间，第一处理气体可以被引入到处理室中，并且这多个晶片可以被暴露于包含在第一处理气体中的第一反应物物质。在第一处理时间内，在多个晶片的表面上沉积均匀膜。此外，第一处理时间可以利用前馈数据和虚拟传感器中的至少一个确定。虚拟传感器可以用于确定表面饱和状态(前驱体浓度)何时达到期望值。
虚拟传感器可以利用动态模型创建，该动态模型具有模型分量(M1、M2、M3和M4)、控制输入(U)、干扰输入(D)、调控输出(Z)和测量输出(Y)，如图5所述。模型结构可以表达为Z＝M1U+M3D和Y＝M2U+M4D。或者，可以使用模型结构的不同表达。
例如，对于U和Y可以获得测量数据；可以利用Y＝M2U+M4Dest来估计D的值；并且可以利用Zest＝M1U+M3Dest来估计Z的值。至少一个控制输入(U)可以是第一处理气体的气体流，至少一个干扰输入(D)可以是不可测的变化，至少一个测量输出(Y)可以是第一处理气体的气体浓度，并且至少一个调控输出(Z)可以是用于确定表面饱和状态(前驱体浓度)的虚拟传感器。在本发明的替换实施例中，可以使用不同数目的模型分量，并且模型分量可以按不同体系结构布置。
对于至少一个调控输出可以获得测量数据，并且可以利用该测量数据检验动态模型。在一种情况下，测量数据可以利用MLMS获得，MLMS可以现场测量多个位置处化学吸附的前驱体物质的浓度。或者，测量数据可以利用GCS或其他光学技术获得。
另外，动态模型可以包括：对处理室内第一处理气体的流建模，其中第一处理气体包括第一反应物物质(前驱体分子)；对晶片之间的流作为扩散过程建模；确定第一反应物物质(前驱体分子)的驻留时间；确定一个或多个表面饱和区的反应物物质(前驱体分子)浓度；以及确定一个或多个表面饱和区的化学吸附速率。
例如，表面饱和度(前驱体浓度)虚拟传感器可以测量百分比，并且第一沉积工艺可以在表面饱和度达到约100％时结束。在替换实施例中，可以使用不同的百分比。在某些情况下，沉积工艺取决于衬底和前驱体之间的饱和表面反应。一种情况可以是自限制化学吸附反应，其中沉积速率/周期由饱和时间确定，并且与饱和之后的反应物暴露时间无关。
在一般方案中，诸如含前驱体气体的流率(约为250sccm)和室压强(约为1Torr)之类的工艺参数设置点在给定时间段内保持恒定。然而，本发明使用动态的智能设置点，其可以作为时间函数围绕标称值改变流率，以提供在实现膜均匀性方面额外的自由度。在替换实施例中，智能设置点可以用于在步骤820中的第一沉积工艺期间控制其他工艺参数，例如室压强、室温和衬底温度。在附加实施例中，标称值不是必需的。在其他实施例中，可以使用不同的标称值。
在一个实施例中，前驱体浓度可以利用至少一个晶片上的多个径向元素(n)确定，并且在每一个径向元素(n)上可以定义一个前驱体浓度向量D。或者，可以处理非圆形对象并使用非径向元素。
D = D 1 · · · D n
前驱体浓度向量D中的变化可以利用动态设置点轨迹被最小化。基于模型的线性或非线性多变量控制方法可以用于对前驱体浓度建模，其中控制器包括要控制的系统的数学模型。多变量控制器可以基于现代控制设计方法中的任何一种，例如线性二次高斯(LQG)方法、线性二次规范(LQR)方法、H-infinity(H-inf)方法等等。前驱体浓度模型可以是线性或非线性的，并且可以是单输入单输出(SISO)或多输入多输出(MIMO)的。多变量控制方法(即MIMO)考虑到所有输入以及其对输出的影响。可以使用若干种用于对前驱体浓度建模的其他方法，例如物理模型和数据驱动模型。
在一个实施例中，前驱体流率设置点被允许在第一前驱体工艺步骤820期间在围绕标称值的一个小窗口内变化，这提供了在实现运行结束(end-of-run)前驱体浓度均匀性方面额外的自由度。在其他实施例中，在第一前驱体工艺步骤820期间使用额外的设置点。当利用智能时变设置点轨迹对前驱体浓度建模时，前驱体流率的标称设置点可以被参数化为一个断点向量，并且可以定义包含作为围绕标称设置点的时变扰动的前驱体流率的智能设置点(r1-rm)的向量r。
r = r 1 · · · r m
或者，当在第一前驱体工艺820期间使用智能设置点时，一个或多个工艺变量可以具有智能时变设置点。例如，智能设置点可以用于控制室温、室压强、处理气体化学和晶片温度。
工艺敏感性矩阵M可以通过对于每个控制区在每个断点处进行微小的扰动来加以创建。利用闭环系统的模型，可以确定由这些扰动引起的结果。所得到的一种工艺特性(例如饱和状态)的扰动(d1-dn)随后可以被写为如下的向量形式：
d 1 · · · d n = M r 1 · · · r m
现在，优化任务变为找到向量r的适当值，以使得所得到的向量d去除了在从标称轨迹获得的前驱体浓度向量D中看见的跨晶片(across-wafer)变化。例如，测量数据可以用于计算敏感性矩阵M。
当创建智能设置点时，所得到的晶片上沉积层的均匀性明显取决于沉积速率，沉积速率又取决于晶片表面上各个位置处的饱和率、晶片温度、前驱体浓度和分压。用于计算跨晶片的各个位置处的饱和率和表面饱和率对流设置点变化的敏感性的方法已经在上面进行了描述。标称饱和状态值(C1-Cn)可以正比于标称前驱体浓度水平(D1-Dn)，其中α是比例常数。另外，饱和状态值的变化(c1-cn)可以正比于前驱体浓度水平的变化(d1-dn)，其中α是比例常数。则，饱和状态值的变化可以写为：
c 1 · · · c n = α · M r 1 · · · r m
晶片表面上饱和状态值的变化(c1-cn)和/或前驱体浓度水平的变化(d1-dn)可以通过利用敏感性矩阵M计算智能设置点来减小。智能设置点可以通过解受约束二次优化问题来加以优化，该受约束二次优化问题由下式给定：
        rmin‖d-α·Mr‖，其中rmin＜r，r＜rmax
从而，找到智能设置点的程序变为：
1)利用标称设置点运行工艺并找到至少一个晶片的表面上多个选定位置处的前驱体浓度水平和/或饱和状态值。前驱体浓度水平可以利用若干种方法测量；一种这样的方法是使用光学传感器(光学发射谱(OES)、光学数字仿形仪(ODP))；另一种方法可以使用MLMS。
2)选择前驱体浓度的标称值并创建变化向量d，变化向量d是期望值和测量数据之间的差。在一个实施例中，期望值是标称值。或者，期望值可以是平均值、最小值、最大值、3-sigma值或另一计算值。
3)解以上示出的优化问题以找到智能设置点r。
4)利用在前一步骤中找到的智能设置点更新方案并重新运行工艺。例如，更新后的值可以通过运行更新后的方案而获得。
5)进行迭代，直到获得了期望的均匀性。例如，期望均匀性可以包括用于前驱体浓度变化的3-sigma值。或者，期望均匀性可以是平均值、最小值、最大值或另一计算值。
在迭代已收敛并且获得了期望均匀性之后，可以存储结果以供以后使用。
图9图示了根据本发明实施例的包括第一含前驱体气体的气体流率的方案步骤。示出的恒定流率910是用于现有技术的常用ALD工艺的典型值。具有智能设置点(922、924和926)的流率920举例说明了本发明的用于操作MLD工艺的实施例。在替换实施例中，可以使用不同数目的智能设置点。另外，可以使用不同的流率值，并且可以使用不同的时间。
图10图示了根据本发明实施例的第一前驱体的浓度值。示出的前驱体浓度值1010是流率保持恒定的现有技术的常用ALD工艺的典型值。示出的前驱体浓度值1020举例说明了其中智能设置点被用于操作MLD工艺的本发明实施例。在这两种情况(1010和1020)下，示出了用于堆栈的顶部、中部和底部的晶片的数据。在替换实施例中，可以使用不同的前驱体浓度值，并且可以使用不同的时间。
图11图示了根据本发明实施例的第一前驱体的表面饱和度值。示出的表面饱和度值1110是流率保持恒定的现有技术的常用ALD工艺的典型值。示出的表面饱和度值1120举例说明了其中智能设置点被用于操作MLD工艺的本发明实施例。在这两种情况(1110和1120)下，示出了用于堆栈的顶部、中部和底部的晶片的数据。在替换实施例中，可以使用不同的表面饱和度值，并且可以使用不同的时间。
另外，示出的时间差1130举例说明了利用本发明实施例获得的时间节省量。具体而言，在该示例中，利用本发明快了75秒达到100％饱和度。智能设置点的使用提供了明显的时间节省。
再次参考图8，在步骤830中，可以执行第一室净化工艺。例如，室净化工艺可以包括室放气工艺、室清洗工艺和抽空工艺中的至少一个。在第一室净化工艺830期间，在多个晶片的至少一个的表面上可以确定多个表面饱和区，并且可以创建第二虚拟传感器以确定一个或多个表面饱和区的一个或多个参数。第二处理气体可以在第二处理时间内被引入到处理室中，并且第二处理气体可以从处理室中基本去除第一处理气体。例如，这可以使得在每个表面饱和区处第一反应物物质(前驱体)的浓度约为0。第二处理时间可以利用虚拟传感器、第二虚拟传感器、浓度值、前馈数据和测量数据中的至少一个来确定。
第二虚拟传感器可以用于确定在何时未反应第一前驱体分子的浓度水平、第一处理气体的浓度水平、第二处理气体的浓度水平和来自工艺的副产物的浓度水平中的至少一个达到期望值。在一个实施例中，期望值可以约为0。在替换实施例中，期望值可以大于0。
第二虚拟传感器可以利用动态模型创建，该动态模型具有模型分量(M1、M2、M3和M4)、控制输入(U)、干扰输入(D)、调控输出(Z)和测量输出(Y)，如图5所述。模型结构可以表达为Z＝M1U+M3D和Y＝M2U+M4D。或者，可以使用模型结构的不同表达。
例如，对于U和Y可以获得测量数据；可以利用Y＝M2U+M4Dest来估计D的值；并且可以利用Zest＝M1U+M3Dest来估计Z的值。至少一个控制输入(U)可以是第二处理气体的气体流，其中第二处理气体包括惰性气体，至少一个干扰输入(D)可以是不可测的变化，至少一个测量输出(Y)可以是留在处理室中的气体的未反应前驱体浓度，并且至少一个调控输出(Z)可以是用于确定一个或多个表面饱和区处的未反应第一前驱体分子的浓度水平、第一处理气体的浓度水平和来自第一处理气体的副产物的浓度水平中的至少一个的虚拟传感器。
对于至少一个调控输出可以获得测量数据，并且可以利用测量数据检验动态模型。在一个实施例中，测量数据可以利用GCS获得。在另一个实施例中，可以使用其他测量设备。在替换实施例中，GCS可以用作用于一个或多个工艺步骤的结束点检测器。或者，测量数据可以利用MLMS获得。
第二虚拟传感器可以测量百分比，并且步骤830中的第一室净化工艺可以在第二虚拟传感器值达到约0％时结束。在替换实施例中，可以使用不同的百分比，并且可以使用不同的浓度水平。在某些情况下，净化工艺取决于进入室的流率、离开室的流率、室内的流率和衬底之间的流率。
在典型方案中，诸如净化气体的流率和室压强之类的工艺参数设置点在净化工艺期间在已知时间内保持恒定。
然而，本发明使用动态的智能设置点，其可以作为时间函数围绕标称值改变净化气体流率，以提供在实现膜均匀性和更快的处理时间方面额外的自由度。在替换实施例中，智能设置点可以用于在第一净化工艺830期间控制其他工艺参数，例如室压强、室温和衬底温度。在附加实施例中，标称值不是必需的。在其他实施例中，可以使用不同的标称值。
在一个实施例中，第一净化步骤830被用于从晶片表面和处理室中去除污染物，例如第一处理气体成分、前驱体分子和/或工艺副产物。各种反应参数可以与动态模型相组合以确定在第一净化工艺830期间各个位置处污染物的浓度水平。污染物的浓度水平可以通过包括智能设置点来控制第一室净化工艺830期间净化气体的流率而更加精确地控制。
在一个实施例中，污染水平(浓度)可以利用至少一个晶片上的多个径向元素(n)来确定。污染水平可以包括已反应第一前驱体分子的浓度水平、未反应第一前驱体分子的浓度水平、第一处理气体的浓度水平和来自第一工艺的副产物的浓度水平中的至少一个。污染水平(浓度)向量D可以在每一个径向元素(n)处定义。或者，可以处理非圆形对象并使用非径向元素。
