JP7424909B2 - 処理条件探索装置および処理条件探索方法 - Google Patents

Description

本発明は、所望の処理結果を実現する処理条件を探索する処理条件探索装置および処理条件探索方法に関する。

半導体プロセスでは、プロセス開発により得られる適正な処理条件を処理装置に設定することによって、所望の半導体デバイス加工を行う。ここで処理条件は、処理装置の少なくとも１つ以上の制御パラメータの項目からなる。

近年、新材料の導入やデバイス構造の複雑化に伴う処理装置の制御範囲の拡大によって、処理条件に新たな項目が多数追加されている。処理装置の性能を十分に引き出すためには処理条件の最適化が不可欠である。このため、プロセス開発者が求める良好な処理結果を実現する処理条件を機械学習により導出する手法が注目されている。ここで処理結果は、処理が実施された試料の形状や性質などを示す、少なくとも１つ以上の項目からなる。以下、この良好な処理結果を「目標処理結果」と呼ぶ。

目標処理結果について、Line and Spaceパターンを試料に形成するエッチングプロセスの例を用いて説明する。図１にエッチング前後における典型的なLine and Spaceパターンの試料の断面図を示す。被エッチ膜１上にマスク２が形成された試料をエッチングすることで、マスク２のない被エッチ膜１が優先的にエッチングされ、トレンチ３が形成される。なお、エッチング後の断面図において、破線はエッチング前のマスク２及び被エッチ膜１の位置を示している。トレンチ深さｈが処理結果の項目であるとすると、目標処理結果は、「100nmのトレンチ深さｈ」、「100nm以上のトレンチ深さｈ」というように所定の値または所定の値の範囲として定義される。このような目標処理結果を実現する処理条件を「目標処理条件」と呼ぶ。

目標処理条件を機械学習により導出する手法は、一般的には以下の手順で実施される。まず、目標処理結果を設定する。一方、複数の基礎処理条件を決定して試料に対して基礎処理条件に基づく処理を実行し、基礎処理条件とその処理結果からなる処理データを取得して、初期処理データベースを構築する。初期処理データベースに基づく機械学習により、基礎処理条件とその処理結果との間の相関関係を記述するモデルを推定する。以下、このようなモデルについて、処理条件を入力ｘ、その処理結果を出力ｙと見立てると、入出力関係ｙ＝ｆ（ｘ）を記述するモデルであるので、入出力モデルと呼ぶ。推定した入出力モデルに基づき、目標処理結果を満たす処理条件（「予測処理条件」と呼ぶ）を予測する。

続いて、得られた予測処理条件を使用して検証実験を実施する。すなわち、予測処理条件に基づく処理を実行し、得られた処理結果が目標処理結果であるか否かを判別する。目標処理結果が得られた場合は予測処理条件を目標処理条件として、検証実験を終える。これに対して、目標処理結果が得られなかった場合は、検証実験で得られた処理データをデータベースに追加して入出力モデルを更新し、目標処理結果が得られるまで処理条件の予測と検証実験とを繰り返す。

このような目標処理条件の導出法では、目標処理条件の予測に使用する入出力モデルの精度が重要になる。図２は、処理条件と処理結果の相関関係（入出力関係）を示すグラフである。ここで、破線１０が真の入出力関係であるのに対し、実線１１Ａ、一点鎖線１１Ｂはそれぞれ入出力モデルＡ、入出力モデルＢの表す入出力関係であるとする。入出力モデルの精度は、破線で示した真の入出力関係との類似度として評価できる。この場合、入出力モデルＡ（実線１１Ａ）の入出力関係は真の入出力関係（破線１０）と類似しており、入出力モデルＡの精度は高い。一方、入出力モデルＢ（一点鎖線１１Ｂ）の入出力関係は真の入出力関係（破線１０）と乖離しており、入出力モデルＢの精度は低い。

精度の低い入出力モデルに基づいて得られる予測処理条件による処理結果は、目標処理結果と乖離した結果となる可能性が高い。したがって目標処理条件が得られるまでの検証実験の回数が増加する。これによりプロセス開発期間、及び実験費や人件費などのプロセス開発コストが増大する。このような事態を避けるためには、入出力モデルの精度を向上させる必要がある。

入出力モデルの精度を向上させるため、あらかじめ大規模な初期処理データベースを構築しておく方法が考えられる。しかし、この方法では、初期処理データベースの構築のために多数回処理を繰り返すことが必要になり、プロセス開発期間及びプロセス開発コストを削減する根本的な解決とはならない。

初期処理データベースを構築するための処理データの取得数を抑えつつ、入出力モデルの精度を向上させる手法として、処理条件を導出しようとするプロセス（「対象プロセス」と呼ぶ）とは異なるプロセスで取得した処理データを活用する手法がある。具体的には、対象プロセスとは異なるプロセス（「参照プロセス」と呼ぶ）で取得した処理データ（「参照処理データ」と呼ぶ）のデータベース（「参照処理データベース」と呼ぶ）に基づき、参照プロセスにおける入出力関係を記述する入出力モデル（「参照入出力モデル」と呼ぶ）を推定し、推定された参照入出力モデルを対象プロセスでの予測のために参照する。

特許文献１には、「試料に対して行われる処理の制御パラメータを決定する計算機であって、処理が行われた、製造に用いられる第１試料を計測することによって得られる第１処理出力と、処理が行われた、第１試料より計測が容易な第２試料を計測することによって得られる第２処理出力との間の相関関係を示す第１モデル、及び第２試料に対して行われた処理の制御パラメータと、第２処理出力との間の相関関係を示す第２モデルを格納する記憶部と、目標となる前記第１処理出力である目標処理出力、第１モデル、及び第２モデルに基づいて、第１試料に対して行われる処理の目標制御パラメータを算出する解析部と、を備える」ことで、「プロセス開発にかかるコストを抑えて、最適な制御パラメータを算出できる」ことが記載されている。また特許文献１では、第２試料である代用試料の処理出力の変数をＡとし、第１試料である実試料の処理出力の変数をＢとしたとき、「Ｂが大きいほどＡも大きいという定性的な実試料－代用試料関係モデル」を第１モデルとして使用することが実施例として記載されている。

特開２０１９－４７１００号公報

特許文献１は、第２試料の処理データを参照処理データとして活用し、参照入出力モデルを推定する。参照入出力モデルを参照することで、第１試料の処理条件を決定する。

このように参照入出力モデルを参照して、対象プロセスでの処理を予測する手法が効果的であるには、いくつかの条件が満たされる必要があると考えられる。図３Ａは、対象プロセスについて複数の基礎処理条件を設定して取得した処理結果からなる処理データに基づき、推定した入出力モデルの入出力関係（実線３０）と対象プロセスの真の入出力関係（破線２０）とを示したグラフである。この例では、設定した基礎処理条件が少なく（黒点が処理データを表す、以下図３Ｂ，Ｃも同様である）、入出力モデルの精度は低い。図３Ｂは、参照プロセスについて参照処理データベースに格納された参照処理データに基づき、推定した参照入出力モデルの入出力関係（実線３１）と参照プロセスの真の入出力関係（破線２１）とを示したグラフである。この例では、参照処理データベースが大規模であるため、参照入出力モデルの精度は高い。図３Ｃは、図３Ｂに示した参照入出力モデルを参照する転移学習を行って推定した入出力モデルの入出力関係（実線３２）と対象プロセスの真の入出力関係（破線２０）とを示したグラフである。転移学習に用いた対象プロセスの処理データは図３Ａと同じであるが、対象プロセスの真の入出力関係（破線２０）と参照プロセスの真の入出力関係（破線２１）とが類似しているため、転移学習を行って推定した入出力モデルの精度は、図３Ａに示した入出力モデルの精度よりも向上している。

