[論文レビュー] Autonomous sputter synthesis of thin film nitrides with composition controlled by Bayesian optimization of optical plasma emission

Davi Fébba, Kevin R. Talley+6 more|arXiv (Cornell University)|May 18, 2023

Machine Learning in Materials ScienceMaterials Science被引用数 3

ひとこと要約

本論文では、イン・サイト光学発光分光法（OES）を用いたベイズ最適化によって、人的介入を最小限に抑えて亜鉛チタン窒化物薄膜（ZnₓTi₁₋ₓNy）のカチオン成分を制御する自律的スパッタリングシステムを提案する。OESの発光線と外部で測定されたEDXRFによる薄膜組成の相関関係を確立することで、15 nmの薄膜に対しても相対誤差3.5%以内の高精度な組成制御が達成され、窒化物薄膜の閉ループ合成が実現された。

ABSTRACT

Autonomous experimentation has emerged as an efficient approach to accelerate the pace of materials discovery. Although instruments for autonomous synthesis have become popular in molecular and polymer science, solution processing of hybrid materials and nanoparticles, examples of autonomous tools for physical vapor deposition are scarce yet important for the semiconductor industry. Here, we report the design and implementation of an autonomous workflow for sputter deposition of thin films with controlled composition, leveraging a highly automated sputtering reactor custom-controlled by Python, optical emission spectroscopy (OES), and a Bayesian optimization algorithm. We modeled film composition, measured by x-ray fluorescence, as a linear function of emission lines monitored during the co-sputtering from elemental Zn and Ti targets in N$_2$ atmosphere. A Bayesian control algorithm, informed by OES, navigates the space of sputtering power to fabricate films with user-defined composition, by minimizing the absolute error between desired and measured emission signals. We validated our approach by autonomously fabricating Zn$_x$Ti$_{1-x}$N$_y$ films with deviations from the targeted cation composition within relative 3.5 %, even for 15 nm thin films, demonstrating that the proposed approach can reliably synthesize thin films with specific composition and minimal human interference. Moreover, the proposed method can be extended to more difficult synthesis experiments where plasma intensity depends non-linearly on pressure, or the elemental sticking coefficients strongly depend on the substrate temperature.

研究の動機と目的

• 人的介入を最小限に抑えた無機薄膜合成の完全自律的スパッタリングワークフローの開発。
• 物理的蒸着法における二成分窒化物薄膜（ZnₓTi₁₋ₓNy）のカチオン成分の正確な制御。
• イン・サイト光学発光分光法（OES）とベイズ最適化を用いたリアルタイム組成調整のための閉ループフィードバックシステムの構築。
• 100 nm未満の薄膜を対象とした手法の妥当性評価と、異なる堆積条件下での頑健性の検証。
• 特にチャンバーフィードバックと基板温度の変動に起因するOESベースの組成予測誤差の特定と是正。

提案手法

• PythonスクリプトとGraphite Edgeコントローラーを介して制御される、4本のカソードと基板加熱機能（最大1000 °C）を備えたカスタム高自動化スパッタリングリアクタを用いた。
• 窒素ガス雰囲気下での共スパッタリング中に、ZnおよびTiの発光線をOESでモニタリングし、プラズマ状態をリアルタイムで推定した。
• OES信号強度と実際の薄膜組成（外部で測定されたエネルギー分散型X線蛍光分光法：EDXRF）の間の線形モデルを学習した。
• 意思決定アルゴリズムとしてベイズ最適化を採用し、目標とするOES信号と測定値との絶対誤差を最小化するように、各スパッタリング源のRF出力を調整した。
• リアルタイムのデータストリーミングをデータウェアハウスに送信し、制御アルゴリズムに継続的なフィードバックを提供する閉ループモードでシステムを稼働させた。
• キャリブレーションは固定されたチャンバーフィードバック（5 mTorr）で実施され、モデルの性能は異なる合計出力およびガス流量でテストされた。

実験結果

リサーチクエスチョン

• RQ1 イン・サイト光学発光分光法（OES）は、亜鉛チタン窒化物のスパッタリング堆積中におけるリアルタイムのカチオン成分を信頼できる代理指標として用いることができるか？
• RQ2 ベイズ最適化は、薄膜スパッタリングの自律的プロセスにおいて、目標値からの組成偏差をどの程度低減できるか？
• RQ3 チャンバーフィードバックと合計スパッタリング出力の変動が、OESベースの組成予測の正確性に及ぼす影響は何か？
• RQ4 異なる薄膜厚さおよび堆積条件下でも、組成の相対誤差が4%未満に維持できるか？
• RQ5 OESベースのフィードバック制御における主な誤差要因は何か。また、それらを是正することで、より複雑な系への応用可能性をどのように高められるか？

主な発見

• 全テスト組成（x = 0.65, 0.75, 0.85, 0.95）において、目標とするカチオン組成の相対誤差が3.5%未満で達成された。
• 実測組成はそれぞれx = 0.65, 0.77, 0.86, 0.92であり、15 nmの薄膜に対しても高い正確性と再現性が確認された。
• 合計スパッタリング出力およびガス流量の変動が、チャンバーフィードバックをキャリブレーションレベル（5 mTorr）に維持した限り、予測精度に顕著な影響を及ぼさなかった。
• キャリブレーション圧力（5 mTorr）とは異なり、15 mTorrで堆積を行った場合、組成予測の相対誤差が12%に上昇した。これは、圧力の一貫性が極めて重要であることを示している。
• 基板温度および圧力の変動が非線形効果を引き起こし、OES信号にデグレーダシー（一意でない対応）を生じさせる可能性があり、これを考慮しないと組成予測が不正確になる。
• 本手法は迅速なキャリブレーションと新たな条件への適応が可能であり、非線形依存関係を有するより複雑な系への将来的な応用を支援する。