D = D 1 · · · D n
污染水平向量D中的变化可以利用动态设置点轨迹而被最小化。基于模型的线性或非线性多变量控制方法可以用于对污染水平建模，其中控制器包括要控制的系统的数学模型。多变量控制器可以基于这里描述的现代控制设计方法中的任何一种。污染水平的模型可以是线性的或非线性的，并且可以是SISO或MIMO的。多变量控制方法(即MIMO)考虑到所有输入以及其对输出的影响。可以使用若干种用于对污染水平建模的其他方法，例如物理模型和数据驱动模型。
在一个实施例中，第二处理气体的流率设置点被允许在第一净化工艺步骤830期间在围绕标称值的一个小窗口内变化，这提供了在实现更快并且更高效的净化方面额外的自由度。在其他实施例中，在第一净化工艺步骤830期间可以使用额外的设置点。当利用智能时变设置点轨迹对污染水平建模时，用于第二处理气体的流率的标称设置点可以被参数化为一个断点向量；并且可以定义包含作为围绕标称设置点的时变扰动的第二处理气体的流率的智能设置点(r1-rm)的向量r：
r = r 1 · · · r m
或者，当在第一净化工艺830期间使用智能设置点时，一个或多个工艺变量可以具有智能时变设置点。例如，智能设置点可以用于控制室温、室压强、处理气体化学和晶片温度。
工艺敏感性矩阵M可以通过对于每个控制区在每个断点处进行微小的扰动来加以创建。利用闭环系统的模型，可以确定由这些扰动引起的结果。所得到的一种工艺特性(例如污染水平(浓度))的扰动(d1-d0)于是可以被写为如下形式：
d 1 · · · d n = M r 1 · · · r m
现在，优化任务变为找到向量r的适当值，以使得所得到的向量d去除了在从标称轨迹获得的污染水平(浓度)向量D中看见的跨晶片变化。例如，测量数据可以用于计算敏感性矩阵M。
当创建智能设置点时，所得到的晶片上沉积层的均匀性明显取决于净化工艺830的有效性，净化工艺830的有效性又取决于净化气体的流率。用于计算跨晶片的各个位置处的污染水平和污染水平对净化气体流设置点变化的敏感性的方法已经在上面进行了描述。在一个实施例中，标称污染状态值(C1-Cn)可以正比于标称污染水平(D1-Dn)，其中α是比例常数。另外，污染状态值的变化(c1-cn)可以正比于污染水平的变化(d1-dn)，其中α是比例常数。则，污染状态值的变化(c1-cn)可以写为：
c 1 · · · c n = α · M r 1 · · · r m
晶片表面上污染状态值的变化(c1-cn)和/或污染水平的变化(d1-dn)可以通过利用敏感性矩阵M计算智能设置点来减小。智能设置点可以通过解受约束二次优化问题来加以优化，该受约束二次优化问题由下式给定：
        rmin‖-α·Mr‖，其中rmin＜r，r＜rmax
从而，找到智能设置点的程序变为：
1)利用标称设置点运行工艺并找到至少一个晶片的表面上多个选定位置处的污染水平和/或污染状态值。污染水平可以利用若干种方法确定；一种这样的方法使用已知的气体分析技术；另一种方法可以使用GCS。或者，测量数据可以利用MLMS获得。
2)选择污染水平的标称值并创建变化向量d，变化向量d是期望值和测量数据之间的差。在一个实施例中，期望值是标称值。或者，期望值可以是平均值、最小值、最大值、3-sigma值或另一计算值。
3)解以上示出的优化问题以找到智能设置点r。
4)利用在前一步骤中找到的智能设置点更新方案并重新运行工艺。例如，更新后的值可以通过运行更新后的方案而获得。
5)进行迭代，直到获得了期望的污染水平。例如，期望的污染水平可以包括3-sigma值、最大值、最小值和平均值中的至少一个。在迭代已收敛并且获得了期望均匀性之后，可以存储结果以供以后使用。在步骤830完成后，过量的材料已从室中被净化出去，并且第一前驱体材料的单层已经吸附在多个晶片的表面上。
图12图示了根据本发明实施例的包括第一净化气体的气体流率的方案步骤。示出的恒定流率1210是现有技术的常用ALD工艺的典型值。具有智能设置点(1222、1224和1226)的流率1220举例说明了本发明的用于操作MLD工艺的实施例。在替换实施例中，可以使用不同数目的智能设置点。另外，可以使用不同的流率值，并且可以使用不同的时间。
在替换实施例中，智能设置点可以用于在第一室净化工艺830期间控制室压强。图13示出了根据本发明实施例的对于净化周期的第一部分压强相对于时间的图。图14示出了根据本发明实施例的用于两种示例性净化工艺的压强稳定时间的图。
再次参考图8，在步骤840中，可以执行第二沉积工艺。在第二沉积工艺期间，可以在多个晶片的至少一个的表面上确定多个表面饱和区，并且可以创建第三虚拟传感器以确定一个或多个表面饱和区的一个或多个参数。
第三处理气体可以被引入到处理室中，并且这多个晶片可以在第三处理时间内被暴露于包含在第三处理气体中的第二反应物物质(第二前驱体)；并且在多个晶片的表面上可以沉积基本均匀的膜。例如，第二前驱体可以与已经吸附在多个晶片的表面上的第一前驱体材料的单层发生反应，从而在多个晶片中的每一个的表面上形成期望材料的单层，例如Si3N4、Al2O3、Ta2O5和HfSiON。第三处理时间可以利用第一虚拟传感器、第二虚拟传感器、第三虚拟传感器和测量数据中的至少一个确定。
在一个实施例中，第三虚拟传感器可以被创建用于确定反应状态，并且可以用于确定表面反应状态何时达到期望值。表面反应状态可以用于确定第二前驱体何时与多个晶片表面上的第一前驱体材料的单层完全反应，并且基本均匀的膜被沉积到这多个晶片的表面上。此外，第三处理时间可以利用前馈数据、虚拟传感器、第二虚拟传感器和第三虚拟传感器中的至少一个确定。
第三虚拟传感器可以利用动态模型创建，该动态模型具有模型分量(M1、M2、M3和M4)、控制输入(U)、干扰输入(D)、调控输出(Z)和测量输出(Y)，如图5所述。模型结构可以表达为Z＝M1U+M3D和Y＝M2U+M4D。或者，可以使用模型结构的不同表达。
例如，对于U和Y可以获得测量数据；可以利用Y＝M2U+M4Dest来估计D的值；并且可以利用Zest＝M1U+M3Dest来估计Z的值。至少一个控制输入(U)可以是第三处理气体的气体流，至少一个干扰输入(D)可以是不可测的变化，至少一个测量输出(Y)可以是第三处理气体的气体浓度，并且至少一个调控输出(Z)可以是用于确定表面反应状态的虚拟传感器。在本发明的替换实施例中，可以使用不同数目的模型分量，并且模型分量可以按不同体系结构布置。
对于至少一个调控输出可以获得测量数据，并且可以利用测量数据检验动态模型。在一种情况下，测量数据可以利用MLMS获得，MLMS可以现场测量多个位置处的已反应和/或未反应前驱体物质的浓度。另外，MLMS可以用于现场测量多个位置处的表面反应状态和/或膜厚。或者，测量数据可以利用GCS或其他光学技术获得。
另外，动态模型可以包括：对处理室内第三处理气体的流建模，其中第三处理气体包括第二反应物物质(第二前驱体分子)；对晶片之间的流作为扩散过程建模；确定第二反应物物质(第二前驱体分子)的驻留时间；确定一个或多个表面饱和区的第二反应物物质(第二前驱体分子)浓度；以及确定一个或多个表面饱和区的反应速率。
例如，表面反应状态虚拟传感器可以测量百分比，并且第二沉积工艺可以在表面反应状态达到约100％时结束。在替换实施例中，可以使用不同的百分比。在某些情况下，沉积工艺取决于沉积在晶片表面上的第一前驱体和第二前驱体之间的饱和表面反应。例如，这一过程可以是自限制反应。
在典型方案中，诸如含前驱体气体的流率(约100sccm)和室压强(约1Torr)之类的工艺参数设置点在给定时间段内保持恒定。然而，本发明使用动态的智能设置点，其可以作为时间函数围绕标称值改变流率，以提供在实现膜均匀性方面额外的自由度。在替换实施例中，智能设置点可以用于在步骤840中的第二沉积工艺期间控制其他工艺参数，例如室压强、室温和衬底温度。在附加实施例中，标称值不是必需的。在其他实施例中，可以使用不同的标称值。
在一个实施例中，第二前驱体浓度可以利用至少一个晶片上的多个径向元素确定，并且在每一个径向元素(n)上可以定义一个第二前驱体浓度向量D。或者，可以处理非圆形对象并使用非径向元素。
D = D 1 · · · D n
第二前驱体浓度向量D中的变化可以利用动态设置点轨迹被最小化。基于模型的线性或非线性多变量控制方法可以用于对第二前驱体的浓度值建模，其中控制器包括要控制的系统的数学模型。多变量控制器可以基于上述的现代控制设计方法中的任何一种。第二前驱体浓度模型可以是线性或非线性的，并且可以SISO或MIMO的。多变量控制方法(即MIMO)考虑到所有输入以及其对输出的影响。可以使用若干种用于对第二前驱体的浓度值建模的其他方法，例如物理模型和数据驱动模型。
在一个实施例中，第二前驱体的流率设置点被允许在第二前驱体工艺步骤840期间在围绕标称值的一个小窗口内变化，这提供了在实现运行结束前驱体浓度均匀性方面额外的自由度。在其他实施例中，在第二前驱体工艺步骤840期间使用额外的设置点。当利用智能时变设置点轨迹对第二前驱体的浓度值建模时，第二前驱体的流率的标称设置点可以被参数化为一个断点向量，并且可以定义包含作为围绕标称设置点的时变扰动的第二前驱体的流率的智能设置点(r1-rm)的向量r。
r = r 1 · · · r m
或者，当在第二前驱体工艺840期间使用智能设置点时，一个或多个工艺变量可以具有智能时变设置点。例如，智能设置点可以用于控制室温、室压强、处理气体化学和晶片温度。
工艺敏感性矩阵M可以通过对于每个控制区在每个断点处进行微小的扰动来加以创建。利用闭环系统的模型，可以确定由这些扰动引起的结果。所得到的一种工艺特性(例如第二前驱体的浓度水平)的扰动(d1dn)随后可以被写为如下形式：
d 1 · · · d n = M r 1 · · · r m
现在，优化任务变为找到向量r的适当值，以使得所得到的向量d去除了在从标称轨迹获得的向量D中看见的跨晶片变化。例如，测量数据可以用于计算敏感性矩阵M。
当创建智能设置点时，所得到的晶片上沉积层的均匀性明显取决于晶片表面上各个位置处的反应速率、晶片温度、前驱体浓度和分压。用于计算跨晶片的各个位置处的反应速率和表面反应速率对流设置点变化的敏感性的方法已经在上面进行了描述。标称反应状态值(C1-Cn)可以正比于第二前驱体的标称浓度水平(D1-Dn)，其中α是比例常数。另外，反应状态值的变化(c1-cn)可以正比于第二前驱体的浓度水平的变化(d1-dn)，其中α是比例常数。则，反应状态值的变化可以写为：
c 1 · · · c n = α · M r 1 · · · r m
晶片表面上反应状态值的变化(c1-cn)和/或第二前驱体的浓度水平的变化(d1-dn)可以通过利用敏感性矩阵M计算智能设置点来减小。智能设置点可以通过解受约束二次优化问题来加以优化，该受约束二次优化问题由下式给定：
        rmin‖d-α·Mr‖，其中rmin＜r，r＜rmax
从而，找到智能设置点的程序变为：
1)利用标称设置点运行工艺并找到多个晶片的至少一个的表面上多个选定位置处的第二前驱体浓度水平和/或反应状态值。前驱体浓度可以利用若干种方法测量；一种这样的方法是使用光学传感器(OES、ODP)；另一种方法可以使用MLMS。
2)选择第二前驱体的浓度水平的标称值并创建变化向量d，变化向量d是期望值和测量数据之间的差。在一个实施例中，期望值是标称值。或者，期望值可以是平均值、最小值、最大值、3-sigma值或另一计算值。
3)解以上示出的优化问题以找到智能设置点r。
4)利用在前一步骤中找到的智能设置点更新方案并重新运行工艺。例如，更新后的值可以通过运行更新后的方案而获得。
