CN113242997A

CN113242997A - 用于样本方案生成与优化的方法

Info

Publication number: CN113242997A
Application number: CN201980084631.7A
Authority: CN
Inventors: P·弗里斯克
Original assignee: ASML Netherlands BV
Current assignee: ASML Netherlands BV
Priority date: 2018-12-19
Filing date: 2019-12-12
Publication date: 2021-08-10
Also published as: WO2020126774A1; TW202030547A; TW202314375A; KR20210091792A; US20220057716A1; EP3899664A1; US20240046022A1; TWI814653B; TWI788611B; US11775728B2

Abstract

一种用于样本方案(624)生成的方法，具有以下步骤：获取(606)与位置的集合相关联的测量数据(608)；分析(610)测量数据以确定位置的统计上不同的组；以及基于统计上不同的组来配置(614)样本方案生成算法(622)。一种方法，包括：获取与跨一个或多个基底的样本方案相关联的约束(618)和/或多个关键性能指标(620)；以及在包括多目标遗传算法(622)的样本方案生成算法中使用约束(618)和/或多个关键性能指标(620)。位置可定义跨越跨一个或多个基底的多个场的一个或多个区域，并且分析(610)测量数据的步骤可以包括使用不同的相应子采样来跨所跨越的多个场进行堆叠。

Description

用于样本方案生成与优化的方法

相关申请的交叉引用

本申请要求2018年12月19日提交的EP申请18214088.9和2019年1月15日提交的EP申请19151797.8以及2019年12月11日提交的EP申请19215179.3的优先权，通过引用将其全部内容并入本文。

技术领域

本发明涉及样本方案生成和优化，以及相关的计算机程序、光刻和检查装置。

背景技术

光刻装置是将所需图案施加到基底上的机器，通常施加到基底的目标部分上。光刻装置可用于例如集成电路(IC)的制造。在该实例中，可替换地称为光罩(mask)或掩模(reticle)的图案化设备可用于生成要在IC的单个层上形成的电路图案。可以将该图案转移到基底(例如硅晶圆)上的目标部分(例如，包括其部分、一个、或多个管芯)上。图案的转移通常经由成像到设置在基底上的辐射敏感材料(抗蚀剂)层上。通常，单个基底将包含连续图案化的相邻目标部分的网络。已知的光刻装置包括所谓的步进器和所谓的扫描器，在所谓的步进器中每个目标部分通过一次将整个图案曝光到目标部分上而被照射，在所谓的扫描器中每个目标部分通过在给定方向(“扫描”方向)上通过辐射束扫描图案而被照射，同时与该方向平行或反平行地同步扫描基底。还可以通过将图案压印到基底上来将图案从图案化设备转移到基底上。

无论采用哪种类型的装置，在基底上精确地放置图案对于减小电路元件和其它可通过光刻生产的产品的尺寸是一个主要挑战。特别地，在已经铺设的基底上精确测量特征的挑战是能够足够精确地将连续的特征层叠加定位以产生高成品率的工作器件的关键步骤。通常，所谓的套刻(overlay)在今天的亚微米半导体设备中应该在几十纳米内实现，在最关键的层中可以达到几纳米。

光刻装置(例如扫描器)的性能的校准和鉴定是通过涉及晶圆上标记的曝光和测量的若干测试来执行的。标记的这种测量称为标记读出。在样本方案中读出的一组标记称为标记读出布局。

曝光发生在特定的测试条件下。特定的光罩被图案化有与试验相关的标记。使用光罩的曝光在特定的曝光设置下进行，例如照明、剂量(dose)、卡盘顺序、层数等。一旦晶圆曝光和显影，就执行标记读出，例如印刷的对准、聚焦或套刻标记被测量。标记读出可由扫描器或其它设备执行，诸如检查装置(例如，角度分辨散射计)。

读出值通常用于光刻装置(扫描器)的校准和/或鉴定。在这两种情况下，测试都返回关键性能指标(KPI)，这些KPI是指示测试进行的情况的值。通常每个测试都会返回几个KPI。

这些测试在扫描器制造时(例如，在设置序列期间在扫描器制造工厂中)、在恢复期间(例如，在半导体制造商，当扫描器的部件交换时)以及在生产期间进行，以测试扫描器的漂移。

在传统方法中，在测试中暴露的所有标记都从测试晶圆中读出，因此存在全标记读出布局。旨在减少标记读出的已知方法在其性能方面受到限制，因为它们降低了计算出的KPI的准确性。

发明内容

希望有一种通用的(即适用于读出标记的所有测试)方法，该方法可以减少读出标记的数量而不损害测试性能，并且允许较短的设置、恢复和漂移校准/验证时间。

根据本发明的第一方面，提供了一种方法，包括：

-获取与位置的集合相关联的测量数据；

-分析测量数据，以确定位置的在统计学上不同的组；以及

-根据在统计学上不同的组配置样本方案生成算法。

根据本发明的第二方面，提供了一种方法，包括：

-获取与跨一个或多个基底的样本方案相关联的约束和/或多个关键性能指标；以及

-在包括多目标遗传算法的样本方案生成算法中使用该约束和/或多个关键性能指标。

根据本发明的第三方面，提供了一种方法，包括：

-获取与跨一个或多个基底的位置的集合相关联的测量数据；

-分析测量数据；以及

-基于该分析优化样本方案，

其中，该位置限定跨越跨一个或多个基底的多个场的一个或多个区域，多个场在采样方案中具有不同的相应子采样；并且

其中，分析测量数据的步骤包括使用其不同的相应子采样跨所跨越的多个场堆叠该测量数据。

根据本发明的第四方面，具体地，提供了一种适于执行第一方面的方法的步骤的光刻装置。

根据本发明的第五方面，具体地，提供了一种适于执行第一方面的方法的步骤的检查装置。

根据本发明的第六方面，提供了一种包括计算机可读指令的计算机程序，该计算机可读指令在适当的计算机装置上运行时，使该计算机装置执行第一方面的方法。

根据本发明的第七方面，提供了一种包括第六方面的计算机程序的计算机程序产品。

根据本发明的第八方面，具体地，提供了一种适于执行第二方面的方法的步骤的光刻装置。

根据本发明的第九方面，提供了一种具体地适于执行第二方面的方法的步骤的检查装置。

根据本发明的第十方面，提供了一种包括计算机可读指令的计算机程序，该计算机可读指令在适当的计算机装置上运行时，使该计算机装置执行第二方面的方法。

根据本发明的第十一方面，提供了一种包括第十方面的计算机程序的计算机程序产品。

根据本发明的第十二方面，具体地，提供了一种适于执行第三方面的方法的步骤的光刻装置。

根据本发明的第十三方面，具体地，提供了一种适于执行第三方面的方法的步骤的检查装置。

根据本发明的第十四方面，提供了一种包括计算机可读指令的计算机程序，该计算机可读指令在适当的计算机装置上运行时，使该计算机装置执行第三方面的方法。

根据本发明的第十五方面，提供了一种包括第十四方面的计算机程序的计算机程序产品。

附图说明

现在将仅通过示例的方式，参考附图描述本发明的实施方式，在附图中对应的参考符号表示对应的部件，并且在附图中：

图1示意性地描绘了光刻装置；

图2示意性地描绘了图1的装置中的测量和曝光过程中的阶段；

图3是样本方案生成到光刻装置的校准或鉴定的流程图；

图4描述了跨场的五个不同标记组的测量值的高斯分布的拟合；

图5描述了跨晶圆的五个不同标记组的测量值的高斯分布的拟合；

图6是涉及根据实施方式的样本方案生成的方法的流程图；

图7是涉及根据实施方式的多目标遗传算法的方法的流程图；

图8是涉及根据实施方式的样本方案优化的方法的流程图；

图9是涉及根据实施方式的结合图7和图8的方法的多目标遗传算法的方法的流程图；

图10描绘了由实施方式产生的两种不同场标记读出布局；

图11是与全标记读出布局相比具有相同的简化的标记读出布局的场的帕累托(Pareto)前沿；以及

图12描绘了由实施方式产生的简化的晶圆标记读出布局。

具体实施方式

图1示意性地描绘了其中可以实现实施方式的光刻装置LA。该装置包括：

i.照明系统(照明器)IL被配置为调节辐射束B(例如，UV辐射或EUV辐射)。

ii.支撑结构(例如掩模台)MT，被构造成支撑图案化设备(例如掩模)MA，并且连接到第一定位器PM，第一定位器PM被配置为根据特定参数精确定位图案化设备；

iii.基底台(例如晶圆台)WTa或WTb，被构造成保持基底(例如抗蚀剂涂覆的晶圆)W，并且连接到第二定位器PW，第二定位器PW被配置为根据特定参数精确定位基底；以及

