CN113196174A - 用于控制制造过程的方法和相关设备 - Google Patents

用于控制制造过程的方法和相关设备 Download PDF

Info

Publication number
CN113196174A
CN113196174A CN201980083961.4A CN201980083961A CN113196174A CN 113196174 A CN113196174 A CN 113196174A CN 201980083961 A CN201980083961 A CN 201980083961A CN 113196174 A CN113196174 A CN 113196174A
Authority
CN
China
Prior art keywords
data
metrology data
exposure
training
processing
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.)
Pending
Application number
CN201980083961.4A
Other languages
English (en)
Inventor
N·P·M·布兰吉斯
M·考克斯
B·门奇奇科夫
C·E·塔贝里
张幼平
邹毅
林晨希
程亚娜
西蒙·飞利浦·斯宾塞·哈斯廷斯
M·P·F·格宁
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.)
ASML Netherlands BV
Original Assignee
ASML Netherlands BV
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 ASML Netherlands BV filed Critical ASML Netherlands BV
Publication of CN113196174A publication Critical patent/CN113196174A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • 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
    • 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
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7003—Alignment type or strategy, e.g. leveling, global alignment
    • G03F9/7046—Strategy, e.g. mark, sensor or wavelength selection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)

Abstract

公开了一种用于确定与半导体制造过程的性能度量相关的校正的方法，该方法包括：获得第一组预处理量测数据；通过将预处理量测数据分解成一个或多个分量来处理第一组预处理量测数据，该一个或多个分量：a)与性能度量相关；或者b)能够至少部分地通过作为半导体制造过程的一部分的控制过程进行校正；以及将经训练的模型应用于经处理的第一组预处理量测数据以确定对上述半导体制造过程的校正。