5)进行迭代，直到获得了期望的均匀性。例如，期望均匀性可以包括用于表面反应状态的平均值、最小值、最大值、3-sigma值或另一计算值。在迭代已收敛并且获得了期望均匀性之后，可以存储结果以供以后使用。
图15图示了根据本发明实施例的包括第二含前驱体气体的气体流率的方案步骤。示出的恒定流率1510是现有技术的常用ALD工艺的典型值。具有智能设置点(1522、1524和1526)的流率1520举例说明了本发明的用于操作MLD工艺的实施例。在图示实施例中，第二含前驱体气体的流率从一个智能设置点步进到另一个智能设置点。在其他实施例中，智能设置点之间的转变可以是基本线性的。在替换实施例中，可以使用不同数目的智能设置点。另外，可以使用不同的流率值，并且可以使用不同的时间。
图16图示了根据本发明实施例的第二前驱体的浓度值。示出的前驱体浓度值1610是流率保持恒定的现有技术的常用ALD工艺的典型值。示出的前驱体浓度值1620举例说明了其中智能设置点被用于操作MLD工艺的本发明实施例。在这两种情况(1610和1620)下，示出了堆栈的顶部、中部和底部的晶片数据。在替换实施例中，可以使用不同的前驱体浓度值，并且可以使用不同的时间。
图17图示了根据本发明实施例的第二前驱体的表面饱和度值。示出的表面饱和度值1710是流率保持恒定的现有技术的常用ALD工艺的典型值。示出的表面饱和度值1720举例说明了其中智能设置点被用于操作MLD工艺的本发明实施例。在这两种情况(1710和1720)下，示出了堆栈的顶部、中部和底部的晶片数据。在替换实施例中，可以使用不同的表面饱和度值，并且可以使用不同的时间。
另外，示出的时间差1730举例说明了利用本发明实施例获得的时间节省量。具体而言，在该示例中，利用本发明快了75秒达到100％饱和度。智能设置点的使用提供了明显的时间节省。
再次参考图8，在步骤850中，可以执行第二室净化工艺。例如，室净化工艺可以包括室放气工艺、室清洗工艺和抽空工艺中的至少一个。在第二室净化工艺850期间，在多个晶片的至少一个的表面上可以确定多个表面饱和区，并且可以创建第四虚拟传感器以确定一个或多个表面饱和区的一个或多个参数。第四处理气体可以在第四处理时间内被引入到处理室中，并且第四处理气体可以从处理室中明显去除第三处理气体。例如，这可以使得在一个或多个表面饱和区处第二反应物物质(第二前驱体)的浓度约为0。第四处理时间可以利用虚拟传感器、第二虚拟传感器、第三虚拟传感器、第四虚拟传感器、浓度值、前馈数据和测量数据中的至少一个来确定。
第四虚拟传感器可以用于确定未反应第二前驱体分子的浓度水平、第三处理气体的浓度水平、第四处理气体的浓度水平和来自工艺的副产物的浓度水平中的至少一个何时达到期望值。在一个实施例中，期望值可以约为0。在替换实施例中，期望值可以大于0。
第四虚拟传感器可以利用动态模型创建，该动态模型具有模型分量(M1、M2、M3和M4)、控制输入(U)、干扰输入(D)、调控输出(Z)和测量输出(Y)，如图5所述。模型结构可以表达为Z＝M1U+M3D和Y＝M2U+M4D。或者，可以使用模型结构的不同表达。
例如，对于U和Y可以获得测量数据；可以利用Y＝M2U+M4Dest来估计D的值；并且可以利用Zest＝M1U+M3Dest来估计Z的值。至少一个控制输入(U)可以是第四处理气体的气体流，其中第四处理气体包括惰性气体，至少一个干扰输入(D)可以是不可测的变化，至少一个测量输出(Y)可以是留在处理室中的气体的未反应第二前驱体浓度，并且至少一个调控输出(Z)可以是用于确定一个或多个表面饱和区处的未反应第二前驱体分子和/或副产物的浓度的虚拟传感器。
对于至少一个调控输出可以获得测量数据，并且可以利用测量数据检验动态模型。在一个实施例中，测量数据可以利用GCS获得。在另一个实施例中，可以使用其他测量设备。在替换实施例中，GCS可以用作用于一个或多个工艺步骤的结束点检测器。
用于确定未反应第二前驱体分子和/或副产物的浓度的虚拟传感器可以测量百分比，并且第二室净化工艺850可以在未反应第二前驱体分子和/或副产物的浓度水平达到约0％时结束。在替换实施例中，可以使用不同的百分比，并且可以使用不同的浓度。在某些情况下，净化工艺取决于进入室的流率、离开室的流率、室内的流率和衬底之间的流率。
在典型方案中，诸如净化气体的流率和室压强之类的工艺参数设置点在净化工艺期间在已知时间内保持恒定。
然而，本发明使用动态的智能设置点，其可以作为时间函数围绕标称值改变净化气体流率，以提供在实现膜均匀性和更快的处理时间方面额外的自由度。在替换实施例中，智能设置点可以用于在第二净化工艺850期间控制其他工艺参数，例如室压强、室温和衬底温度。在附加实施例中，标称值不是必需的。在其他实施例中，可以使用不同的标称值。
在一个实施例中，第二净化步骤850被用于从晶片表面和处理室中去除污染物，例如第三处理气体成分、第二前驱体分子和/或工艺副产物。各种反应参数可以与动态模型相组合以确定在第二净化工艺850期间各个位置处污染物的浓度水平。污染物的浓度水平可以通过包括智能设置点来控制第二室净化工艺850期间净化气体的流率而更加精确地控制。
在一个实施例中，第二污染水平(浓度)可以利用至少一个晶片上的多个径向元素(n)来确定。第二污染水平可以包括未反应第二前驱体分子的浓度水平、第三处理气体的浓度水平、第四处理气体的浓度水平和来自工艺的副产物的浓度水平中的至少一个。第二污染水平(浓度)向量D可以在每一个径向元素(n)处定义。或者，可以处理非圆形对象并使用非径向元素。
D = D 1 · · · D n
第二污染向量D中的变化可以利用动态设置点轨迹而被最小化。基于模型的线性或非线性多变量控制方法可以用于对污染水平建模，其中控制器包括要控制的系统的数学模型。多变量控制器可以基于这里描述的现代控制设计方法中的任何一种。污染水平的模型可以是线性的或非线性的，并且可以是SISO或MIMO的。多变量控制方法(即MIMO)考虑到所有输入以及其对输出的影响。可以使用若干种用于对污染水平建模的其他方法，例如物理模型和数据驱动模型。
在一个实施例中，第四处理气体的流率设置点被允许在第二净化工艺步骤850期间在围绕标称值的一个小窗口内变化，这提供了在实现更快并且更高效的净化方面额外的自由度。在其他实施例中，在第二净化工艺步骤850期间可以使用额外的设置点。当利用智能时变设置点轨迹对第二污染水平建模时，用于第四处理气体的流率的标称设置点可以被参数化为一个断点向量；并且可以定义包含作为围绕标称设置点的时变扰动的第四处理气体的流率的智能设置点(r1-rm)的向量r：
r = r 1 · · · r m
或者，当在第二净化工艺850期间使用智能设置点时，一个或多个工艺变量可以具有智能时变设置点。例如，智能设置点可以用于控制室温、室压强、第四处理气体化学和晶片温度。
工艺敏感性矩阵M可以通过对于每个控制区在每个断点处进行微小的扰动来加以创建。利用闭环系统的模型，可以确定由这些扰动引起的结果。所得到的一种工艺特性(例如第二污染水平(浓度))的扰动(d1dn)于是可以被写为如下形式：
d 1 · · · d n = M r 1 · · · r m
现在，优化任务变为找到向量r的适当值，以使得所得到的向量d去除了在从标称轨迹获得的第二污染水平(浓度)向量D中看见的跨晶片变化。例如，测量数据可以用于计算敏感性矩阵M。
当创建智能设置点时，所得到的晶片上沉积层的均匀性明显取决于第二净化工艺850的有效性，第二净化工艺850的有效性又取决于第四处理气体(净化气体)的流率。用于计算跨晶片的各个位置处的污染水平和污染水平对净化气体流设置点变化的敏感性的方法已经在上面进行了描述。在一个实施例中，标称第二污染状态值(C1-Cn)可以正比于标称第二污染水平(D1-Dn)，其中α是比例常数。另外，第二污染状态值的变化(c1-cn)可以正比于第二污染水平的变化(d1-dn)，其中α是比例常数。则，污染状态值的变化(c1-cn)可以写为：
c 1 · · · c n = α · M r 1 · · · r m
晶片表面上第二污染状态值的变化(c1-cn)和/或第二污染水平的变化(d1-dn)可以通过利用敏感性矩阵M计算智能设置点来减小。智能设置点可以通过解受约束二次优化问题来加以优化，该受约束二次优化问题由下式给定：
        rmin‖d-α·Mr‖，其中rmin＜r，r＜rmax
从而，找到智能设置点的程序变为：
1)利用标称设置点运行工艺并找到至少一个晶片的表面上多个选定位置处的第二污染水平和/或第二污染状态值。第二污染水平可以利用若干种方法确定；一种这样的方法使用已知的气体分析技术；另一种方法可以使用GCS。或者，测量数据可以利用MLMS获得。
2)选择第二污染水平的标称值并创建变化向量d，变化向量d是期望值和测量数据之间的差。在一个实施例中，期望值是标称值。或者，期望值可以是平均值、最小值、最大值、3-sigma值或另一计算值。
3)解以上示出的优化问题以找到智能设置点r。
4)利用在前一步骤中找到的智能设置点更新方案并重新运行工艺。例如，可以通过运行更新后的方案获得更新后的值。
5)进行迭代，直到获得了期望的第二污染水平。例如，期望的污染水平可以包括3-sigma值、最大值、最小值和平均值中的至少一个。在迭代已收敛并且获得了期望均匀性之后，可以存储结果以供以后使用。在步骤850完成后，过量的材料已从室中被净化出去，并且期望材料(例如Si3N4、Al2O3、Ta2O5和HfSiON)的单层已被沉积在多个晶片的表面上。
在替换实施例中，智能设置点可以用于在第二室净化工艺850期间控制室压强，这与对第一室净化工艺830的控制类似。
图18图示了根据本发明实施例的包括第二净化气体的气体流率的方案步骤。示出的恒定流率1810是现有技术的常用ALD工艺的典型值。具有智能设置点(1822、1824和1826)的流率1820举例说明了本发明的用于操作MLD工艺的实施例。在替换实施例中，可以使用不同数目的智能设置点。另外，可以使用不同的流率值，并且可以使用不同的时间。
再次参考图13和14，图13还示出了对于第二净化周期的第一部分压强相对于时间的图，图14还示出了对于第二净化周期的第二部分压强相对于时间的图。
再次参考图8，在步骤860中，执行查询以确定MLD工艺是否已完成。当MLD工艺已完成时，程序800在步骤870中结束。当MLD工艺未完成时，程序800分叉回步骤820，并且程序800如图8所示继续，重复前驱体和净化步骤820到850，直到步骤860的查询指示MLD工艺已经完成为止。
在MLD工艺中，可以沉积一个或多个单层，并且可以多次重复图8中所示的处理步骤。例如，可以创建动态模型以确定MLD工艺何时完成。
另外，可以创建额外的虚拟传感器以确定至少一个表面饱和区的膜厚，并且可以利用前馈数据、虚拟传感器、第二虚拟传感器、第三虚拟传感器、第四虚拟传感器和额外的虚拟传感器中的至少一个进行工艺完成确定。
本发明可以使用包括动态模型、虚拟传感器和/或智能设置点的工艺方案以减少晶片内的变化，减少晶片到晶片(wafer-to-wafer)的变化，减少批次到批次(lot-to-lot)的变化，并提高MLD产量。
通常，真实系统是动态、复杂并且非线性的。其瞬时响应对于性能来说是很重要的，并且经常很难确定。系统的输出受未知干扰的影响。通常，对于MIMO系统，每个输入(例如，气体流)可以影响多个输出(例如，气体流、膜厚)。根据本发明，创建了描述诸如MLD系统之类的处理系统的动态行为。
若干种方法可用于创建动态模型-这些方法包括：基于温度、压强、气体流和反应动力学的第一原理模型以及利用从诸如MLD处理系统之类的处理系统收集的实时数据创建的在线模型。
