半导体工艺建模系统和方法与流程

半导体工艺建模系统和方法
1.相关申请的交叉引用
2.本技术基于并要求于2021年7月7日在韩国知识产权局递交的韩国专利申请no.10-2021-0089329的优先权，其全部公开内容通过引用并入本文。
技术领域
3.本发明构思涉及半导体工艺建模系统和方法，并且更具体地，涉及包括预处理组件和方法的半导体工艺建模系统和方法。


背景技术：

4.通过在半导体制造工艺中使用传感器来测量工艺参数，可以生成原始数据。通过监视这样的原始数据，可以检测半导体制造设备的故障，并且通过使用原始数据对半导体工艺进行建模，可以预测工艺结果值。然而，由于半导体制造设备中的传感器的工艺参数测量规则不同，当原始数据表示为对每一个晶片的多个工艺参数的值加以表示的矩阵时，可以省略该矩阵的多个元素。基于具有被省略元素的原始数据而生成的模型可能具有低准确度。


技术实现要素：

5.本发明构思提供了一种便于简单且准确的工艺建模的半导体工艺建模系统和方法，以及包括该半导体工艺建模系统的半导体制造系统。
6.根据本发明构思的一个方面，提供了一种包括预处理组件的半导体工艺建模系统，该预处理组件被配置为根据从半导体制造设备获得的原始数据生成张量数据，其中，当原始数据表示为对多个晶片中每一个晶片的多个工艺参数的值加以表示的原始矩阵时，省略原始矩阵的至少一个元素，其中，当张量数据表示为对多个晶片中每一个晶片的多个预处理工艺参数的值加以表示的张量矩阵时，张量矩阵的被省略元素的数量小于原始矩阵的被省略元素的数量，以及其中，预处理组件被配置为通过基于半导体制造设备的特性和多个工艺参数的特性中的至少一种特性修改原始数据，来生成张量数据。
7.根据本发明构思的另一方面，提供了一种半导体制造系统，包括：半导体制造设备，被配置为处理多个晶片；以及半导体工艺建模系统，其中，半导体工艺建模系统包括：预处理组件，被配置为根据从半导体制造设备获得的原始数据生成张量数据；以及建模组件，被配置为使用张量数据对半导体工艺进行建模，其中当原始数据表示为对多个晶片中每一个晶片的多个工艺参数的值加以表示的原始矩阵时，省略原始矩阵的至少一个元素，并且其中当张量数据表示为对多个晶片中每一个晶片的多个预处理工艺参数的值加以表示的张量矩阵时，张量矩阵的被省略元素的数量小于原始矩阵的被省略元素的数量，以及其中预处理组件被配置为通过基于半导体制造设备的特性和多个工艺参数的特性中的至少一种特性修改原始数据，来生成张量数据。
8.根据本发明构思的另一方面，提供了一种半导体工艺建模方法，该方法包括：从半
导体制造设备获得包括多个工艺参数值的原始数据；以及通过基于半导体制造设备的特性和多个工艺参数的特性中的至少一种特性修改原始数据，来生成张量数据，其中当原始数据表示为对多个晶片中每一个晶片的多个工艺参数的值加以表示的原始矩阵时，省略原始矩阵的至少一个元素，以及其中当张量数据表示为对多个晶片中每一个晶片的多个预处理工艺参数的值加以表示的张量矩阵时，张量矩阵的被省略元素的数量小于原始矩阵的被省略元素的数量。
附图说明
9.根据以下结合附图的具体实施方式将更清楚地理解本发明构思的实施例，在附图中类似的附图标记对应于类似的元件。在附图中：
10.图1是根据示例实施例的半导体制造系统的框图；
11.图2是根据示例实施例的原始数据的图；
12.图3是根据示例实施例的张量数据的图；
13.图4是根据示例实施例的张量数据的图；
14.图5是根据示例实施例的计算机系统的框图；
15.图6是根据示例实施例的访问计算机可读介质的计算机系统的框图；
16.图7是根据示例实施例的半导体制造系统的操作的图；
17.图8是通过图7的操作生成的原始数据的图；
18.图9是通过图7的操作生成的张量数据的图；
19.图10是根据示例实施例的半导体制造系统的操作的图；
20.图11是通过图10的操作生成的原始数据的图；
21.图12是通过图10的操作生成的张量数据的图；
22.图13是根据示例实施例的半导体制造系统的操作的图；
23.图14是通过图13的操作生成的原始数据的图；
24.图15是通过图13的操作生成的张量数据的图；
25.图16是根据示例实施例的半导体制造系统的操作的图；
26.图17是通过图16的操作生成的原始数据的图；
27.图18是通过图14的操作生成的张量数据的图；
