CN111868904B - 半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生 - Google Patents
半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生 Download PDFInfo
- Publication number
- CN111868904B CN111868904B CN201980018432.6A CN201980018432A CN111868904B CN 111868904 B CN111868904 B CN 111868904B CN 201980018432 A CN201980018432 A CN 201980018432A CN 111868904 B CN111868904 B CN 111868904B
- Authority
- CN
- China
- Prior art keywords
- wafer
- metrics
- composite
- patterned
- correlation
- 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
- 238000012512 characterization method Methods 0.000 title claims abstract description 123
- 239000002131 composite material Substances 0.000 title claims abstract description 96
- 238000005389 semiconductor device fabrication Methods 0.000 title description 13
- 238000003070 Statistical process control Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 155
- 230000008569 process Effects 0.000 claims description 97
- 239000000523 sample Substances 0.000 claims description 49
- 238000004519 manufacturing process Methods 0.000 claims description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000007689 inspection Methods 0.000 claims description 15
- 238000007635 classification algorithm Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 description 139
- 239000004065 semiconductor Substances 0.000 description 92
- 238000001514 detection method Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000000059 patterning Methods 0.000 description 4
- 238000000206 photolithography Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000005137 deposition process Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- 238000005240 physical vapour deposition Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004528 spin coating Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Abstract
本发明揭示一种系统,其包含控制器,所述控制器具有经配置以执行在存储于存储器中的一或多个程序指令集中体现的自相关模块的处理器。所述自相关模块经配置以引起所述处理器:接收一或多个图案化晶片几何结构度量;从一或多个特性化工具接收晶片特性化数据;确定所述一或多个图案化晶片几何结构度量与所述晶片特性化数据之间的相关性;基于所述经确定相关性产生所述一或多个图案化晶片几何结构度量的排序;基于所述一或多个图案化晶片几何结构度量的所述排序从所述一或多个图案化晶片几何结构度量的子集建构复合度量模型;从所述复合度量模型产生一或多个复合晶片度量;及基于所述一或多个复合晶片度量产生统计过程控制输出。
Description
相关申请案的交叉参考
本申请案主张名叫希瓦姆·阿加瓦尔(Shivam Agarwal)、哈里哈拉苏丹·科特斯瓦兰(Hariharasudhan Koteeswaran)、普里扬克·贾因(Priyank Jain)、苏维·穆鲁甘(Suvi Murugan)及袁忠(Yuan Zhong)的发明者于2018年3月28日申请的标题为“PWG及过程数据的基于复合度量的自相关(COMPOSITE METRIC BASED AUTO-CORRELATION OF PWG ANDPROCESS DATA)”的第201841011799号印度临时专利申请案的优先权。
本申请案主张名叫瓦姆·阿加瓦尔、哈里哈拉苏丹·科特斯瓦兰、普里扬克·贾因、苏维·穆鲁甘及袁忠的发明者于2018年9月7日申请的标题为“PWG及过程数据的基于复合度量的自相关”的第62/728,712号美国临时专利申请案的优先权。
第201841011799号印度临时专利申请案及第62/728,712号美国临时专利申请案的全文以引用的方式并入本文中。
技术领域
本发明大体上涉及半导体装置制造,且更特定来说,涉及半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生。
背景技术
半导体装置(例如逻辑及存储器装置)的制造通常包含使用大量制造过程及特性化过程来处理半导体装置以形成所述半导体装置的各种特征及多个层。选定制造过程利用光掩模/分划板来将特征印刷于例如晶片的半导体装置上。随着半导体装置在横向上变得越来越小且垂直延伸,开发具有提高灵敏度及处理量的增强特性化过程变得至关重要。
半导体装置裸片中的过程诱发的晶片几何结构(PIWG)变形常常导致半导体装置在最终电探测或末端探测测试期间未通过电测试。选定图案晶片几何结构(PWG)工具通过使半导体装置裸片故障与对应于选定几何结构度量的几何结构特征相关来量化及监测制造期间的晶片几何结构变形。所述选定几何结构度量可为用于特性化晶片几何结构的数百个几何结构度量的一个几何结构度量(或基于半导体制造者的判断及末端探测测试未通过数据而选定的所述数百个几何结构度量的子集)。一旦确定具有选定等级的相关性的数百个几何结构度量的所述几何结构度量(或数百个几何结构度量的子集),就可丢弃其余几何结构度量。
选定PWG工具可确定半导体装置裸片故障的根本原因为特定几何结构特征对应于与半导体装置裸片故障具有选定等级的相关性的几何结构度量。然而,所述选定等级的相关性通常限于数百个几何结构度量的单个几何结构度量的相关性,此意味着选定等级的相关性可受所述单个几何结构度量的表示限制。例如,选定等级的相关性可为小于70%。
因此,选定等级的相关性可暗示几何结构特征与半导体装置裸片故障的弱因果关系。另外,个别地检查数百个几何结构度量的每一几何结构度量(或甚至数百个几何结构度量的子集)需要大约几天到几周的高周转时间。周转时间可随着多个半导体过程步骤可为半导体装置裸片故障的根本原因的可能性而增加,因为选定几何结构度量需要在所有可能过程步骤满足选定等级的相关性。另外,周转时间可随着选定几何结构度量对应于多个晶片几何结构频率的可能性而增加,因为选定几何结构度量需要针对所有晶片几何结构频率满足选定等级的相关性。
因此,提供一种解决上述缺点的系统及方法将为有利的。
发明内容