在模型方法中，可以利用数据驱动的在线建模通过已知的晶片参数创建一个模型库，并且可以利用一组模型覆盖预期的晶片变化范围。在模型开发期间，模型可以在合适的软件仿真应用(例如Matlab)中在合适的微处理器上数字实现。软件应用驻留在合适的电子计算机或微处理器上，该电子计算机或微处理器操作来执行物理性能近似。然而，本发明预期了其他数字方法。
在上述教导的基础上可以对本发明进行大量的修改和变化。因此，应当理解，在所附权利要求的范围内，本发明可以利用除以上具体描述的以外的其他方式来实施。

Claims (80)

1.一种操作单层沉积(MLD)处理系统的方法，包括：
在处理室中定位多个晶片；
执行第一前驱体工艺，其中所述第一前驱体工艺由具有第一组智能设置点的第一工艺方案控制，所述第一组智能设置点建立了第一时间段期间第一含前驱体气体的第一流率和第二时间段期间所述第一含前驱体气体的第二流率中的至少一个，其中所述执行第一前驱体工艺还包括：
创建所述第一前驱体工艺的动态模型，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第一含前驱体气体的第一流率、所述第一含前驱体气体的第二流率、流时间、前驱体浓度、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括前驱体浓度值、前驱体浓度均匀性值、饱和状态和饱和状态均匀性值中的至少一个；
执行第一净化工艺，其中所述第一净化工艺由具有第二组智能设置点的第二工艺方案控制，所述第二组智能设置点建立了所述第一净化工艺的第一时间段期间第一净化气体的第一流率和所述第一净化工艺的第二时间段期间第二净化气体的第二流率中的至少一个，其中所述执行第一净化工艺还包括：
创建所述第一净化工艺的动态模型，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第一净化气体的第一流率、所述第二净化气体的第二流率、流时间、净化气体组分、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的净化气体浓度、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括污染状态、未反应前驱体分子的污染水平、工艺副产物的污染水平、前驱体浓度值、前驱体浓度均匀性值和污染状态均匀性值中的至少一个；
执行第二前驱体工艺，其中所述第二前驱体工艺由具有第三组智能设置点的第三工艺方案控制，所述第三组智能设置点建立了第三时间段期间第二含前驱体气体的第三流率和第四时间段期间所述第二含前驱体气体的第四流率中的至少一个，其中所述执行第二前驱体工艺还包括：
创建所述第二前驱体工艺的动态模型，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第二含前驱体气体的第三流率、所述第二含前驱体气体的第四流率、流时间、前驱体浓度、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括前驱体浓度值、前驱体浓度均匀性值、饱和状态值、饱和状态均匀性值、反应状态值和反应状态均匀性值中的至少一个；
执行第二净化工艺，其中所述第二净化工艺由具有第四组智能设置点的第四工艺方案控制，所述第四组智能设置点建立了所述第二净化工艺的第一时间段期间第一净化气体的第一流率和所述第二净化工艺的第二时间段期间第二净化气体的第二流率中的至少一个，其中所述执行第二净化工艺还包括：
创建所述第二净化工艺的动态模型，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U十M4D的模型结构；
其中所述控制输入U包括所述第一净化气体的第一流率、所述第二净化气体的第二流率、流时间、净化气体组分、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的净化气体浓度、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括污染状态、未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、工艺副产物的浓度水平、前驱体浓度值、前驱体浓度均匀性值和污染状态均匀性值中的至少一个；以及
重复所述执行步骤，直到在所述多个晶片上沉积了具有期望厚度的膜为止。
2.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望前驱体浓度水平；以及
将前驱体分子沉积到所述饱和区中，直到达到了所述期望前驱体浓度水平为止。
3.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的第一前驱体分子的期望前驱体浓度水平；
利用虚拟传感器来估计所述表面饱和区中的至少一个的前驱体浓度水平，将所估计的前驱体浓度水平与所述期望前驱体浓度水平相比较；以及
将第一前驱体分子沉积到所述表面饱和区中，直到所述估计的前驱体浓度水平约等于所述期望前驱体浓度水平为止。
4.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望饱和状态值；以及
将第一前驱体分子沉积到所述表面饱和区中，直到达到了所述期望饱和状态值为止。
5.如权利要求4所述的操作MLD处理系统的方法，其中所述期望饱和状态值为100％。
6.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望饱和状态值；
利用虚拟传感器来估计所述表面饱和区中的至少一个的饱和状态值；以及
将所估计的饱和状态值与所述期望饱和状态值相比较以确定何时停止所述第一含前驱体气体的流入。
7.如权利要求1所述的操作MLD处理系统的方法，其中所述第一含前驱体气体的第一流率和第二流率是相等的。
8.如权利要求1所述的操作MLD处理系统的方法，其中所述第一含前驱体气体在所述第一时间段期间包括第一浓度，在所述第二时间段期间包括第二浓度。
9.如权利要求1所述的操作MLD处理系统的方法，其中所述第一含前驱体气体在所述第一时间段期间包括第一前驱体，在所述第二时间段期间包括第二前驱体。
10.如权利要求1所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了所述第一时间段期间第一惰性气体的流率，并且建立了所述第二时间段期间第二惰性气体的流率。
11.如权利要求10所述的操作MLD处理系统的方法，其中所述第一惰性气体和所述第二惰性气体包括相同的惰性气体。
12.如权利要求10所述的操作MLD处理系统的方法，其中所述第一惰性气体和所述第二惰性气体包括不同的惰性气体。
13.如权利要求1所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了额外时间段期间所述第一含前驱体气体的额外流率。
14.如权利要求13所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了第二额外时间段期间所述第一含前驱体气体的第二额外流率。
15.如权利要求1所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了所述第一前驱体工艺的第一时间段期间的第一室压强，并且建立了所述第一前驱体工艺的第二时间段期间的第二室压强。
16.如权利要求1所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了所述第一前驱体工艺的第一时间段期间的第一室温，并且建立了所述第一前驱体工艺的第二时间段期间的第二室温。
17.如权利要求1所述的操作MLD处理系统的方法，所述第一组智能设置点还建立了所述第一前驱体工艺的第一时间段期间的第一衬底温度，并且建立了所述第一前驱体工艺的第二时间段期间的第二衬底温度。
18.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括将前驱体分子化学吸附到所述晶片表面上。
19.如权利要求1所述的操作MLD处理系统的方法，所述执行第一净化工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望污染状态值，所述期望污染状态值正比于未反应第一前驱体分子的浓度水平、已反应第一前驱体分子的浓度水平、所述第一含前驱体气体的浓度水平、净化气体浓度水平、来自所述第一前驱体工艺的副产物的浓度水平和来自所述第一净化工艺的副产物的浓度水平中的至少一个；以及
使净化气体流入所述处理室中，直到达到了所述期望污染状态值为止。
20.如权利要求19所述的操作MLD处理系统的方法，其中所述期望污染状态值为0％。
21.如权利要求1所述的操作MLD处理系统的方法，所述执行第一净化工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望污染水平，所述期望污染水平正比于未反应第一前驱体分子的浓度水平、已反应第一前驱体分子的浓度水平、所述第一含前驱体气体的浓度水平、净化气体浓度水平、来自所述第一前驱体工艺的副产物的浓度水平和来自所述第一净化工艺的副产物的浓度水平中的至少一个；
利用虚拟传感器来估计所述表面饱和区中的至少一个的污染水平；
将所估计的污染水平与所述期望污染水平相比较；以及
使净化气体流入所述处理室中，直到所述估计的污染水平约等于所述期望污染水平为止。
22.如权利要求1所述的操作MLD处理系统的方法，其中所述第一净化气体和所述第二净化气体包括相同的惰性气体。
23.如权利要求1所述的操作MLD处理系统的方法，其中所述第一净化气体和所述第二净化气体包括不同的惰性气体。
24.如权利要求1所述的操作MLD处理系统的方法，所述第二组智能设置点还建立了所述第一净化工艺的额外部分期间第三净化气体的额外流率。
25.如权利要求24所述的操作MLD处理系统的方法，所述第二组智能设置点建立了所述第一净化工艺的第二额外部分期间第四净化气体的第二额外流率。
26.如权利要求1所述的操作MLD处理系统的方法，所述第二组智能设置点建立了所述第一净化工艺的第一时间段期间的第一室压强和所述第一净化工艺的第二时间段期间的第二室压强中的至少一个。
27.如权利要求1所述的操作MLD处理系统的方法，所述第二组智能设置点建立了所述第一净化工艺的第一时间段期间的第一室温和所述第一净化工艺的第二时间段期间的第二室温中的至少一个。
28.如权利要求1所述的操作MLD处理系统的方法，所述第二组智能设置点建立了所述第一净化工艺的第一时间段期间的第一衬底温度和所述第一净化工艺的第二时间段期间的第二衬底温度中的至少一个。
29.如权利要求1所述的操作MLD处理系统的方法，所述执行第二前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望前驱体浓度水平；以及
将第二前驱体分子沉积到所述表面饱和区中，直到达到了所述期望前驱体浓度水平为止。
30.如权利要求1所述的操作MLD处理系统的方法，所述执行第二前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的第二前驱体分子的期望前驱体浓度水平；
利用虚拟传感器来估计所述表面饱和区中的至少一个的前驱体浓度水平；
将所估计的前驱体浓度水平与所述期望前驱体浓度水平相比较；以及
将第二前驱体分子沉积到所述表面饱和区中，直到所述估计的前驱体浓度水平约等于所述期望前驱体浓度水平为止。
31.如权利要求1所述的操作MLD处理系统的方法，所述执行第二前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望反应状态值；以及