Description

用于控制制造过程的方法和相关设备
相关申请的交叉引用
本申请要求于2018年12月19日提交的EP申请18214013.7和于2019年2月8日提交的美国申请62/802,866的优先权，这些申请通过引用整体并入本文。
技术领域
本公开涉及用于生产例如半导体器件的衬底的处理。
背景技术
光刻设备是一种被构造为将期望图案施加到衬底上的机器。光刻设备可以用于例如集成电路(IC)的制造中。光刻设备可以例如在图案形成装置(例如，掩模)处将图案(通常也称为“设计布局”或“设计”)投影到设置在衬底(例如，晶片)上的辐射敏感材料(抗蚀剂)层上。
为了在衬底上投影图案，光刻设备可以使用辐射。该辐射的波长决定了可以在衬底上形成的特征的最小尺寸。当前使用的典型波长为约365nm(i线)、约248nm、约193nm和约13nm。与使用例如波长为约193nm的辐射的光刻设备相比，使用波长在4-20nm范围内(例如，6.7nm或13.5nm)的极紫外(EUV)辐射的光刻设备可以用于在衬底上形成更小的特征。
低k1光刻可以用于处理尺寸小于光刻设备的经典分辨率极限的特征。在这样的过程中，分辨率公式可以表示为CD＝k1×λ/NA，其中λ是所采用的辐射波长，NA是光刻设备中投影光学元件的数值孔径，CD是“临界尺寸”(通常打印的最小特征尺寸，但在这种情况下为半间距)，k1是经验分辨率。通常，k1越小，就越难以在衬底上复制与电路设计者为实现特定电气功能和性能而计划的形状和尺寸类似的图案。为了克服这些困难，可以将复杂的微调步骤应用于光刻投影设备和/或设计布局。这些包括例如但不限于数值孔径(NA)的优化、定制的照射方案、一个或多个相移图案形成装置的使用、设计布局的优化(诸如设计布局中的光学邻近校正(OPC))、或通常定义为“分辨率增强技术”(RET)的其他方法。替代地或附加地，可以使用用于控制光刻设备的稳定性的一个或多个紧密控制回路来改善低k1下的图案的再现。
光刻设备的控制的有效性可以取决于个体衬底的特性。例如，与在由光刻设备处理之前由第二处理工具处理的第二衬底相比，在由光刻设备处理之前由第一处理工具处理的第一衬底(或制造过程的任何其他过程步骤，本文中统称为制造过程步骤)可以受益于(略微)不同的控制参数。
对于减小电路部件和可以通过光刻生产的其他产品的尺寸，在衬底上准确地放置图案是主要挑战。特别地，准确测量已经布设在衬底上的特征的困难在于能够足够准确地对准重叠的连续特征层以生产具有高产率的工作装置的关键步骤。通常，在当今的亚微米半导体器件中，所谓的重叠应当在几十纳米内实现，在最关键的层中可以低至几纳米。
因此，现代光刻设备在目标位置处实际曝光或以其他方式图案化衬底的步骤之前涉及广泛的测量或“映射”操作。所谓的高级对准模型已经并且将继续被开发，以更准确地建模和校正由处理步骤和/或由光刻设备本身引起的晶片“栅格”的非线性失真。然而，并非所有失真都可以在曝光过程中校正，因此尽可能多地跟踪和消除这样的失真的原因仍然很重要。
晶片栅格的这些失真由与标记位置相关联的测量数据表示。测量数据是从晶片的测量中获得的。这样的测量的示例是在曝光之前使用光刻设备中的对准系统执行的对准标记的对准测量。这样的测量的另一示例是在曝光之后使用量测系统执行的重叠目标的重叠测量。
机器学习技术可以用于识别所观察到的处理环境对经受过程的衬底的一个或多个特性(诸如重叠、CD、边缘放置误差(EPE)等)的影响之间的因果模式。然后可以使用这些图案来预测和校正处理后续衬底时的误差。这样的系统的一些示例在PCT专利申请公开号WO2017/060080(通过引用并入本文)中有描述。
发明内容
在本发明的第一方面，提供了一种用于确定与半导体制造过程的性能度量相关的校正的方法，该方法包括：获得第一组预处理量测数据；通过将预处理量测数据分解成一个或多个分量来处理第一组预处理量测数据，该一个或多个分量：a)与性能度量相关；或者b)能够至少部分地通过作为半导体制造过程的一部分的控制过程进行校正；以及将经训练的模型应用于经处理的第一组预处理量测数据以确定对上述半导体制造过程的校正。
在本发明的第二方面，提供了一种获得用于确定与光刻过程的性能度量相关的性能度量校正的至少一个经训练的模型的方法，该方法包括：获得训练数据，该训练数据包括第一组训练预曝光量测数据，该第一组训练预曝光量测数据包括密集预曝光量测数据，并且获得与上述性能度量相关的对应的一组训练后处理量测数据；处理训练数据以获得经处理的预曝光量测数据，该经处理的预曝光量测数据包括与性能度量相关的预曝光量测数据的一个或多个分量；以及利用经处理的训练数据训练模型。
在本发明的另一方面，提供了一种包括程序指令的计算机程序，该程序指令当在合适的设备上运行时能够操作以执行第一和/或第二方面的方法。
附图说明
现在将仅通过示例的方式，参考所附的示意图来描述本发明的实施例，在附图中：
图1示出了光刻设备的示意图；
图2示出了光刻单元的示意图；
图3示意性地示出了图1和2的光刻设备和光刻单元与形成用于例如半导体器件的制造设施的一个或多个其他设备一起使用，该制造设施实现根据本发明的实施例的控制策略；以及
图4是根据本发明的实施例的用于校准模型并且在过程控制中使用上述模型的方法的流程图。
具体实施方式
图1示意性地示出了光刻设备LA。光刻设备LA包括：照射系统(也称为照射器)IL，其被配置为调节辐射束B(例如，UV辐射、DUV辐射或EUV辐射)；支撑件(例如，掩模台)T，其被构造为支撑图案形成装置(例如，掩模)MA并且连接到第一定位器PM，第一定位器PM被配置为根据某些参数准确地定位图案形成装置MA；一个或多个衬底支撑件(例如，晶片台)WTa和WTb，其被构造为保持衬底(例如，涂覆有抗蚀剂的晶片)W并且连接到第二定位器PW，第二定位器PW被配置为根据某些参数准确地定位衬底支撑件；以及投影系统(例如，折射投影透镜系统)PS，其被配置为将通过图案形成装置MA赋予辐射束B的图案投影到衬底W的目标部分C(例如，包括一个或多个管芯)上。
在操作中，照射系统IL从辐射源SO接收辐射束，例如经由束传输系统BD。照射系统IL可以包括用于引导、整形和/或控制辐射的各种类型的光学部件，诸如折射、反射、磁性、电磁、静电和/或其他类型的光学部件、或其任何组合。照射器IL可以用于调节辐射束B以使其在图案形成装置MA的平面处在其横截面中具有期望的空间和角度强度分布。
本文中使用的术语“投影系统”PS应当广义地解释为涵盖各种类型的投影系统，包括折射、反射、折反射、变形、磁性、电磁和/或静电光学系统、或其任何组合，该投影系统适合于所使用的曝光辐射和/或其他因素(诸如浸没液体的使用或真空的使用)。本文中对术语“投影透镜”的任何使用可以被认为与更通用的术语“投影系统”PS同义。
光刻设备LA可以是如下这样的类型：其中衬底的至少部分可以被具有相对较高折射率的液体(例如，水)覆盖，以填充投影系统PS与衬底W之间的空间，这也称为浸没式光刻。关于浸没技术的更多信息在美国专利号6,952,253(其通过引用并入本文)中给出。
在该示例中，光刻设备LA是所谓的双台型，其具有两个衬底台WTa和WTb以及两个站(曝光站和测量站)，衬底台可以在这两个站之间移动。当一个衬底台上的一个衬底在曝光站EXP处被曝光时，另一衬底可以在例如测量站MEA或另一位置(未示出)被装载到另一衬底台上，或者可以在测量站MEA处被处理。具有衬底的衬底台可以位于测量站MEA处，从而可以执行各种准备步骤。准备步骤可以包括使用水平传感器LS绘制衬底的表面高度和/或使用对准传感器AS测量衬底上的对准标记的位置。对准标记名义上以规则的栅格图案布置。然而，由于创建标记的不准确以及由于衬底在整个处理过程中发生的变形，标记可能会偏离理想栅格。因此，除了测量衬底的位置和取向，如果设备LA要在正确的位置以高精度印刷产品特征，则对准传感器实际上可以详细地测量整个衬底区域上的很多标记的位置。因此，对准标记的测量可能是耗时的，并且提供两个衬底台能够显著增加设备的产出。如果位置传感器IF在它位于测量站和曝光站处时不能测量衬底台的位置，则可以提供第二位置传感器以使得能够在两个站处跟踪衬底台的位置。本发明的实施例可以应用于仅具有一个衬底台或具有两个以上的衬底台的设备中。
除了具有一个或多个衬底支撑件，光刻设备LA可以包括测量台(未示出)。测量台被布置为保持传感器和/或清洁装置。传感器可以被布置为测量投影系统PS的性质或辐射束B的性质。测量台可以保持多个传感器。清洁装置可以被布置为清洁光刻设备的部分，例如，投影系统PS的一部分或提供浸没液体的系统的一部分。当衬底支撑件WT远离投影系统PS时，测量台可以在投影系统PS下方移动。
辐射束B入射在被保持在支撑结构(例如，掩模台)MT上的图案形成装置(例如，掩模)MA上，并且由图案形成装置图案化。在穿过图案形成装置MA之后，辐射束B穿过投影系统PS，投影系统PS将束聚焦到衬底W的目标部分C上。借助第二定位器PW和位置传感器IF(例如，干涉测量装置、线性编码器或电容式传感器)，衬底台WTa/WTb可以准确移动，例如以便将不同目标部分C定位在辐射束B的路径中。类似地，第一定位器PM和另一位置传感器(在图1中未明确描绘)可以用于相对于辐射束B的路径准确定位图案形成装置MA，例如在从掩模库中机械检索之后，或者在扫描期间。通常，支撑结构MT的移动可以借助于形成第一定位器PM的一部分的长行程模块(粗略定位)和短行程模块(精细定位)来实现。类似地，衬底台WTa/WTb的移动可以使用形成第二定位器PW的一部分的长行程模块和短行程模块来实现。在步进器(与扫描仪相反)的情况下，支撑结构MT可以仅连接到短行程致动器，或者可以是固定的。可以使用图案形成装置对准标记M1、M2和衬底对准标记P1、P2来使图案形成装置MA和衬底W对准。尽管如图所示的衬底对准标记占据专用目标部分，但它们可以位于目标部分之间的空间中(这些被称为划线对准标记)。类似地，在图案形成装置MA上提供有多于一个管芯的情况下，图案形成装置对准标记可以位于管芯之间。
该设备还包括光刻设备控制单元LACU，控制光刻设备的各种致动器和传感器(诸如所描述的那些)的所有运动和测量。控制单元LACU还包括信号处理和数据处理能力，以实现与该设备的操作相关的期望计算。在实践中，控制单元LACU将被实现为由很多子单元组成的系统，每个子单元处理该设备内的子系统或部件的实时数据采集、处理和控制。例如，一个处理子系统可以专用于衬底定位器PW的伺服控制。单独的单元甚至可以处理粗略和精细致动器、或不同轴。另一单元可以专用于读取位置传感器IF。该设备的总体控制可以由中央处理单元控制，该中央处理单元与这些子系统处理单元、操作人员以及光刻制造过程中涉及的其他设备通信。
如图2所示，光刻设备LA可以形成光刻单元LC的一部分，该光刻单元LC有时也称为光刻胞或(光刻)簇，其通常还包括用于在衬底W上执行曝光前和曝光后过程的设备。通常，这些设备包括例如用于沉积抗蚀剂层的一个或多个旋涂器SC、用于显影曝光抗蚀剂的一个或多个显影剂DE、一个或多个冷却板CH和一个或多个烘烤板BK，例如用于调节衬底的温度W，例如用于调节抗蚀剂层中的溶剂。衬底处理器或机械手RO从输入/输出端口I/O1、I/O2拾取衬底W，在不同处理设备之间移动衬底W，并且将衬底W输送到光刻设备LA的装载台LB。光刻单元中的装置(通常也统称为轨道)通常受轨道控制单元TCU的控制，轨道控制单元TCU本身可以由监督控制系统SCS控制，SCS也可以控制光刻设备LA，例如经由光刻控制单元LACU。
为了使由光刻设备LA曝光的衬底W被正确且一致地曝光，期望检查衬底以测量图案化结构的性质，诸如后续层之间的重叠误差、线厚度、临界尺寸(CD)等。为此，一个或多个检查工具(未示出)可以被包括在光刻单元LC中。如果检测到误差，则例如可以对后续衬底的曝光或要对衬底W执行的其他过程步骤进行调节，尤其是在仍要曝光或处理同一批量或批次的其他衬底W之前进行检查的情况下。
检查设备MET(也可以称为量测设备或量测工具)用于确定衬底W的一个或多个性质，尤其是确定不同衬底W的一个或多个性质如何变化，或者与同一衬底W的不同层相关的一个或多个性质如何在层之间变化。检查设备可以被构造为识别衬底W上的缺陷，并且可以例如是光刻单元LC的一部分，或者可以被集成到光刻设备LA中，或者甚至可以是独立装置。检查设备可以测量潜像(在曝光之后在抗蚀剂层中的图像)、半潜像(在曝光后烘烤步骤之后在抗蚀剂层中的图像)或显影抗蚀剂图像(其中抗蚀剂的已曝光或未曝光部分已经除去)或甚至蚀刻图像(在诸如蚀刻等图案转印步骤之后)上的一个或多个性质。