根据本发明的一或多个实施例,揭示一种系统。在一个实施例中,所述系统包含控制器。在另一实施例中,所述控制器包含一或多个处理器及经配置以存储一或多个程序指令集的存储器。在另一实施例中,所述一或多个处理器经配置以执行在所述一或多个程序指令集中体现的自相关模块。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器接收一或多个图案化晶片几何结构度量。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器从一或多个特性化工具接收晶片特性化数据。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器确定所述一或多个图案化晶片几何结构度量与所述晶片特性化数据之间的相关性。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述经确定相关性产生所述一或多个图案化晶片几何结构度量的排序。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述一或多个图案化晶片几何结构度量的所述排序从所述一或多个图案化晶片几何结构度量的子集建构复合度量模型。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器从所述复合度量模型产生一或多个复合晶片度量。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述一或多个复合晶片度量产生统计过程控制输出。
根据本发明的一或多个实施例,揭示一种系统。在一个实施例中,所述系统包含一或多个特性化工具。在另一实施例中,所述系统包含控制器。在另一实施例中,所述控制器包含一或多个处理器及经配置以存储一或多个程序指令集的存储器。在另一实施例中,所述一或多个处理器经配置以执行在所述一或多个程序指令集中体现的自相关模块。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器接收一或多个图案化晶片几何结构度量。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器从所述一或多个特性化工具接收晶片特性化数据。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器确定所述一或多个图案化晶片几何结构度量与所述晶片特性化数据之间的相关性。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述经确定相关性产生所述一或多个图案化晶片几何结构度量的排序。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述一或多个图案化晶片几何结构度量的所述排序从所述一或多个图案化晶片几何结构度量的子集建构复合度量模型。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器从所述复合度量模型产生一或多个复合晶片度量。在另一实施例中,所述自相关模块经配置以引起所述一或多个处理器基于所述一或多个复合晶片度量产生统计过程控制输出。
根据本发明的一或多个实施例,揭示一种方法。在一个实施例中,所述方法可包含(但不限于)接收一或多个图案化晶片几何结构度量。在另一实施例中,所述方法可包含(但不限于)从一或多个晶片特性化工具接收晶片特性化数据。在另一实施例中,所述方法可包含(但不限于)确定所述一或多个图案化晶片几何结构度量与所述晶片特性化数据之间的相关性。在另一实施例中,所述方法可包含(但不限于)基于所述经确定相关性产生所述一或多个图案化晶片几何结构度量的排序。在另一实施例中,所述方法可包含(但不限于)基于所述一或多个图案化晶片几何结构度量的所述排序从所述一或多个图案化晶片几何结构度量的子集建构复合度量模型。在另一实施例中,所述方法可包含(但不限于)从所述复合度量模型产生一或多个复合晶片度量。在另一实施例中,所述方法可包含(但不限于)基于所述一或多个复合晶片度量产生统计过程控制输出。
附图说明
所属领域的技术人员可通过参考附图来更佳理解本发明的众多优点,其中:
图1说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的方法的流程图;
图2用图形说明根据本发明的一或多个实施例的基于度量重要性对比图案晶片几何结构度量的度量排序;
图3A用图形说明根据本发明的一或多个实施例的表示半导体装置裸片故障的个别图案晶片几何结构(PWG)度量;
图3B用图形说明根据本发明的一或多个实施例的表示半导体装置裸片故障的复合PWG度量;
图3C用图形说明根据本发明的一或多个实施例的度量排序的预测准确度对比度量的数目;
图4说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的方法的流程图;
图5A说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的系统的简化框图;
图5B说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的系统的简化框图;
图6说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的系统的简化框图;及
图7说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的系统的简化框图。
具体实施方式
现将详细参考附图中说明的所揭示标的物。
大体上参考图1到7,描述根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的系统及方法。
本发明的实施例涉及半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生。本发明的实施例还涉及用于基于度量排序的自相关的分类过程。本发明的实施例还涉及产生针对半导体装置裸片故障与几何结构特征之间的更大相关性的复合度量。本发明的实施例还涉及实施所产生的排序及复合度量以用于末端探测及在线半导体特性化过程。
本文中应注意,出于本发明的目的,“几何结构度量”、“晶片几何结构度量”、“图案晶片几何结构度量”及“PWG度量”是等同的。另外,本文中应注意,出于本发明的目的,“几何结构特征”、“晶片几何结构特征”、“图案晶片几何结构特征”及“PWG特征”是等同的。
图1到4大体上说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的方法。
图1说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的方法100。
在步骤102中,接收一或多个图案晶片几何结构度量(PWG度量)。在一个实施例中,所述一或多个PWG度量各自针对几何结构特征的特定频率解释半导体装置(例如,半导体晶片)裸片故障的一部分。例如,一或多个PWG度量可包含(但不限于):一或多个晶片形状度量(例如,弯曲、翘曲或类似物)、一或多个位点平坦度度量、一或多个纳米形貌度量(NT度量)、一或多个粗糙度度量或类似物。例如,NT度量可针对晶片的前表面及后表面个别地计算且对应于突然形貌变化。通过另一实例,一或多个PWG度量可包含一或多个局部形状曲率度量(LSC度量)。例如,LSC度量可对应于裸片内(例如,位点级)应力变化或类似物。本文中应注意,一或多个PWG度量可基于空间波长(例如,在数微米到数百毫米范围内)及振幅/高度(例如,在数埃到数百微米范围内)进行分类。本文中应注意,通过一或多个PWG度量解释的半导体装置裸片故障的部分可总计或可未总计达半导体装置裸片故障的100%组合或表示。
在步骤104中,接收晶片特性化数据。在一个实施例中,所述晶片特性化数据包含检验数据(例如,平面内变形(IPD)数据)。在另一实施例中,晶片特性化数据包含计量数据(例如,异面变形(OPD)数据)。例如,晶片特性化数据可包含(但不限于)在线计量数据。在另一实施例中,晶片特性化数据包含电探测或末端探测数据。在另一实施例,晶片特性化数据可为用于一组当前半导体特性化过程的实时数据。然而,本文中应注意,晶片特性化数据可为用于一组先前完成的半导体特性化过程的历史数据。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
在步骤106中,确定一或多个PWG度量与晶片特性化数据之间的相关性。在一个实施例中,将一或多个PWG度量及晶片特性化数据输入到机器学习算法中。例如,所述机器学习算法可包含分类算法。例如,所述分类算法可包含逻辑回归算法。另外,分类算法可包含决策树。
在另一实施例中,机器学习算法包含一或多个建立算法。例如,机器学习算法可包含加权和模型算法以确定如方程式1中所展示的一组替代项A的替代项Ai的总性能。
在方程式1中,Ai是m数目个替代项及n数目个决策准则的特定替代项,其中wj在1到m的范围内。另外,wj是对于准则Cj重要的权数。此外,aij是针对Ai的性能值(例如,PWG度量),其中Ai是同时根据所有准则Cj进行评估。