ここで真の入出力関係ｆとｇとが類似しているとは、それらが概ね一致する場合だけでなく、入出力関係が定数や係数の差を除いて概ね一致する場合も包含する。すなわち、ｆ≒ｇや、ｆ≒ａｇ＋ｂが成り立っている場合である。例えば、対象プロセスと参照プロセスとがともに同じ試料に対するエッチング処理であって、処理時間だけがそれぞれ１０秒、１００秒と異なっているような場合、処理結果にほぼ１０倍の違いがあるとしても、基本的な関数特性は共通である。すなわち、真の入出力関係についてｆ≒１０ｇが成立し、転移学習の適用効果が期待される。

このように、参照プロセスの参照処理データを活用する手法（転移学習）は、例えば、対象プロセスと参照プロセスの真の入出力関係が類似している、あるいは対象処理データのみから推定される入出力モデルに比べ、参照入出力モデルが高精度である、といった場合に効果的である一方、これらの条件が満たされない場合には必ずしも効果的ではないと考えられる。

半導体プロセスでは試料、処理装置、処理プロセスの種類が多岐に亘るため、一般に参照処理データの候補は数多く存在する。しかしながら、参照処理データの選択によっては、期待する程、入出力モデルの精度向上が得られない場合がある。例えば、対象プロセスと参照プロセスとが同じエッチングプロセスで、かついずれのプロセスでも処理結果の項目はエッチング量であったとしても、加工対象とする試料の被エッチ膜の材料が異なる場合は、処理条件に対するエッチングレートの特性が著しく異なる。このため真の入出力関係がそもそも類似していないおそれがあろう。

さらに、参照入出力モデルを推定するために真の入出力関係が類似している参照処理データを選択していたとしても、参照処理データが著しく少なく、十分精度の高い参照入出力モデルを得ることができないものであれば、参照入出力モデルを参照することによる精度向上が得られないこともありうる。

このような不適切な参照処理データを活用してしまうと予測対象の入出力モデルの精度の向上は見込めず、プロセス開発期間及びプロセス開発コストの増大につながってしまう。

本発明は、不適切な参照処理データの活用を回避することで、プロセス開発期間やプロセス開発コストを抑えつつ、目標処理条件を探索する処理条件探索装置、処理条件探索方法を提供する。

本発明の一実施の態様である処理条件探索装置は、対象プロセスの処理条件を探索する処理条件探索装置であって、対象プロセスにおける目標処理結果を設定する目標処理結果設定部と、対象プロセスにおける処理条件と処理結果との組み合わせである対象処理データを格納する処理データベースと、参照プロセスにおける処理条件と処理結果との組み合わせである参照処理データを格納する参照処理データベースとを含む学習データベースと、対象処理データを用いて、対象処理データの処理条件を対象説明変数、処理結果を対象目的変数とし、対象説明変数と対象目的変数との間の入出力モデルである対象プロセスの入出力モデルを推定する教師あり学習実行部と、参照処理データの処理条件を参照説明変数、処理結果を参照目的変数とし、参照説明変数と参照目的変数との間の参照入出力モデル及び対象処理データを用いて対象プロセスの入出力モデルを推定する転移学習実行部と、教師あり学習実行部と転移学習実行部のいずれによって対象プロセスの入出力モデルを推定するかを判断する転移可否判断部と、対象プロセスの入出力モデルを用いて、目標処理結果を実現する処理条件を予測する処理条件予測部とを有する。

プロセス開発期間やプロセス開発コストを抑えつつ、目標処理条件を探索する。

その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

エッチング前後における典型的なLine and Spaceパターンの試料の断面図である。 処理条件と処理結果の相関関係（入出力関係）を示すグラフである。 本発明の課題を説明するための図である。 本発明の課題を説明するための図である。 本発明の課題を説明するための図である。 実施例１の処理条件導出システムの構成例を示すブロック図である。 処理条件探索装置のハードウェア構成例を示すブロック図である。 開始から初期処理データベースの構築までの手順を示すフローチャートである。 対象試料の例である。 参照試料の例である。 参照試料の例である。 参照試料の例である。 参照試料の例である。 初期処理データベースの構築後、目標処理条件の予測までの手順を示すフローチャートである。 判断方法１を説明するための図である。 判断方法１を説明するための図である。 判断方法２を説明するための図である。 目標処理条件の予測から終了までの手順を示すフローチャートである。 目標処理結果を入力するためのＧＵＩの一例である。 転移可否判断部による判断方法を設定するためのＧＵＩの一例である。 実施例２の処理条件導出システムの構成例を示すブロック図である。 初期処理データベースの構築後、目標処理条件の予測までの手順を示すフローチャートである。 参照目的変数を再設定する方法を説明するための図である。 複数の参照処理結果から参照目的変数を選択する方法を説明するための図である。 複数の参照処理結果から参照目的変数を選択する方法を説明するための図である。 複数の参照処理結果から参照目的変数を選択する方法を説明するための図である。 参照目的変数の再設定に関する設定を行うためのＧＵＩの一例である。 参照目的変数を再設定するためのＧＵＩの一例である。

以下、本発明の実施例を、図面を用いて説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。また、本明細書における図面等において示す各構成の位置、大きさ、及び形状等は、発明の理解を容易にするため、実際の位置、大きさ、及び形状等を表していない場合がある。したがって、本発明は、図面等に開示された位置、大きさ、及び形状等に限定されない。

図４は、実施例１の処理条件導出システムの構成例を示すブロック図である。処理条件導出システムは、処理システム１０００、処理条件探索装置１１００を有する。処理条件導出システムに含まれる処理装置１０１０、計測装置１０２０、処理条件探索装置１１００は、直接またはネットワークを介して互いに接続される。

処理システム１０００は、処理条件に基づき処理を実施し、処理済みの試料から処理結果を抽出するシステムである。処理システム１０００は、処理装置１０１０と計測装置１０２０とを含む。

処理装置１０１０は、処理条件入力部１０１１および処理部１０１２を含む。処理条件入力部１０１１は処理条件を入力として受け付け、処理部１０１２に出力する。処理部１０１２は処理条件入力部１０１１から入力された処理条件に基づき、試料に対する処理を実施する。