图3示出了在用于例如半导体产品的工业制造设施的上下文中的光刻设备LA和光刻单元LC。在光刻设备(或简称“光刻工具”200)内，测量站MEA被示出为202，曝光站EXP被示出为204。控制单元LACU被示出为206。如已经描述的，光刻工具200形成“光刻单元”或“光刻簇”的一部分，该“光刻单元”或“光刻簇”还包括用于将光敏抗蚀剂和/或一个或多个其他涂层施加到衬底W上以通过设备200进行图案化的涂布设备SC 208。在设备200的输出侧，提供有烘烤设备BK 210和显影设备DE 212以将曝光图案显影成物理抗蚀剂图案。为清楚起见，省略了图3所示的其他部件。
一旦图案被施加和显影，图案化衬底220就被转印到诸如被示出为222、224、226的其他处理装置。在典型的制造设施中由各种设备实现各种处理步骤。举例来说，在该实施例中，设备222是蚀刻站，并且设备224执行蚀刻后退火步骤。其他的物理和/或化学处理步骤在另外的设备226等中应用。可能需要多种类型的操作来制造真正的器件，诸如材料的沉积、表面材料特性的修改(氧化、掺杂、离子注入等)、化学机械抛光(CMP)等。在实际应用中，设备226可以表示在一个或多个设备中执行的一系列不同处理步骤。
所描述的包括图案化过程步骤序列的半导体制造过程只是其中可以应用本文中公开的技术的工业过程的一个示例。半导体制造过程包括一系列图案化步骤。每个图案化过程步骤包括图案化操作(例如，光刻图案化操作)和很多其他化学和/或物理操作。
半导体器件的制造涉及这样的处理的多次重复，以在衬底上逐层构建具有适当材料和图案的器件结构。例如，现代器件制造过程可以包括40或50个个体图案化步骤。因此，到达光刻簇的衬底230可以是新制备的衬底，或者可以是先前在该簇232中或完全在另一设备中已经处理的衬底。类似地，根据所需要的处理，离开设备226的衬底可以返回以用于同一光刻簇(诸如衬底232)中的后续图案化操作，它们可以被指定用于不同簇(诸如衬底234)中的图案化操作，或者它们可以是要发送以用于切割和包装的成品(诸如衬底234)。
产品结构的每一层通常涉及一组不同过程步骤，并且在每一层处使用的设备在类型上可以完全不同。此外，即使设备就要应用的处理步骤名义上相同，在大型设施中，也可能有若干假定相同的机器并行工作，以在不同衬底上执行处理。这些机器之间在设置或错误方面的微小差异可能意味着它们以不同方式影响不同的衬底。甚至对于每一层来说相对通用的步骤(诸如蚀刻(设备222))也可以由名义上相同但并行工作以最大化产出的若干蚀刻设备来实现。还可以在较大设备内的不同室中进行并行处理。此外，实际上，根据将被蚀刻的材料的细节和特殊要求，诸如例如各向异性蚀刻，不同层往往涉及不同蚀刻过程，例如化学蚀刻、等离子蚀刻等。
先前和/或后续过程可以在其他光刻设备中执行，如刚刚提到的，并且甚至可以在不同类型的光刻设备中执行。例如，与要求较低的一个或多个其他层相比，器件制造过程中在例如分辨率和/或重叠方面非常苛刻的一个或多个层可以在更先进的光刻工具中执行。因此，一个或多个层可以在浸入式光刻工具中曝光，而一个或多个其他层则在“干式”工具中曝光。一个或多个层可以在以DUV波长工作的工具中曝光，而一个或多个其他层则使用EUV波长辐射被曝光。
图3中还示出了量测设备(MET)240，其被设置用于在制造过程的期望阶段对产品的参数进行测量。现代光刻制造设施中量测站的一个常见示例是散射仪，例如角分辨散射仪或光谱散射仪，并且它可以用于在设备222中进行蚀刻之前，在220处测量显影的衬底的一个或多个性质。使用量测设备240，可以确定性能参数数据PDAT252。根据该性能参数数据PDAT 252，可以进一步确定诸如重叠或临界尺寸(CD)等性能参数不满足显影抗蚀剂中的指定准确性要求。在蚀刻步骤之前，存在剥离显影抗蚀剂并且通过光刻簇再处理一个或多个衬底220的机会。此外，通过随时间进行较小调节，来自量测设备240的量测结果可以用于保持光刻簇中图案化操作的准确性能，从而降低或最小化产品不合格并且需要返工的风险。当然，量测设备240和/或一个或多个其他量测设备(未示出)可以用于测量经处理的衬底232、234和/或传入衬底230的一个或多个性质。
通常，光刻设备LA中的图案化过程是处理中涉及衬底W上结构的高度准确地确定尺寸和位置的最重要的步骤之一。为了帮助确保这种高度准确性，可以如图3中示意性地描绘地在控制环境中组合三个系统。这些系统之一是光刻工具200，光刻工具200(实际上)连接到量测设备240(第二系统)和计算机系统CL 250(第三系统)。这种环境的愿望是优化或改进这三个系统之间的合作，以增强所谓的整体“过程窗口”并且提供一个或多个紧密控制回路，以帮助确保由光刻设备LA执行的图案化保持在过程窗口内。过程窗口定义了多个过程参数的值范围(例如，从剂量、聚焦、重叠等中选择的两个或更多个)，在该值范围内，特定制造过程会产生定义的结果(例如，功能性半导体器件)，上述值范围通常是允许光刻过程或图案化过程中的过程参数值在产生适当结构的同时进行变化的范围(例如，根据可接受的CD范围(诸如标称CD的+-10％)而指定的)。
计算机系统CL可以使用待图案化的设计布局(的一部分)来预测要使用的一个或多个分辨率增强技术，并且执行计算光刻模拟和计算以确定哪些图案形成装置和光刻设备设置可以实现图案化过程的最大总体过程窗口(在图3中由第一刻度SC1的双箭头表示)。通常，分辨率增强技术被布置为匹配光刻设备LA的图案化可能性。计算机系统CL还可以用于检测光刻设备LA当前正在过程窗口内的哪个位置操作(例如，使用来自量测工具MET的输入)，以便预测是否由于例如次最佳处理而可能存在缺陷(在图3中由第二刻度SC2的指向“0”的箭头表示)。
量测工具MET可以向计算机系统CL提供输入以实现准确的模拟和预测，并且可以向光刻设备LA提供反馈以识别可能的漂移，例如，在光刻设备LA的校准状态下(在图3中由第三刻度SC3的多个箭头表示)。
计算机系统250可以基于以下各项的组合来实现过程控制：(i)与在给定处理步骤(例如，光刻步骤)中被处理之前的衬底相关联的“预处理量测数据”(例如，包括扫描仪量测数据LADAT 254和外部预处理量测ExDAT 260)；以及(ii)与被处理之后的衬底相关联的性能数据或“后处理数据”PDAT 252。
第一组预处理量测数据LADAT 254(本文中称为扫描仪量测数据，因为它是由光刻设备LA 200或扫描仪生成的数据)可以包括由光刻设备LA 200使用测量站202中的对准传感器AS常规获得的对准数据。替代或除了对准数据，扫描仪量测数据LADAT 254可以包括使用水平传感器LS获得的高度数据、和/或来自对准传感器AS等的“晶片质量”信号。因此，扫描仪量测数据LADAT 254可以包括衬底的对准栅格、以及与衬底变形(平坦度)相关的数据。例如，扫描仪量测数据LADAT 254可以在曝光之前由双台光刻设备LA200的测量站MEA 202生成(例如，因为这通常包括对准传感器和水平传感器)，从而能够同时进行测量和曝光操作。这种双台光刻设备是众所周知的。
越来越多地，(例如独立的)外部预曝光量测工具ExM 270用于在光刻设备上的曝光之前进行测量。这种外部预曝光量测工具ExM 270不同于双台光刻设备LA 200的测量站MEA 202。在轨道内执行的任何预曝光测量也被认为是外部测量。为了将曝光产出保持在足够水平，由测量站MEA 202测量的扫描仪量测数据LADAT(例如，对准栅格和衬底变形栅格)基于一组较稀疏的测量，这是所希望的。这通常表示，这样的测量站无法收集足够的测量数据以用于高阶的校正，尤其是超过三阶的校正。除此之外，使用不透明的硬掩模会导致难以准确测量对准的衬底栅格。
外部预曝光量测工具ExM 270能够在曝光之前对每个衬底进行更密集的测量。这些预曝光量测工具ExM 270中的一些以等于或快于扫描仪的产出测量和/或预测晶片栅格变形，并且其测量密度远高于使用对准传感器和水平传感器所能达到的测量密度，即使这种传感器被包括在单独的测量站MEA 202内。预曝光量测工具包括例如衬底形状检查工具和/或独立的对准站。
虽然图3示出了性能数据PDAT、扫描仪量测数据LADAT和外部预曝光数据ExDAT中的每个的单独存储装置252、254、260，但是应当理解，这些不同类型的数据可以存储在一个共同存储单元中，或者可以分布在更大量的存储单元上，在需要时可以从中检索特定数据项。
已经观察到，例如，对于具有大量膜层(例如，超过50个，在某些情况下接近100个)的较高的结构，诸如3D NAND，由这些膜层施加的应力导致高阶失真(尤其是面内失真)，变得重要。在这样的过程中，五阶误差被视为占主导地位，并且预计高阶的误差也将变得显著。在这些情况下，标准晶片对准(例如，如诸如由测量站MEA 202在扫描仪内执行的)不能测量所有形状和/或不能适当地外推衬底栅格，特别是朝向衬底的边缘。
由于对准、衬底夹持(夹盘)和/或夹持模型的差异，密集的离线曝光后(例如，重叠)测量与实际产品上重叠(OPO)不精确匹配。此外，离线测量有时会测量多个处理步骤的影响，其中OPO仅受这些步骤的子集影响。
提出了可以基于存在于第二组(例如，经处理的)预曝光量测数据内的图案的识别来改进过程参数的预测的方法，其中第二组预曝光量测数据包括来自与诸如在光刻设备中执行的标准衬底对准和/或调平(例如，在光刻设备LA 200内部执行的标准衬底对准和/或调平，并且更具体地是由测量站MEA 202执行的标准衬底对准和/或调平)不同的预曝光测量的数据。该方法包括使用机器学习来训练合适的模型，该模型可以根据第二组预曝光量测数据预测诸如重叠(例如，具体地是OPO)的过程参数的值。
更具体地，第二组预曝光量测数据可以包括来自诸如独立对准站和/或衬底变形量测站(例如，一个或多个外部预曝光量测工具ExM 270)等的一个或多个外部(例如，独立)预曝光量测站/工具的外部预曝光数据。因此，外部预曝光量测数据可以包括由这样的工具测量的密集对准数据和/或衬底形状数据。
在更具体的实施例中，外部预曝光量测数据可以包括经处理的预曝光量测数据，特别是已经处理成从由预曝光量测工具执行的测量中导出的面内失真数据。附加地或替代地，可以处理经处理的预曝光量测数据以过滤掉与(例如，标准)对准模型相关的数据。这包括去除将通过对准和/或调平(例如，标准对准和/或调平策略和控制回路)被校正的任何数据(例如，形状/空间频率)，以防止过度拟合和双重校正。这种过滤掉的数据可以包括例如来自外部预曝光量测数据的一阶内容。然而，更复杂的对准策略可能需要过滤其他形状，并且因此需要附加(特定)高阶内容。
图4是描述根据实施例的方法的流程图。在校准阶段400，在步骤405获得训练数据。训练数据可以包括：所描述的外部预曝光量测数据(例如，不同于第一组预曝光量测数据或扫描仪量测数据的第二组预曝光量测数据)和对应的后处理数据(例如，与相同衬底相关)，例如重叠数据。
在步骤410，可选的第一预处理步骤包括：将外部预曝光量测数据(例如，包括衬底失真/形状数据和/或对准栅格数据)转换为面内失真(面内失真数据)。这样的步骤可以包括例如使用斯托尼模型或其他卡盘/夹持模型。
在步骤415，第二预处理步骤包括：针对对准模型内容(即，将由对准模型校正的数据(形状/空间频率))过滤训练数据(外部预曝光量测数据和曝光后量测数据/性能数据)。在最简单的实施例中，过滤后的数据可以包括例如一阶内容。在使用6参数对准模型等执行(例如)对准建模时可能就是这种情况。过滤后的数据还可以包括与将由对准模型校正的特定的较高阶形状/空间频率相关的数据。在使用较高阶对准模型(例如，较高阶晶片对准HOWA等)执行(例如)对准建模时可能就是这种情况。
步骤415可以包括例如“去校正”用于对准模型校正内容的后处理数据或重叠数据。该步骤还可以包括模拟衬底对准对外部预曝光量测数据的影响(例如，所使用的对准模型的影响)并且从外部预曝光量测数据中去除对准模型内容。例如，在对准模型包括6参数模型的情况下，经处理的外部预曝光量测数据将不再包括6参数模型内容，并且类似地，在对准模型包括HOWA模型的情况下，经处理的外部预曝光量测数据将不再包括HOWA模型内容。