在步骤108中,基于相关性产生PWG度量的排序。在一个实施例中,所述排序过程有助于识别半导体装置裸片故障的一或多个根本原因。在一个实施例中,排序是基于一或多个PWG度量与半导体装置裸片故障之间的相关性。例如,排序可基于电探测或末端探测时的相关性。通过另一实例,排序可基于所属领域中已知的任何在线故障指示器(例如,检验工具、计量工具、在线计量工具或类似物)处的相关性。例如,所属领域中已知的在线故障指示器可包含(但不限于)计量、叠加、实时缺陷分析(RDA)或类似物。
在另一实施例中,机器学习算法基于经确定相关系数(或加权系数或度量重要性)对一或多个PWG度量进行排序。例如,所述相关系数可为R2-值。图2用图形说明根据本发明的一或多个实施例的用于几何结构度量排序202的几何结构度量重要性对比图案晶片几何结构度量的比较的数据200。
在另一实施例中,在一或多个PWG度量的排序期间给予特定PWG度量的权数是与用于所述特定PWG度量的相关系数成比例。例如,相较于关于半导体装置裸片故障解释较少的具有第二相关系数的第二PWG度量,关于半导体装置裸片故障解释较多的具有第一相关系数的第一PWG度量可加权更多。此增加的加权可引起所述第一PWG度量排序高于所述第二PWG度量。然而,本文中应注意,出于对一或多个PWG度量进行排序目的而给出的相关系数与权数之间的比例性可取决于具体实例具体分析(例如,取决于当前特定一组的一或多个PWG度量)。
本文中应注意,机器学习算法可接收数据表中的用于每一半导体装置裸片的晶片特性化数据及一或多个PWG度量。例如,所述数据表可包含用于每一半导体装置裸片的原始数据。通过另一实例,数据表可包含用于PWG坐标的行数据、晶片特性化数据(例如,检验数据、计量数据、在线计量数据及/或电探测或末端探测数据)及PWG度量。机器学习算法可响应于用于每一半导体装置裸片的经接收的晶片特性化数据及一或多个PWG度量输出包含排序的数据集或图表。
在步骤110中,基于排序从PWG度量的子集建构复合度量模型。在一个实施例中,机器学习算法从经接收的一或多个PWG度量及晶片特性化数据产生所述复合度量模型。在另一实施例中,复合度量模型包含一或多个PWG度量的子集,其中一或多个PWG度量的所述子集包含一或多个选定个别PWG度量。例如,一或多个PWG度量的子集可包含最高排序的个别PWG度量。例如,复合度量模型是由具有最高排序的第一度量、具有第二高排序的第二度量到具有第N高排序的第N度量建构。本文中应注意,一或多个PWG度量的子集可包含少于完整组的一或多个PWG度量。
在步骤112中,从复合度量模型产生一或多个复合晶片度量。在一个实施例中,所述复合度量有助于确定几何结构特征与归因于一或多个因素及/或一或多个制造过程的半导体装置裸片故障之间的因果关系。例如,一或多个复合晶片度量可为半导体装置的制造者提供经测试的特定半导体装置将通过或未通过的可信度百分比(例如,与告知装置是否将通过或未通过相反)。
图3A用图形说明根据本发明的一或多个实施例的至少部分通过PWG度量的子集302表示的装置裸片故障或裸片故障300。在一个实施例中,PWG度量的子集302包含PWG度量304、PWG度量306及PWG度量308,其中PWG度量304、306、308可各自针对几何结构特征的特定频率解释裸片故障300的一部分。例如,PWG度量304可与裸片故障300具有55%相关性。通过另一实例,PWG度量306可与裸片故障300具有45%相关性。通过另一实例,PWG度量308可与裸片故障300具有30%相关性。在此方面,PWG度量304、306、308可各自个别地与裸片故障300具有弱相关性。
图3B用图形说明根据本发明的一或多个实施例的至少部分通过复合度量310表示的裸片故障300。在一个实施例中,复合度量模型输出复合度量310。例如,复合度量310可与裸片故障300具有85%相关性。在此方面,如个别地相较于PWG度量304、306、308的相关性,复合度量310可与裸片故障300具有较强相关性。
图3C用图形说明根据本发明的一或多个实施例的用于复合晶片度量的预测准确度对比几何结构度量的数目的比较的数据320。如通过数据点322及对应趋势线324所说明,复合晶片度量的预测准确度可在包含三个几何结构度量的情况下达到峰值(例如,提供最佳相关系数)。设想在具有包含三个以上几何结构度量的更复杂复合晶片模型的情况下,所述相关系数可变得饱和。然而,本文中应注意,可仍使用任何数目个几何结构度量来产生复合晶片度量。
在步骤114中,基于一或多个复合晶片度量产生一或多个统计过程控制(SPC)输出。在一个实施例中,针对过程控制监测所述SPC输出。在另一实施例中,基于一或多个复合晶片度量及/或一或多个SPC输出产生用于一或多个过程工具的一或多个控制信号。在另一实施例中,将所述一或多个控制信号提供到所述一或多个过程工具。
本文中应注意,方法100可允许针对半导体装置裸片故障的众多PWG度量(例如,数十个、数百个或类似物)与末端探测晶片特性化数据之间的自动相关(或自相关)。例如,对于半导体装置及/或半导体装置制造工具的制造者,自动相关可将特性化时间跨度从数周减少到数天。
另外,本文中应注意,方法100可允许针对半导体装置裸片故障的众多PWG度量(例如,数十个、数百个或类似物)与在线晶片特性化数据(例如,缺陷率、度量或类似物)之间的自动相关(或自相关),此可深入了解在线晶片特性化数据的一或多个根本原因且在末端探测测试之前预测装置裸片故障。例如,自动相关可在末端探测测试的前几天或几周预测半导体装置裸片故障。
此外,本文中应注意,方法100可允许基于与半导体装置裸片故障的相关性对几何结构特征进行自动排序。此外,本文中应注意,方法100可允许基于满足选定排序的几何结构度量子集而自动产生复合几何结构度量以实现与半导体装置裸片故障的经改进、更稳健相关性。例如,所述经改进、更稳健相关性可允许监测较少几何结构度量且可导致增加的制造产量。
因而,方法100可通过提供关于特定半导体装置裸片在半导体装置生产过程期间的多个阶段是否包含故障的经提高可信度而降低成本及循环时间同时改进半导体装置良率。
图4说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的方法400的流程图。
在步骤402中,确定一或多个复合晶片度量。在一个实施例中,所述一或多个复合晶片度量是经由方法100的一或多个步骤产生。
在步骤404中,基于一或多个复合晶片度量产生用于一或多个过程工具的一或多个控制信号。在一个实施例中,所述一或多个控制信号通过调整负责与一或多个复合晶片度量相关的半导体装置裸片故障的过程工具而改进半导体制造过程的性能。
在步骤406中,将一或多个控制信号提供到一或多个过程工具。在一个实施例中,可经由反馈回路将一或多个控制信号提供到过程工具(例如,到在制造过程线内定位于特性化工具之前的过程工具)以防止后续晶片上的半导体装置裸片故障。在另一实施例中,可经由前馈回路将一或多个信号提供到过程工具(例如,到在制造过程线内定位于特性化工具之后的过程工具)以补偿相同半导体晶片上的潜在半导体装置裸片故障。
本文中应注意,方法100及/或方法400并不限于所提供的步骤。例如,方法100及/或方法400可代替性地包含更多或更少步骤。通过另一实例,方法100及/或方法400可依除所提供以外的顺序执行步骤。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
图5A及5B大体上说明根据本发明的一或多个实施例的用于晶片特性化数据的自相关及复合晶片度量的产生的子系统500。
在一个实施例中,子系统500包含自相关模块502。在另一实施例中,自相关模块502接收一或多个数据输入。在另一实施例中,所述一或多个数据输入包含晶片特性化数据504。例如,晶片特性化数据504可包含(但不限于)晶片检验数据506、晶片计量数据508、电探测或末端探测数据512或类似物。例如,计量数据508可包含在线计量数据510(例如,缺陷率数据、叠加数据或类似物)。通过另一实例,从一或多个晶片特性化工具接收晶片特性化数据504。在另一实施例中,一或多个数据输入包含一或多个PWG度量514。本文中应注意,晶片特性化数据504及/或一或多个PWG度量514可从实施子系统500的半导体装置的制造者接收及/或通过子系统500的制造者提供。
在另一实施例中,自相关模块502实施一或多个机器学习算法以产生比较半导体装置裸片故障与一或多个PWG度量514的排序516。例如,排序516可基于经确定相关系数。例如,所述相关系数可为R2-值。通过另一实例,如图5B中所说明,自相关模块502可包含通过机器学习算法使用及/或与机器学习算法一起使用的一或多个子模块。例如,自相关模块502可包含用于分析检验数据的子模块530、用于分析计量数据(例如,在线计量数据、叠加计量数据或类似物)的子模块532、用于分析电探测或末端探测数据的子模块534及/或用于分析PWG度量的子模块536。