28.图19是根据示例实施例的建模组件的框图；
29.图20是根据示例实施例的建模组件的操作的概念图；
30.图21是根据示例实施例的建模组件的操作的概念图；
31.图22是根据示例实施例的建模组件的操作的概念图；
32.图23是比较示例的建模结果的图；
33.图24是根据示例实施例的建模结果的图；
34.图25是根据示例实施例的半导体工艺建模方法的流程图；
35.图26是根据示例实施例的半导体工艺建模方法的流程图；
36.图27是根据示例实施例的半导体工艺建模方法的流程图；
37.图28是根据示例实施例的半导体工艺建模方法的流程图；
38.图29是根据示例实施例的半导体工艺建模方法的流程图；
39.图30是根据示例实施例的半导体工艺建模方法的流程图；以及
40.图31是根据示例实施例的半导体工艺建模方法的流程图。
具体实施例
41.图1是根据示例实施例的半导体制造系统1000的框图。
42.参考图1，根据示例实施例的半导体制造系统1000可以包括第一半导体制造设备1100a至第八半导体制造设备1100h以及半导体工艺建模系统ms。尽管图1示出了半导体制造系统1000包括八个制造设备，即第一半导体制造设备1100a至第八半导体制造设备1100h，但是半导体制造设备的数量可以是任何自然数。第一半导体制造设备1100a至第八半导体制造设备1100h可以作为半导体工艺中使用的多个半导体制造设备的示例。
43.在一些实施例中，第一半导体制造设备1100a可以包括蚀刻设备。第一半导体制造设备1100a可以被配置为去除晶片或晶片上的材料层的至少一些部分。第一半导体制造设备1100a可以包括干法蚀刻设备和湿法蚀刻设备中的至少一种。
44.在一些实施例中，第二半导体制造设备1100b可以包括光刻设备。第二半导体制造设备1100b可以被配置为在晶片上形成光刻胶图案。例如，第二半导体制造设备1100b可以在晶片上形成光刻胶层，将光刻胶层部分地曝光，以及部分地去除光刻胶层。第二半导体制造设备1100b可以包括光刻胶涂覆设备(例如，旋涂设备)、曝光设备和显影设备中的至少一种。
45.在一些实施例中，第三半导体制造设备1100c可以包括清洗设备。第三半导体制造设备1100c可以被配置为去除晶片或晶片上的材料层上的残留物或污染物。第三半导体制造设备1100c可以包括湿法清洗设备、干法清洗设备和蒸汽清洗设备中的至少一种。
46.在一些实施例中，第四半导体制造设备1100d可以包括化学气相沉积(cvd)设备。第四半导体制造设备1100d可以被配置为使用cvd方法在晶片上形成材料层。第四半导体制造设备1100d可以包括热cvd设备、等离子体cvd设备和光cvd设备中的至少一种。尽管未图示，但除了第四半导体制造设备1100d中包括的化学气相沉积(cvd)设备之外，第四半导体制造设备1100d还可以包括物理气相沉积(pvd)设备、原子层沉积(ald)设备和电镀设备中的至少一种。
47.在一些实施例中，第五半导体制造设备1100e可以包括化学物理抛光(cmp)设备。第五半导体制造设备1100e可以通过抛光晶片或晶片上的材料层来平坦化或去除晶片或晶片上的材料层。
48.在一些实施例中，第六半导体制造设备1100f可以包括离子注入设备。第六半导体制造设备1100f可以被配置为将杂质离子注入晶片或晶片上的材料层。杂质离子可以包括第15族元素和第13族元素中的至少一种。第15族元素可包括磷(p)、砷(as)或其组合。第13族元素可以包括硼(b)。
49.在一些实施例中，第七半导体制造设备1100g可以包括扩散设备。第七半导体制造设备1100g可以被配置为在晶片中或晶片上的材料层中扩散杂质离子。
50.在一些实施例中，第八半导体制造设备1100h可以包括金属化设备。第八半导体制造设备1100h可以被配置为在晶片上形成金属布线。
51.第一半导体制造设备1100a至第八半导体制造设备1100h中的每一个可以依次处
理晶片。第一半导体制造设备1100a至第八半导体制造设备1100h可以包括测量至少一个工艺参数的至少一个传感器。例如，第一半导体制造设备1100a至第八半导体制造设备1100h中的每一个可以包括以下各项中的至少一种：温度传感器、压力传感器、通量传感器、湿度传感器、ph传感器、位置传感器、功率传感器、电压传感器和电流传感器。