在步骤420，执行特征提取步骤(取决于机器学习方法)。例如，当机器学习步骤425是模型映射步骤等时，可以执行特征提取步骤420。然而，如果机器学习步骤涉及人工智能和/或深度学习网络(例如，神经网络)的训练，则可以省去该步骤。特征提取步骤420可以包括在用于机器学习的(经处理的)训练数据中选择预定义特征(例如，所选择的泽尼克、多项式和/或历史模型)。
机器学习步骤425可以包括将外部预曝光量测数据与曝光后量测数据相关联。这可以包括对先前步骤的提取特征执行模型映射。更具体地，这样的步骤可以包括确定表示从外部预曝光量测数据中提取的第一特征与从曝光后量测数据中提取的第二特征之间的相关性的映射矩阵。晶片对准模型映射的概念在Proceedings Volume 10587的OpticalMicrolithography XXXI和105870C(2018)的Menchtchikov B.等人的出版物“Reductionin overlay error from mark asymmetry using simulation,ORION,and alignmentmodels”(通过引用合并与此)中有描述。
替代地，在该步骤包括训练人工智能和/或深度学习网络的情况下，则不需要所提取的特征并且经处理的训练数据(例如，其在步骤415并且可选地通过步骤410已经被处理以至少去除对准模型内容)可以被直接用于使用已知人工智能训练技术来训练模型。例如，训练数据可以包括由其对应的经处理的曝光后数据标记的经处理的外部预曝光数据。无论使用哪种机器学习技术，训练步骤都将训练该模型，使得它可以推断出与过程性能相关的输出数据(例如，来自对应的第二或外部预曝光量测数据图案、特性和/或值的衬底栅格变形、曝光后量测数据图案、特性和/或值(例如，性能数据或重叠图案、特性和/或值))。
现在将描述产生或致动台430。提出以衬底到衬底控制的方式对每个衬底执行生产或致动阶段430的步骤，作为前馈控制方法的一部分。因此，对于每个衬底，所预测的重叠和/或随后的校正可以基于与该衬底相关的外部预曝光量测数据被确定为预曝光，并且然后被用于改善该衬底上的曝光(即，校正所预测的重叠误差)。
生产或致动阶段430包括数据收集步骤435，其中对每个衬底(例如，生产衬底)测量第二或外部预曝光量测数据，作为制造过程的一部分。可选的第一预处理步骤440(将外部预曝光量测数据转换为面内失真数据)和第二预处理步骤445(从在步骤435获得的外部预曝光量测数据中去除对准模型内容)镜像校准阶段400的等效步骤410、415。因此，仅当针对这样的面内失真数据校准该模型(例如，步骤410被执行)时，才需要执行第一预处理步骤440。特征提取步骤450还镜像校准阶段400的等效步骤，并且因此包括在模型已经在其上被训练的(经处理的)外部预曝光量测数据中选择预定义特征。如果模型不是使用所提取的特征训练的，则不执行该步骤。
在步骤455，针对每个衬底，将经训练的模型应用于(经处理的)外部预曝光量测数据，以预测后处理量测(例如，栅格变形和/或重叠)。然后可以使用这些来确定曝光期间的对应的校正。该步骤可以包括例如使用经训练的模型来预测执行高阶控制(例如，高阶对准控制)对OPO的影响。在经训练的模型是人工智能(例如，经训练的神经网络)的情况下，该步骤可以包括在步骤445之后将经处理的外部预曝光量测输入到经训练的模型中，使得其输出所预测的OPO或相关度量。
对于模型映射技术，步骤455例如可以通过模拟经训练的模型对OPO的影响来实现。这可以包括应用该模型以有效地模拟较高阶对准控制(例如，高阶对准模型)对将要致动的重叠校正(例如，根据先前的衬底和/或批次而确定但对标准对准控制的效果进行“去校正”的标准重叠校正)的影响。这可以包括首先模拟较高阶对准模型对栅格失真(例如，面内失真)的影响以确定模拟失真模型并且将该失真模型映射到OPO，以确定OPO校正。较高阶对准控制可以基于很多不同对准模型来模拟以提高鲁棒性。例如，高阶对准模型可以是(或包括)高于三阶的模型。
因此，该步骤可以预测重叠贡献(衬底栅格变形贡献)，该贡献例如由诸如失真(例如，膜引起的应力)等预曝光衬底效应产生，并且未通过标准对准/调平控制回路进行校正(例如，高阶效应)。注意，虽然大多数实施例描述了用于去除对准分量的处理，但是该处理同样可以例如从包括晶片高度图的第一组预处理量测数据中去除扫描仪的聚焦贡献(将使用标准聚焦调平控制来校正)。然后可以将经训练的模型应用于经处理的晶片高度图以确定对准、重叠或其他参数的校正。
虽然以上描述涉及其中第一组预处理量测数据包括外部测量数据的实施例，但本文中的概念不限于此。本文中的概念同样适用于其中在扫描仪内测量第一组预处理量测数据(例如，密集数据)但是通过单独控制过程(例如，对准)来单独校正的控制分量被去除的实施例。这两种方法的组合也是可能的，使得第一组预处理量测数据可以包括外部和内部测量的数据两者。然后可以将这种经处理的内部预处理量测数据输入到合适的经训练的模型中，以预测重叠或其他参数。这种内部预处理量测数据可以包括例如由扫描仪内的一个或多个附加传感器生成的数据(例如，以与水平传感器或高光谱传感器类似的方式进行水平校正)。由这种传感器生成的数据还可以用于前馈控制中，该前馈控制使用所述的方法与对准控制共同优化。
在上文中，处理步骤主要包括去除能够至少部分地通过作为光刻过程的一部分的控制过程进行校正的分量(例如，将通过对准和/或调平模型进行校正的分量)。然而，本文中描述的概念可以更普遍地应用，以便识别与误差贡献者相关的预处理数据(例如，对准数据)内的分量，并且将这些分量与产率相关联。对每个衬底测量对准数据，用于例如，包括强度和衬底位移测量。另外，典型的对准过程包括(例如，同时)使用包括多个波长和偏振的辐射执行对准标记的测量并且检测这些中的至少一些(例如，取决于检测设置)，以使得能够收集有关测量准确性的信息(例如，校正标记畸形等)。
提出第一组预处理量测数据(例如，晶片对准和/或调平数据)可以分解成指纹(即，分量)，该指纹(即，分量)被包括在与产率/性能更好地相关(单独地或以某些组合)的预处理量测数据内，并且因此与作为整体的数据集相比，更适合作为扫描仪校正的基础。分解可以基于来自特定设置(例如，对于特定照射设置)的结果和/或通过使用诸如分量分析技术(例如，主分量分析)等合适的分解技术来执行。指纹可以从例如位移误差、检测设置(检测到的波长、偏振及其组合)和颜色到颜色指纹(描述特定目标在两个检测设置中的每个下的测量位置的差异，这当然应当是相同的)和/或检测到的信号特性(例如，强度特征或其分量)中导出。这些分量中的每个可以描述过程误差贡献者的不同分量，这些分量可以单独地与产率相关。
所提出的方法可以包括训练一个或多个模型，每个模型将一个或多个分量(单独地或以特定(例如，有益)组合)与产率相关。这样的校准可以使用机器学习技术(例如，如已经描述的)使用训练数据(诸如参考/历史产率数据和/或误差量测数据)来执行。模型可以包括例如这些分量中的一个或多个的函数。校准可以包括(例如，在实际训练之前)识别与产率具有良好相关性的单个分量和/或特定分量组合，并且基于这些分量和/或组合训练模型。这可以通过为每个分量和/或组合确定相关性度量并且比较相关性度量来实现。
一旦建立相关性并且已经训练的模型，就可以通过将经训练的模型应用于对准结果以预测产率来改进过程控制。通过使用特定于每个衬底的预曝光数据，可以在曝光之前预测每个衬底的产率。基于衬底特定预测产率，可以确定以产率优化为目标的扫描仪校正，而不是基于预期对准/调平指纹的最小化进行校正。例如，校正可以涉及对一个或多个扫描仪/过程设定点的调节，使得所应用的校正在晶片到晶片基础上提高产率。
这样，该实施例实现了每晶片的产率感知控制。如果使用来自先前层的预处理量测数据(例如，对准数据)，则提出(在一个实施例中)组合来自不同(例如，连续)层的模型，以便在整个堆叠中控制该过程。
本发明的其他实施例在以下两个单独的编号条项列表中公开：
编号的条项的第一列表
1.一种用于确定与光刻过程的性能度量相关的性能度量校正的方法，所述方法包括：
获得第一组预曝光量测数据，其中所述第一组预曝光量测数据包括密集预曝光量测数据；
处理所述第一组预曝光量测数据以获得经处理的预曝光量测数据，所述经处理的预曝光量测数据包括与所述性能度量相关的所述预曝光量测数据的一个或多个分量；以及
对所述经处理的预曝光量测数据应用至少一个经训练的模型以确定所述衬底的所述性能度量校正。
2.根据条项1所述的方法，其中在制造过程中对每个衬底单独地执行所述方法。
3.根据条项1或2所述的方法，其中所述处理步骤包括去除能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的一个或多个控制分量。
4.根据条项3所述的方法，其中所述第一组预曝光量测数据包括与所述衬底的失真相关的数据。
5.根据条项3或4所述的方法，其中所述第一组预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比，是相似类型但是被更密集地测量的预曝光量测数据。
6.根据条项3、4或5所述的方法，其中所述第一组预曝光量测数据已经通过执行所述曝光过程和所述控制过程的曝光设备在所述衬底上被测量。
7.根据条项3、4或5所述的方法，其中所述第一组预曝光量测数据已经在用于曝光衬底上的结构的曝光过程之外的过程中在所述衬底上被测量。
8.根据条项7所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
9.根据条项7或8所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
10.根据条项3至9中任一项所述的方法，其中能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的所述一个或多个控制分量包括与用于对准性能度量校正的模型和/或空间频率相关的分量数据。
11.根据条项1或2所述的方法，其中所述处理包括分解所述第一组预曝光量测数据以导出所述一个或多个分量，使得所述一个或多个分量和/或其组合与所述性能度量相关。
12.根据条项11所述的方法，包括为所述一个或多个分量和/或其组合中的每个确定相关性度量，并且基于归因于此的所述相关性度量为所述训练选择所述分量和/或其组合中的一个或多个，以获得所述至少一个经训练的模型。
13.根据条项11或12所述的方法，其中所述一个或多个分量中的每个分量涉及以下中的一项或多项：特定检测设置分量、两个检测设置分量之间的测量位置的差异、强度分量、任何其他检测信号特性分量、位移误差分量。
14.根据条项11、12或13所述的方法，其中对所述经处理的预曝光量测数据应用至少一个经训练的模型的步骤包括对所述分量和/或其组合中的一个或多个中的每个应用对应模型。
15.根据条项11至14中任一项所述的方法，其中所述第一组预曝光量测数据包括对准数据和/或调平数据。
16.根据条项15所述的方法，其中所述第一组预曝光量测数据扫描仪对准数据和/或调平数据已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量。
17.根据任一前述条项所述的方法，其中所述应用经训练的模型的步骤包括基于从所述经处理的预曝光量测数据中提取的第一特征来执行模型映射，所述模型映射能够操作以将所述第一特征映射到先前在与所述性能度量相关的后处理量测数据中观察到的对应的第二特征，所述后处理量测数据已经被用于训练所述模型。
18.根据条项17所述的方法，其中所述第一特征和所述第二特征与形状、多项式表达式、泽尔尼克表达式、指纹或其任何组合中的一项或多项相关。
19.根据条项1至17中任一项所述的方法，其中所述经训练的模型包括经训练的神经网络模型。
20.根据条项19所述的方法，包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据，其中所述第一组预曝光量测数据由所述对应的一组训练后处理量测数据标记；