将第二前驱体分子沉积到所述表面饱和区中，直到达到了所述期望反应状态值为止。
32.如权利要求31所述的操作MLD处理系统的方法，其中所述期望反应状态值为100％。
33.如权利要求1所述的操作MLD处理系统的方法，所述执行第二前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望反应状态值；
利用虚拟传感器来估计所述表面饱和区中的至少一个的反应状态值；
将所估计的反应状态值与所述期望反应状态值相比较；以及
将第二前驱体分子沉积到所述表面饱和区中，直到所述估计的反应状态值约等于所述期望反应状态值为止。
34.如权利要求1所述的操作MLD处理系统的方法，其中所述第二含前驱体气体的第三流率和第四流率是相等的。
35.如权利要求1所述的操作MLD处理系统的方法，其中所述第二含前驱体气体在所述第三时间段期间包括第一浓度，在所述第四时间段期间包括第二浓度。
36.如权利要求1所述的操作MLD处理系统的方法，其中所述第二含前驱体气体在所述第三时间段期间包括第一前驱体，在所述第四时间段期间包括第二前驱体。
37.如权利要求1所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了所述第三时间段期间第一惰性气体的第一惰性气体流率，并且建立了所述第四时间段期间第二惰性气体的第二惰性气体流率。
38.如权利要求37所述的操作MLD处理系统的方法，其中所述第一惰性气体和所述第二惰性气体包括相同的惰性气体。
39.如权利要求37所述的操作MLD处理系统的方法，其中所述第一惰性气体和所述第二惰性气体包括不同的惰性气体。
40.如权利要求1所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了额外时间段期间所述第二含前驱体气体的额外流率。
41.如权利要求40所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了第二额外时间段期间所述第二含前驱体气体的第二额外流率。
42.如权利要求1所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了所述第二前驱体工艺的第一时间段期间的第一室压强和所述第二前驱体工艺的第二时间段期间的第二室压强中的至少一个。
43.如权利要求1所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了所述第二前驱体工艺的第一时间段期间的第一室温和所述第二前驱体工艺的第二时间段期间的第二室温中的至少一个。
44.如权利要求1所述的操作MLD处理系统的方法，所述第三组智能设置点还建立了所述第二前驱体工艺的第一时间段期间的第一衬底温度和所述第二前驱体工艺的第二时间段期间的第二衬底温度中的至少一个。
45.如权利要求1所述的操作MLD处理系统的方法，所述执行第二前驱体工艺还包括使第二含前驱体气体的分子与所述晶片表面上来自所述第一含前驱体气体的化学吸附的前驱体分子相互反应。
46.如权利要求1所述的操作MLD处理系统的方法，所述执行第二净化工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望污染状态值，所述期望污染状态值正比于未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、所述第二含前驱体气体的浓度水平、净化气体浓度水平、来自所述第二前驱体工艺的副产物的浓度水平和来自所述第二净化工艺的副产物的浓度水平中的至少一个；以及
使净化气体流入所述处理室中，直到达到了所述期望污染状态值为止。
47.如权利要求46所述的操作MLD处理系统的方法，其中所述期望污染状态值为0％。
48.如权利要求46所述的操作MLD处理系统的方法，所述执行第二净化工艺还包括：
在至少一个晶片的表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望污染水平，所述期望污染水平正比于未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、所述第二含前驱体气体的浓度水平、净化气体浓度水平、来自所述第二前驱体工艺的副产物的浓度水平和来自所述第二净化工艺的副产物的浓度水平中的至少一个；
利用虚拟传感器来估计所述表面饱和区中的至少一个的污染水平；
将所估计的污染水平与所述期望污染水平相比较；以及
使净化气体流入所述处理室中，直到所述估计的污染水平约等于所述期望污染水平为止。
49.如权利要求1所述的操作MLD处理系统的方法，其中所述第一净化气体和所述第二净化气体包括相同的惰性气体。
50.如权利要求1所述的操作MLD处理系统的方法，其中所述第一净化气体和所述第二净化气体包括不同的惰性气体。
51.如权利要求1所述的操作MLD处理系统的方法，所述第四组智能设置点还建立了所述第二净化工艺的额外时间段期间第三净化气体的额外流率。
52.如权利要求51所述的操作MLD处理系统的方法，所述第四组智能设置点还建立了所述第二净化工艺的第二额外时间段期间第四净化气体的第二额外流率。
53.如权利要求1所述的操作MLD处理系统的方法，所述第四组智能设置点还建立了所述第二净化工艺的第一时间段期间的第一室压强和所述第二净化工艺的第二时间段期间的第二室压强中的至少一个。
54.如权利要求1所述的操作MLD处理系统的方法，所述第四组智能设置点还建立了所述第二净化工艺的第一时间段期间的第一室温和所述第二净化工艺的第二时间段期间的第二室温中的至少一个。
55.如权利要求1所述的操作MLD处理系统的方法，所述第四组智能设置点还建立了所述第二净化工艺的第一时间段期间的第一衬底温度和所述第二净化工艺的第二时间段期间的第二衬底温度。
56.如权利要求1所述的操作MLD处理系统的方法，所述执行第一前驱体工艺还包括：
利用所述第一含前驱体气体提供多个前驱体分子；
对所述晶片之间的前驱体分子流作为扩散过程建模；
确定所述前驱体分子的驻留时间；以及
确定所述前驱体分子的化学吸附速率。
57.如权利要求1所述的操作MLD处理系统的方法，还包括：
接收所述晶片中的至少一个的前馈数据；
从所述前馈数据中提取出折射率n数据和消光系数k数据；以及
利用所述折射率n数据和消光系数k数据确定晶片组分。
58.如权利要求57所述的操作MLD处理系统的方法，其中所述前馈数据包括晶片组分信息，所述晶片组分信息包括以下信息中的至少一个：层数目、层位置、层组分、层均匀性、层密度和层厚。
59.如权利要求57所述的操作MLD处理系统的方法，其中所述前馈数据包括至少一个晶片的临界尺寸(CD)信息和形状信息。
60.如权利要求57所述的操作MLD处理系统的方法，其中所述前馈数据包括径向地定位在至少一个晶片上的多个位置的数据。
61.如权利要求57所述的操作MLD处理系统的方法，其中所述前馈数据包括非径向地定位在至少一个晶片上的多个位置的数据。
62.如权利要求1所述的操作MLD处理系统的方法，其中晶片包括圆形形状，并且表面饱和区包括中心区和围绕所述中心区径向间隔的多个环形区。
63.如权利要求2所述的操作MLD处理系统的方法，其中晶片包括矩形形状，并且所述表面饱和区包括多个均匀间隔的矩形分段。
64.如权利要求2所述的操作MLD处理系统的方法，其中晶片包括矩形形状，并且所述表面饱和区包括多个非均匀间隔的矩形分段。
65.一种单层沉积(MLD)处理系统，包括：
用于在处理室中定位多个晶片的装置；
用于执行第一前驱体工艺的装置，其中所述第一前驱体工艺由具有第一组智能设置点的第一工艺方案控制，所述第一组智能设置点建立了第一时间段期间第一含前驱体气体的第一流率和第二时间段期间所述第一含前驱体气体的第二流率中的至少一个，其中所述用于执行第一前驱体工艺的装置还包括：
用于创建所述第一前驱体工艺的动态模型的装置，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第一含前驱体气体的第一流率、所述第一含前驱体气体的第二流率、流时间、前驱体浓度、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括前驱体浓度值、前驱体浓度均匀性值、饱和状态和饱和状态均匀性值中的至少一个；
用于执行第一净化工艺的装置，其中所述第一净化工艺由具有第二组智能设置点的第二工艺方案控制，所述第二组智能设置点建立了所述第一净化工艺的第一时间段期间第一净化气体的第一流率和所述第一净化工艺的第二时间段期间第二净化气体的第二流率中的至少一个，其中所述用于执行第一净化工艺的装置还包括：
用于创建所述第一净化工艺的动态模型的装置，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出
Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第一净化气体的第一流率、所述第二净化气体的第二流率、流时间、净化气体组分、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的净化气体浓度、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括污染状态、未反应前驱体分子的浓度水平、工艺副产物的浓度水平、前驱体浓度值、前驱体浓度均匀性值和污染状态均匀性值中的至少一个；
用于执行第二前驱体工艺的装置，其中所述第二前驱体工艺由具有第三组智能设置点的第三工艺方案控制，所述第三组智能设置点建立了第三时间段期间第二含前驱体气体的第三流率和第四时间段期间所述第二含前驱体气体的第四流率中的至少一个，其中所述用于执行第二前驱体工艺的装置还包括：
用于创建所述第二前驱体工艺的动态模型的装置，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第二含前驱体气体的第三流率、所述第二含前驱体气体的第四流率、流时间、前驱体浓度、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括前驱体浓度值、前驱体浓度均匀性值、饱和状态值、饱和状态均匀性值、反应状态值和反应状态均匀性值中的至少一个；
用于执行第二净化工艺的装置，其中所述第二净化工艺由具有第四组智能设置点的第四工艺方案控制，所述第四组智能设置点建立了所述第二净化工艺的第一时间段期间第一净化气体的第一流率和所述第二净化工艺的第二时间段期间第二净化气体的第二流率中的至少一个，所述用于执行第二净化工艺的装置还包括：
用于创建所述第二净化工艺的动态模型的装置，所述动态模型具有模型分量M1、M2、M3和M4、控制输入U、干扰输入D、调控输出Z和测量输出Y，并且具有包括Z＝M1U+M3D和Y＝M2U+M4D的模型结构；
其中所述控制输入U包括所述第一净化气体的第一流率、所述第二净化气体的第二流率、流时间、净化气体组分、前驱体类型、化学吸附速率、反应速率、压强和温度中的至少一个；
其中所述干扰输入D包括工艺漂移、室污染和晶片温度差中的至少一个；
其中所述测量输出Y包括输入晶片温度、输入晶片组分、输入晶片厚度、输入晶片均匀性、输出流率、室输出处的净化气体浓度、室输出处的前驱体浓度、前驱体层组分和前驱体层均匀性中的至少一个；并且
其中所述调控输出Z包括污染状态、未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、工艺副产物的浓度水平、前驱体浓度值、前驱体浓度均匀性值和污染状态均匀性值中的至少一个；以及
用于重复所述执行步骤，直到在所述多个晶片上沉积了具有期望厚度的膜为止的装置。