処理装置１０１０が実施する処理の種別及び内容は限定されない。処理装置には、例えばリソグラフィ装置、製膜装置、パターン加工装置、イオン注入装置、加熱装置、洗浄装置などが含まれる。リソグラフィ装置には、露光装置、電子線描画装置、及びＸ線描画装置などが含まれる。製膜装置には、ＣＶＤ、ＰＶＤ、蒸着装置、スパッタリング装置、熱酸化装置などが含まれる。パターン加工装置には、ウェットエッチング装置、ドライエッチング装置、電子ビーム加工装置、レーザ加工装置などが含まれる。イオン注入装置には、プラズマドーピング装置、イオンビームドーピング装置などが含まれる。加熱装置には、抵抗加熱装置、ランプ加熱装置、レーザ加熱装置などが含まれる。洗浄装置には、液体洗浄装置、超音波洗浄装置などが含まれる。

計測装置１０２０は、計測部１０２１および処理結果抽出部１０２２を含む。計測部１０２１は、処理装置１０１０で処理された試料の形状や性質等を示す値を計測する。処理結果抽出部１０２２では、あらかじめ定められた項目について、計測部１０２１による計測結果を処理結果として抽出する。

計測装置１０２０が実施する計測の内容及び方法は限定されない。計測装置１０２０は、試料に入射された光、レーザ、及びＸ線などの反射、透過、干渉、吸収、偏光スペクトルなどを計測することによって、試料の形状や性質などを示す値を取得する。例えば、計測装置には、電子顕微鏡を用いた計測装置、光学式モニタ、赤外光を用いた温度計測装置、ケルビンプローブフォース顕微鏡を用いた欠陥検出装置、及び電気特性を評価するプローバ装置などが含まれる。

また、計測装置１０２０は、処理後の試料についての計測値のみならず、処理中に試料に作用するプラズマ、ガス、及び液体などの媒体や処理中に発生する生成物を計測するものであってもよい。媒体や生成物は、試料の状態を直接的に表すものではないが、処理の状態や処理の結果との相関を示す物理量として有用な情報となる可能性がある。例えば、計測装置１０２０は、光スペクトル計測を用いたプラズマ発光モニタ、赤外分光計測を用いた処理室内の堆積物モニタ、質量分析器を用いた処理対象から放出された原子または分子モニタ、並びに探針を用いた処理室内の電気特性モニタなどでもよい。さらに、計測装置１０２０は、電圧、電流、パワーなどの電源出力値、整合器内のコンデンサやコイルなどの可変電気素子の値、各種使用ガスの流量、装置躯体あるいは装置構成部品の温度、処理室内の圧力、圧力制御弁の開度、バルブ開閉状態、ガス排気速度、処理あるいは装置の動作タイミングや動作時刻などを取得するセンサであってもよい。

なお、図４では、処理装置１０１０と計測装置１０２０とは別々の構成として示しているが、処理装置１０１０に計測装置１０２０を組み込んでもよい。また、計測する値が同一または異なる複数の計測装置を含んでもよい。

処理条件探索装置１１００は、対象プロセスの入出力モデルを推定し、同モデルに基づき目標処理条件を予測する。処理条件探索装置１１００は、学習データベース１１１０、転移可否判断部１１０１、転移学習実行部１１０２、教師あり学習実行部１１０３、目標処理結果設定部１１０４、処理条件予測部１１０５を有している。

学習データベース１１１０は、処理データベース１１１１と参照処理データベース１１１２とを有する。処理データベース１１１１は対象プロセスの処理データ（「対象処理データ」と呼ぶ）を管理するデータベースであり、参照処理データベース１１１２は参照処理データを管理するデータベースである。

転移学習実行部１１０２、教師あり学習実行部１１０３は、それぞれ転移学習、教師あり学習により対象プロセスの入出力モデルを推定する。転移学習実行部１１０２及び教師あり学習実行部１１０３で推定する入出力モデルの種類は、例えばニューラルネットワークモデルやカーネル回帰モデルなどである。例えば、転移学習実行部１１０２で推定する入出力モデルはニューラルネットワークモデル、教師あり学習実行部１１０３で推定する入出力モデルはカーネル回帰モデルというように、転移学習実行部１１０２と教師あり学習実行部１１０３とで、推定する入出力モデルの種類は異なっていてもよい。

転移可否判断部１１０１は、転移学習実行部１１０２と教師あり学習実行部１１０３のいずれによって対象プロセスの入出力モデルを推定するかを判断する。

目標処理結果設定部１１０４は、目標処理結果を設定し、処理条件予測部１１０５は、目標処理結果設定部１１０４により設定された目標処理結果を入力として受け付け、目標処理結果と対象プロセスの入出力モデルとに基づき、目標処理条件を予測する。

図５は、処理条件探索装置１１００のハードウェア構成例を示すブロック図である。処理条件探索装置１１００は、演算装置２０００と、記憶装置２００１と、入力装置２００２と、出力装置２００３と、通信インターフェース２００４と、を有する。演算装置２０００は、処理条件探索装置１１００として機能するためのプログラムを実行する。演算装置２０００は、例えば、プロセッサ（ＣＰＵ）、ＧＰＵ（Graphics Processing Unit）、及びＦＰＧＡ（Field Programmable Gate Array）等である。記憶装置２００１は、演算装置２０００の作業エリアとなる。また、記憶装置２００１は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体を含んでいる。たとえば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリなどである。入力装置２００２は、処理条件探索装置１１００への入力となる処理条件や、目標処理結果等をユーザが入力するための装置である。入力装置２００２としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナなどがある。出力装置２００３は各種情報を出力する装置である。出力装置２００３としては、たとえば、ディスプレイ、プリンタなどがある。通信インターフェース２００４は、ネットワークを介して外部装置と接続するためのインターフェースである。

以下、図４の処理条件導出システムによる目標処理条件の導出手順について説明する。

図６は、目標処理条件の導出手順のうち、開始から初期処理データベースの構築までの手順（Ａ１）～（Ａ７）を説明するフローチャートである。
（Ａ１）：参照処理データベース１１１２を用意する。参照処理データの例については後述する。
（Ａ２）：目標処理結果を設定する。
（Ａ３）：基礎処理条件を決定する。
（Ａ４）：決定した基礎処理条件を処理装置１０１０に入力する。
（Ａ５）：処理装置１０１０は基礎処理条件により、対象とする試料に対して処理を実施する。
（Ａ６）：計測装置１０２０は、（Ａ５）で対象プロセスの処理が実施された試料から処理結果（初期処理結果）を抽出する。
（Ａ７）：対象プロセスにおける基礎処理条件と初期処理結果との組み合わせである初期処理データを処理データベース１１１１に登録する。対象プロセスにおける初期処理データのみが登録された状態の処理データベース１１１１のことを初期処理データベースと呼ぶこともある。

なお、図６に示したフローは、目標処理条件の導出手順における準備として位置づけられる手順を含ませてある。このため、図６に示した一部の手順はその順番通りに実施しなくてもよい。具体的には手順（Ａ１）は、後述する転移可否判断部１１０１の判断時までに実施すればよく、手順（Ａ２）は、後述する処理条件予測部１１０５による目標処理条件の予測時までに実施されていればよい。