iv.投影系统(例如折射投影透镜系统)PS，被配置为将由图案化设备MA赋予辐射束B的图案投影到基底W的目标部分C(例如包括一个或多个管芯)上。

照明系统可包括各种类型的光学部件，例如折射的、反射的、磁性的、电磁的、静电的或其它类型的光学部件，或其任何组合，用于引导、成形或控制辐射。

支撑结构支撑图案化设备，即承受图案化设备的重量。它以取决于图案化设备的取向、光刻装置的设计和其它条件(例如图案化设备是否保持在真空环境中)的方式保持图案化设备。支撑结构可以使用机械、真空、静电或其它夹紧技术来保持图案化设备。支撑结构可以是例如框架或台，其可以根据需要固定或移动。支撑结构可以确保图案化设备例如相对于投影系统处于期望的位置。本文中对术语“光罩”或“掩模”的任何使用可被认为与更一般的术语“图案化设备”同义。

本文中使用的术语“图案化设备”应广义地解释为指的是可用于赋予辐射束在其横截面中具有图案的任何设备，例如在基底的目标部分中产生图案。应当注意，赋予辐射束的图案可能不完全对应于基底的目标部分中的期望图案，例如，如果图案包括相移特征或所谓的辅助特征。通常，赋予辐射束的图案将对应于在目标部分(例如集成电路)中创建的设备中的特定功能层。

图案化设备可以是透射的或反射的。图案化装置的实例包括掩模、可编程反射镜阵列和可编程LCD面板。掩模在光刻中是公知的，并且包括诸如二进制、交替相移和衰减相移的掩模类型以及各种混合掩模类型。可编程反射镜阵列的示例采用小反射镜的矩阵布置，每个小反射镜可以单独倾斜，以便在不同方向上反射入射辐射束。倾斜的反射镜在被反射镜矩阵反射的辐射光束中提供图案。

本文中使用的术语“投影系统”应广义地解释为包括任何类型的投影系统，包括折射、反射、折反射、磁、电磁和静电光学系统，或它们的任何组合，以适合于所使用的曝光辐射，或适合于诸如使用浸没液体或使用真空的其他因素。本文中对术语“投影透镜”的任何使用都可以被认为是更一般的术语“投影系统”的同义词。

如本文所示，该装置是透射型的(例如，采用透射掩模)。可选地，该装置可以是反射型的(例如，采用如上所述类型的可编程反射镜阵列，或者采用反射掩模)。

光刻装置可以是具有两个(双级)或更多基底台(和/或两个或更多掩模台)的类型。在这种“多级”机器中，可以并行地使用附加的工作台，或者可以在一个或多个工作台上执行准备步骤，同时使用一个或多个其他工作台进行曝光。本文公开的本发明可以以独立的方式使用，但特别地，它可以在单级或多级装置的曝光前测量级中提供附加功能。

光刻装置还可以是这样的类型，其中基底的至少一部分可以被具有相对高折射率的液体(例如水)覆盖，以便填充投影系统和基底之间的空间。浸没液体也可以施加到光刻装置中的其它空间，例如掩模和投影系统之间。浸没技术在本领域中是公知的，用于增加投影系统的数值孔径。这里使用的术语“浸没”并不意味着诸如基底的结构必须浸没在液体中，而是仅仅意味着在曝光期间液体位于投影系统和基底之间。

参照图1，照明器IL接收来自辐射源SO的辐射束。源和光刻装置可以是单独的实体，例如当源是准分子激光器时。在这种情况下，源不被认为是构成光刻装置的一部分，并且辐射束借助包括例如合适的定向镜和/或扩束器的光束传输系统BD从源SO传送到照明器IL。在其他情况下，源可以是光刻装置的整体部分，例如当源是汞灯时。光源SO和照明器IL，如果需要的话，与光束传输系统BD一起，可以被称为辐射系统。

照明器IL可包括用于调节辐射束的角强度分布的调节器AD。通常，至少可以调节照明器的光瞳平面中的强度分布的外部和/或内部径向范围(通常分别称为-外部和-内部)。此外，照明器IL可以包括各种其它部件，例如积分器IN和聚光器CO。照明器可用于调节辐射束，以在其横截面中具有期望的均匀性和强度分布。

辐射束B入射到保持在支撑结构(例如掩模台MT)上的图案化设备(例如掩模MA)，并由图案化设备图案化。在穿过掩模MA之后，辐射束B通过投影系统PS，该投影系统PS将光束聚焦到基底W的目标部分C上。借助于第二定位器PW和位置传感器IF(例如，干涉式设备、线性编码器或电容式传感器)，基底台WTa/WTb可以被精确地移动，例如，以便将不同的目标部分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(其在图1中未明确地示出)可以被用于相对于辐射束B的路径精确地定位掩模MA，例如，在从掩模库机械检索之后，或者在扫描期间。通常，掩模台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(粗定位)和短行程模块(精定位)来实现。类似地，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基底台WTa/WTb的移动。在步进器(与扫描器相反)的情况下，掩模台MT可以仅连接到短行程致动器，或者可以固定。掩模MA和基底W可以使用掩模对准标记M1、M2和基底对准标记P1、P2来对准。尽管如图所示的基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，在掩模MA上设置一个以上的管芯的情况下，掩模对准标记可以位于管芯之间。

所描绘的装置可以在以下模式中的至少一种中使用：

1.在步进模式中，掩模台MT和基底台WTa/WTb保持基本静止，同时赋予辐射束的整个图案一次投射到目标部分C上(即，单次静态曝光)。然后在X和/或Y方向上移动基底台WTa/WTb，使得不同的目标部分C可以被曝光。在步进模式中，曝光场的最大尺寸限制在单次静态曝光中成像的目标部分C的尺寸。

2.在扫描模式中，当赋予辐射束的图案投射到目标部分C上时，同步扫描掩模台MT和基底台WTa/WTb(即，单次动态曝光)。基底台WTa/WTb相对于掩模台MT的速度和方向可由投影系统PS的(缩)倍率和图像反转特性确定。在扫描模式下，曝光场的最大尺寸在单次动态曝光中限制目标部分的宽度(在非扫描方向上)，而扫描运动的长度决定目标部分的高度(在扫描方向上)。

3.在另一模式中，掩模台MT保持基本静止，保持可编程图案化设备，并且当赋予辐射束的图案投射到目标部分C上时移动或扫描基底台WTa/WTb。在该模式中，通常采用脉冲辐射源，并且在基底台WTa/WTb的每次移动之后或在扫描期间的连续辐射脉冲之间根据需要更新可编程图案化设备。这种操作模式可以容易地应用于利用可编程图案化设备的无掩模光刻，例如如上所述类型的可编程反射镜阵列。

也可以采用上述使用模式或完全不同的使用模式的组合和/或变化。

本例中的光刻装置LA是所谓的双级型，其具有两个基底台WTa和WTb以及两个站--曝光站和测量站--在两个站之间可以交换基底台。当一个基底台上的一个基底在曝光站EXP处被曝光时，另一个基底可以在测量站MEA处被装载到另一个基底台上，从而可以执行各种准备步骤。准备步骤可包括使用水平传感器LS绘制基底表面，以及使用对准传感器AS测量基底上对准标记的位置。这使得装置的吞吐量能够大幅增加。如果位置传感器IF不能测量基底台在测量站和曝光站处的位置，则可以提供第二位置传感器以使得基底台的位置能够在两个站处被跟踪。本发明可应用于仅有一个基底台或两个以上基底台的装置中。

该装置还包括光刻装置控制单元LACU，其控制各种致动器和传感器的所有移动和测量。LACU还包括信号处理和数据处理能力，以实现与装置的操作相关的期望计算。在实践中，控制单元LACU将被实现为许多子单元的系统，每个子单元处理装置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基底定位器PW的伺服控制。单独的单元甚至可以处理粗和细致动器，或不同的轴。另一个单元可以专用于位置传感器的读出。该装置的总体控制可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、操作者和涉及光刻制造过程的其它装置通信。