以与所述处理所述第一组预曝光量测数据相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
利用所述经处理的训练数据训练所述模型。
21.根据条项1至18中任一项所述的方法，包括训练所述经训练的模型的初始步骤，所述训练包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
以与所述第一组预曝光量测数据的所述处理相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
通过将所述第一组训练预曝光量测数据与所述对应的一组训练后处理量测数据相关来利用所述经处理的训练数据训练所述模型。
22.根据条项21所述的方法，其中所述相关步骤包括使用模型映射将从所述一组训练预曝光量测数据中提取的第一特征与所述一组训练后处理量测数据中的对应第二特征相关。
23.根据条项22所述的方法，其中所述模型的所述训练包括确定表示所述第一特征与所述第二特征之间的相关性的映射矩阵。
24.一种获得用于确定与光刻过程的性能度量相关的性能度量校正的至少一个经训练的模型的方法，所述方法包括：
获得包括第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
处理所述训练数据以获得经处理的预曝光量测数据，所述经处理的预曝光量测数据包括与所述性能度量相关的所述预曝光量测数据的一个或多个分量；以及
利用所述经处理的训练数据训练所述模型。
25.根据条项24所述的方法，其中所述处理步骤包括去除能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的控制分量。
26.根据条项25所述的方法，其中所述一组训练预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比，是相似类型但是被更密集地测量的预曝光量测数据。
27.根据条项25或26所述的方法，已经在用于曝光所述衬底上的结构的曝光过程之外的过程中在多个衬底上被测量。
28.根据条项27所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述准备控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
29.根据条项27或28所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述准备控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
30.根据条项24所述的方法，其中所述处理包括分解所述第一组训练预曝光量测数据以导出所述一个或多个分量，使得所述一个或多个分量和/或其组合与所述性能度量相关。
31.根据条项30所述的方法，包括为所述一个或多个分量和/或其组合中的每个训练模型。
32.根据条项31所述的方法，包括为所述一个或多个分量和/或其组合中的每个确定相关性度量并且基于归因于此的所述相关性度量为所述训练选择所述分量和/或其组合中的一个或多个的初始步骤。
33.根据条项31或32所述的方法，其中所述一个或多个分量中的每个分量涉及以下中的一项或多项：特定检测设置分量、两个检测设置分量之间的测量位置的差异、强度分量、任何其他检测信号特性分量、位移误差分量。
34.根据条项30至33中任一项所述的方法，其中第一组预曝光量测数据包括对准数据和/或调平数据。
35.根据条项24至34中任一项所述的方法，其中所述模型的所述训练包括将所述第一组训练预曝光量测数据与所述对应的一组训练后处理量测数据相关。
36.根据条项35所述的方法，其中所述相关步骤包括使用模型映射将从所述一组训练预曝光量测数据中提取的第一特征与所述一组训练后处理量测数据中的对应第二特征相关。
37.根据条项36所述的方法，其中所述模型的所述训练包括确定表示所述第一特征与所述第二特征之间的相关性的映射矩阵。
38.根据条项24至34中任一项所述的方法，其中所述模型包括神经网络模型，并且所述训练数据包括由所述对应的一组训练后处理量测数据标记的所述第一组预曝光量测数据。
39.根据任一前述条项所述的方法，其中所述处理步骤中的任何一个还包括将所述第一组训练预曝光量测数据转换为所述衬底的面内失真的预测的初始步骤。
40.根据任一前述条项所述的方法，其中所述性能度量包括重叠度量或产率度量。
41.一种能够操作以执行根据条项1至10中任一项所述的方法的光刻曝光单元，包括：
外部量测站，能够操作以测量所述衬底以获得所述第一组预曝光量测数据；以及
光刻设备，能够操作以使用所述性能度量校正来曝光所述衬底上的结构；以及
处理装置，能够操作以至少执行所述处理和应用步骤。
42.一种包括程序指令的计算机程序，所述程序指令当在合适的装置上运行时能够操作以执行根据条项1至40中任一项所述的方法。
43.一种非瞬态计算机程序载体，包括根据条项42所述的计算机程序。
44.一种处理装置，能够操作以运行根据条项42所述的计算机程序。
45.一种用于确定与半导体制造过程的性能度量相关的校正的方法，所述方法包括：
获得第一组预处理量测数据；
通过将所述预处理量测数据分解成一个或多个分量来处理所述第一组预处理量测数据，所述一个或多个分量：a)与所述性能度量相关；或者b)能够至少部分地通过作为所述半导体制造过程的一部分的控制过程进行校正；以及
将经训练的模型应用于经处理的第一组预处理量测数据以确定对所述半导体制造过程的所述校正。
46.根据条项45所述的方法，其中所述半导体制造过程是光刻过程并且所述预处理量测数据是与经受所述光刻过程的衬底相关联的预曝光量测数据，其中所述光刻过程包括用于将结构暴露于所述衬底的曝光过程。
47.根据条项46所述的方法，其中所述一个或多个分量能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正，并且所述处理还包括从所述第一组预曝光量测数据中去除所述一个或多个分量。
48.根据条项46所述的方法，其中对经受所述光刻过程的每个衬底单独地执行所述方法。
49.根据条项46所述的方法，其中所述第一组预曝光量测数据包括与所述衬底的失真相关的数据。
50.根据条项47所述的方法，其中所述第一组预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比具有相似类型但是被更密集地测量。
51.根据条项47所述的方法，其中所述第一组预曝光量测数据已经在所述曝光过程之外的过程中在衬底上被测量。
52.根据条项51所述的方法，其中所述第一组预曝光量测数据包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
53.根据条项51所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
54.根据条项47所述的方法，其中能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的所述一个或多个分量包括与用于对准性能度量校正的模型和/或空间频率相关的分量数据。
55.根据条项45或46所述的方法，其中所述应用经训练的模型的步骤包括基于从所述经处理的预曝光量测数据中提取的第一特征来执行模型映射，所述模型映射能够操作以将所述第一特征映射到先前在与所述性能度量相关的后处理量测数据中观察到的对应第二特征，所述后处理量测数据已经被用于训练所述模型。
56.根据条项46所述的方法，其中所述经训练的模型包括经训练的神经网络模型。
57.根据条项56所述的方法，包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据，其中所述第一组预曝光量测数据由所述对应的一组训练后处理量测数据标记；
以与所述第一组预曝光量测数据的所述处理相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
利用所述经处理的训练数据训练所述模型。
58.根据条项46所述的方法，包括训练所述经训练的模型的初始步骤，所述训练包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
以与所述第一组预曝光量测数据的所述处理相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
通过将所述第一组训练预曝光量测数据与所述对应的一组训练后处理量测数据相关来利用所述经处理的训练数据训练所述模型。
59.一种用于确定与光刻过程的性能度量相关的校正的至少一个经训练的模型的方法，所述方法包括：
获得包括第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
处理所述训练数据以获得经处理的预曝光量测数据，所述经处理的预曝光量测数据包括与所述性能度量相关的所述预曝光量测数据的一个或多个分量；以及
利用所述经处理的训练数据训练所述模型。
60.根据条项59所述的方法，其中所述模型包括神经网络模型，并且所述训练数据包括由所述对应的一组训练后处理量测数据标记的所述第一组预曝光量测数据。
61.根据条项45或46所述的方法，其中所述性能度量包括重叠度量或产率度量。
62.一种包括程序指令的计算机程序，所述程序指令当在合适的装置上运行时能够操作以执行根据条项45或46所述的方法。
63.一种非瞬态计算机程序载体，包括根据条项62所述的计算机程序。
64.一种处理装置，能够操作以运行根据条项62所述的计算机程序。
编号的条项的第二列表：
1.一种用于确定与光刻过程的性能度量相关的性能度量校正的方法，所述方法包括：
获得第一组预曝光量测数据，其中所述第一组预曝光量测数据包括密集预曝光量测数据；
处理所述第一组预曝光量测数据以去除能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的控制分量，以获得经处理的预曝光量测数据；以及
对所述经处理的预曝光量测数据应用经训练的模型以确定所述衬底的所述性能度量校正。
2.根据条项1所述的方法，其中所述第一组预曝光量测数据包括与所述衬底的失真相关的数据。
3.根据条项1或2所述的方法，其中所述一组预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比，是相似类型但是被更密集地测量的预曝光量测数据。
4.根据任一前述条项所述的方法，其中所述第一组预曝光量测数据已经在用于曝光衬底上的结构的曝光过程之外的过程中在所述衬底上被测量。
5.根据条项4所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
6.根据条项4或5所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
7.根据任一前述条项所述的方法，其中在制造过程中对每个衬底单独地执行所述方法。
8.根据任一前述条项所述的方法，其中所述应用经训练的模型的步骤包括基于从所述经处理的预曝光量测数据中提取的第一特征来执行模型映射，所述模型映射能够操作以将所述第一特征映射到先前在与所述性能度量相关的后处理量测数据中观察到的对应第二特征，所述后处理量测数据已经被用于训练所述模型。
9.根据条项8所述的方法，其中所述第一特征和所述第二特征与形状、多项式表达式、泽尔尼克表达式、指纹或其任何组合中的一项或多项相关。
10.根据条项1至8中任一项所述的方法，其中所述经训练的模型包括经训练的神经网络模型。
11.根据条项10所述的方法，包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据，其中所述第一组预曝光量测数据由所述对应的一组训练后处理量测数据标记；
以与所述第一组预曝光量测数据的所述处理相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