在另一实施例中,自相关模块502从一或多个PWG度量514的子集产生复合度量模型518。例如,一或多个PWG度量514的所述子集的选定可基于排序516。在另一实施例中,复合度量模型518从一或多个PWG度量514的子集产生一或多个复合晶片度量520。在此方面,与一或多个PWG度量514的任一者个别地相比,一或多个复合晶片度量520与半导体装置裸片故障具有更大相关性。
在另一实施例中,一或多个复合晶片度量520可在一或多个统计过程控制(SPC)数据集或图表522中输入。在另一实施例中,针对过程控制监测SPC数据集522。在另一实施例中,基于一或多个复合晶片度量520及/或一或多个SPC数据集522产生用于一或多个过程工具的一或多个控制信号。在另一实施例中,将所述一或多个控制信号提供到所述一或多个过程工具。
图6及7大体上说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的系统。
图6说明根据本发明的一或多个实施例的用于半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生的系统600的简化框图。
在一个实施例中,系统600经配置以执行一或多个半导体生产过程。在另一实施例中,所述一或多个半导体生产过程包含一或多个半导体制造过程。例如,所述一或多个半导体制造过程可包含(但不限于)一或多个光刻过程,例如衬底制备、旋涂、预烘过程、曝光过程、曝光后烘烤过程、显影过程、后烘过程或类似物。例如,一或多个光刻过程可包含(但不限于)图案化过程、蚀刻过程、剥离过程、退火过程、化学机械平坦化(CMP)过程或类似物。通过另一实例,一或多个半导体制造过程可包含(但不限于)一或多个膜沉积过程。例如,所述一或多个膜沉积过程可包含(但不限于)化学气相沉积(CVD)过程、物理气相沉积(PVD)过程或类似物。
在另一实施例中,系统600包含经配置以执行一或多个半导体制造过程的一或多个过程工具602及604。在另一实施例中,一或多个过程工具602及604包含一或多个光刻过程工具。例如,所述一或多个光刻过程工具可包含(但不限于)图案化工具、蚀刻工具、半导体掺杂工具或类似物。一般来说,一或多个光刻过程工具可包含所属领域中已知的任何光刻过程工具。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
在另一实施例中,一或多个过程工具602及604包含一或多个膜沉积工具。例如,所述一或多个膜沉积工具可沉积一或多个膜以在样本606上形成一或多层。例如,层可包含通过以图案化预期设计开始且紧接在图案化下一层的下一设计之前结束的一组半导体生产过程制造的一或多个膜。在另一实施例中,基于操作配方沉积所述一或多个膜。例如,可将一或多个膜沉积于样本606的前侧(例如,前侧膜)、样本606的背侧(例如,背侧膜)上及/或沉积于先前沉积于样本606上的层上。
在另一实施例中,样本606包含适于特性化(例如,检验、检视、成像叠加或类似物)的任何样本。例如,样本606可包含(但不限于)光掩模/分划板、半导体装置、半导体晶片或类似物。如贯穿本发明所使用,术语“晶片”是指由半导体及/或非半导体材料形成的衬底。例如,在半导体材料的情况中,晶片可由(但不限于)单晶硅、砷化镓及/或磷化铟形成。因而,术语“晶片”及术语“样本”在本发明中可交换使用。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
本文中应注意,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其上制造所属领域中已知的任何类型的装置的晶片。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
在另一实施例中,一或多个半导体生产过程包含一或多个半导体特性化过程。例如,所述一或多个半导体特性化过程可在一或多个半导体生产过程之前、之间及/或之后执行。通过另一实例,一或多个半导体特性化过程可包含一或多个计量过程。通过另一实例,一或多个半导体特性化过程可包含一或多个检验过程。
在另一实施例中,系统600包含经配置以在生产过程期间的一或多个时间执行一或多个半导体特性化过程的一或多个在线特性化工具608。例如,一或多个在线特性化工具608可在一或多个半导体制造过程之前、之间及/或之后执行一或多个半导体特性化过程。
在另一实施例中,一或多个在线特性化工具608包含经配置以测量样本606的一或多个空间特性的一或多个计量工具。例如,所述一或多个计量工具可包含(但不限于)一或多个晶片几何结构(WG)工具或图案化晶片几何结构(PWG)工具(例如,干涉仪)。通过另一实例,一或多个空间特性可包含(但不限于):高度(例如,前侧高度或背侧高度)、厚度变化、平坦度及衍生物(例如形状、形状差异、壁间距或类似物)。本文中应注意,样本606的一或多个空间特性可与样本606的晶片几何结构有关。另外,本文中应注意,一或多个在线特性化工具608可经调适以特性化样本606上的图案化晶片几何结构,借此通过将样本606的不同区域的测量结果拼接在一起而扩展通过基于PWG的特性化工具测量的样本606斜率(例如,晶片斜率)的动态范围。
在另一实施例中,一或多个在线特性化工具608包含一或多个检验工具。例如,所述一或多个检验工具可包含(但不限于)光学特性化工具。例如,所述光学特性化工具可包含能够产生表示样本606的电意图的一或多个高分辨率图像及能够在对应于(但不限于)可见光、UV辐射、DUV辐射、VUV辐射、EUV辐射及/或X射线辐射的波长下操作的光学特性化工具。另外,所述光学特性化工具可包含宽带检验工具,包含(但不限于)基于激光维持等离子体(LSP)的检验工具。此外,光学特性化工具可包含窄带特性化工具,例如(但不限于)激光扫描检验工具。
一般来说,一或多个在线特性化工具608可包含所属领域中已知的适于检验一或多个晶片、分划板或光掩模的任何检视工具、基于成像的叠加计量工具或类似工具。
在另一实施例中,系统600包含一或多个末端探测(或电探测)工具610。例如,一或多个末端探测工具610可在所有半导体制造过程之后特性化样本606的电功能性。然而,本文中应注意,一或多个末端探测工具610可在半导体制造过程之间(例如,在线)及/或在任何半导体制造过程之前特性化样本606的电功能性。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
在另一实施例中,样本606在半导体生产过程期间在一或多个过程工具602及604、一或多个在线特性化工具608及一或多个末端探测工具610之间转移。
在另一实施例中,可在后续样本606上的后续制造过程中(例如,在反馈回路中)防止由一或多个半导体制造过程引起的经确定的半导体装置裸片故障。例如,可在反馈回路中基于由一或多个半导体制造过程引起的经确定的半导体装置裸片故障来调整一或多个过程工具602。在另一实施例中,可在相同样本606上的后续制造过程中(例如,在前馈回路中)补偿由一或多个半导体制造过程引起的经确定的半导体装置裸片故障。例如,可在反馈回路中基于由一或多个半导体制造过程引起的经确定的半导体装置裸片故障来调整一或多个过程工具604。
在另一实施例中,样本606是经由紧邻过程工具602及604、在线特性化工具608及/或末端探测工具610的样本载台612固定。例如,过程工具602及604、在线特性化工具608及/或末端探测工具610可各自具有单独样本载台612。通过另一实例,过程工具602及604、在线特性化工具608及/或末端探测工具610的一或多者可共享共同样本载台612。
样本载台612可包含半导体特性化的领域中已知的任何适当机械及/或机器人组合件。例如,样本载台612可经配置以经由与样本606的前侧表面及/或背侧表面的至少一部分接触而固定样本606。例如,样本载台612可包含(但不限于)平台。通过另一实例,样本载台612可经配置以经由与样本606的厚度表面及/或边缘接触而固定样本606。例如,样本载台612可包含(但不限于)一或多个点接触装置。
样本载台612可包含可致动载台。例如,样本载台612可包含(但不限于)适于使样本606沿着一或多个线性方向(例如,x方向、y方向及/或z方向)选择性地平移的一或多个平移载台。通过另一实例,样本载台612可包含(但不限于)适于使样本606沿着旋转方向选择性地旋转的一或多个旋转载台。通过另一实例,样本载台612可包含(但不限于)适于使样本606沿着线性方向选择性地平移及/或使样本606沿着旋转方向选择性地旋转的一或多个旋转载台及平移载台。通过另一实例,样本载台612可经配置以使样本606平移或旋转以根据选定特性化过程(例如,检视、成像叠加或类似物)(其中的数者在所属领域中已知)进行定位、聚焦及/或扫描。
在一个实施例中,系统600包含控制器614。例如,控制器614可通过可包含有线及/或无线部分的传输媒体通信地耦合到一或多个过程工具602及604。通过另一实例,控制器614可通过可包含有线及/或无线部分的传输媒体通信地耦合到一或多个在线特性化工具608的一或多个工具。
图7说明根据本发明的一或多个实施例的用于半导体晶片606的过程诱发的偏移特性化的系统600的简化框图。
在一个实施例中,控制器614包含一或多个处理器700及/或存储器702。在另一实施例中,存储器702存储一或多个程序指令704集。在另一实施例中,用户界面706通信地耦合到控制器614及/或与控制器614集成。例如,控制器614可经由可包含有线及/或无线部分的传输媒体耦合到用户界面706。在另一实施例中,用户界面706包含一或多个显示器装置708及/或一或多个用户输入装置710。在另一实施例中,一或多个显示器装置708耦合到一或多个用户输入装置710。例如,一或多个显示器装置708可通过可包含有线及/或无线部分的传输媒体耦合到一或多个用户输入装置710。
控制器614可经配置以经由可包含有线及/或无线部分的传输媒体从其它系统或系统600的子系统(例如,一或多个过程工具602及604、一或多个在线特性化工具608、一或多个末端探测工具610、用户界面706或类似物)接收及/或获取数据或信息。另外,控制器614可经配置以通过可包含有线及/或无线部分的传输媒体将数据或信息(例如,本文中所揭示的发明概念的一或多个过程的输出)传输到一或多个系统或系统600的子系统(例如,一或多个过程工具602及604、一或多个在线特性化工具608、一或多个末端探测工具610、用户界面706或类似物)。在此方面,所述传输媒体可用作控制器614与系统600的其它子系统之间的数据链路。另外,控制器614可经配置以经由传输媒体(例如,网络连接)将数据发送到外部系统。
一或多个处理器700可包含所属领域中已知的任一个或多个处理元件。在此意义上,一或多个处理器700可包含经配置以执行算法及/或程序指令704的任何微处理器装置。例如,一或多个处理器700可由桌面计算机、大型计算机系统、工作站、图像计算机、平行处理器、手持式计算机(例如,平板计算机、智能型电话或平板电话)或另一计算机系统(例如,联网计算机)组成。一般来说,术语“处理器”可经广泛定义以涵盖具有一或多个处理元件的任何装置,所述一或多个处理元件执行来自非暂时性存储器媒体(例如,存储器702)的一或多个程序指令704集。此外,系统600的不同子系统(例如,一或多个过程工具602及604、一或多个在线特性化工具608、一或多个末端探测工具610、用户界面706或类似物)可包含适于进行贯穿本发明描述的步骤的至少一部分的处理器或逻辑元件。因此,上文描述不应被解释为限制本发明而仅为说明。
存储器702可包含所属领域中已知的适于存储可通过相关联的一或多个处理器700执行的一或多个程序指令704集的任何存储媒体。例如,存储器702可包含非暂时性存储器媒体。例如,存储器702可包含(但不限于)只读存储器、随机存取存储器、磁性或光学存储器装置(例如,磁盘)、磁带、固态驱动及类似物。存储器702可经配置以提供显示信息到用户界面706的显示器装置。另外,存储器702可经配置以存储来自用户界面706的用户输入装置的用户输入信息。存储器702可与一或多个处理器700一起被容纳于共同控制器614外壳中。替代性地或此外,存储器702可相对于处理器700及/或控制器614的空间位置而远距离定位。例如,一或多个处理器700及/或控制器614可存取可通过网络(例如,因特网、内部网络及类似物)存取的远程存储器702(例如,服务器)。
在另一实施例中,控制器614经由一或多个处理器700执行来自存储于存储器702上的程序指令704的一或多个半导体制造过程、一或多个半导体特性化过程、一或多个建模过程及/或一或多个系统分析过程。例如,一或多个程序指令704可体现或包含自相关模块502。例如,自相关模块502可经配置以引起一或多个处理器700:接收一或多个图案晶片几何结构(PWG)度量;接收晶片特性化数据;确定所述一或多个PWG度量与所述晶片特性化数据之间的相关性;基于所述相关性产生所述PWG度量的排序;基于所述排序从所述PWG度量的子集建构复合度量模型;从所述复合度量模型产生一或多个复合晶片度量;及/或基于所述一或多个复合晶片度量产生一或多个统计过程控制输出。例如,可从一或多个在线特性化工具608及/或一或多个末端探测工具610接收晶片特性化数据。通过另一实例,一或多个程序指令704可经配置以引起一或多个处理器700基于一或多个复合晶片度量产生一或多个控制信号及/或将所述一或多个控制信号提供到过程工具602及604。一般来说,一或多个程序指令704集可经配置以引起一或多个处理器700执行贯穿本发明所描述的一或多个方法(例如,方法100及/或方法400)的任何步骤。
尽管本发明的实施例将控制器614说明为与一或多个过程工具602及604及/或与一或多个在线特性化工具608独立的组件,但本文中应注意,可经由集成于一或多个过程工具602及604内、一或多个在线特性化工具608的一或多个工具内及/或一或多个末端探测工具610内的控制器实施任何制造过程、特性化过程、模型化过程及/或系统分析过程用于确定样本606的空间特性。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
一或多个显示器装置708可包含所属领域中已知的任何显示器装置。例如,一或多个显示器装置708可包含(但不限于)液晶显示器(LCD)。通过另一实例,一或多个显示器装置708可包含(但不限于)基于有机发光二极管(OLED)的显示器。通过另一实例,一或多个显示器装置708可包含(但不限于)CRT显示器。所属领域的技术人员应认识到,多种显示器装置可适于本发明中的实施方案且显示器装置的特定选择可取决于多种因素,包含(但不限于)形状因子、成本及类似物。一般来说,能够与用户输入装置(例如,触摸屏幕、边框安装界面、键盘、鼠标、触摸板及类似物)集成的任何显示器装置适用于本发明中的实施方案。
一或多个用户输入装置710可包含所属领域中已知的任何用户输入装置。例如,一或多个用户输入装置710可包含(但不限于):键盘、小键盘、触摸屏幕、控制杆、旋钮、滚轮、跟踪球(track ball)、开关、拨盘、滑杆、滚动条(scroll bar)、滑件、握把、触摸垫、踏板、方向盘、操纵杆、边框输入装置或类似物。在触摸屏幕界面的情况中,所属领域的技术人员应认识到,大量触摸屏幕界面可适用于本发明中的实施方案。例如,一或多个显示器装置708可与触摸屏幕界面(例如(但不限于)电容性触摸屏幕、电阻性触摸屏幕、基于表面声音的触摸屏幕、基于红外线的触摸屏幕或类似物)集成。一般来说,能够与显示器装置的显示器部分集成的任何触摸屏幕界面适用于本发明中的实施方案。在另一实施例中,一或多个用户输入装置710可包含(但不限于)边框安装界面。
尽管本发明的实施例描述一或多个过程工具602及604、一或多个在线特性化工具608及/或一或多个末端探测工具610作为系统600的组件,但本文中应注意,一或多个过程工具602及604、一或多个在线特性化工具608及/或一或多个末端探测工具610可能并非为系统600的集成或所需组件。例如,一或多个过程工具602及604、一或多个在线特性化工具608及/或一或多个末端探测工具610可为与系统600分离且经由中间源(例如,控制器614、服务器或类似物)通信地耦合到系统600的组件。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
尽管本发明的实施例描述控制器614作为系统600的组件,但本文中应注意,控制器614可能并非为系统600的集成或所需组件。另外,虽然本发明的实施例描述用户界面706作为系统600的组件,但本文中应注意,用户界面706可能并非为系统600的集成或所需组件。因此,上文描述不应被解释为限制本发明的范围而仅为说明。
本发明的优点包含半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生。本发明的优点还包含用于基于度量排序的自相关的分类过程。本发明的优点还包含产生针对半导体装置裸片故障与几何结构特征之间的更大相关性的复合度量。本发明的优点还包含实施所产生的排序及复合度量以用于末端探测及在线半导体特性化过程。
所属领域的技术人员将认识到,现有技术已发展到系统的方面的硬件、软件及/或固件实施方案之间几乎没有区别的程度;硬件、软件及/或固件的使用通常为表示成本对效率权衡的设计选择(但并非总是如此,因为在特定上下文中硬件与软件之间的选择可变得很重要)。所属领域的技术人员将了解,存在可通过其实现本文中所描述的过程及/或系统及/或其它技术的各种工具(例如,硬件、软件及/或固件),且优选工具将随着其中部署所述过程及/或系统及/或其它技术的上下文而改变。例如,如果实施者确定速度及准确度是最重要的,那么所述实施者可选择主要硬件及/或固件工具;替代性地,如果灵活性是最重要的,那么实施者可选择主要软件实施方案;或又再次替代性地,实施者可选择硬件、软件及/或固件的某一组合。因此,存在可通过其实现本文中所描述的过程及/或装置及/或其它技术的若干可能工具,所述可能工具中没有一者优于另一者,因为待利用的任何工具是取决于其中将部署所述工具的上下文及实施者的特定关注点(例如,速度、灵活性或可预测性)(其任一者都可改变)的选择。所属领域的技术人员将认识到,实施方案的光学方面将通常采用光学定向的硬件、软件及/或固件。
在本文中所描述的一些实施方案中,逻辑及类似实施方案可包含软件或其它控制结构。例如,电子电路可具有经建构及布置以实施如本文中所描述的各种功能的一或多个电流路径。在一些实施方案中,一或多个媒体可经配置以在此类媒体保存或传输可操作以如本文中所描述那样执行的装置可检测指令时承载装置可检测实施方案。例如,在一些变化中,实施方案可包含例如通过执行与本文中所描述的一或多个操作有关的一或多个指令的接收或传输而更新或修改现存软件或固件,或门阵列或可编程硬件。替代性地或此外,在一些变化中,实施方案可包含专用硬件、软件、固件组件及/或执行或以其它方式调用专用组件的通用组件。可通过如本文中所描述的有形传输媒体的一或多个例子,视需要通过封包传输或以其它方式在不同时间通过分布式媒体传递而传输规格或其它实施方案。
替代性地或此外,实施方案可包含执行专用指令序列或调用电路以用于启用、触发、协调、请求或以其它方式引起本文中所描述的几乎任何功能操作的一或多次发生。在一些变化中,本文中的操作描述或其它逻辑描述可表示为源程序代码及经编译或以其它方式调用为可执行指令序列。例如,在一些上下文中,可全部或部分通过源程序代码(例如C++)或其它程序代码序列提供实施方案。在其它实施方案中,可使用商业上可用的技术及/或所属领域中的技术将源程序代码或其它程序代码实施方案编译/实施/转译/转换成高级描述符号语言(例如,最初在C、C++、python、Ruby on Rails、Java、PHP、.NET或Node.js程序设计语言中实施所描述技术且此后将程序设计语言实施方案转换成逻辑可合成语言实施方案、硬件描述语言实施方案、硬件设计仿真实施方案及/或其它此(此类)类似表达模式)。例如,逻辑表达(例如,计算机程序设计语言实施方案)的一些或全部可表现为Verilog类型硬件描述(例如,经由硬件描述语言(HDL)及/或超高速集成电路硬件描述符号语言(VHDL))或可接着用于形成具有硬件(例如,专用集成电路)的物理实施方案的其它电路模型。所属领域的技术人员将鉴于这些教示认识到如何获得、配置及优化合适传输或计算元件、材料供应、致动器或其它结构。
前述详细描述已经由使用框图、流程图及/或实例陈述装置及/或过程的各个实施例。只要此类框图、流程图及/或实例含有一或多个功能及/或操作,所属领域的技术人员便将理解,可通过广泛范围的硬件、软件、固件或几乎其任何组合个别及/或共同地实施此类框图、流程图或实例内的每一功能及/或操作。在一个实施例中,可经由专用集成电路(ASIC)、场可编程门阵列(FPGA)、数字信号处理器(DSP)或其它集成式格式实施本文中所描述的标的物的若干部分。然而,所属领域的技术人员将认识到,本文中所揭示的实施例的一些方面全部或部分可在集成电路中等效地实施为运行于一或多个计算机上的一或多个计算机程序(例如,实施为运行于一或多个计算机系统上的一或多个程序)、实施为运行于一或多个处理器上的一或多个程序(例如,实施为运行于一或多个微处理器上的一或多个程序)、实施为固件或实施为几乎其任何组合,且将认识到,鉴于本发明在所属领域的技术人员的技术内将良好地设计电路及/或编写用于软件及/或固件的程序代码。另外,所属领域的技术人员将了解,本文中所描述的标的物的机构能够分布为呈各种形式的程序产品,且了解本文中所描述的标的物的说明性实施例适用,而不论用于实际上进行所述分布的特定类型的信号载送媒体。信号载送媒体的实例包含(但不限于)以下:可记录类型媒体,例如软盘、硬盘驱动、光盘(CD)、数字视频碟(DVD)、数字磁带、计算机存储器或类似物;及传输类型媒体,例如数字及/或模拟通信媒体(例如,光纤电缆、波导、有线通信链路、无线通信链路(例如,传输器、接收器、传输逻辑、接收逻辑或类似物)或类似物)。
一般来说,所属领域的技术人员将认识到,可通过各种类型的机电系统个别及/或共同地实施本文中所描述的各个实施例,所述机电系统具有:广泛范围的电组件(例如硬件、软件、固件及/或几乎其任何组合);及可赋予机械力或运动的广泛范围的组件(例如刚体、弹簧或扭转体、液压装置、电磁致动装置及/或几乎其任何组合)。因此,如本文中所使用,“机电系统”包含(但不限于):与传感器(例如,致动器、发动机、压晶体管、微机电系统(MEMS)或类似物)可操作地耦合的电路系统;具有至少一个离散电路的电路系统;具有至少一个集成电路的电路系统;具有至少一个专用集成电路的电路系统;形成通过计算机程序配置的通用计算装置(例如,通过至少部分执行本文中所描述的过程及/或装置的计算机程序配置的通用计算机,或通过至少部分执行本文中所描述的过程及/或装置的计算机程序配置的微处理器)的电路系统;形成存储器装置(例如,存储器形式(例如,随机存取、快闪、只读或类似物))的电路系统;形成通信装置(例如,调制解调器、通信切换器、光电设备或类似物)的电路系统;及/或其任何非电类似物(例如光学或其它类似物)。所属领域的技术人员还将了解,机电系统的实例包含(但不限于)各种消费者电子系统、医疗装置以及其它系统(例如机动化运输系统、工厂自动化系统、保全系统及/或通信/计算系统)。所属领域的技术人员将认识到,除非上下文可能另有规定,否则如本文中所使用的机电系统并不一定限于具有电致动及机械致动两者的系统。
一般来说,所属领域的技术人员将认识到,可通过广泛范围的硬件、软件、固件及/或其任何组合个别及/或共同地实施的本文中所描述的各个方面可被视为由各种类型的“电路系统”组成。因此,如本文中所使用,“电路系统”包含(但不限于):具有至少一个离散电路的电路系统;具有至少一个集成电路的电路系统;具有至少一个专用集成电路的电路系统;形成通过计算机程序配置的通用计算装置(例如,通过至少部分执行本文中所描述的过程及/或装置的计算机程序配置的通用计算机,或通过至少部分执行本文中所描述的过程及/或装置的计算机程序配置的微处理器)的电路系统;形成存储器装置(例如,存储器形式(例如,随机存取、快闪、只读或类似物))的电路系统;及/或形成通信装置(例如,调制解调器、通信切换器、光电设备或类似物)的电路系统。所属领域的技术人员将认识到,可以模拟或数字方式或其某一组合实施本文中所描述的标的物。
所属领域的技术人员将认识到,本文中所描述的装置及/或过程的至少一部分可集成到数据处理系统中。所属领域的技术人员将认识到,数据处理系统通常包含以下的一或多者:系统单元外壳、时频显示器装置、存储器(例如易失性或非易失性存储器)、处理器(例如微处理器或数字信号处理器)、计算实体(例如操作系统、驱动程序、图形用户界面及应用程序)、一或多个互动装置(例如,触摸垫、触摸屏幕、天线或类似物),及/或包含反馈回路及控制发动机(例如,用于感测位置及/或速度的反馈;用于移动及/或调整组件及/或数量的控制发动机)的控制系统。数据处理系统可利用合适商业上可购得的组件(例如通常在数据计算/通信及/或网络计算/通信系统中找到的组件)实施。
所属领域的技术人员将认识到,为概念清楚起见,本文中所描述的组件(例如,操作)、装置、对象及伴随其的论述是用作实例且设想各种配置修改。因此,如本文中所使用,所陈述的特定范例及随附论述希望表示其更一般类别。一般来说,使用任何特定范例希望表示其类别,且不包含特定组件(例如,操作)、装置及对象不应被视为限制性。
尽管本文中将用户描述为单人,但所属领域的技术人员将了解,除非上下文另有规定,否则所述用户可表示人类用户、机器人用户(例如,计算实体)及/或基本上其任何组合(例如,用户可由一或多个机器人代理协助)。所属领域的技术人员将了解,一般来说,除非上下文另有规定,否则上述情况可同样适用于“发送者”及/或其它实体定向术语(在此类术语在本文中使用时)。
有关本文中的基本上任何复数及/或单数术语的使用,所属领域的技术人员可根据上下文及/或应用适当地从复数转化为单数及/或从单数转化为复数。为清楚起见,本文中未明确陈述各种单数/复数排列。
本文中所描述的标的物有时说明含于不同其它组件内或与不同其它组件连接的不同组件。应理解,此类描绘架构仅供例示,且事实上可实施实现相同功能性的众多其它架构。就概念而言,用于实现相同功能性的任何组件布置经有效“相关联”,使得实现所要功能性。因此,本文中经组合以实现特定功能性的任何两个组件可被视为彼此“相关联”,使得实现所要功能性,而不论架构或中间组件如何。同样地,如此相关联的任何两个组件也可被视为彼此“可操作地连接”或“可操作地耦合”以实现所要功能性,且能够如此相关联的任何两个组件也可被视为彼此“可操作地可耦合”以实现所要功能性。可操作地可耦合的特定实例包含(但不限于)可物理配合及/或物理互动组件、及/或可无线互动及/或无线互动组件、及/或逻辑互动及/或可逻辑互动组件。
