CN103026204B - 用于自动确定最优参数化的散射测量模型的方法 - Google Patents

Abstract

提供了用于分析具有未知参数的样本衍射结构的散射测量模型优化参数的自动确定。预处理器根据多个浮动的模型参数，确定简化的模型参数集合，该简化的模型参数集合能够基于从关于每个参数的测得的光谱信息的雅克比矩阵中确定的用于每个参数的相对精度，合理地在散射测量模型中浮动。在考虑组合的参数间的相关性的情况下，确定用于每个参数的相对精度。

Description

用于自动确定最优参数化的散射测量模型的方法

相关申请的交叉引用

本申请要求2010年7月22日提交的题为“用于自动确定最优参数化的散射测量模型的方法”的美国专利申请No.12/841,932（代理卷号：No.8536P005）的权益，该申请的全部内容出于所有目的以引入的方式结合于此。

技术领域

本发明的实施方式涉及散射尤其是用于自动选择浮动参数集合的方法和系统。

背景技术

光学测量技术一般是指如散射测量一样在制造过程中提供具有工件参数的特征的可能性。在实践中，将光直接照射在形成于工件的周期光栅上并且测量和分析反射光的光谱来具有该光栅参数的特征。特征化参数可以包括影响从材料反射或者通过材料传送的光的偏振和强度的临界尺寸（CD），侧壁腐蚀角（SWA）和特性高度（HT）等。光栅的特征化因而可以具有工件的特征也可以具有在光栅和工件的形成中利用的制造过程的特征。例如，图1A中描述的光学计量系统100可以被用于确定形成于半导体晶片104上的光栅102的轮廓（profile）。光栅102可以形成于晶片104上的测试区域，诸如相邻于形成在晶片104上的设备。该光学计量系统100可以包括具有源106和探测器112的测光设备。将来自源106的入射光108照射于光栅102。在本示例性实施方式中，入射光108以相对于光栅102的法线的入射角θ_i和偏振角（即，入射光108所在平面与光栅102的周期性方向的夹角）直接照 射在光栅102上。衍射光110以相对于法线的角θ_d离开，并且被探测器112接收。探测器112将该衍射光110转化为测得到计量信号。为了确定光栅102的轮廓，光学计量系统100包括被配置成接收所述测得的计量信号并分析该测得的计量信号的处理模块114。

对于测得的光谱的分析一般涉及将测得的样本光谱与仿真的光谱相比较来推断出能够最好地描述该测得的样本的散射测量模型的参数值。在这里使用的“模型”指散射测量模型并且“参数”指该散射测量模型的模型参数。图1B示出了用于建立参数化的散射测量模型（模型）和开始于样本光谱（如源于一个或多个工件）的光谱库的方法150。在操作152，接入材料文件的集合。材料文件详细说明了材料的特征（如n，k值），这些材料的特征形成了测得的样本特征。所述材料文件可以由用户定义或者从上游处理接收。

在操作152，接入初始散射测量模型。通过选择一个或多个材料文件来集成对应于当前待测量的周期性光栅特征中的材料堆，散射测量用户可以定义预期样本结构的初始模型。可替换地，初始模型可以作为来自自动源的输出而被接收。该初始模型可以进一步通过模型参数的标称值的定义而被参数化，诸如具有正在被测量特性的形状的特征的厚度、CD、SWA、HT、边缘粗糙度、圆角半径等。根据2D模型（即轮廓）或者3D模型是否被定义，具有30-50或者更多的这种模型参数并不罕见。

从参数化的模型中，针对给定的光栅模型参数值的集合的仿真光谱可以使用诸如严格耦合波分析（RCWA）方法的严格衍射建模算法来计算。然后在操作156执行回归分析直至参数化的模型在具有最终轮廓模型的特征的模型参数值集合处收敛，该最终轮廓模型与以预定的匹配标准匹配测得的衍射光谱的仿真光谱相对应。假定所述与匹配仿真的衍射信号相关联的最终轮廓模型代表结构的实际轮廓，其中模型生成于该结构的实际轮廓。

然后在操作157，匹配仿真的光谱和/或相关的最优轮廓模型可以通过扰 动参数化的最终轮廓模型的值而被利用于生成仿真的衍射光谱的集合。然后作为结果的仿真的衍射光谱的集合可以由在生产环境中操作的散射测量系统利用来确定随后测得的光栅结构是否已经根据规格被制造。

在回归操作156期间，来自于用于假设轮廓的模型参数集合的仿真的光谱适合于测得的样本光谱。在每次回归执行到下一个仿真的光谱时，需要确定哪些模型参数可以被允许浮动以（即变化）及哪些模型参数将被固定。一般地，每个允许浮动的模型参数将使得所有其他浮动模型参数降低准确度并且浮动过多的不能被光谱精确地确定的模型参数可能引起回归算法变得不稳定。然而，考虑到在回归分析期间模型参数中的至少一些模型参数必须被允许浮动，目前由在制造处理和散射测量领域均训练有素的工程师来做关于哪些模型参数浮动以及哪些模型参数固定的决定。这种对于在回归期间适当地选择模型参数来浮动的专业技术的依赖可能增加对于方法150的几周甚至几个月的工程时间。作为测量技术的在散射测量的明显性能中的相当大的主观性同样是由用户的参数化决定引进的。进一步考虑到典型地在半导体处理中测量采集点的多样性以及可能需要新模型的处理改变的频率，对于恰当地将散射测量模型参数化的需求形成了广泛采用散射测量的重大阻碍。