利用所述经处理的训练数据训练所述模型。
12.根据条项1至9中任一项所述的方法，包括训练所述经训练的模型的初始步骤，所述训练包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
处理所述训练数据以去除能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的控制分量，以获得经处理的预曝光量测数据；以及
通过将所述第一组训练预曝光量测数据与所述对应的一组训练后处理量测数据相关来利用所述经处理的训练数据训练所述模型。
13.根据条项12所述的方法，其中所述相关步骤包括使用模型映射将从所述一组训练预曝光量测数据中提取的第一特征与所述一组训练后处理量测数据中的对应第二特征相关。
14.根据条项13所述的方法，其中所述模型的所述训练包括确定表示所述第一特征与所述第二特征之间的相关性的映射矩阵。
15.一种获得用于确定与光刻过程的性能度量相关的性能度量校正的经训练的模型的方法，所述方法包括：
获得包括第一组训练预曝光量测数据的训练数据，所述预曝光量测数据包括密集预曝光量测数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
处理所述训练数据以去除能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的控制分量，以获得经处理的预曝光量测数据；以及
利用所述经处理的训练数据训练所述模型。
16.根据条项15所述的方法，其中所述一组训练预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比，是相似类型但是被更密集地测量的预曝光量测数据。
17.根据条项15或16所述的方法，已经在用于曝光所述衬底上的结构的曝光过程之外的过程中在多个衬底上被测量。
18.根据条项17所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述准备控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
19.根据条项17或18所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述准备控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
20.根据条项15至19中任一项所述的方法，其中所述模型的所述训练包括将所述第一组训练预曝光量测数据与对应的一组训练后处理量测数据相关。
21.根据条项20所述的方法，其中所述相关步骤包括使用模型映射将从所述一组训练预曝光量测数据中提取的第一特征与所述一组训练后处理量测数据中的对应第二特征相关。
22.根据条项21所述的方法，其中所述模型的所述训练包括确定表示所述第一特征与所述第二特征之间的相关性的映射矩阵。
23.根据条项15至19中任一项所述的方法，其中所述模型包括神经网络模型，并且所述训练数据包括由所述对应的一组训练后处理量测数据标记的所述第一组预曝光量测数据。
24.根据任一前述条项所述的方法，其中所述处理步骤中的任何一个还包括将所述第一组训练预曝光量测数据转换为所述衬底的面内失真的预测的初始步骤。
25.根据任一前述条项所述的方法，其中所述性能度量包括重叠度量。
26.根据任一前述条项所述的方法，其中所述扫描仪内容包括与用于在包括衬底对准控制的所述准备控制过程中的对准性能度量校正的模型和/或空间频率相关的数据。
27.一种能够操作以执行根据条项1至10中任一项所述的方法的光刻曝光单元，包括：
外部量测站，能够操作以测量所述衬底以获得所述第一组预曝光量测数据；以及
光刻设备，能够操作以使用所述性能度量校正来曝光所述衬底上的结构；以及
处理装置，能够操作以至少执行所述处理和应用步骤。
28.一种包括程序指令的计算机程序，所述程序指令当在合适的装置上运行时能够操作以执行根据条项1至26中任一项所述的方法。
29.一种非瞬态计算机程序载体，包括根据条项28所述的计算机程序。
30.一种处理装置，能够操作以运行根据条项28所述的计算机程序。
尽管在本文中可以具体参考光刻设备在IC的制造中的使用，但是应当理解，本文中描述的光刻设备可以具有其他应用。其他可能应用包括制造集成光学系统、用于磁畴存储器的引导和检测图案、平板显示器、液晶显示器(LCD)、薄膜磁头等。在这点上，根据所制造的产品的类型，经处理的“衬底”可以是半导体晶片，或者可以是其他衬底。
尽管在本文中可以在光刻设备的上下文中具体参考本发明的实施例，但是本发明的实施例可以在其他设备中使用。本发明的实施例可以形成图案形成装置检查设备、量测设备、或者测量或处理诸如晶片(或其他衬底)或掩模(或其他图案形成装置)等物体的任何设备的一部分。这些设备通常可以称为光刻工具。这种光刻工具可以使用真空条件或环境(非真空)条件。
在本文中，术语“辐射”和“束”用于涵盖所有类型的辐射，包括紫外线辐射(例如，波长为365、248、193、157或126nm)和EUV(极端紫外线辐射，例如波长在约5-100nm范围内)。
本文中使用的术语“掩模版”、“掩模”或“图案形成装置”可以广义地解释为指代可以用于向入射辐射束赋予图案化横截面的通用图案形成装置，该图案化横截面对应于要在衬底的目标部分中创建的图案。术语“光阀”也可以在上下文中使用。除了经典掩模(透射或反射、二进制、相移、混合等)，其他这样的图案形成装置的示例包括可编程反射镜阵列和可编程LCD阵列。
尽管上面可能已经在光学光刻的上下文中具体参考了本发明的实施例的使用，但是应当理解，本发明不限于光学光刻，并且在上下文允许的情况下，本发明可以在例如压印光刻等其他应用中使用。
如本文中使用的，术语“优化(optimizing)”和“优化(optimization)”是指或意指调节设备(例如，光刻设备)、过程等，使得结果和/或过程具有更合乎需要的特性，诸如衬底上的设计图案的投影的更高准确性、更大的过程窗口等。因此，本文中使用的术语“优化(optimizing)”和“优化(optimization)”是指或意指识别一个或多个参数的一个或多个值的过程，该值例如与一个或多个参数的初始的一组一个或多个值相比，在至少一个相关度量中能够提供改进(例如，局部最优)。“最佳(optimum)”和其他相关术语应当相应解释。在一个实施例中，可以迭代地应用优化步骤以提供一个或多个度量的进一步改进。
本发明的各方面可以以任何方便的形式实现。例如，一个实施例可以由一个或多个适当的计算机程序来实现，这些计算机程序可以承载在适当的载体介质上，该载体介质可以是有形载体介质(例如，盘)或无形载体介质(例如，通信信号)。本发明的实施例可以使用合适的装置来实现，该装置可以具体地采用运行计算机程序的可编程计算机的形式，该计算机程序被布置为实现如本文中描述的方法。
在框图中，图示的部件被描绘为分立的功能块，但是实施例不限于其中本文中描述的功能如图所示组织的系统。由每个部件提供的功能可以由与当前描述的不同地组织的软件或硬件模块提供，例如这样的软件或硬件可以混合、联合、复制、分解、分布(例如，在数据中心或在地理上)或以其他方式组织。本文中描述的功能可由一个或多个计算机的一个或多个处理器提供，这些处理器执行存储在有形非瞬态机器可读介质上的代码。在某些情况下，第三方内容交付网络可以托管通过网络传送的部分或全部信息，在这种情况下，在信息(例如，内容)被称为提供或以其他方式提供的范围内，该信息可以通过发送用于从内容交付网络检索该信息的指令来提供。
除非另外具体说明，如从讨论中很清楚的，应当理解，贯穿本说明书的讨论，使用诸如“处理(processing)”、“计算(computing)”、“计算(calculating)”、“确定(determining)”等术语指代诸如专用计算机或类似专用电子处理/计算设备等特定装置的动作或过程。
读者应当理解，本申请描述了若干发明。与其将这些发明分成多个独立专利申请，不如将这些发明组合到一个文件中，因为它们的相关主题有助于节省申请过程。但不应将这样的发明的独特优势和方面混为一谈。在一些情况下，实施例解决了本文中指出的所有缺陷，但应当理解，本发明是独立有用的，并且一些实施例仅解决这样的问题的一个子集或者提供其他未提及的好处，这些好处对审查本公开的本领域技术人员来说是很清楚的。由于成本限制，本文中公开的一些发明目前可能不要求保护，并且可能在以后的申请中要求保护，诸如继续申请或通过修改当前权利要求。类似地，由于篇幅限制，本文件的摘要和概要部分均不应当被视为包含所有这样的发明或这样的发明的所有方面的综合列表。
应当理解，说明书和附图并非旨在将本公开内容限制为所公开的特定形式，而是相反，其意图是涵盖落入由所附权利要求限定的本发明的精神和范围内的所有修改、等同物和替代物。
鉴于本描述，本发明的各个方面的修改和替代实施例对于本领域技术人员来说将是很清楚的。因此，本说明书和附图仅被解释为说明性的，并且是为了向本领域技术人员传授实施本发明的一般方式。应当理解，本文所示和描述的本发明的形式将被视为实施例的示例。元素和材料可以替代本文中示出和描述的那些，部件和过程可以颠倒或省略，某些特征可以独立使用，并且实施例或实施例的特征可以组合，所有这些对于受益于本说明书的本领域技术人员来说都是很清楚的。在不脱离如以下权利要求中描述的本发明的精神和范围的情况下，可以对本文中描述的元素进行改变。本文中使用的标题仅用于组织目的，而不表示用于限制说明书的范围。
如在本申请中通篇使用的，词语“可以(may)”以允许的意义(即，表示具有潜力)而不是强制性的意义(即，表示必须)使用。词语“包括(include)”、“包括(including)”和“包括(includes)”等表示包括但不限于。本申请通篇使用的单数形式“一个(a)”、“一个(an)”和“该(the)”包括复数所指对象，除非内容另有明确指示。因此，例如，对“一个(an)”元素或“一个(a)”元素的引用包括两个或更多个元素的组合，尽管对于一个或多个元素使用其他术语和短语，诸如“一个或多个(one or more)”。除非另有说明，否则术语“或(or)”是非排他性的，即，包括“和(and)”和“或(or)”两者。例如“响应于X、Y”、“在X、Y时”、“如果X、Y”、“当X、Y时”等描述条件关系的术语包括其中前因是必要因果条件，前因是充分因果条件或前因是后因的促成因果条件的因果关系，例如，“陈述X在条件Y获得时发生”是“X仅在Y时发生”和“X在Y和Z时发生”的通式。这种有条件的关系不仅限于在获得前因之后立即产生的后果，因为某些后果可能会延迟，并且在条件语句中，前因与其后果相关，例如，前因与后果发生的可能性相关。其中多个属性或功能被映射到多个对象的语句(例如，一个或多个处理器执行步骤A、B、C和D)包含映射到所有这些对象的所有这些属性或功能、以及映射到这些属性或功能的子集的属性或功能的子集(例如，所有处理器均执行步骤A-D，以及其中处理器1执行步骤A，处理器2执行步骤B和部分步骤C，处理器3执行部分步骤C和步骤D的情况)，除非另有说明。此外，除非另有说明，否则一个值或动作“基于”另一条件或值的陈述包括其中条件或值是唯一因素的情况和其中条件或值是多个因素中的一个因素的情况。除非另有说明，否则某些集合的“每个”实例具有某些属性的陈述不应当理解为排除其中较大集合的某些其他相同或相似成员不具有该属性的情况，即，每个并不一定表示每一个。对从范围中进行选择的引用包括范围的端点。
在以上描述中，流程图中的任何过程、描述或块应当被理解为表示模块、分段或代码的部分，该模块、分段或代码的部分包括用于实现过程中的特定逻辑功能或步骤的一个或多个可执行指令，并且替代实现被包括在本进步的示例性实施例的范围内，其中功能可以按照与所示或讨论的顺序不同的顺序执行，包括基本上同时或以相反的顺序，这取决于所涉及的功能，如本领域技术人员将理解的。
尽管上面已经描述了本发明的特定实施例，但是应当理解，本发明可以以不同于所描述的方式来实践。上面的描述旨在是说明性的，而不是限制性的。因此，对于本领域技术人员将很清楚的是，可以在不脱离下面阐述的权利要求的范围的情况下，对所描述的本发明进行修改。