图2示出了在图1的双级装置中暴露基底W上的目标部分(例如，管芯)的已知步骤。在虚线框内的左手侧是在测量站MEA处执行的步骤，而右手侧示出在曝光站EXP处执行的步骤。不时地，基底台WTa、WTb中的一个将位于曝光站，而另一个位于测量站，如上所述。为了本说明的目的，假定基底W已经装载到曝光站中。在步骤200处，通过未示出的机构将新的基底W'装载到装置中。并行地处理这两个基底，以增加光刻装置的吞吐量。最初参考新加载的基底W'，这可以是先前未处理的基底，用新的光刻胶制备，以便在装置中首次曝光。然而，一般地，所描述的光刻工艺将仅仅是一系列曝光和处理步骤中的一个步骤，使得基底W'已经通过该装置和/或其它光刻装置数次，并且还可以进行后续工艺。

前面和/或后面的处理可以在其它光刻装置中执行，如上所述，并且甚至可以在不同类型的光刻装置中执行。例如，在器件制造工艺中对诸如分辨率和套刻的参数要求非常高的一些层可以在比要求较低的其他层更先进的光刻工具中执行。因此，一些层可以在浸没式光刻工具中曝光，而其他层则在“干式”工具中曝光。一些层可以在工作于DUV波长的工具中曝光，而其他层则使用EUV波长辐射曝光。

在图2中，在202处，使用基底标记P1等和图像传感器(未示出)的对准测量用于测量和记录基底相对于基底台WTa/WTb的对准。此外，将测量跨基底W'的几个对准标记，以建立“晶圆网格”，其非常精确地映射跨基底的标记分布，包括相对于标称矩形网格的任何失真。在步骤204处，还测量基底高度相对于X-Y位置的映射，以用于曝光图案的精确聚焦。

当加载基底W'时，接收配方数据206，该配方数据206定义了要执行的曝光，以及基底和先前制作和将要制作在其上的图案的特性。向这些配方数据添加在202、204处所作的基底位置、基底网格和高度图的测量值，使得一组完整的配方和测量数据208可以传递到曝光站。对准数据的测量例如包括对准目标的X和Y位置，对准目标以与作为光刻工艺产物的产物图案的固定或标称固定的关系形成。这些在曝光之前取得的对准数据，被组合和插值，以提供对准模型的参数。这些参数和对准模型将在曝光操作期间用于校正在当前光刻步骤中应用的图案的位置。传统的对准模型可以包括四个、五个或六个参数，它们一起定义不同维度的“理想”网格的平移、旋转和缩放。如下文进一步描述的，已知使用更多参数的高级模型。

在210处，基底W'和W互换，使得被测量的基底W'成为进入曝光站EXP的基底W。这种交换是通过在装置内交换支撑件WTa和WTb来执行的，使得基底W、W'保持精确地夹持和定位在这些支撑件上，以保持基底台和基底本身之间的相对对准。因此，一旦工作台已经被交换，则确定投影系统PS和基底工作台WTb(以前为WTa)之间的相对位置是在曝光步骤的控制中利用基底W(以前为W')的测量信息202、204所必需的全部。在步骤212处，使用掩模对准标记M1、M2执行掩模对准。在步骤214、216、218中，扫描运动和辐射脉冲被施加在跨基底W的连续目标位置处，以便完成多个图案的曝光。通过使用在曝光步骤的执行中在测量站获取的对准数据和高度图，这些图案相对于期望的位置，特别是相对于先前放置在同一基底上的特征精确地对准。在步骤220处，现在标记为W”的暴露基底从装置卸载，以根据暴露的图案进行蚀刻或其它工艺。

图3是样本方案生成到光刻装置的校准或鉴定的流程图。

样本方案生成步骤302生成样本方案，在这种情况下为标记读出布局304。为了校准或鉴定光刻装置，曝光和显影306晶圆或一系列晶圆。标记读出布局304用于在标记读出步骤308处测量晶圆上的标记。测量得到读出值310，其用于校准或鉴定312，以得到计算出的关键性能指标(KPI)314。

在实施方式中，样本方案生成步骤302可以被处理为多目标优化问题，其通过元启发式优化算法来解决。一个目标是要读出的标记数(需要减少)，另一个目标是KPI下降(应尽可能小，即也要减少)。

元启发式是一种高级的过程或启发式，设计用于寻找、生成或选择一种启发式(部分搜索算法)，该算法可以为优化问题提供足够好的解，特别是在信息不完全或不完善或计算能力有限的情况下。

进化算法(EA)是一种通用的基于种群的元启发式优化算法。

遗传算法(GA)是进化算法的一种。在遗传算法中，一个优化问题的候选解群体(称为个体、生物或表型)向更好的解进化。每个候选解都有一组性质(其染色体或基因型)，由解域中的坐标表示，这些性质可以被突变和改变。解可以用二进制表示为0和1的字符串，但其他编码也是可以的。

模拟退火(SA)是一种逼近给定函数的全局最优的概率技术。SA是一种在大搜索空间或解域内近似全局优化的元启发式算法。

禁忌搜索是另一种利用局部搜索方法进行数学优化的元启发式搜索方法。

遗传算法保持一池解而不是仅一个解。新的候选解不仅通过“突变”(如在SA中)生成，还通过池中两个解的“重组”生成。概率准则，类似于SA中使用的准则，用于选择重复、突变或组合(通过交叉)的候选项，并用于从池中丢弃多余的解。

在数学优化中，成本函数或损失函数是将事件或一个或多个变量的值映射到直观地表示与事件相关的某些“成本”的实数上的函数。一个最优化问题寻求最小化成本函数。目标函数可以是成本函数，也可以是它的负函数(有时称为功绩函数、报酬函数、利润函数、效用函数、适应度函数等)，在这种情况下，目标函数是要最大化的。

约束是解必须满足的最优化问题的条件。

实施方式涉及对测试数据执行统计分析(例如在图6中的步骤610处)以理解变化源。

给定来自所有标记的先前测试的读出数据(例如图6中的步骤606)，测试晶圆中的标记可以以不同的方式分组。例如，可以根据以下内容对标记进行分组：在向上扫描(或向下扫描)场中的标记、在不同象限(或与测试相关的任何其他晶圆分区)中的标记、在不同晶圆中的标记、在不同场列/行/位置中的标记……以及这些分组的组合。对于这些分组中的每一个，可以绘制每组中标记的分布(或与给定分布的拟合，如高斯分布)，以确定统计上不同的分组。统计差异的示例有：

分组中的标记具有其相关读出值的不同均值；

分组中的标记具有其相关读出值的不同std(标准偏差)；以及

没有分组显示它们相关的读出值的统计差异。

例如，可以确定不同列中的标记具有不同的含义，或者晶圆边缘处的标记具有比晶圆其余部分中的标记更高的方差。图4和图5说明了这些示例。

图4说明了场中五个不同标记组的测量结果的高斯分布的拟合。每一组是曝光场中的一个不同列。任意单位(垂直轴)的概率密度相对于任意单位(水平轴)的标记读出值作图402。不同的列有不同的方式，如五条曲线的水平偏移量所示，每条曲线对应一个列组。

图5示出了晶圆上五个不同标记组的测量结果的高斯分布的拟合。每个组是晶圆上的不同区域。任意单位(垂直轴)的概率密度相对于任意单位(水平轴)的标记读出值作图502、504。与远离晶圆边缘的区域的其余四条曲线502的较窄分布相比，晶圆边缘处的标记具有比晶圆其余部分中的标记更高的方差，如对应于晶圆边缘组的曲线504的较宽分布所示。因此，根据晶圆上的标记位置，存在不同的标准偏差。

图6是涉及根据实施方式的样本方案生成的方法的流程图。该方法具有以下步骤：

602：关于跨一个或多个基底的位置的选择，定义预定义组604。

组中的位置可以一起定义场内的一个或多个区域，该场在一个或多个基底上重复。在这种情况下，每个场具有相同的简化标记读出布局，并且操作(交叉/变异)处于场内级别。

附加地或可替换地，组可定义为跨越场的一个或多个区域，所述场跨(across，遍及)晶圆、跨晶圆批次或跨多个晶圆批次。组中的位置可以一起定义跨多个场的一个或多个区域，所述场越跨一个或多个基底，多个场在由样本方案生成算法生成的样本方案中具有不同的相应子采样。图12示出了跨越一个基底的不同子采样。

