薄膜厚さ測定の低信号対雑音比スペクトルデータに対する安定性を向上させるために、自己注意型ニューラルネットワーク（Self-Attention-based Neural Network、SANN）に基づく測定方法が提案された。従来のフーリエ変換法では信号対雑音比の低下によりノイズ成分が主要な干渉周波数を覆い隠し、厚さ情報の正確な抽出が困難となるため、スペクトルデータを入力とし薄膜厚さを出力とする自己注意型ニューラルネットワークモデルを構築した。適応的注意機構を利用して異なる波長のスペクトル点に動的な重みを付与し、低信号対雑音比スペクトルデータの解析能力を強化した。スペクトル干渉膜厚測定システムで実験データを取得し、波長シフトおよび光強度の正規化による動的調整戦略でデータ増強を行い、訓練データセットを拡張しモデルの汎化能力を向上させた。本システムは自己注意機構に基づくエンコーダ層数および隠れノード数を最適化し、最終的に8層のエンコーダを持ち各層128ノードのモデルを選択した。ウェーハを例に検証し、異常値を含むスペクトルデータセットをテストした結果、低信号対雑音比テストセットにおける最大相対膜厚測定誤差は3.62％であり、この方法がノイズの影響を効果的に抑制し、フーリエ変換法における異常値バイアスを回避し測定安定性を大幅に向上させることを実証した。提案手法はより広範な薄膜測定応用に拡張可能である。

干渉測定;ウェーハ厚さ;スペクトル干渉法;自己注意型ニューラルネットワーク;耐ノイズ性;測定安定性