Claims (20)

1.一种用于确定与半导体制造过程的性能度量相关的校正的方法，所述方法包括：
获得第一组预处理量测数据；
处理所述第一组预处理量测数据，包括将所述预处理量测数据分解成一个或多个分量，所述一个或多个分量：
a)与所述性能度量相关；或者
b)能够至少部分地通过作为所述半导体制造过程的一部分的控制过程进行校正；以及
将经训练的模型应用于经处理的第一组预处理量测数据以确定对所述半导体制造过程的所述校正。
2.根据权利要求1所述的方法，其中所述半导体制造过程是光刻过程并且所述预处理量测数据是与经受所述光刻过程的衬底相关联的预曝光量测数据，其中所述光刻过程包括用于将结构曝光至所述衬底的曝光过程。
3.根据权利要求2所述的方法，其中所述一个或多个分量能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正，并且所述处理还包括从所述第一组预曝光量测数据中去除所述一个或多个分量。
4.根据权利要求2所述的方法，其中对经受所述光刻过程的每个衬底单独地执行所述方法。
5.根据权利要求2所述的方法，其中所述第一组预曝光量测数据包括与所述衬底的失真相关的数据。
6.根据权利要求3所述的方法，其中所述第一组预曝光量测数据与针对作为所述光刻过程的一部分的所述控制过程而测量的预曝光量测数据相比，是相似类型但是被更密集地测量的预曝光量测数据。
7.根据权利要求3所述的方法，其中所述第一组预曝光量测数据已经在所述曝光过程之外的过程中在衬底上被测量。
8.根据权利要求7所述的方法，其中所述第一组预曝光量测数据包括不同于第二组预曝光量测数据的外部对准数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪对准数据。
9.根据权利要求7所述的方法，其中所述第一组预曝光量测数据至少包括不同于第二组预曝光量测数据的外部调平数据，所述第二组预曝光量测数据至少包括已经由执行所述曝光过程和所述控制过程的曝光设备在所述衬底上测量的扫描仪调平数据。
10.根据权利要求3所述的方法，其中能够至少部分地通过作为所述光刻过程的一部分的控制过程进行校正的所述一个或多个分量包括与用于对准性能度量校正的模型和/或空间频率相关的分量数据。
11.根据权利要求1或2所述的方法，其中应用经训练的模型的所述步骤包括基于从所述经处理的预曝光量测数据中提取的第一特征来执行模型映射，所述模型映射能够操作以将所述第一特征映射到先前在与所述性能度量相关的后处理量测数据中观察到的对应的第二特征，所述后处理量测数据已经被用于训练所述模型。
12.根据权利要求2所述的方法，其中所述经训练的模型包括经训练的神经网络模型。
13.根据权利要求12所述的方法，包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据，其中所述第一组预曝光量测数据由所述对应的一组训练后处理量测数据标记；
以与所述处理所述第一组预曝光量测数据相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
利用所述经处理的训练数据训练所述模型。
14.根据权利要求2所述的方法，包括训练所述经训练的模型的初始步骤，所述训练包括：
获得包括与所述第一组预曝光量测数据等效的第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
以与所述第一组预曝光量测数据的所述处理相对应的方式处理所述训练数据，以获得经处理的预曝光量测数据；以及
通过将所述第一组训练预曝光量测数据与所述对应的一组训练后处理量测数据相关来利用所述经处理的训练数据训练所述模型。
15.一种获得用于确定与光刻过程的性能度量相关的校正的至少一个经训练的模型的方法，所述方法包括：
获得包括第一组训练预曝光量测数据的训练数据，并且获得与所述性能度量相关的对应的一组训练后处理量测数据；
处理所述训练数据以获得经处理的预曝光量测数据，所述经处理的预曝光量测数据包括与所述性能度量相关的所述预曝光量测数据的一个或多个分量；以及
利用所述经处理的训练数据训练所述模型。
16.根据权利要求15所述的方法，其中所述模型包括神经网络模型，并且所述训练数据包括由所述对应的一组训练后处理量测数据标记的所述第一组预曝光量测数据。
17.根据权利要求1或2所述的方法，其中所述性能度量包括重叠度量或产率度量。
18.一种包括程序指令的计算机程序，所述程序指令当在合适的装置上运行时能够操作以执行根据权利要求1或2所述的方法。
19.一种非瞬态计算机程序载体，包括根据权利要求18所述的计算机程序。
20.一种处理装置，能够操作以运行根据权利要求18所述的计算机程序。
CN201980083961.4A 2018-12-19 2019-11-14 用于控制制造过程的方法和相关设备 Pending CN113196174A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP18214013.7 2018-12-19
EP18214013.7A EP3671347A1 (en) 2018-12-19 2018-12-19 Method for controling a manufacturing process and associated apparatuses
US201962802866P 2019-02-08 2019-02-08
US62/802,866 2019-02-08
PCT/EP2019/081282 WO2020126242A1 (en) 2018-12-19 2019-11-14 Method for controlling a manufacturing process and associated apparatuses

Publications (1)

Publication Number Publication Date
CN113196174A true CN113196174A (zh) 2021-07-30

Family

ID=64746152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980083961.4A Pending CN113196174A (zh) 2018-12-19 2019-11-14 用于控制制造过程的方法和相关设备

Country Status (6)

Country Link
US (1) US11947266B2 (zh)
EP (2) EP3671347A1 (zh)
KR (1) KR102612908B1 (zh)
CN (1) CN113196174A (zh)
TW (1) TWI722699B (zh)
WO (1) WO2020126242A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111670411B (zh) * 2018-01-24 2023-11-14 Asml荷兰有限公司 基于计算量测的采样方案
CN111223786B (zh) * 2018-11-27 2023-10-27 东京毅力科创株式会社 检查装置系统
CN112506001B (zh) * 2020-12-16 2024-01-05 上海华力集成电路制造有限公司 过滤光刻模型中特定图形无效量测数据的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108369412A (zh) * 2015-10-08 2018-08-03 Asml荷兰有限公司 用于控制工业过程的方法和设备
EP3364247A1 (en) * 2017-02-17 2018-08-22 ASML Netherlands B.V. Methods & apparatus for monitoring a lithographic manufacturing process
CN109863456A (zh) * 2016-10-21 2019-06-07 Asml荷兰有限公司 确定图案化过程的校正的方法
US20190384188A1 (en) * 2017-02-07 2019-12-19 Asml Netherlands B.V. Methods for controlling lithographic apparatus, lithographic apparatus and device manufacturing method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG135052A1 (en) 2002-11-12 2007-09-28 Asml Netherlands Bv Lithographic apparatus and device manufacturing method
WO2012138758A1 (en) * 2011-04-06 2012-10-11 Kla-Tencor Corporation Method and system for providing a quality metric for improved process control
US9965901B2 (en) * 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
US20170256465A1 (en) * 2016-03-01 2017-09-07 Asml Netherlands B.V. Method and apparatus to determine a patterning process parameter

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108369412A (zh) * 2015-10-08 2018-08-03 Asml荷兰有限公司 用于控制工业过程的方法和设备
CN109863456A (zh) * 2016-10-21 2019-06-07 Asml荷兰有限公司 确定图案化过程的校正的方法
US20190384188A1 (en) * 2017-02-07 2019-12-19 Asml Netherlands B.V. Methods for controlling lithographic apparatus, lithographic apparatus and device manufacturing method
EP3364247A1 (en) * 2017-02-17 2018-08-22 ASML Netherlands B.V. Methods & apparatus for monitoring a lithographic manufacturing process

Also Published As

Publication number Publication date
EP3899662A1 (en) 2021-10-27
TWI722699B (zh) 2021-03-21
EP3899662B1 (en) 2022-06-01
KR20210089243A (ko) 2021-07-15
WO2020126242A1 (en) 2020-06-25
US11947266B2 (en) 2024-04-02
EP3671347A1 (en) 2020-06-24
TW202038017A (zh) 2020-10-16
US20220026810A1 (en) 2022-01-27
KR102612908B1 (ko) 2023-12-11

Similar Documents

Publication Publication Date Title
US11714357B2 (en) Method to predict yield of a device manufacturing process
EP3312672A1 (en) Methods of determining corrections for a patterning process, device manufacturing method, control system for a lithographic apparatus and lithographic apparatus
US11947266B2 (en) Method for controlling a manufacturing process and associated apparatuses
TWI824461B (zh) 將基板區域之量測資料模型化的方法及其相關設備
EP4071554A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
EP4134746A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
US20230221655A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
EP4212961A1 (en) Lithographic performance qualification and associated apparatuses
TWI839789B (zh) 用於將一基板區域量測資料模型化之方法及其相關裝置
US20230393487A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
EP4134745A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
CN112955821B (zh) 根据来自处理站的单独贡献来表征后处理数据的方法
CN117120933A (zh) 对衬底区域上的测量数据进行建模的方法及相关联的装置
CN113366498A (zh) 用于性质联合插值和预测的设备和方法
TW202036167A (zh) 用以根據來自處理站之個別貢獻來特徵化後處理資料的方法

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