52.半导体工艺建模系统ms可以被配置为根据包括从第一半导体制造设备1100a至第八半导体制造设备1100h的传感器获得的多个工艺参数的值在内的原始数据rd，来生成张量数据td，并基于张量数据td对半导体工艺进行建模。半导体工艺建模系统ms可以包括由计算机系统实施的预处理组件1200和建模组件1300。
53.预处理组件1200可以被配置为根据从第一半导体制造设备1100a至第八半导体制造设备1100h获得的原始数据rd来生成张量数据td。预处理组件1200可以被配置为通过基于第一半导体制造设备1100a至第八半导体制造设备1100h的特性和多个工艺参数的特性中的至少一种特性修改原始数据rd，来生成张量数据td。
54.建模组件1300可以基于张量数据td对半导体工艺进行建模以预测工艺结果值。这里，工艺结果可以是例如成品率、图案宽度、图案长度、图案直径、孔直径、孔深度、图案尺寸的标准偏差等。在一些实施例中，机器学习可用于半导体工艺建模。在这种情况下，建模组件1300可以训练机器学习模型以基于张量数据td来预测工艺结果值。
55.用户ur可以基于由半导体工艺建模系统ms的建模组件1300生成的模型来控制、改变和/或调整第一半导体制造设备1100a至第八半导体制造设备1100h中的至少一个。例如，用户ur可以控制、改变和/或调整第一半导体制造设备1100a至第八半导体制造设备1100h中的至少一个半导体制造设备以实现期望的工艺结果值。例如，为了提高成品率，用户ur可以找到对成品率影响最大的工艺参数，然后控制、改变和/或调整第一半导体制造设备1100a至第八半导体制造设备1100h中的至少一个半导体制造设备以改变工艺参数。
56.图2是根据示例实施例的原始数据rd的图。
57.参考图2，原始数据rd可以表示为原始矩阵，该原始矩阵表示多个晶片wf(例如，第一晶片wf1至第四晶片wf4)和批次wf0中每一个的多个工艺参数p的值，该批次wf0可以包括第一晶片wf1至第四晶片wf4。工艺参数p的值可以包括例如温度t11、t12、t2和t3、厚度t4以及厚度差δt4。尽管未示出，工艺参数p还可以包括压力、通量率、ph、湿度、照度、时间、电压、功率、电流等。如图2所示，原始矩阵的一些元素fc可以具有值，而原始矩阵的其他元素ec可以不具有值。即，原始矩阵的一些元素fc可以被填充，而原始矩阵的其他元素ec可以被省略。
58.当将常数值(例如0)任意插入被省略的数据时，或者仅利用被填充的数据fc进行建模时，建模是基于失真的数据进行的，这可能导致半导体工艺模型的性能下降。为了用有意义的值填充数据，需要了解测量参数相关的设备的特性以及测量参数的特性。因此，在设备中使用这样的原始数据rd来执行建模对于非专家人士来说可能并不容易。
59.图3是根据示例实施例的张量数据td的图。
60.参考图3，张量数据td可以表示为对多个晶片wf(例如，第一晶片w1至第四晶片w4)中每一个晶片的多个预处理工艺参数p
′
的值加以表示的张量矩阵。预处理工艺参数p
′
的值可以根据原始数据rd的工艺参数p的值来计算。如图3所示，张量矩阵的一些元素fc
′
可以具有值，而张量矩阵的其他元素ec
′
可以不具有值。例如，张量矩阵的一些元素fc
′
可以被填
充，而张量矩阵的其他元素ec
′
被省略。然而，张量矩阵的被省略元素ec
′
的数量可以比图2的原始矩阵rd的被省略元素ec的数量少。例如，图3的张量矩阵的被省略元素ec
′
的数量为3，而图2的原始矩阵的被省略元素ec的数量为16。
61.在多个预处理工艺参数p
′
中，对于每一个晶片wf具有对应值的预处理工艺参数t1、t3和t4可以被定义为张量化的。另一方面，多个预处理工艺参数p
′
中的一些参数t2和δt4可以是未张量化的。张量化率可以定义为“(张量化的预处理工艺参数的数量)/(所有预处理工艺参数的数量)
×
100”。在图3的示例中，张量化率为(3/5)
×
100＝60％。当基于张量数据td来执行半导体工艺的建模时，可以改善半导体工艺模型的性能。例如，模型可以根据多个预处理工艺参数p
′
中的至少一个预处理工艺参数来更好地预测工艺结果值。
62.图4是根据示例实施例的张量数据td0的图。
