本发明涉及成膜系统、工厂系统和晶圆的成膜方法。
背景技术：
1、已知在晶圆上成膜多层膜的成膜装置(例如，专利文献1)。
2、现有技术文献
3、专利文献
4、专利文献1：日本专利第5650760号公报
技术实现思路
1、为了成膜构成多层膜的各层，成膜装置具有多个成膜材料。成膜材料例如是层叠多层膜时使用的原料，例如是溅射法中使用的靶材料。成膜装置在成膜的每层，将晶圆传送到与规定的成膜材料相对的位置，进行成膜。每层所要求的厚度不同，成膜速率在每个成膜材料不同。因此，存在在每层成膜所需要的时间不同，并且特定的层的成膜成为生产率的速率限制的情况。如果改变成膜装置内的成膜材料的配置，则有时可抑制晶圆成为成膜待机状态，可削减传送时间，并改善生产率。
2、如果多层膜的层数增加，则成膜材料的数量增加，并且成膜材料的配置的组合成为无数。迄今为止多是成膜材料的配置的设定基于操作者的经验的情况。但是，要求进一步的生产率的改善。
3、本发明鉴于上述情况而完成，其目的在于，提供一种能够减少成膜所需要的时间的成膜系统、工厂系统和晶圆的成膜方法。
4、为了解决上述技术课题，本发明提供以下的技术手段。
5、(1)第一实施方式所涉及的成膜系统，包括成膜装置和计算机，所述成膜装置具有能够设置多个成膜材料的成膜腔室，所述计算机具有基于包含伊辛模型或qubo的计算模型，预测在设定了成膜材料的配置的情况下成膜所需要的时间的计算区域。
6、(2)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有与所述成膜材料的数量和所述成膜腔室的数量的积相对应的数量的要素，所述要素分别是二进制变量。
7、(3)在上述方式所涉及的成膜系统中，所述伊辛模型或所述qubo的能量函数也可以包含与成膜装置的生产率相对应的能量函数。
8、(4)在上述方式所涉及的成膜系统中，所述伊辛模型或所述qubo也可以使用对应于被成膜的晶圆的传送时间和各工序中的处理时间的值来作为确定所述要素之间的相互作用参数的参数。
9、(5)在上述方式所涉及的成膜系统中，所述伊辛模型或所述qubo也可以以任意的工序中的处理能否替换为其他的腔室中的处理为条件来规定。
10、(6)在上述方式所涉及的成膜系统中，也可以是所述成膜装置还具有进行成膜之外的工艺的工艺腔室，所述工艺腔室中的处理被规定为所述伊辛模型或所述qubo中的无法与其他的腔室中的处理替换的工序。
11、(7)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述约束反映所述成膜材料中相同种类的成膜材料的数量的上限。
12、(8)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述约束反映所述成膜腔室中的所述成膜材料的槽数量的上限。
13、(9)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo进一步包括与所述成膜腔室的槽数量的和相对应的数量的附加要素来作为所述约束，所述附加要素为二进制变量。
14、(10)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述约束反映将存在对晶圆同时进行成膜的情况的成膜材料配置于相同的成膜腔室内这样的条件。
15、(11)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述约束反映将到达所述多个成膜材料的寿命的时间设为大致一定这样的条件。
16、(12)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述伊辛模型或所述qubo还具有表示晶圆的行程和所述工序的处理时刻的附加要素来作为所述约束，所述附加要素是二进制变量。
17、(13)在上述方式所涉及的成膜系统中，也可以是所述伊辛模型或所述qubo具有约束，所述伊辛模型或所述qubo还具有表示被投入的晶圆的投入时刻的附加要素来作为所述约束，所述附加要素是二进制变量。
18、(14)在上述方式所涉及的成膜系统中，所述计算机也可以还具有：存储区域，其将特定的成膜材料的配置及在所述特定的成膜材料的配置的情况下成膜所需要的时间作为教师数据来存储；及学习区域，其通过基于所述教师数据的机器学习，确定所述伊辛模型或所述qubo的要素间的相互作用参数，并设计计算模型。
19、(15)在上述方式所涉及的成膜系统中，所述存储区域也可以将在所述计算区域中用于预测的成膜材料的配置及在所述计算区域中预测的成膜所需要的时间作为教师数据而再次取得。
20、(16)在上述方式所涉及的成膜系统中，所述机器学习也可以通过因子分解机来进行。
21、(17)第二实施方式所涉及的工厂系统，具备多个装置和计算机，所述计算机具有基于包含伊辛模型或qubo的计算模型，预测在能够设置所述装置的多个区域配置了所述多个装置的情况下处理所需要的时间的计算区域。
22、(18)在上述上述方式所涉及的工厂系统中，所述计算机也可以还具有：存储区域，其将所述装置的相对于所述区域的配置及在所述配置的情况下处理所需要的时间作为教师数据来存储；及学习区域，其通过基于所述教师数据的机器学习，确定所述伊辛模型或所述qubo的要素间的相互作用参数，并设计计算模型。
23、(19)第三实施方式所涉及的晶圆的成膜方法，具有：将成膜装置中的多个成膜材料的配置作为要素来设计包含伊辛模型或qubo的计算模型的工序；基于所述计算模型，预测在成膜材料的配置的情况下成膜所需要的时间的工序；及在所述预测的时间为规定的时间以下的情况下，将所述成膜材料的配置作为所述成膜装置的成膜材料的配置来应用的工序。
24、(20)在上述方式所涉及的晶圆的成膜方法中，设计所述计算模型的工序也可以具有：将特定的成膜材料的配置及在所述特定的成膜材料的配置的情况下成膜所需要的时间作为教师数据来取得的工序；及通过基于所述教师数据的机器学习，确定要素间的相互作用参数的工序。
25、(21)在上述方式所涉及的晶圆的成膜方法中，也可以还具有在基于所述计算模型预测的时间为规定的时间以上的情况下，将所述成膜材料的配置及在所述成膜材料的配置时成膜所需要的时间作为教师数据来再次取得的工序。
26、本发明所涉及的成膜系统、工厂系统和晶圆的成膜方法能够减少成膜所需要的时间。
1.一种运算元件，其中：
2.根据权利要求1所述的运算元件，其中：
3.根据权利要求2所述的运算元件，其中：
4.根据权利要求3所述的运算元件，其中：
5.根据权利要求3所述的运算元件，其中：
6.根据权利要求5所述的运算元件，其中：
7.根据权利要求5或6所述的运算元件，其中：
8.根据权利要求3所述的运算元件，其中：
