※ 検索ワードを区切るスペースは半角でお願いします。
半導体技術は，デバイス構造と材料を改善し，トランジスタのサイズを微細化する努力によって大幅に発展してきた。半導体製造プロセスの精密な制御が，半導体デバイスの性能を向上させるための鍵となっており，自己制御プロセスである原子層堆積技術が半導体製造に広く採用されている。プラズマ原子層堆積（PEALD：Plasma-Enhanced Atomic Layer Deposition）法は，薄膜の堆積を可能にする有望な技術である1-4）。しかし，半導体製造プロセスの開発において膜の特性を制御するためには，様々なPEALDプロセスパラメーターを最適化しなければならない。各調整パラメーターに関連する化学反応の複雑さにより，最適化するための時間とコストが深刻な問題となっている。特に，プロセスパラメーター間にトレードオフの関係がある場合には，パラメーターの組み合わせを見つけるのに長い時間がかかってしまう。 機械学習（Machine Learning）は，プロセスパラメーターの最適化に適用することが可能であり，近年，プロセスエンジニアの注目を集めている5-8）。本稿では，ウェーハ内の膜厚均一性に関連するプラズマプロセス条件の最適...
Online ISSN : 2435-2292
Print ISSN : 0375-9253
PDFを閲覧するにはAdobe Readerが必要です。
お気に入りから削除しますか？