参照処理データについて説明する。対象プロセスを「ある試料に対して、ある処理装置を用いて、ある処理を実行する」ことであるとすれば、参照プロセスは、対象プロセスとは試料、処理装置、処理のいずれか１つまたは複数が異なったプロセスである。例えば、対象プロセスが「開口幅が10nmであるLine and spaceパターンの試料に対して、エッチング装置Aを用いてエッチング処理を実行する」ことである場合、参照プロセスは「開口幅が100nmであるLine and spaceパターンの試料に対して、エッチャAを用いてエッチング処理を実行する」ことであったり、「開口幅が100nmであるLine and spaceパターンの試料に対して、エッチング装置Bを用いてエッチング処理を実行する」ことであったりしうる。上述したように、転移学習により良好な結果が得られるためには、対象プロセスの真の入出力関係と参照プロセスの真の入出力関係とが類似していることが重要となる。しかし、半導体プロセスにおける真の入出力関係はさまざまな要因が重なり合うことによって変化する。例えば、参照プロセスの試料（「参照試料」と呼ぶ）が対象プロセスの試料（「対象試料」と呼ぶ）と同じ材料からなる試料である場合であっても、サイズや幾何形状が異なることによって、真の入出力関係が類似しないことがありうる。

対象試料が図７に示すようなLine and Spaceパターンが形成される試料であり、対象プロセス、参照プロセスともに同じエッチング装置でエッチング処理を行うものとする。これに対して、参照処理データを与える参照試料として以下のような例を検討する。

図８は参照試料の第１の例であり、処理結果の項目はトレンチ深さｈとトレンチ幅ｗであるとする。参照試料のマスク２および被エッチ膜１の材料は、対象試料とそれぞれ同一であり、マスク開口部の幅ｄが対象試料とは異なっているとする。

この場合、対象試料と参照試料のいずれにおいても、トレンチ３の底部にはラジカルだけでなくシースにより加速されたイオンが入射することでエッチングが進展する一方、トレンチ３の側壁部には主にラジカルのみが入射することでエッチングが進展する。この例では対象試料と参照試料とは材料が同一であるため、トレンチ３の底部同士、トレンチ３の側壁部同士で、エッチングが進展する際の反応過程は類似している。一方、マスク開口部の幅が異なるため、トレンチ３内部に到達できるイオンおよびラジカルの量は、対象試料と参照試料とで異なる。このため、トレンチ３内部の各部位で処理条件に対するエッチングレートの特性が対象試料と参照試料とで異なっている可能性、すなわち真の入出力関係が類似しない可能性がある。

図９は参照試料の第２の例であり、処理結果の項目はトレンチ深さｈであるとする。本例での参照試料は、基板４上に下地膜５を成膜し、その上に被エッチ膜１を成膜したウエハである。参照試料の被エッチ膜１の材料は対象試料の被エッチ膜１の材料と同一とする。参照プロセスの処理結果の項目は、被エッチ膜１のエッチング量ｍとする。図９に示すように、断面図において、エッチング前の被エッチ膜１の上面を示す破線とエッチング後の被エッチ膜１の上面との高さの差をエッチング量ｍと定義している。参照試料の被エッチ膜１には、対象試料のトレンチ３の底部と同様にイオンとラジカルの両方が入射する。また、本例でも対象試料と参照試料とで被エッチ膜１の材料は同一である。したがって、対象試料のトレンチ３の底部と参照試料の被エッチ膜１とでエッチングが進展する際の反応過程は類似している。一方、参照試料は平坦な構造であるのに対し、対象試料はトレンチ構造であるため、被エッチ膜上に達するイオンおよびラジカルの量は対象試料の方が少ない。このため、第１の例と同様に、対象試料におけるトレンチ３の底部と参照試料の表面とでは処理条件に対するエッチングレートの特性が異なる可能性があり、すなわち真の入出力関係が類似しない可能性がある。

図１０～１１は参照試料の第３の例である。図１０は第３の例である小屋７付きウエハの鳥瞰図である。また、図１１は図１０のＡ－Ａ線に沿った断面図である。参照試料の被エッチ膜１の材料は対象試料の被エッチ膜１の材料と同一とする。対象プロセスの処理結果の項目はトレンチ深さｈおよび側壁部のエッチング量ｓ、参照プロセスの処理結果の項目は小屋７外部のエッチング量ｏおよび小屋７内部のエッチング量ｉとする。

対象プロセスにおける側壁部のエッチング量ｓとは、図７中の拡大図に示すように、トレンチ３の側壁部においてマスク２の端部よりも内側にエッチングされた量である。一方、参照プロセスにおいて、図１１に示すように、エッチング量ｏは小屋７に覆われていない領域でのエッチング量であり、エッチング量ｉは小屋７に覆われた領域でのエッチング量である（図１１における破線は、エッチング前の被エッチ膜１の上面の位置を示している。）。

小屋７の存在により、小屋７内部にはシースにより加速されたイオンがほとんど入射しない。一方、ラジカルは等方的に拡散するため、小屋７内部に侵入することができる。したがって、小屋７内部では、対象試料のトレンチ３の側壁部と同様に、主にラジカルによってエッチングが進展する。これに対して、小屋７外部ではイオンの入射を妨げる障害物が存在しないため、対象試料のトレンチ３の底部と同様に、イオンおよびラジカルの両方によりエッチングが進展する。この例でも、対象試料と参照試料とで被エッチ膜１の材料は同一であるため、対象試料のトレンチ３の側壁部と参照試料の小屋７内部とで、また対象試料のトレンチ３の底部と参照試料の小屋７外部とで、エッチングが進展する際の反応過程は類似している。

しかしながら、対象試料のトレンチ３と参照試料の小屋７とはスケールが異なり、トレンチ３内部に侵入するラジカルの量は、小屋７内部に侵入するラジカルの量に比べて少ない。また、第２の例と同様に、対象試料のトレンチ３の底部に達するイオンおよびラジカルの量は、参照試料の小屋外部の平坦な被エッチ膜上に達する量に比べて少ない。このため、対象試料のトレンチ深さｈおよび側壁部のエッチング量ｓと参照試料の小屋７外部のエッチング量ｏおよび小屋７内部のエッチング量ｉとは、それぞれ処理条件に対するエッチングレートの特性が異なる可能性があり、すなわち真の入出力関係が類似しない可能性がある。

このように、半導体プロセスの真の入出力関係には多くの要因が影響するため、対象プロセスと参照プロセスの真の入出力関係が類似しているかどうか疑わしい場合が多く、参照処理データが適切であるか否かの判定が容易ではない。本実施例では、後述するように、参照処理データが転移学習を行うために適切であるか否かを自動で判定し、参照処理データが不適切である場合には活用を回避することを可能とする。

なお、ここでは参照プロセスとして試料が異なる例を説明したが、対象プロセスで用いる処理装置とは異なる処理装置によって得られた処理データを参照処理データとすることもありうる。そのような例として、型番が異なる処理装置、ハードウェアの一部が異なる処理装置を用いる処理が挙げられる。あるいは、ハードウェア構成は同一であっても、処理装置間の個体差により、同一処理条件による同一試料に対する処理であるにも関わらず同一の処理結果とならないような処理装置によって得られた処理データを参照処理データとすることもありうる。

さらに、参照処理データは、試料を処理装置によって実際に処理して得られたデータでなくてもよく、対象プロセスについてのシミュレーションによって取得したものでもよい。例えば幾何光学シミュレーションやマクスウェル方程式を用いた波動光学シミュレーション、ナヴィエストークス方程式を用いた流体シミュレーション、あるいは分子動力学シミュレーションなどを行い、シミュレーション条件とシミュレーション結果との組み合わせを参照処理データとしてもよい。

図１２は初期処理データベースの構築後、目標処理条件の予測までの手順（Ｂ１）～（Ｂ５）を説明するフローチャートである。
（Ｂ１）：転移学習実行部１１０２と教師あり学習実行部１１０３のいずれによって対象プロセスの入出力モデルを推定するかを判断する方法を設定する。判断方法については後述する。
（Ｂ２）：転移可否判断部１１０１は、（Ｂ１）で設定された判断方法により、対象プロセスの入出力モデルを転移学習実行部１１０２と教師あり学習実行部１１０３のいずれによって推定するかを判断する。
（Ｂ３）：（Ｂ２）での判断結果がYesの場合、転移学習実行部１１０２は、対象プロセスの入出力モデルを推定する。
（Ｂ４）：（Ｂ２）での判断結果がNoの場合、教師あり学習実行部１１０３は、対象プロセスの入出力モデルを推定する。
（Ｂ５）：推定された対象プロセスの入出力モデルに基づき目標処理条件を予測する。

まず、転移可否判断部１１０１による判断方法について説明する。以下、４つの判断方法を説明する。

判断方法１は、対象プロセスと参照プロセスの真の入出力関係が類似している、という条件を満たすか否かに基づく判断方法である。この条件は、同一の処理条件での対象プロセスでの処理結果と参照プロセスでの処理結果とが強い相関を持つか否かで判定できる。このように判断方法１では、同一の説明変数に対応する対象プロセスの目的変数と参照プロセスでの目的変数との間の相関係数（「出力間の相関係数」と呼ぶ）が、ユーザの定める所定のしきい値を超過する場合には転移学習実行部１１０２により、所定のしきい値を超過しない場合は教師あり学習実行部１１０３により、対象プロセスの入出力モデルを推定する。

判断方法１による判断例を説明する。ここでも、試料に対してLine and Spaceパターンを形成するためのエッチングプロセスを例にとって説明する。対象プロセスの目的変数と対応させる参照プロセスの目的変数はともにトレンチ深さとし、説明変数はともに、処理が実施される処理室内の圧力値とする。また、所定のしきい値は0.7とする。

対象プロセスにおける真の入出力関係及び参照プロセスにおける真の入出力関係が、図１３Ａに示すものであったとする。すなわち、対象プロセスの真の入出力関係は、圧力値とともにトレンチ深さも大きくなる傾向を有する一方、参照プロセスの真の入出力関係は、0.8Ｐａ程度までは圧力値とともにトレンチ深さが大きくなるのに対し、0.8Ｐａを超えた辺りからは圧力値が大きいほどトレンチ深さは小さくなる傾向を有する。

図１３Ａに示した例について、複数の対象処理データと参照処理データとを図１３Ｂに示す。このように真の入出力関係が異なる場合には、出力間の相関係数は低くなると予想される。この場合、出力間の相関係数が0.7を超過していなければ、教師あり学習実行部１１０３により対象プロセスの入出力モデルを推定するよう判断することになる。このように、定量的な指標によって、不適切な参照処理データに基づく転移学習の実行を回避することができる。

なお、この例では、対象処理データと参照処理データとは共通の説明変数（この場合は、圧力値）を有していた。これに対して、対象処理データと共通の説明変数を持つ参照処理データが存在しない場合には、以下のようにして出力間の相関係数を算出する。参照処理データベースに基づき参照入出力モデルを推定する。推定した参照入出力モデルに基づき、対象処理データの説明変数と同一の説明変数に対応する参照目的変数を推定する。これにより、同一の説明変数に対応する対象目的変数と参照目的変数とが得られ、出力間の相関係数を算出することができる。

判断方法２は、対象処理データから推定される入出力モデルよりも参照処理データから推定される入出力モデルが高精度である、という条件を満たすか否かに基づく判断方法である。この条件は、対象説明変数（対象処理データの処理条件）の分布と参照説明変数（参照処理データの処理条件）の分布との間の距離で判定できる。分布間の距離が大きければ、対象説明変数が分布する領域には参照処理データが少なく、その領域では参照入出力モデルの精度が低くなりやすいといえる。そこで本判断方法では、対象説明変数の分布と参照説明変数の分布との間の距離、例えばカルバック・ライブラーダイバージェンスまたはMaximum mean discrepancyを算出し、算出した距離がユーザの定める所定の値を超過する場合は教師あり学習実行部１１０３により、所定の値を超過しない場合は転移学習実行部１１０２により、対象プロセスの入出力モデルを推定する。

判断方法２による判断例を説明する。対象説明変数の分布と参照説明変数の分布との間の距離として、対象説明変数の分布の、参照説明変数の分布に対するカルバック・ライブラーダイバージェンスを採用する。カルバック・ライブラーダイバージェンスの値が0.3を超過する場合は教師あり学習実行部１１０３により、0.3を超過しない場合は転移学習実行部１１０２により、対象プロセスの入出力モデルを推定する。

図１４において、上段には対象プロセスにおける真の入出力関係と処理データベース１１１１の対象処理データに基づき推定した対象プロセスの入出力モデル、下段には参照プロセスにおける真の入出力関係と参照処理データベース１１１２の参照処理データに基づき推定した参照プロセスの入出力モデルを示している。いずれについても、破線が真の入出力関係を、実線が入出力モデルを示し、黒点はデータベースに含まれる処理データを表している。

この例では、対象処理データはいずれも、0.5Ｐａ以下の圧力値で処理を実施することで取得されている。その一方で参照処理データはいずれも、1.0Ｐａ以上の圧力値で処理を実施することで取得されている。このように説明変数の分布に重なりがない場合には、カルバック・ライブラーダイバージェンスの値は大きくなり、カルバック・ライブラーダイバージェンスの値が0.3を超過していれば、教師あり学習実行部１１０３により対象プロセスの入出力モデルを推定するよう判断することになる。このように、定量的な指標によって、不適切な参照処理データに基づく転移学習の実行を回避することができる。

判断方法３は、対象処理データの数に対する参照処理データの数の比率に基づく判断方法である。一般に入出力モデルの精度はデータベースが小規模であるほど低くなる。そこで、対象処理データの数に対する参照処理データの数の比率が低い場合も、対象処理データから推定される入出力モデルよりも参照処理データから推定される入出力モデルが高精度である、という条件が満たされていないことが多いといえる。

そこで、対象処理データの数に対する参照処理データの数の比率が、ユーザの定める所定の値を超過する場合は転移学習実行部１１０２により、所定の値を超過しない場合は教師あり学習実行部１１０３により、対象プロセスの入出力モデルを推定するよう判断する。