606：获取与跨一个或多个基底的位置的集合相关联的测量数据608。在该示例中，所有暴露的标记都被读出，从而尽可能多的信息可以用于优化的样本方案生成。

610：分析测量数据608以确定位置的统计上不同的组612。该示例中的组是预定义组604。

在组中的位置一起定义跨越跨一个或多个基底的多个场的一个或多个区域的情况下(多个场具有不同的相应子采样)，则分析测量数据的步骤610包括使用它们不同的相应子采样跨所跨越的多个场来堆叠测量数据以确定位置的统计上不同的组。在这种情况下，不同的场具有不同的简化布局，并且操作(交叉/变异)处于场间/晶圆-晶圆/批级别。这可以被描述为使用堆叠的场/晶圆/批重建。

如流程图连接器1A所示，对于参照图7描述的方法，在步骤702获取的约束可以基于分析步骤610的结果612。

614：基于统计上不同的组配置样本方案生成算法的算子。该步骤输出一个或多个遗传算子配置616。该示例中的样本方案生成算法是遗传算法，并且配置算子的步骤包括配置交叉算子以在所确定的统计上不同的组之间交换采样信息。配置算子的步骤还可以包括配置变异算子以变异所选择的确定的统计上不同的组中的采样信息。遗传算子配置616可用于其它实施方式中，如流程图连接1B所示。

多目标遗传算法(MOGA)是遗传算法(GA)的扩展。它们是一类能够优化多目标优化问题(凸或非凸，有约束或无约束，……)的算法。GA是单目标优化算法。这些算法考虑“个体”：某人想要解决的问题的可能的解。在本示例中，个体是简化的标记读出布局。根据适应度函数对个体进行评估。在本示例中，适应度函数将为给定的简化的标记读出布局返回计算出的关键性能指标。

在该示例中，其中样本方案生成算法622包括多目标遗传算法，该方法还包括获取与跨一个或多个基底的样本方案相关联的多个关键性能指标620。在样本方案生成算法中，关键性能指标被用于适应度函数。适应度函数包括针对该组位置的测量数据计算的关键性能指标与针对单个简化标记读出布局计算的关键性能指标之间的比较。

对于机器之间的匹配套刻(在扫描仪校准或鉴定期间)，可以使用适合度函数返回仅与机器性能相关的KPI(如：平均晶圆和晶圆-晶圆间差异的卡盘1和卡盘2的x和y的平均值+3std(标准)，99.7百分位数)。还可以使用诊断所需的更大的KPI集(如场内、场间或狭缝指纹参数)。

适应度函数返回全读出布局和生成的简化的标记读出布局之间的KPI中的不同值。适应度函数可以返回更复杂的指标，这些指标与简化的布局在一组机器上的表现(与全布局相比)有关。

GA使用在迭代过程中变化的个体组(称为“种群”)。给定X代的群体，得到X+1代的群体对X代的个体进行遗传操作。这些操作可分为三组：

选择：不考虑X代的某些个体。其余的个体用作以下两个操作的输入。选择的示例是锦标赛选择和轮盘。

交叉(重组)：用两个(或更多)选定的个体来创造新的个体。例如，如果分析步骤610指示相对于晶圆其余部分中的标记，标记到晶圆边缘的对准或套刻标准偏差之间存在差异，则可以相应地配置交叉操作。因此，给定两个个体I1和I2，通过使用存在于I1中的边缘标记和存在于I2中的剩余标记进行交叉来创建新个体。

突变：一个被选中的个体被用来创造一个新的个体。例如，如果分析步骤610显示存在于晶圆的下象限中的标记的标准偏差显著高于存在于晶圆的上象限中的标记的标准偏差，则可以相应地实施突变。例如，突变操作可以被配置为增加在晶圆的下象限中读出的标记的数量。

这些遗传操作可以具有恒定的参数，或者随代(generation)而变化的参数。

在MOGA中，可以实现其它算子(除了关于步骤622描述的算子之外)以提供简化的标记读出布局。例如，可以实现场重构：给定一组场，对其中的每个场进行子采样，使得该组中的任何场都没有读出所有标记(即，不能创建场内映射)，但是这些场中读出的标记的组合允许重新创建场。

基于分析步骤610的结果612，可以将约束618添加到由MOGA创建的解中。约束618与跨一个或多个基底的样本方案相关联。约束618被用作样本方案生成算法622的输入。约束可以基于分析610。例如，如果分析步骤610示出存在于不同场列中的标记之间存在显著差异612，则可以迫使MOGA创建解(即，简化的标记读出布局)，使得没有场列在简化的标记读出布局中消失。这意味着允许列中缺少标记，但不允许删除列中的所有标记。

因为适应度函数返回不止一个KPI，MOGA可以返回满足所有这些KPI的解。然后，样本方案生成步骤622的MOGA将返回简化的场标记读出布局624。因此，样本方案生成算法用于生成优化的样本方案624。

图7是根据实施方式的涉及MOGA的方法的流程图。该方法具有以下步骤：

702：获取与跨一个或多个基底的样本方案相关联的约束718。如流程图连接器1A所示，这些约束可以基于分析步骤610的结果612。

704：获取与跨一个或多个基底的样本方案相关联的多个关键性能指标720。KPI720可用于参照图6描述的实施方式中，如流程图连接器2A所示。

722：在包括多目标遗传算法的样本方案生成算法中使用约束718和/或多个关键性能指标720。遗传算子配置716可根据图6的步骤614被配置，如流程图连接器1B所示。

样本方案生成算法用于生成优化的样本方案(简化的标记读出布局)724。优化的标记读出布局，允许更快的测试而不损害测试KPI。这导致减少的设置、恢复和漂移校准/验证时间。

图8是涉及根据实施方式的样本方案优化的方法的流程图。该方法具有以下步骤：

806：获取与跨一个或多个基底的位置的集合相关联的测量数据808。该位置限定跨越多个场的一个或多个区域，所述场跨一个或多个基底，多个场在采样方案中具有不同的相应子采样。

810：通过使用其不同的相应子采样跨所跨越的多个场堆叠测量数据来分析测量数据。

822：基于步骤810的分析优化样本方案。

样本方案生成算法用于生成优化的样本方案(简化的标记读出布局)824。当样本方案生成算法为MOGA时，不同的场具有不同的简化布局，并且操作(交叉/变异)处于场间/晶圆-晶圆/批级别。这可以被描述为使用堆叠的场/晶圆/批重建。优化的标记读出布局，允许更快的测试而不损害测试KPI。这导致减少设置、恢复和漂移校准/验证时间。

图9是涉及根据实施方式的组合图7和图8的方法的MOGA的方法的流程图。

参考图9，该方法具有与图7和图8相同的步骤，图7和图8标有相同的参考标号：

702：获取与跨一个或多个基底的样本方案相关联的约束718。这些约束基于分析步骤810的结果。

704：获取与跨一个或多个基底的样本方案相关联的多个关键性能指标720。

922：基于分析来优化样本方案。该步骤922可以使用MOGA中的约束718和/或多个关键性能指标720。约束可以基于分析810。例如，如果分析步骤810示出存在于不同场列中的标记之间存在显著差异，则可以强制遗传算法创建解(即，简化的标记读出布局)，使得没有场列在简化的标记读出布局中消失。这意味着允许列中缺少标记，但不允许删除列中的所有标记。该步骤922可涉及配置样本方案生成算法的交叉算子以在场之间交换采样信息。该步骤可涉及配置样本方案生成算法的变异算子以变异选定场中的采样信息。当样本方案生成算法为遗传算法时，不同的场具有不同的简化布局，并且操作(交叉/变异)处于场间/晶圆-晶圆/批级别。这可以被描述为使用堆叠的场/晶圆/批重建。算子配置916基于分析步骤810。

