플라즈마 식각공정에서 Radial Basis Function Neural Network Model를 이용한 식각 종료점 검출

반도체 제조공정 중 식각공정(Etching)은 웨이퍼표면으로부터 화학적, 물리적으로 불필요한 물질들을 선택적으로 제거하는 방법이다. 식각공정 중 하나인 플라즈마 식각(Plasma etching) 공정에서 오버식각(over-etching) 과언더식각(under-etching) 되는것을피하기위해서통계적인방법을기준으로식각종료점(endpoint)를 결정한다. 본 논문의 목표는 통계적인 분석방법을 이용하지 않고 실시간 식각 데이터(realtime etching data)를 사용해서 식각 종료점을 검출하는 것이다. 식각 데이터는 시계열 데이터(time-series data)이기 때문에 간단한 구조와 적은 계산량으로 빠른 수렴속도와 좋은 안정도를 가진 Radial Basis Function Neural Network's (RBF-NN) 를 이용하여 시계열 모델(time-series model)을 구현 하였다. 광학방사분광기(Optical Emission Spectroscopy: OES)로부터 나온 6개의 데이터 세트중에서 4개의 데이터 세트는 RBF-NN을 학습하는데 사용되고 2개의 데이터 세트는 모델의 성과를 시험해 보기 위하여 사용하였다. 학습을 위한 데이터들은 Matrix화 시켜서 목표값을 설정하여 학습시킨다. 실험한 결과 학습한 RBF-NN 모형이 식각 종료점(endpoint)를 정확하게 검출된다는 것을 보여준다.