基于多参数耦合的晶圆研磨监测控制方法与流程

本发明涉及晶圆研磨监测，特别涉及基于多参数耦合的晶圆研磨监测控制方法。

背景技术：

1、晶圆研磨是半导体制造中的关键工艺，其加工质量直接影响晶圆表面平整度、缺陷密度及后续良率，在研磨过程中，任一环节的失配都可能导致研磨异常，尤其是研磨头相对晶圆的移动速度直接决定机械作用的强度，进而导致局部过度研磨、表面划伤或表面损伤累积，最终影响晶圆性能，因此，对晶圆研磨过程的监测极为重要。

2、现有技术关于晶圆研磨过程的监控主要在工艺开发阶段通过大量实验确定各研磨阶段的固定移速，形成工艺配方，生产时按配方恒速执行，但是实际研磨中，研磨液的消耗与稀释、研磨垫的磨损与釉化、晶圆表面形貌随平坦化进程的持续变化，该方式将各参数视为相互独立，忽视了研磨液、表面状态与研磨头运动之间动态耦合对研磨质量的综合影响，在工况波动时容易出现误判；

3、此外，现有方法大多侧重对已经发生的损伤进行事后检测，缺乏对损伤趋势的实时预测与提前干预能力，导致预测结果滞后于工艺状态变化，无法在损伤累积尚未显著时及时优化研磨参数。

技术实现思路

1、为实现上述目的，本发明提供如下技术方案：

2、第一方面，本发明提供基于多参数耦合的晶圆研磨监测控制方法，包括以下具体步骤：

3、步骤一、实时采集晶圆研磨过程中的研磨液参数、研磨表面参数和研磨头运行参数；

4、步骤二、基于所述研磨液参数、研磨表面参数和研磨头运行参数获取研磨液、研磨表面和研磨头之间的动态匹配程度；

5、步骤三、将所述动态匹配程度输入预先构建的研磨损伤预测模型，获取研磨损伤预测风险；

6、步骤四、基于所述研磨损伤预测风险分析最佳研磨头移速，基于最佳研磨头移速对当前研磨移速进行调整。

7、优选地，所述步骤一包括以下具体步骤：

8、实时采集晶圆研磨过程中的研磨液参数、研磨表面参数和研磨头运行参数；

9、所述研磨液参数包括研磨液流量、研磨液温度、磨粒材质硬度和研磨粒分布状态，所述研磨粒分布状态包括磨粒粒径均值和磨粒粒径分布宽度；

10、所述研磨表面参数包括晶圆表面裂缝分布和晶圆表面粗糙度，所述晶圆表面裂缝分布包括裂缝间距、裂缝面积和裂缝深度；

11、所述研磨头运行参数包括研磨头压力、研磨头转速、研磨头卡盘硬度和研磨头振动速度。

12、优选地，所述步骤二包括以下具体步骤：

13、将研磨液流量、研磨液温度、磨粒粒径均值和磨粒粒径分布宽度分别与对应的标准值的差值的绝对值，再除以对应的标准值获取研磨液流量偏差值、研磨液温度偏差值、磨粒粒径均值偏差值和磨粒粒径分布宽度偏差值，通过对研磨液流量偏差值、研磨液温度偏差值、磨粒粒径均值偏差值和磨粒粒径分布宽度偏差值加权求和获取第一威胁值；

14、将研磨头压力、研磨头转速和研磨头振动速度分别与对应的标准值的差值的绝对值，再除以对应的标准值获取研磨头压力偏差值、研磨头转速偏差值和研磨头振动速度偏差值，通过对研磨头压力偏差值、研磨头转速偏差值和研磨头振动速度偏差值加权求和获取第二威胁值；

15、通过对第一威胁值和第二威胁值进行加权求和获取综合威胁值；

16、通过裂缝深度和裂缝面积分别除以对应的标准值获取裂缝深度异常值和裂缝面积异常值，通过裂缝间距标准值除以裂缝间距获取裂缝间距异常值，通过对裂缝深度异常值、裂缝面积异常值和裂缝间距异常值加权求和获取裂缝异常值；