样本方案优化步骤922用于产生简化的标记读出布局924。

图10描绘了由实施方式产生的两种不同的场标记读出布局。图10中的场标记布局由为匹配不同扫描器的套刻标记采样而实现的MOGA返回。每个标记都由一个带交叉阴影的矩形表示。最左边的场1002有10个标记。最右边的场1004具有16个标记。

图11是与全标记读出布局相比具有相同的简化的标记读出布局的场的帕累托前沿。MOGA返回大量的数据，其中最重要的数据是简化的布局。但利用剩余的数据，就可以绘制帕累托前沿(和其他图)。帕累托前沿的目的是看不同的目标是如何相互关联的。例如，这些信息可以用于更好地理解问题或改进MOGA。这些图示出了在所考虑的优化问题中，不同的KPI是如何相互关联的。参考图11，为所有场具有相同标记读出布局的示例显示了帕累托前沿。横轴为每个场读出的标记数(N)。垂直轴是全采样的标记读出布局和简化(优化)的标记读出布局之间的增量均值(M)和标准偏差(SD)(单位为nm)。这些平均值1102和标准偏差1104的曲线图(虚线)显示，与每个场较少的标记相比，如果每个场读出24个或更多标记，则性能会明显增强。

在第一方法中，组中的位置可以一起定义场内的一个或多个区域，跨一个或多个基底重复的场给出简化的读出标记数量如何影响所考虑的KPI的指示。例如，性能下降不超过+/-5％(我们称之为“退化”)是可以接受的。这意味着对于每个KPI，简化布局返回的值与全布局返回的KPI相比最多为+5％或-5％。

如上所述，在第二方法中，作为第一方法的附加或替代，组可以被定义为跨场的一个或多个区域，所述场跨晶圆、跨晶圆批次或跨多个晶圆批次。组中的位置可以一起定义跨越多个场的一个或多个区域，所述场跨一个或多个基底，多个场在由样本方案生成算法生成的采样方案中具有不同的相应子采样。在这种情况下，样本方案生成或优化可以返回具有与第一方法相同的性能的简化布局，但读出更少的标记。例如，如果考虑的测试具有70个场，则产生每个场具有10个标记的简化布局(即，具有总共700个标记读出)和+/-5％退化，则第二方法可以返回具有+/-5％退化的另一布局，其具有总共小于700个标记读出。

图12描绘了由参考图6和图7描述的实施方式产生的简化的晶圆标记读出布局。晶圆图1202被划分为场1204。在晶圆图1202内，标记布局以代表标记读出的小点示出。这是一个优化的标记读出布局，允许更快的测试，而不损害测试KPI。这导致减少设置、恢复和漂移校准/验证时间。

实施方式可应用于从暴露的晶圆读出标记的所有测试。上面描述的方法返回一组简化的标记读出，使得每个测试返回的KPI没有退化(即，它们等于当读出所有标记时返回的值)或小的退化。这反过来又减少了设置和恢复时间。

本文档中提及的测量可对应于具有跨与一个或多个基底相关联或由一个或多个基底限定的平面的空间分布(指纹)的任何参数的值的获取。例如，测量值可指通过在经处理的基底上检查产品特征和/或目标特征而测量的套刻误差、临界尺寸、焦点、边缘放置误差的值。可替换地，测量值可指投影系统PS的剂量、焦点、(掩模)标记位置或像差水平的值，投影系统PS的剂量、焦点、(掩模)标记位置或像差水平由传感器在投影系统PS的光学平面上的多个位置处测量。通常，光学平面是投影系统PS的像平面(其中，基底在被光刻装置曝光时通常被定位)。在大多数情况下，测量是在光刻装置的光学平面内包括的场中执行的，该场是光刻装置(在曝光操作期间)照明的光学平面上的延伸。因此，本文中的实施方式不限于通过检查基底上的结构而获取的测量、读出值和测量数据，而是通过任何感测系统在光刻装置和/或基底的光学平面上获取的任何测量和/或测量结果都在本发明的范围内。

在光学平面内跨场测量的情况下，传感器典型地是剂量、像差或图像传感器。图像传感器典型地是配置为测量掩模上的标记相对于基底台WT的相对位置的传感器。在传感器集成在基底台内的情况下，可以通过将基底台移动到传感器在场内的期望位置处测量感兴趣参数的位置来执行跨场的测量。

然而，在许多位置处测量感兴趣的参数可能太耗时，并且对于获取感兴趣的参数在场中的足够精确的行为不是必需的。

给定从所有位置的先前测试(例如模拟到图6中的步骤606)获取的传感器读出数据，传感器已经测量到感兴趣参数的位置可以以不同的方式分组。例如，可以根据不同场列/行/位置中的位置对场中的位置进行分组。对于所选择的分组，可以绘制每组中位置的分布(或与给定分布的拟合，如高斯分布)，以确定统计上不同的组。统计差异的示例有：

分组中的位置具有其相关传感器读出值的不同均值；

分组中的位置具有其相关传感器读出值的不同std(标准偏差)；以及

没有分组显示它们相关的读出值的统计差异。

例如，可以确定在跨场的不同列中的位置处的传感器读出具有不同的均值，或者在场的边缘处的位置具有比在场的其余部分中的位置更高的方差。

同样，在测量与基于场内传感器的测量而不是目标结构的检查相关的情况下，可以使用与前面描述的相同的方法来配置样本方案生成算法，在这种情况下，样本方案生成算法被配置为定义传感器应该测量感兴趣参数(像差、剂量、标记位置、焦点等)的场中的位置。

在实施方式中，提供了一种方法，包括：获取与跨一个或多个场执行的多个测量相关联的测量数据；分析测量数据以确定一个或多个场内统计上不同的位置；以及基于统计上不同的位置来配置样本方案生成算法的算子。

可选地，该位置定义跨越多个场的一个或多个区域，多个场在由样本方案生成算法生成的样本方案中具有不同的相应子采样；以及分析测量数据的步骤包括使用其不同的相应子采样跨所跨越的多个场堆叠测量数据以确定统计上不同的位置。

可选地，样本方案生成算法包括遗传算法。

可选地，配置算子的步骤包括配置交叉算子以在所确定的统计上不同的位置之间交换采样信息。

可选地，配置算子的步骤包括配置变异算子以在选定的、确定的统计上不同的位置中变异采样信息。

可选地，样本方案生成算法包括多目标遗传算法，并且该方法还包括：

-获取与跨场的样本方案相关联的约束；而且

-使用约束作为样本方案生成算法的输入。

可选地，样本方案生成算法包括多目标遗传算法，并且该方法还包括：跨该场获取与样本方案相关联的多个关键性能指标；并在样本方案生成算法中使用适应度函数中的关键性能指标。

可选地，适应度函数包括针对该组位置的测量数据计算的关键性能指标与针对简化的样本方案个体计算的关键性能指标之间的比较。

在上述实施方式中，用于扫描器性能的校准和鉴定的简化布局一经确定就已固定。因此，读出是静态的：测量继续进行，即使它们不再添加任何重要信息。读出策略是预先定义的，不能更改。

作为一个具体示例，机器匹配套刻测试(套刻的鉴定或验证测试)可以包括在相同条件下曝光和测量六个晶圆：3个暴露在第一卡盘(例如，双台系统的)上，另外3个暴露在第二卡盘上。在上述实施方式中，即使暴露在同一卡盘上的所有晶圆在内场中具有非常相似的测量标记值，也可以对所有6个晶圆施加非常相同的标记读出。

提出了可以执行灵活的采样方案或测量方案方法。这种灵活的采样方案可以包括，例如，测量暴露在第一卡盘上的第一晶圆上的所有标记。然后，对于暴露在第一卡盘上的第二晶圆，标记的测量可以中心地开始(例如，内场中的标记)，对每个测量立即进行检查，以确定测量值与第一晶圆上相应标记的变化程度。如果对于至少一个或前几个标记(例如，对于至少预定最小数目的标记)，该变化足够小(在规范内)，则可以决定跳过一些标记(例如，内部场中的其他未测量标记)的测量，而直接开始对预期有更多变化的场(例如，在边缘处或附近)进行采样。根据这些边缘场的变化水平，可以为预期具有大程度变化的场选择密集采样，或者为预期具有小程度变化的场选择较少密集采样。