66.如权利要求65所述的MLD处理系统，所述用于执行第一前驱体工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望前驱体浓度水平的装置；以及
用于将前驱体分子沉积到所述饱和区中，直到达到了所述期望前驱体浓度水平为止的装置。
67.如权利要求65所述的MLD处理系统，所述用于执行第一前驱体工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的第一前驱体分子的期望前驱体浓度水平的装置；
用于估计所述表面饱和区中的至少一个的前驱体浓度水平的虚拟传感器；
用于将所估计的前驱体浓度水平与所述期望前驱体浓度水平相比较的装置；以及
用于将第一前驱体分子沉积到所述表面饱和区中，直到所述估计的前驱体浓度水平约等于所述期望前驱体浓度水平为止的装置。
68.如权利要求65所述的MLD处理系统，所述执行第一前驱体工艺还包括：
在至少一个晶片表面上建立表面饱和区；
确定所述表面饱和区中的至少一个的期望饱和状态值；以及
将第一前驱体分子沉积到所述表面饱和区中，直到达到了所述期望饱和状态值为止。
69.如权利要求65所述的MLD处理系统，所述用于执行第一前驱体工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望饱和状态值的装置；
用于估计所述表面饱和区中的至少一个的饱和状态值的虚拟传感器；以及
用于将所估计的饱和状态值与所述期望饱和状态值相比较以确定何时停止所述第一含前驱体气体的流入的装置。
70.如权利要求65所述的MLD处理系统，所述第一组智能设置点还建立了所述第一时间段期间第一惰性气体的流率，并且建立了所述第二时间段期间第二惰性气体的流率。
71.如权利要求65所述的MLD处理系统，所述用于执行第一净化工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望污染状态值的装置，所述期望污染状态值正比于未反应第一前驱体分子的浓度水平、已反应第一前驱体分子的浓度水平、所述第一含前驱体气体的浓度水平、净化气体浓度水平、来自所述第一前驱体工艺的副产物的浓度水平和来自所述第一净化工艺的副产物的浓度水平中的至少一个；以及
用于使净化气体流入所述处理室中，直到达到了所述期望污染状态值为止的装置。
72.如权利要求65所述的MLD处理系统，所述用于执行第一净化工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望污染水平的装置，所述期望污染水平正比于未反应第一前驱体分子的浓度水平、已反应第一前驱体分子的浓度水平、所述第一含前驱体气体的浓度水平、净化气体浓度水平、来自所述第一前驱体工艺的副产物的浓度水平和来自所述第一净化工艺的副产物的浓度水平中的至少一个；
用于估计所述表面饱和区中的至少一个的污染水平的虚拟传感器；
用于将所估计的污染水平与所述期望污染水平相比较的装置；以及
用于使净化气体流入所述处理室中，直到所述估计的污染水平约等于所述期望污染水平为止的装置。
73.如权利要求65所述的MLD处理系统，所述用于执行第二前驱体工艺的装置还包括：
用于在至少一个晶片表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望前驱体浓度水平的装置；以及
用于将第二前驱体分子沉积到所述表面饱和区中，直到达到了所述期望前驱体浓度水平为止的装置。
74.如权利要求65所述的MLD处理系统，所述用于执行第二前驱体工艺的装置还包括：
用于在至少一个晶片表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的第二前驱体分子的期望前驱体浓度水平的装置；
用于估计所述表面饱和区中的至少一个的前驱体浓度水平的虚拟传感器；
用于将所估计的前驱体浓度水平与所述期望前驱体浓度水平相比较的装置；以及
用于将第二前驱体分子沉积到所述表面饱和区中，直到所述估计的前驱体浓度水平约等于所述期望前驱体浓度水平为止的装置。
75.如权利要求65所述的MLD处理系统，所述用于执行第二前驱体工艺的装置还包括：
用于在至少一个晶片表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望反应状态值的装置；以及
用于将第二前驱体分子沉积到所述表面饱和区中，直到达到了所述期望反应状态值为止的装置。
76.如权利要求65所述的MLD处理系统，所述用于执行第二前驱体工艺的装置还包括：
用于在至少一个晶片表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望反应状态值的装置；
用于估计所述表面饱和区中的至少一个的反应状态值的虚拟传感器；
用于将所估计的反应状态值与所述期望反应状态值相比较的装置；以及
用于将第二前驱体分子沉积到所述表面饱和区中，直到所述估计的反应状态值约等于所述期望反应状态值为止的装置。
77.如权利要求65所述的MLD处理系统，所述用于执行第二净化工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望污染状态值的装置，所述期望污染状态值正比于未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、所述第二含前驱体气体的浓度水平、净化气体浓度水平、来自所述第二前驱体工艺的副产物的浓度水平和来自所述第二净化工艺的副产物的浓度水平中的至少一个；以及
用于使净化气体流入所述处理室中，直到达到了所述期望污染状态值为止的装置。
78.如权利要求65所述的MLD处理系统，所述用于执行第二净化工艺的装置还包括：
用于在至少一个晶片的表面上建立表面饱和区的装置；
用于确定所述表面饱和区中的至少一个的期望污染水平的装置，所述期望污染水平正比于未反应第二前驱体分子的浓度水平、已反应第二前驱体分子的浓度水平、所述第二含前驱体气体的浓度水平、净化气体浓度水平、来自所述第二前驱体工艺的副产物的浓度水平和来自所述第二净化工艺的副产物的浓度水平中的至少一个；
用于估计所述表面饱和区中的至少一个的污染水平的虚拟传感器；
用于将所估计的污染水平与所述期望污染水平相比较的装置；以及
用于使净化气体流入所述处理室中，直到所述估计的污染水平约等于所述期望污染水平为止的装置。
79.如权利要求65所述的MLD处理系统，所述用于执行第一前驱体工艺的装置还包括：
用于利用所述第一含前驱体气体提供多个前驱体分子的装置；
用于对所述晶片之间的前驱体分子流作为扩散过程建模的装置；
用于确定所述前驱体分子的驻留时间的装置；以及
用于确定所述前驱体分子的化学吸附速率的装置。
80.如权利要求65所述的MLD处理系统，还包括：
用于接收所述晶片中的至少一个的前馈数据的装置；
用于从所述前馈数据中提取出折射率n数据和消光系数k数据的装置；以及
用于利用所述折射率n数据和消光系数k数据确定晶片组分的装置。
CN2005800472641A 2005-01-26 2005-12-21 用于单层沉积的方法和装置 Active CN101111628B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/043,199 2005-01-26
US11/043,199 US7838072B2 (en) 2005-01-26 2005-01-26 Method and apparatus for monolayer deposition (MLD)
PCT/US2005/046495 WO2006081023A2 (en) 2005-01-26 2005-12-21 Method and apparatus for monolayer deposition (mld)

Publications (2)

Publication Number Publication Date
CN101111628A CN101111628A (zh) 2008-01-23
CN101111628B true CN101111628B (zh) 2012-05-23

Family

ID=36596322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800472641A Active CN101111628B (zh) 2005-01-26 2005-12-21 用于单层沉积的方法和装置

Country Status (6)

Country Link
US (1) US7838072B2 (zh)
JP (1) JP5337376B2 (zh)
KR (2) KR20140045564A (zh)
CN (1) CN101111628B (zh)
TW (1) TWI327604B (zh)
WO (1) WO2006081023A2 (zh)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4574145B2 (ja) * 2002-09-13 2010-11-04 ローム・アンド・ハース・エレクトロニック・マテリアルズ，エル．エル．シー． エアギャップ形成
JP2008053683A (ja) * 2006-07-27 2008-03-06 Matsushita Electric Ind Co Ltd 絶縁膜形成方法、半導体装置、および基板処理装置
JP4916257B2 (ja) * 2006-09-06 2012-04-11 東京エレクトロン株式会社 酸化膜の形成方法、酸化膜の形成装置及びプログラム
US8812261B2 (en) * 2007-08-23 2014-08-19 Applied Materials, Inc. Method and apparatus to automatically create virtual sensors with templates
US8898017B2 (en) * 2008-05-05 2014-11-25 Bp Corporation North America Inc. Automated hydrocarbon reservoir pressure estimation
US9257274B2 (en) 2010-04-15 2016-02-09 Lam Research Corporation Gapfill of variable aspect ratio features with a composite PEALD and PECVD method
US9997357B2 (en) 2010-04-15 2018-06-12 Lam Research Corporation Capped ALD films for doping fin-shaped channel regions of 3-D IC transistors
US9611544B2 (en) 2010-04-15 2017-04-04 Novellus Systems, Inc. Plasma activated conformal dielectric film deposition
US9076646B2 (en) 2010-04-15 2015-07-07 Lam Research Corporation Plasma enhanced atomic layer deposition with pulsed plasma exposure
US20110256734A1 (en) 2010-04-15 2011-10-20 Hausmann Dennis M Silicon nitride films and methods
