大分子螯合剂在低压力低磨料条件下铜膜的化学机械抛光中的应用

The mechanism of the FA/O chelating agent in the process of chemical mechanical polishing （CMP） is introduced. CMP is carried on a φ300 mm copper film. The higher polishing rate and lower surface roughness are acquired due to the action of an FA/O chelating agent with an extremely strong chelating ability under the condition of low pressure and low abrasive concentration during the CMP process. According to the results of several kinds of additive interaction curves when the pressure is 13.78 kPa, flow rate is 150 mL/min, and the rotating speed is 55/60 rpm, it can be demonstrated that the FA/O chelating agent plays important role during the CMP process.     

优化CMP碱性铜抛光液配比的新方法

采用响应曲面法(RSM)和人工神经网络(ANN)分别对化学机械抛光(CMP)碱性铜抛光液的主要成分(SiO2磨料、FA/O型螯合剂、H2O2氧化剂)进行优化研究.采用RSM优化,当抛光液中磨料、氧化剂和FA/O型螯合剂的体积分数分别为10.57％,1.52％和2.196％时,Cu的抛光速率的预测值和实测值分别为924.29和908.96 nm/min;采用ANN结合人工蜂群算法(ABC)优化,当抛光液中磨料、氧化剂和FA/O型螯合剂的体积分数分别为11.58％,1.467％和2.313％时,Cu的抛光速率的预测值和实测值分别为947.58和943.67 nm/min,其拟合度为99.36％,高于RSM的94.63％,且均方根误差较低为0.199 3.结果表明,在抛光液配比优化方面,RSM和ANN都是可行的,但后者比前者具有更好的拟合度和预测准确度,为更加高效科学地优化抛光液配比提供了一种新的思路和方法.     

一种新的弱碱性螯合剂在阻挡层抛光中的应用

本文提出了一种新的弱碱性螯合剂,这种螯合剂与以前研究的FA/O I螯合剂相比,具有PH低和螯合能力强的特点。将其应用在阻挡层抛光中,这种新的弱碱性螯合剂的较强的螯合能力使在保证Cu、Ta和TEOS速率选择比的前提下提高了铜的速率,解决了以前的由于铜的速率低造成粗糙度大影响器件性能的问题。它的PH低的特点解决了以前由于PH高使低K介质的K值升高破坏低K介质层的问题。通过实验得出当新的弱碱性螯合剂含量为2.5ml/L时,铜的抛光速率为31.082nm/min,在12inch布线片上粗糙度为0.693nm(10x10um),修正能力也很好,达到了工业要求,并且低K介质的K值较稳定,无漂移现象。达到了工业要求。所有实验结果表明,这种新型的弱碱性螯合剂可以用于阻挡层抛光液。     

GLSI多层铜布线CMP后BTA去除研究

本文通过静态腐蚀速率的方法分析确立了碱性清洗剂中FA/OⅡ型螯合剂和FA/OⅠ型表面活性剂对BTA的去除规律。通过单因素实验和复合清洗剂的实验优化,确定了去除BTA的清洗剂配方,并通过接触角实验进一步证实实验结果的有效性。最后,将优化后的清洗剂配方在实际生产线上做试验,结果表明能有效去除BTA、CuO晶粒及磨料SiO2,且基本无界面腐蚀。解决了一直难以解决的多层铜布线CMP后有效去除BTA的难题,且该清洗剂成分简单,成本低而且环保。     

CMP碱性抛光液中的各组成成分对抛光速率影响程度的量化研究

本文结合神经网络和人工蜂群算法提出了CMP铜抛光速率预测模型,根据该模型,采用敏感性分析方法定量研究了碱性铜抛光液中的各成分（螯合剂、氧化剂、磨料和活性剂）及其交互作用对抛光速率的影响。结果表明：螯合剂、氧化剂、磨料和活性剂对抛光速率的相对影响系数分别为0.78、0.53、0.29、0.19;当抛光液中螯合剂和氧化剂含量的比例在2-7之间时,其交互作用对速率的影响最大,其敏感性系数在5-9之间;当磨料和氧化剂含量的比例>=5时,其交互作用对速率的影响比较大,其敏感性系数在2.5-6之间;活性剂和氧化剂的交互作用对抛光速率的影响不大,其敏感性系数小于3。因此,通过对神经网络和人工蜂群算法的改进,提出的CMP铜抛光速率预测模型可量化分析铜CMP抛光液的性能。