更一般地，这种方法可以包括“基于先前测量的”方法。对于测量一个以上晶圆的任何测试、验证或校准，可以测量第一组晶圆(例如，包括第一个或多个晶圆)上的所有标记。测量误差的可接受边界是已知的。对于第二组晶圆(例如，第一组晶圆之后的晶圆)，执行灵活采样。这可以包括仅测量第二组晶圆中的第一晶圆上的几个标记(第一子集)。如果这些标记的测量值与第一组晶圆中对应标记的测量值的差(当第一组晶圆包括一个以上晶圆时，对应标记值可以被平均或以其他方式组合)在测量误差边界内，则当前晶圆的测量可以结束，并且第二组晶圆的下一个晶圆的测量可以立即开始。然而，如果第二晶圆上的测量值在边界之外，则测量当前晶圆上的更多标记。在这样的实施方式中，所测量的第一标记可以是那些预期在晶圆之间具有最大变化的标记。

可替换地，确定第一值在规范内可触发结束对晶圆的特定区域(例如，第一区域或中心区域)的测量，并开始对同一晶圆的另一区域(例如，第二区域或边缘区域，也称为外围区域)的测量；在这样的实施方式中，所测量的第一标记可以是那些预期在晶圆之间具有最小或至少更小的变化的标记。然后可以对该第二区域采取相同的灵活采样方案方法，使得该区域中的一些或所有标记取决于前几个标记的测量值相对于第一组中的相应标记的变化和允许的测量误差来测量。然后，测量可以以下一个区域(如果两个以上)或下一个晶圆进行。

可以使用针对第二组中的第一晶圆设计的相同采样方案来测量第二组中的后续晶圆，或者可以使用针对每个晶圆的相同方法来针对第二组中的每个晶圆采取灵活的方法，使得采样方案在晶圆之间是灵活的。

在另一实施方式中，提出了一种基于动态模型用于确定灵活采样方案或测量方案的方法。再一次，这样的方法可以适用于测量一个以上晶圆的任何测试、验证或校准。可替换地或附加地，这样的方法可用于跟踪感兴趣参数(诸如套刻)的任何测试：例如，这样的策略可用于检查WEC(晶圆误差校正)图。这个实施方式可能会使用将要测量的内容的“动态模型”。本文中的术语“动态模型”可以被理解为意味着基于相对稀疏的测量数据集(仅几个位置的测量数据)输出回归或拟合模型的函数，回归或拟合模型外推和/或内插对于没有相应测量数据可用的晶圆位置(未测量位置)的值。例如，动态模型可以基于几个稀疏的测量来拟合给定的场间形状。

这样的方法可以包括测量来自第一晶圆(或第一组晶圆)的几个标记并使用它们拟合动态模型以获取晶圆的拟合模型的第一步骤。下一步骤包括测量进一步的标记，并将每个测量值或考虑到新测量值的整个晶圆的拟合的修正值与拟合模型预测的值进行比较。如果足够多的测量值在给定的公差范围内，则可以停止测量。应当理解，可以执行测量直到置信度水平超过某一标准。这种工作方式类似于贝叶斯推理技术和主动学习。在这些技术中，新的数据获取旨在最小化模型的不确定性。因此，该方法可包括基于已经测量的晶圆动态更新与在测量中的晶圆上的未测量位置相关联的置信度(不确定性度量)；以及当前被测量晶圆的动态可用测量结果。

可以根据高斯过程来决定哪个标记应该是下一个要测量的标记；例如，要测量的下一个标记可以是：

i.在拟合模型中具有最高不确定性的标记；

ii.该标记具有包含模型的最小/最大值(min/max peak)的最大机会。

在实施方式中，动态模型可以随时间演化以适应漂移。例如，假设初始动态模型的形式为:f＝c₁X²+c₂Y²(其中X和Y是标记的晶圆坐标)。该模型一旦拟合，就返回一个场间拟合的模型。晶圆上的第一次测量使得能够确定c₁和c₂，并因此能够外推晶圆的非测量位置的值。然而，如果该拟合模型预测的值与测量的值相差甚远(相差一个阈值或百分比)，则动态模型可将实际模型改变，例如，更新模型f’＝c₁X²+c₂Y²+c₃X。如果这个更新的模型f’比f更符合测量数据，那么可以选择这个模型作为后续晶圆的初始动态模型。

模型的演变(随时间的变化)可能基于：

先前的知识：例如，如果已知晶圆台的退化增加了项到晶圆台模型，那么可以在晶圆台退化的同时增加模型项；

软件：遗传编程软件可以选择由有限组给定函数组成的最佳模型。

如果在测量了所有标记之后，当前晶圆的测量的置信度水平(与拟合的模型相比)没有超过某一阈值，则定义动态模型的函数可以改变。这使得模型能够适应漂移。

用于灵活采样的另一种方法可以包括搜索给定点。这种方法可以包括搜索晶圆上的特定形状(例如，基于先前知识和已知的行为模式)，该特定形状可以在取向、移位等方面变化。一旦找到该形状，其最大值的位置可被确定和/或用最小数量的测量来表征。这可以通过对晶圆进行采样以使给定形状与其定向、移位等相匹配所需的最小次数来实现，然后在该匹配形状内的可期望找到最大值的区域处对晶圆进行采样。

后一种方法也可适用于扫描器部件的鉴定(例如，而不是晶圆测量)。例如，在生产浸没式罩时，必须对其进行测试，以检查是否所有孔(即，提供水、除去水和吹出CO₂的孔)都是打开的，并且不包括影响流过这些孔的流动的污染物。这可以使用设备来执行，该设备测量当施加压力时从这些孔输出的流量。在已有技术中，该测量方案可遵循针对所有孔的固定(例如6×6)网格，使得每个孔在36个点上被采样。如果孔是适当打开和畅通的，则6×6流量测量值应定义为高斯形状。因此，高斯形状可以是在该实施方式中搜索的具有中心处的峰值的特定形状；将这种灵活的测量方案应用于测试可将每个孔的测量次数从36次减少到最少的5次(例如，描述高斯形状)，从而减少测试时间。

上述方法的步骤可以在图1所示的光刻装置控制单元LACU内或在诸如角度分辨散射计的检查装置中自动化。该单元LACU可以包括计算机组件，如图13所示。在根据本发明的组件的实施方式中，计算机组件可以是控制单元形式的专用计算机，或者可替换地，可以是控制光刻投影装置的中央计算机。计算机组件可以被布置成用于加载包括计算机可执行代码的计算机程序产品。当下载计算机程序产品时，这可以使计算机组件控制具有水平和对准传感器AS、LS的实施方式的光刻装置的上述使用。

连接到处理器1327的存储器1329可包括多个存储器组件，如硬盘1361、只读存储器(ROM)1362、电可擦除可编程只读存储器(EEPROM)1363或随机存取存储器(RAM)1364。不是所有前面提到的存储器组件都需要存在。此外，前述存储器组件在物理上紧邻处理器1327或彼此紧邻并不是必需的。它们可以位于很远的地方

处理器1327还可以连接到某种用户接口，例如键盘1365或鼠标1366。还可以使用本领域技术人员已知的触摸屏、轨迹球、语音转换器或其它接口。

处理器1327可以连接到读出单元1367，读出单元1367被布置成从数据载体(如固态驱动器1368或CDROM 1369)读出数据，例如以计算机可执行代码的形式读出数据，并且在一些情况下将数据存储在数据载体(如固态驱动器1368或CDROM 1369)上。也可以使用本领域技术人员已知的DVD或其它数据载体。

处理器1327还可以连接到打印机1370以在纸上打印输出数据，以及连接到显示器1371，例如本领域技术人员已知的任何其它类型的显示器的监视器或LCD(液晶显示器)。

处理器1327可以通过负责输入/输出(I/O)的发射机/接收机1373连接到通信网络1372，例如公共交换电话网(PSTN)、局域网(LAN)、广域网(WAN)等。处理器1327可以被布置成经由通信网络1372与其他通信系统通信。在本发明的实施方式中，外部计算机(未示出)，例如操作者的个人计算机，可以经由通信网络1372登录处理器1327。

处理器1327可以实现为独立系统或并行操作的多个处理单元，其中每个处理单元被布置为执行较大程序的子任务。处理单元也可以被划分为具有若干子处理单元的一个或多个主处理单元。处理器1327的一些处理单元甚至可以位于远离其他处理单元的一段距离处，并且经由通信网络1372通信。模块之间的连接可以是有线或无线的。

