CN107408519B - 基于模型的单个参数测量的系统和方法 - Google Patents

基于模型的单个参数测量的系统和方法 Download PDF

Info

Publication number
CN107408519B
CN107408519B CN201680014060.6A CN201680014060A CN107408519B CN 107408519 B CN107408519 B CN 107408519B CN 201680014060 A CN201680014060 A CN 201680014060A CN 107408519 B CN107408519 B CN 107408519B
Authority
CN
China
Prior art keywords
model
measurement
parameter
signal
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680014060.6A
Other languages
English (en)
Other versions
CN107408519A (zh
Inventor
S·I·潘戴夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Tencor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN107408519A publication Critical patent/CN107408519A/zh
Application granted granted Critical
Publication of CN107408519B publication Critical patent/CN107408519B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本文中提出用于建置并使用参数隔离模型以使与所关注参数相关联的测量信号信息和与偶发模型参数相关联的测量信号信息隔离的方法及系统。通过以下步骤训练所述参数隔离模型：将与度量目标的例子的第一集合相关联的测量信号映射到与所述度量目标的例子的第二集合相关联的测量信号，所述第一集合具有多个偶发模型参数的已知值及所关注参数的已知值，所述第二集合具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值。所述经训练参数隔离模型接收原始测量信号且隔离与特定所关注参数相关联的测量信号信息以进行基于模型的参数估计。减少测量模型的浮动参数的数目，从而导致明显减少计算工作量。