63.参考图4，张量数据td0可以表示为张量矩阵，该张量矩阵表示多个晶片wf(例如，第一晶片w1至第四晶片w4)中的每一个晶片的多个预处理工艺参数p0
′
的值。张量矩阵的所有元素都可以被填充。即，张量矩阵的被省略元素的数量可以为0。换言之，张量矩阵可以不包括被省略的元素。例如，张量数据td0可以是完全张量化的，并且张量数据td0的张量化率可以是100％。当基于张量数据td0来执行半导体工艺的建模时，可以改善模型的性能。例如，模型可以根据多个预处理工艺参数p0
′
中的至少一个预处理工艺参数来更好地预测工艺结果值。由于没有被省略的元素，非专家人士也可以通过使用张量数据td0和建模组件1300(参见图1)来容易地对半导体工艺执行建模。
64.图5是根据示例实施例的计算机系统170的框图。可以在计算机系统170中执行参考图25到图31描述的半导体工艺建模方法。在一些实施例中，计算机系统170可以被称为半导体工艺建模系统ms(参见图1)。
65.计算机系统170可以包括至少一个计算设备。例如，计算机系统170可以包括实施图1的预处理组件1200的第一计算设备和实施图1的建模组件1300的第二计算设备。在另一实施例中，可以在同一计算设备中实施预处理组件1200和建模组件1300。计算设备可以是诸如台式计算机、工作站、服务器等的固定计算设备，也可以是诸如膝上型计算机、平板电脑、智能手机等的便携式计算设备。
66.如图5所示，计算机系统170可以包括处理器171、输入/输出(i/o)设备172、网络接口173、随机存取存储器(ram)174、只读存储器(rom)175和储存装置176。处理器171、i/o设备172、网络接口173、ram 174、rom 175和储存装置176可以连接到总线177，并通过总线177彼此通信。
67.处理器171可以被称为处理单元，并且可以包括能够执行命令集的至少一个核(例如，英特尔架构(ia)-32、64位扩展ia-32、x86-64、powerpc、sparc、mips、arm、ia-64等)，例如微处理器、应用处理器(ap)、数字信号处理器(dsp)和图形处理单元(gpu)。例如，处理器171可以通过总线177访问存储器，即ram 174或rom 175，并执行ram 174或rom 175中存储的命令。
68.ram 174可以存储用于半导体工艺建模的程序174_1或该程序174_1的至少一部分，并且用于半导体工艺建模的程序174_1可以使处理器171执行半导体工艺建模方法。例如，程序174_1可以包括处理器171可执行的多个命令，并且程序174_1中包括的多个命令可以使处理器171执行半导体工艺建模方法。
69.即使切断供应给计算机系统170的电力时，储存装置176也可以不丢失所存储的数据。例如，储存装置176可以包括非易失性存储器件，或者可以包括诸如磁带、光盘和磁盘等的储存介质。此外，储存装置176可以是从计算机系统170可拆卸的。根据本发明构思的示例实施例，储存装置176可以存储程序174_1，并且程序174_1或其至少一部分可以在处理器171执行程序174_1之前从储存装置176加载到ram 174。备选地，储存装置176可以存储以程序语言编写的文件，并且由编译器等生成的程序174_1或其至少一部分可以从该文件加载到ram 174。如图5所示，储存装置176可以存储数据库176_1，并且数据库176_1可以包括半导体工艺建模所需的数据，例如图1的原始数据rd。
70.储存装置176可以存储要由处理器171处理的数据或由处理器171处理的数据。例如，处理器171可以通过根据程序174_1处理储存装置176中存储的数据来生成数据，并将生成的数据(例如，图1的张量数据td和工艺结果的预测值)存储在储存装置176中。
71.i/o设备172可以包括诸如键盘、指点设备等的输入设备，并且可以包括诸如显示设备、打印机等的输出设备。例如，用户可以通过i/o设备172触发处理器171执行程序174_1，并检查结果数据。
72.网络接口173可以提供对计算机系统170外部的网络的访问。例如，网络可以包括多个计算系统和通信链路，并且通信链路可以包括有线链路、光链路、无线链路或任何其他类型的链路。
73.图6是根据示例实施例的访问计算机可读介质184的计算机系统182的框图。图25至图31中所示的半导体工艺建模方法中包括的操作中的至少一些操作可以由计算机系统182执行。计算机系统182可以访问计算机可读介质184，并且可以执行计算机可读介质184中存储的程序184_1。在一些实施例中，计算机系统182和计算机可读介质184可以统称为半导体工艺建模系统ms(参见图1)。
74.计算机系统182可以包括至少一个计算机子系统，并且程序184_1可以包括由至少一个计算机子系统实施的至少一个组件。例如，至少一个组件可以包括预处理组件1200(参见图1)和建模组件1300(参见图1)。类似于图5的储存装置176，计算机可读介质184可以包括非易失性存储器件，或者诸如磁带、光盘和磁盘等的储存介质。此外，计算机可读介质184可以是从计算机系统182可拆卸的。
75.图7是根据示例实施例的半导体制造系统1000-1的操作的图。图8是通过图7的操作生成的原始数据rd1的图。图9是通过图7的操作生成的张量数据td1的图。
76.参考图7至图9，半导体制造设备1100-1可以包括第一腔室ch1和第二腔室ch2。半导体制造设备1100-1可以在第一腔室ch1中处理第一晶片wf1至第四晶片wf4中的一些晶片，例如，第一晶片wf1和第三晶片wf3。半导体制造设备1100-1可以在第二腔室ch2中处理第一晶片wf1至第四晶片wf4中的一些晶片，例如，第二晶片wf2和第四晶片wf4。半导体制造设备1100-1可以是图1的第一半导体制造设备1100a至第八半导体制造设备1100h中的任何一个。
77.预处理组件1200可以从半导体制造设备1100-1的依次处理第一晶片wf1和第三晶片wf3的第一腔室ch1获得第一工艺参数t11的值。此外，预处理组件1200可以从半导体制造设备1100-1的依次处理第二晶片wf2和第四晶片wf4的第二腔室ch2获得第二工艺参数t12的值。例如，第一工艺参数t11可以是第一腔室ch1的温度，而第二工艺参数t12可以是第二
腔室ch2的温度。
78.在这种情况下，原始数据rd1可以包括第一晶片wf1和第三晶片wf3中每一个晶片的第一工艺参数t11的值、以及第二晶片wf2和第四晶片wf4中每一个晶片的第二工艺参数t12的值。相反，原始数据rd1可以不包括第一晶片wf1和第三晶片wf3中每一个晶片的第二工艺参数t12的值、以及第二晶片wf2和第四晶片wf4中每一个晶片的第一工艺参数t11的值。
79.预处理组件1200可以通过将第一工艺参数t11和第二工艺参数t12合并为一个预处理工艺参数t1来生成张量数据td1。例如，第一晶片wf1的预处理工艺参数t1的值可以与第一晶片wf1的第一工艺参数t11的值相同，第二晶片wf2的预处理工艺参数t1的值可以与第二晶片wf2的第二工艺参数t12的值相同，第三晶片wf3的预处理工艺参数t1的值可以与第三晶片wf3的第一工艺参数t11的值相同，以及第四晶片wf4的预处理工艺参数t1可以与第四晶片wf4的第二工艺参数t12的值相同。预处理组件1200可以将生成的张量数据td1提供给建模组件1300以用于进一步处理。
80.图10是根据示例实施例的半导体制造系统1000-2的操作的图。图11是通过图10的操作产生的原始数据rd2的图。图12是通过图10的操作生成的张量数据td2的图。
81.半导体制造设备1100-2可以包括腔室ch-2。腔室ch-2可以同时容纳两个晶片。半导体制造设备1100-2可以在腔室ch-2中同时处理第一晶片wf1和第二晶片wf2。此外，半导体制造设备1100-2可以在腔室ch-2中同时处理第三晶片wf3和第四晶片wf4。半导体制造设备1100-2可以是图1的第一半导体制造设备1100a至第八半导体制造设备1100h中的任何一个。
82.预处理组件1200可以从腔室ch-2获得工艺参数t2的值。在一些实施例中，工艺参数t2可以是腔室ch-2的温度。
83.在这种情况下，原始数据rd2可以包括第一晶片wf1的工艺参数t2的值，不包括第二晶片wf2的工艺参数t2的值，包括第三晶片wf3的工艺参数t2的值，以及不包括第四晶片wf4的工艺参数t2的值。
84.预处理组件1200可以通过复制第一晶片wf1的工艺参数t2的值作为第一晶片wf1和第二晶片wf2中每一个晶片的预处理工艺参数t2
′
的值，并且复制第三晶片wf3的工艺参数t2的值作为第三晶片wf3和第四晶片wf4中每一个晶片的预处理工艺参数t2