能够更快、更严格地进行并且不依赖于高技能用户的用于确定散射测量模型的最优参数化的自动化方法因而将具有优势。

附图说明

本发明的实施方式结合附图通过示例的方式被描述，但并不限于此，其中：

图1A描述了用于散射测量的示例性光学计量设备；

图1B是示出了用于建立散射测量模型和光谱库的传统方法的流程图；

图2A是根据实施方式的用于确定散射测量模型的最优参数化的示例性 自动化方法的流程图；

图2B是根据实施方式的作为模型中的多个参数和该参数的处理的函数的模型参数精确度的度量；

图2C是根据实施方式的用于自动地确定散射测量模型的最优参数化的示例性系统；

图3是根据实施方式的用于确定散射测量模型的最大DOF参数化的示例性方法的流程图；

图4A是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的模型参数集合的示例性方法的流程图；

图4B是根据实施方式示出用于确定从测得的光谱信息的雅克比矩阵的精度度量的示例性方法的流程图；

图5是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的模型参数集合的示例性组合数学方法的流程图；

图6A是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的模型参数集合的示例性自下而上的方法的流程图；

图6B根据实施方式描述了作为图6A中示出的自下而上的方法的示例性输出由图2B中的模型预处理器执行；

图7是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的模型参数集合的示例性自上而下的方法的流程图；

图8是根据实施方式示出示例性的固定的模型参数验证方法的流程图；

图9是根据实施方式示出用于确定基于参数空间中新点的雅克比矩阵的重新计算是否应被执行的示例性方法的流程图；

图10示出了根据实施方式的示例性计算机系统的框图；

图11是根据一个实施方式示出用于确定和利用轮廓参数来自动化处理和设备控制的示例性方法的流程图；以及

图12是根据用于确定和利用轮廓参数来自动化处理和设备控制的实施方式示出选择系统元素的框图。

发明内容

基于散射测量的测量是通过测量周期结构中的光谱信息和解决倒转的问题而进行的，这凭借经由优化处理将测得的光谱信息匹配于从参数化的模型中综合产生或仿真的光谱信息。通常，该模型通过更多的参数模型来被参数化，而不是通过优化处理来修订（浮动）。这需要大量的被固定为标称值的并且有更少量被浮动的模型参数。

于此实施方式描述了方法、计算机程序产品和光学计量系统来在参数化模型的回归期间确定将固定（浮动）的模型参数集合，其中该参数化模型用于对具有未知模型参数的样本衍射结构的散射测量分析。

在实施方式中，接收测得的光谱信息，并且接入具有多个（N个）浮动的模型参数的散射测量模型。计算测得的光谱信息的雅克比矩阵（雅克比行列式），并且基于由雅克比矩阵确定的精度度量和在多个参数组合中用于每个模型参数的光谱协方差矩阵，确定待固定为预定参数值的模型参数集合。在某些实施方式中，从雅克比矩阵（雅克比矩阵对所有模型参数仅计算一次）的列中集成多个模型参数组合并且组合学搜索或组合的自下而上或自上而下顺序被执行来识别一起为浮动的模型参数的最佳组。

在进一步的实施方式中，通过使用修订的散射测量模型在测得的光谱信息上执行回归。具有足够高的相对精度度量而无法合理地在散射测量模型中浮动的固定的模型参数被识别，并且在明显不同于标称值时被更新。接下来可以将该固定/浮动的确定结果进行循环来重新计算雅克比矩阵并且重新选 择固定/浮动的参数集合。在实施方式中，随着最大自由度模型自动识别，基于回归的技术被应用，并且基于总估计误差的加权和，附加的参数在迭代方式中自动被固定来达到最终的最优参数化模型。

具体实施方式

在下面的描述中，阐述了许多细节。对本领域的技术人员来说显而易见的是，本发明可以在没有这些特定的细节的情况下被实践。例如，虽然本发明的方法是在针对衍射光栅参数测量的散射测量的情况下被描述的，但是应当理解的是该方法可以由本领域普通技术人员容易地适用于其他情况和应用中。

在一些实例中，已知的方法和设备以框图的形式被示出而没有被详细地描述，以避免对本发明造成模糊。贯穿本说明书参考的“实施方式”指的是特别的特性、结构、功能或包含于至少一个本发明实施方式中的与实施方式有关连的所描述的特征。因此，出现在本说明书中各处的短语“在实施方式中”不是指本发明的同一个实施方式。此外，特别的特性、结构、功能或特征可以以任何适合的方式结合于一个或多个实施方式中。例如，第一个实施方式和第二个实施方式可以在两个实施方式彼此不相斥的任何情况下相结合。

这里提供的详细说明书的一些部分是依据算法和在计算机存储器内对数据比特的操作的符号表达的形式呈现的。除非特别地阐明，否则从下面的讨论中可以显而易见地理解为，贯穿整个说明书中使用诸如“计算”、“确定”、“估计”、“存储”、“采集”、“显示”、“接收”、“结合”、“生成”、“更新”等术语的讨论涉及计算机系统或者类似的电子计算设备的动作和程序，其中动作和程序操纵并转换计算机系统的寄存器和存储器中的表示为物理（电子）量的数据为计算机系统存储器、寄存器或者其他此类的信息存储、传输或显 示设备中的其他同样地表示为物理量的数据。

在实施方式中，，诸如由用户初始提供的一个标称模型的预处理，通过确定在模型中能够合理地浮动的最大数量的模型参数而被执行来稳定输入至基于回归的模型细化器的模型。同样地，预处理并不确定最终模型，而是执行被设计为排除任何对于专业用户首先手动地减少输入至模型细化器的模型中的浮动参数的集合的需求的操作。在图2A中描述的示例性方法200中，在操作201接入（access）参数化的模型。在操作206执行模型回归之前执行模型参数化的优化来解决倒转问题。

在实施方式中，优化205被分为模型预处理操作203和模型细化操作204。如进一步在图2B中显示的作为模型中多个参数的函数的相对参数精度度量，预处理和细化操作203和204通过将模型参数划分为三个类别来相互补偿，该三个类别为：必须为固定的参数208、为了稳定的模型必须为浮动的参数209、以及剩余的参数210。预处理操作203辨别哪些模型参数落于208或/和209，同时细化操作204辨别在剩余区域中的参数210为固定还是浮动。如进一步在图2B中所示，相对精度度量具有定义了可以为用户可配置的临界范围（如0.1至10）的保护带。该临界范围包括预处理操作将确定来固定参数的一部分范围（如1至10）。针对落于该临界范围内的参数208，某些实施方式作为预处理操作203的一部分来执行验证回归。

操作203和204除了目的不同之外，两个操作之间的另一个显著的区别是实现各自的目的的方法不同。一般地，基于根据关于该模型参数的测得的光谱信息的雅克比矩阵确定的用于模型参数的精度度量，预处理操作203决定参数为固定还是浮动以优先地固定不能从测得的光谱信息中精确地确定的哪些参数（如，很小，其中x是模型参数向量）。在进一步的实施方式中，优化操作203为参数确定相对精度度量来同样固定那些在制造过程中理所当然地不会改变太多的参数，其中所述相对精度度量是作为精度度量和 与该参数相关联的预期过程变差（process variation）的函数。如于此其他部分进一步的描述，该基于雅克比矩阵的预处理可以被非常有效地进行，并且是以一种可以处理大量在初始模型被设置为浮动（30-50或更多）的模型参数的方式。

一旦预处理操作203完成，修订的模型然后被输入至模型细化操作204，其中在细化操作204中回归加强技术可以被用于考虑诸如样本变化中附加的光谱信息特征化等的附加因素。在模型细化操作204期间，超出在预处理操作203中识别的集合的附加参数可以基于于此进一步描述的诸如总估计误差（TEE）的组合统计指标函数而被固定。

图2C是根据实施方式的被配置成自动地优化散射测量模型的参数化的示例性光学计量系统211。光学计量系统211被配置成包括用于接收或接入具有大量（如30-50或更多）参数N或所有被设置为浮动的参数的数学组合的初始模型的模型优化器212。从N个浮动参数的集合中，模型预处理器213执行预处理操作203来识别微弱地影响光谱测量的参数集合或者极大地影响光谱测量以使参数必须分别为固定的或者浮动的参数集合，从而使得随后生成的最终模型有最低的不确定性。在参数化被指定后，具有可浮动参数的简化集合（N中的M个）的稳定模型被输入至模型处理器250以执行模型细化操作204，其中在模型细化操作204期间基于默认或由用户定义的视为关键（critical）的参数的最佳误差估计，可以将附加参数固定来输出具有M个参数中的L个参数浮动的最终模型。从该最终模型中可以生成仿真光谱信息库，并且可以使用任何已知的散射测量技术来推导样本衍射结构的未知参数。可以理解的是，模型预处理器213和模型处理器250中的一者或两者可以由软件、硬件或软件和硬件的组合来实施。例如，在一个实施方式中，如于此其他部分所描述的一个或多个普通用途的计算机处理单元通过存储于计算机可读介质上的指令被配置来作为模型预处理器213和/或模型处理器 250。

图3是示出了在图2A中描述的用于确定具有最大自由度（DOF）的散射测量模型的参数化的预处理操作203的一个示例性实施方式的预处理方法300的流程图。方法300开始于操作301，在操作301计算用于初始模型输入的所有的N个模型参数的雅克比矩阵J₀。J₀代表了由光学计量系统测得的光谱信号对于N个测量参数中的每个测量参数的导数。因此J₀具有N个模型参数中的每个模型参数的列和包括测得的光谱信息的每个光谱波长的行。

接下来方法300继续进行至操作310来基于由J₀确定的参数精度度量来确定固定的参数集合。一般地，在操作310以考虑到参数关联性的方式计算精度度量，以提供用于比较各种浮动参数的组合的基础以及识别能够合理地浮动的参数的最大集合。图4A示出了用于在图3的操作310确定固定的参数集合的一个示例性方法。如图4A所示，方法410使用输入J₀并且在操作411通过复制或删除J₀中的某些列来集成测试矩阵J_T，每个J_T包括J₀中的参数列的多个组合。显著地，该雅克比矩阵J₀只需要被计算一次（如在操作301）来实现待固定参数的集合。该测试矩阵J_T只是J₀中的列的并排串联，所以当其本身作为雅克比矩阵时，J_T的“集成”与实际计算雅克比矩阵J₀中的元素相比需要更少的时间集成数量级。

在操作420，针对多个组合的每个组合中的每个参数列计算相对精度度量。该相对精度度量是针对参数和与该参数相关联的预期过程变差的硬件精度的函数。在一个实施方式中，该相对精度度量是针对每个浮动的参数的标准化的估计的硬件精度（估计的硬件精度/估计的过程变差（HP/PV）在这里指精度/公差（P/V）比）。过程变差或者公差默认值可以被设置为用户已知的3σ过程变差并且可以在参数级别被配置，诸如但不限于对于物理尺寸参数的±5%（如纳米单位）和对于SWA参数的±1%。

计算的相对精度度量符合包含于测试矩阵J_T中的列。图4B是示出了用 于确定针对每个雅克比矩阵中的每个参数的精度度量的流程图，其中雅克比矩阵诸如在操作411集成的测试矩阵J_T。该方法开始于在操作422对所有N个模型参数的光谱噪声协方差S的确定。通过将测得的光谱信息和由模型计算的仿真的光谱信息相比较，使用如下二次方程式范数来估计模型参数：

${\mathrm{\χ}}^2=\frac{1}{N_{\mathrm{eff}}}{(f-m)}^{T}Q(f-m).---\left(1\right)$

其中f是包含仿真的光谱信息的向量，m代表测量值，以及N_eff近似于向量的长度。对于散射测量来说，向量f通常由变量α(λ)和β(λ)构成，使得具有较短波长的列交替地向下处于主导地位。

m＝[α₁ β₁ … α_N β_N]^T     (2) 

测量值m被假定为被零均值高斯白噪声扰动m=m₀+v

其中方差为 

S=E[vv^T]。      (3) 

向量f包含仿真的光谱信息，该仿真的光谱信息处于分析的目的，通过一阶近似值来描述。

f=f₀+Jp      (4)

其中f₀是最小化χ²范数的光谱信息，是在参数空间x₀中的最小值估计的雅克比矩阵，并p=x-x₀是最小值的扰动。可以进一步得出具有普遍性的结论

f₀=m₀+μ      (5) 

其中μ是考虑到任何由模型测得的光谱信息的模型中的不匹配的偏差向量。以扰动模型的形式改写χ²范数（1），可以得到

${\mathrm{\χ}}^2=\frac{1}{N_{\mathrm{eff}}}{(\mathrm{\μ}+\mathrm{Jp}-v)}^{T}Q(\mathrm{\μ}+\mathrm{Jp}-v)---\left(6\right)$

为了确定光谱噪声ν在参数扰动p的影响，我们注意到的是将χ²范数最小化的必要条件是其对p的导数为零，即，这意味着

J^TQJp＝J^TQ(v-μ)       (7) 

在操作423，参数空间中扰动的协方差p可以被估计为 

C_p=E[pp^T]

=(J^TQJ)^-1J^TQE[vv^T]QJ(J^TQJ)^-1

=(J^TQJ)^-1J^TQSQJ(J^TQJ)^-1      (8) 

一旦协方差使用方程（8）被估计，可以通过对协方差矩阵的对角线开平方来为测试矩阵确定精度（1σ）向量h：

$h_i=\sqrt{{\left[C_p\right]}_{\mathrm{ii}}}---\left(9a\right)$

在进一步的实施方式中，除了精度，相关系数同样从协方差矩阵中被计算。将相关矩阵定义为：

R_p＝D_pC_pD_p      (9b) 

其中

${\left[D_p\right]}_{\mathrm{ij}}=\left\{\begin{array}{ccc}1/h_i& ;& i=j\\ 0& ;& i\≠j\end{array}\right.---\left(9b\right)$

第i个参数和第j个参数之间的相关系数是R_p中第i项和第j项。

注意到测试矩阵的列和协方差矩阵的大小之间是一一对应的，并且列的顺序为精度向量h的顺序。如图2B中的实施方式所示，通过方程（9）和过程变差或者与在操作425输入的每个参数相关的公差，可以确定作为硬件精 度和过程变差的函数的相对精度。根据相对精度函数的格式，生成相对精度度量的极值以用于比较（排列）组合作为确定哪些参数组合一起适于浮动而哪些不适于浮动的方式。对于在操作426处相对精度度量为P/T比值的形式的示例性实施方式，第i个参数的标准偏差σ_i和过程变差τ_i的最大比值 在操作429被输出。如于此其他部分所述，该最大比值代表了给定的参数组合中最接近于作为端点临界值P/T的参数的P/T。在进一步的实施方式中，参数的相关性的测量被简单地定义为：

$r_p=\underset{i,j;i\≠j}{\max }\left({\left[R_p\right]}_{\mathrm{ij}}\right)---\left(9c\right)$

可以同上面所定义的P/T比值结合使用，即，

$\max \left\{\underset{i}{\max }\right\{\frac{{\mathrm{\σ}}_i}{{\mathrm{\τ}}_i}\},\frac{r_p}{{\mathrm{\τ}}_R}\}---\left(9d\right)$

其中τ_R＜1是限制最大期望相关系数的临界值。

回到图4A，通过能够确定测试矩阵J_T中的每个组合的最大P/T值P/T，方法410继续识别满足P/T临界值（如图2B中描述的1）并且包含最大数量的参数列的组合。在修订的散射测量模型中，所识别的参数组合是待浮动的参数，同时在操作435确定的相应的模型参数集合N-M将被固定为预定值（如初始模型中提供的标称值）。方法410接下来返回至操作340（图3）。

基于该实施方式，方法410的计算时间会有很大的不同。例如，图5、6和7分别示出了测试矩阵生成、精度计算和在图4A内容中更普遍描述的参数组合识别的三种特别的实施方式。在图5中描述的第一个实施方式中，组合学搜索针对具有最大数量的参数的组合而执行，并且需要对应于多个参数的阶乘的计算时间。图6和图7中所示的实施方式执行有序搜索并且具有对应于多个参数的线性计算时间的优势。

图5是示出了用于确定最大数量的可浮动参数以使组合的P/T比值维持在临界值（如图2B中描述的1）以下来保证良好的可浮动参数集合的示例性组合学方法510的流程图。该实施方式开始于具有从操作301中计算的J₀的操作511，使得所有可能可浮动参数的数量，即J₀中列的数量为N，并且将迭代器值初始化为k=1。过程公差τ_i同样针对所有参数被确定（如经由默认的设置或用户定义的设置)，如同使用前面所述的技术的光谱噪声协方差S。

在操作511，测试矩阵（雅克比矩阵）J_T是通过取J₀中的列的所有可能的组合而集成的，以使J_T有k列（有 $\left(\begin{array}{c}N\\ k\end{array}\right)$ 种该组合）。接下来，在操作515，使用方程（8）和（9）来确定每个组合中参数的精度。在操作520，确定最大P/T等级度量以用于每个组合，并且识别最小化最大P/T的组合。如果识别的组合具有小于P/T临界值（如，1）的最大P/T，则该组合在操作525被存储于存储器中。迭代器值随之增长为k=k+1，并且组合学方法510迭代回操作511来集成另一个包括所有可能的组合（如，k=2）的测试矩阵。然而如果在操作520所识别的组合具有大于P/T临界值的相关度量，方法510通过返回在操作525记录的对于k-1的组合作为参数而结束，其中参数在接下来的操作340（图3）中的回归期间为浮动的参数。

对于很多散射测量应用，通过使用组合学方法510，多个可浮动参数组合是可管理的。然而，当多个可浮动参数超过大约20时，相继地识别一直浮动（M_FLOAT）和/或一直固定（M_FIX）的个别参数是有益的。这些参数分别由“自下而上”和“自上而下”的方法来计算。这两种过程均产生有序的列表。在自下而上的算法中，该列表指示了浮动参数的顺序，同时对于自上而下的算法，该列表指示了固定参数的顺序。

图6A是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的参数集合的示例性自下而上的方法610的流程 图。方法610开始于DOF=1和用于所有输入的雅克比矩阵J₀中的参数N所确定的τ_i。光谱噪声协方差S被确定，并且缓冲矩阵J_F被设置为空集。在操作611，测试雅克比矩阵J_T通过取J₀中列的所有可能组合来集成，并将其附加于J_F以使J_T具有DOF列（有 $\left[\begin{array}{c}N\\ \mathrm{DOF}\end{array}\right]$ 这样的组合)。

在操作615，针对DOF的最佳模型是通过基于每个组合的最大P/T来识别针对DOF应为浮动的参数组合而被确定的。该确定与前面所描述的用于组合学方法510基本相同，包括在使用方程（8）和（9a-9c）的每个组合中用于参数的精度和/或相关系数的计算。确定哪个组合的最大（最差）P/T被最小化（即，基于组合中的参数的可浮动参数的最佳组合具有最差的P/T）。该组合与相关的DOF一起被记录，并且相应的行从J₀中被移除并附加至J_F。通过这种方式，连续的迭代中的测试矩阵J_T维持在先前紧接的迭代中浮动的参数，来捕获对于浮动的参数和随后的参数组合的相关性影响，其中该随后的参数组合将从目前具有减少的参数集合（N-DOF）的J₀中被集成。

如在操作340（图3）中的进一步描述，如果当前迭代的最大P/T大于P/T临界值（如在0.2-0.5之间）或者如果所有参数N已经识别为浮动，则方法610结束于返回存储于用于修订的模型的回归的矩阵J_F中的一直浮动的参数M_FLOAT。然而如果当前迭代的最大P/T维持在小于P/T临界值并且不是所有的参数N已经识别为浮动，则随着DOF增长为DOF+1执行另一个迭代。

图6B描述了根据实施方式的执行作为自下而上的方法610的示例性输出（如通过图2B中的模型预处理器）。如图所示，针对每个连续迭代（1DOF-4DOF），从输入的雅克比矩阵J₀中集成30个参数组合，其中N为30。同样地，每个连续迭代的处理时间保持为多个模型参数N的线性函数。在四个连续迭代上生成了包含615A、615B、615C和615D的有序列表。在第一个迭代（1DOF）中，将30个不同的组合集成为测试矩阵J_T，其中每个组合具有一个浮动的参数。如图所示，具有最低相对精度度量的参数“1”被识别为浮动的，并且被附加于接下来连续的迭代(2DOF)中的每个组合。随着参数“1”从J₀中被移除，与上一个紧接的迭代相比具有一个附加自由度的另外30个组合集成至下一个测试矩阵J_T迭代。针对考虑到参数“1”和30个组合中的每个其他参数之间的相关性的2 DOF迭代来执行新的P/T计算。如图所示，参数“1，3”组合615B识别为具有比组合“1，2”还低的最低的最大P/T值。因此测试矩阵的排序会至少因为参数相关性的而无法被确定。因此，在前一个迭代中排位为具有第一和第二低的P/T值的参数“1”和参数“2”之间的相关性在二者一同在2DOF迭代中为浮动时引起一个或多个其P/T值的增加。再进一步的迭代之后，组合615D被确定为具有最低的最大P/T值，然而，该自下而上方法610结束于参数1、3、4或6中至少一者具有大于临界P/T值的P/T值，并且因此不会有进一步的参数M被添加至“浮动”参数集合。

图7是根据实施方式示出用于基于由测得的光谱信息的雅克比矩阵推导出的精度度量来确定固定的参数集合的示例性自上而下的方法710的流程图。方法710开始于从操作301(图3)输入的雅克比矩阵J₀，其中k＝N，J_F＝J₀并且J₀被设置为空集。τ_i针对所有参数N被确定并且光谱噪声协方差S如同前面所描述来确定。在操作711，通过一次从J₀中移除所有可能的列的组合并且将其附加至J_F来集成测试矩阵(雅克比矩阵)J_T，以使J_T具有k列(具有 $\left(\begin{array}{c}N\\ N-k\end{array}\right)$ 这种组合)。在操作713，使用方程式(8)和(9a-9c)确定每个组合中的参数的精度和/或相关系数。在操作715，识别将最大P/T最小化的组合，并且在操作716存储。在操作717，将相对应的行从J₀中移除并附加至J_F。如果k不为零，则k被减少为k-1并且随后的迭代开始于集成另一个测试矩阵J_T。方法710结束于k＝0的情况，并且“从不浮动的参数”(如M_FIX)的有序列表被返回至操作340以用于回归(图3)。

关于由方法410、510、610和710中任一方法确定的固定的参数集合，预处理方法300（返回至图3）将参数化的散射测量模型修订为具有N-M_FIX个浮动参数的简化集合。在这类实施方式中，将在操作310被确定为固定的参数被设置为预定的标称值。在操作340，使用该标称值和提供有初始模型的范围来在测得的光谱信息上执行回归。在图3所描述的示例性实施方式中，回归的输出在操作345被用于执行在操作310被固定的参数中的至少一些参数的验证。

图8是根据一个实施方式示出示例性的固定的参数验证方法845的流程图。一般地，如果标称值与回归值有足够的区别而明显地影响着拟合，固定的参数验证将具有无法在最终模型中为浮动的足够高的P/T的参数值优化。方法845开始于根据相对精度度量（如P/T）排序固定的参数。如此，与M个浮动参数的相关性被考虑在内。在一个实施方式中，所有的固定的参数由方法845进行识别。然而在示例性实施方式中，可配置的固定的参数验证临界值被用于排序，并且仅具有足够小的相对精度度量（如P/T<2）的固定的参数的子集通过验证方法845进行处理。

在操作847，修订的模型被调整为具有固定的参数1到p的，这些参数具有落在以各自的基础相继地转换为附加的浮动参数的P/T范围内的相对精度。例如具有在低临界值（如0.3）和高临界值（例如2.0）之间的P/T值的那些参数1-p每次浮动一个，优选地以P/T递增的顺序。对于浮动的每个连续的参数，在操作850在测得的光谱信息上运行验证回归。用于该局部回归的起始点应当是用于前面的回归的最终结果。关于该验证回归是否相对于先前紧接的回归（如，回归340或者先前的固定的参数验证方法845的参数迭代）有所改进的确定被做出。例如，响应于由大于可配置的“改进临界值”（如比先前的模型修订好0.05的剩余）的数值改进的剩余或者χ²，方法845继续进行至操作853。在操作853，将形式上固定为先前值（如标称初始值） 的在当前迭代中浮动的参数更新为根据验证回归确定的修订值。然而响应于改进不足的剩余，在当前迭代中浮动的参数维持于被固定的先前值（如标称初始值）。方法845迭代该验证回归操作850和改进检查直至所有合格的固定参数被核实。方法845接下来返回用于在操作360（图3）更新修订的模型的新固定的参数值。

返回至图3，在实施方式中，预处理方法300的循环包括光谱拟合滤波器。在示例性实施方式中，为具有更新的参数值的修订的模型确定标准化的优良拟合（NGOF）。诸如在操作370向光学计量系统（如“验证标称模型，n，k或者测得的光谱信息”）的用户输出错误消息的校正动作被执行来响应低于NGOF临界值（如0.98）的NGOF值。响应足够高的NGOF，模型预处理方法300继续进行来确定来自先前模型的模型中的修订的重要性（如修订的模型和初始模型的比较）。假定固定和/或浮动参数是基于从先前模型的雅克比矩阵中确定的参数精度度量，则该确定是有用的。由于函数的导数依赖于该函数中的位置，显著地改变的模型可以重置该模型为不同的参数空间，该参数空间可能影响参数为固定与浮动的选择。

图9是根据实施方式示出用于确定基于参数空间中的新位置确定雅克比矩阵的重新计算是否应被执行的示例性方法的流程图。开始于来自操作360（图3）的修订的模型的回归结果，针对模型的参数的每个参数计算标准化的参数值差分。该差分在先前的参数值（如标称值，初始模型的最大/最小值）和修订的模型的值之间生成。针对该参数，这些值通过估计的硬件精度P被标准化，从而将参数空间中的重新定位的幅度和该重新定位的灵敏度相比较。

如果该标准化的差分不大于可配置的差分临界值，方法960迭代至下一个参数直至所有的参数被检查。随着所有参数确定为具有低于该临界值的标准化的差分，方法960返回至图3的操作390。对于第一个参数，标准化的 差分大于可配置的临界值的情况下，方法960返回至操作301（图3）以使用该修订的模型重新计算雅克比矩阵J₀。

返回到图3，如果随后的预处理方法300的迭代要再次执行从操作301继续进行到操作310的方法以基于重新计算的雅克比矩阵（如从1DOF模型重新开始）确定固定的参数的新集合等，则实质上如同在于此所描述的。循环跳出条件可以被设置为3-5或更多迭代。当预处理方法300不需要进一步的迭代时，方法300以在操作390识别的最大DOF模型结束。

返回到图2A，最大DOF模型接下来在操作204使用回归技术被细化来将默认或用户定义的视为关键的参数的最佳误差估计最小化。关键的参数一般可以包括特征CD或SWA。对于细化操作204，附加的误差源可以与硬件精度（P）结合来达到待在最终模型被最小化的总估计的误差（TEE）。

本发明还涉及一种用于执行于此诸如模型优化器212的操作的装置。该装置可以特别地针对所需要的目的架构，或者可以包括选择性地激活或者由存储在计算机中的计算机程序重新配置的普通用途的计算机。该计算机程序可以被存储于计算机可读存储介质中，诸如但不限于包括软盘、光盘、CD-ROM、磁光盘、只读存储器（ROM）、随机存取存储器（RAM）、EPROM、EEPROM、磁或光卡任何类型盘或适于存储电子指令的耦合至计算机系统总线的任何类型的介质。

于此介绍的算法和演示不与任何特定的计算机或其他装置有固有的联系。各种普通用途的系统可以根据于此的讲授以程序的方式使用，或者构建更专业的装置来执行所需的方法步骤被证明是方便的。用于各种该系统的所需结构将在下面的说明中被描述。此外，本发明的描述并不关于任何特定的计算机语言。可以理解的是，各种程序语言可以被用于实施于此描述的本发明的讲授。

本发明可以被提供为可以包括具有存储在其上的指令的机器可读介质 的计算机程序产品或软件，其中该指令可以用于对计算机系统（或其他电子设备）进行编程以执行根据本发明的过程。机器可读介质包括用于以机器例如，计算机）可读形式存储或传送信息的任何机制。例如，机器可读（如，计算机可读）介质包括机器（如，计算机）可读存储介质（如，只读存储器（“ROM”）、随机存取存储器（“RAM”）、磁盘存储媒介、光存储媒介、闪存设备，等）、机器（如，计算机）可读传输介质（电、光、声或其他形式的传播信号（如，载波、红外信号、数字信号，等）），等。

图10示出了计算机系统1000的示例性形式的机器的图解（diagrammatic）表示，其中在该计算机系统1000内，用于促使机器执行这里所讨论的任意一个或多个方法论（methodology）的指令集合可以被运行。在可替换的实施方式中，机器可以与局域网（LAN）、以太网、外联网、或因特网中的其他机器连接（例如，联网）。机器可以在客户端-服务器网络环境中以服务器或客户端机器的能力运行，或者在对等（或分布式）网络环境中作为对等机器。机器可以是个人计算机（PC）、平板PC、机顶盒（STB）、个人数字助理（PDA）、蜂窝电话、网络设备、服务器、网络路由器、交换机或网桥、或者任何能够运行（连续的或其他）指令集合的机器，其中该指令指定将由该机器采取的动作。此外，尽管仅单个机器被示出，但术语“机器”还应当被认为是包括独立地或共同地运行用于执行这里所讨论的任意一个或多个方法论的指令的集合（或多个集合）的机器的任意集合。

示例性计算机系统1000包括处理器1002、主存储器1004（例如，只读存储器（ROM）、闪存、动态随机存取存储器（DRAM）（例如，同步DRAM（SDRAM）或存储器总线（Rambus）DRAM（RDRAM）等等）、静态存储器1006（例如，闪存、静态随机存取存储器（SRAM）等等）、以及辅助存储器1018（例如，数据存储设备）），上述组件经由总线1030彼此之间进行通信。

处理器1002表示一个或多个通用处理设备，如微处理器、中央处理单元等。更特别地，处理器1002可以是复杂指令集计算（CSIC）微处理器，精简指令集计算（RISC）微处理器、超长指令字（VLIW）微处理器、实施其他指令集的处理器、或实施指令集的组合的处理器。处理器1002还可以是一个或多个专用处理设备，如专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、网络处理器等等。处理器1002被配置成运行用于执行这里所讨论的操作和步骤的处理逻辑1026。

计算机系统1000还可以包括网络接口设备1008。计算机系统1000还可以包括视频显示单元1010（例如，液晶显示器（LCD）或阴极射线管（CRT））、字母数字输入设备1012（例如，键盘）、光标控制设备1014（例如，鼠标）、以及信号生成设备1016（例如，扬声器）。

辅助存储器1018可以包括机器可访问存储介质（或者更特别地，计算机可读存储介质）1031，其中在该介质1031上存储有体现这里所描述的任意一个或多个方法论或功能的一个或多个指令集合（例如，软件1022）。在由计算机系统1000运行该软件1022期间，该软件1022也可以完全或至少部分地驻留在主存储器1004内、和/或处理器1002内，所述主存储器1004和所述处理器1002也构成机器可读存储媒介。软件1022还可以经由网络接口设备1008、通过网络1020被传送或接收。

机器可访问存储介质1031还可以被用于存储或者训练神经网络，和/或包含训练或调用神经网络元模型和/或神经网络元模型的用户接口的方法的软件库。该机器可访问存储介质1031可以进一步被用于存储一个或多个附加原件。虽然机器可访问存储介质1031以为单个介质的示例性实施方式被示出，但术语“机器可读存储介质”应当被认为包括存储一个或多个指令集合的单个介质或多个媒介（例如，集中式或分布式数据库、和/或相关联的高速缓存和服务器）。术语“机器可读存储介质”还应当被认为包括能够对由 机器运行的指令集合进行存储和编码、以及促使机器执行本发明的任意一个或多个方法论的任意介质。术语“机器可读存储介质”应该相应地被认为包括但不限于固态存储器、以及光媒介和磁媒介。

图11是用于确定和使用用于自动化的过程和设备控制的轮廓参数的示例性流程图。在步骤1110，库和/或训练的机器学习系统（MLS）被开发来从测得的衍射信号中提取轮廓参数。在步骤1112，使用库或者训练的MLS来确定结构的至少一个轮廓参数。在步骤1114，该至少一个轮廓参数被传送至被配置成执行处理步骤的制造群，其中该处理步骤可以在进行测量步骤1112之前或之后在半导体制造工艺流中被运行。在步骤1116中，至少一个被传送的轮廓参数被用于修改针对由制造群执行的处理步骤的过程变量或设备设置。

图12是用于确定和使用轮廓参数以进行自动化处理和设备控制的系统的示例性框图。系统1200包括第一制造群1202和光学计量系统1204。系统1200还包括第二制造群1206。尽管第二制造群1206在图12中被描述为在第一制造群1202之后，但应当认识到，第二制造群1206在系统1200中（例如在制造过程流程中）可以位于第一制造群1202之前。

诸如对被施加到晶圆上的光致抗蚀剂层进行曝光和/或显影的光刻工艺可以使用第一制造群1202来执行。在一个示例性实施方式中，光学计量系统1204包括光学计量工具1208和处理器1210。光学计量工具1208被配置成测量从结构中获取的衍射信号。如果所测量的衍射信号和仿真衍射信号匹配，则所述轮廓参数的一个或多个值被假定等于与所述仿真衍射信号相关联的轮廓参数的一个或多个值。

在一个示例性实施方式中，光学计量系统1204还可以包括具有多个仿真（计算的）衍射信号和与所述多个仿真衍射信号相关联的一个或多个轮廓参数的多个值的库1212。如上所述，该库能够被提前生成；计量处理器1210 可以将结构中的测量的衍射信号与库中的多个仿真衍射信号进行比较。当找到匹配的仿真衍射信号时，与库中的匹配仿真衍射信号相关联的轮廓参数的一个或多个值被假设成是在晶圆应用中使用的轮廓参数的一个或多个值，以制造结构。

系统1200还包括计量处理器1216。在一个示例性实施方式中，处理器1210可以传送一个或多个轮廓参数的一个或多个值至计量处理器1216。计量处理器1216之后可以基于使用光学计量系统1204确定的一个或多个轮廓参数的一个或多个值来调整第一制造群1202的一个或多个过程参数或设备设置。计量处理器1216还可以基于使用光学计量系统1204确定的一个或多个轮廓参数的一个或多个值来调整第二制造群1206的一个或多个过程参数或设备设置。如上所述，制造群1206可以在制造群1202之前或之后处理晶圆。在另一示例性实施方式中，处理器1210被配置成通过将所测量的衍射信号集合用作机器学习系统1214的输入和将轮廓参数用作机器学习系统1214的期望输出来训练机器学习系统1214。

应当理解的是，以上描述是为了示意而不是限制本发明。在阅读和理解上述的说明的基础上，其他实施方式对于本领域技术人员来说是显而易见的。尽管本发明已经参考特定的优选实施方式加以描述的，但是应当承认的是本发明并不限于描述的实施方式，可以在所附权利要求的精神和范围内对这些实施方式进行各种修改和变化。因此，说明书和附图被视为说明的目的，而非限制的目的。因此，本发明的范围应当参照所附的权利要求及这些权利要求所定义的等同的全部范围来确定。

Claims (17)

1.一种评估衍射结构的方法，所述方法包括：

接收所测得的用于所述衍射结构的光谱信息；

接收用于所述衍射结构的散射测量模型，所述散射测量模型具有多个(N个)模型参数；

计算所测得的光谱信息的雅克比矩阵，该雅克比矩阵包含针对所述多个模型参数的每个模型参数的列；

计算包括由所述雅克比矩阵推导出的参数列的多个组合的测试矩阵；

针对所述多个组合中的所述参数列的每个参数列，计算相对精度度量，其中所述相对精度度量是所述参数列的硬件精度与所述参数列的预期过程变差的函数；

针对所述多个组合中的每个组合，将所计算的相对精度度量中的最大值与对应的组合相关联；

识别具有小于临界值的所关联的最大相对精度度量的所述多个组合中的一个组合，其中该组合包括最大数量的参数列，其中在所识别的组合中的参数在修订的散射测量模型中是待浮动的；以及

使用所述修订的散射测量模型在所述测得的光谱信息上运行回归来生成仿真的光谱信息。

2.根据权利要求1所述的方法，其中针对所述参数列的每个参数列，计算所述相对精度度量进一步包括：

为所有模型参数确定光谱噪声协方差(S)；

根据S确定所述测试矩阵的参数空间中的扰动协方差(C_p)；以及

通过将硬件精度除以针对该参数的所述预期过程变差，以确定所述相对精度度量，其中所述硬件精度为C_p的对角线的平方根。

3.根据权利要求1所述的方法，其中：

生成所述测试矩阵进一步包括：

迭代地集成所述测试矩阵，其中对于每个连续的迭代，与先前的测试矩阵迭代相比具有一个附加浮动参数的N个列组合从所述雅克比矩阵中被复制，并且被附加于所有从先前的迭代中确定的具有最低相对精度度量的参数组合；以及

其中识别所述多个组合中的一个组合还包括：

对参数组合进行浮动，该参数组合在之前的迭代中在与参数集合相结合以进行浮动时具有最低相对精度度量；

响应于浮动的参数的最大相对精度达到临界值，终止迭代的测试矩阵集成；以及

将从上一次测试矩阵集成迭代中浮动的组合中排除的模型参数集合识别作为将被固定的参数集合。

4.根据权利要求1所述的方法，其中生成所述测试矩阵进一步包括：

将来自所述雅克比矩阵的列的所有可能组合添加至所述测试矩阵；

迭代地简化所述测试矩阵，其中对于每个连续的迭代，具有最高相对精度度量并且比先前的测试矩阵迭代少一个浮动参数的列的组合被保留；以及

其中识别所述多个组合中的一个组合进一步包括：

对参数组合进行浮动，该参数组合在之前的迭代中在与参数集合相结合以进行浮动时具有最低的相关联的最大相对精度度量；

响应于浮动的参数的最大相对精度达到临界值，终止迭代的测试矩阵集成；以及

将从上一次测试矩阵集成迭代中浮动的组合中排除的模型参数集合识别作为将被固定的参数集合。

5.根据权利要求1所述的方法，其中生成所述测试矩阵包括生成多个测试矩阵，所述多个测试矩阵的每个测试矩阵包括N个参数的所有可能组合。

6.根据权利要求1所述的方法，该方法进一步包括：

连续地浮动固定参数的子集中的每个参数，所述固定参数从对应于所识别的组合的所述参数列的集合中排除，该子集包含相对精度度量处于临界值范围内的参数；

在每个附加参数被浮动之后，运行验证回归；以及

响应于所述验证回归的残余的提高，将所述附加参数固定在新固定参数值，该新固定参数值根据所述验证回归来确定。

7.根据权利要求6所述的方法，该方法进一步包括：

确定所述预设参数值和所述新固定参数值之间的差值；

将所述差值标准化至所述参数的精度度量；以及

响应于标准化的差值大于临界值，使用所修订的散射测量模型和新固定参数值来重新计算所述测得的光谱信息的雅克比矩阵。

8.根据权利要求7所述的方法，该方法进一步包括：

基于根据所重新计算的雅克比矩阵确定的针对多个参数组合中的每个模型参数的精度度量来识别模型参数集合，其中所述模型参数集合的每个参数将被固定为重新修订的散射测量模型中的预设参数值；以及

使用所述重新修订的散射测量模型在所述测得的光谱信息上运行回归来生成重新仿真的光谱信息。

9.根据权利要求1所述的方法，其中所述测得的光谱信息具有形成于半导体晶片的光栅的特征。

10.一种执行用于评估衍射结构的方法的数据处理系统，该系统包括：

用于接收所测得的用于所述衍射结构的光谱信息的装置；

用于接收用于所述衍射结构的初始散射测量模型的装置，所述散射测量模型具有多个(N个)模型参数；

用于计算所述测得的光谱信息的雅克比矩阵的装置，该雅克比矩阵包含针对所述多个模型参数的每个模型参数的列；

用于计算包括由所述雅克比矩阵推导出的参数列的多个组合的测试矩阵的装置；

用于针对所述多个组合中的所述参数列的每个参数列，计算相对精度度量的装置，其中所述相对精度度量是所述参数列的硬件精度与所述参数列的预期过程变差的函数；

用于针对所述多个组合中的每个组合，将所计算的相对精度度量中的最大值与对应的组合相关联的装置；

用于识别具有小于临界值的所关联的最大相对精度度量的所述多个组合中的一个组合的装置，其中该组合包括最大数量的参数列，其中在所识别的组合中的参数在修订的散射测量模型中是待浮动的；以及

用于使用所述修订的散射测量模型在所述测得的光谱信息上运行回归来生成仿真的光谱信息的装置。

11.根据权利要求10所述的系统，其中用于针对所述参数列的每个参数列，计算所述相对精度度量的装置进一步包括用于以下操作的装置：

为所有模型参数确定光谱噪声协方差(S)；

根据S确定所述测试矩阵的参数空间中的扰动协方差(C_p)；以及

通过将硬件精度除以针对该参数的所述预期过程变差，以确定所述相对精度度量，其中所述硬件精度为C_p的对角线的平方根。

12.根据权利要求10所述的系统，其中用于生成所述测试矩阵的装置进一步包括用于以下操作的装置：

迭代地集成所述测试矩阵，其中对于每个连续的迭代，与先前的测试矩阵迭代相比具有一个附加浮动参数的N个列组合从所述雅克比矩阵中被复制，并且被附加于所有从先前的迭代中确定的具有最低相对精度度量的参数组合；以及

其中用于识别所述多个组合中的一个组合的装置进一步包括用于以下操作的装置：

对参数组合进行浮动，该参数组合在之前的迭代中在与参数集合相结合以进行浮动时具有最低的相关联的最大相对精度度量；

响应于浮动的参数的最大相对精度达到临界值，终止迭代的测试矩阵集成；以及

将从上一次测试矩阵集成迭代中浮动的组合中排除的模型参数集合识别作为将被固定的参数集合。

13.根据权利要求10所述的系统，该系统进一步包括用于以下操作的装置：

连续地浮动在固定的参数的子集中的每个参数，所述固定参数从对应于所识别的组合的所述参数列的集合中排除，该子集包含相对精度度量处于临界值范围内的参数，该相对精度度量是所述精度度量和与该参数相关联的预期过程变差的函数；

在每个附加参数被浮动之后，运行验证回归；以及

响应于所述验证回归的残余的提高，将所述附加参数固定在新固定参数值，该新固定参数值根据所述验证回归来确定。

14.根据权利要求13所述的系统，该系统进一步包括用于以下操作的装置：

确定所述预设参数值和所述新固定参数值之间的差值；

将所述差值标准化至所述参数的精度度量；以及

响应于标准化的差值大于临界值，使用所修订的散射测量模型和新固定参数值来重新计算所述测得的光谱信息的雅克比矩阵。

15.一种用于分析具有未知参数的样本衍射结构的方法，该方法包括：

散射测量模型预处理器，用于执行：

计算由所述计量系统测得的光谱信息的雅克比矩阵，所述雅克比矩阵包含针对多个初始模型参数中的每一参数的列；

计算包括由所述雅克比矩阵推导出的参数列的多个组合的测试矩阵；

针对所述多个组合中的所述参数列的每个参数列，计算相对精度度量，其中所述相对精度度量是所述参数列的硬件精度与所述参数列的预期过程变差的函数；

针对所述多个组合中的每个组合，将所计算的相对精度度量中的最大值与对应的组合相关联；及

识别具有小于临界值的所关联的最大相对精度度量的所述多个组合中的一个组合，其中该组合包括最大数量的参数列，其中在所识别的组合中的参数在修订的散射测量模型中是待浮动的；以及计量处理器，用于执行：

使用所述修订的散射测量模型在所述测得的光谱信息上运行回归并生成仿真的光谱信息。

16.根据权利要求15所述的方法，其中所述散射测量模型预处理器进一步执行：

连续地浮动固定参数的子集中的每个参数，所述固定参数从对应于所识别的组合的所述参数列的集合中排除，该子集包含相对精度度量处于临界值范围内的参数，所述相对精度度量是所述精度度量和与该参数相关联的预期过程变差的函数；

在每个附加参数被浮动之后，执行验证回归；以及

响应于所述验证回归的残余的提高，将所述附加参数固定在新固定参数值，该新固定参数值根据所述验证回归来确定。

17.根据权利要求15所述的方法，其中所述散射测量模型预处理器进一步执行：

确定所述预设参数值和所述新固定参数值之间的差值；

将所述差值标准化至所述参数的精度度量；以及

响应于标准化的差值大于临界值，使用所修订的散射测量模型和新固定参数值来重新计算所述测得的光谱信息的雅克比矩阵。