计算机系统可以是具有模拟和/或数字和/或软件技术的任何信号处理系统，模拟和/或数字和/或软件技术被布置成执行本文讨论的功能。

本文使用的术语基底可以指晶圆或图案化设备，例如掩模。在光刻技术中，掩模具有被成像到目标基底(如晶圆)上的图案。

本发明的进一步实施方式在下面的编号项的列表中公开：

1.一种方法，包括：

-获取与跨一个或多个基底的位置的集合相关联的测量数据；

-分析测量数据，以确定位置的在统计学上不同的组；以及

-基于在统计学上不同的组配置样本方案生成算法的算子或基于统计上不同的组配置样本方案生成算法。

2.根据项1所述的方法，其中，组中的位置一起定义场内的一个或多个区域，场跨一个或多个基底重复。

3.根据项1所述的方法，其中：

-组中的位置一起定义跨越多个场的一个或多个区域，所述场跨一个或多个基底，多个场在由样本方案生成算法生成的样本方案中具有不同的相应子采样；并且

分析测量数据的步骤包括使用其不同的相应子采样跨所跨越的多个场堆叠测量数据，以确定位置的在统计学上不同的组。

4.根据前述任一项所述的方法，其中，样本方案生成算法包括遗传算法。

5.根据项4所述的方法，其中，配置算子的步骤包括配置交叉算子以在所确定的在统计学上不同的组之间交换采样信息。

6.根据项4所述的方法，其中，配置算子的步骤包括配置变异算子以变异所选择的确定的在统计学上不同的组中的采样信息。

7.根据项4至6中任一项所述的方法，其中，样本方案生成算法包括多目标遗传算法，并且该方法还包括：

-获取与跨一个或多个基底的样本方案相关联的约束；以及

-使用约束作为样本方案生成算法的输入。

8.根据项4至7中任一项所述的方法，其中，样本方案生成算法包括多目标遗传算法，并且该方法还包括：

–获取与跨一个或多个基底上的样本方案相关联的多个关键性能指标；以及

-在样本方案生成算法中使用适应度函数中的关键性能指标。

9.根据项8所述的方法，其中，适应度函数包括针对位置的集合的测量数据计算的关键性能指标与针对简化的样本方案个体计算的关键性能指标之间的比较。

10.一种方法，包括：

-在包括多目标遗传算法的样本方案生成算法中使用约束和/或多个关键性能指标。

11.根据项10所述的方法，还包括：

-获取与跨一个或多个基底的位置的集合相关联的测量数据；

-分析测量数据；以及

-基于分析优化样本方案，其中，位置定义跨越跨一个或多个基底的多个场的一个或多个区域，多个场在样本方案中具有不同的相应子采样；

其中，约束基于分析；并且

其中，分析测量数据的步骤包括使用其不同的相应子采样跨所跨越的多个场堆叠测量数据。

12.根据项11所述的方法，其中，优化样本方案的步骤包括配置样本方案生成算法的交叉算子以在场之间交换采样信息。

13.根据项11所述的方法，其中，优化样本方案的步骤包括配置样本方案生成算法的变异算子以变异所选择的场中的采样信息。

14.一种方法，包括：

-获取与跨一个或多个基底的位置的集合相关联的测量数据；

-分析测量数据；以及

-基于分析优化样本方案，

其中位置定义跨越多个场的一个或多个区域，所述场跨一个或多个基底，多个场在样本方案中具有不同的相应子采样；并且

15.一种光刻装置，具体地，适于执行项1至9、或项10至13或项14中任一项的方法的步骤。

16.一种检查装置，具体地，适于执行项1至9、或项10至13或项14中任一项的方法的步骤。

17.一种包括计算机可读指令的计算机程序，该计算机可读指令在适当的计算机装置上运行时，使该计算机装置执行项1至9、或项10至13或项14中任一项的方法。

18.一种计算机程序产品，包括项17所述的计算机程序。

19.一种方法，包括：

-获取与位置的集合相关联的测量数据；跨通常包括在光学平面内的一个或多个场；

-分析测量数据，以确定位置的在统计学上不同的组；以及

-基于在统计学上不同的组配置样本方案生成算法的算子。

20.根据项19所述的方法，其中，组中的位置一起定义场内的一个或多个区域。

21.根据项19所述的方法，其中：

-组中的位置一起定义跨越多个场的一个或多个区域，多个场在由采样方案生成算法生成的样本方案中具有不同的相应子采样；并且

22.根据项19至21中任一项所述的方法，其中，样本方案生成算法包括遗传算法。

23.根据项22所述的方法，其中，配置算子的步骤包括配置交叉算子以在所确定的在统计学上不同的组之间交换采样信息。

24.根据项22所述的方法，其中，配置算子的步骤包括配置变异算子以变异所选择的确定的在统计学上不同的组中的采样信息。

25.根据项22至24中任一项所述的方法，其中，样本方案生成算法包括多目标遗传算法，并且该方法还包括：-获取与跨场的样本方案相关联的约束；以及

-使用约束作为样本方案生成算法的输入。

26.根据项22至25中任一项所述的方法，其中，样本方案生成算法包括多目标遗传算法，并且该方法还包括：-获取与跨场的样本方案相关联的多个关键性能指标；以及

-在样本方案生成算法中使用适应度函数中的关键性能指标。

27.根据项26所述的方法，其中，适应度函数包括针对位置的集合的测量数据计算的关键性能指标与针对简化的样本方案个体计算的关键性能指标之间的比较。

28.根据项19至27中任一项所述的方法，其中，测量数据包括通过光学平面内的传感器跨场测量的参数的值。

29.根据项28所述的方法，其中，参数为：像差水平、剂量、焦点水平和标记的检测位置之一。

30.一种确定灵活测量方案的方法，灵活测量方案定义与一个或多个对象或对象的区域相关的测量位置的灵活子集，该方法包括：

-获取与一个或多个所述测量位置处的测量有关的测量数据；

-获取与一个或多个对象或对象的区域的特征相关的特征数据；以及

--根据特征数据和测量数据确定灵活测量方案。

31.根据项30所述的方法，其中，所述测量数据提供用于根据准则描述由测量数据描述的参数的变化的信息。

32.根据项30或31所述的方法，所述测量数据包括第一组测量和后续组测量，其中，特征数据与第一组测量和相关联的容差裕度相关联，第一组测量与一个或多个对象或对象的区域的第一适当子集相关联；并且所述方法包括：将包括在后续组测量中的一个或多个后续测量值与包括在第一组测量中的相应的第一测量值进行比较；并且

基于一个或多个后续测量值与相应的第一测量值的差值是否在所述容差裕度内来确定灵活测量方案。

33.根据项32所述的方法，其中，确定灵活测量方案包括通过在当前被测量的对象或其区域上顺序测量测量位置中的未测量的测量位置来获取所述后续测量值；并且

基于所述差值是否在所述容差裕度内，确定在当前被测量的对象或其区域上执行的测量的数量是否足够。

34.根据项33所述的方法，当有更多的对象或其区域需要测量时，开始测量后续对象或其区域。

35.根据项32至34中任一项所述的方法，其中，一个或多个对象至少包括第一区域和第二区域，使得所述第一区域中的差值预期变化小于所述第二区域中的差值。

36.根据项35所述的方法，其中，确定灵活测量方案的步骤是针对对象的所述第一区域和第二区域单独执行的。

37.根据项35或36所述的方法，其中，所述第一区域包括一个或多个对象的中心区域，并且所述第二区域包述一个或多个对象的外围区域。

38.根据项32至37中任一项所述的方法，其中，针对第一后续对象确定的灵活测量方案在其他后续对象中的每一个上执行。

39.根据项32至37中任一项所述的方法，其中，确定灵活测量方案的所述步骤是针对所述后续对象中的每一个单独执行的。

40.根据项30所述的方法，其中，特征数据包括描述与测量数据相关的一个或多个对象或对象的区域的参数的模型，并且所述测量数据包括第一组测量和后续组测量；该方法包括：