判断方法４は、以上の判断方法１～３とは異なり、転移学習、教師あり学習によりそれぞれ推定した対象プロセスの入出力モデルに対して交差検証を行い、その結果に基づき、どちらの入出力モデルを採用するか判断する方法である。この場合は、転移学習と教師あり学習の両方について交差検証を行うため演算リソースは必要になるが、処理装置１０１０を用いた検証実験の回数を抑えることができれば、処理条件導出のためのトータルのコストを抑えることができる。この場合、教師あり学習により推定される対象プロセスの入出力モデル（図３Ａを参照）と転移学習により推定される対象プロセスの入出力モデル（図３Ｃを参照）に対して、それぞれ交差検証を実施し、対象プロセスの入出力モデルの精度（ここでは汎化性能）の評価値を算出する。転移学習により推定される対象プロセスの入出力モデルの汎化性能の評価値が、教師あり学習により推定される対象プロセスの入出力モデルの汎化性能の評価値を超過する場合は転移学習実行部１１０２により、超過しない場合は教師あり学習実行部１１０３により、対象プロセスの入出力モデルを推定する。

転移可否判断部１１０１は、以上の４つの方法のいずれか、あるいは組み合わせによって学習方法を判断する。例えば、判断方法１と判断方法３との組み合わせ、とする場合には、出力間の相関係数がユーザの定める所定の値を超過し、かつ対象処理データの数に対する参照処理データの数の比率がユーザの定める所定の値を超過する場合に、転移学習実行部１１０２により対象プロセスの入出力モデルを推定する。

図１５は、目標処理条件の予測後、終了までの手順（Ｃ１）～（Ｃ５）を説明するフローチャートである。
（Ｃ１）：予測処理条件を処理装置１０１０に入力する。この入力は、例えばネットワークを介して自動的に行われてもよい。また、予測処理条件を出力装置２００３に出力することでユーザが予測処理条件を認識し、ユーザが予測処理条件を処理装置１０１０の処理条件入力部１０１１に入力する方法でもよい。
（Ｃ２）：処理部１０１２は、予測処理条件により、対象試料に対する処理を実施する。
（Ｃ３）：計測装置１０２０は、手順（Ｃ２）の処理が実施された試料から処理結果を抽出する。
（Ｃ４）：手順（Ｃ３）で得られた処理結果が目標処理結果を満たすか否かを判別する。処理結果が目標処理結果を満たす場合は、予測処理条件を目標処理条件として出力装置２００３に出力して、フローを終了する。処理結果が目標処理結果を見たなさない場合は手順（Ｃ５）に進む。
（Ｃ５）：手順（Ｃ２）で使用した予測処理条件と手順（Ｃ３）で抽出された処理結果の組み合わせである処理データを処理データベース１１１１に追加する。処理データを処理データベース１１１１に追加した後、手順（Ｂ２）（図１２を参照）に戻る。

続いて、実施例１の処理条件導出システムにおいて、出力装置２００３に出力されるＧＵＩについて説明する。

図１６は、手順（Ａ２）において目標処理結果を設定するためのＧＵＩの一例である。目標処理結果設定画面１６０００は、目標処理結果欄１６００１、及び決定ボタン１６００２を含む。目標処理結果欄１６００１は、目標処理結果を入力するための欄であり、対象目的変数の各項目に対して上限値と下限値を入力することができる。この上限値と下限値の間に収まる処理結果を目標処理結果とする。なお、目標処理結果の設定の仕方はこのような上限値と下限値の入力によるものに限定されない。例えば、ある所定の処理結果を設定し、これを基準に所定の誤差範囲に収まる処理結果を目標処理結果としてもよい。この場合は、基準となる処理結果および誤差範囲を定める値を入力する欄が設けられる。決定ボタン１６００２が押下されることにより、目標処理結果欄１６００１に入力された処理結果が目標処理結果として設定される。

図１７は、手順（Ｂ１）において判断方法を設定するためのＧＵＩの一例である。判断方法設定画面１７０００は、判断方法を選択するためのラジオボタン１７００１及び決定ボタン１７００２を含む。選択肢１７００３～１７００６はそれぞれ上述した判断方法１～４に相当する。ユーザは、ラジオボタン１７００１により、学習方法の判断方法と設定する１または複数の選択肢を選択し、必要に応じて判断基準となる値を設定する。

実施例１で説明した判断方法１により学習方法を判断し、参照処理データが移転学習に用いるには不適切であると判断された場合に、参照目的変数を再設定することで、出力間の相関係数を向上させることが可能である場合がある。実施例２では参照目的変数を再設定する機能を有する処理条件導出システムについて説明する。参照目的変数を再設定することにより、対象プロセスの入出力モデルを転移学習実行部１１０２により推定することが可能になれば、検証実験の回数を削減し、プロセス開発期間やプロセス開発コストを効率的に削減することが可能になる。

図１８は実施例２の処理条件導出システムの構成例を示すブロック図である。なお、実施例１の処理条件導出システムのブロックと同じ機能を有するブロックについては、同じ符号を付して、詳細な説明については省略するものとする。処理条件導出システムは、処理システム１０００ｂと、処理条件探索装置１１００ｂを有する。処理条件導出システムに含まれる処理装置１０１０、計測装置１０２０、参照計測装置１８０２０、処理条件探索装置１１００ｂは、直接またはネットワークを介して互いに接続される。

処理システム１０００ｂには、新たに参照計測装置１８０２０が加わっている。参照計測装置１８０２０は、参照プロセスの処理結果（参照処理結果）を抽出する装置である。参照計測装置１８０２０は、図示しない参照プロセスの処理装置によって処理された参照試料から処理結果を抽出する装置であるが、本実施例では、特に参照処理データに係る参照試料について、元の参照処理データの処理結果とは別の形状や性質等を示す値を計測し、異なる処理結果を抽出して、新たな参照処理データを得るために用いる。

参照計測装置１８０２０は、参照計測部１８０２１と参照処理結果抽出部１８０２２とを有する。参照計測部１８０２１では、参照試料について試料の形状や性質等を示す値を計測する。参照処理結果抽出部１８０２２では、参照計測部１８０２１による計測結果から参照処理結果を抽出する。

処理条件探索装置１１００ｂには、新たに選択部１８１０１が加わっている。選択部１８１０１では、転移学習が不適切と判断された場合、参照処理データの参照目的変数を再設定するか否かを選択する。

以下、図１８の処理条件導出システムによる目標処理条件の導出手順について説明する。開始から初期処理データベースの構築までの手順は、実施例１で説明した図６の手順と同様である。