Description

基于模型的单个参数测量的系统和方法
相关申请案的交叉参考
本专利申请案根据35 U.S.C.§119规定主张来自2015年3月24日申请的标题为“基于模型的单个参数测量(Model-Based Single Parameter Measurement)”的第62/137,225号美国临时专利申请案的优先权，所述临时专利申请案的标的物的全文以引用方式并入本文中。
技术领域
所描述的实施例涉及度量系统及方法，且更特定来说，涉及用于改进半导体产业中制造的结构的测量的方法及系统。
背景技术
半导体装置(例如逻辑设备及存储器装置)通常通过应用于样品的一系列处理步骤而制成。半导体装置的各种特征及多个结构层级通过这些处理步骤而形成。例如，其中光刻是一种涉及在半导体晶片上产生图案的半导体制造工艺。半导体制造工艺的额外实例包含但不限于化学机械抛光、蚀刻、沉积及离子植入。多个半导体装置可制造于单个半导体晶片上且接着分离成个别半导体装置。
在半导体制造过程期间的各种步骤处使用度量过程以检测晶片上的缺陷以促进更高良率。基于模型的度量技术使得在无样本破坏的风险的情况下实现高处理量成为可能。数种以基于模型的度量为基础的技术(包含散射测量、椭偏测量及反射测量实施方案以及相关联分析算法)通常用来使纳米级结构的临界尺寸、膜厚度、组合物、重叠及其它参数特性化。
现代半导体工艺用来产生复杂结构。需要具有多个参数的复杂测量模型来表示这些结构且考虑工艺及尺寸变动。复杂的多参数模型包含由参数相关性所致的建模误差及对一些参数的低测量敏感度。此外，具有相对较大数目个浮动参数值的复杂的多个参数模型的回归在计算上可能不易处理。为了降低这些误差源的影响且减少计算工作量，在基于模型的测量中，若干参数通常是固定的。尽管固定若干参数的值可提高计算速度且降低参数相关性的影响，但其还导致参数值的估计误差。
当前，复杂的多个参数测量模型的求解常常需要不令人满意的折衷。当前模型精简技术有时无法实现既在计算上易处理又足够准确的测量模型。此外，复杂的多个参数模型使得难以或不可能使对每一所关注参数的系统参数选择(例如，波形、入射角等)进行优化。
未来度量应用归因于越来越小分辨率的要求、多参数相关性、越来越复杂的几何结构及增加的不透明材料使用而带来挑战。因此，需要用于改进测量的方法及系统。
发明内容
本文中提出用于建置并使用参数隔离模型以使与所关注参数相关联的测量信号信息和与偶发模型参数相关联的测量信号信息隔离的方法及系统。
在一个方面中，通过以下步骤训练参数隔离模型：将与度量目标的例子的第一集合相关联的测量信号映射到所述度量目标的例子的第二集合。所述度量目标的例子的第一集合包含多个偶发模型参数的已知值及所关注参数的已知值。所述度量目标的例子的第二集合包含所述多个偶发模型参数的标称值及所述所关注参数的相同已知值。所述偶发参数是使测量模型公式化所需但不直接指示在测量下的样品的所关注性质的模型参数。
经训练参数隔离模型接收原始测量信号且移除与偶发参数相关的信号信息。由所述经训练参数隔离模型产生的输出信号包含与一或多个所关注参数相关联的信号信息。然而，所述输出信号对所述偶发参数的值的变化不敏感，这是因为由所述偶发参数相关联的信号信息已被所述经训练参数隔离模型除去。因此，所述偶发参数的值可在模型求解过程(例如，测量模型回归)期间被指派固定值。因此，在模型求解过程期间减小所述测量模型的自由度(例如，浮动参数)。在一些实施例中，仅所述所关注参数在所述测量模型的回归期间浮动。这显著减少产生对所述一或多个所关注参数的估计所需的计算工作量的量。
在另一方面中，参数隔离模型经训练并用来个别地测量每一所关注参数。因此，与每一所关注参数相关联的参数隔离模型经独立优化。通过个别地选择每一所关注参数，与参数隔离模型训练相关联的计算负担减小且基本测量的性能可通过选择针对每一个别参数经优化的不同波长、测量子系统及测量方法而最大化。此外，不同的基于模型的测量求解器可不同地经选择或经配置以用于每一所关注参数。
在另一方面中，参数隔离模型经训练并用来平行地测量多个所关注参数。因此，单个参数隔离模型经训练以隔离相关联的多个所关注参数的信号。在一个实例中，参考原始测量数据可经收集用于数个不同参数且多个参数可被选择为所关注参数，而剩余参数被视为用于训练与所述多个所关注参数相关联的参数隔离模型的目的的偶发参数。
在另一方面中，所述参数隔离模型将从横跨晶片或晶片的子集的数个测量位点收集的原始测量数据的整个集用于每一个别测量位点处的训练及后续测量两者。因此，所述参数隔离模型捕捉横跨晶片的参数变动，包含随机工艺及测量误差。例如，工艺随机地改变(例如，随机焦点及剂量误差等)且本文中所述的参数隔离模型能够捕捉这些误差。
前文为发明内容且因此必然包含细节的简化、概括及省略；因此，所属领域的技术人员将明白，发明内容仅为说明性的且不以任何方式进行限制。本文中所述的装置及/ 或工艺的其它方面、发明特征及优点将在本文中所陈述的非限制性详细描述中变得显而易见。
附图说明
图1描绘用于根据本文中所述的方法测量半导体晶片的特性的测量系统100。
图2是说明示范性PIM建置工具121及PIM测量工具122的框图120。
图3描绘具有测量位点171的网格的晶片170。
图4描绘在例如通过度量系统100的测量下的结构180。
图5说明曲线图190，其描绘以常规的基于模型的测量为基础的在图4中所描绘的参数G1-MCD的跟踪性能的模拟。
图6说明曲线图191，其描绘以常规的基于模型的测量为基础的在图4中所描绘的参数G1-SWA的跟踪性能的模拟。
图7说明曲线图192，其描绘以常规的基于模型的测量为基础的在图4中所描绘的参数G1-HT的跟踪性能的模拟。
图8说明曲线图193，其描绘以常规的基于模型的测量为基础的在图4中所描绘的参数G5-MCD的跟踪性能的模拟。
图9说明曲线图194，其描绘以使用经训练参数隔离模型的基于模型的测量为基础的在图4中所描绘的参数G1-MCD的跟踪性能的模拟。
图10说明曲线图195，其描绘以使用经训练参数隔离模型的基于模型的测量为基础的在图4中所描绘的参数G1-SWA的跟踪性能的模拟。
图11说明曲线图196，其描绘以使用经训练参数隔离模型的基于模型的测量为基础的在图4中所描绘的参数G1-HT的跟踪性能的模拟。
图12说明曲线图197，其描绘以使用经训练参数隔离模型的基于模型的测量为基础的在图4中所描绘的参数G5-MCD的跟踪性能的模拟。
图13说明用于使用经训练参数隔离模型执行测量的方法200。
图14说明用于训练参数隔离模型的方法300。
具体实施方式
现将详细参考本发明的背景实例及一些实施例，其中的实例说明于所附图式中。
本文中提出用于建置并使用参数隔离模型以使与所关注参数相关联的测量信号信息和与其它模型参数相关联的测量信号信息隔离的方法及系统。通过使与特定所关注参数相关联的测量信号信息隔离，可减少应用于测量信号的测量模型的浮动参数的复杂度及数目而不牺牲测量准确度。因此，可在计算工作量显著减少的情况下获得足够准确的基于模型的测量结果。
经训练参数隔离模型接收原始测量信号且移除与特定偶发参数相关的信号信息。所述偶发参数是使测量模型公式化所需但不直接指示在测量下的样品的所关注性质的模型参数。由所述经训练参数隔离模型产生的输出信号包含与一或多个所关注参数相关联的信号信息。因此，由所述经训练参数隔离模型产生的输出信号对偶发参数不敏感，且这些参数可在模型求解过程(例如，测量模型回归)期间被指派固定值。因此，在模型求解过程期间减小所述测量模型的自由度(例如，浮动参数)。在一些实施例中，仅所述所关注参数在所述测量模型的回归期间浮动。这动态地减少产生对所述一或多个所关注参数的估计所需的计算工作量的量。
图1说明用于测量半导体晶片的特性的系统100。如图1中所展示，系统100可用来执行安置于晶片定位系统110上的半导体晶片112的一或多个结构114的光谱椭偏测量。在此方面，系统100可包含装配有照射器102及光谱仪104的光谱椭偏仪101。系统100的照射器102经配置以产生选定波长范围(例如，150nm到1700nm)的照射并将其引导到安置于半导体晶片112的表面上的结构114。光谱仪104又经配置以接收来自半导体晶片112的表面的光。应进一步注意，从照射器102射出的光是使用偏振状态产生器107偏振以产生经偏振照射光束106。由安置于晶片112上的结构114反射的辐射行进通过偏振状态分析器109并到光谱仪104。就偏振状态分析由光谱仪104在收集光束108中接收的辐射，从而允许由所述分析器对行进的辐射进行光谱分析。这些光谱111 行进到计算系统130以用于分析结构114。
在另一实施例中，度量系统100是包含一或多个计算系统130的测量系统100，所述一或多个计算系统130经配置以执行根据本文中所提供的描述的参数隔离模型(PIM) 建置工具及PIM测量工具。在优选实施例中，所述PIM建置工具及所述PIM测量工具是存储于存储器132中的程序指令134的集合。程序指令134是由计算系统130的一或多个处理器读取并执行以实现如本文中所述的PIM功能。计算系统130可以通信方式耦合到光谱仪104。在一个方面中，计算系统130经配置以接收与样品112的结构114的测量(例如，临界尺寸、膜厚度、组合物、工艺等)相关联的测量数据111。在一个实例中，测量数据111包含由测量系统100基于来自光谱仪104的一或多个取样工艺对所述样品的经测量光谱响应的指示。在一些实施例中，计算系统130经进一步配置以从测量数据111确定结构114的样品参数值。在一个实例中，计算系统130经配置以采用实时临界尺寸标注(RTCD)实时存取模型参数，或其可存取预计算模型库以用于确定与目标结构114相关联的至少一个所关注参数的值。
在一些实施例中，测量系统100经进一步配置以将一或多个经训练参数隔离模型115 存储于存储器中(例如，存储器132或外部存储器)。
应认识到，遍及本发明所述的各种步骤可由单个计算机系统130或替代地多计算机系统130实行。此外，系统100的不同子系统(例如光谱椭偏仪101)可包含适于实行本文中所述的步骤的至少一部分的计算机系统。因此，前文描述不应被解释为对本发明的限制，但应被解释为仅为阐释。此外，计算系统130可经配置以执行本文中所述的方法实施例中的任何一者的任何其它步骤。
计算系统130可包含(但不限于)个人计算机系统、主计算机系统、工作站、图像计算机、并行处理器或所属领域中已知的任何其它装置。一般来说，术语“计算系统”可在广义上被定义为涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。一般来说，计算系统130可与测量系统(例如测量系统100)集成，或替代地可与任何测量系统分离。在此意义上，计算系统130可定位于远程且接收来自任何测量源的测量数据。
可通过传输媒体(例如导线、电缆或无线传输链路)传输实施方法(例如本文中所述的所述方法)的程序指令134。存储程序指令134的存储器132可包含计算机可读媒体，例如只读存储器、随机存取存储器、磁盘或光盘或磁带。
此外，计算机系统130可以所属领域中已知的任何方式通信地耦合到椭偏仪101的光谱仪104或照射器子系统102。
计算系统130可经配置以通过可包含有线部分及/或无线部分的传输媒体从所述系统的子系统(例如，光谱仪104、照射器102等)接收及/或捕获数据或信息。以此方式，所述传输媒体可用作计算机系统130与系统100的其它子系统之间的数据链路。此外，计算系统130可经配置以经由存储媒体(即，存储器)接收测量数据。例如，可将使用椭偏仪101的光谱仪获得的光谱结果存储于永久性或半永久性存储器装置(未展示)中。就此来说，所述光谱结果可从外部系统传入。此外，计算机系统130可经由传输媒体将数据发送到外部系统。
图1中所说明的系统100的实施例可进一步如本文中所述那样配置。此外，系统100可经配置以执行本文中所述的方法实施例中的任何一者的任何其它块。
一般来说，椭偏测量是测量受检验的样品的物理性质的间接方法。在多数情况下，原始测量信号(例如，αmeas及βmeas)无法用来直接确定所述样品的物理性质。标称测量过程是由结构参数化(例如，膜厚度、临界尺寸等)及机器参数化(例如，波长、入射角、偏振角等)组成。产生尝试预测经测量值(例如，αmeas及βmeas)的测量模型。如方程式(1)及(2) 中所阐释，所述模型包含与所述机器相关联的参数(Pmachine)及与所述样品相关联的参数 (Pspecimen)。
αmodel＝f(Pmachine，Pspecimen) (1)
βmodel＝g(Pmachine，Pspecimen) (2)
机器参数是用来使度量工具(例如，椭偏仪101)特性化的参数。示范性机器参数包含入射角(AOI)、分析器角(A0)、偏振器角(P0)、照射波长、数值孔径(NA)等。样品参数是用来使样品(例如，包含结构114的样品112)特性化的参数。对于薄膜样品，示范性样品参数包含折射率、电介质函数张量、所有层的标称层厚度、层序列等。出于测量目的，所述机器参数被视为已知的固定参数且所述样品参数中的一或多者被视为未知的浮动参数。
在一些实例中，通过产生理论预测与实验数据之间的最佳拟合的迭代过程(例如，回归)对所述浮动参数求解。改变所述未知样品参数(Pspecimen)且计算模型输出值(例如，αmodel及βmodel)直到确定样品参数值集合为止，其导致所述模型输出值与所述经实验测量值(例如，αmeas及βmeas)之间的接近匹配。在基于模型的测量应用(例如CD样品上的光谱椭偏测量)中，采用回归过程(例如，普通最小二乘回归)来识别使机器参数值的固定集合的所述模型输出值与所述经实验测量值之间的差最小化的样品参数值。
在一些实例中，通过搜索预计算解库以寻找最接近匹配来对所述浮动参数求解。在基于模型的测量应用(例如CD样品上的光谱椭偏测量)中，采用库搜索过程来识别使机器参数值的固定集合的预计算输出值与所述经实验测量值之间的差最小化的样品参数值。
在基于模型的测量应用中，常常需要简化假定维持充足处理量。在一些实例中，必须减小严格耦合波分析(RCWA)的截断阶数以使计算时间最小化。在另一实例中，减少库函数的数目或复杂度以使搜索时间最小化。在另一实例中，减少浮动参数的数目。如果未小心地执行，那么这些简化假定可导致一或多个所关注参数的值估计的不可接受误差。通过建置并使用参数隔离模型以隔离与如本文中所述的所关注参数相关联的测量信号信息，所述基于模型的测量可被简化而不牺牲测量准确度。
图2是说明由计算系统130实施的示范性PIM建置工具121及PIM测量工具122 的框图120。在图2中所说明的实施例中，计算系统130经配置以实施如本文中所述的 PIM建置及测量功能。
在图2中所描绘的实施例中，由参考变换模块151接收参考测量信号156。参考测量信号156是与一或多个度量目标的测量相关联的原始测量信号，所述一或多个度量目标具有多个偶发模型参数的已知值范围及至少一个所关注参数的已知值范围。原始测量信号是由测量系统(例如图1中所描绘的椭偏仪101)产生的测量信号。在基于模型的测量中，采用回归工艺、库搜索或其某一组合来估计使所述原始测量信号最佳地匹配通过所述测量模型预测的对应信号值的模型参数值。
类似地，由缩减参考变换模块152接收缩减参考测量信号157。缩减参考测量信号157与相同度量目标或与参考测量信号156相同的度量目标的不同例子的测量相关联。然而，经测量以获得缩减参考测量信号157的度量目标具有多个偶发模型参数中的每一者的已知的标称值及一或多个所关注参数的相同的已知值。
在优选实施例中，对于在考虑中的每一特定测量应用，通过模拟由测量系统(例如图 1中所描绘的椭偏仪101)产生的测量信号产生参考测量信号156及缩减参考测量信号157。每一特定测量应用定义在考虑中的度量目标、测量系统布置及测量模型。用已知参数值模拟所述测量模型，且经模拟测量信号被视为提供给PIM建置工具121的参考测量信号156及缩减参考测量信号。
在一些其它实施例中，参考测量信号156及缩减参考测量信号157或两者是通过所述测量系统对考虑中的具有已知参数值的度量目标的实际测量产生的实际的原始测量信号。在这些实施例中，通过实际测量产生的信号被视为提供给PIM建置工具121的参考测量信号156及缩减参考测量信号157。
图3描绘具有测量位点171的网格的晶片170。每一测量位点包含由测量系统(例如图1中所描绘的度量系统100)测量的一或多个度量目标。一般来说，测量数据收集可横跨整个晶片或晶片区域的子集执行。此外，在一些实施例中，所述度量目标是针对可印性及对工艺参数、所关注结构参数或两者的变化的敏感度而设计。在一些实例中，所述度量目标是专门目标。在一些实施例中，所述度量目标是基于常规线/空间目标。以非限制性实例为例，可采用可购自加利福尼亚州(美国)苗必达市科磊公司(KLA-Tencor Corporation,Milpitas,California(USA))的CD目标、SCOL目标或AiMTM目标。在一些其它实施例中，所述度量目标是类装置结构。在一些其它实例中，所述度量目标是装置结构或装置结构的部分。不管采用何种类型的度量目标，展现对工艺变动、结构变动或两者的敏感度的度量目标集合(正被探索)经提供以用于使用经训练参数隔离模型执行的测量。一旦所述模型经训练，其随即可用来执行相同度量目标的不同例子的测量，尽管一或多个所关注参数的值是未知的。
使用输入信号变换模型160，参考变换模块151将参考测量信号156变换成参考信号分量158的集合。类似地，使用参考信号变换模型，参考变换模块152将缩减参考测量信号157变换成缩减参考信号分量159的集合。
在一些实施例中，输入信号变换模型160及所述参考信号变换模型是线性变换。在这些实施例的一些中，基于主分量分析确定所述线性模型。在一些实施例中，输入信号变换模型160及所述参考信号变换模型是非线性变换。在这些实施例的部分中，基于已知参数值以及信号156及157，以迭代方式训练非线性模型以实现足够小信号分量集合。
将信号156及157变换成信号分量经执行以缩减在考虑中的训练数据的尺寸。在此意义上，这些变换是任选的。因此，在一些实施例中，由PIM训练模块153直接接收信号156及157，但这不是优选的。
除将缩减参考测量信号157变换成缩减参考信号分量159的集合外，参考变换模块152还产生将信号分量159变换回信号157且伴随最小误差的逆变换模型161。
PIM训练模块153分别从参考变换模块151及缩减参考变换模块152接收信号分量158及159。PIM训练模块153基于所述经接收信号分量训练参数隔离模型162。参数隔离模型162的训练是基于将信号分量158映射到信号分量159。方程式(3)阐释参考信号分量158到缩减参考信号分量159的示范性映射M。
Figure GDA0002965508500000081
经训练参数隔离模型162定义参考信号分量158与缩减参考信号分量159之间的函数关系。更一般来说，经训练参数隔离模型162定义从基于具有偶发参数的值范围及一或多个所关注参数的值范围的目标的测量的原始测量信号到基于具有偶发参数的固定值及一或多个所关注参数的值范围的目标的测量的缩减原始测量信号的映射。在一些实例中，将参数隔离模型162实施为神经网络模型。在其它实例中，可将参数隔离模型162 实施为线性模型、非线性模型、多项式模型、响应表面模型、支持向量机模型或其它类型的模型。在一些实例中，可将参数隔离模型162实施为模型的组合。通过用经训练参数隔离模型162扩充基于模型的度量，总测量准确度及精度被改进，同时计算工作量显著减少。
通过使用原始测量数据或原始测量数据的分量来训练参数隔离模型162，减小与传统测量模型精简技术相关联的误差及逼近。此外，参数隔离模型162对系统误差、非对称性等不敏感，这是因为参数隔离模型162是基于与特定测量应用相关联且用来基于相同测量应用执行测量的原始测量数据而训练。应注意，嵌入于用于训练参数隔离模型162 的原始测量数据中的系统误差将不由所述经训练参数隔离模型162捕捉。因此，重要的是，选择具有在考虑中的特定测量应用的可接受极限内的系统误差的测量系统。
总的来说，输入信号变换模型160、逆变换模型161及经训练参数隔离模型162作为来自PIM建置工具121的输出被传达。在一些实施例中，这些元件存储于存储器(即，存储器132或外部存储器)中以供未来使用。在一些实施例中，这些元件由PIM测量工具122接收以用于实际测量。
如图2中所描绘，参数隔离模块154接收输入信号变换模型160、逆变换模型161 及经训练参数隔离模型162。此外，参数隔离模块154接收原始测量信号163。原始测量信号163是通过具有偶发参数及所关注参数两者的未知值的结构的实际测量而产生。所述经测量结构是经测量以产生参考测量信号156及缩减参考测量信号157的相同结构的不同例子。在此意义上，与信号163相关联的测量应用是与信号156及157相关联的相同测量应用。
使用输入信号变换模型160，参数隔离模块154将原始测量信号163Smeas变换成经测量信号分量SCmeas的集合。方程式(4)阐释对原始测量信号Smeas进行计算以实现经测量信号分量SCmeas的输入信号变换Tref。
SCmeas＝Tref(Smeas) (4)
使用参数隔离模型162，参数隔离模块154将经测量信号分量SCmeas映射到缩减的经测量信号分量SCred meas。方程式(5)阐释对经测量信号分量SCmeas进行计算以实现缩减的经测量信号分量SCred meas的参数隔离模型M。
Figure GDA0002965508500000091
此外，使用逆变换模型161，参数隔离模块154将缩减的经测量信号分量SCred meas变换成缩减的经测量信号Sred meas的集合。方程式(6)阐释对缩减的经测量信号分量 SCred meas进行计算以实现缩减的经测量信号Sred meas的逆信号变换Tref -1。
Figure GDA0002965508500000101
将缩减的经测量信号164传达到参数求解器模块155。参数求解器模块155基于缩减的经测量信号164估计一或多个所关注参数的值。由参数求解器模块155采用的测量模型的偶发参数固定于与用来训练参数隔离模型M的缩减参数测量信号157相关联的标称值，且所述一或多个所关注参数是浮动的。以非限制性实例为例，参数求解器模块155 可采用基于模型的回归、基于模型的库搜索、基于模型的库回归、信号响应度量或其任何组合。在第2014/0297211号美国专利公开案及第2014/0316730号美国专利公开案中论述关于信号响应度量的进一步细节，所述专利公开案的全文以引用方式并入本文中。
在图2中所描绘的实施例中，将所述一或多个所关注参数的经估计值165存储于存储器(例如，存储器123)中。
在图1中所描绘的实施例中，光谱椭偏仪101提供用于训练及使用参数隔离模型的测量数据。然而，一般来说，可采用任何合适的基于模型的度量技术来产生用于根据本文中所述的方法训练及使用参数隔离模型的测量数据。
在一个实例中，基于椭偏重叠测量应用中的光瞳图像数据训练参数隔离模型。
在另一实例中，基于基于图像的重叠测量应用中的图像数据训练参数隔离模型。在此实例中，除因重叠偏移引入的非对称性外，原始图像数据还包含工艺所致的非对称性，例如侧壁角。所述参数隔离模型经训练以使偶发非对称性(例如，侧壁角)与归因于所述所关注参数引起的非对称性(例如，重叠偏移)隔离。这是通过基于经模拟参考信号及经模拟缩减参考信号训练所述参数隔离模型而实现。所述参考信号包含所述偶发参数的值范围(例如，侧壁角)及所述所关注参数的值范围(例如，重叠偏移)。所述缩减参考信号包含每一偶发参数的标称值及所述所关注参数的相同值范围。采用所述经训练参数隔离模型来缩减从具有未知重叠的样本收集的图像数据。所述缩减图像数据对工艺所致的非对称性不敏感。采用基于图像的重叠算法来基于所述缩减图像数据估计所述重叠偏移。
图4描绘在例如度量系统100的测量下的结构180。结构180包含：层181，其具有梯形结构182；中间层183、184及185；及另一梯形结构186，其安置于结构180顶部。梯形结构182是用中间临界尺寸参数(G1-MCD)、侧壁角参数(G1-SWA)及高度参数 (G1-HT)而参数化。梯形结构186是用中间临界尺寸参数(G5-MCD)、侧壁角参数(G5-SWA) 及高度参数(G5-HT)而参数化。
计算系统130从G1-MCD、G1-SWA、G1-HT及G5-MCD的已知参数值范围合成地产生参考原始信号156。类似地，计算系统130从G5-MCD的相同已知参数值范围以及 G1-MCD、G1-SWA及G1-HT的固定的标称参数值合成地产生缩减参考原始信号157。
图5到8分别说明参数G1-MCD、G1-SWA、G1-HT及G5-MCD中的每一者的跟踪性能。图5到8中所说明的跟踪性能是基于绘制每一参数的实际的已知值对在不使用参数隔离模型的情况下以常规的基于模型的度量为基础预测的对应参数值。如分别在图5 到8中所描绘的曲线图192、193、194及195中所说明，每一参数的跟踪性能是相当好的。然而，与实现此结果相关联的计算工作量是大量的。应注意，在此实例中，仅将参考原始信号156提供给基于模型的测量引擎。还应注意，良好地跟踪所有参数表明，参考原始信号156包含与所述参数中的每一者相关联的信息。
图9到12还分别说明参数G1-MCD、G1-SWA、G1-HT及G5-MCD中的每一者的跟踪性能。然而，图9到12中所说明的跟踪性能是基于绘制每一参数的实际的已知值对在使用如本文所述的参数隔离模型的情况下以基于模型的度量为基础预测的对应参数值。在此实例中，参数G5-MCD是所关注参数且参数G1-MCD、G1-SWA及G1-HT 是偶发参数。如分别在图9到12中所描绘的曲线图194、195、196及197中所说明，所述偶发参数的跟踪性能是相当差的。然而，所述所关注参数G5-MCD的跟踪性能是相当好的。在此实例中，与实现此结果相关联的计算工作量远小于图5到8中所描绘的常规的基于模型的度量。应注意，在此实例中，所述基于模型的测量引擎对缩减测量信号进行计算。还应注意，继续良好地跟踪所有所述所关注参数(G5-MCD)表明，所述缩减测量信号包含与所述所关注参数相关联的信息。然而，未良好地跟踪所述偶发参数表明，所述缩减测量信号缺乏与所述偶发参数(G1-MCD、G1-SWA及G1-HT)相关联的信息。因此，所述参数隔离模型已从经测量信号有效地移除与G1-MCD、G1-SWA及G1-HT 相关联的信息。
在另一方面中，参数隔离模型经训练并用来个别地测量每一所关注参数。因此，与每一所关注参数相关联的参数隔离模型经独立优化。在一个实例中，参考原始测量数据可经收集用于如关于图5到12所论述的数个不同参数，且每一参数可个别地被选择为所述所关注参数，而剩余参数被视为用于训练与每一不同参数相关联的不同参数隔离模型的目的的偶发参数。通过个别地选择每一所关注参数，减小与参数隔离模型训练相关联的计算负担，且可通过选择针对每一个别参数优化的不同波长、测量子系统及测量方法而最大化基本测量的性能。此外，不同的基于模型的测量求解器可不同地经选择或经配置以用于每一所关注参数。
在另一方面中，参数隔离模型经训练并用来平行地测量多个所关注参数。因此，单个参数隔离模型经训练以隔离信号相关联的多个所关注参数。在一个实例中，参考原始测量数据可经收集用于如关于图5到12所论述的数个不同参数，且多个参数可被选择为所关注参数，而剩余参数被视为用于训练与所述多个所关注参数相关联的参数隔离模型的目的的偶发参数。
通常，在特定测量位点处执行的所关注参数测量依赖于仅从所述特定测量位点收集的数据，即使数据可从晶片上的多个位点收集。例如，基于模型的测量(例如基于图像的重叠、散射测量重叠等)仅将可用测量数据的子集用于基于模型的回归。因此，不使用可改进测量性能的来自多个位点的信息。
在另一方面中，所述参数隔离模型将从横跨晶片或晶片的子集的数个测量位点收集的原始测量数据的整个集合用于每一个别测量位点处的训练及后续测量两者。因此，所述参数隔离模型捕捉横跨晶片的参数变动，包含随机工艺及测量误差。例如，工艺随机地变更(例如，随机焦点及剂量误差等)且本文中所述的参数隔离模型能够捕捉这些误差。
图13说明用于使用经训练参数隔离模型执行测量的方法200。方法200适于由度量系统实施，例如本发明的在图1中所说明的度量系统100。在一个方面中，应认识到，方法200的数据处理块可经由由计算系统130或任何其它通用计算系统的一或多个处理器执行的预编程算法实行。在本文中应认识到，度量系统100的特定结构方面不表示限制且应被解释为仅为阐释性的。
在块201中，由计算系统130接收与由测量系统对度量目标的测量相关联的一定量的原始测量信号。
在框202中，由计算系统130确定原始测量信号缩减集合。通过将经训练参数隔离模型应用于所述一定量的原始测量信号，确定所述原始测量信号缩减集合。基于以下各者的测量训练所述经训练参数隔离模型：所述度量目标的例子的第一集合，其具有多个偶发模型参数的已知值及所关注参数的已知值；及所述度量目标的例子的第二集合，其具有所述多个偶发参数的标称值及所述所关注参数的已知值。
在框203中，由计算系统130基于所述原始测量信号缩减集合及测量模型，确定所述度量目标的所关注参数的值。所述测量模型的多个偶发模型参数在确定所述所关注参数的值期间固定于所述标称值。
另外，将所述所关注参数的经确定值存储于存储器中。例如，可将所述值内建地存储于测量系统100(例如，存储于存储器132中)或(例如，经由输出信号140)传达到外部存储器装置(例如，存储器123)。
图14说明用于训练参数隔离模型的方法300。方法300适于由度量系统实施，例如本发明的在图1中所说明的度量系统100。在一个方面中，应认识到，方法300的数据处理块可经由由计算系统130或任何其它通用计算系统的一或多个处理器执行的预编程算法实行。在本文中应认识到，度量系统100的特定结构方面不表示限制且应被解释为仅为阐释性的。
在框301中，由计算系统130接收一定量的参考测量信号。所述参考测量信号与度量目标的例子的第一集合的测量相关联，所述第一集合具有多个偶发模型参数的已知值及所关注参数的已知值。
在框302中，由计算系统130接收一定量的缩减参考测量信号。所述缩减参考测量信号与所述度量目标的例子的第二集合的测量相关联，所述第二集合具有所述多个偶发模型参数的标称值及所述所关注参数的已知值。
在框303中，由计算系统130训练所述参数隔离模型。所述参数隔离模型的训练是基于将所述参考测量信号映射到所述缩减参考测量信号。
一般来说，前述测量技术可应用于以下各者的测量：工艺参数、结构参数、布局参数、分散参数或其任何组合。以非限制性实例为例，可使用前述技术测量重叠、分布几何结构参数(例如，临界尺寸、高度、侧壁角)、工艺参数(例如，光刻焦点及光刻剂量)、分散参数、布局参数(例如，节距、边缘布置误差)、膜厚度、组合物参数或任何参数组合。
以非限制性实例为例，用经训练参数隔离模型测量的结构包含行间距光栅结构、FinFet结构、SRAM装置结构、快闪存储器结构及DRAM存储器结构。
在另一方面中，定位于晶片上的度量目标是具优选设计规则的目标。换句话说，所述度量目标遵守适用于基本半导体制造过程的设计规则。在一些实例中，所述度量目标优选定位于作用裸片区域内。在一些实例中，所述度量目标具有15微米×15微米的尺寸或更小尺寸。以此方式，可分析对由光刻缺陷所致的视场内变动的重叠的影响。在一些其它实例中，所述度量目标定位于划线内，或以其它方式定位于作用裸片区域外。
本文中所述的经训练参数隔离模型将原始测量数据或原始测量数据的信号分量直接接收为输入且将缩减信号提供为输出。通过简化测量工艺，改进预测结果同时减少计算时间及使用者时间。
在另一方面中，用于训练所述参数隔离模型的方法及系统包含用来使实现经训练参数隔离模型所需的元件中的任何一者或所有自动化的优化算法。
在一些实例中，优化算法经配置以通过使以下参数中的任何一者或所有优化来使(由成本函数定义的)所述参数隔离模型的性能最大化：模型的类型及所述选定模型的参数。所述优化算法可包含用户定义的启发法且可为嵌套优化的组合(例如，组合优化及连续优化)。
在一些实施例中，来自多个不同目标的原始测量数据经收集用于参数隔离模型建置、训练及测量。与具有不同结构但由相同工艺条件形成的多个目标相关联的数据的使用增加嵌入于所述模型中的信息且减小与工艺或其它参数变动的相关性。嵌入于所述模型中的额外信息允许与一个所关注参数相关联的信息内容和与可以类似方式影响经测量信号的其它参数(例如，膜厚度、CD等)相关联的信息去耦合。在这些实例中，包含一或多个测量位点处的多个不同目标的测量的训练数据的使用实现更准确的信号隔离。
一般来说，可预期任何测量技术或者两种或更多种测量技术的组合是在本专利文件的范围内，这是因为经处理用于参数隔离模型训练及测量的数据是呈向量形式。由于如本文中所述的模型技术对数据向量进行计算，因此独立地处理每一经收集信号。此外，可串连来自多个不同度量的数据，而不管所述数据是二维数据、一维数据还是(甚至)单个点数据。
可提供用于根据本文中所述的参数隔离模型技术进行分析的数据的示范性测量技术包含(但不限于)：光谱椭偏测量，包含米勒矩阵椭偏测量；光谱反射测量，包含单个波长、多波长及角分辨；光谱散射测量；散射测量重叠；光束分布反射测量(角分辨及偏振分辨)；光束分布椭偏测量；单个或多离散波长椭偏测量；透射小角x射线散射计 (TSAXS)；小角x射线散射(SAXS)；掠入射小角x射线散射(GISAXS)；广角x射线散射 (WAXS)；x射线反射(XRR)；x射线绕射(XRD)；掠入射小角x射线绕射(GIXRD)；高分辨率x射线绕射(HRXRD)；x射线光电子光谱法(XPS)；拉曼光谱法；x射线荧光(XRF)；掠入射x射线荧光(GIXRF)；x射线断层扫描及x射线椭偏测量。一般来说，可预期适用于半导体结构的特性化的任何度量技术(个别地或以任何组合)，包含基于图像的度量技术、基于光斑的散射计、扫描电子显微术(SEM)、穿隧电子显微术(TEM)及原子力显微术(AFM)。
一般来说，来自各自通过多种度量技术测量的多个目标的信号增加信号的组合集中的信息内容且减小与工艺或其它参数变动的相关性。
在另一方面中，在差分模式中实施用于训练及测量如前文中所述的参数隔离模型的方法及系统。在此方案中，在处理流程中的两个不同步骤处执行度量目标测量及任何相关联参考测量。在每一不同处理步骤处测量的信号的差被视为训练信号(出于训练目的)及测量信号(出于测量目的)。
在一个实例中，相同位置点用于光刻步骤及后续蚀刻步骤处的度量目标测量。所述光刻步骤与所述蚀刻步骤之间的差信号允许在每个点位基础上监控工艺可变性，即使结构会在晶片上的点之间改变(例如，归因于工艺步骤或小定位误差)。对于其中测量目标的变动存在于晶片上的不同视场之间的SRAM装置区域的度量来说，此差分度量模式可为优选的。
在一些实例中，测量目标变动起因于经测量结构的周期性的缺陷，例如有限结构大小或在其中另一周期性结构于度量系统的测量点内不充分重复的情况下。在一些实例中，测量目标变动起因于光学度量系统的小点大小及所述度量系统的测量位置放置误差。
在一些实例中，一或多个蚀刻步骤之前的实际装置参数值与一或多个蚀刻步骤之后的实际装置参数值之间的差可用作用于蚀刻工艺的封闭回路控制的输入。
一般来说，差分度量允许可例如用来设置两个工艺监控步骤(即，蚀刻及光刻)之间的目标偏差的全局(晶片)、视场(视场平均)或区域(每个位点)结果提供每视场校正，或提供高阶校正(例如，OVL或EPE控制)。
在一些实例中，将本文中所述的参数隔离模型建置、训练及测量方法实施为可购自美国加利福尼亚州苗必达市科磊公司的
Figure GDA0002965508500000153
光学临界尺寸度量系统的要素。以此方式，所述模型经产生并准备在由所述系统收集所需参考原始测量数据之后立即被使用。
在一些其它实例中，例如由实施可购自美国加利福尼亚州苗必达市科磊公司的
Figure GDA0002965508500000151
软件的计算系统脱机实施本文中所述的参数隔离模型建置及训练方法。可将所得的经训练模型并入为可由执行测量的度量系统存取的
Figure GDA0002965508500000152
库的要素。
在又一方面中，使用本文中所述的参数隔离模型获得的测量结果可用来将主动反馈提供给工艺工具(例如，光刻工具、蚀刻工具、沉积工具等)。例如，使用本文中所述的方法确定的EPE或重叠误差的值可传达到光刻工具以调整光刻系统以便实现所要输出。以类似方式，蚀刻参数(例如，蚀刻时间、扩散率等)或沉积参数(例如，时间、浓度等) 可包含于测量模型中以将主动反馈分别提供给蚀刻工具或沉积工具。在一些实例中，对基于经测量装置参数值确定的工艺参数的校正可传达到光刻工具、蚀刻工具或沉积工具。
一般来说，可将本文中所述的系统及方法实施为准备参数隔离模型以用于脱机测量或工具测量的工艺的部分。
如本文中所述，术语“临界尺寸”包含结构的任何临界尺寸(例如，底部临界尺寸、中间临界尺寸、顶部临界尺寸、侧壁角、光栅高度等)、任何两个或更多个结构之间的临界尺寸(例如，两个结构之间的距离)及两个或更多个结构之间的移位(例如，重叠光栅结构之间的重叠移位等)。结构可包含三维结构、图案化结构、重叠结构等。
如本文中所描述，术语“临界尺寸应用”或“临界尺寸测量应用”包含任何临界尺寸测量。
如本文中所述，术语“度量系统”包含至少部分用来使样品的任何方面特性化的任何系统，包含测量应用，例如临界尺寸度量、重叠度量、焦点/剂量度量及组合物度量。然而，此类技术术语不限制如本文中所述的术语“度量系统”的范围。此外，度量系统 100可经配置以测量经图案化晶片及/或未经图案化晶片。所述度量系统可配置为LED 检验工具、边缘检验工具、背侧检验工具、宏检验工具或多模式检验工具(同时涉及来自一或多个平台的数据)及受益于基于临界尺寸数据的系统参数校准的任何其它度量或检验工具。
本文中描述用于可用于处理样品的半导体处理系统(例如，检验系统或光刻系统)的各种实施例。术语“样品”在本文中用来指代晶片、主光罩或可通过所属领域中已知的方式处理(例如，打印或检验缺陷)的任何其它样本。
如本文中所使用，术语“晶片”通常指代由半导体或非半导体材料形成的衬底。实例包含(但不限于)单晶硅、砷化镓及磷化铟。此类衬底常可见于半导体制造设施中及/或在半导体制造设施中被处理。在一些情况下，晶片可仅包含衬底(即，裸晶片)。替代地，晶片可包含形成于衬底上的一或多个不同材料层。形成于晶片上的一或多个层可“经图案化”或“未经图案化”。例如，晶片可包含具有可重复图案特征的多个裸片。
“主光罩”可为在主光罩制造工艺的任何阶段处的主光罩或可经释放或可未经释放以用于半导体制造设施的成品主光罩。主光罩或“掩模”通常被定义为上面形成有基本上不透明区域且配置成图案的基本上透明衬底。所述衬底可包含例如玻璃材料，例如非晶SiO2。主光罩可在光刻工艺的曝光步骤期间安置于抗蚀剂覆盖的晶片上方，使得所述主光罩上的图案可转印到所述抗蚀剂。
形成于晶片上的一或多个层可经图案化或未经图案化。例如，晶片可包含各自具有可重复图案特征的多个裸片。此类材料层的形成及处理可最终导致成品装置。许多不同类型的装置可形成于晶片上，且如本文中所使用的术语晶片希望涵盖在上面制造所属领域中已知的任何类型的装置的晶片。
在一或多个示范性实施例中，所述功能可以硬件、软件或其任何组合实施。如果以软件实施，那么功能可作为一或多个指令或程序代码存储于计算机可读媒体上或通过计算机可读媒体传输。计算机可读媒体包含计算机存储媒体及通信媒体两者，包含促进将计算机程序从一个位置传送到另一位置的任何媒体。存储媒体可为可由通用或专用计算机存取的任何可用媒体。举例来说且无限制意义，此类计算机可读媒体可包括RAM、 ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置、或可用来以指令或数据结构的形式实行或存储所要程序代码构件且可由通用或专用计算机或者通用或专用处理器存取的任何其它媒体。此外，任何连接被适宜地称为计算机可读媒体。例如，如果从网站、服务器或使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或无线技术(例如红外线、无线电及微波)的其它远程源传输软件，那么所述同轴电缆、光纤电缆、双绞线、DSL或无线技术(例如红外线、无线电及微波)包含于媒体定义中。如本文中所使用，磁盘及磁盘包含光盘(CD)、激光盘、光盘、数字多功能光盘(DVD)、软盘及蓝光光盘，其中磁盘通常磁性地再现数据，而磁盘结合激光光学地再现数据。上述元件的组合还应包含于计算机可读媒体的范围内。
尽管上文出于指导目的描述某些特定实施例，但本专利文献的教示内容具有普遍适用性且不限于上文所述的特定实施例。因此，可在不背离如权利要求书中所陈述的本发明范围的情况下实行所述实施例的各种特征的各种修改、调适及组合。

Claims (20)

1.一种测量系统，其包括：
度量系统，其经配置以执行晶片上的度量目标的测量并响应于所述测量产生一定量的原始测量信号；及
计算系统，其经配置以：
接收与由度量系统对所述度量目标的所述测量相关联的所述一定量的原始测量信号；
通过将经训练参数隔离模型应用于所述一定量的原始测量信号，确定原始测量信号缩减集合，其中基于以下各者的测量训练所述经训练参数隔离模型：所述度量目标的例子的第一集合，其具有多个偶发模型参数的已知值及所关注参数的已知值；及所述度量目标的例子的第二集合，其具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值；及
基于所述原始测量信号缩减集合及测量模型，估计所述度量目标的所关注参数的值，其中所述测量模型的所述多个偶发模型参数固定于所述标称值。
2.根据权利要求1所述的测量系统，其中所述计算系统经进一步配置以：
接收与所述度量目标的例子的所述第一集合的所述测量相关联的一定量的参考测量信号，所述第一集合具有所述多个偶发模型参数的已知值及所述所关注参数的所述已知值；
接收与所述度量目标的例子的所述第二集合的所述测量相关联的一定量的缩减参考测量信号，所述第二集合具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值；及
训练所述参数隔离模型，其中所述参数隔离模型的所述训练是基于将所述参考测量信号映射到所述缩减参考测量信号。
3.根据权利要求2所述的测量系统，其中所述计算系统经进一步配置以：
将所述参考测量信号变换成参考信号分量集合，其中所述参考测量信号的所述变换涉及输入信号变换模型；
将所述缩减参考测量信号变换成缩减参考信号分量集合，其中所述缩减参考测量信号的所述变换涉及参考信号变换模型；
确定逆变换模型，其中所述逆变换模型将所述缩减参考信号分量变换成所述缩减参考测量信号；
将所述一定量的原始测量信号变换成信号分量的第一集合，其中所述一定量的原始测量信号的所述变换涉及所述输入信号变换模型，且其中通过将所述经训练参数隔离模型应用于信号分量的所述第一集合，确定信号分量的第二集合；及
通过将所述逆变换模型应用于信号分量的所述第二集合，将信号分量的所述第二集合变换成所述原始测量信号缩减集合。
4.根据权利要求2所述的测量系统，其中所述计算系统经进一步配置以：
通过所述测量模型的模拟，产生所述参考测量信号及所述缩减参考测量信号。
5.根据权利要求3所述的测量系统，其中基于主分量分析，确定所述输入信号变换模型、所述逆变换模型及所述参考信号变换模型。
6.根据权利要求3所述的测量系统，其中所述输入信号变换模型、所述逆变换模型及所述参考信号变换模型是对所述参考测量信号及所述缩减参考测量信号训练的基于模型的变换。
7.根据权利要求1所述的测量系统，其中所述参数隔离模型是以下各者中的任何一者：线性模型、非线性模型、神经网络模型、多项式模型、响应表面模型及支持向量机模型。
8.根据权利要求1所述的测量系统，其中所述所关注参数的所述值的所述估计涉及以下各者中的任何一者：基于模型的回归、基于模型的库搜索、基于模型的库回归、基于图像的分析及信号响应度量模型。
9.根据权利要求1所述的测量系统，其中所述所关注参数是以下各者中的任何一者：光刻焦点参数、光刻剂量参数、临界尺寸参数、重叠参数、膜厚度参数及材料组合物参数。
10.一种测量方法，其包括：
接收与由测量系统对度量目标的测量相关联的一定量的原始测量信号；
通过将经训练参数隔离模型应用于所述一定量的原始测量信号，确定原始测量信号缩减集合，其中基于以下各者的测量训练所述经训练参数隔离模型：所述度量目标的例子的第一集合，其具有多个偶发模型参数的已知值及所关注参数的已知值；及所述度量目标的例子的第二集合，其具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值；及
基于所述原始测量信号缩减集合及测量模型，估计所述度量目标的所关注参数的值，其中所述测量模型的所述多个偶发模型参数固定于所述标称值。
11.根据权利要求10所述的方法，其进一步包括：
接收与所述度量目标的例子的所述第一集合的所述测量相关联的一定量的参考测量信号，所述第一集合具有所述多个偶发模型参数的已知值及所述所关注参数的所述已知值；
接收与所述度量目标的例子的所述第二集合的所述测量相关联的一定量的缩减参考测量信号，所述第二集合具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值；及
训练所述参数隔离模型，其中所述参数隔离模型的所述训练是基于将所述参考测量信号映射到所述缩减参考测量信号。
12.根据权利要求11所述的方法，其进一步包括：
将所述参考测量信号变换成参考信号分量集合，其中所述参考测量信号的所述变换涉及输入信号变换模型；
将所述缩减参考测量信号变换成缩减参考信号分量集合，其中所述缩减参考测量信号的所述变换涉及参考信号变换模型；
确定逆变换模型，其中所述逆变换模型将所述缩减参考信号分量变换成所述缩减参考测量信号；
将所述一定量的原始测量信号变换成信号分量的第一集合，其中所述一定量的原始测量信号的所述变换涉及所述输入信号变换模型，且其中通过将经训练参数隔离模型应用于信号分量的所述第一集合，确定信号分量的第二集合；及
通过将所述逆变换模型应用于信号分量的所述第二集合，将信号分量的所述第二集合变换成所述原始测量信号缩减集合。
13.根据权利要求11所述的方法，其进一步包括：
通过所述测量模型的模拟，产生所述参考测量信号及所述缩减参考测量信号。
14.根据权利要求12所述的方法，其中所述输入信号变换模型、所述逆变换模型及所述参考信号变换模型是线性变换。
15.根据权利要求12所述的方法，其中所述输入信号变换模型、所述逆变换模型及所述参考信号变换模型是对所述参考测量信号及所述缩减参考测量信号训练的基于模型的变换。
16.根据权利要求10所述的方法，其中所述参数隔离模型是以下各者中的任何一者：线性模型、非线性模型、神经网络模型、多项式模型、响应表面模型及支持向量机模型。
17.根据权利要求10所述的方法，其中所述所关注参数的所述值的所述估计涉及以下各者中的任何一者：基于模型的回归、基于模型的库搜索、基于模型的库回归、基于图像的分析及信号响应度量模型。
18.根据权利要求10所述的方法，其中所述所关注参数是以下各者中的任何一者：光刻焦点参数、光刻剂量参数、临界尺寸参数、重叠参数、膜厚度参数及材料组合物参数。
19.一种测量方法，其包括：
接收与度量目标的例子的第一集合的测量相关联的一定量的参考测量信号，所述第一集合具有多个偶发模型参数的已知值及所关注参数的已知值，其中由测量模型模拟所述度量目标的例子的所述第一集合的所述测量；
接收与所述度量目标的例子的第二集合的测量相关联的一定量的缩减参考测量信号，所述第二集合具有所述多个偶发模型参数的标称值及所述所关注参数的所述已知值，其中由所述测量模型模拟所述度量目标的例子的所述第二集合的所述测量；及
训练参数隔离模型，其中所述参数隔离模型的所述训练是基于将所述参考测量信号映射到所述缩减参考测量信号。
20.根据权利要求19所述的方法，其进一步包括：
接收与由测量系统对所述度量目标的例子的实际测量相关联的一定量的原始测量信号；
通过将经训练参数隔离模型应用于所述一定量的原始测量信号，确定原始测量信号缩减集合；及
基于所述原始测量信号缩减集合及所述测量模型，估计所述度量目标的所述所关注参数的值，其中所述测量模型的所述多个偶发模型参数固定于所述标称值。
CN201680014060.6A 2015-03-24 2016-03-23 基于模型的单个参数测量的系统和方法 Active CN107408519B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562137225P 2015-03-24 2015-03-24
US62/137,225 2015-03-24
US15/076,530 2016-03-21
US15/076,530 US10502549B2 (en) 2015-03-24 2016-03-21 Model-based single parameter measurement
PCT/US2016/023832 WO2016154352A1 (en) 2015-03-24 2016-03-23 Model-based single parameter measurement

Publications (2)

Publication Number Publication Date
CN107408519A CN107408519A (zh) 2017-11-28
CN107408519B true CN107408519B (zh) 2021-06-08

Family

ID=56975075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680014060.6A Active CN107408519B (zh) 2015-03-24 2016-03-23 基于模型的单个参数测量的系统和方法

Country Status (6)

Country Link
US (1) US10502549B2 (zh)
KR (1) KR102468971B1 (zh)
CN (1) CN107408519B (zh)
IL (1) IL254330B (zh)
TW (1) TWI703653B (zh)
WO (1) WO2016154352A1 (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10352876B2 (en) * 2014-05-09 2019-07-16 KLA—Tencor Corporation Signal response metrology for scatterometry based overlay measurements
US10295342B2 (en) * 2015-08-14 2019-05-21 Kla-Tencor Corporation System, method and computer program product for calibration of metrology tools
TW202426871A (zh) * 2015-12-15 2024-07-01 以色列商諾威股份有限公司 用於測量圖案化半導體結構之特性的系統
US10139358B2 (en) * 2016-01-11 2018-11-27 International Business Machines Corporation Method for characterization of a layered structure
US10503850B2 (en) * 2016-11-22 2019-12-10 Tokyo Electron Limited Generation of a map of a substrate using iterative calculations of non-measured attribute data
US10732516B2 (en) * 2017-03-01 2020-08-04 Kla Tencor Corporation Process robust overlay metrology based on optical scatterometry
US11378451B2 (en) 2017-08-07 2022-07-05 Kla Corporation Bandgap measurements of patterned film stacks using spectroscopic metrology
JP6959831B2 (ja) * 2017-08-31 2021-11-05 株式会社日立製作所 計算機、処理の制御パラメータの決定方法、代用試料、計測システム、及び計測方法
WO2019063206A1 (en) 2017-09-27 2019-04-04 Asml Netherlands B.V. METHOD FOR DETERMINING CONTROL PARAMETERS OF DEVICE MANUFACTURING PROCESS
US11380594B2 (en) * 2017-11-15 2022-07-05 Kla-Tencor Corporation Automatic optimization of measurement accuracy through advanced machine learning techniques
US10895541B2 (en) 2018-01-06 2021-01-19 Kla-Tencor Corporation Systems and methods for combined x-ray reflectometry and photoelectron spectroscopy
US11062928B2 (en) 2019-10-07 2021-07-13 Kla Corporation Process optimization using design of experiments and response surface models
US11060846B2 (en) 2018-12-19 2021-07-13 Kla Corporation Scatterometry based methods and systems for measurement of strain in semiconductor structures
CA3132556A1 (en) * 2019-03-05 2020-09-10 Gaston Daniel Baudat System and method of wavefront sensing with engineered images
US11060982B2 (en) 2019-03-17 2021-07-13 Kla Corporation Multi-dimensional model of optical dispersion
US11415898B2 (en) 2019-10-14 2022-08-16 Kla Corporation Signal-domain adaptation for metrology
CN112864075B (zh) * 2019-12-26 2024-10-01 南京中安半导体设备有限责任公司 晶圆几何参数以及晶圆上掩膜层的厚度的测量方法
US11530913B2 (en) * 2020-09-24 2022-12-20 Kla Corporation Methods and systems for determining quality of semiconductor measurements
US20220307990A1 (en) * 2021-03-24 2022-09-29 Kla Corporation Imaging reflectometry for inline screening
US20220392114A1 (en) * 2021-06-08 2022-12-08 Tencent America LLC Method and apparatus for calculating distance based weighted average for point cloud coding
US20230016619A1 (en) * 2021-07-15 2023-01-19 Taiwan Semiconductor Manufacturing Co., Ltd. Method for ion implantation uniformity control
EP4194952A1 (en) * 2021-12-13 2023-06-14 ASML Netherlands B.V. Method for determing a measurement recipe and associated apparatuses
WO2023025506A1 (en) * 2021-08-26 2023-03-02 Asml Netherlands B.V. Method for determing a measurement recipe and associated apparatuses
EP4191338A1 (en) * 2021-12-03 2023-06-07 ASML Netherlands B.V. Metrology calibration method
US20240185058A1 (en) * 2022-12-05 2024-06-06 Applied Materials, Inc. Semiconductor film thickness prediction using machine-learning

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963329A (en) * 1997-10-31 1999-10-05 International Business Machines Corporation Method and apparatus for measuring the profile of small repeating lines
CN1799045A (zh) * 2003-06-27 2006-07-05 音质技术公司 使用机器学习系统的对在半导体晶片上形成的结构的光学计量
US7115858B1 (en) * 2000-09-25 2006-10-03 Nanometrics Incorporated Apparatus and method for the measurement of diffracting structures
CN101359611A (zh) * 2007-07-30 2009-02-04 东京毅力科创株式会社 对光学计量系统的选定变量进行优化
CN104025275A (zh) * 2011-10-31 2014-09-03 东京毅力科创株式会社 用于计量的基于过程变差的模型优化
US8838422B2 (en) * 2011-12-11 2014-09-16 Tokyo Electron Limited Process control using ray tracing-based libraries and machine learning systems
CN104395997A (zh) * 2012-05-08 2015-03-04 科磊股份有限公司 基于跨越晶片的参数变化的测量模型优化
CN104395996A (zh) * 2012-05-08 2015-03-04 科磊股份有限公司 基于光谱敏感度及工艺变化的测量配方优化

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6734967B1 (en) 1995-01-19 2004-05-11 Kla-Tencor Technologies Corporation Focused beam spectroscopic ellipsometry method and system
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US6917433B2 (en) 2000-09-20 2005-07-12 Kla-Tencor Technologies Corp. Methods and systems for determining a property of a specimen prior to, during, or subsequent to an etch process
US6895075B2 (en) 2003-02-12 2005-05-17 Jordan Valley Applied Radiation Ltd. X-ray reflectometry with small-angle scattering measurement
JP4938219B2 (ja) 2001-12-19 2012-05-23 ケーエルエー−テンカー コーポレイション 光学分光システムを使用するパラメトリック・プロフィーリング
US6816570B2 (en) 2002-03-07 2004-11-09 Kla-Tencor Corporation Multi-technique thin film analysis tool
US6862491B2 (en) * 2002-05-22 2005-03-01 Applied Materials Israel, Ltd. System and method for process variation monitor
US7126700B2 (en) * 2003-12-12 2006-10-24 Timbre Technologies, Inc. Parametric optimization of optical metrology model
US7523076B2 (en) 2004-03-01 2009-04-21 Tokyo Electron Limited Selecting a profile model for use in optical metrology using a machine learning system
US7280229B2 (en) * 2004-12-03 2007-10-09 Timbre Technologies, Inc. Examining a structure formed on a semiconductor wafer using machine learning systems
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
US7522293B2 (en) 2006-03-30 2009-04-21 Tokyo Electron Limited Optical metrology of multiple patterned layers
NL1036018A1 (nl) 2007-10-09 2009-04-15 Asml Netherlands Bv A method of optimizing a model, a method of measuring a property, a device manufacturing method, a spectrometer and a lithographic apparatus.
US7929667B1 (en) 2008-10-02 2011-04-19 Kla-Tencor Corporation High brightness X-ray metrology
NL2008168A (en) * 2011-02-25 2012-08-28 Asml Netherlands Bv Method of calculating model parameters of a substrate, a lithographic apparatus and an apparatus for controlling lithographic processing by a lithographic apparatus.
US9228943B2 (en) 2011-10-27 2016-01-05 Kla-Tencor Corporation Dynamically adjustable semiconductor metrology system
US9581430B2 (en) 2012-10-19 2017-02-28 Kla-Tencor Corporation Phase characterization of targets
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US10101670B2 (en) 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9875946B2 (en) 2013-04-19 2018-01-23 Kla-Tencor Corporation On-device metrology
US9255877B2 (en) * 2013-05-21 2016-02-09 Kla-Tencor Corporation Metrology system optimization for parameter tracking
US10079183B2 (en) * 2013-06-26 2018-09-18 Kla-Tenor Corporation Calculated electrical performance metrics for process monitoring and yield management
US9177873B2 (en) * 2013-07-29 2015-11-03 GlobalFoundries, Inc. Systems and methods for fabricating semiconductor device structures
US9383661B2 (en) 2013-08-10 2016-07-05 Kla-Tencor Corporation Methods and apparatus for determining focus
US10935893B2 (en) 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US9412673B2 (en) 2013-08-23 2016-08-09 Kla-Tencor Corporation Multi-model metrology
US9323244B2 (en) * 2013-09-18 2016-04-26 Taiwan Semiconductor Manufacturing Company Limited Semiconductor fabrication component retuning

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963329A (en) * 1997-10-31 1999-10-05 International Business Machines Corporation Method and apparatus for measuring the profile of small repeating lines
US7115858B1 (en) * 2000-09-25 2006-10-03 Nanometrics Incorporated Apparatus and method for the measurement of diffracting structures
CN1799045A (zh) * 2003-06-27 2006-07-05 音质技术公司 使用机器学习系统的对在半导体晶片上形成的结构的光学计量
CN101359611A (zh) * 2007-07-30 2009-02-04 东京毅力科创株式会社 对光学计量系统的选定变量进行优化
CN104025275A (zh) * 2011-10-31 2014-09-03 东京毅力科创株式会社 用于计量的基于过程变差的模型优化
US8838422B2 (en) * 2011-12-11 2014-09-16 Tokyo Electron Limited Process control using ray tracing-based libraries and machine learning systems
CN104395997A (zh) * 2012-05-08 2015-03-04 科磊股份有限公司 基于跨越晶片的参数变化的测量模型优化
CN104395996A (zh) * 2012-05-08 2015-03-04 科磊股份有限公司 基于光谱敏感度及工艺变化的测量配方优化

Also Published As

Publication number Publication date
US20160282105A1 (en) 2016-09-29
WO2016154352A1 (en) 2016-09-29
TWI703653B (zh) 2020-09-01
CN107408519A (zh) 2017-11-28
IL254330A0 (en) 2017-11-30
KR20170129923A (ko) 2017-11-27
TW201703166A (zh) 2017-01-16
IL254330B (en) 2021-08-31
US10502549B2 (en) 2019-12-10
KR102468971B1 (ko) 2022-11-18

Similar Documents

Publication Publication Date Title
CN107408519B (zh) 基于模型的单个参数测量的系统和方法
US10030965B2 (en) Model-based hot spot monitoring
KR102013483B1 (ko) 파라미터 추적을 위한 계측 시스템 최적화
US9875946B2 (en) On-device metrology
TWI615909B (zh) 用於產生半導體量測模型之方法及系統
KR102196370B1 (ko) 프록시 구조의 측정에 기초한 신호 응답 계측
US10215559B2 (en) Metrology of multiple patterning processes
TW201940833A (zh) 多重圖案化參數之量測
KR102644768B1 (ko) 확률 도메인 지식에 기초하는 측정 레시피 최적화 및 물리적 실현
US10365225B1 (en) Multi-location metrology
JP2023544761A (ja) 機械学習ベースの測定レシピ最適化の動的制御
TW202244460A (zh) 基於經訓練之經參數調節之測量模型之高解析度輪廓測量
US11313809B1 (en) Process control metrology
US20240186191A1 (en) Measurements Of Semiconductor Structures Based On Spectral Differences At Different Process Steps
CN117413177A (zh) 基于扫描条件模型的半导体外形测量

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant