CN112384749B - 用于半导体芯片孔几何形状度量的系统和方法 - Google Patents

用于半导体芯片孔几何形状度量的系统和方法 Download PDF

Info

Publication number
CN112384749B
CN112384749B CN202080000563.4A CN202080000563A CN112384749B CN 112384749 B CN112384749 B CN 112384749B CN 202080000563 A CN202080000563 A CN 202080000563A CN 112384749 B CN112384749 B CN 112384749B
Authority
CN
China
Prior art keywords
optical
model
signal
optical spectral
training samples
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
CN202080000563.4A
Other languages
English (en)
Other versions
CN112384749A (zh
Inventor
王乐
邹远祥
张珺
张伟
周毅
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.)
Yangtze Memory Technologies Co Ltd
Original Assignee
Yangtze Memory Technologies Co Ltd
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 Yangtze Memory Technologies Co Ltd filed Critical Yangtze Memory Technologies Co Ltd
Publication of CN112384749A publication Critical patent/CN112384749A/zh
Application granted granted Critical
Publication of CN112384749B publication Critical patent/CN112384749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L23/00—Details of semiconductor or other solid state devices
    • H01L23/52—Arrangements for conducting electric current within the device in operation from one component to another, i.e. interconnections, e.g. wires, lead frames
    • H01L23/538—Arrangements for conducting electric current within the device in operation from one component to another, i.e. interconnections, e.g. wires, lead frames the interconnection structure between a plurality of semiconductor chips being formed on, or in, insulating substrates
    • H01L23/5384—Conductive vias through the substrate with or without pins, e.g. buried coaxial conductors
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10B—ELECTRONIC MEMORY DEVICES
    • H10B41/00—Electrically erasable-and-programmable ROM [EEPROM] devices comprising floating gates
    • H10B41/20—Electrically erasable-and-programmable ROM [EEPROM] devices comprising floating gates characterised by three-dimensional arrangements, e.g. with cells on different height levels
    • H10B41/23—Electrically erasable-and-programmable ROM [EEPROM] devices comprising floating gates characterised by three-dimensional arrangements, e.g. with cells on different height levels with source and drain on different levels, e.g. with sloping channels
    • H10B41/27—Electrically erasable-and-programmable ROM [EEPROM] devices comprising floating gates characterised by three-dimensional arrangements, e.g. with cells on different height levels with source and drain on different levels, e.g. with sloping channels the channels comprising vertical portions, e.g. U-shaped channels
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10B—ELECTRONIC MEMORY DEVICES
    • H10B43/00—EEPROM devices comprising charge-trapping gate insulators
    • H10B43/20—EEPROM devices comprising charge-trapping gate insulators characterised by three-dimensional arrangements, e.g. with cells on different height levels
    • H10B43/23—EEPROM devices comprising charge-trapping gate insulators characterised by three-dimensional arrangements, e.g. with cells on different height levels with source and drain on different levels, e.g. with sloping channels
    • H10B43/27—EEPROM devices comprising charge-trapping gate insulators characterised by three-dimensional arrangements, e.g. with cells on different height levels with source and drain on different levels, e.g. with sloping channels the channels comprising vertical portions, e.g. U-shaped channels
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • G01N2021/213—Spectrometric ellipsometry
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • G01N2021/95653—Through-holes

Abstract

公开了用于测量半导体芯片中的孔结构的几何属性的系统(400)和方法的实施例。接收与半导体芯片中的孔结构相对应的光学光谱信号(412)。该光学光谱信号(412)由一个或多个光学特征来表征。使用模型(408)，至少部分地基于光学特征来确定孔结构的几何属性。从多个训练样本来训练模型(408)，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号(412)和标记的参考信号(416)。

Description

用于半导体芯片孔几何形状度量的系统和方法
技术领域
本公开的实施例涉及半导体制造中的度量系统和方法。
背景技术
孔结构被广泛地用于半导体芯片制造中，例如三维(3D)存储器件中的接触孔和沟道孔。孔结构，特别是具有高的高宽比的深孔通常是通过等离子体干法蚀刻(例如深度反应离子蚀刻(DRIE))制成的。随着高宽比持续增大，深孔的制造受到各种问题和挑战的影响，例如垂直和倾斜侧壁、加载效应、滞后、扇形和缺口效应，其中大部分被反映为孔的不期望的几何属性。因此，对半导体芯片制造中的孔结构的内联(inline)测量对于产品良率而言变得很重要。
发明内容
本文公开了用于测量半导体芯片中的孔结构的几何属性的系统和方法的实施例。
在一个示例中，公开了一种用于测量半导体芯片中的孔结构的几何属性的方法。接收与半导体芯片中的孔结构相对应的光学光谱信号。通过一个或多个光学特征来表征光学光谱信号。使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
在另一个示例中，一种用于测量半导体芯片中的孔结构的几何属性的系统包括光学光谱仪和至少一个处理器。光学光谱仪被配置为提供与半导体芯片中的孔结构相对应的光学光谱信号。至少一个处理器被配置为通过一个或多个光学特征来表征光学光谱信号。至少一个处理器还被配置为：使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
在又一个示例中，一种有形计算机可读装置上存储有指令，该指令在被至少一个计算装置执行时，使得至少一个计算装置执行操作。操作包括接收与半导体芯片中的孔结构相对应的光学光谱信号。该操作还包括通过一个或多个光学特征来表征光学光谱信号。该操作还包括：使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
在又一个示例中，公开了一种用于训练模型的方法。由至少一个处理器提供用于测量半导体芯片中的孔结构的几何属性的模型。由至少一个处理器获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。使用模型来估计孔结构的估计几何属性。由至少一个处理器至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
在又一个示例中，一种用于训练模型的系统包括存储器和操作地耦合到该存储器的至少一个处理器。至少一个处理器被配置为提供用于测量半导体芯片中的孔结构的几何属性的模型。至少一个处理器还被配置为获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。至少一个处理器还被配置为使用模型来估计孔结构的估计几何属性。至少一个处理器还被配置为：至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
在又一个示例中，一种有形计算机可读装置上存储有指令，该指令在被至少一个计算装置执行时，使得至少一个计算装置执行操作。操作包括提供用于测量半导体芯片中的孔结构的几何属性的模型。操作还包括：获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。操作还包括使用模型来估计孔结构的估计几何属性。操作还包括：至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
附图说明
被并入本文并且形成说明书的一部分的附图，例示了本公开的实施例并与说明书一起进一步用以解释本公开的原理，并使相关领域的技术人员能够做出和使用本公开。
图1A示出了半导体芯片中的沟道孔结构的截面图。
图1B示出了具有倾斜(tilt)的图1A中的沟道孔结构中的下沟道孔的截面图。
图1C示出了具有覆盖的图1A中的沟道孔结构中的上沟道孔和下沟道孔的截面图。
图2A和2B示出了使用扫描电子显微镜(SEM)对半导体芯片中的孔结构的倾斜的测量。
图3示出了图2A中孔结构的倾斜矢量及该倾斜矢量在x轴和y轴上分量。
图4示出了根据本公开一些实施例，用于测量半导体芯片中的孔结构的几何属性的示例性系统的示意图。
图5示出了根据本公开一些实施例，用于测量半导体芯片中的孔结构的几何属性的图4中系统的示例性计算装置的示意图。
图6示出了根据本公开的一些实施例，用于去除光学光谱信号中偏移的示例性过程。
图7示出了根据本公开一些实施例，用于测量半导体芯片中的孔结构的几何属性的示例性方法的流程图。
图8是根据本公开一些实施例，用于表征光学光谱信号的示例性方法的流程图。
图9示出了根据本公开一些实施例，用于训练用于测量半导体芯片中的孔结构的几何属性的模型的示例性系统的示意图。
图10是根据本公开一些实施例，用于训练用于测量半导体芯片中的孔结构的几何属性的模型的示例性方法的流程图。
图11示出了根据本公开一些实施例的示例性计算装置的框图。
将参考附图描述本公开的实施例。
具体实施方式
尽管对具体配置和布置进行了讨论，但应当理解，这只是出于示例性目的而进行的。相关领域中的技术人员将认识到，在不脱离本公开的实质和范围的情况下，可使用其他的配置和布置。对相关领域的技术人员显而易见的是，本公开还可用于多种其他应用。
要指出的是，在说明书中提到“一个实施例”、“实施例”、“示例性实施例”“一些实施例”等表示所述的实施例可包括特定的特征、结构或特性，但未必每个实施例都包括该特定特征、结构或特性。此外，这样的措辞用语未必是指相同的实施例。另外，在结合实施例描述特定特征、结构或特性时，结合明确或未明确描述的其他实施例实现此类特征、结构或特性应在相关领域技术人员的知识范围之内。
通常，可以至少部分从语境中的使用来理解术语。例如，至少部分根据语境，可以使用本文中使用的术语“一个或多个”描述单数意义的特征、结构或特性，或者可以用于描述复数意义的特征、结构或特性的组合。类似地，至少部分取决于语境，诸如“一(a)”、“一个(an)”或“该(the)”的术语可以被理解为传达单数使用或传达复数使用。此外，术语“基于”可以被理解为未必意在传达各因素的排他性集合，相反，可以允许存在未必明确描述的额外因素，同样，这至少部分取决于上下文。
如本文所用，术语“衬底”是指向其上增加后续材料层的材料。可以对衬底自身进行图案化。在衬底顶部上增加的材料可以被图案化可以保持未图案化。此外，衬底可以包括宽范围的半导体材料，例如硅、锗、砷化镓、磷化铟等。或者，衬底可以由不导电材料，例如玻璃、塑料或蓝宝石晶圆制成。
如本文所用，术语“层”是指包括具有厚度的区域的材料部分。一层可以在下方或上方结构的整体上延伸，或者可以具有小于下方或上方结构范围的范围。此外，一层可以是厚度小于连续结构厚度的均质或不均质连续结构的区域。例如，一层可以位于在连续结构的顶表面和底表面之间或在其处的任何一对水平面之间。层可以水平、垂直和/或沿倾斜表面延伸。衬底可以是一层，其中可以包括一个或多个层和/或可以在其上、其上方和/或其下方具有一个或多个层。层可以包括多个层。例如，互连层可以包括一个或多个导体和接触层(其中形成互连线和/或通孔触点)和一个或多个电介质层。
如本文所用，术语“标称/标称地”是指针对部件或工艺操作的特性或参数的，在生产或处理的设计阶段期间设置的期望或目标值，以及期望值以上和/或以下的值域。该值域可能是由于制造工艺或容限中的轻微变化。如本文所用，术语“关于”表示给定量的值，该值可以基于与主题半导体器件相关联的特定技术节点而变化。基于该特定技术节点，术语“关于”可以表示给定量的值，其例如在值的10-30％之内变化(例如，值的±10％、±20％或±30％)。
如本文所用，术语“3D存储器件”是指在横向取向的衬底上具有垂直取向的存储单元晶体管串(本文称为“存储串”，例如NAND存储串)的半导体器件，使得存储串在相对于衬底的垂直方向上延伸。如本文所用，术语“垂直/垂直地”表示标称地垂直于衬底的横向表面。
在半导体芯片制造中，例如形成3D NAND存储器件时，通常使用孔结构。例如，图1A示出了半导体芯片中的沟道孔结构的截面图。在形成3D NAND存储器件时，半导体芯片包括中间结构，如图1A所示。中间结构包括：衬底102和交替层堆叠体104，所述交替层堆叠体104具有下交替层堆叠体104-1以及在下交替层堆叠体104-1上方的上交替层堆叠体104-2。例如，使用DRIE，形成延伸穿过交替层堆叠体104的多个沟道孔结构，每个所述沟道孔结构包括下沟道孔106-1和在下沟道孔106-1上方的上沟道孔106-2。具体而言，下沟道孔106-1延伸穿过下交替层堆叠体104-1，并且上沟道孔106-2延伸穿过上交替层堆叠体104-2。3DNAND存储器件的沟道结构阵列要在完成制造过程之后的最终半导体芯片中分别形成于图1A中的沟道孔结构中。
随着交替层堆叠体104中的层数持续增大以便增大存储单元密度，用于形成沟道孔结构的DRIE工艺变得更有挑战性，导致各种问题，例如倾斜以及在上沟道孔106-2和下沟道孔106-1之间的不对准。在一个示例中，图1B示出了具有倾斜的图1A中的沟道孔结构中的下沟道孔106-1的截面。亦即，下沟道孔106-1不是直的，而是沿垂直方向具有倾角或斜坡(即，倾斜)。在另一个示例中，图1C示出了具有覆盖的图1A中的沟道孔结构中的上沟道孔106-2和下沟道孔106-1的截面。亦即，上沟道孔106-2的顶部处的重心和下沟道孔106-1的顶部处的重心在横向方向上不是对准的，而是通过覆盖而不匹配。
具有倾斜电子束的高压(HV)-SEM通常用于在半导体芯片的制造过程期间对孔结构的倾斜进行内联监测。例如，图2A和2B示出了使用SEM对半导体芯片中的孔结构的倾斜的测量。如图2A所示，孔结构206延伸穿过半导体芯片中的衬底202上方的交替层堆叠体204。需要仔细调节从HV-SEM发射的电子束的倾斜角以匹配孔结构206的倾斜角，以便获得孔结构206的顶表面208和底表面210的完整轮廓(profile)，如图2A和2B中所示。图3示出了图2A中孔结构206的倾斜矢量及该倾斜矢量在x轴和y轴上的分量。孔结构206的顶表面208和底表面210的轮廓被映射到图3中的x-y-z坐标系中，以底表面210处的重心为原点。孔结构206的倾斜矢量T被投射到x-y平面上。T在x轴上的分量Tx被计算为h×Tanβ×Cosα，并且T在y轴上的分量Ty被计算为h×Tanβ×Sinα，其中h为孔结构206的深度(即，T在z轴上的分量)，α为在T和x轴之间的角度，β为在T和z轴之间的角度。
不过，已知的使用HV-SEM的测量方法由于需要调节电子束的倾角，以及需要处理大量数据，较耗费时间，由此限制了其对孔结构的几何属性(例如，倾斜或覆盖)的内联监测的吞吐量。此外，连续运行HV-SEM进行内联监测可能增大维护成本并且缩短设备寿命。例如，在一些情况下，在测量在上孔和下孔之间的重叠时，可能例如通过去除孔结构的部分而对半导体芯片造成损伤。
根据本公开的各实施例提供了高效的系统和方法，用于利用适用于半导体芯片大规模生产的高吞吐量的内联孔几何度量，同时仍然保持了充分的准确度和精度。在一些实施例中，光学光谱信号，诸如椭圆偏振(ellipsometry)光谱信号，结合机器学习模型，能够实现对半导体芯片中的孔结构几何属性(例如，倾斜或覆盖)的高吞吐量、非破坏性、内联测量。与HV-SEM相比，光学光谱测量仪器能够在测量孔结构时提供更高吞吐量，尤其是具有倾斜的孔结构和在上孔和下孔之间具有覆盖的孔结构。与需要处理由HV-SEM从连续内联测量获得的大量数据的常规方法相比，通过利用电子显微镜(例如，SEM)标记的训练样本进行良好离线训练的机器学习模型，可以用于基于光学光谱信号输入来更快速地确定目标几何属性，而不牺牲准确度和精度。
图4示出了根据本公开一些实施例，用于测量半导体芯片中的孔结构的几何属性的示例性系统400的示意图。系统400可以包括计算装置402，该计算装置402具有至少一个处理器，该处理器实施本文所公开的各种功能，用于测量半导体芯片的孔几何属性414，例如使用机器学习模型和模型训练进行信号表征、孔几何测量。半导体芯片可以包括逻辑器件芯片，例如中央处理单元(CPU)、图形处理单元(GPU)、应用处理器(AP)、可编程逻辑器件(PLD)或微控制器单元(MCU)、存储器件芯片，例如闪存存储器、动态随机存取存储器(DRAM)、或静态随机存取存储器(SRAM)、或任何其他合适的半导体芯片。要理解的是，半导体芯片不限于最终产品并且可以包括制造过程期间的任何中间结构。类似地，孔结构可以包括半导体芯片的任何中间结构或最终产品中的任何孔结构，包括但不限于接触孔(例如，垂直互连访问(VIA)孔)和沟道孔。例如，半导体芯片可以包括用于形成3D NAND存储器件的中间结构，并且在中间结构中，孔结构可以包括沟道孔结构的阵列、过阵列接触(TAC)孔结构、过硅接触(TSC)孔结构、阵列公共源极(ASC)接触孔结构等。然而，根据一些实施例，半导体芯片中的孔结构的一个或多个几何属性(例如，倾斜或覆盖)需要进行内联测量，以在制造过程期间或之后进行质量控制。
系统400还可以包括可以提供从半导体芯片中的孔结构采样的一种或多种类型信号的一个或多个光学测量仪器，所述信号被用作用于由计算装置402对孔结构的几何度量的输入信号。在一些实施例中，系统400的光学测量仪器包括被配置为提供与半导体芯片中的孔结构相对应的光学光谱信号412的光学光谱仪404。要理解的是，半导体芯片可以包括多个孔结构(例如，制造3D NAND存储器件时的沟道孔结构的阵列)，并且在其他示例中，与多个孔结构相对应的多个光学光谱信号412可以由光学光谱仪404提供。
在一些实施例中，光学光谱仪404包括椭圆偏振光谱仪，并且由光学光谱仪404提供的光学光谱信号412包括椭圆偏振光谱信号。椭圆偏振光谱测量(也称为“SE”)、表面敏感、非破坏性和非接触光学度量技术，对光在穿过介质时的偏振变化进行测量，这允许用户提取这种结构中介质的材料性质，因为层结构在反射偏振光期间呈现出失真。椭圆偏振光谱测量能够采用宽带光源，这能够覆盖红外、可见和/或紫外光谱区域中的特定光谱范围。这样，可以获得在对应光谱区域中的复折射率或电介函数张量，根据一些实施例，这可获得大量物理特性。在一些实施例中，光学光谱信号412(例如，椭圆偏振光谱信号)的波长范围在大约250nm和大约1300nm之间，例如在250nm和1300nm之间。在一个示例中，在测量倾斜矢量T的x轴分量Tx(图3所示)时，椭圆偏振光谱信号的波长范围在264nm和1180nm之间。在另一个示例中，在测量倾斜矢量T的y轴分量Ty(图3所示)时，椭圆偏振光谱信号的波长范围在256nm和1270nm之间。
系统400还可以包括电子显微镜406(又称“EM”)，其被配置为提供由计算装置402在训练模型408时用作参考信号416的多个电子显微镜信号。如下文详细所述，模型408可以是可以被训练样本训练的任何适当的机器学习模型，其中的每个训练样本包括都与相同孔结构相对应的一对光学光谱信号412和标记的参考信号416。根据一些实施例，电子显微镜406是使用加速电子束作为照明源的显微镜，并且比光学显微镜具有更高分辨能力，以揭示更小对象的结构。例如，电子显微镜406可以包括SEM、透射电子显微镜(TEM)以及扫描透射电子显微镜(STEM)。如上所述，尽管低吞吐量和高维护成本不适合连续内联测量，但电子显微镜406(例如SEM)能够提供参考信号416，该参考信号416可以被人工、自动或半自动标记，以利用某个准确度和精度来指示孔结构的一个或多个几何属性(例如，倾斜或覆盖)，所述几何属性适合作为训练采样中的标记以用于训练模型408。在一些实施例中，从由电子显微镜406提供的电子显微镜信号来表征一个或多个光学特征以产生参考信号416。亦即，参考信号416可以是原始电子显微镜信号或从原始电子显微镜信号变换的任何其他适当信号。然而，可以标记参考信号416以利用某个准确度和精度来揭示孔结构的一个或多个几何属性(例如，倾斜或覆盖)。要理解的是，与常规测量方法不同(其中使用SEM进行连续内联测量)，系统400中的电子显微镜406可以用于对模型408进行离线训练，其中低吞吐量可能不是问题。
图5示出了根据本公开一些实施例，用于测量半导体芯片中的孔结构的几何属性的图4中系统400的示例性计算装置402的示意图。计算装置402可以包括由至少一个处理器实现的多个功能模块和单元。在一些实施例中，计算装置402包括：信号表征模块502、孔几何测量模块504和模型训练模块506。根据一些实施例，用于测量半导体芯片中的孔结构的几何属性的模型408由计算装置402运行，由模型训练模块506训练并且由孔几何测量模块504使用。模型408可以是被训练用于测量孔几何属性(例如倾斜或覆盖)的机器学习模型。根据一些实施例，由光学光谱仪404(图4中所示)采样的光学光谱信号412被提供为计算装置402的输入，用于内联孔几何测量，以及离线模型训练。在一些实施例中，由电子显微镜406(图4中所示)采样的参考信号416也被提供为计算装置402的输入，以用于离线模型训练。
在一些实施例中，信号表征模块502被配置为接收与半导体芯片中的孔结构相对应的光学光谱信号412，并且通过一个或多个光学特征来表征光学光谱信号412。在一些实施例中，光学光谱信号412包括具有在250nm和1300nm之间的波长范围的椭圆偏振光谱信号。在一些实施例中，由于椭圆偏振光谱测量是一种间接度量，所以信号表征模块502需要信号表征(例如针对实际孔结构的建模和参数拟合)，以提取用于指示孔结构的物理性质的特征(例如光学特征)，该特征可以由孔几何测量模块504使用模型408在孔几何度量时使用。为了表征光学光谱信号412，信号表征模块502可以被配置为：至少部分地基于光学光谱信号来获得Muller矩阵，并且从Muller矩阵提取一个或多个光学特征。光学特征可以包括反射或椭圆偏振参数，例如椭圆偏振仪角度Ψ和Δ。
Muller矩阵可以提供关于介质在反射或透射(transmission)配置下，对由偏振光进行的激励的响应的信息。例如，Muller矩阵可以通过在没有非线性效应的情况下偏振光与物质的交互作用，来表征样本的光学性质。如下文所示，Muller矩阵MM是包含16个元素的4×4实矩阵：
Figure BDA0002459228250000101
例如，在测量孔结构的倾斜时，Muller矩阵非对角线的块元{M13,M23,M14,M24,M31,M32,M41,M42}可以提供关于沿椭圆偏振光谱平面的镜面不对称的信息，并且非对角线的块元的组合，例如M13+M31,M23+M32,M14-M41和M24-M42在非零时，可以被解释为倾斜信号。在一个示例中，M13+M31,M23+M32和M14-M41的组合可以用于测量倾斜矢量T的x轴分量Tx(图3所示)，并且M13+M31,M23+M32,M14-M41和M24-M42的组合可以用于测量倾斜矢量T的y轴分量Ty(图3所示)。要理解的是，在其他示例中，根据例如要测量的孔结构的几何属性，可以从Muller矩阵提取任何其他适当的光学特征。
要理解的是，由于来自光学光谱仪404(图4中所示)的贡献(其可能影响后续过程)，可能向光学光谱信号412中引入偏移。在一些实施例中，信号表征模块502被配置为至少部分地基于相反方向上的两个光学光谱信号来去除光学光谱信号412中的偏移。即，与相同孔结构相对应的相反方向上的两个光学光谱信号可以由光学光谱仪404获取，并且可以基于相反方向上的两个光学光谱信号来去除偏移。例如，图6示出了根据本公开的一些实施例，用于去除光学光谱信号中的偏移的示例性过程。第一光学光谱信号可以在601中的0D方向上从孔结构获得，并且第二光学光谱信号可以在602中在与0D方向相反的180D方向上从相同孔结构获得。从第一光学光谱信号的对应Muller矩阵提取的光学特征(例如603中的M13+M31的组合)可以被分成两个部分：605中的样本倾斜，以及607中来自光学光谱仪404的贡献。类似地，从第二光学光谱信号的对应Muller矩阵提取的光学特征(例如604中的M13+M31的组合)可以被分成两个部分：606中的样本倾斜，以及608中来自光学光谱仪404的贡献。假设来自光学光谱仪404的贡献在607和608中相同，可以对603和604中的两个光学特征进行平均，以抵消610中来自光学光谱仪404的贡献。结果，可以去除由光学光谱仪404引入的偏移。
重新参考图5，根据一些实施例，孔几何测量模块504被配置为使用模型408，至少部分地基于光学特征来确定孔结构的几何属性。可以由模型训练模块506从多个训练样本来训练模型408，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号412和标记的参考信号416，如下文详细所述。标记的参考信号416可以包括用于指示几何属性的电子显微镜信号。模型408可以是任何适当的机器学习模型，例如人工神经网络(ANN)。要理解的是，在其他示例中，其他机器学习模型(例如支持向量机(SVM)、决策树、回归分析、贝叶斯网络等)可以被用作模型408。
在一些实施例中，孔几何测量模块504可以应用任何适当的特征选择和特征提取方法，来选择和/或提取特征(例如，特征矢量)，无论是潜在特征还是显在特征，以降低复杂性并改善确定过程的效率。在一些实施例中，进一步将特征选择和特征提取应用于由信号表征模块502从光学光谱信号412表征的光学特征。在一些实施例中，由信号表征模块502从光学光谱信号412表征的光学特征被直接输入到孔几何测量模块504中，而无需任何进一步的特征选择或特征提取。亦即，可以如上文在获得光学特征中所述，由信号表征模块502执行特征选择和特征提取。在一些实施例中，将特征选择和特征提取(除了由信号表征模块502执行的信号表征功能之外)直接应用于光学光谱信号412。
孔几何测量模块504的输出可以是半导体芯片中的孔结构的任何适当的几何属性。可以训练模型408以用于测量特定几何属性。在一些实施例中，几何属性包括孔结构的倾斜，例如倾斜矢量T、倾斜矢量T的x轴分量Tx，以及倾斜矢量T的y轴分量Ty(例如，图1B、2A、2B和3中所示)。在一些实施例中，孔结构包括下孔和上孔(例如，图1C中包括下沟道孔106-1和上沟道孔106-2的沟道孔结构)，并且几何属性包括在上孔和下孔(例如，图1C中所示的下沟道孔106-1和上沟道孔106-2)之间的覆盖。要理解的是，根据要测量的孔结构的特定几何属性，除了模型408之外，也可以相应地改变由信号表征模块502和/或孔几何测量模块504执行的光学特征表征功能或任何其他特征选择和特征提取功能。
图7是根据本公开的一些实施例，用于测量半导体芯片中的孔结构的几何属性的示例性方法700的流程图。可以执行方法700的操作的装置的示例包括图4和5中示出的计算装置402。要理解的是，方法700中所示的操作不是穷举性的，并且也可以在例示的任何操作之前、之后或之间执行其他操作。此外，可以同时，或以与图7所示不同的次序来执行操作中的一些操作。
参考图7，方法700开始于操作702处，其中接收与半导体芯片中的孔结构相对应的光学光谱信号。例如，光学光谱信号412可以由计算装置402的信号表征模块502接收。在一些实施例中，光学光谱信号的波长范围在250nm和1300nm之间。
方法700进行到操作704，如图7所示，其中，通过一个或多个光学特征来表征光学光谱信号。例如，可以使用信号表征模块502，通过光学特征来表征光学光谱信号412。图8是根据本公开一些实施例，用于表征光学光谱信号的示例性方法800的流程图。要理解的是，方法800中所示的操作不是穷举性的，并且也可以在例示的任何操作之前、之后或之间执行其他操作。此外，可以同时，或以与图8所示不同的次序来执行操作中的一些操作。方法800开始于操作802，其中光学光谱信号包括在相反方向上的两个光学光谱信号，并且至少部分地基于在相反方向上的两个光学光谱信号来去除光学光谱信号中的偏移。方法800进行到操作804，其中至少部分地基于光学光谱信号来获得Muller矩阵。方法800进行到操作806，其中从Muller矩阵中提取一个或多个光学特征。光学特征可以包括反射或椭圆偏振参数中的至少一者。
重新参考图7，方法700进行到操作706，如图7所示，其中使用模型，至少部分地基于光学特征来确定孔结构的几何属性。可以从多个训练样本来训练模型，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。标记的参考信号可以包括用于指示几何属性的电子显微镜信号。例如，可以使用模型408，由计算装置402的孔几何测量模块504基于光学特征来确定孔结构的几何属性。在一些实施例中，模型包括ANN。在一些实施例中，几何属性包括孔结构的倾斜。在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。
图9示出了根据本公开一些实施例，用于训练用于测量半导体芯片中的孔结构的几何属性的模型408的示例性系统900的示意图。模型408可以是本文公开的任何机器学习模型。系统900可以包括由至少一个处理器实现的多个功能模块和单元。在一些实施例中，系统900包括模型训练模块506，其被配置为：使用训练算法904，基于目标函数906(也称为“损耗函数”)，在一组训练样本902上训练模型408。模型408可以包括ANN或任何其他适当的机器学习模型。
为了训练模型408，模型训练模块506可以获取训练样本902，每个所述训练样本902包括与相同孔结构相对应的一对光学光谱信号和参考信号。在一个示例中，训练样本902的尺寸可以大于2000。参考信号可以利用孔结构的标记的几何属性来标记。例如，每个参考信号都可以利用孔结构的特定几何属性的值(例如孔结构的倾斜或在孔结构中的上孔和下孔之间的覆盖)来手动地、自动地或半自动地标记。在一些实施例中，光学光谱信号包括椭圆偏振光谱信号，并且参考信号包括电子显微镜信号。
为了训练模型408，模型训练模块506还可以使用模型408来估计孔结构的估计几何属性。在一些实施例中，孔结构的估计几何属性是使用模型408，基于训练样本902中的光学光谱信号作为输入来估计的。为了训练模型408，模型训练模块506还可以至少部分地基于在每个训练样本902中的标记的几何属性和估计几何属性之间的差异，调节模型408的一个或多个参数。在一些实施例中，模型408包括可以由模型训练模块506在被馈送训练样本902时联合调节的一个或多个参数(例如，ANN中的参数)。模型训练模块506可以使用训练算法904来联合地调节模型408的参数，以最小化训练样本902上的目标函数906。可以基于要训练的模型408的特定类型来选择任何适当的目标函数906和训练算法904。例如，可以由模型训练模块506使用基于均方差(MSE)的目标函数结合被监督的训练算法、强化学习算法或自学算法。要理解的是，可以通过迭代方式执行对模型408的训练，例如，对参数的调节。
图10示出了根据本公开的一些实施例，用于训练用于测量半导体芯片中的孔结构的几何属性的模型的示例性方法1000的流程图。可以执行方法1000的操作的系统的示例包括图9中示出的系统900。要理解的是，方法1000中所示的操作不是穷举性的，并且也可以在例示的任何操作之前、之后或之间执行其他操作。此外，可以同时，或以与图10所示不同的次序执行操作中的一些操作。
参考图10，方法1000开始于操作1002，其中，提供用于测量半导体芯片中的孔结构的几何属性的模型。该模型可以包括ANN。例如，可以向模型训练模块506提供模型408。如图10所示，方法1000前进到操作1004，其中，获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。根据一些实施例，利用孔结构的标记的几何属性来标记参考信号。光学光谱信号可以包括椭圆偏振光谱信号，并且参考信号可以包括电子显微镜信号。例如，可以由模型训练模块506获得训练模型902。方法1000进行到操作1006，如图10所示，其中，估计使用模型的孔结构的估计几何属性。在一些实施例中，几何属性包括孔结构的倾斜。在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。如图10所示，方法1000进行到操作1008，其中，至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。例如，可以通过训练样本902上的模型训练模块506来调节模型408的一个或多个参数。
例如，可以使用一个或多个计算装置(诸如图11中所示的计算装置1100)来实现各种实施例。一个或多个计算装置1100可以是图4中的计算装置402的示例并且可以用于：例如，实现图7的方法700、图8的方法800和图10的方法1000。例如，计算装置1100可以执行孔几何度量中的各种功能，例如信号表征、孔几何属性确定和模型训练。计算装置1100可以是能够执行本文描述的功能的任何计算机。
计算装置1100可以包括一个或多个处理器(也称为中央处理单元或CPU)，例如处理器1104。根据一些实施例，处理器1104连接到通信基础设施或总线1106。一个或多个处理器1104可以分别是GPU。在一些实施例中，GPU是一种处理器，其是被设计为处理数学密集型应用的专用电子电路。GPU可以具有并行结构，这对于并行处理大块数据时是高效的，例如对计算机图形应用、图像、视频等常见的数学密集型数据。
计算装置1100还可以包括用户输入/输出装置1103，例如监视器、键盘、指向装置等，其通过用户输入/输出接口1102与通信基础设施或总线1106通信。
计算装置1100还可以包括主要或主存储器1108，例如随机存取存储器(RAM)。主存储器1108可以包括一个或多个级别的高速缓存。根据一些实施例，主存储器1108中存储有控制逻辑(即，计算机软件)单元和/或数据。
计算装置1100还可以包括一个或多个辅助存储设备或存储器1110。辅助存储器1110可以包括例如硬盘驱动器1112和/或可移除存储设备或驱动器1114。可移除存储驱动器1114可以是软盘驱动器、磁带驱动器、光盘驱动器、光学存储设备、磁带备份设备和/或任何其他存储设备/驱动器。
可移除存储驱动器1114可以与可移除存储单元1118交互。根据一些实施例，可移除存储单元1118包括计算机可用或可读存储设备，其上存储有计算机软件(控制逻辑单元)和/或数据。可移除存储单元1118可以是软盘、磁带、压缩盘、DVD、光存储盘和/或任何其他计算机数据存储设备。可移除存储驱动器1114可以以众所周知的方式从可移除存储单元1118读取和/或向可移除存储单元1118写入。
根据一些实施例，辅助存储器1110可以包括用于允许计算机程序和/或其他指令和/或数据被计算装置1100访问的其他单元、机构或其他方法。此类单元、机构或其他方法可以包括：例如，可移除存储单元1122和接口1120。可移除存储单元1122和接口1120的示例可以包括程序盒和盒接口(诸如在视频游戏设备中找到的)、可移除存储器芯片(诸如EPROM或PROM)和相关插座、记忆棒和USB端口、存储卡和相关的存储卡插槽、和/或任何其他可移除存储单元和相关接口。
计算装置1100还可以包括通信或网络接口1124。根据一些实施例，通信接口1124使计算装置1100能够与远程设备、远程网络、远程实体等的任何组合进行通信和交互(由附图标记1128单独地和共同地引用)。例如，通信接口1124可以允许计算装置1100通过通信路径1126与远程设备1128通信，所述通信路径1126可以是有线和/或无线的，并且可以包括LAN、WAN、互联网等的任何组合。控制逻辑单元和/或数据可以经由通信路径1126发送到计算装置1100和从计算装置1100发送。
在一些实施例中，在本文中，也将包括其上存储有控制逻辑单元(软件)的、有形计算机可用或可读的介质的有形设备或制品称为计算机程序产品或程序存储装置。这包括但不限于计算装置1100、主存储器1108、辅助存储器1110和可移除存储单元1118和1122，以及体现前述任何组合的有形制品。当由一个或多个数据处理设备(诸如计算装置1100)执行时，这种控制逻辑单元使得这样的数据处理设备如本文所述进行操作。
基于本公开中包含的教导，相关领域的技术人员将清楚如何使用除图11所示的数据处理设备、计算机系统和/或计算机体系结构之外的数据处理设备、计算机系统和/或计算机体系结构，来制造和使用本公开的实施例。具体而言，实施例可以利用软件、硬件和/或本文描述的这些之外的操作系统实施方式来操作。
根据本公开的一个方面，公开了一种用于测量半导体芯片中的孔结构的几何属性的方法。接收与半导体芯片中的孔结构相对应的光学光谱信号。通过一个或多个光学特征来表征光学光谱信号。使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
在一些实施例中，光学光谱信号包括椭圆偏振光谱信号。
在一些实施例中，光学光谱信号的波长范围在大约250nm和大约1300nm之间。
在一些实施例中，几何属性包括孔结构的倾斜。
在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。
在一些实施例中，为了表征光学光谱信号，至少部分地基于光学光谱信号来获得Muller矩阵，以及从Muller矩阵提取一个或多个光学特征。
在一些实施例中，一个或多个光学特征包括反射或椭圆偏振参数中的至少一者。
在一些实施例中，光学光谱信号包括在相反方向上的两个光学光谱信号，以及为了表征光学光谱信号，至少部分地基于在相反方向上的两个光学光谱信号，去除光学光谱信号中的偏移。
在一些实施例中，模型包括ANN。
在一些实施例中，标记的参考信号包括用于指示几何属性的电子显微镜信号。
根据本公开的另一方面，一种用于测量半导体芯片中的孔结构的几何属性的系统包括光学光谱仪和至少一个处理器。光学光谱仪被配置为提供与半导体芯片中的孔结构相对应的光学光谱信号。至少一个处理器被配置为通过一个或多个光学特征来表征光学光谱信号。至少一个处理器还被配置为：使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
在一些实施例中，光学光谱仪包括椭圆偏振光谱仪，并且光学光谱信号包括椭圆偏振光谱信号。
在一些实施例中，光学光谱信号的波长范围在大约250nm和大约1300nm之间。
在一些实施例中，几何属性包括孔结构的倾斜。
在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。
在一些实施例中，为了表征光学光谱信号，至少一个处理器被配置为：至少部分地基于光学光谱信号来获得Muller矩阵，以及从Muller矩阵提取一个或多个光学特征。
在一些实施例中，一个或多个光学特征包括反射或椭圆偏振参数中的至少一者。
在一些实施例中，光学光谱信号包括在相反方向上的两个光学光谱信号，以及为了表征光学光谱信号，至少一个处理器被配置为：至少部分地基于在相反方向上的两个光学光谱信号，去除光学光谱信号中的偏移。
在一些实施例中，模型包括ANN。
在一些实施例中，标记的参考信号包括用于指示几何属性的电子显微镜信号，以及系统还包括被配置为提供多个电子显微镜信号的电子显微镜。
根据本公开的又一方面，一种有形计算机可读装置上存储有指令，该指令在被至少一个计算装置执行时，使得至少一个计算装置执行操作。操作包括接收与半导体芯片中的孔结构相对应的光学光谱信号。该操作还包括通过一个或多个光学特征来表征光学光谱信号。该操作还包括：使用模型，至少部分地基于光学特征，来确定孔结构的几何属性。模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号。
根据本公开的又一方面，公开了一种用于训练模型的方法。由至少一个处理器提供用于测量半导体芯片中的孔结构的几何属性的模型。由至少一个处理器获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。使用模型来估计孔结构的估计几何属性。由至少一个处理器至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
在一些实施例中，光学光谱信号包括椭圆偏振光谱信号。
在一些实施例中，几何属性包括孔结构的倾斜。
在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。
在一些实施例中，参考信号包括电子显微镜信号。
在一些实施例中，模型包括ANN。
根据本公开的又一方面，一种用于训练模型的系统包括存储器和操作地耦合到该存储器的至少一个处理器。至少一个处理器被配置为提供用于测量半导体芯片中的孔结构的几何属性的模型。至少一个处理器还被配置为获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。至少一个处理器还被配置为使用模型来估计孔结构的估计几何属性。至少一个处理器还被配置为：至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
在一些实施例中，光学光谱信号包括椭圆偏振光谱信号。
在一些实施例中，几何属性包括孔结构的倾斜。
在一些实施例中，孔结构包括下孔和上孔，并且几何属性包括在上孔和下孔之间的覆盖。
在一些实施例中，参考信号包括电子显微镜信号。
在一些实施例中，模型包括ANN。
根据本公开的又一方面，一种有形计算机可读装置上存储有指令，该指令在被至少一个计算装置执行时，使得至少一个计算装置执行操作。操作包括提供用于测量半导体芯片中的孔结构的几何属性的模型。操作还包括：获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号。参考信号是利用孔结构的标记的几何属性来标记的。操作还包括使用模型来估计孔结构的估计几何属性。操作还包括：至少部分地基于在训练样本中的每一个训练样本中的标记的几何属性与估计几何属性之间的差异，来调节模型的参数。
对特定实施例的上述说明将展现本公开的一般性质，使得他人在不需要过度实验和不脱离本公开一般概念的情况下，能够通过运用本领域技术范围内的知识容易地对此类特定实施例的各种应用进行修改和/或调整。因此，基于本文呈现的教导和指导，此类调整和修改旨在处于所公开的实施例的等同物的含义和范围之内。应当理解，本文中的措辞或术语是出于说明的目的，而不是为了进行限制，所以本说明书的术语或措辞将由技术人员按照所述教导和指导进行解释。
上文已经借助于功能构建块描述了本公开的实施例，所述功能构建块例示了指定功能及其关系的实施方式。在本文中出于方便描述的目的已经任意定义了这些功能构建块的边界。可以定义替代边界，只要适当执行其指定功能和关系即可。
发明内容和摘要部分可以阐述发明人构思的本公开的一个或多个实施例，但不是所有示例性实施例，并且因此，并非意在通过任何方式限制本公开和所附权利要求。
本公开的广度和范围不应受任何上述示例性实施例的限制，而是应当仅根据所附权利要求书及其等同物进行限定。

Claims (31)

1.一种用于测量半导体芯片中的孔结构的几何属性的方法，包括：
由至少一个处理器接收与所述半导体芯片中的所述孔结构相对应的光学光谱信号；
由所述至少一个处理器通过一个或多个光学特征来表征所述光学光谱信号；以及
由所述至少一个处理器使用模型，至少部分地基于所述光学特征，来确定所述孔结构的所述几何属性，其中，所述模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号，其中，所述标记的参考信号包括用于指示所述几何属性的电子显微镜信号。
2.根据权利要求1所述的方法，其中，所述光学光谱信号包括椭圆偏振光谱信号。
3.根据权利要求1或2所述的方法，其中，所述光学光谱信号的波长范围在250nm和1300nm之间。
4.根据权利要求1或2所述的方法，其中，所述几何属性包括所述孔结构的倾斜。
5.根据权利要求1或2所述的方法，其中，所述孔结构包括下孔和上孔，并且所述几何属性包括在所述上孔和所述下孔之间的覆盖。
6.根据权利要求1或2所述的方法，其中，表征所述光学光谱信号包括：
至少部分地基于所述光学光谱信号来获得Muller矩阵；以及
从所述Muller矩阵提取所述一个或多个光学特征。
7.根据权利要求6所述的方法，其中，所述一个或多个光学特征包括反射或椭圆偏振参数中的至少一者。
8.根据权利要求6所述的方法，其中，
所述光学光谱信号包括在相反方向上的两个光学光谱信号；以及
表征所述光学光谱信号还包括：至少部分地基于在相反方向上的所述两个光学光谱信号，去除所述光学光谱信号中的偏移。
9.根据权利要求1或2所述的方法，其中，所述模型包括人工神经网络(ANN)。
10.一种用于测量半导体芯片中的孔结构的几何属性的系统，包括：
光学光谱仪，其被配置为提供与所述半导体芯片中的所述孔结构相对应的光学光谱信号；以及
至少一个处理器，其被配置为：
通过一个或多个光学特征来表征所述光学光谱信号；以及
使用模型，至少部分地基于所述光学特征，来确定所述孔结构的所述几何属性，其中，所述模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号，其中，所述标记的参考信号包括用于指示所述几何属性的电子显微镜信号。
11.根据权利要求10所述的系统，其中，所述光学光谱仪包括椭圆偏振光谱仪，并且所述光学光谱信号包括椭圆偏振光谱信号。
12.根据权利要求10或11所述的系统，其中，所述光学光谱信号的波长范围在250nm和1300nm之间。
13.根据权利要求10或11所述的系统，其中，所述几何属性包括所述孔结构的倾斜。
14.根据权利要求10或11所述的系统，其中，所述孔结构包括下孔和上孔，并且所述几何属性包括在所述上孔和所述下孔之间的覆盖。
15.根据权利要求10或11所述的系统，其中，为了表征所述光学光谱信号，所述至少一个处理器被配置为：
至少部分地基于所述光学光谱信号来获得Muller矩阵；以及
从所述Muller矩阵提取所述一个或多个光学特征。
16.根据权利要求15所述的系统，其中，所述一个或多个光学特征包括反射或椭圆偏振参数中的至少一者。
17.根据权利要求15所述的系统，其中，
所述光学光谱信号包括在相反方向上的两个光学光谱信号；以及
为了表征所述光学光谱信号，所述至少一个处理器还被配置为：至少部分地基于在所述相反方向上的所述两个光学光谱信号，去除所述光学光谱信号中的偏移。
18.根据权利要求10或11所述的系统，其中，所述模型包括人工神经网络(ANN)。
19.根据权利要求10或11所述的系统，其中：
所述系统还包括被配置为提供多个电子显微镜信号的电子显微镜。
20.一种其上存储有指令的有形计算机可读设备，所述指令在被至少一个计算装置执行时，使得所述至少一个计算装置执行包括以下各项的操作：
接收与半导体芯片中的孔结构相对应的光学光谱信号；
通过一个或多个光学特征来表征所述光学光谱信号；以及
使用模型，至少部分地基于所述光学特征，来确定所述孔结构的几何属性，其中，所述模型是从多个训练样本来训练的，每个所述训练样本包括都与相同孔结构相对应的一对光学光谱信号和标记的参考信号，其中，所述标记的参考信号包括用于指示所述几何属性的电子显微镜信号。
21.一种用于训练模型的方法，包括：
由至少一个处理器提供用于测量半导体芯片中的孔结构的几何属性的模型；
由所述至少一个处理器获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号，其中，所述参考信号是利用所述孔结构的标记的几何属性来标记的，其中，所述参考信号包括电子显微镜信号；
由所述至少一个处理器使用所述模型来估计所述孔结构的估计几何属性；以及
由所述至少一个处理器至少部分地基于在所述训练样本中的每一个训练样本中的所述标记的几何属性与所述估计几何属性之间的差异，来调节所述模型的参数。
22.根据权利要求21所述的方法，其中，所述光学光谱信号包括椭圆偏振光谱信号。
23.根据权利要求21或22所述的方法，其中，所述几何属性包括所述孔结构的倾斜。
24.根据权利要求21或22所述的方法，其中，所述孔结构包括下孔和上孔，并且所述几何属性包括在所述上孔和所述下孔之间的覆盖。
25.根据权利要求21或22所述的方法，其中，所述模型包括人工神经网络(ANN)。
26.一种用于训练模型的系统，包括：
存储器；以及
操作地耦合到所述存储器并且被配置为进行以下操作的至少一个处理器：
提供用于测量半导体芯片中的孔结构的几何属性的模型；
获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号，其中，所述参考信号是利用所述孔结构的标记的几何属性来标记的，其中，所述参考信号包括电子显微镜信号；
使用所述模型来估计所述孔结构的估计几何属性；以及
至少部分地基于在所述训练样本中的每一个训练样本中的所述标记的几何属性与所述估计几何属性之间的差异，来调节所述模型的参数。
27.根据权利要求26所述的系统，其中，所述光学光谱信号包括椭圆偏振光谱信号。
28.根据权利要求26或27所述的系统，其中，所述几何属性包括所述孔结构的倾斜。
29.根据权利要求26或27所述的系统，其中，所述孔结构包括下孔和上孔，并且所述几何属性包括在所述上孔和所述下孔之间的覆盖。
30.根据权利要求26或27所述的系统，其中，所述模型包括人工神经网络(ANN)。
31.一种其上存储有指令的有形计算机可读设备，所述指令在被至少一个计算装置执行时，使得所述至少一个计算装置执行包括以下各项的操作：
提供用于测量半导体芯片中的孔结构的几何属性的模型；
获得多个训练样本，每个所述训练样本包括与相同孔结构相对应的一对光学光谱信号和参考信号，其中，所述参考信号是利用所述孔结构的标记的几何属性来标记的，其中，所述参考信号包括电子显微镜信号；
使用所述模型来估计所述孔结构的估计几何属性；以及
至少部分地基于在所述训练样本中的每一个训练样本中的所述标记的几何属性与所述估计几何属性之间的差异，来调节所述模型的参数。
CN202080000563.4A 2020-03-13 2020-03-13 用于半导体芯片孔几何形状度量的系统和方法 Active CN112384749B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/079223 WO2021179290A1 (en) 2020-03-13 2020-03-13 Systems and methods for semiconductor chip hole geometry metrology

Publications (2)

Publication Number Publication Date
CN112384749A CN112384749A (zh) 2021-02-19
CN112384749B true CN112384749B (zh) 2022-08-19

Family

ID=74590093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080000563.4A Active CN112384749B (zh) 2020-03-13 2020-03-13 用于半导体芯片孔几何形状度量的系统和方法

Country Status (4)

Country Link
US (2) US11041814B1 (zh)
CN (1) CN112384749B (zh)
TW (1) TWI739414B (zh)
WO (1) WO2021179290A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210094314A (ko) * 2020-01-21 2021-07-29 삼성전자주식회사 반도체 장치의 제조 방법
WO2021179290A1 (en) * 2020-03-13 2021-09-16 Yangtze Memory Technologies Co., Ltd. Systems and methods for semiconductor chip hole geometry metrology

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0886628A (ja) * 1994-09-16 1996-04-02 Rohm Co Ltd 神経回路網による半導体チップリード半田外観検査法
US6236033B1 (en) * 1998-12-09 2001-05-22 Nec Research Institute, Inc. Enhanced optical transmission apparatus utilizing metal films having apertures and periodic surface topography
US6389408B1 (en) * 1999-06-30 2002-05-14 The United States Of America As Represented By The Secretary Of The Army Neural network systems for chemical and biological pattern recognition via the Mueller matrix
US7302367B2 (en) * 2006-03-27 2007-11-27 Timbre Technologies, Inc. Library accuracy enhancement and evaluation
CN101393015B (zh) * 2008-10-17 2010-06-16 华中科技大学 一种微纳深沟槽结构在线测量方法及装置
US8440933B2 (en) * 2009-04-17 2013-05-14 University Of Connecticut Systems and methods for enhanced control of laser drilling processes
TW201209371A (en) * 2010-03-31 2012-03-01 Tokyo Electron Ltd Method and system for optical metrology optimization using ray tracing
WO2011162566A2 (ko) * 2010-06-24 2011-12-29 한국표준과학연구원 실리콘 웨이퍼의 비아홀 측정 장치 및 방법
CN102750333B (zh) * 2012-05-31 2014-05-07 华中科技大学 一种用于提取半导体纳米结构特征尺寸的方法
JP2016148747A (ja) * 2015-02-12 2016-08-18 株式会社ニューフレアテクノロジー 画像作成方法、検査方法および画像作成装置
EP3451061A1 (en) 2017-09-04 2019-03-06 ASML Netherlands B.V. Method for monitoring a manufacturing process
CN107576630A (zh) * 2017-09-28 2018-01-12 中国科学院昆明植物研究所 同时测定植物多种重金属含量的中红外光谱便携检测系统
US11380594B2 (en) * 2017-11-15 2022-07-05 Kla-Tencor Corporation Automatic optimization of measurement accuracy through advanced machine learning techniques
CN111837226B (zh) 2018-03-05 2024-03-08 科磊股份有限公司 三维半导体结构的可视化
KR20200139800A (ko) 2018-04-06 2020-12-14 램 리써치 코포레이션 Cd-sem을 사용한 프로세스 시뮬레이션 모델 캘리브레이션
US11669746B2 (en) * 2018-04-11 2023-06-06 Samsung Electronics Co., Ltd. System and method for active machine learning
US10962951B2 (en) 2018-06-20 2021-03-30 Kla-Tencor Corporation Process and metrology control, process indicators and root cause analysis tools based on landscape information
US10677586B2 (en) 2018-07-27 2020-06-09 Kla-Tencor Corporation Phase revealing optical and X-ray semiconductor metrology
KR102611986B1 (ko) * 2018-12-19 2023-12-08 삼성전자주식회사 반도체 소자의 형상 예측 방법
CN109612943B (zh) * 2019-01-14 2020-04-21 山东大学 基于机器学习的隧洞岩石石英含量测试系统及方法
WO2021179290A1 (en) * 2020-03-13 2021-09-16 Yangtze Memory Technologies Co., Ltd. Systems and methods for semiconductor chip hole geometry metrology

Also Published As

Publication number Publication date
WO2021179290A1 (en) 2021-09-16
US20210293727A1 (en) 2021-09-23
TW202134924A (zh) 2021-09-16
US11674909B2 (en) 2023-06-13
TWI739414B (zh) 2021-09-11
CN112384749A (zh) 2021-02-19
US11041814B1 (en) 2021-06-22

Similar Documents

Publication Publication Date Title
US9721055B2 (en) Measurement model optimization based on parameter variations across a wafer
US10101670B2 (en) Statistical model-based metrology
US10354929B2 (en) Measurement recipe optimization based on spectral sensitivity and process variation
US10151986B2 (en) Signal response metrology based on measurements of proxy structures
US10502692B2 (en) Automated metrology system selection
JP7052024B2 (ja) 非対称構造の検出及び寸法計測
CN112384749B (zh) 用于半导体芯片孔几何形状度量的系统和方法
CN111356896B (zh) 用于半导体芯片表面形貌计量的系统和方法
CN111406198B (zh) 用于半导体芯片表面形貌计量的系统和方法
CN111356897B (zh) 用于半导体芯片表面形貌计量的系统和方法
JP2008118145A (ja) 偏光反射率計を用いた半導体ウエハ上に形成された構造の連続測定
US20210262778A1 (en) Systems having light source with extended spectrum for semiconductor chip surface topography metrology
US9347872B1 (en) Meta-model based measurement refinement
US10365225B1 (en) Multi-location metrology
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
WO2024102903A1 (en) Combined modeling and machine learning in optical metrology

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