US9373500B2 (en) 2014-02-21 2016-06-21 Lam Research Corporation Plasma assisted atomic layer deposition titanium oxide for conformal encapsulation and gapfill applications
US8637411B2 (en) 2010-04-15 2014-01-28 Novellus Systems, Inc. Plasma activated conformal dielectric film deposition
US8956983B2 (en) 2010-04-15 2015-02-17 Novellus Systems, Inc. Conformal doping via plasma activated atomic layer deposition and conformal film deposition
US9390909B2 (en) 2013-11-07 2016-07-12 Novellus Systems, Inc. Soft landing nanolaminates for advanced patterning
US9892917B2 (en) 2010-04-15 2018-02-13 Lam Research Corporation Plasma assisted atomic layer deposition of multi-layer films for patterning applications
US9685320B2 (en) 2010-09-23 2017-06-20 Lam Research Corporation Methods for depositing silicon oxide
US20120197446A1 (en) * 2010-12-01 2012-08-02 Glaudel Stephen P Advanced feed-forward valve-control for a mass flow controller
US8647993B2 (en) 2011-04-11 2014-02-11 Novellus Systems, Inc. Methods for UV-assisted conformal film deposition
US8592328B2 (en) 2012-01-20 2013-11-26 Novellus Systems, Inc. Method for depositing a chlorine-free conformal sin film
KR102207992B1 (ko) 2012-10-23 2021-01-26 램 리써치 코포레이션 서브-포화된 원자층 증착 및 등각막 증착
SG2013083654A (en) 2012-11-08 2014-06-27 Novellus Systems Inc Methods for depositing films on sensitive substrates
SG2013083241A (en) 2012-11-08 2014-06-27 Novellus Systems Inc Conformal film deposition for gapfill
JP2015069987A (ja) * 2013-09-26 2015-04-13 株式会社日立国際電気 基板処理装置、半導体装置の製造方法及び基板処理方法
US9396443B2 (en) 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
JP6158111B2 (ja) * 2014-02-12 2017-07-05 東京エレクトロン株式会社 ガス供給方法及び半導体製造装置
US9214334B2 (en) 2014-02-18 2015-12-15 Lam Research Corporation High growth rate process for conformal aluminum nitride
US9478438B2 (en) 2014-08-20 2016-10-25 Lam Research Corporation Method and apparatus to deposit pure titanium thin film at low temperature using titanium tetraiodide precursor
US9478411B2 (en) 2014-08-20 2016-10-25 Lam Research Corporation Method to tune TiOx stoichiometry using atomic layer deposited Ti film to minimize contact resistance for TiOx/Ti based MIS contact scheme for CMOS
US9564312B2 (en) 2014-11-24 2017-02-07 Lam Research Corporation Selective inhibition in atomic layer deposition of silicon-containing films
US10566187B2 (en) 2015-03-20 2020-02-18 Lam Research Corporation Ultrathin atomic layer deposition film accuracy thickness control
KR102323248B1 (ko) * 2015-03-25 2021-11-09 에이에스엠 아이피 홀딩 비.브이. 박막 형성 방법
US9502238B2 (en) 2015-04-03 2016-11-22 Lam Research Corporation Deposition of conformal films by atomic layer deposition and atomic layer etch
JP6023854B1 (ja) * 2015-06-09 2016-11-09 株式会社日立国際電気 半導体装置の製造方法、基板処理装置およびプログラム
US10526701B2 (en) 2015-07-09 2020-01-07 Lam Research Corporation Multi-cycle ALD process for film uniformity and thickness profile modulation
US9773643B1 (en) 2016-06-30 2017-09-26 Lam Research Corporation Apparatus and method for deposition and etch in gap fill
US10062563B2 (en) 2016-07-01 2018-08-28 Lam Research Corporation Selective atomic layer deposition with post-dose treatment
US10037884B2 (en) 2016-08-31 2018-07-31 Lam Research Corporation Selective atomic layer deposition for gapfill using sacrificial underlayer
JP6640781B2 (ja) * 2017-03-23 2020-02-05 キオクシア株式会社 半導体製造装置
US10269559B2 (en) 2017-09-13 2019-04-23 Lam Research Corporation Dielectric gapfill of high aspect ratio features utilizing a sacrificial etch cap layer
CN107574427A (zh) * 2017-09-14 2018-01-12 德淮半导体有限公司 用于化学气相沉积过程的装置和方法
SG11202010209PA (en) * 2018-05-24 2020-12-30 Applied Materials Inc Virtual sensor for spatially resolved wafer temperature control
JP2022077278A (ja) * 2020-11-11 2022-05-23 株式会社堀場エステック 濃度制御システム、濃度制御方法、及び、濃度制御システム用プログラム
US11586789B2 (en) * 2021-04-07 2023-02-21 Applied Materials, Inc. Machine learning based smart process recipe builder to improve azimuthal flow and thickness uniformity
US20230212742A1 (en) * 2022-01-04 2023-07-06 Applied Materials, Inc. Model-based purge gas flow

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0661323A (ja) * 1992-08-04 1994-03-04 Hitachi Ltd 半導体の熱処理方法及び熱処理装置並びに半導体の評価方法
US5642296A (en) * 1993-07-29 1997-06-24 Texas Instruments Incorporated Method of diagnosing malfunctions in semiconductor manufacturing equipment
US5443315A (en) * 1993-12-16 1995-08-22 Texas Instruments Incorporated Multi-zone real-time emissivity correction system
WO1998009206A1 (fr) * 1996-08-29 1998-03-05 Fujitsu Limited Procede et dispositif permettant de diagnostiquer la panne d'un equipement et programme d'enregistrement sur support d'enregistrement pour l'execution d'un processus informatique conformement audit procede
US5895596A (en) * 1997-01-27 1999-04-20 Semitool Thermal Model based temperature controller for semiconductor thermal processors
US7393561B2 (en) * 1997-08-11 2008-07-01 Applied Materials, Inc. Method and apparatus for layer by layer deposition of thin films
US20030049372A1 (en) * 1997-08-11 2003-03-13 Cook Robert C. High rate deposition at low pressures in a small batch reactor
US5970313A (en) * 1997-12-19 1999-10-19 Advanced Micro Devices, Inc. Monitoring wafer temperature during thermal processing of wafers by measuring sheet resistance of a test wafer
EP1093664A4 (en) * 1998-05-11 2003-07-09 Semitool Inc TEMPERATURE CONTROL SYSTEM FOR THERMAL ACTUATOR
US6195621B1 (en) * 1999-02-09 2001-02-27 Roger L. Bottomfield Non-invasive system and method for diagnosing potential malfunctions of semiconductor equipment components
KR100363088B1 (ko) * 2000-04-20 2002-12-02 삼성전자 주식회사 원자층 증착방법을 이용한 장벽 금속막의 제조방법
US6818250B2 (en) * 2000-06-29 2004-11-16 The Regents Of The University Of Colorado Method for forming SIO2 by chemical vapor deposition at room temperature
JP4493192B2 (ja) * 2000-09-13 2010-06-30 東京エレクトロン株式会社 バッチ式熱処理装置及びその制御方法
US6669782B1 (en) * 2000-11-15 2003-12-30 Randhir P. S. Thakur Method and apparatus to control the formation of layers useful in integrated circuits
US6913938B2 (en) * 2001-06-19 2005-07-05 Applied Materials, Inc. Feedback control of plasma-enhanced chemical vapor deposition processes
US6656835B2 (en) * 2001-06-21 2003-12-02 Micron Technology, Inc. Process for low temperature atomic layer deposition of Rh
JP4751538B2 (ja) 2001-08-28 2011-08-17 東京エレクトロン株式会社 処理システム
JP2005531927A (ja) * 2002-06-28 2005-10-20 東京エレクトロン株式会社 材料処理ツールおよびセンサデータを使用して処理性能を予測するための方法およびシステム
US6967154B2 (en) * 2002-08-26 2005-11-22 Micron Technology, Inc. Enhanced atomic layer deposition
US6958302B2 (en) * 2002-12-04 2005-10-25 Micron Technology, Inc. Atomic layer deposited Zr-Sn-Ti-O films using TiI4
JP2004247332A (ja) * 2003-02-10 2004-09-02 Univ Kanazawa 成膜方法及び成膜装置
JP4268429B2 (ja) * 2003-03-17 2009-05-27 東京エレクトロン株式会社 基板処理装置および基板処理方法
US7537662B2 (en) * 2003-04-29 2009-05-26 Asm International N.V. Method and apparatus for depositing thin films on a surface
US7662233B2 (en) 2003-06-27 2010-02-16 Ofer Sneh ALD apparatus and method
US7165011B1 (en) 2005-09-01 2007-01-16 Tokyo Electron Limited Built-in self test for a thermal processing system
US7444572B2 (en) 2005-09-01 2008-10-28 Tokyo Electron Limited Built-in self test for a thermal processing system

Also Published As

Publication number Publication date
CN101111628A (zh) 2008-01-23
JP5337376B2 (ja) 2013-11-06
TW200632132A (en) 2006-09-16
WO2006081023A3 (en) 2006-11-02
KR101477297B1 (ko) 2014-12-29
KR20070096045A (ko) 2007-10-01
WO2006081023A2 (en) 2006-08-03
US7838072B2 (en) 2010-11-23
TWI327604B (en) 2010-07-21
JP2008529277A (ja) 2008-07-31
KR20140045564A (ko) 2014-04-16
US20060165890A1 (en) 2006-07-27

Similar Documents

Publication Publication Date Title
CN101111628B (zh) 用于单层沉积的方法和装置
CN101103137B (zh) 用于单层沉积的方法和装置
Zhang et al. Multiscale computational fluid dynamics modeling of thermal atomic layer deposition with application to chamber design
US6387823B1 (en) Method and apparatus for controlling deposition process using residual gas analysis
KR20190138272A (ko) 가스 분배 시스템 및 이를 포함하는 반응기 시스템
CN101423935B (zh) 基板处理装置和基板处理装置的控制方法
US8671733B2 (en) Calibration procedure considering gas solubility
US9164517B2 (en) Maintaining flow rate of a fluid
CN102791906A (zh) 脉冲气体传送的控制和方法
Holmqvist et al. A model-based methodology for the analysis and design of atomic layer deposition processes—Part I: Mechanistic modelling of continuous flow reactors
Ding et al. Microscopic modeling and optimal operation of plasma enhanced atomic layer deposition
US10395921B2 (en) Method of forming thin film
Holmqvist et al. Dynamic parameter estimation of atomic layer deposition kinetics applied to in situ quartz crystal microbalance diagnostics
US9223319B2 (en) High dilution ratio by successively preparing and diluting chemicals
KR100690177B1 (ko) 원자층 증착설비 및 이를 이용한 원자층 증착방법
Zhang Multiscale Computational Fluid Dynamics Modeling of Thermal Atomic Layer Deposition with
Sreenivasan et al. A comparative study of reactor designs for the production of graded films with applications to combinatorial CVD
US20140014681A1 (en) Calibration of a Chemical Dispense System
Yun First-Principles and Multiscale Modeling for Design and Operation of Atomic Layer Processing
Zhang Multiscale Computational Fluid Dynamics Modeling of Thermal and Plasma Atomic Layer Deposition: Application to Chamber Design and Process Control
Konakov et al. Novel approach to investigation of semiconductor MOCVD by microreactor technology
US20230351080A1 (en) Parameter determination device, parameter determination method, and parameter determination program for epitaxial growth system
Hamby et al. A control oriented modeling methodology for plasma enhanced chemical vapor deposition processes
Ding Microscopic Modeling, Machine Learning-Based Modeling and Optimal Operation of Thermal and Plasma Atomic Layer Deposition
Adomaitis Intentionally patterned and spatially non-uniform film profiles in chemical vapor deposition processes

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant