CN111582308B - Opc建模数据的可信度的计算方法、设备和存储介质 - Google Patents
Opc建模数据的可信度的计算方法、设备和存储介质 Download PDFInfo
- Publication number
- CN111582308B CN111582308B CN202010248423.0A CN202010248423A CN111582308B CN 111582308 B CN111582308 B CN 111582308B CN 202010248423 A CN202010248423 A CN 202010248423A CN 111582308 B CN111582308 B CN 111582308B
- Authority
- CN
- China
- Prior art keywords
- measurement
- test pattern
- candidate
- type
- calculating
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本申请公开了一种OPC建模数据的可信度的计算方法、设备和存储介质,包括:计算OPC建模的测试图形的特征向量值;根据特征向量值对测试图形进行聚类,得到至少一个图形集合;对每个图形集合中的测试图形的量测数据进行统计,得到每个量测数据的可信度。本申请实现了计算机设备对OPC建模的量测数据的自动判断和识别,解决了相关技术中通过人工的方式对建模数据进行判断和识别所导致的一致性、准确度较差且耗时较长的问题,提高了对OPC建模数据进行识别的准确度和效率。
Description
技术领域
本申请涉及半导体集成电路制造技术领域,具体涉及一种光学临近校正(opticalproximity correction,OPC)建模数据的可信度的计算方法、设备和存储介质。
背景技术
随着光学图像失真的日益严重,为了克服光学图像失真,半导体集成电路制造工业中引入了OPC技术通过改变版图形状以补偿光学畸变效应。实现OPC的方法主要有基于规则的OPC(rule-based OPC,ROPC)和基于模型的OPC(model-based OPC,MOPC)。
其中,MOPC是采用模型预测光刻结果,通过反馈机制修改版图形状,使预测结果接近目标结果的技术。MOPC所采用的模型,是使用一个由真实参数构建的光学物理模型为基础,加上少量占比的数学调整,去拟合达到一定数量(基本涵盖版图形状多样性)的真实光刻结果数据得到的。其中,这些用来调节模型的数据就是建模数据,建模数据的准确性和有效性对模型的准确度有着较为重要的影响。
通常,由于时间和资源的限制,难以做到对所有建模数据都测量多次,因此可能出现收集到的建模数据中,有部分数据的随机误差较大,超出了准确性的要求。对于这些随机误差较大的数据,相关技术中是通过人工的方式进行判断和识别,一致性、准确度较差,且耗时较长。
发明内容
本申请提供了一种可信度的计算方法、设备和存储介质,可以解决相关技术中由人工对建模数据中随机误差较大的数据进行判断所导致的准确度、一致性较差且耗时较长的问题。
一方面,本申请实施例提供了一种OPC建模数据的可信度的计算方法,所述方法应用于半导体集成电路制造工艺中OPC建模数据的可信度的计算,所述方法包括:
计算所述OPC建模的测试图形的特征向量值;
根据所述特征向量值对所述测试图形进行聚类,得到至少一个图形集合;
对所述每个图形集合中的测试图形的量测数据进行统计,得到每个所述量测数据的可信度,所述量测数据是所述测试图形通过光刻后在衬底上得到图形量测得到的数据。
可选的,所述计算OPC建模的测试图形的特征向量值,包括:
获取量测所述测试图形的量测类型和尺寸参数;
根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度,所述高度是所述测试图形沿量测方向垂直方向上的距离;
根据所述尺寸参数,通过所述量测类型指示的量测方式所述测试图形的宽度,所述宽度是所述测试图形沿所述量测方向上的距离;
根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形之间的间距;
计算所述测试图形的光学估计值。
可选的,所述量测类型包括第一类型和第二类型,所述第一类型是量测位置的中心在所述测试图形上的量测方式,所述第二类型是量测位置的中心不在所述测试图形上的量测方式。
可选的,根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心为起点,计算与所述量测方向垂直的方向上,从所述起点到所述测试图形的边界的第一距离;
获取所述第一距离中的最小的距离,作为第一候选高度;
当所述第一候选高度大于尺寸参数的二分之一时,确定所述高度为所述尺寸参数的二分之一;
当所述第一候选高度小于尺寸参数的二分之一时,确定所述高度为所述第一候选高度。
可选的,根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算与所述量测方向垂直的方向上,从所述起点到所述测试图形的边界的第二距离;
获取所述第二距离中的最小的距离,作为第二候选高度;
当所述第二候选高度大于尺寸参数的二分之一时,确定所述高度为所述尺寸参数的二分之一;
当所述第二候选高度小于尺寸参数的二分之一时,确定所述高度为所述第二候选高度。
可选的,所述根据所述尺寸参数,通过所述量测类型指示的量测方式所述测试图形的宽度,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第三距离;
获取所述第三距离中的最小的距离,作为第一候选宽度;
当所述第一候选宽度大于尺寸参数的二分之一时,确定所述宽度为所述尺寸参数的二分之一;
当所述第一候选宽度小于尺寸参数的二分之一时,确定所述宽度为所述第一候选宽度。
可选的,所述根据所述尺寸参数,通过所述量测类型指示的量测方式所述测试图形的宽度,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第四距离;
获取所述第四距离中的最小的距离,作为第二候选宽度;
当所述第二候选宽度大于尺寸参数的二分之一时,确定所述宽度为所述尺寸参数的二分之一;
当所述第二候选宽度小于尺寸参数的二分之一时,确定所述宽度为所述第二候选宽度。
可选的,所述根据尺寸参数,通过所述量测类型指示的量测方式所述测试图形之间的间距,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第五距离;
获取所述第五距离中的最小的距离,作为第一候选间距;
当所述第一候选间距大于尺寸参数的二分之一时,确定所述间距为所述尺寸参数的二分之一;
当所述第一候选间距小于尺寸参数的二分之一时,确定所述间距为所述第一候选间距。
可选的,所述根据尺寸参数,通过所述量测类型指示的量测方式所述测试图形之间的间距,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第六距离;
获取所述第六距离中的最小的距离,作为第二候选间距;
当所述第二候选间距大于尺寸参数的二分之一时,确定所述间距为所述尺寸参数的二分之一;
当所述第二候选间距小于尺寸参数的二分之一时,确定所述间距为所述第二候选间距。
可选的,所述计算所述测试图形的光学估计值,包括:
通过光学模型,计算所述量测方向与每个所述测试图形的两个交点处的归一化信号强度,将所述归一化信号强度的平均值作为所述光学估计值;
其中,所述光学模型是基于光刻工艺参数,根据光学原理建立的模型。
可选的,所述根据所述特征向量值对所述测试图形进行聚类,包括:
将所述特征向量值相同的测试图形归为同一图形集合;且
将所述特征向量值之间的差值小于差值阈值的测试图形归为同一图形集合。
可选的,所述对所述每个图形集合中的测试图形的量测数据进行统计,包括:
对所述每个图形集合中的测试图形的量测数据进行正态分布,根据所述量测数据和所述量测数据的平均值之差确定所述量测数据的可信度;或
对所述每个图形集合中的测试图形的量测数据进行正态分布,根据所述量测数据的出现概率确定所述量测数据的可信度。
另一方面,本申请提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令或者程序,所述指令或者程序由所述处理器加载并执行以实现如上任一所述的可信度的计算方法。
另一方面,本申请提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令或者程序,所述指令或者程序由处理器加载并执行以实现如上任一所述的可信度的计算方法。
本申请技术方案,至少包括如下优点:
通过计算机设备计算OPC建模的测试图形的特征向量值,根据特征向量值对测试图形进行聚类得到至少一个图形集合,对每个图形集合中的测试图形的量测数据进行统计得到每个量测数据的可信度,从而实现了计算机设备对OPC建模的量测数据的自动判断和识别,解决了相关技术中通过人工的方式对建模数据进行判断和识别所导致的一致性、准确度较差且耗时较长的问题,提高了对OPC建模数据进行识别的准确度和效率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的OPC建模数据的可信度的计算方法;
图2是本申请一个示例性实施例提供的OPC建模的测试图形的特征向量值的计算方法的流程图;
图3是本申请一个示例性实施例提供的测试图形的高度的计算示意图;
图4是本申请一个示例性实施例提供的测试图形的高度的计算示意图;
图5是本申请一个示例性实施例提供的测试图形的宽度的计算示意图;
图6是本申请一个示例性实施例提供的测试图形的宽度的计算示意图;
图7是本申请一个示例性实施例提供的测试图形之间的间距的计算示意图;
图8是本申请一个示例性实施例提供的测试图形之间的间距的计算示意图;
图9是本申请一个示例性实施例提供的计算第一类型的测试图形的光学估计值的示意图;
图10是本申请一个示例性实施例提供的第一类型的测试图形的归一化信号示意图;
图11是本申请一个示例性实施例提供的计算第二类型的测试图形的光学估计值的示意图;
图12是本申请一个示例性实施例提供的第二类型的测试图形的归一化信号示意图;
图13是本申请一个示例性实施例提供的一种测试图形的示意图;
图14是本申请一个示例性实施例提供的一种测试图形的示意图;
图15是本申请一个示例性实施例提供的一种测试图形的示意图;
图16是本申请一个示例性实施例提供的一种测试图形的示意图;
图17是本申请一个示例性实施例提供的计算机设备的框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电气连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
此外,下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
参考图1,其示出了本申请一个示例性实施例提供的OPC建模数据的可信度的计算方法,该方法可由计算机设备执行,该方法应用于对OPC建模数据的可信度的计算,该方法包括:
步骤101,计算OPC建模的测试图形的特征向量值。
其中,测试图形(test pattern)是拟合得到的光刻图形。示例性的,测试图形的特征向量值可根据测试图形的特征以及实际需求进行设置。例如,该特征向量值可包括测试图形的形状、量测类型、特征尺寸(例如测试图形的高度、宽度以及测试图形的间距等)中的至少一种。
步骤102,根据特征向量值对测试图形进行聚类,得到至少一个图形集合。
其中,通过将测试图形进行聚类,能够提高后续对量测数据进行统计的速度,提高自动分析的效率。
步骤103,对每个图形集合中的测试图形的量测数据进行统计,得到每个量测数据的可信度。
其中,该量测数据是测试图形在实际光刻后在衬底上得到的图形量测得到的数据。步骤103中,量测数据的可信度可通过相关技术中提供的数学模型(例如正态分布模型),或者可通过机器学习模型进行计算。
综上所述,本申请实施例中,通过计算机设备计算OPC建模的测试图形的特征向量值,根据特征向量值对测试图形进行聚类得到至少一个图形集合,对每个图形集合中的测试图形的量测数据进行统计得到每个量测数据的可信度,从而实现了计算机设备对OPC建模的量测数据的自动判断和识别,解决了相关技术中通过人工的方式对建模数据进行判断和识别所导致的一致性、准确度较差且耗时较长的问题,提高了对OPC建模数据进行识别的准确度和效率。
在一个可选的实施例中,测试图形的特征向量值包括量测类型、尺寸参数、测试图形的高度、测试图形的宽度、测试图形的间距以及光学估计值。其中:
量测类型:其包括第一类型和第二类型,第一类型是量测位置的中心在测试图形上的量测方式,第二类型是量测位置的中心不在测试图形上的量测方式。
尺寸参数:是一个固定值,其与测试图形对应的光刻工艺相关,通常尺寸参数的取值范围为1900纳米至4000纳米。
高度:是测试图形沿量测方向垂直方向上的距离。
宽度:是测试图形沿量测方向上的距离。
间距:是测试图形之间的距离。
光学估计值:是根据测试图形对应的光刻工艺参数,建立光学模型后,计算机设备基于该光学模型量测得到的测试图形的一种特征尺寸,该光学估计值是粗估计值。
示例性的,一组测试图形的特征向量值可以表示为(type,H,W,S,OM)。其中:type表示量测类型,当量测类型为第一类型时,type=1,当量测类型为第二类型时,type=0;H表示以量测位置的中心为中心,在与量测方向垂直方向上测试图形的有效高度(即测试图形的高度);W表示以量测位置的中心为中心,在量测方向上测试图形的有效宽度(即测试图形的宽度);S表示以量测位置的中心为中心,在量测方向上测试图形之间的有效间距(即测试图形之间的间距);OM表示光学估计值。
参考图2,其示出了本申请一个示例性实施例提供的OPC建模的测试图形的特征向量值的计算方法的流程图,该方法可以是图1实施例中步骤101的一种可选的实施方式,该方法包括:
步骤1011,获取测试图形的量测类型和尺寸参数。
执行步骤1011后,可执行步骤1012至步骤1014中的至少一个步骤,执行步骤1012、步骤1013和步骤1014的顺序本申请实施例中不限定。
步骤1012,根据尺寸参数,通过量测类型指示的量测方式计算测试图形的高度。
示例性的,在步骤1011中,计算机设备获取得到测试图形的量测类型(type)和特征尺寸参数(OD)后,可通过量测类型指示的量测方式,计算得到测试图形的高度H。例如:
当量测类型为第一类型时,以量测位置的中心为起点,计算与量测方向垂直的方向上,从起点到测试图形的边界的第一距离;获取第一距离中的最小的距离,作为第一候选高度;当第一候选高度大于尺寸参数的二分之一时,确定测试图形的高度为尺寸参数的二分之一;当第一候选高度小于尺寸参数的二分之一时,确定高度为第一候选高度。
示例性的,参考图3,其示出了本申请一个示例性实施例提供的测试图形的高度的计算示意图,如图3所示,计算机设备获取得到type=1,则以量测位置的中心O1为起点,计算与量测方向(如图3中粗线箭头所示的方向)垂直的方向上,从量测位置的中心O1到测试图形310的边界的第一距离(图3中,沿与量测方向垂直的方向,O1到测试图形310的边界具有两个第一距离,即图3中所示的h1、h2),若h1<h2,则将h1作为第一候选高度,若h1≥OD/2,则该测试图形的高度H=OD/2,若h1<OD/2,则该测试图形的高度H=h1。
当量测类型为第二类型时,以量测位置的中心沿量测方向上与测试图形的边界的最近的交点为起点,计算与量测方向垂直的方向上,从量测位置的中心到测试图形的边界的第二距离;获取第二距离中的最小的距离,作为第二候选高度;当第二候选高度大于尺寸参数的二分之一时,确定测试图形的高度为尺寸参数的二分之一;当第二候选高度小于尺寸参数的二分之一时,确定测试图形的高度为第二候选高度。
示例性的,参考图4,其示出了本申请一个示例性实施例提供的测试图形的高度的计算示意图,如图4所示,计算机设备获取得到type=0,则以量测位置的中心O2沿量测方向上与测试图形320的边界的最近的交点为起点,计算与量测方向(如图4中箭头所示的方向)垂直的方向上,从起点到测试图形320的边界的第二距离(图4中,具有两个交点,以这两个交点为起点,沿与量测方向垂直的方向,与测试图形320的边界具有四个第一距离,即图4中所示的h1、h2、h3和h4),若h1为四个第二距离中最小的,则将h1作为第二候选高度,若h1≥OD/2,则该测试图形的高度H=OD/2,若h1<OD/2,则该测试图形的高度H=h1。
步骤1013,根据尺寸参数,通过量测类型指示的量测方式测试图形的宽度。
示例性的,在步骤1011中,计算机设备获取得到测试图形的量测类型和特征尺寸参数后,可通过量测类型指示的量测方式,计算得到测试图形的宽度W。例如:
当量测类型为第一类型时,以量测位置的中心为起点,计算沿量测方向上,从起点到测试图形的边界的第三距离;获取第三距离中的最小的距离,作为第一候选宽度;当第一候选宽度大于尺寸参数的二分之一时,确定测试图形的宽度为尺寸参数的二分之一;当第一候选宽度小于尺寸参数的二分之一时,确定测试图形的宽度为第一候选宽度。
示例性的,参考图5,其示出了本申请一个示例性实施例提供的测试图形的宽度的计算示意图,如图5所示,计算机设备获取得到type=1,则以量测位置的中心O3为起点,计算沿量测方向(如图5中箭头所示的方向)上,从量测位置的中心O3到测试图形510的边界的第三距离(图5中,沿量测方向,O3到测试图形510的边界具有两个第三距离,即图5中所示的W1、W2),若W1<W2,则将W1作为第一候选宽度,若W1≥OD/2,则该测试图形的宽度W=OD/2,若W1<OD/2,则该测试图形的宽度W=W1。
当量测类型为第二类型时,以量测位置的中心沿量测方向上与测试图形的边界的最近的交点为起点,计算沿量测方向上,从起点到测试图形的边界的第四距离;获取第四距离中的最小的距离,作为第二候选宽度;当第二候选宽度大于尺寸参数的二分之一时,确定测试图形的宽度为尺寸参数的二分之一;当第二候选宽度小于尺寸参数的二分之一时,确定测试图形的宽度为第二候选宽度。
示例性的,参考图6,其示出了本申请一个示例性实施例提供的测试图形的宽度的计算示意图,如图6所示,计算机设备获取得到type=0,则以量测位置的中心O4与测试图形520的边界的最近的交点为起点,计算沿量测方向(如图6中箭头所示的方向)上,从起点到测试图形520的边界的第四距离(图6中,具有两个交点P3、P4,以交点P3、P4为起点,沿量测方向,与测试图形520的边界具有两个第四距离,即图6中所示的W1、W2),若W1<W2,则将W1作为第二候选宽度,若W1≥OD/2,则该测试图形的宽度W=OD/2,若W1<OD/2,则该测试图形的宽度W=W1。
步骤1014,根据尺寸参数,通过量测类型指示的量测方式计算测试图形之间的间距。
示例性的,在步骤1011中,计算机设备获取得到测试图形的量测类型和特征尺寸参数后,可通过量测类型指示的量测方式,计算得到测试图形之间的间距S。例如:
当量测类型为第一类型时,以量测位置的中心沿量测方向上与测试图形的边界的最近的交点为起点,计算沿量测方向上,从起点到测试图形的边界的第五距离;获取第五距离中的最小的距离,作为第一候选间距;当第一候选间距大于尺寸参数的二分之一时,确定测试图形之间的间距为尺寸参数的二分之一;当第一候选间距小于尺寸参数的二分之一时,确定测试图形的间距为第一候选间距。
示例性的,参考图7,其示出了本申请一个示例性实施例提供的测试图形之间的间距的计算示意图,如图7所示,计算机设备获取得到type=1,则以量测位置的中心O5与测试图形710的边界的最近的交点为起点,计算沿量测方向(如图7中箭头所示的方向)上,从起点到测试图形710的边界的第五距离(图7中,具有两个交点,以这两个交点为起点,沿量测方向,与测试图形710的边界具有两个第五距离,即图7中所示的S1、S2),若S1小于S2,则将S1作为第一候选间距,若S1≥OD/2,则该测试图形之间的间距S=OD/2,若S1<OD/2,则该测试图形之间的间距S=S1。
当量测类型为第二类型时,以量测位置的中心为起点,计算沿量测方向上,从起点到测试图形的边界的第六距离;获取第六距离中的最小的距离,作为第二候选间距;当第二候选间距大于尺寸参数的二分之一时,确定测试图形之间的间距为尺寸参数的二分之一;当第二候选间距小于尺寸参数的二分之一时,确定测试图形之间的间距为第二候选间距。
示例性的,参考图8,其示出了本申请一个示例性实施例提供的测试图形之间的间距的计算示意图,如图8所示,计算机设备获取得到type=0,则以量测位置的中心O6为起点,计算沿量测方向(如图8中箭头所示的方向)上,从量测位置的中心O6到测试图形720的边界的第六距离(图8中,沿量测方向,O6到测试图形720的边界具有两个第六距离,即图8中所示的S1、S2),若S1<S2,则将S1作为第二候选宽度,若S1≥OD/2,则该测试图形之间的间距S=OD/2,若S1<OD/2,则该测试图形之间的间距S=S1。
步骤1015,计算测试图形的光学估计值。
可选的,步骤1015中,“计算测试图形的光学估计值”包括但不限于:通过光学模型,计算量测方向与每个测试图形的两个交点处的归一化信号强度,将归一化信号强度的平均值作为光学估计值。
参考图9,其示出了本申请一个示例性实施例提供的计算第一类型的测试图形的光学估计值的示意图;参考图10,其示出了本申请一个示例性实施例提供的第一类型的测试图形的归一化信号示意图。
如图9所示,量测方向(如图9中虚线所示)与测试图形900具有两个交点P1、P2,图10为测试图形900的归一化信号强度图,两个交点P1、P2对应的归一化信号强度的平均值OM1即为测试图形900的光学估值。
参考图11,其示出了本申请一个示例性实施例提供的计算第二类型的测试图形的光学估计值的示意图;参考图12,其示出了本申请一个示例性实施例提供的第二类型的测试图形的归一化信号示意图。
如图11所示,量测方向(如图11中虚线所示)与测试图形1100具有两个交点P3、P4,图12为测试图形1100的归一化信号强度图,两个交点P3、P4对应的归一化信号强度的平均值OM2即为测试图形1100的光学估值。
在一个可选的实施例中,上述实施例中,图1实施例中的步骤102中,“根据特征向量值对测试图形进行聚类”,包括但不限于:将特征向量值相同的测试图形归为同一图形集合;且将特征向量值之间的差值小于差值阈值的测试图形归为同一图形集合。
参考图13,其示出了本申请一个示例性实施例提供的一种测试图形的示意图;参考图14,其示出了本申请一个示例性实施例提供的一种测试图形的示意图;参考图15,其示出了本申请一个示例性实施例提供的一种测试图形的示意图;参考图16,其示出了本申请一个示例性实施例提供的一种测试图形的示意图。
示例性的,如图13至图16所示,图13中的测试图形的特征值向量值为(1,OD/2,W1,OD/2,OM1),图14中的测试图形的特征值向量值为(1,OD/2,W1,OD/2,OM1),图15中测试图形的特征值向量值为(1,H1,W1,OD/2,OM2),图16中测试图形的特征值向量值为(1,OD/2,W1,S1,OM3),因此图13和图14中的测试图形归为同一图形集合,图15为一图形集合,图16为一图形集合。
在一个可选的实施例中,上述实施例中,图1实施例中的步骤103中,“对每个图形集合中的测试图形的量测数据进行统计”,包括但不限于:对每个图形集合中的测试图形的量测数据进行正态分布,根据量测数据和量测数据的平均值之差确定量测数据的可信度;或,对每个图形集合中的测试图形的量测数据进行正态分布,根据量测数据的出现概率确定量测数据的可信度。其中,量测数据是测试图形的实际量测数据。
示例性的,数据的可信度可设计为从高到低包括A、B、C、D四个等级,对各类测试图形对应的量测数据进行正态分布计算,量测数据与所在类别数据的平均值之差在+/-1西格玛(sigma)以内的,该量测数据的可信度为A;+/-1sigma到+/-2sigma的可信度为B,+/-2sigma到+/-3sigma的可信度为C,+/-3sigma以上的可信度为D。
参考图17,其示出了本申请一个示例性的实施例提供的计算机设备的框图。该计算机设备包括:处理器1701和存储器1702。
处理器1701可以是中央处理器(central processing unit,CPU),网络处理器(network processor,NP)或者CPU和NP的组合。处理器1701还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,ASIC),可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(comple17 programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)或其任意组合。
存储器1702通过总线或其它方式与处理器1701相连,存储器1702中存储有至少一条指令、至少一段程序、代码集或指令集,上述至少一条指令、至少一段程序、代码集或指令集由处理器1701加载并执行以实现上述实施例中提供的可信度的计算方法。存储器1702可以为易失性存储器(volatile memory),非易失性存储器(non-volatile memory)或者它们的组合。易失性存储器可以为随机存取存储器(random-access memory,RAM),例如静态随机存取存储器(static random access memory,SRAM),动态随机存取存储器(dynamicrandom access memory,DRAM)。非易失性存储器可以为只读存储器(read only memoryimage,ROM),例如可编程只读存储器(programmable read only memory,PROM),可擦除可编程只读存储器(erasable programmable read only memory,EPROM),电可擦除可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)。非易失性存储器也可以为快闪存储器(flash memory),磁存储器,例如磁带(magnetic tape),软盘(floppy disk),硬盘。非易失性存储器也可以为光盘。
本申请还提供一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一实施例所述的可信度的计算方法。
本申请还提供了一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行上述各个方法实施例提供的可信度的计算方法。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。
Claims (13)
1.一种OPC建模数据的可信度的计算方法,其特征在于,所述方法应用于半导体集成电路制造工艺中OPC建模数据的可信度的计算,所述方法包括:
计算所述OPC建模的测试图形的特征向量值;
根据所述特征向量值对所述测试图形进行聚类,得到至少一个图形集合;
对所述每个图形集合中的测试图形的量测数据进行统计,得到每个所述量测数据的可信度,所述量测数据是对所述测试图形通过光刻后在衬底上得到的图形进行量测得到的数据;
其中,所述特征向量值包括所述测试图形的量测类型、尺寸参数、所述测试图形的高度、所述测试图形的宽度、所述测试图形的间距以及光学估计值,所述计算所述OPC建模的测试图形的特征向量值,包括:
获取量测所述测试图形的量测类型和尺寸参数;
根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度、所述测试图形的宽度和所述测试图形的间距,所述测试图形的高度是所述测试图形沿量测方向垂直方向上的距离,所述测试图形的宽度是所述测试图形沿所述量测方向上的距离,所述测试图形的间距是所述测试图形之间沿所述量测方向上的间距;
计算所述测试图形的光学估计值。
2.根据权利要求1所述的方法,其特征在于,所述量测类型包括第一类型和第二类型,所述第一类型是量测位置的中心在所述测试图形上的量测方式,所述第二类型是量测位置的中心不在所述测试图形上的量测方式。
3.根据权利要求2所述的方法,其特征在于,根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心为起点,计算与所述量测方向垂直的方向上,从所述起点到所述测试图形的边界的第一距离;
获取所述第一距离中的最小的距离,作为第一候选高度;
当所述第一候选高度大于尺寸参数的二分之一时,确定所述高度为所述尺寸参数的二分之一;
当所述第一候选高度小于尺寸参数的二分之一时,确定所述高度为所述第一候选高度。
4.根据权利要求3所述的方法,其特征在于,根据所述尺寸参数,通过所述量测类型指示的量测方式计算所述测试图形的高度,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算与所述量测方向垂直的方向上,从所述起点到所述测试图形的边界的第二距离;
获取所述第二距离中的最小的距离,作为第二候选高度;
当所述第二候选高度大于尺寸参数的二分之一时,确定所述高度为所述尺寸参数的二分之一;
当所述第二候选高度小于尺寸参数的二分之一时,确定所述高度为所述第二候选高度。
5.根据权利要求2所述的方法,其特征在于,根据所述尺寸参数,通过所述量测类型指示的量测方式所述测试图形的宽度,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第三距离;
获取所述第三距离中的最小的距离,作为第一候选宽度;
当所述第一候选宽度大于尺寸参数的二分之一时,确定所述宽度为所述尺寸参数的二分之一;
当所述第一候选宽度小于尺寸参数的二分之一时,确定所述宽度为所述第一候选宽度。
6.根据权利要求5所述的方法,其特征在于,根据所述尺寸参数,通过所述量测类型指示的量测方式所述测试图形的宽度,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第四距离;
获取所述第四距离中的最小的距离,作为第二候选宽度;
当所述第二候选宽度大于尺寸参数的二分之一时,确定所述宽度为所述尺寸参数的二分之一;
当所述第二候选宽度小于尺寸参数的二分之一时,确定所述宽度为所述第二候选宽度。
7.根据权利要求2所述的方法,其特征在于,根据尺寸参数,通过所述量测类型指示的量测方式所述测试图形之间的间距,包括:
当所述量测类型为所述第一类型时,以所述量测位置的中心沿所述量测方向上与所述测试图形的边界的最近的交点为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第五距离;
获取所述第五距离中的最小的距离,作为第一候选间距;
当所述第一候选间距大于尺寸参数的二分之一时,确定所述间距为所述尺寸参数的二分之一;
当所述第一候选间距小于尺寸参数的二分之一时,确定所述间距为所述第一候选间距。
8.根据权利要求7所述的方法,其特征在于,根据尺寸参数,通过所述量测类型指示的量测方式所述测试图形之间的间距,包括:
当所述量测类型为所述第二类型时,以所述量测位置的中心为起点,计算沿所述量测方向上,从所述起点到所述测试图形的边界的第六距离;
获取所述第六距离中的最小的距离,作为第二候选间距;
当所述第二候选间距大于尺寸参数的二分之一时,确定所述间距为所述尺寸参数的二分之一;
当所述第二候选间距小于尺寸参数的二分之一时,确定所述间距为所述第二候选间距。
9.根据权利要求1所述的方法,其特征在于,所述计算所述测试图形的光学估计值,包括:
通过光学模型,计算所述量测方向与每个所述测试图形的两个交点处的归一化信号强度,将所述归一化信号强度的平均值作为所述光学估计值;
其中,所述光学模型是基于光刻工艺参数,根据光学原理建立的模型。
10.根据权利要求1至9任一所述的方法,其特征在于,所述根据所述特征向量值对所述测试图形进行聚类,包括:
将所述特征向量值相同的测试图形归为同一图形集合;且
将所述特征向量值之间的差值小于差值阈值的测试图形归为同一图形集合。
11.根据权利要求10所述的方法,其特征在于,所述对所述每个图形集合中的测试图形的量测数据进行统计,包括:
对所述每个图形集合中的测试图形的量测数据进行正态分布,根据所述量测数据和所述量测数据的平均值之差确定所述量测数据的可信度;或
对所述每个图形集合中的测试图形的量测数据进行正态分布,根据所述量测数据的出现概率确定所述量测数据的可信度。
12.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令或者程序,所述指令或者程序由所述处理器加载并执行以实现如权利要求1至11任一所述的可信度的计算方法。
13.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令或者程序,所述指令或者程序由处理器加载并执行以实现如权利要求1至11任一所述的可信度的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010248423.0A CN111582308B (zh) | 2020-04-01 | 2020-04-01 | Opc建模数据的可信度的计算方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010248423.0A CN111582308B (zh) | 2020-04-01 | 2020-04-01 | Opc建模数据的可信度的计算方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582308A CN111582308A (zh) | 2020-08-25 |
CN111582308B true CN111582308B (zh) | 2023-08-25 |
Family
ID=72122802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010248423.0A Active CN111582308B (zh) | 2020-04-01 | 2020-04-01 | Opc建模数据的可信度的计算方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582308B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759670B (zh) * | 2021-08-20 | 2024-01-19 | 上海华虹宏力半导体制造有限公司 | 非平滑opc图形的修正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964019A (zh) * | 2010-09-10 | 2011-02-02 | 北京航空航天大学 | 基于Agent技术的对抗行为建模仿真平台及仿真方法 |
CN106018325A (zh) * | 2016-04-29 | 2016-10-12 | 南京富岛信息工程有限公司 | 一种评价汽油性质建模预测结果可信程度的方法 |
CN109255186A (zh) * | 2018-09-12 | 2019-01-22 | 浙江大学 | 一种基于输出约束ap-xgboost模型的工业过程软测量方法 |
-
2020
- 2020-04-01 CN CN202010248423.0A patent/CN111582308B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964019A (zh) * | 2010-09-10 | 2011-02-02 | 北京航空航天大学 | 基于Agent技术的对抗行为建模仿真平台及仿真方法 |
CN106018325A (zh) * | 2016-04-29 | 2016-10-12 | 南京富岛信息工程有限公司 | 一种评价汽油性质建模预测结果可信程度的方法 |
CN109255186A (zh) * | 2018-09-12 | 2019-01-22 | 浙江大学 | 一种基于输出约束ap-xgboost模型的工业过程软测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111582308A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11862522B2 (en) | Accuracy improvements in optical metrology | |
TWI539298B (zh) | 具取樣率決定機制的量測抽樣方法 與其電腦程式產品 | |
TWI521360B (zh) | 量測抽樣方法與其電腦程式產品 | |
JP4920268B2 (ja) | 半導体プロセスモニタ方法およびそのシステム | |
TWI752085B (zh) | 用於評估積體電路中的圖案的計算系統及方法 | |
US10565697B2 (en) | Utilizing overlay misregistration error estimations in imaging overlay metrology | |
US20140136137A1 (en) | Metrology target characterization | |
CN109641602A (zh) | 异常检测设备、异常检测方法和非临时性计算机可读介质 | |
KR20170088403A (ko) | 랜드스케이프의 분석 및 활용 | |
KR102142167B1 (ko) | 계측 타겟 특성화 | |
CN105074896A (zh) | 图案测定装置以及半导体测量系统 | |
TW201401231A (zh) | 在半導體製造中用於檢測之雜訊中所內嵌之缺陷之偵測 | |
CN111566789B (zh) | 使用电子显微法的半导体计量及缺陷分类 | |
CN111582308B (zh) | Opc建模数据的可信度的计算方法、设备和存储介质 | |
US11972987B2 (en) | Die level product modeling without die level input data | |
WO2015039693A1 (en) | Method and system for data quality assessment | |
Qu et al. | Boundary detection using a Bayesian hierarchical model for multiscale spatial data | |
Wang et al. | Some considerations on choosing an outlier method for automotive product lines | |
Tin et al. | The implementation of a smart sampling scheme C2O utilizing virtual metrology in semiconductor manufacturing | |
CN112908874A (zh) | 半导体结构的量测方法及量测装置 | |
US20090144692A1 (en) | Method and apparatus for monitoring optical proximity correction performance | |
CN115867925B (zh) | 用于控制样本参数的测量的系统和方法 | |
JP2008083652A (ja) | フォトマスクの線幅検査方法 | |
US20100081295A1 (en) | Process model evaluation method, process model generation method and process model evaluation program | |
CN113762981A (zh) | 一种基于指数分布的产品可信度计算方法 |
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 |