Random Forest 예측과 Differential Evolution 최적화를 활용한 RIE-Lag 지능형 공정 제어
Intelligent Process Control of RIE-Lag Using Random Forest Prediction and Differential Evolution Optimization
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
반도체 소자의 미세화가 가속됨에 따라, 식각 공정의 균일성을 확보하는 것이 더욱 중요해지고 있다. 특히 플라즈마 식각 공정에서 발생하는 RIE-Lag(micro loading effect)는 장비 내부의 실시간 외란으로 인해 더욱 심화되며, 트렌치 형상의 불균일을 초래하여 소자 성능 저하의 주요 원인이 된다. 본 연구에서는 random forest 회귀 모델을 통해 공정 파라미터로부터 식각 깊이를 예측하고, differential evolution 알고리즘으로 최적의 파라미터 조합을 도출하여 외란으로 인한 RIE-Lag 증가를 실시간으로 보정하는자동 피드백 시스템을 개발하였다. TCAD 시뮬레이션 검증 결과, 제안된 시스템을 통해 RIE-Lag가 24.15%에서 7.59%로 개선되었으며, 공정 균일성 및 수율 향상의 가능성을 확인하였다.
Abstract
As semiconductor device scaling accelerates, ensuring etch-process uniformity has become increasingly critical. In plasma etching, the RIE-Lag (microloading effect) is exacerbated by real-time disturbances within the equipment, leading to trench-profile nonuniformity and consequent device performance degradation. This study develops an automatic feedback system that predicts etch depth from process parameters using a random forest regressor and derives optimal parameter combinations via a differential evolution algorithm, thereby compensating in real time for disturbance-induced increases in RIE-Lag. TCAD simulations verify that the proposed system reduces RIE-Lag from 24.15% to 7.59%, confirming improved process uniformity and the potential for yield enhancement.