17、通过晶圆表面粗糙度除以晶圆表面粗糙度标准值获取晶圆表面粗糙度异常值，通过对晶圆表面粗糙度异常值和裂缝异常值加权求和获取晶圆表面脆弱值；

18、通过晶圆表面脆弱值乘以脆弱影响系数，再加上数值1获取晶圆脆弱因子，通过晶圆脆弱因子乘以综合威胁值获取晶圆综合异常值；

19、通过数值1减去晶圆综合异常值获取晶圆研磨匹配度。

20、优选地，所述步骤三包括以下具体步骤：

21、构建研磨损伤预测模型，所述构建步骤为：采集晶圆历史研磨批次过程中的历史晶圆研磨匹配度，与批次结束后检测的历史晶圆表面损伤指标构成配对样本，所述历史晶圆表面损伤指标包括划痕密度、凹陷深度和厚度偏差值；

22、所述研磨损伤预测模型采用全连接前馈神经网络结构，包括输入层、第一隐藏层、第二隐藏层和输出层，所述研磨损伤预测模型的输入包括晶圆研磨匹配度、磨粒材质硬度和研磨头卡盘硬度，其中输入层包含3个神经元，分别对应晶圆研磨匹配度、磨粒材质硬度和研磨头卡盘硬度，第一隐藏层包含16个神经元，第二隐藏层包含8个神经元，输出层包含1个神经元，用于输出研磨损伤风险值；

23、将晶圆研磨匹配度、磨粒材质硬度和研磨头卡盘硬度输入研磨损伤预测模型中，经各隐藏层激活后，输出研磨损伤风险值。

24、优选地，所述步骤四包括以下具体步骤：

25、获取预设研磨损伤风险阈值，当研磨损伤风险值大于等于预设研磨损伤风险阈值时，则通过研磨损伤风险值减去预设研磨损伤风险阈值，获取超出损伤空间；

26、通过数值1减去超出损伤空间与损伤影响系数的乘积，再乘以研磨头最大安全移速获取最佳研磨头移速；

27、通过所述最佳研磨头移速减去当前实际移速获取移速差值，对所述移速差值进行单周期变化限幅，将限幅后的移速差值作为研磨移速调节量，输入研磨头驱动单元使当前实际移速调整至最佳研磨头移速。

28、第二方面，本发明提供基于多参数耦合的晶圆研磨监测控制系统，包括：

29、参数采集模块，用于实时采集晶圆研磨过程中的研磨液参数、研磨表面参数和研磨头运行参数；

30、动态匹配分析模块，用于基于所述研磨液参数、研磨表面参数和研磨头运行参数获取研磨液、研磨表面和研磨头之间的动态匹配程度；

31、损伤风险预测模块，用于将所述动态匹配程度输入预先构建的研磨损伤预测模型，获取研磨损伤预测风险；

32、研磨移速调整模块，用于基于所述研磨损伤预测风险分析最佳研磨头移速，基于最佳研磨头移速对当前研磨移速进行调整。

33、第三方面，本发明提供一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的基于多参数耦合的晶圆研磨监测控制方法。

34、第四方面，本发明提供一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的基于多参数耦合的晶圆研磨监测控制方法。

35、本发明的有益效果是：通过实时分析获取研磨液、研磨表面和研磨头之间的动态匹配程度，克服了现有技术仅依赖单一参数或简单线性组合的局限，能够更真实地反映实际研磨工况；

36、将动态匹配程度输入预先构建的研磨损伤预测模型，以匹配程度的演变趋势为输入，在损伤显性化之前预测其风险水平，使调节动作发生在损伤形成之前，提高了预测准确性；

37、基于研磨损伤预测风险分析最佳研磨头移速，并根据最佳移速对当前研磨移速进行实时调整，能够根据损伤风险动态计算最优速度，在保证研磨效率的同时主动抑制表面损伤累积，实现研磨质量与加工效率的协同优化，提升了晶圆研磨过程的监测效率和工艺稳定性。