将模型拟合到第一组测量以获取拟合模型；

使用后续组测量评估拟合模型的模型性能；以及

基于对拟合模型性能的评估确定灵活测量方案。

41.根据项40所述的方法，其中，第一组测量与所述一个或多个对象中的第一对象或对象的所述区域中的第一区域相关。

42.根据项40或41所述的方法，其中，所述评估模型性能包括以下顺序步骤：

获取与后续组测量中的未测量的测量位置相关的后续测量值；

将所述后续测量与使用拟合模型预测的相应的各个预测测量值进行比较。

43.根据项42所述的方法，其中，执行所述顺序步骤，直到评估步骤确定一定数量的后续测量值在容差裕度内。

44.根据项40或41所述的方法，其中，所述方法包括确定描述拟合模型的拟合优度的值，并且所述评估模型性能包括以下顺序步骤：

通过测量后续组测量中的未测量的测量位置来获取后续测量值；

重复所述拟合步骤；

确定描述拟合优度的修订值；以及

评估拟合优度是否提高。

45.根据项44所述的方法，其中，执行所述连续步骤，直到评估步骤确定所述拟合优度在公差裕度内。

46.根据项42至45中任一项所述的方法，其中，所述评估模型性能包括确定描述与未测量位置相关联的不确定性水平的不确定性度量；以及对所述后续测量值执行所述顺序步骤，直到不确定度度量满足不确定度准则。

47.根据项46所述的方法，包括：通过选择被确定为在所拟合的模型中具有最高不确定性的未测量的测量位置，来确定用于在第一顺序步骤中进行测量的下一未测量的测量位置；或具有在拟合模型中包含最小/最大值的最大机会的未测量的测量位置。

48.根据项40至47中任一项所述的方法，包括：

当模型的模型性能低于阈值时，调整模型；

评估经调整模型的模型性能；

将经调整模型的模型性能与模型的模型性能进行比较；如果经调整模型的模型性能优于模型的模型性能，则由经调整模型更新所述模型。

49.根据项48所述的方法，其中，模型的更新基于以下一种或两种：

已知和/或预期行为的知识；以及

遗传程序设计软件，可操作以选择由有限组给定函数组成的最佳模型。

50.根据项30所述的方法，其中，所述特征数据包括期望的图案或形状；并且所述方法包括：

获取与一个或多个对象的所述测量位置中的一个或多个处的测量相关的测量数据；

确定图案或形状的最大值或最小值所在的位置；以及

获取与该位置处的测量相关的另一测量数据。

51.根据项30至50中任一项所述的方法，其中，所述对象或对象的区域各自包括用于在光刻工艺中图案化的基底。

52.根据项50所述的方法，其中，所述对象或对象的区域各自包括用于光刻装置的浸没罩的孔。

53.一种光刻装置，特别适于执行项19至52中任一项所述的方法的步骤。

54.一种检查装置，特别适于执行项19至52中任一项所述的方法的步骤。

55.一种计算机程序，包括计算机可读指令，该计算机可读指令在适当的计算机装置上运行时，使该计算机装置执行项19至52中任一项所述的方法。

56.一种计算机程序产品，包括项55所述的计算机程序。

57.根据项50所述的方法，其中，所述对象或对象的区域各自包括光刻装置的部件。

虽然在本文中可以具体参考的是光刻装置在IC制造中的使用，应当理解，本文描述的光刻装置可以具有其它应用，例如在集成光学系统的制造中对基底的处理、用于磁畴存储器、平板显示器、液晶显示器(LCD)、薄膜磁头等的引导和检测图案。本领域技术人员将理解，在这些替代应用的上下文中，本文中术语“晶圆”或“场”/“管芯”的任何使用可以被认为分别与更一般的术语“基底”或“目标部分”同义。在曝光之前或之后，可以在例如轨道(典型地将抗蚀剂层施加到基底并显影曝光的抗蚀剂的工具)、计量工具和/或检查工具中处理本文所述的基底。在适用的情况下，本文的公开可应用于这样的和其它基底处理工具。此外，基底可以被处理不止一次，例如为了创建多层IC，使得本文使用的术语基底也可以指已经包含多个经处理层的基底。

尽管上面已经具体参考了本发明的实施方式在光学光刻的上下文中的使用，但是应当理解，本发明可以用于其它应用，例如压印光刻，并且在上下文允许的情况下，本发明不限于光学光刻。在压印光刻技术中，图案化设备中的形貌定义了在基底上产生的图案。图案化设备的形貌可以被压入提供给基底的抗蚀剂层中，在该抗蚀剂层上，通过施加电磁辐射、热、压力或其组合来固化抗蚀剂。图案化设备从抗蚀剂中移出，在抗蚀剂固化后在其中留下图案。

本文使用的术语“辐射”和“束”包括所有类型的电磁辐射，包括紫外线(UV)辐射(例如具有或约365、248、193、157或126纳米的波长)和极紫外线(EUV)辐射(例如具有在5-20纳米范围内的波长)，以及粒子束，例如离子束或电子束。

在上下文允许的情况下，术语“透镜”可指各种类型的光学部件的任何一种或组合，包括折射、反射、磁性、电磁和静电光学部件。

虽然上面已经描述了本发明的具体实施方式，但是将理解，本发明可以以不同于所描述的方式来实践。例如，本发明可以采取包含描述如上所述的方法的一个或多个机器可读指令序列的计算机程序的形式，或者具有存储在其中的这种计算机程序的数据存储介质(例如，半导体存储器、磁盘或光盘)的形式。

以上描述旨在说明性，而非限制性。因此，对于本领域技术人员来说，显而易见的是，在不脱离所附权利要求的范围的情况下，可以对本发明进行所述的修改。此外，应当理解，在本文的任何一个实施方式中示出或描述的结构特征或方法步骤也可用于其它实施方式。

Claims

1.一种方法，包括：

获取与位置的集合相关联的测量数据；

分析所述测量数据，以确定所述位置的在统计学上不同的组；以及

基于所述在统计学上不同的组配置样本方案生成算法。

2.根据权利要求1所述的方法，其中组中的所述位置一起定义场内的一个或多个区域，所述场跨一个或多个基底重复。

3.根据权利要求1所述的方法，其中：

组中的所述位置一起定义一个或多个区域，所述一个或多个区域跨越多个场，所述多个场跨一个或多个基底，所述多个场在由所述样本方案生成算法生成的采样方案中具有不同的相应子采样；以及

分析所述测量数据的步骤包括：使用所跨越的多个场的不同的相应子采样，跨所跨越的多个场堆叠所述测量数据，以确定所述位置的所述在统计学上不同的组。

4.根据权利要求1所述的方法，其中所述样本方案生成算法包括遗传算法。

5.根据权利要求4所述的方法，其中配置算子的步骤包括配置交叉算子以在所确定的在统计学上不同的组之间交换采样信息。

6.根据权利要求4所述的方法，其中配置算子的步骤包括配置变异算子以变异所选择的确定的在统计学上不同的组中的采样信息。

7.根据权利要求4所述的方法，其中所述样本方案生成算法包括多目标遗传算法，并且所述方法还包括：

获取与跨一个或多个基底的样本方案相关联的约束；以及

使用所述约束作为所述样本方案生成算法的输入。

8.根据权利要求4所述的方法，其中所述样本方案生成算法包括多目标遗传算法，并且所述方法还包括：

获取与跨一个或多个基底的样本方案相关联的多个关键性能指标；以及

在所述样本方案生成算法中的适应度函数中使用所述关键性能指标。

9.根据权利要求8所述的方法，其中所述适应度函数包括在针对所述位置的集合的所述测量数据计算的所述关键性能指标与针对简化样本方案个体计算的所述关键性能指标之间的比较。

10.根据权利要求1所述的方法，其中所述位置的集合是跨一个或多个基底被定义的。

11.根据权利要求1所述的方法，其中所述位置的集合是跨一个或多个场被定义的。

12.根据权利要求11所述的方法，其中所述测量数据包括由光学平面内的传感器跨场测量的参数的值。

13.根据权利要求12所述的方法，其中所述参数是以下之一：像差水平、剂量、焦点水平或检测到的标记的位置。

14.一种计算机程序，包括计算机可读指令，当所述计算机可读指令在适当的计算机装置上运行时，使所述计算机装置执行权利要求1所述的方法。

15.一种计算机程序产品，包括权利要求14所述的计算机程序。