′
的值，来生成张量数据td2。例如，第一晶片wf1和第二晶片wf2中每一个晶片的预处理工艺参数t2
′
的值可以与第一晶片wf1的工艺参数t2的值相同，而第三晶片wf3和第四晶片wf4中每一个晶片的预处理工艺参数t2
′
的值可以与第三晶片wf3的工艺参数t2的值相同。预处理组件1200可以将生成的张量数据td2提供给建模组件1300以用于进一步处理。
85.图13是根据示例实施例的半导体制造系统1000-3的操作的图。图14是通过图13的操作产生的原始数据rd3的图。图15是通过图13的操作生成的张量数据td3的图。
86.参考图13到图15，半导体制造设备1100-3可以包括腔室ch-3，并且半导体制造设备1100-3可以在腔室ch中处理包括第一晶片wf1至第四晶片wf4的批次wf0。例如，半导体制造设备1100-3可以在腔室ch-3中同时处理第一晶片wf1至第四晶片wf4。半导体制造设备1100-3可以是图1的第一半导体制造设备1100a至第八半导体制造设备1100h中的任何一个。
87.预处理组件1200可以从半导体制造设备1100-3的处理批次wf0的腔室ch-3获得工艺参数t3的值。这里，工艺参数t3可以是腔室ch-3的温度。
88.在这种情况下，原始数据rd3可以包括批次wf0的工艺参数t3的值，并且可以不包括第一晶片wf1至第四晶片wf4的工艺参数t3的值。
89.预处理组件1200可通过复制批次wf0的工艺参数t3的值作为第一晶片wf1至第四晶片wf4中每一个晶片的预处理工艺参数t3
′
的值，来生成张量数据td3。例如，第一晶片wf1至第四晶片wf4中每一个晶片的预处理工艺参数t3
′
的值可以与批次wf0的工艺参数t3的值相同。预处理组件1200可以将生成的张量数据td3提供给建模组件1300以用于进一步处理。
90.尽管图13至图15示出了包括四个晶片(例如，第一晶片wf1至第四晶片wf4)的批次，但批次中的晶片的数量可以更多或更少。例如，批次wf0可以包括两个晶片(例如，第一晶片wf1和第二晶片wf2)、三个晶片(例如，第一晶片wf1至第三晶片wf3)，或者多于四个晶片(例如，第一晶片wf1至第n晶片wfn)。
91.图16是根据示例实施例的半导体制造系统1000-4的操作的图。图17是通过图16的操作生成的原始数据rd4的图。图18是通过图14的操作生成的张量数据td4的图。
92.参考图16到图18，半导体制造设备1100-4可以依次处理第一晶片wf1至第四晶片wf4。半导体制造设备1100-4可以是图1的第一半导体制造设备1100a至第八半导体制造设备1100h中的任何一个。预处理组件1200可以从半导体制造设备1100-3获得第一工艺参数t4和第二工艺参数δt4。第一工艺参数t4可以是晶片上的薄膜的厚度，而第二工艺参数δt4可以是第一晶片wf1的薄膜与第一晶片之外的某个晶片的薄膜之间的厚度差。
93.原始数据rd4可以包括第一晶片wf1的第一工艺参数t4的值，但不包括第一晶片wf1的第二工艺参数δt4的值，并且包括第二晶片wf2的第一工艺参数t4和第二工艺参数δt4的值、第三晶片wf3的第一工艺参数t4和第二工艺参数δt4的值、以及第四晶片wf4的第一工艺参数t4和第二工艺参数δt4的值。例如，当原始数据rd4表示为原始矩阵时，可以省略与第一晶片wf1的第二工艺参数δt4的值相对应的元素。
94.第二晶片wf2至第四晶片wf4的第二工艺参数δt4的值可以根据第一晶片wf1至第四晶片wf4的第一工艺参数t4的值来计算。例如，当第一工艺参数t4为晶片上的薄膜的厚度，并且第二工艺参数δt4为第一晶片wf1上的薄膜与某个晶片上的薄膜之间的厚度差时，可以通过从第二晶片wf2的第一工艺参数t4的值减去第一晶片wf1的第一工艺参数t4的值来计算第二晶片wf2的第二工艺参数t4的值。类似地，第三晶片wf3的第二工艺参数δt4的值可以通过从第三晶片wf3的第一工艺参数t4的值减去第一晶片wf1的第一工艺参数t4的值来计算。此外，第四晶片wf4的第二工艺参数δt4的值可以通过从第四晶片wf4的第一工艺参数t4的值减去第一晶片wf1的第一工艺参数t4的值来计算。
95.预处理组件1200可以通过删除第二晶片wf2至第四晶片wf4的第二工艺参数δt4的值来生成张量数据td4。例如，张量数据td4可以包括第一晶片wf1至第四晶片wf4中每一个晶片的第一工艺参数t4的值，并且可以不包括第一晶片wf1至第四晶片wf4中任何一个晶片的第二工艺参数δt4的值。预处理组件1200可以将生成的张量数据td4提供给建模组件1300以用于进一步处理。
96.图7至图18示出了当原始数据表示为原始矩阵时原始矩阵具有被省略的元素的示例，以及基于半导体制造设备的特性和参数的特性中的至少一种特性从原始数据生成张量
数据的示例。然而，除了图7至图18所示的示例之外，还可以有原始数据表示为原始矩阵时原始矩阵具有被省略的元素的各种示例。此外，除了图7至图18所示的示例之外，还可以有基于半导体制造设备的特性和参数的特性中的至少一种特性从原始数据生成张量数据的各种示例。
97.图19是根据示例实施例的建模组件1300的框图。图20是根据示例实施例的建模组件1300的操作的概念图。图21是根据示例实施例的建模组件1300的操作的概念图。图22是根据示例实施例的建模组件1300的操作的概念图。
98.参考图19至图22，建模组件1300可以包括模型学习子组件1310、工艺结果值预测子组件1320、以及变量重要性计算子组件1330。
99.模型学习子组件1310可以生成机器学习模型md，并且训练该机器学习模型md。机器学习模型md可以包括例如线性回归模型、支持向量机模型、决策树模型、随机森林模型、xg增强(xg boost)模型或梯度增强模型等。
100.模型学习子组件1310可以通过使用监督学习、半监督学习、无监督学习或其组合来训练机器学习模型md。可以训练模型学习子组件1310，以根据至少一个预处理工艺参数输出工艺结果预测值。
101.如图20所示，工艺结果值预测子组件1320可以通过使用由模型学习子组件1310训练的机器学习模型md，根据至少一个预处理工艺参数预测工艺结果值。
102.如图21所示，变量重要性计算子组件1330可以通过使用由模型学习子组件1310训练的第一机器学习模型md1，根据第一机器学习模型md1来计算每个预处理工艺参数的重要性，该第一机器学习模型md1被训练以从多个预处理工艺参数预测工艺结果预测值。重要性高的预处理工艺参数可以对工艺结果值具有更大的影响。
103.此外，模型学习子组件1310可以训练第二机器学习模型md2，以根据多个预处理工艺参数中具有最高重要性的预处理工艺参数来预测工艺结果值。如图22所示，工艺结果值预测子组件1320可以通过使用由模型学习子组件1310训练的第二机器学习模型md2，根据具有最高重要性的预处理工艺参数来预测工艺结果值。
104.图23是根据比较示例的建模结果的图。
105.参考图23，在不将原始数据转换为张量数据的情况下，通过使用基于原始数据训练的机器学习模型来预测工艺结果值。xg增强模型己被用作机器运行模型。在图23中，x轴表示工艺结果的预测值，而y轴表示工艺结果的实际值。表示工艺结果的预测值与实际值之间的相关性的r2值已经计算为-0.11。具有负值的r2意味着工艺结果的预测值与实际值之间没有相关性。例如，在不将原始数据转换为张量数据的情况下，基于原始数据训练的机器学习模型可能无法准确预测工艺结果值。
106.图24是根据示例实施例的建模结果的图。
107.参考图24，通过使用基于张量数据训练的机器学习模型来预测工艺结果值。xg增强模型已被用作机器运行模型。在图24中，x轴表示工艺结果的预测值，而y轴表示工艺结果的实际值。表示工艺结果的预测值与实际值之间的相关性的r2值已经计算为0.37。该值指示工艺结果的预测值与实际值之间存在显著相关性。例如，基于张量数据训练的机器学习模型已成功预测工艺结果值。通过将图23的比较示例与图24的实施例进行比较，可以理解，通过将原始数据转换为张量数据的半导体工艺建模系统，用户可以更容易地获得高性能模
型。
108.图25是根据示例实施例的半导体工艺建模方法100的流程图。
109.参考图25以及图1至图3，可以从第一半导体制造设备1100a至第八半导体制造设备1100h获得包括多个工艺参数的值的原始数据rd(s110)。然后，可以通过基于第一半导体制造设备1100a至第八半导体制造设备1100h的特性和多个工艺参数的特性中的至少一种特性修改原始数据rd来生成张量数据td(s120)。接下来，可以基于张量数据td来执行建模(s130)。
