RF 스퍼터링 공정의 실시간 안정화를 위한 물리 기반 인공지능 알고리즘 설계
Design of Physics-Informed AI Algorithm for Disturbance-Robust RF Sputtering
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
RF 스퍼터링은 고밀도 박막 증착이 가능하지만, 공정 중 압력 변동으로 인해 중심-외곽 두께 불균일, 목표 두께 미달, 장비 셧다운 등의 문제가 발생한다. 본 연구는 분석적 증착 모델과 인공지능 최적화를 결합한 실시간 제어 방안을 제안하여 이러한 불안정성을 억제하였다. 모델은 (i) 저에너지 영역 스퍼터 수율, (ii) 압력ㆍ유량에 따른 평균자유행로 기반 기체 전송 감쇠, (iii) 플라즈마 임피던스에 연계된 Mass-flow 보정, (iv) 회전/기하에 따른 입사각 분포의 반경별 두께화, (v) 다중-존 ESC 온도 제어와 Arrhenius 형 sticking 보정을 포함한다. 제안한 알고리즘은 압력을 랜덤 변수로 주었음에도 일정한 증착률을 유지하였으며, 웹 기반 시뮬레이터를 통해 제어 적용 전후의 공정 데이터를 비교함으로써 그 유효성을 검증하였다.
Abstract
RF sputtering enables high-density thin-film deposition but suffers from chamber-pressure fluctuations that cause center–edge thickness non-uniformity, target-thickness shortfall, and occasional tool shutdowns. This study proposes a real-time control scheme that couples an analytical deposition model with AI optimization to suppress such instabilities. The model includes (i) sputter yield in the low-energy regime; (ii) gas-phase transport attenuation via mean free path as a function of pressure and flow; (iii) a mass-flow correction linked to plasma impedance; (iv) rotation/geometry effects mapping incidence-angle distributions to radial thickness; and (v) multi-zone ESC temperature control with an Arrhenius-type sticking correction. The proposed algorithm maintained a stable deposition rate even when chamber pressure was randomized, and its effectiveness was verified by comparing pre-/post-control process data in a web-based simulator.