在一些例子中,一或多个组件可在本文中被称为“经配置以”、“可经配置以”、“可操作/操作以”、“经调适/可调适”、“能够”、“可符合/经符合以”或类似物。所属领域的技术人员将认识到,除非上下文另有要求,否则此类术语(例如,“经配置以”)可大体上涵盖主动状态组件及/或非主动状态组件及/或备用状态组件。
虽然已展示及描述本文中所描述的本发明标的物的特定方面,但所属领域的技术人员将明白,基于本文中的教示,可在不脱离本文中所描述的标的物及其更广泛方面的情况下做出改变及修改,且因此随附权利要求书希望将如落于本文中所描述的标的物的真实精神及范围内的全部此类改变及修改涵盖于其范围内。所属领域的技术人员将理解,一般来说,本文中且尤其是随附权利要求书(例如,随附权利要求书的主体)中所使用的术语一般希望为“开放式”术语(例如,术语“包含(including)”应被解释为“包含(但不限于)”,术语“具有”应被解释为“至少具有”,术语“包含(includes)”应被解释为“包含(但不限于)”或类似物)。所属领域的技术人员将进一步理解,如果想要特定数目个所介绍权利要求叙述,那么此意向将明确叙述于权利要求书中,且如果缺乏此叙述,那么不存在此意向。例如,作为理解的辅助,以下随附权利要求书可含有介绍性词组“至少一个”及“一或多个”的使用来介绍权利要求叙述。然而,此类词组的使用不应被解释为隐含:由不定冠词“一”或“一个”介绍的权利要求叙述将含有此所介绍权利要求叙述的任何特定权利要求书限制为仅含有一个此叙述的权利要求书,即使相同权利要求书包含介绍性词组“一或多个”或“至少一个”及例如“一”或“一个”的不定冠词(例如,“一”及/或“一个”通常应被解释为意指“至少一个”或“一或多个”);上述内容对用于介绍权利要求叙述的定冠词的使用同样适用。另外,即使明确叙述特定数目个所介绍权利要求叙述,但所属领域的技术人员也应认识到,此叙述通常应被解释为意指至少所述叙述数目(例如,仅仅叙述“两个叙述”而无其它修饰语通常意指至少两个叙述或两个或两个以上叙述)。此外,在其中使用类似于“A、B及C中的至少一者,或类似物”的惯用表述的那些例子中,此构造一般意指所属领域的技术人员将理解所述惯用表述的意义(例如,“具有A、B及C中的至少一者的系统”将包含(但不限于)仅具有A、仅具有B、仅具有C、同时具有A及B、同时具有A及C、同时具有B及C及/或同时具有A、B及C的系统,或类似物)。在其中使用类似于“A、B或C中的至少一者,或类似物”的惯用表述的那些例子中,此构造一般意指所属领域的技术人员将理解惯用表述的意义(例如,“具有A、B或C中的至少一者的系统”将包含(但不限于)仅具有A、仅具有B、仅具有C、同时具有A及B、同时具有A及C、同时具有B及C及/或同时具有A、B及C的系统,或类似物)。所属领域的技术人员应进一步理解,除非上下文另有规定,否则无论在实施方式、权利要求书或图式中,呈现两个或两个以上替代项的转折词及/或词组通常应被理解为设想以下可能性:包含所述项的一者、所述项的任一者或两项。例如,词组“A或B”通常将被理解为包含“A”或“B”或“A及B”的可能性。
有关随附权利要求书,所属领域的技术人员将了解其中所叙述的操作大体上可以任何顺序执行。而且,尽管以一(若干)序列呈现各种操作流程,但应理解,可以除所说明的所述顺序之外的其它顺序执行各种操作或可同时执行各种操作。除非上下文另有规定,否则此类替代排序的实例可包含重叠、交错、间断、重新排序、递增、预备、补充、同时、反向或其它变化排序。此外,除非上下文另有规定,否则术语如“响应于”、“与…有关”或其它过去式形容词通常并不希望排除此类变化。
尽管已说明本发明的特定实施例,但应明白,所属领域的技术人员可在不脱离前述揭示内容的范围及精神及情况下做出本发明的各种修改及实施例。据信,将通过前文描述理解本发明及许多其伴随优点,且将明白,可在不脱离所揭示的标的物或不牺牲全部其实质性优点的情况下作出组件的形式、构造及布置上的各种改变。所描述的形式仅为说明性的且以下权利要求书的意图是涵盖及包含此类改变。因此,本发明的范围应仅受其随附权利要求书限制。
Claims (37)
1.一种系统,其包括:
控制器,其中所述控制器包含一或多个处理器及经配置以存储一或多个程序指令集的存储器,其中所述一或多个程序指令集经配置以引起所述一或多个处理器:
接收晶片的多个图案化晶片几何结构度量,其中所述多个图案化晶片几何结构度量包括至少两个不同的图案化晶片几何结构度量;
从一或多个特性化工具接收所述晶片的晶片特性化数据;
确定所述多个图案化晶片几何结构度量与所述晶片特性化数据之间关于所述晶片的裸片故障的相关性;
经由至少一个机器学习算法,基于经确定的所述相关性产生所述多个图案化晶片几何结构度量的自动排序;
基于所述多个图案化晶片几何结构度量的所述自动排序从所述多个图案化晶片几何结构度量的子集建构所述晶片的复合度量模型,其中所述多个图案化晶片几何结构度量的子集包括具有最高排序的第一度量和至少第二度量,所述第二度量具有第二高排序;
从所述复合度量模型产生所述晶片的一或多个复合晶片度量,其中所述一或多个复合晶片度量具有与所述晶片的裸片故障的相关性,其大于所述多个图案化晶片几何结构度量与所述晶片的裸片故障的所述相关性;
基于所述一或多个复合晶片度量产生统计过程控制输出;及
基于所述统计过程控制输出调节一或多个过程工具的一或多个特性,以改善一或多个制造过程。
2.根据权利要求1所述的系统,其中所述一或多个程序指令集进一步经配置以引起所述一或多个处理器:
基于所述一或多个复合晶片度量产生一或多个可校正项。
3.根据权利要求2所述的系统,其中所述一或多个程序指令集进一步经配置以引起所述一或多个处理器:
将所述一或多个可校正项提供到所述一或多个过程工具以改进所述一或多个制造过程。
4.根据权利要求3所述的系统,其中所述一或多个可校正项是经由反馈回路提供到所述一或多个过程工具。
5.根据权利要求3所述的系统,其中所述一或多个可校正项是经由前馈回路提供到所述一或多个过程工具。
6.根据权利要求1所述的系统,其中所述多个图案化晶片几何结构度量包含一或多个纳米形貌NT度量。
7.根据权利要求1所述的系统,其中所述多个图案化晶片几何结构度量包含一或多个局部形状曲率LSC度量。
8.根据权利要求1所述的系统,其中所述晶片特性化数据包含晶片检验数据。
9.根据权利要求1所述的系统,其中所述晶片特性化数据包含晶片计量数据。
10.根据权利要求9所述的系统,其中所述晶片计量数据包含在线晶片计量数据。
11.根据权利要求1所述的系统,其中所述晶片特性化数据包含电探测数据。
12.根据权利要求1所述的系统,其中所述多个图案化晶片几何结构度量与所述晶片特性化数据之间的所述相关性包含相关系数,其中所述相关系数的饱和水平取决于晶片几何结构度量的数目,其中所述复合晶片度量的预测精确度取决于所述相关系数的所述饱和水平。
13.根据权利要求12所述的系统,其中所述相关系数是R2-值。
14.根据权利要求12所述的系统,其中所述一或多个程序指令集进一步经配置以引起所述一或多个处理器:
经由所述至少一个机器学习算法确定所述多个图案化晶片几何结构度量与所述晶片特性化数据之间的所述相关系数。
15.根据权利要求14所述的系统,其中所述至少一个机器学习算法包含分类算法。
16.根据权利要求15所述的系统,其中所述分类算法包含逻辑回归。
17.根据权利要求15所述的系统,其中所述分类算法包含决策树。
18.根据权利要求1所述的系统,其中所述一或多个程序指令集进一步经配置以引起所述一或多个处理器:
在耦合到所述控制器的用户界面上显示所述统计过程控制输出。
19.一种系统,其包括:
一或多个特性化工具;及
控制器,其中所述控制器包含一或多个处理器及经配置以存储一或多个程序指令集的存储器,其中所述一或多个程序指令集经配置以引起所述一或多个处理器:
接收晶片的多个图案化晶片几何结构度量,其中所述多个图案化晶片几何结构度量包括至少两个不同的图案化晶片几何结构度量;
从一或多个特性化工具接收所述晶片的晶片特性化数据;
确定所述多个图案化晶片几何结构度量与所述晶片特性化数据之间关于所述晶片的裸片故障的相关性;
经由至少一个机器学习算法,基于经确定的所述相关性产生所述多个图案化晶片几何结构度量的自动排序;
基于所述多个图案化晶片几何结构度量的所述自动排序从所述多个图案化晶片几何结构度量的子集建构所述晶片的复合度量模型,其中所述多个图案化晶片几何结构度量的子集包括具有最高排序的第一度量和至少第二度量,所述第二度量具有第二高排序;
从所述复合度量模型产生所述晶片的一或多个复合晶片度量,其中所述一或多个复合晶片度量具有与所述晶片的裸片故障的相关性,其大于所述多个图案化晶片几何结构度量与所述晶片的裸片故障的所述相关性;
基于所述一或多个复合晶片度量产生统计过程控制输出;及
基于所述统计过程控制输出调节一或多个过程工具的一或多个特性,以改善一或多个制造过程。
20.一种方法,其包括:
