半導体製造装置へのAIの応用

掲載日 2021/10/29

【概要】

　これまで、半導体製造装置とAIの関わりとしては、半導体製造装置がAI用のチップを製造するという形が主であった。しかし、現在から今後、半導体製造装置が製造したAIチップは半導体製造装置自体に搭載され、歩留まりや生産スピードを改善する原動力、更にはこれまで人間では改善できなかった開発課題の解決や、新材料の発掘といった用途でも期待されている。既に製造装置メーカーからはAIや自己学習機能を備えた製造装置が多く発売されている。今回はメーカーのこれらの取り組みを取り上げていく。

【Applied Materials】

　半導体製造装置最大手の同社では、21年4月、ビッグデータとAIを活用した新プラットフォーム、AI x ™を発表した。このプラットフォームは、AIとビックデータを活用して以下のような機能を実現している。
・チャンバ内のプロセスガス、エネルギー、圧力、温度、期間などの変数をリアルタイムで分析することが可能。
・成膜中に薄膜をオングストローム精度でのオンボード計測が可能。
・電子ビーム計測技術に基づく独自のアルゴリズムから、計測スピードは従来手法の100 倍、解像度が50％増となった。1 時間に100 万以上の 3D ウェーハ計測値が得られるとともに、ごく軽微なレシピ変更がオンチップのデバイスや構造にもたらす変化をナノメートル単位で評価することが可能になる。
・AppliedPRO（Applied Process Recipe Optimizer）と呼ばれるシステムが、デジタルプロセスマップを生成し、マテリアルとレシピの開発を支援、さらにばらつきを低減し、プロセスウィンドウを広げる。
・AI xプラットフォーム内に、選りすぐったアプライド製のチャンバおよび装置のデジタルツインモデル（物理空間から取得した情報をもとに、デジタル空間に物理空間を再現したモデル）が作られ、これを用いたバーチャル実験により、レシピ開発の加速、マッチングと立ち上げ移行の改善、量産アウトプットと歩留まりの最適化が可能になるという。
・機械学習とAIアルゴリズムによる大量のデータを保存・分析するためのコンピューティングリソースの提供。

　同社では、様々な顧客に向けて数多くの製造装置を提供してきた中で、製造装置内に搭載されたセンサを経由して、数多くのデータを取得してきた。今後、このデータを統合してより最適な情報を割り出す事によって、顧客に活用してもらうことで、同社の優位性は更に高まっていくと見られる。

【東京エレクトロン】

　国内半導体製造装置最大手の同社では、成長の原動力としてデータやAIを活用したデジタルトランスフォーメーションの推進による開発力および製品競争力の強化を推進している。同社ではAIやIoTによる製品への付加価値をもたらす開発グループを札幌事業所内に持っており、20年11月、札幌事業所が移転したタイミングを契機にTELデジタルデザインスクエアを開業し、DXによる生産改善をより加速していくという。
同社では現時点でもAIによる生産改善で様々な取り組みを行っている。
　例えば、AI画像処理によって、どのようなパーティクルが欠陥につながるかを観察し、その原因を特定したり、早期解決につなげていくことによって、歩留まりを向上させていくことが可能になる。
　また、AIによるプロセス最適化も同社では行っており、例としてPE-ALD（プラズマ原子層堆積法）でこれまでエンジニアが達成できなかった膜ストレス値を、AIに失敗した実験データを含む全てのデータを学習させたところ、目標のストレス値を達成したという。
　更に、同社ではプロセス条件と材料を共に最適化していくマテリアルズ・インフォマティクスという手法を、学術論文や材料データベース、データサイエンス、実験データを取り込みながら、半導体の新規材料（元素の組み合わせ）を探索する方法も探っている。
また、顧客のPCとTELのPCを接続することで、顧客が装置を使用している際に発生したトラブルを、より素早く解決していくといった施策も取られている。

【Lam Research】

エッチング装置の主力プラットフォームであるSense.i プラットフォームは自己認識機能を備えていることから、半導体メーカーはデータの取得と分析、パターンやトレンドの識別を行い、改善のための対応策を明確にすることが可能となるとした。さらに、Sense.i はダウンタイム（停止時間）の短縮と労働コストの削減を提供する自律的なキャリブレーション、メンテナンス機能の他、複数の機械学習アルゴリズムによって、プロセス変動の最小化と最大化したウェハの生産を実現するために自己適応する装置を提供するとした。この機能を搭載したエッチング装置では、消耗部品となるエッジリングを自動交換することで、長時間の停止が必要になるとされる真空チャンバの大気開放を無くし、ラインの生産能力向上に大幅に寄与し、1年間のメンテナンスフリーを実現した。

【TASMIT（東レエンジニアリング子会社）】

TASMITでは光学式ウエハ欠陥検査装置を販売している。同社は2021年7月に同社の主力光学式欠陥検査装置である、INSPECTRAにAutomatic Defect Classification（ADC）、自動欠陥分類機能を搭載して販売を開始した。
今回搭載された「AI－ADC」は、従来は人の手で行う必要があった分類条件作成を、AIによる事前分類機能と、分類条件作成フローの可視化を可能にする「自己組織化マップ（Self-Organizing Map）機能」（以下「SOM機能」）を搭載したことにより、手作業で行う条件設定作業を減少させることで、準備段階での大幅な効率化が可能となった。結果として、同条件下において分類から条件作成までの所要時間を従来比約６分の１にまで短縮することに成功したという。また、AIによる欠陥分類には「ランダムフォレスト」（「決定木」と呼ばれる予測モデルを複数組み合わせたアンサンブル学習の1種）方式を使用し、約300項目に細分化した画像データの特徴量を用い、高感度・高精度な自動判定を実現した。「ランダムフォレスト」方式は「ディープラーニング」（人間の力を必要とせず、機械が自動的にデータ（教師画像）から特徴を抽出して自動で判定を行うディープニューラルネットワーク）方式に比べて、使用する特徴量としきい値の組み合わせから、数多くの学習データが正しく分類される様にノード（分岐）を作成するので、特徴量としきい値を用いてどのノードを通り、それをどのように判断したかという判定の根拠が明確かつ、より正しい判断を行う事が可能だとしている。上記のSOM機能と組み合わせることで、過検出や誤判定が起こった際にも、分類精度の向上に向けた条件の調整ができることも特長となっている。

このように、多くの主要メーカーが半導体製造装置にAI（自己学習）を導入することによって、開発能力の向上及び、メンテナンスフリーや条件最適化による生産性・歩留まりの向上に繋げている。
　これらの製造装置によるAI技術の活用が、AIを進化させて来た半導体の今後の進化にも繋がり、その恩恵をまた製造装置も受けることになり、相乗効果をもたらしていくだろう。