110.图26是根据示例实施例的半导体工艺建模方法100-1的流程图。
111.参考图26以及图7至图9，用于获得原始数据的操作s110-1可以包括用于从半导体制造设备1100-1的处理第一晶片wf1的第一腔室ch1获得第一晶片wf1的第一工艺参数t11的值的操作s110-1a、以及用于从半导体制造设备的处理第二晶片wf2的第二腔室ch2获得第二晶片wf2的第二工艺参数t12的值的操作s110-1b。在一些实施例中，用于获得第一工艺参数t11的值的操作s110-1a和用于获得第二工艺参数t12的值的操作s110-1b可以同时执行。接下来，可以通过将第一工艺参数t11和第二工艺参数t12合并为预处理工艺参数来生成张量数据td1(s120-1)。然后，可以基于张量数据td1执行建模(s130)。
112.图27是根据示例实施例的半导体工艺建模方法100-2的流程图。
113.参考图27和图10至图12，可以通过从半导体制造设备1100-2的同时处理第一晶片wf1和第二晶片wf2的腔室ch-2获得第一晶片wf1的工艺参数的值，来获得原始数据(s110-2)。接下来，可以通过复制第一晶片wf1的工艺参数t2的值作为第一晶片wf1和第二晶片wf2中每一个晶片的预处理工艺参数t2
′
的值，来生成张量数据td2(s120-2)。然后，可以基于张量数据td2来执行建模(s130)。图28是根据示例实施例的半导体工艺建模方法100-3的流程图。
114.参考图28以及图13至图15，可以通过从半导体制造设备1100-3的处理包括第一晶片wf1至第四晶片wf4在内的批次wf0的腔室ch-3获得工艺参数t3的值，来获得原始数据(s110-3)。接下来，可以通过复制批次wf0的工艺参数t3的值作为第一晶片wf1至第四晶片wf4中每一个晶片的预处理工艺参数t3
′
的值，来生成张量数据td3。然后，可以基于张量数据td3来执行建模(s130)。
115.图29是根据示例实施例的半导体工艺建模方法100-4的流程图。
116.参考图29以及图16至图18，获得原始数据的操作s110-4可以包括获得第一晶片wf1的第一工艺参数t4的值的操作s110-4a、以及获得第二晶片wf2的第一工艺参数t4和第二工艺参数δt4的值的操作s110-4b。接下来，可以通过删除第二晶片wf2的第二工艺参数δt4来生成张量数据td4(s120-4)。然后，可以基于张量数据td4来执行建模(s130)。
117.在一些实施例中，可以对第三晶片wf3和第四晶片wf4执行操作s110-4b。例如，在操作s110-4b中，可以获得第二晶片wf2至第四晶片wf4的第一工艺参数t4和第二工艺参数δt4的值。在这样的实施例中，在操作s120-4中，可以通过删除第二晶片wf2至第四晶片wf4中每一个晶片的第二工艺参数δt4来生成张量数据td4。
118.图30是根据示例实施例的半导体工艺建模方法100-5的流程图。
119.参考图30和图20，可以获得原始数据(s110)，并且可以根据原始数据生成张量数据(s120)。接下来，建模操作s130-5可以包括训练机器学习模型md以根据至少一个预处理
工艺参数来预测工艺结果值的操作s130-5a、以及使用机器学习模型md来根据至少一个预处理工艺参数预测工艺结果值的操作s130-5b。
120.图31是根据示例实施例的半导体工艺建模方法100-6的流程图。
121.参考图31、图21和图22，可以获得原始数据(s110)并且可以根据原始数据生成张量数据(s120)。接下来，建模操作s130-6可以包括：训练第一机器学习模型md1以根据多个预处理工艺参数来预测工艺结果值的操作s130-6a；使用第一机器学习模型md1来计算多个预处理工艺参数的重要性的操作s130-6b；训练第二机器学习模型md2以根据多个预处理工艺参数中具有最高重要性的预处理工艺参数来预测工艺结果值的操作s130-6c；以及使用第二机器学习模型md2来根据具有最高重要性的预处理工艺参数预测工艺结果值的操作s130-6d。
122.尽管已经参考本发明构思的实施例具体示出和描述了本发明构思，但是将理解，在不脱离所附权利要求的精神和范围的情况下，可以在其中进行形式和细节上的各种改变。