接收晶片的多个图案化晶片几何结构度量,其中所述多个图案化晶片几何结构度量包括至少两个不同的图案化晶片几何结构度量;
从一或多个特性化工具接收所述晶片的晶片特性化数据;
确定所述多个图案化晶片几何结构度量与所述晶片特性化数据之间关于所述晶片的裸片故障的相关性;
经由至少一个机器学习算法,基于经确定的所述相关性产生所述多个图案化晶片几何结构度量的自动排序;
基于所述多个图案化晶片几何结构度量的所述自动排序从所述多个图案化晶片几何结构度量的子集建构所述晶片的复合度量模型,其中所述多个图案化晶片几何结构度量的子集包括具有最高排序的第一度量和至少第二度量,所述第二度量具有第二高排序;
从所述复合度量模型产生所述晶片的一或多个复合晶片度量,其中所述一或多个复合晶片度量具有与所述晶片的裸片故障的相关性,其大于所述多个图案化晶片几何结构度量与所述晶片的裸片故障的所述相关性;
基于所述一或多个复合晶片度量产生统计过程控制输出;
基于所述统计过程控制输出调节一或多个过程工具的一或多个特性,以改善一或多个制造过程。
21.根据权利要求20所述的方法,其进一步包括:
基于所述一或多个复合晶片度量产生一或多个可校正项。
22.根据权利要求21所述的方法,其进一步包括:
将所述一或多个可校正项提供到所述一或多个过程工具以改进所述一或多个制造过程。
23.根据权利要求22所述的方法,其中经由反馈回路将所述一或多个可校正项提供到所述一或多个过程工具。
24.根据权利要求22所述的方法,其中经由前馈回路将所述一或多个可校正项提供到所述一或多个过程工具。
25.根据权利要求20所述的方法,其中所述多个图案化晶片几何结构度量包含一或多个纳米形貌NT度量。
26.根据权利要求20所述的方法,其中所述多个图案化晶片几何结构度量包含一或多个局部形状曲率LSC度量。
27.根据权利要求20所述的方法,其中所述晶片特性化数据包含晶片检验数据。
28.根据权利要求20所述的方法,其中所述晶片特性化数据包含晶片计量数据。
29.根据权利要求28所述的方法,其中所述晶片计量数据包含在线晶片计量数据。
30.根据权利要求20所述的方法,其中所述晶片特性化数据包含电探测数据。
31.根据权利要求20所述的方法,其中所述多个图案化晶片几何结构度量与所述晶片特性化数据之间的所述相关性包含相关系数,其中所述相关系数的饱和水平取决于晶片几何结构度量的数目,其中所述复合晶片度量的预测精确度取决于所述相关系数的所述饱和水平。
32.根据权利要求31所述的方法,其中所述相关系数是R2-值。
33.根据权利要求31所述的方法,其进一步包括:
经由所述至少一个机器学习算法确定所述多个图案化晶片几何结构度量与所述晶片特性化数据之间的所述相关系数。
34.根据权利要求33所述的方法,其中所述至少一个机器学习算法包含分类算法。
35.根据权利要求34所述的方法,其中所述机器学习算法包含逻辑回归。
36.根据权利要求34所述的方法,其中所述机器学习算法包含决策树。
37.根据权利要求20所述的方法,其进一步包括:
在用户界面上显示所述统计过程控制输出。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201841011799 | 2018-03-28 | ||
IN201841011799 | 2018-03-28 | ||
US201862728712P | 2018-09-07 | 2018-09-07 | |
US62/728,712 | 2018-09-07 | ||
US16/254,951 | 2019-01-23 | ||
US16/254,951 US11454949B2 (en) | 2018-03-28 | 2019-01-23 | Auto-correlation of wafer characterization data and generation of composite wafer metrics during semiconductor device fabrication |
PCT/US2019/024156 WO2019191152A1 (en) | 2018-03-28 | 2019-03-26 | Auto-correlation of wafer characterization data and generation of composite wafer metrics during semiconductor device fabrication |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111868904A CN111868904A (zh) | 2020-10-30 |
CN111868904B true CN111868904B (zh) | 2024-06-11 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766808A (zh) * | 2014-01-07 | 2015-07-08 | 无锡华润上华半导体有限公司 | 晶圆缺陷密度获得方法、测试方法及半导体装置形成方法 |
US9087176B1 (en) * | 2014-03-06 | 2015-07-21 | Kla-Tencor Corporation | Statistical overlay error prediction for feed forward and feedback correction of overlay errors, root cause analysis and process control |
CN107004060A (zh) * | 2014-11-25 | 2017-08-01 | 流动马赛克公司 | 用于半导体制造工艺的经改进工艺控制技术 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766808A (zh) * | 2014-01-07 | 2015-07-08 | 无锡华润上华半导体有限公司 | 晶圆缺陷密度获得方法、测试方法及半导体装置形成方法 |
US9087176B1 (en) * | 2014-03-06 | 2015-07-21 | Kla-Tencor Corporation | Statistical overlay error prediction for feed forward and feedback correction of overlay errors, root cause analysis and process control |
CN107004060A (zh) * | 2014-11-25 | 2017-08-01 | 流动马赛克公司 | 用于半导体制造工艺的经改进工艺控制技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11454949B2 (en) | Auto-correlation of wafer characterization data and generation of composite wafer metrics during semiconductor device fabrication | |
US11520238B2 (en) | Optimizing an apparatus for multi-stage processing of product units | |
JP6762317B2 (ja) | 基板の面内歪みを検査する方法およびシステム | |
JP6785993B2 (ja) | プロセスフィンガープリントのセットを維持する方法 | |
CN112272796B (zh) | 使用指纹和演化分析的方法 | |
US11682570B2 (en) | Process-induced displacement characterization during semiconductor production | |
CN111868904B (zh) | 半导体装置制造期间的晶片特性化数据的自相关及复合晶片度量的产生 | |
US10585049B2 (en) | Process-induced excursion characterization | |
EP4194951A1 (en) | Identifying deviating modules from a reference population for machine diagnostics | |
TW202101127A (zh) | 自資料集中提取特徵 | |
CN117616430A (zh) | 用于诊断包括多个模块的系统的计算机实施方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |