智能優(yōu)化技術在CMP銅拋光材料與工藝參數(shù)優(yōu)化中的應用研究.pdf

1、隨著GLSI的高度集成化和立體化，互連線的特征尺寸越來越小，對平坦化的要求越來越高，在多層銅布線的化學機械拋光（Chemical Mechanical Polishing, CMP）過程中，拋光液和拋光工藝是影響拋光后晶圓的表面質(zhì)量和平坦化性能的兩個關鍵因素。拋光液中各成分含量的比例不同，工藝不同，均會導致不同的拋光速率和平坦化效果。因此如何獲得拋光液中各成分含量的比例和拋光工藝與拋光速率和平坦化效果之間的映射關系，并根據(jù)該映射關系得到

2、滿足工業(yè)要求的拋光液各組成成分的最佳配比和工藝條件，是目前研究的一個前沿課題。
　　針對該問題，本課題采用我校微電子所自主研發(fā)的以FA/O型螯合劑為主要成分的多層銅布線堿性拋光液，通過計算機智能優(yōu)化技術來分析優(yōu)化該拋光液中各成分含量的比例和拋光工藝，從而提高拋光速率和平坦化性能。
　　首先，作為一個跨學科的研究課題，在研究了以化學作用為主的 CMP堿性技術的反應機理的基礎上，通過對計算機智能優(yōu)化技術中的誤差反向傳播(Back

3、 Propagation, BP）神經(jīng)網(wǎng)絡和人工蜂群（Artificial Bee Colony, ABC）算法的深入學習和研究，將BP神經(jīng)網(wǎng)絡和ABC算法兩者相結(jié)合，針對現(xiàn)有建模方法BP-ABC算法預測能力不佳的問題，提出了改進后的建模方法：Back Propagation Niche Crowding Artificial Bee Colony算法，簡稱BP-NCABC算法。通過仿真實驗證明BP-NCABC算法在建模能力和泛化能力方

4、面均優(yōu)于BP-ABC算法。
　　其次，利用BP-NCABC算法對CMP實驗數(shù)據(jù)進行仿真實驗，建立拋光液各成分與拋光速率之間的關系模型，實現(xiàn)了對拋光速率的預測。同時利用該方法，針對300mm銅光片的實驗數(shù)據(jù)建立了拋光液各成分和拋光工藝與拋光速率和片內(nèi)非均勻性（With-In-Wafer-Non-Uniformity, WIWNU）之間的關系模型，實現(xiàn)了對拋光速率和WIWNU的同時預測，大大提高了在CMP工藝和材料的優(yōu)化過程中的效率。

5、
　　最后，利用統(tǒng)計學中的敏感性分析方法對以上兩個模型進行敏感性分析，使拋光工藝和拋光液各組成成分及其交互作用對拋光速率的影響程度和對 WIWNU的影響程度得到了量化。根據(jù)量化分析結(jié)果，結(jié)合實際實驗驗證發(fā)現(xiàn)：在工藝條件為：壓力1.2psi，流量300ml/min，拋光機轉(zhuǎn)速為87rpm/min，拋光液各組成成分的配比為：磨料濃度為7vol.％，氧化劑濃度為0.5 vol.%，F(xiàn)A/O型螯合劑濃度為2.5 vol.%，活性劑濃度為3