図１９は、初期処理データベースの構築後、目標処理条件の予測までの手順（Ｂ１１）～（Ｂ１８）を説明するフローチャートである。
（Ｂ１１）：転移学習実行部１１０２と教師あり学習実行部１１０３のいずれによって対象プロセスの入出力モデルを推定するかを判断する方法を設定する。ここでは、実施例１で説明した判断方法１を設定するものとする。
（Ｂ１２）：出力間の相関係数が所定の値を超過するか否かを判定する。所定の値を超過しない場合は（Ｂ１３）へ、所定の値を超過する場合は（Ｂ１７）へ進む。
（Ｂ１３）：選択部１８１０１は、参照目的変数を再設定するか否かを選択する。参照目的変数を再設定する場合は（Ｂ１４）へ、参照目的変数を再設定しない場合は（Ｂ１６）へ進む。
（Ｂ１４）：参照計測装置１８０２０を使用して、参照処理データに係る参照試料について新たな計測を行い、新たな参照処理結果の項目を定義する。参照処理結果の項目を新たに定義する例は後述する。
（Ｂ１５）：抽出した参照処理結果のうち少なくとも１つ以上の項目を参照目的変数として再設定する。このとき、出力間の相関係数が再設定前よりも高くなるように設定する。出力間の相関係数が再設定前よりも高くなるような設定の仕方が複数存在する場合は、ユーザの判断で再設定してもよいし、自動的に再設定してもよい。自動的な再設定の方法は、例えば、対象処理データの目的変数の各項目に対し、最も出力間の相関係数が高い項目を参照処理結果の項目から１つ選択し、参照目的変数として設定することが考えられる。参照目的変数の再設定の例については後述する。参照目的変数の再設定後、（Ｂ１２）に戻る。なお、出力間の相関係数が再設定前よりも高くなるような設定の仕方が存在しない場合には、再設定することなく（Ｂ１２）に戻る。
（Ｂ１６）：（Ｂ１３）での判断結果がNoの場合、教師あり学習実行部１１０３は、対象プロセスの入出力モデルを推定する。対象プロセスの入出力モデルの推定後、（Ｂ１８）へ進む。
（Ｂ１７）：（Ｂ１２）での判断結果がYesの場合、転移学習実行部１１０２は、対象プロセスの入出力モデルを推定する。対象プロセスの入出力モデルの推定後、（Ｂ１８）へ進む。
（Ｂ１８）：推定された対象プロセスの入出力モデルに基づき目標処理条件を予測する。

なお、手順（Ｂ１３）において、抽出済みの参照処理結果の項目のうち参照目的変数として使用されていない項目が存在する場合には、手順（Ｂ１４）において新たに参照処理結果を抽出するための新たな計測は行わず、手順（Ｂ１５）において、使用されていない参照処理結果の中から参照目的変数を設定してもよい。

手順（Ｂ１４），（Ｂ１５）において、参照処理結果の項目を新たに定義し、参照目的変数を再設定する例を、図２０を用いて説明する。対象試料は、図２０上段に示されるLine and Spaceパターンが形成される試料であり、参照試料は、図２０中段・下段に示されるマスク開口部の幅が異なるLine and Spaceパターンが形成される試料とする。また、対象目的変数は図２０上段に示したトレンチ底部におけるトレンチ幅w1とし、再設定前の参照目的変数は図２０中段に示したトレンチにおける最大トレンチ幅w1’とする。トレンチ幅w1と最大トレンチ幅w1’との相関は低く、手順（Ｂ１３）において、参照目的変数を再設定する選択がなされたとする。

手順（Ｂ１４）において、参照計測装置１８０２０を使用して、参照試料から新たな参照処理結果を抽出する。新たに抽出した参照処理結果は、図２０下段に示した、マスク界面付近におけるトレンチ幅w2’及びトレンチ底部におけるトレンチ幅w3’とする。

学習データベース１１１０内の対象処理データの中から、同一処理条件に対応する対象目的変数と参照処理結果の組（w1，w1’）、（w1，w2’）、（w1，w3’）を抽出してプロットすることで、それぞれ図２１Ａ、図２１Ｂ、図２１Ｃに示すグラフが得られたとする。横軸が対象目的変数、縦軸が参照処理結果である。図２１Ａ～Ｃに示されるように、参照処理結果w1’，w2’は対象目的変数w1との相関が低い一方で、参照処理結果w3’は対象目的変数w1と高い相関を有している。この場合、手順（Ｂ１５）において、参照目的変数をトレンチ幅w1’からトレンチ幅w3’に変更することにより、出力間の相関係数を向上させることができる。

目標処理条件の予測後、終了までの手順は、実施例１で説明した図１５の手順と同様である。

続いて、実施例２の処理条件導出システムにおいて、出力装置２００３に出力されるＧＵＩについて説明する。

図２２は、手順（Ｂ１３）における、参照目的変数の再設定に関する設定を行うためのＧＵＩの一例である。参照目的変数再設定選択画面２２０００は、参照目的変数の再設定の要否を選択するためのラジオボタン２２００１、再設定する場合に参照処理結果を新たに抽出するか否かを選択するためのラジオボタン２２００２、及び決定ボタン２２００３を含む。ユーザは希望する選択肢をラジオボタン２２００１，２２００２によって選択し、決定ボタン２２００３を押下することにより、参照目的変数の再設定についての設定を行う。

図２３は、手順（Ｂ１５）において、参照目的変数を再設定するためのＧＵＩの一例である。参照目的変数再設定画面２３０００は、参照目的変数再設定欄２３００１、対象目的変数表示欄２３００２、参照処理結果表示欄２３００３、自動設定ボタン２３００４、及び決定ボタン２３００５を含む。対象目的変数表示欄２３００２には、対象目的変数の項目が全て表示される。この例では、第１の対象目的変数としてトレンチ幅、第２の対象目的変数としてトレンチ深さが定義されている。参照処理結果表示欄２３００３には、対象試料から抽出済みの参照処理結果の項目が全て表示される。ここでは抽出された６つの参照処理結果の項目が表示されている。参照目的変数再設定欄２３００１は、参照目的変数の項目をユーザの判断で表示された参照処理結果から選択するためのラジオボタンを含む。ユーザはラジオボタンを選択することにより、参照目的変数として設定する参照処理結果を選択することができる。一方、自動設定ボタン２３００４を押すと、出力間の相関係数が再設定前よりも高くなるよう、手順（Ｂ１５）の説明において説明したような方法によって、参照目的変数が自動設定される。

以上、本発明の実施例を半導体プロセスの処理条件の導出を例に説明してきた。本発明の用途は、半導体プロセスの処理条件の導出に限定されない。例えば、金属３Ｄプリンタの造形条件を導出するために本発明を実施することが可能である。金属３Ｄプリンタの造形条件の導出の場合、造形条件が本実施例における処理条件に、造形結果が本実施例における処理結果に相当する。参照処理データは、例えば対象のサンプルとは異なる形状のサンプルを造形した際の処理データなどが考えられる。

１：被エッチ膜、２：マスク、３：トレンチ、４：基板、５：下地膜、７：小屋、１０００，１０００ｂ：処理システム、１０１０：処理装置、１０１１：処理条件入力部、１０１２：処理部、１０２０：計測装置、１０２１：計測部、１０２２：処理結果抽出部、１１００，１１００ｂ：処理条件探索装置、１１１０：学習データベース、１１１１：処理データベース、１１１２：参照処理データベース、１１０１：転移可否判断部、１１０２：転移学習実行部、１１０３：教師あり学習実行部、１１０４：目標処理結果設定部、１１０５：処理条件予測部、２０００：演算装置、２００１：記憶装置、２００２：入力装置、２００３：出力装置、２００４：通信インターフェース、１６０００：目標処理結果設定画面、１６００１：目標処理結果欄、１６００２：決定ボタン、１７０００：判断方法設定画面、１７００１，２２００１，２２００２：ラジオボタン、１７００２，２２００３，２３００５：決定ボタン、１８０２０：参照計測装置、１８０２１：参照計測部、１８０２２：参照処理結果抽出部、１８１０１：選択部、２２０００：参照目的変数再設定選択画面、２３０００：参照目的変数再設定画面、２３００１：参照目的変数再設定欄、２３００２：対象目的変数表示欄、２３００３：参照処理結果表示欄、２３００４：自動設定ボタン。

Claims (14)

1. 対象プロセスの処理条件を探索する処理条件探索装置であって、
   前記対象プロセスにおける目標処理結果を設定する目標処理結果設定部と、
   前記対象プロセスにおける処理条件と処理結果との組み合わせである対象処理データを格納する処理データベースと、参照プロセスにおける処理条件と処理結果との組み合わせである参照処理データを格納する参照処理データベースとを含む学習データベースと、
   前記対象処理データを用いて、前記対象処理データの処理条件を対象説明変数、処理結果を対象目的変数とし、前記対象説明変数と前記対象目的変数との間の入出力モデルである前記対象プロセスの入出力モデルを推定する教師あり学習実行部と、
   前記参照処理データの処理条件を参照説明変数、処理結果を参照目的変数とし、前記参照説明変数と前記参照目的変数との間の参照入出力モデル及び前記対象処理データを用いて前記対象プロセスの入出力モデルを推定する転移学習実行部と、
   前記教師あり学習実行部と前記転移学習実行部のいずれによって前記対象プロセスの入出力モデルを推定するかを判断する転移可否判断部と、
   前記対象プロセスの入出力モデルを用いて、前記目標処理結果を実現する処理条件を予測する処理条件予測部とを有する処理条件探索装置。
2. 請求項１において、
   前記対象プロセスは、対象試料に対して、処理装置により、所定の処理を行うものであって、
   前記参照プロセスは、前記対象プロセスと、試料、処理装置、処理のいずれか一つ以上が異なるプロセス、または前記対象プロセスについてのシミュレーションである処理条件探索装置。
3. 請求項１において、
   前記転移可否判断部は、同一の説明変数に対する前記対象目的変数と前記参照目的変数との相関係数が、所定の値を超過する場合には前記転移学習実行部により、前記所定の値を超過しない場合には前記教師あり学習実行部により、前記対象プロセスの入出力モデルを推定する判断を行う処理条件探索装置。
4. 請求項１において、
   前記転移可否判断部は、前記対象説明変数の分布と前記参照説明変数の分布との間の距離が、所定の値を超過する場合には前記教師あり学習実行部により、前記所定の値を超過しない場合には前記転移学習実行部により、前記対象プロセスの入出力モデルを推定する判断を行う処理条件探索装置。
5. 請求項４において、
   前記距離は、カルバック・ライブラーダイバージェンスまたはMaximum mean discrepancyとして算出する処理条件探索装置。
6. 請求項１において、
   前記転移可否判断部は、前記対象処理データの数に対する前記参照処理データの数の比率が、所定の値を超過する場合には前記転移学習実行部により、前記所定の値を超過しない場合には前記教師あり学習実行部により、前記対象プロセスの入出力モデルを推定する判断を行う処理条件探索装置。
7. 請求項１において、
   前記転移可否判断部は、前記対象処理データを用いた教師あり学習により推定される前記対象プロセスの入出力モデルと、前記参照入出力モデル及び前記対象処理データを用いた転移学習により推定される前記対象プロセスの入出力モデルとに対して交差検証を行って汎化性能の評価値を算出し、前記評価値の上回る学習実行部により、前記対象プロセスの入出力モデルを推定する判断を行う処理条件探索装置。
8. 請求項１において、
   前記転移可否判断部において、前記転移学習実行部によって前記対象プロセスの入出力モデルを推定する判断が行われなかった場合に、前記参照目的変数の再設定を実施するか否かを選択する選択部を有する処理条件探索装置。
9. 請求項８において、
   前記転移可否判断部は、同一の説明変数に対する前記対象目的変数と前記参照目的変数との相関係数が、所定の値を超過する場合には前記転移学習実行部により、前記所定の値を超過しない場合には前記教師あり学習実行部により、前記対象プロセスの入出力モデルを推定する判断を行う処理条件探索装置。
10. 請求項９において、
    前記選択部は、前記参照入出力モデルの前記参照目的変数として用いた前記参照プロセスにおける処理結果の項目とは異なる項目を、前記参照目的変数として再設定する処理条件探索装置。
11. 請求項１０において、
    前記同一の説明変数に対する前記対象目的変数と再設定された前記参照目的変数との相関係数は、前記同一の説明変数に対する前記対象目的変数と再設定前の前記参照目的変数との相関係数を上回る処理条件探索装置。
12. 対象プロセスの処理条件を探索する処理条件探索装置を用いた処理条件探索方法であって、
    前記処理条件探索装置は、前記対象プロセスにおける処理条件と処理結果との組み合わせである対象処理データを格納する処理データベースと、参照プロセスにおける処理条件と処理結果との組み合わせである参照処理データを格納する参照処理データベースとを含む学習データベースと、目標処理結果設定部と、前記対象処理データを用いて、前記対象処理データの処理条件を対象説明変数、処理結果を対象目的変数とし、前記対象説明変数と前記対象目的変数との間の入出力モデルである前記対象プロセスの入出力モデルを推定する教師あり学習実行部と、前記参照処理データの処理条件を参照説明変数、処理結果を参照目的変数とし、前記参照説明変数と前記参照目的変数との間の参照入出力モデル及び前記対象処理データを用いて前記対象プロセスの入出力モデルを推定する転移学習実行部と、転移可否判断部と、処理条件予測部とを備え、
    前記目標処理結果設定部は、前記対象プロセスにおける目標処理結果を設定し、
    前記転移可否判断部は、前記教師あり学習実行部と前記転移学習実行部のいずれによって前記対象プロセスの入出力モデルを推定するかを判断し、
    前記処理条件予測部は、前記転移可否判断部の判断に基づき、前記教師あり学習実行部または前記転移学習実行部のいずれかが推定した前記対象プロセスの入出力モデルを用いて、前記目標処理結果を実現する処理条件を予測する処理条件探索方法。
13. 請求項１２において、
    前記対象プロセスは、対象試料に対して、処理装置により、所定の処理を行うものであって、
    前記参照プロセスは、前記対象プロセスと、試料、処理装置、処理のいずれか一つ以上が異なるプロセス、または前記対象プロセスについてのシミュレーションである処理条件探索方法。
14. 請求項１２において、
    前記処理条件探索装置は、選択部を有し、
    前記選択部は、前記転移可否判断部において、前記転移学習実行部によって前記対象プロセスの入出力モデルを推定する判断が行われなかった場合に、前記参照目的変数の再設定を実施するか否かを選択する処理条件探索方法。

Images