CN113711128B

CN113711128B - 用于确定针对光刻设备的校正的方法

Info

Publication number: CN113711128B
Application number: CN202080029533.6A
Authority: CN
Inventors: R·沃克曼; D·F·S·德克尔; 西蒙·飞利浦·斯宾塞·哈斯廷斯; J·T·杰巴兹; S·阿尔·拉赫曼; D·哈诺坦耶; 林晨希; 程亚娜
Original assignee: ASML Holding NV
Current assignee: ASML Holding NV
Priority date: 2019-04-16
Filing date: 2020-03-18
Publication date: 2024-05-14
Anticipated expiration: 2040-03-18

Abstract

提供一种用于确定针对在对衬底进行图案化的过程中所使用的设备的校正的方法，所述方法包括：获得与待处理的衬底的特征标识的处理历史和/或相似性相关联的分组结构；获得与所述分组结构内的多个分组相关联的量测数据，其中所述量测数据在所述多个分组之间是相关的；和通过将模型应用于所述量测数据来确定针对来自所述多个分组的一分组的校正，所述模型至少包括共同校正分量和特定于分组的校正分量。

Description

用于确定针对光刻设备的校正的方法

相关申请的交叉引用

本申请要求于2019年4月16日递交的美国申请62/834,618和于2019年6月24日递交的美国申请62/865,415的优先权，这些美国申请的全部内容通过引用并入本文中。

技术领域

本发明涉及处理用于生产例如半导体器件的衬底。

背景技术

光刻设备是将期望的图案施加至衬底上的机器。例如，光刻设备可用于例如集成电路(IC)的制造。光刻设备可例如将图案形成装置(例如，掩模)处的图案(也常被称为“设计布局”或“设计”)投影到设置于衬底(例如晶片)上的辐射敏感材料(抗蚀剂)层上。

为了将图案投影到衬底上，光刻设备可以使用辐射。这种辐射的波长确定了可以形成于所述衬底上的特征的最小大小。当前使用的典型波长约为365nm(i-line)、约248nm、约193nm和约13nm。使用具有在4至20nm(例如6.7nm或13.5nm)范围内的波长的极紫外(EUV)辐射的光刻设备可被用来在衬底上形成比使用例如具有约193nm波长的辐射的光刻设备更小的特征。

低k1光刻可用于对尺寸比光刻设备的经典分辨率极限更小的特征进行处理。在这种过程中，分辨率公式可以表示为CD＝k1×λ/NA，其中λ是所使用的辐射的波长，NA是所述光刻设备中的投影光学元件的数值孔径，CD是“临界尺寸”(通常是所印刷的最小特征尺寸，但在本例中，为半间距)且k1是经验分辨率因子。一般来说，k1越小，则在衬底上重现与由电路设计师所规划的形状和尺寸相似的图案越难，以便实现特定的电气功能和性能。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。例如，这些包括但不限于优化数值孔径(NA)、定制照射方案、使用一个或更多个相移图案形成装置、优化设计布局(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的其它方法(RET)。另外或替代地，用于控制所述光刻设备的稳定性的一个或更多个紧密控制回路可用于改善低k1情况下所述图案的再现。

发明内容

光刻设备的控制的有效性可能取决于各单独衬底的特性。例如，在由所述光刻设备(或制造过程的任何其它过程步骤，这里一般称为制造过程步骤)处理之前由第一处理工具处理的第一衬底可受益于与在由所述光刻设备处理之前由第二处理工具处理的第二衬底相比(稍微)不同的控制参数。

例如，期望基于对预处理数据的知识来控制关注的制造过程，因为这允许控制回路预测所预期的后处理结果。然而，这种控制通常涉及到前处理信息与后处理信息之间的关系、以及关注的过程的一个或更多个控制参数如何影响所述后处理数据的知识。可能并不总是知道关注的过程的一个或更多个控制设置如何影响后处理数据。例如，在光刻过程中所施加的剂量设置可以对与在执行所述光刻过程之后所获得的特征相关联的某一临界尺寸具有能够预测到的影响，或者可能没有影响。更大的问题可能是，基于(通常是非常大量的)预处理数据对后处理数据进行预测的方法的性能较差。通常，预处理数据包含太多的参数，以致无法构建将预处理数据与后处理数据链接/关联起来的一可靠的模型。

机器学习技术可被用来识别在处理情境中所观察到的对于正在经受一过程的多个衬底的一个或更多个特性(诸如重叠、CD、边缘放置误差(EPE)等)的影响之间的因果关系模式。这些模式可以接着用以预测和校正在处理后续衬底时的误差。全文以引用方式并入本文中的PCT专利申请公布号WO 2017/060080号中描述这样的系统的一些示例。在少数情况下，预处理数据具有相关联参数的有限集合。例如，当仅蚀刻腔室的识别(ID)用作与待处理的衬底相关联的预处理数据时，在后处理数据(例如，重叠指纹或重叠特征标识)与被包括在预处理或情境数据内的参数的值之间建立关系可能是简单的；例如通过分解所述重叠特征标识以确定所使用的特定蚀刻腔室的贡献。然而，在较复杂的制造过程(例如，多个图案化过程)中，用以产生单层的总过程可以包括多个曝光和蚀刻步骤，其中可能对多个设备中的一个设备上的多个处理站中的一个处理站(平台或腔室)上执行每个步骤。如此，每个衬底经受的过程工具和处理站的潜在组合的数目可以增加至由于所涉及的量测工作而使这种特征标识分解不可行的程度。

将会期望改善这样的过程控制过程。

在一方面中，提供一种用于确定针对在对衬底进行图案化的过程中所使用的设备的校正的方法，所述方法包括：获得与待处理的衬底的特征标识的处理历史和/或相似性相关联的分组结构；获得与所述分组结构内的多个分组相关联的量测数据，其中所述量测数据在所述多个分组之间是相关的；和通过将模型应用于所述量测数据来确定针对来自所述多个分组的一分组的校正，所述模型至少包括共同校正分量和特定于分组的校正分量。

在一方面中，提供一种计算机程序，所述计算机程序包括程序指令，所述程序指令能够操作以当在合适设备上运行时执行如本文中所描述的方法。

附图说明

现在将仅作为示例参考随附示意性附图来描述本发明的实施例，在所述附图中：

图1描绘光刻设备的示意性概略图；

图2描绘光刻单元的示意性概略图；

图3示意性地示出图1和图2的光刻设备和光刻单元连同形成用于制造例如半导体器件的制造设施的一个或更多个其它设备的使用，所述设施包括实施制造优化技术的控制设备；

图4包括根据本发明的实施例的批次间(run to run)控制的示意性概略图；

图5描绘根据本发明的实施例的推断测量结果的贝叶斯(Bayesian)框架；和

图6图示根据本发明的实施例使用维纳(Wiener)滤波器以基于测量数据来推断与未测量分组相关联的衬底的特性。

具体实施方式

图1示意性地描绘光刻设备LA。所述光刻设备包括：照射系统(也称为照射器)IL，所述照射系统被配置成调节辐射束B(例如UV辐射，DUV辐射或EUV辐射)；支撑件(例如掩模台)T，所述支撑件被构造成支撑图案形成装置(例如掩模)MA，并且连接至被配置成根据某些参数来准确地定位所述图案形成装置的第一定位装置PM；一个或更多个衬底支撑件(例如晶片台)WTa和WTb，所述衬底支撑件被构造成用以保持衬底(例如涂覆有抗蚀剂的晶片)W且连接至被配置成根据某些参数来准确地定位所述衬底的第二定位装置PW；和投影系统(例如折射投影透镜系统)PS，所述投影系统被配置成将由图案形成装置MA赋予至辐射束B的图案投影至所述衬底W的目标部分C(例如包括一个或更多个管芯)上。

在操作中，照射系统IL接收来自辐射源SO的辐射束，例如经由束传递系统BD。照射系统IL可以包括用于引导、成形和/或控制辐射的各种类型的光学部件，诸如折射型、反射型、磁性型、电磁型、静电型和/或其它类型的光学部件，或其任何组合。照射器IL可用以调节所述辐射束B在其在图案形成装置MA的平面处的横截面上具有期望的空间和角强度分布。

本文中所使用的术语“投影系统”应被广泛地解释为涵盖适于所使用的曝光辐射、或适于诸如浸没液体的使用或真空的使用之类的其它因素的各种类型的投影系统，包括折射型、反射型、反射折射型、变形型、磁性型、电磁型和/或静电型光学系统，或其任何组合。可以认为本文中对术语“投影透镜”的任何使用都与更上位的术语“投影系统”PS同义。

光刻设备LA可以是这样的类型，其中衬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PS和衬底W之间的空间，这也被称为浸没式光刻。关于浸入技术的更多信息在美国专利号6,952,253中给出，该专利通过引用并入本文中。

本例中的光刻设备LA是所谓的双平台类型，具有两个衬底表WTa和WTb以及两个工作站(曝光站和测量站)，衬底表可以在两个工作站之间移动。当一个衬底台上的一个衬底在曝光站EXP处曝光时，另一个衬底可以在例如测量站MEA处或在另一个位置(未示出)加载到另一个衬底台上，或者可以在测量站MEA处被处理。带有衬底的衬底表可位于测量站MEA，以便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绘制衬底的表面高度和/或使用对准传感器AS测量衬底上对准标记的位置。对准标记名义上被布置成规则的网格模式。然而，由于产生标记的不精确性以及在整个处理过程中发生的衬底变形，标记可能偏离理想网格。因此，除了测量衬底的位置和方向之外，如果设备LA要在正确的位置高精度地打印产品特征，则实际上对准传感器可以详细地测量横跨衬底区域的许多标记的位置。因此，校准标记的测量可能是耗时的，并且提供两个衬底表能够使设备的吞吐量显著增加。如果位置传感器IF在测量站和曝光站不能测量衬底台的位置，则可以提供第二位置传感器，以使衬底表的位置能够在两个站处被追踪。本发明的实施例可应用于仅具有一个衬底表或具有两个以上衬底表的设备中。

除了具有一个或更多个衬底支撑物之外，光刻设备LA可包括测量平台(未示出)。测量平台被布置成容纳传感器和/或清洁装置。所述传感器可被布置成测量投影系统PS的性质或辐射束B的性质。所述测量平台可容纳多个传感器。清洁装置可以被布置成清洁光刻设备的一部分，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WT远离投影系统PS时，测量平台可在投影系统PS下方移动。

辐射束B入射到被保持在支撑结构(例如，掩模台)MT上的图案形成装置(例如，掩模)MA上，并且由所述图案化器件图案化。在已穿越所述图案形成装置MA的情况下，辐射束B传递通过投影系统PS，投影系统PS将所述束聚焦至衬底W的目标部分C上。借助于第二定位装置PW和位置传感器IF(例如，干涉装置、线性编码器、或电容性传感器)，可以准确地移动衬底台WTa/WTb，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，第一定位装置PM和另一位置传感器(其在图1中未明确地描绘)可以用于例如在从掩模库的机械获取之后、或在扫描期间相对于辐射束B的路径来准确地定位所述图案形成装置MA。通常，可以借助于形成第一定位装置PM的部分的长行程模块(粗定位)和短行程模块(精定位)来实现支撑结构MT的移动。类似地，可以使用形成第二定位装置PW的部分的长行程模块和短行程模块来实现衬底台WTa/WTb的移动。在步进器(相对于扫瞄器)的情况下，支撑结构MT可以仅连接至短行程致动器，或可以是固定的。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来对准图案形成装置MA和衬底W。尽管如所图示的衬底对准标记占据专用的目标部分，但所述衬底对准标记可以位于目标部分之间的空间中(这些标记被称为划道对准标记)。类似地，在多于一个管芯被设置于图案形成装置MA上的情形中，图案形成装置对准标记可以位于所述管芯之间。

所述设备还包括光刻设备控制单元LACU，其控制光刻设备(例如所描述的那些)的各种致动器和传感器的所有运动和测量。控制单元LACU还包括信号处理和数据处理能力，以实现与设备操作相关的期望计算。在实践中，控制单元LACU将被实现为一个由多个子单元组成的系统，每个子单元处理设备内某个子系统或部件的实时数据采集、处理和控制。例如，一个处理子系统可专用于衬底定位器PW的伺服控制。单独的装置甚至可以处理粗略致动器和精细致动器，或者不同的轴。另一个单元可能专用于位置传感器的读出。设备的总体控制可由中央处理单元控制，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设备通信。

如图2所示出的，光刻设备LA可以形成光刻单元LC(有时也被称作光刻元或(光刻)簇)的部分，光刻单元LC也包括用以对衬底W执行曝光前过程和曝光后过程的设备。常规地，这些设备包括用于沉积一个或更多个抗蚀剂层的一个或更多个旋涂器SC、用于显影经曝光的抗蚀剂的一个或更多个显影器DE、一个或更多个激冷板CH和/或一个或更多个焙烤板BK，例如，用于调节衬底W的温度，例如用于调节在抗蚀剂层中的溶剂。衬底输送装置或机器人RO从输入端口I/O1、输出端口I/O2拾取一个或更多个衬底，在不同的过程设备之间移动这些衬底、且将所述衬底W传递至光刻设备LA的进料台LB。常常被统称为涂覆显影系统或轨道(track)的这些装置通常处于涂覆显影系统控制单元或轨道控制单元TCU的控制下，涂覆显影系统控制单元或轨道控制单元TCU自身受管理控制系统SCS控制，管理控制系统SCS也例如经由光刻控制单元LACU来控制所述光刻设备LA。

为了正确且一致地曝光由光刻设备LA曝光的衬底W，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，一个或更多个检查工具(未图示)可能被包含在光刻元LC中。如果检测到误差，则例如可以对后续衬底的曝光或对将要对所述衬底W执行的其它处理步骤进行调整，尤其是如果在同一批量或批次的其它衬底W仍待曝光或处理之前进行检查的情况下。

也可称为量测设备或量测工具的检查设备MET用于确定所述衬底W的一个或更多个性质的值，且特别是，不同衬底W的一个或更多个性质的值如何变化、或与同一衬底W的不同层相关联的一个或更多个性质如何在层与层之间变化。所述检查设备可被构造成用以识别所述衬底W上的缺陷，并且可以例如是光刻元LC的一部分，或者可以被集成到所述光刻设备LA中，或者甚至可以是单独的装置。所述检查设备可测量潜像(曝光后的抗蚀剂层中的图像)或半潜像(在曝光后焙烤步骤之后的抗蚀剂层中的图像)或经显影的抗蚀剂图像(其中已除去所述抗蚀剂的经曝光或未曝光部分)，或者甚至在经蚀刻图像上(在诸如蚀刻之类的图案转印步骤之后)上的一个或更多个性质。

图3示出了在工业制造设施(例如，半导体或器件产品)的情境中的光刻设备LA和光刻元LC。在光刻设备(或简称“光刻工具”200)内，测量站MEA示出于202处，且曝光站EXP示出于204处。所述控制单元LACU如206所示。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”还包括涂覆设备SC、208，其用于将光敏抗蚀剂和/或一个或更多个其它涂层施加到衬底W上以用于由该设备200进行图案化。在设备200的输出侧处，设置焙烤设备BK、210和显影设备DE、212，用于将仅曝光图案显影为实体抗蚀剂图案。为了清楚起见，图3中所示的其它部件被省略了。

一旦图案已经被施加和显影，则图案化衬底220被转印到诸如在222、224、226处所图示的一个或更多个其它处理设备。在典型的制造设施中，各种各样的处理步骤由不同的设备来实现。为了示例起见，本实施例中的设备222是蚀刻站，并且设备224执行蚀刻后退火步骤。另外的物理和/或化学处理步骤应用于其它设备226等。可能需要许多类型的操作(诸如，材料的沉积、表面材料特性的改性(氧化、掺杂、离子注入等)、化学机械抛光(CMP)、等等)来用以制造真实的器件。实际上，所述设备226可以表示在一个或更多个设备中执行的一系列不同的处理步骤。

所描述的包括一系列图案化过程步骤的制造过程只是其中可以应用本文所披露的技术的工业过程的一个示例。所述半导体或器件制造过程包括一系列的图案化步骤。每个图案化处理步骤包括图案化操作，例如光刻图形化操作，以及许多其它化学和/或物理操作。

器件的制造涉及到这种处理的多次重复，以在所述衬底上逐层地利用适当的材料和图案来构建器件结构。例如，现代器件制造过程可包括40或50个单独的图案化步骤。因此，到达所述光刻簇的衬底230可以是新制备的衬底，或者它们可以是先前已在该簇232中或完全地在另一个设备中处理的衬底。类似地，取决于所需的处理，离开的设备226上的衬底可返回以用于在相同的光刻簇(诸如衬底232)中的后续图案化操作，它们可以预定用于在不同簇(诸如衬底234)中的图案化操作，或者它们可以是待发送用于切割和封装的成品(诸如衬底234)。

产品结构的每一层通常涉及一组不同的过程步骤，且在每一层处所使用的设备在类型上可能完全不同。此外，即使在待由所述设备应用的处理步骤是名义上相同的情况下，在大型设施中，也可能存在若干个假设相同的机器并行工作以在不同的衬底上执行处理。这些机器之间的设置或故障的微小差异可能意味着它们以不同的方式影响不同的衬底。甚至对于每一层相对常见的步骤，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吞吐量的若干个蚀刻设备来实施。并行处理也可以在较大设备内的不同腔室中执行。此外，在实践中，根据待蚀刻的材料的细节，不同层通常涉及不同的蚀刻过程，例如化学蚀刻、等离子蚀刻等，以及诸如例如各向异性蚀刻之类特殊要求。

如刚才提及的，可以在其它光刻设备中、并且甚至可以在不同类型的光刻设备中执行先前和/或后续处理。例如，在例如分辨率和/或重叠方面要求非常高的器件制造过程中的一个或更多个层可以在比要求较低的一个或更多个其它层更高级的光刻工具中执行。因此，一个或更多个层可以在浸没式光刻工具中曝光，而一个或更多个其它层在“干式”工具中曝光。一个或更多个层可以在工作于DUV波长的情况下的工具中曝光，而一个或更多个其它层使用EUV波长辐射来曝光。

图3中还示出了所述量测设备(MET)240，其被设置用于在制造过程中的期望阶段对产品的参数进行测量。在现代光刻制造设施中的量测站的常见示例是散射仪，例如角分辨散射仪或光谱散射仪，并且其可应用于在设备222中蚀刻之前在220处测量经显影衬底的一个或更多个性质。使用量测设备240，例如，可以确定诸如重叠或临界尺寸(CD)之类的性能参数不满足在经显影的抗蚀剂中规定的准确度要求。在蚀刻步骤之前，存在剥离经显影的抗蚀剂并且通过光刻簇再处理一个或更多个衬底220的机会。此外，来自设备240的量测结果可用于通过随时间进行小调整来维持在所述光刻簇中的图案化操作的准确性能，由此降低或最小化产品不符合规格以及需要返工的风险。当然，量测设备240和/或一个或更多个其它量测设备(未示出)可用于测量经处理衬底232、234和/或输入衬底230的一个或更多个性质。

通常，光刻设备LA中的图案化过程是在处理过程中最重要的步骤之一，该处理涉及在所述衬底W上的尺寸确定和结构放置的高准确度。为了帮助确保这种高准确度，可以在图3中示意性图示的控制环境中组合三个系统。这些系统之一是光刻工具200，它(实际上)被连接到量测仪器240(第二个系统)且连接到计算机系统CL 250(第三个系统)。这种环境的期望是优化或改善这三个系统之间的协同工作，以增强整体的所谓“过程窗口”并且提供一个或更多个紧密的控制回路，以帮助确保由所述光刻设备LA执行的图案化保持在过程窗口内。所述过程窗口限定了多个过程参数(例如，选自剂量、聚焦、重叠等等中的两个或更多个)的值的范围，在该范围内，特定的制造过程产生一个经限定的结果(例如，功能性半导体器件)——通常是允许其中的在所述光刻过程或图案化过程中的过程参数的值发生变化、而同时产生适当结构(例如，根据CD的可接受范围(诸如标称CD的+-10％)来指定)的范围。

计算机系统CL可以使用待被图案化的所述设计布局(的部分)来预测将要使用哪一种或更多种分辨率增强技术，并且执行计算光刻模拟和计算，以确定哪种图案形成装置布局和光刻设备设置实现了所述图案化过程的最大的总体过程窗口(在图3中由第一刻度盘SC1中的双箭头所描绘)。通常，分辨率增强技术被布置成与所述光刻设备LA的图案化可能性相匹配。所述计算机系统CL还可用于检测所述光刻设备LA当前在所述处理窗口内的何处运行(例如，使用来自所述量测工具MET的输入)，以预测是否由于次优处理(在图3中由第二刻度盘SC2中指向“0”的箭头所示)而可能存在缺陷。

量测工具MET可以向所述计算机系统CL提供输入以实现准确的模拟和预测，并且可以向所述光刻设备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中由第三刻度盘SC3中的多个箭头描绘)。

计算机系统250基于以下的组合来实施反馈控制的形式：(i)与在给定处理步骤(例如光刻步骤)中处理之前的衬底相关联的第一数据或“预处理数据”；和(ii)与已被处理之后的衬底相关联的第二数据或“后处理数据”。作为预处理数据的示例，计算机系统250可以访问情境数据CDAT。此情境数据可以是并非从产品本身获得的数据，而是代表单个产品单元(例如，晶片或其它衬底)、或产品单元的多个批次的全部或部分处理历史的数据。作为预处理数据的示例，历史性能数据PDAT如图3所示，其可包括例如由量测设备240制造的重叠和/或CD的测量结果，以及与单个衬底相关联的情境数据CDAT。因此，计算机系统250可以访问历史性能数据PDAT，所述历史性能数据PDAT存储在存储器252中。在整个该图上的箭头254图示出了情境数据可以如何来自任何设备。情境数据也可以与新衬底230一起到达。例如，所述情境数据可以记录已经应用了哪些类型的处理步骤，在执行那些步骤时已使用了哪一个或更多个单独的设备，以及由那些一个或更多个设备应用了哪一个或更多个参数(例如，当在蚀刻设备中222的同时的温度或压力的设置，或者诸如照射模式、对准选配方案等等的参数)。所述情境数据被存储在存储器256中以供所述计算机系统250使用。

性能数据PDAT可以被视为在本文所披露的技术的一些实施例中所使用的对象数据的示例。预处理数据的其它示例可包括在处理的执行之前或期间(直接地或间接地)在产品单元上进行的测量所导出的对象数据ODAT。图3示出了可选地收集和储存在数据库260中的此对象数据。此对象数据可以是在产品单元本身上所测量的数据，也可以是在涉及工业过程的其它部分上所测量的数据。作为示例，存储在数据库260中所储存的对象数据可以包括通常由光刻设备200使用在所述测量站202中的对准传感器AS而获得的对准数据。由于表示所述衬底的X-Y平面上的标记的位置的详细测量的数据是作为正常图案化操作的一部分而固有地获得的，因此通过指示所述控制单元LACU 206将所述数据储存在对象数据存储器260中而几乎不招致损失或没有招致损失。替代地，或者除了对准数据之外，所述对象数据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“晶片品质”信号。在其它实施例中，所述对象数据可以包括在所述系统中的其它地方所测量的数据，而不是在产品单元本身上所测量的数据。此类对象数据的示例可以是使用图1的所述光刻设备的一个或更多个衬底支撑件中的图案形成装置对准标记M1、M2和/或一个或更多个传感器而获得的图案形成装置(掩模或掩模版)对准数据。

在此说明书中所使用的术语“对象数据”可以包括可在制造设施中收集的各种各样的数据，这些数据针对历史产品单元、或针对待处理的新产品单元。本文中所使用的“对象数据”可以包括性能数据PDAT(在处理之后从经处理产品单元测量并且存储在存储器252中)和其它类型的对象数据ODAT(在处理之前和/或期间从产品单元或其它系统测量，并被存储在存储器260中)。根据情境，此对象数据可以是“预处理数据”或“后处理数据”。在特定处理步骤之前收集的对象数据，包括例如紧接在衬底的曝光之前所测量的对准数据或高度数据，可以被视为本文所描述的预处理数据的形式。相对于前一处理步骤，相同的对象数据可以被视为性能数据，即后处理数据。例如，对准标记可能包含先前蚀刻或抛光步骤的指纹即特征标识(fingerprint)。因此，在一些实施例中，一段对象数据可以作为在一个处理步骤的控制回路中的后处理数据(历史性能数据)，以及作为在稍后处理步骤的控制回路中的预处理数据(类似于情境数据)。

虽然图3示出了针对情境数据、性能数据和其它对象数据中的每一个的单独存储器252、256、260，但是应该理解，这些不同类型的数据可以被存储在一个公共存储单元中，或者可以分布在较大数目的存储单元上，当需要时可以从中检索特定的数据项。此外，虽然情境数据254被示为来自单个设备222、224等，但是数据可以经过中央控制系统来收集，该中央控制系统作为一个整体来控制所述光刻元和/或制造工厂的操作。

所述对象数据、情境数据和性能数据存储器中的每个记录都利用独特标识符来标记。注意到单个衬底可能在制造过程中重复地传递通过相同的光刻工具，或者可能传递穿过均测量相同标记的不同工具，则可以在制造过程的不同阶段收集同一产品单元的数据。在分析中，这些测量实例中每一个都可以作为一个独立的产品单元来处理。然而，在复杂制造过程的不同阶段测量同一衬底的多个实例的情况下，所述对象数据将包括标识符，该标识符不仅唯一地标识单个衬底，而且唯一地标识已测量衬底的处理阶段。通常，在光刻过程中，同一衬底的不同实例将与器件结构的图案化连续层相关联。

一个相对较新的技术领域是机器学习领域。与此技术相关的方法现在被用以基于对存在于所获得的数据(测量和情境数据)中的图案的识别来改进对过程参数的预测。此外，机器学习技术可用于指导用户选择对过程控制目的最有用的数据。

由于(半导体)制造过程涉及多个处理设备(一个或更多个光刻设备、一个或更多个蚀刻站，等等)，因此优化整个过程可能是有益的，例如考虑与单个处理设备相关联的特定校正能力。这导致对第一处理设备的控制可以(部分地)基于第二处理设备的一个或更多个已知控制性质的观点。这种策略通常被称为协同优化。这种策略的实例是光刻设备和图案形成装置和/或光刻设备和蚀刻站的密度分布的联合优化。有关协同优化的更多信息可在PCT专利申请公开号WO 2017/067748和WO 2017/144343中找到，它们通过引用合并入本文中。

如所论述的，情境数据可用于过程控制的目的。机器学习技术可用于识别在情境数据中的图案，并随后使它们与对经受过程的衬底的一个或更多个特性(诸如重叠、CD、边缘放置误差(EPE)等)的预期影响相关。已知方法取决于历史后处理数据的可用性，诸如重叠数据、CD数据或在大组的已处理衬底上所测量的产率数据，对于这些衬底，预处理(情境)数据(在经历某个关注的过程之前与衬底相关联的数据)也是可用的。为了将这两类数据联系起来，通常所述后处理数据基于公知的方法(诸如k均值和/或PCA分析)进行聚类。随后，建立了所述后处理数据聚类与预处理数据之间的关系，以便仅基于其相关联的预处理数据来制定能够将待处理衬底指派给后处理数据的某一预期特性的模型。这些系统的实例在PCT专利申请公开号WO 2017/060080中描述，其通过引用被整体合并入本文中。

在几种情况下，预处理数据具有有限的相关联参数集合。例如，当只记录蚀刻腔室的识别号或标识符(ID)以表征与待处理衬底相关联的预处理数据时。在这种情况下，在关于某一聚类后处理数据的衬底与包含在所述预处理数据中的参数的值之间建立关系通常是很直截了当的/容易的。在实例中，可将与某类重叠数据(指纹即特征标识)相关联的某簇衬底分配给蚀刻腔室ID的值，例如，与由腔室2进行的先前处理相关联的衬底可以例如与径向重叠特征标识相联系，而与由室5进行的先前处理相关联的衬底可用以例如与鞍形重叠特征标识相联系。因此，当已知待处理衬底已通过蚀刻腔室5时，可调整该过程(控制)以通过对该过程(例如，对光刻过程)施加适当的重叠校正来补偿鞍形重叠特征标识。

然而，通常，预处理数据可以包括与至少一个且多达许多过程步骤相关的情境数据。在现代半导体或其它器件制造设施(通常被简称为“厂房(fab)”或“晶片厂房”)中，可以对许多处理设备/工具执行许多处理步骤且可能出于以情境为基础的控制目的来使用这许多处理步骤。即使对于单层，该多个步骤也可以包括光刻设备(例如扫描器曝光)步骤，接着是多个不同的蚀刻步骤(例如，在双重或多重图案化过程中，例如，自对准多重图案化SAMP，可以存在四个或更多个单独的蚀刻步骤)。这些步骤中的每个步骤具有相关联的情境值，例如用于光刻设备步骤的特定台/卡盘和/或用于通常使用不同蚀刻工具来执行的蚀刻步骤中的每个蚀刻步骤的不同腔室。厂房通常将针对特定制造过程利用多个光刻设备和多个蚀刻装置。

过程控制方法将旨在校正这些多个处理设备对蚀刻之后的性能的影响。为了进行这种校正，将后处理数据内的最终性能参数特征标识(例如，衬底/管芯/场上方的性能参数的值或它们的残差的空间分布)分解成对这种特征标识的单独的工具贡献。这种性能参数特征标识的示例是：重叠特征标识、CD特征标识、产率特征标识、聚焦特征标识、和/或EPE特征标识。使用CD的示例，最终CD特征标识可以被分解为由沉积所产生的特征标识、由光刻所产生的特征标识、和由每个蚀刻步骤所产生的特征标识。

特征标识分解的一个目标是确定特征标识库。这种库继而用以基于与用以处理特定衬底的每个设备站相关的预处理数据(并且更具体地，情境数据或情境标签)来计算(估计)每个新衬底的最终性能特征标识(及其校正)。

因此，为了使用本发明技术实施将最终性能特征标识分解为单独的工具贡献特征标识的这种方法，必须存在与每个预处理数据组合相关的大量后处理数据，下文被称作过程线程。在这样的情境下的过程或情境线程(context thread)是处理设备内的处理站的特定组合，用以在制造过程中处理特定衬底(例如，以形成层)。处理设备因此可以包括光刻设备(例如扫描器)、蚀刻设备、沉积设备或在半导体或器件制造过程中所使用的任何其它处理设备，并且处理站可以包括所述处理设备的子站(或所使用的唯一站，例如在仅仅存在一个的情况下)(例如双平台或多平台光刻设备的卡盘/平台、蚀刻设备的蚀刻腔室，等等)。因此，用于包括特定衬底上的5个步骤a)至e)的制造过程的过程线程可以包括(仅仅例如)：a)光刻设备3的平台1、b)分割蚀刻工具2的腔室1、c)间隔蚀刻工具1的腔室2、d)清洁蚀刻工具4的腔室2以及e)最终蚀刻工具3的腔室1。

因此，可以了解，用于每个过程线程的处理站的可能组合的数目很大。如此，被测量以构造特征标识库的衬底的量将随着处理步骤的量、每处理步骤的单独处理设备的数目、和每处理设备的单独处理站的数目而非常快速地增长。对于许多多重步骤过程，这将增加至目前特征标识分解技术在实践中不再可行的级别。

通常，成批次地处理衬底。一批次可以包括将全部在厂房内的处理设备的相同组合上受处理的衬底，但不必是相同的处理站。虽然一批次常规地包括25个衬底，但所提议的方法可以使用具有任何数目个批次。

在重叠批次间(常常缩写为run2run)控制中，根据每批次所测量的一组衬底(例如，晶片)估计了重叠特征标识。这些衬底被拟合至特征标识，并且接着通常将这种特征标识与早先的特征标识混合，以使用例如指数方式加权的移动平均(EWMA)滤波器来创建新的特征标识估计。替代地，所述特征标识可以仅被周期性地更新，或甚至测量一次且保持恒定。这些方法中的一些或全部的组合也是可能的。这种计算的结果则是通过优化工作以便设定用于下一批次的一个或更多个设备致动器(例如一个或更多个光刻致动器)以减小或最小化重叠。

这种构思的改进是基于衬底级别分组控制(WLGC)，其中每个临界情境(例如，蚀刻器或其它显著工具识别符或工具状态)用以将衬底分组成小数目个控制线程。接着使用EWMA估计来独立地控制这些控制线程。假定多个单独的情境(例如一个或更多个蚀刻器以及一个或更多个光刻设备)各自贡献于一种对于与在衬底上所观测到的参数(例如CD或重叠)相关的空间分布进行描述的衬底特征标识，并且一种线性地组合这些贡献的模型被拟合以确定系数。

对于WLGC中所使用的运行间控制情况，在存在可用的共同特征标识时，多个单独的线程中的衬底的分组意味着每线程(情境)仅几个衬底可以用于测量，并且因为在确切地相同的线程出现之间可能花费较长时间，所以较不常更新所述特征标识。例如，如果分组被定义为一组蚀刻器，则那些蚀刻器可以仅每隔几天而不是每隔几小时使用，从而导致当出于控制的目的而需要与蚀刻器组相关联的特征标识时所述特定特征标识是较为过时的。由于蚀刻器通常负责所述重叠特征标识的相对较小比例的总体变化，而其它变化源通常负责较大比例(例如共同特征标识，光刻设备的共同特征标识是相当大的部分)，因此来自在相对应的组可以用于测量的批次之间所执行的许多光刻设备测量的信息可以不用于运行间控制。这可能导致重叠校正性能的相当大的损失。

将描述一种用于以稳定运行方式将与不同线程或分组相关联的贡献作为总和拟合至测量(性能)数据的方法，从而例如在重叠域中连续地共享信息。实施例提供一种在不论何时新测量数据变得可以用的情况下更新所述光刻设备对测量(性能数据)的贡献的方式，所述贡献是与该特定光刻设备相关联的所有线程所共有的，而同时保留特定分组的贡献相对地未受影响，因此，未经测量分组仅在其特定于分组的贡献中过时，而不是在其光刻设备贡献中过时。

与不同线程(分组)相关联的特征标识之间的共同性可以用以增强对于针对设备(诸如光刻设备)的校正的确定。通常，重叠(测量)数据用于设备(诸如光刻设备)的运行间控制。

通常，大量噪声存在于重叠信号中。然而，这种噪声的相当大部分(跨越衬底的空间特征标识和时间演化)不是特定于线程(分组)的，而是在衬底的各分组之间是相关的。当采用仅仅特定于分组的控制策略时，量测数据的取样率的降低可能导致噪声对所确定的(特定于分组的)设备校正的相当大的影响。在这样的情况下，噪声实际上被不正确地解释为用于控制的适当输入信号。

因此，本文中所提议的是：被配置成基于量测数据提供设备控制的框架，所述量测数据考虑线程结构，而同时被装备以在制造环境中在不同线程之间共享信息。

图4图示用于确定组和光刻设备特征标识的统计协同优化框架。所述框架能够实现分组之间的信息组合。所述框架旨在从全部分组提取最大信息，而同时保留在分组之间所观测到的(量测)信号之间的差。这种方法可以被扩展为包括来自多个光刻设备的信息且甚至能够启用被施加至衬底的多个层之间的信息的组合，并且也可能能够启用相关产品之间的信息。

更具体地，图4图示具有由光刻设备处理的衬底的至少三个线程(分组)的半导体或器件制造过程的示例。例如，每个单独的分组可以与在处理所述衬底时所使用的特定工具(例如光刻设备或蚀刻器)或工具的线程(过程或情境线程)相关。替代地，可以基于与关注的衬底相关联的数据的特征标识来限定每个分组。例如，所述特征标识可以与来自光刻设备(或单独的对准站)的预处理数据相关，诸如如在由光刻设备曝光之前所测量的衬底的高度图或对准数据。

在图4中，三个分组被称作G0、G1和G2且被表示处于四个不同批次(时间段)N-2、N-1、N、N+1。例如，分组G0与第一蚀刻设备相关联，分组G1与第二蚀刻设备相关联且分组G2与第三蚀刻设备相关联。在这个示例中，批次(例如批次N+1)的校正基于与来自至少紧接于先前批次(例如批次N)的衬底相关联的量测数据。这种校正可以仅基于来自先前批次的数据，或可以基于与多个先前批次(例如批次N、N-1和N-2)相关联的校正的加权；例如以便使由过程改变所导致的校正的太过突然的改变平滑化。这由来自紧接于先前批次的数据总是可用(对于这里所示出的时间范围)的分组G1、G2的各单独区块之间的箭头所描绘，然而，通常，不必是这种情况且可以用于确定对特定分组的校正的唯一数据可以是与批次N-1、N-2或可能更早时间相关联的较旧(例如过时或至少部分过期的)数据。这可能导致校正基于过时数据。

在数学上，基于重叠数据的校正的示例性现有计算可能相当简单。每衬底分组(线程)，用于重叠X控制的校正系数“a₁……a_N”和用于重叠Y控制的控制系数“b₁……b_N”(其中X和Y在衬底平面中是相互正交的方向)是通过基于可用于所述分组的最近数据和通常由光刻设备所应用的校正，对实际测量的重叠数据OV_x、OV_y的(逐点)最小平方(即最小二乘)最小化来确定：

可以可选地随后例如经由EWMA来平均化所述校正系数。

这里，是包括对所应用校正的空间特性进行描述的第i校正基函数的向量。可以每衬底、每光刻设备或光刻设备的卡盘(例如基于来自每光刻设备/卡盘的所有衬底的数据的组合)或基于光刻设备和/或卡盘之间的信息的组合来执行优化工序。

返回至图4，虚线框图示了遗漏批次数据，即，不存在与分组G0、批次N-1和N相关的数据。当特定控制线程(或更通常，情境)尚未用于处理在紧接于先前的或最近批次中的(一个或更多个)衬底时可能是这种情况，并且因此不存在用于这种控制线程或分组的最近的量测数据。在这样的情形下，例如，在目前使用的分组专用控制策略(诸如WLGC)中，用于分组G0的自定义校正将会基于与很久以前处理的批次(这里是批次N-2，如由连接两个数据框的图的顶部处的箭头所指示的)相关联的量测数据和/或校正特性。这种情形的缺点在于，可以用于确定用于批次N+1的新G0专用校正的最新近数据来自批次N-2，所述批次N-2现在可能是过时的量测和/或校正数据。

在这样的情形下提议使用来自一个或更多个其它分组的相对应的量测和/或校正数据来代替这种遗漏数据(例如，不可用于分组内的特定批次(诸如最新近的一个或更多个批次)的数据，由此防止对衬底的最新控制)。可以例如使用诸如EMWA之类的移动平均值跨越所有这些分组(即，来自多于一个分组)对来自一个或更多个其它分组的校正数据进行平均化。

在所图示的示例中，在对应于批次N-1、N的分组G0中不存在所测量/获得的数据。因此，在其位置使用来自分组G1和/或G2的相对应批次中的至少一个批次的替代数据。例如，对于分组G0的批次N+1的校正可以基于来自与分组G1和G2相关的至少批次N(并且这里，对于批次N-1也一样)的平均化数据，连同基于针对所述分组(来自批次N-2)的最新近可用数据的特定于分组G0的特征标识，其可能包括过时信息。以这种方式，针对批次N+1的分组G0校正可以基于用于所述分组(即，批次N-2)的最近可用的数据，补充来自分组G0数据不可用的批次N和/或N-1的分组G1和/或分组G2数据。

应了解，在移动平均值实施例中，来自测量分组G1和G2的平均化信息AV将经历EWMA。如此，来自分组G1和G2的平均化信息被用作针对分组G0的遗漏批次的代理测量，并且计算EWMA，正如如果分组G0的测量没有遗漏的情况。

平均化步骤AV也可以包括替代数据的处理；例如用以处理与这些分组相关联的(例如特征标识和/或校正)数据以便考虑噪声分量(其与分组G0的噪声分量相关)的演化。

如此，过程线程或分组之间的共同性可以用以部分地执行组合的特征标识确定；例如为了更准确估计而确定在各分组上的共同特征标识分量。这将允许较规则地捕获/更新特征标识的共同部分，从而导致较好的时间噪声抑制。替代地，这种方法可以用以改善衬底捕获能力：如果已知一些参数与其它控件分组相关，则不需要针对每个批次来确定这些参数。这可以允许利用特征标识模型扩展为具有额外的参数，而同时维持相同的空间噪声抑制。可以通过识别可以在各分组内共享的参数来实现这种方法。这种方法也可以被视为WLGC的扩展，使得各分组被分成多个新分组，而同时考虑共同部分。

在实施例中，可以基于每光刻设备来执行任何分组。每个光刻设备具有独特的特征标识；然而，在多个光刻设备上的特征标识可以包括共享分量(例如与非光刻设备方面相关，诸如衬底处理、情境等)。因此，披露了对于共享分量和特定于光刻设备的分量的部分分解的提议。在另一个实施例中，可以根据诸如以下各项的层次种类中的一些或全部来分解在多个光刻设备上的特征标识：全局分量、光刻设备分量、卡盘分量和/或分组和/或情境分量。

更具体地，在这里(在实施例中)提出偏离每分组的(分离的/单独的)最小化工序；例如如由方程式(1)所描述的，并且基于对跨越所有分组的量测测量的拟合，将校正系数分解成特定于分组的校正系数以及共享或全局校正系数a_i、b_i。方程式(2)中示出的数学框架是实施方式的示例，但可以使用一个或更多个其它数学框架：

方程式(2)的第一项(当从左至右考虑时)是寻求提供跨越所有所考虑的M个分组g而协同优化的校正系数的数据保真度项(例如每方向x和y)，其中是包括第i校正基函数的向量。如果认为必要，则可以将特定于光刻设备(或卡盘)的项包括在通用系数内。此处，现在按分组或按每个分组内的每衬底来限定所述重叠向量/> 第二(可选)项是正则化项，其趋向于惩罚较大校正系数(例如其赞成较简单/最简单的解并且破坏简并性)，其中矩阵Λ₁可以是单位矩阵或可以被配置成包括某些校正系数的加权。第三(可选)项是在多个批次之间向前馈送信息的先前项；例如，这种项在确定一个或更多个后续批次(例如与时间t对应的批次N+1)的光刻设备的校正的过程中使用对应于先前批次(例如与时间t-1对应的批次N)的先前信息，以便逐批次动态地更新所述优化。矩阵Λ₂被配置成对校正系数加权使得它们趋向于反映所述系数之间的现有相关性。

可以可选地随后例如使用移动平均值(诸如EMWA)来平均化所述校正系数。

当然，由方程式(2)所描述的框架仅是示例(仅具有两个种类：特定于组的和全局的)。可以包括针对其它种类(例如针对先前段落中提及的层次中的其它种类中的一者或两者)的校正系数。如先前提及的，也应清楚的是，每情境值可能具有一个分组。如此，严格来说，实际分组不是必需的，仅知晓应使用哪个情境来分解或分裂/拆分所述特征标识。例如，对于20个蚀刻器，可以存在20个分组，而不是(例如)仅4个或5个。另外，多个这样的分组可以被叠置或堆叠，每个关注的情境类型一个分组。例如，可以存在基于共同分组和蚀刻器分组的优化，接着是基于针对特定CMP步骤的分组、和/或针对特定卡盘的分组的额外优化。

如上文所描述的数学框架也可以依据概率来描述；例如，作为用于实施完全概率估计的方法。可以将优化问题书写为使得参数作为针对某一衬底分组的最优校正参数这种情况的某一概率最大化的(例如贝叶斯)统计问题：

其中第一概率P_fit描述了所述校正参数当跨越各分组而被协同优化时为最优这种情况的概率(这对应于方程式(2)的第一项或数据保真度项)；第二概率P_reg描述校正系数向量当由某一范数约束时为最优的概率，例如用以惩罚大的校正向量(这对应于方程式(2)的第二项或正则化项)；并且第三概率P_prior描述所述校正参数当考虑较早状态(一个或更多个较早时间/批次)时为最优的概率(这对应于方程式(2)的第三项或先前项)。

在较广义上，这种框架将会使得s概率方法能够以计算方式导出与某一分组/线程相关联的特征标识。例如，在实施例中，所述第三项(例如第三概率P_prior)通过促成其它或互补数据或先前信息的编码而实现一个或更多个进一步增强。所述互补数据可以包括选自以下各项中的一个或更多：对准数据、调平数据、情境数据、维护动作数据(例如指示关于何时最后执行维护动作)、其它参数数据(例如用于重叠优化的CD数据)，或在优化中在一个或更多个其它层和/或产品上所观测到的行为。替代地或另外，第三概率P_prior可以使用来自多于一个批次(例如紧接于在前的批次)的数据；替代地，其可以用以编码来自多个先前批次的数据；例如用以编码最新近多个批次的历史。

在另一个实施例中，可以在不同光刻设备(例如扫描器)之间共享分组特征标识，例如使得光刻设备在起动时已经知晓用于特定过程或处理布置的分组结构。在一些情况下，可以观测到分组特征标识是相对稳定的，而可以观测到光刻设备特征标识是较不稳定的。作为特定说明性示例，当接通/开启光刻设备时，可能已经学习了分组特征标识。新光刻设备具有某一未知的共同特征标识，但所有分组特征标识已经是已知的。这意味着所有已知分组特征标识可以由新光刻设备立即使用，从而较快速改善了对于所述光刻设备的重叠。

在实施例中，可以馈送过程监测数据(例如维护动作和其它显式事件)，例如用以标记与特定分组/线程/腔室相关联的特征标识可以被预期发生改变。

在实施例中，可以基于互补或辅助数据来确定置信数或加权。这种置信数可以指示关于测量或一组测量的可信程度，例如数据描述真参数值/变化的良好程度。例如，互补数据可能暗示了，来自衬底的(例如初级)量测数据是离群值且不指示真实重叠特征标识。可以在优化中向这种量测数据给出低(或零)加权以确定针对设备的(例如特定于分组的)校正。所述互补数据可以包括例如来自这种层和/或较早层的对准数据、调平数据或情境数据和/或来自前一层的重叠、CD或聚焦数据中的一个或更多个。以这种方式，从例如光刻设备所获得的(例如)对准和/或调平数据可以用以调整协同优化中的参数。互补数据的另一用途是用以确定特征标识趋势，例如用以确定特征标识可能被预期向哪方向移位。这种方法可以包括对用以执行测量的量测设备与一个或更多个健康指标(例如KPI)之间的关系进行学习。所述一个或更多个KPI可以被包括在模型中以预测测量中的不准确度；基于这种预测的概率或加权可以接着被包括在优化中(例如作为方程式(3)中的额外乘积项)。

这种互补数据也可以用以预测或确定特征标识是否稳定。这可以包括基于互补数据(例如对准数据)和历史的对于建模特征标识的演化，以检测特征标识是正在改变或是稳定的。这可以促成对不稳定特征标识的早期检测。当衬底到达任何蚀刻器、光刻设备和量测工具时，漂移蚀刻腔室应是可检测的。例如，如果在多个光刻设备之间共享蚀刻器信息，则当第一光刻设备开始漂移时，学习所述漂移且将其合并至共享蚀刻器特征标识中，则所述共享蚀刻器特征标识接着在第二光刻设备上可用，虽然这种第二光刻设备尚没有这种新状态中“看到”所述蚀刻器。另外，即使不允许在多个蚀刻器之间共享信息，则当所述第一光刻设备观测到改变时，也可以使负责保持所述蚀刻器特征标识稳定的先验责任较弱，从而允许蚀刻器基于其对另一光刻设备的明显不稳定性而较快速地进行调整。

图5图示了本文中所描述的构思的变化，其中根据一个或更多个准则来分类和/或排序，并且根据这种分类/排序来对量测动作进行时间规划，而同时使用如所描述的框架以补偿错过或跳过的量测动作。如在先前实施例中一样，所述框架基本上是贝叶斯框架以供在多个分组之间混合信息。对历史数据HD(例如基于情境和/或其它量测数据)进行分析且将分组识别和分类为例如与针对校正(例如小振幅和/或稳定校正廓形即稳定校正曲线)的适度需求相关联的第一“低风险”分组LRG和两个“高风险”分组HRG(例如需要较强校正和/或彰显每批次较快速波动)。可以接着基于这种分类进行量测时间规划使得，例如低风险分组具有较不频繁的量测MET，从而导致不执行量测MET的一个或更多个跳过的批次NM。如所描述般使用贝叶斯估计BE，其通过组合来自其它分组和(可选地)来自多个批次的数据来补偿跳过的批次NM。

所述历史数据HD可以包括例如随着时间推移的时间相关性的量度，其可以基于从其它量测所导出的一个或更多个不确定性度量。这种历史数据HD可以与方差或噪声数据保持平衡。这种方法可以使用例如基于其它量测以及已学习的漂移时间来预测高方差事件的方差模型。

应特别注意，如果两个组示出相同趋势，则可推断出另一组(例如未测量分组)也将示出相同趋势。所述贝叶斯框架通过以已经描述的方式遍及所有组协同优化来利用这种情形，使得共享趋势将被反映于针对未经测量的(例如低风险)分组所确定的校正中。由于贝叶斯估计BE过程本质上使与测量相关联的噪声达到平均数(类似于使用卡尔曼滤波器)，利用了不同分组之间的噪声相关的事实，因此可实现较大噪声抑制。

当然，任何分类都可能具有多于两个种类(例如包括中等风险分组)或可以依据风险对多个分组进行排序。量测时间规划可以与所示出的量测时间规划不同，其中从风险种类和/或排序确定了跳过的批次的数目。

代替所描述的贝叶斯方法，也可以使用用于共享在批次和/或分组之间的信息的替代方法。一个这样的方法是维纳滤波器，其在给出第一分组和第二分组的情况下能够基于第二分组的测量数据预测第一分组的数据，并且反之亦然。

图6图示了以这种方式使用维纳滤波器。最初，执行了训练阶段，其中使用关于若干批次的历史数据以逐个地/分立地计算针对每个分组和在每对分组之间的自相关数据和互相关数据。接着使用这种自相关数据和互相关数据AC/CC以针对所考虑的每对分组来训练维纳滤波器WF1以便产生一个或更多个滤波器参数。所述维纳滤波器在每个参数基础上描述若干对分组的相对应参数之间的关系。可以接着使用经配置/经训练的维纳滤波器WF以基于与其它分组相关联的可用数据来预测未经测量的分组的特性。在所图示的示例中，经训练的维纳滤波器WF1用以基于来自第一分组的测量数据MG1来推断针对第二分组MG2(批次N)的预测数据PG2。以这种方式，经训练的维纳滤波器可以用于使用测量分组信号来预测未经测量分组信号，以便提供每分组反馈控制。理想地应周期性地再现/再训练自相关/互相关以更新一个或更多个维纳滤波器参数。

维纳滤波器方法使得能够基于关于多个批次的历史数据来对未经测量的分组进行预测。所述维纳滤波器方法除了追踪不同分组特征标识以外，也便利了追踪单独的光刻设备特征标识。

在以下编号方面的列表中披露了其它实施例：

1.一种用于确定设备的校正的方法，所述方法包括：

获得与待由光刻设备处理的衬底的特征标识的处理历史和/或相似性相关联的分组结构；

获得与所述分组结构内的多个分组相关联的量测数据，其中所述量测数据在所述多个分组之间是相关的；和

确定针对来自所述多个分组的一分组的校正，所述校正是使用至少一个特定于分组的校正分量和共同校正分量来确定的。

2.根据方面1所述的方法，其中除了所述组特定校正分量和所述共同校正分量以外，进一步提供光刻设备分量和/或卡盘分量。

3.根据方面1或方面2所述的方法，其中确定所述校正包括将模型应用至所述量测数据，所述模型包括至少所述组特定校正分量和所述共同校正分量。

4.根据方面3所述的方法，其中所述模型包括一个或更多个特定于分组的校正参数以及一个或更多个共同校正参数。

5.根据方面4所述的方法，其中所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数是表示所述校正的空间特性的基函数的系数。

6.根据方面4或方面5所述的方法，其中确定所述校正包括执行优化，所述优化相对于所述量测数据优化所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数。

7.根据方面6所述的方法，其中所述优化包括叠层优化，所述叠层优化包括多个所述优化。

8.根据方面6或方面7所述的方法，其中所述优化包括最小化所述量测数据与基函数的组合之间的成本函数，其中所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数用作加权因子。

9.根据方面8所述的方法，其中所述最小化包括使得差的最小和平方最小化以使所述模型拟合至所述量测数据。

10.根据方面6或方面7所述的方法，其中所述优化包括所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数的完全概率估计。

11.根据方面10所述的方法，其中所述优化最大化使所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数相对于所述量测数据为最优的概率。

12.根据方面3至11中任一项所述的方法，其中所述模型被正则化以优先选择接近于先前所确定的校正参数的校正参数。

13.根据方面12所述的方法，其中所述先前所确定的校正参数与来自当前批次和/或一个或更多个先前批次的一个或更多个衬底相关。

14.根据方面3至13中任一项所述的方法，其中所述模型被正则化以优先选择具有小的绝对值的校正参数。

15.根据方面3至14中任一项所述的方法，其中所述模型被正则化以避免所述拟合的解的简并。

16.根据方面1或方面2所述的方法，其中确定所述校正是通过将维纳滤波器应用至与除了正在确定所述校正所针对的分组之外的分组对应的量测数据来执行。

17.根据方面16所述的方法，所述方法包括训练一个或更多个维纳滤波器，每个维纳滤波器对应于所述多个分组中的特定的分组对。

18.根据方面17所述的方法，其中所述训练包括单独地且在每对分组之间计算针对与每个分组对应的量测数据的自相关数据和互相关数据，所述自相关数据和所述互相关数据用以产生用于所述维纳滤波器的一个或更多个滤波器参数。

19.根据方面16至18中任一项所述的方法，所述方法包括除了追踪与所述多个分组中的每个分组相对应的不同分组特征标识以外，也追踪与特定光刻设备相关的特征标识。

20.根据任一前述方面所述的方法，其中所述量测数据包括在一个或更多个先前批次上所测量的数据，其中一批次包括一个或更多个衬底，并且特定于所述一个或更多个先前批次中的至少一个先前批次的所述量测数据不包括与所述多个分组中的一个或更多个分组相关的量测数据。

21.根据方面20所述的方法，其中所述分组包括根据校正需求而被分类和/或被排序的分组，并且用于获得所述量测数据的量测是根据所述分类和/或所述排序来进行时间规划的。

22.根据任一前述方面所述的方法，所述方法包括基于互补数据来确定置信数，所述置信数指示关于一个或更多个测量的可信度。

23.根据方面22所述的方法，其中所述互补数据包括选自以下各项中的一个或更多项：对准数据、调平数据、情境数据、维护动作数据，和/或与除了由来自目前层和/或早先层的所述量测数据所描述的参数之外的参数相关的其它参数数据，和/或与由来自先前层的所述量测数据所描述的所述参数相关的参数数据。

24.根据任一前述方面所述的方法，所述方法包括学习用以获得所述量测数据的量测设备与指示测量的不准确度的一个或更多个健康指标之间的关系，并且在确定校正时使用所述一个或更多个健康指标。

25.根据任一前述方面所述的方法，其中所述量测数据包括从多个衬底获得的测量数据，所述多个衬底已穿过多个不同光刻设备，所述光刻设备中的每个光刻设备对所述衬底施加不同特征标识，并且所述共同校正分量与共同特征标识分量至少部分地相关。

26.根据任一前述方面所述的方法，其中所述量测数据包括选自以下各项中的一个或更多项：重叠数据、聚焦数据和/或CD数据。

27.一种计算机程序，所述计算机程序包括程序指令，所述程序指令能够操作以当在合适设备上运行时执行根据任一前述方面所述的方法。

28.一种非暂时性计算机程序载体，所述非暂时性计算机程序载体包括根据方面27所述的计算机程序。

29.一种处理装置，所述处理装置能够操作以执行根据方面27所述的计算机程序。

30.一种光刻设备，所述光刻设备能够操作以在衬底上曝光图案，所述光刻设备包括根据方面29所述的处理装置且所述光刻设备还能够操作以使用所述校正来校正对一个或更多个后续衬底上的曝光。

本文中所描述的任何量测数据可以包括与提供至所述衬底的一个或更多个特征相关联的后处理数据或性能数据。这种性能数据可以例如与选自以下各项的一个或更多个有关：层之间的重叠、在单个层中由多重图案化步骤所施加的图案之间的重叠、聚焦品质、所述一个或更多个特征的CD、所述一个或更多个特征的边缘放置误差、所述一个或更多个特征的一个或更多个电特性，和/或与包括所述一个或更多个特征的功能器件的相对量有关的所述衬底的产率。

虽然在本文中可以具体提及在IC的制造中使用光刻设备，但是应当理解，本文中描述的所述光刻设备可以具有其它应用。可能的其它应用包括集成光学系统的制造、用于磁畴存储器的引导和检测模式、平板显示器、液晶显示器(LCD)、薄膜磁头等。在该方面，根据正制造的产品的类型，经处理的“衬底”可以是半导体衬底，或者它们也可以是其它衬底。

尽管在本文中可以在光刻设备的情境中具体提及本发明的实施例，但是本发明的实施例可以用于其它设备中。本发明的实施例可形成图案形成装置检查装置、量测设备、或测量或处理诸如衬底(或其它衬底)或掩模(或其它图案形成装置)之类的物体的任何设备的一部分。这些设备通常可被称为光刻工具。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”用来包括所有类型的辐射，包括紫外线辐射(例如具有365、248、193、157或126nm的波长)和EUV(极紫外辐射，例如具有在约5至100nm的范围中的波长)。

本文中所运用的术语“掩模版”、“掩模”或“图案形成装置”可被广义地解释为指代可用来向入射辐射束赋予经图案化横截面的通用图案形成装置，经图案化横截面与待在所述衬底的目标部分中创建的图案相对应。术语“光阀”也可用于这种情境。除了经典掩模(透射式或反射式掩模、二进制掩模、相移掩模、混合掩模，等等)，其它此类图案形成装置的实例包括可编程反射镜阵列和可编程LCD阵列。

尽管上文可能已经具体提及在光学光刻的背景下本发明的实施例的使用，但是应当理解，在情境允许的情况下，本发明不限于光学光刻，并且可以用于其它应用，例如压印光刻。

本文中使用的术语“对..进行优化”和“优化”是指或意味着调整设备(例如，光刻设备)、过程等，从而使结果和/或过程具有更理想的特性，诸如在衬底上投影设计图案的较高准确度、较大的过程窗口，等等。因而，本文中所使用的术语“对..进行优化”和“优化”是指或意指识别用于一个或更多个参数的一个或更多个值，所述一个或更多个值提供与用于那一个或更多个参数的一个或更多个值的初始集合相比在至少一个相关指标方面的改进(例如局部最优)。“最佳”和其它相关术语应作相应解释。在一实施例中，可以用迭代方式应用优化步骤以提供一个或更多个指标的进一步的改进。

本发明的各方面可以用任何方便的形式实现。例如，一个实施例可以由一个或更多个适当的计算机程序来实现，所述计算机程序可以被承载于可以是有形载体介质(例如磁盘)或无形载体介质(例如通信信号)的适当载体介质上。本发明的实施例可以使用适当的设备来实施，这些设备可以具体地采取运行被布置成实施如本文所描述方法的计算机程序的可编程计算机的形式。

在框图中，所图示的部件被描绘为离散的功能区块，但实施例不限于本文中描述的功能性如所图示来组织的系统。由部件中的每个部件所提供的功能性可以由软件或硬件模块提供，所述模块以与目前所描绘的方式不同的方式组织，例如，可以掺和、结合、复写、分解、分配(例如，在数据中心内或地理上)，或以另外的不同的方式组织这种软件或硬件。本文中描述的功能性可以由执行储存在有形的非暂时性机器可读介质上的代码的一个或更多个计算机的一个或更多个处理器提供。在一些情况下，第三方内容分发网络可以托管在网络上传送的一些或全部信息，在这种情况下，在一定程度上信息(例如，内容)被认为被供给或以其它方式提供，所述信息可以通过发送指令以从内容分发网络获取所述信息而被提供。

除非另有具体陈述，否则根据所述论述，应理解的是，在整个本说明书中，运用诸如“处理”、“计算”、“确定”等术语的论述是指具体设备(诸如专用计算机、或类似的专用电子处理/计算装置)的动作或过程。

读者应了解，本申请描述若干发明。这些发明已被分组成单个文件，而不是将那些发明分离成多个独立的专利申请，这是因为所述发明的相关主题可以在应用过程中有助于经济性。但不应合并这些发明的不同的优点和方面。在一些情况下，实施例解决本文中提及的所有缺陷，但应理解，所述发明是独立地有用的，并且一些实施例仅解决这些问题的子集或提供其它没有提及的益处，检阅本公开的本领域技术人员将明白所述益处。由于成本约束，目前可能无法主张本文中所披露的一些发明，并且可以在稍后的申请(诸如继续申请或通过修改本权利要求书)中主张所述发明。类似地，由于空间约束，本文档的摘要和发明内容的发明章节都不应被视为包含所有这些发明的全面清单或这些发明的所有方面。

应理解，描述和附图并不意图将本公开限于所披露的特定形式，而正相反，本发明意图涵盖属于如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、等效物和替代方案。

鉴于本说明书，本领域技术人员将明白本发明的各个方面的修改和替代实施例。因而，本说明书和附图应被理解为仅是说明性的且是出于教导本领域技术人员执行本发明的一般方式的目的。应理解，本文中所示出和描述的本发明的形式应被视为实施例的示例。元件和材料可以替代本文中所图示和描述的元件和材料，部分和过程可以被反转或被省略，可以独立地利用某些特征，并且可以将实施例或实施例的特征组合，所有这些在获得本发明的本说明书的益处之后对于本领域技术人员将是清楚的。可以在不背离如在下列权利要求中所描述的本发明的精神和范围的情况下对本文中描述的元件作出改变。本文中所使用的标题仅为了实现组织性目的，并且不意味着用于限制本说明书的范围。

如在整个本申请中所使用的，词“可以”是以许可的意义(即，意味着可能)而不是强制性的意义(即，意味着必须)来使用。词语“包括”等意味着包括但不限于。如在整个本申请中所使用的，单数形式“一”、“一个”、“所述”包括多个提及物，除非情境另有明确地指示。因而，例如，对“一”元件的提及包括两个或更多个元件的组合，尽管会针对一个或更多个元件使用其它术语和短语，诸如“一个或更多个”。除非另有指示，否则术语“或”是非独占式的，即，涵盖“和”与“或”两者。描述条件关系的术语，例如，“响应于X，发生Y”、“在发生X的情况下，发生Y”、“如果X，则Y”、“当X时，发生Y”等涵盖因果关系，其中前提是必要的因果条件，前提是充分的因果条件，或前提是结果的贡献因果条件，例如，“在条件Y获得后，即出现状态X”对于“仅在Y后，才出现X”和“在Y和Z后，即出现X”是通用的。这些条件关系不限于即刻遵循前提而获得的结果，这是由于一些结果可能被延迟，并且在条件陈述中，前提与它们的结果相关联，例如，前提与出现结果的可能性相关。除非另外指示，否则多个属性或功能被映射至多个对象(例如，执行步骤A、B、C和D的一个或更多个处理器)的陈述涵盖了所有这些属性或功能被映射至所有这些对象、以及属性或功能的子集被映射至属性或功能的子集两种情况(例如，这两种情况即：所有处理器各自执行步骤A至D；和其中处理器1执行步骤A、而处理器2执行步骤B和步骤C的一部分、且处理器3执行步骤C的一部分和步骤D的情况)。此外，除非另有指示，否则一个值或动作“基于”另一条件或值的陈述涵盖了条件或值是唯一因子的情况、以及条件或值是多个因子中的一个因子的情况两者。除非另外规定，否则某一集合体的“每个”实例均具有某一性质的陈述不应被理解为排除了其中较大的集合体的一些另外相同或相似的构件不具有所述性质的情况，即，每个不一定意味着每一个。对于从一定范围中进行选择的提及包括该范围的端点。

在上述描述中，流程图中的任何过程、描述或框应被理解为代表代码的模块、段或部分，其中包括一个或更多个用于实施在过程中的特定逻辑功能或步骤的可执行指令，并且替代实施方式被包括在本发明的示例性实施例的范围内，其中功能可以按照所示或讨论而无序地执行，包括基本上同时执行或以相反顺序执行，具体取决于所涉及的功能，如本领域技术人员将会理解的。

虽然上面已经描述了本公开的特定实施例，但是应该理解本发明可以用不同于所描述的方式实施。以上的描述意图是说明性的，而不是限制性的。因而，本领域技术人员将明白，可以在不背离下文所阐明的权利要求的范围的情况下对如所描述的本发明进行修改。

Claims

1.一种用于确定针对在对衬底进行图案化的过程中所使用的设备的校正的方法，所述方法包括：

获得与待处理的衬底的特征标识的处理历史和/或相似性相关联的分组结构；

通过将模型应用于所述量测数据来确定针对来自所述多个分组的一分组的校正，所述模型至少包括共同校正分量和特定于分组的校正分量；

其中所述模型包括一个或更多个特定于分组的校正参数以及一个或更多个共同校正参数，其中所述参数是表示所述校正的空间特性的基函数的系数。

2.根据权利要求1所述的方法，其中所述模型还包括设备分量。

3.根据权利要求1所述的方法，其中确定所述校正包括执行优化，所述优化相对于所述量测数据优化所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数。

4.根据权利要求3所述的方法，其中所述优化包括最小化所述量测数据与基函数的组合之间的成本函数，其中所述一个或更多个特定于分组的校正参数和所述一个或更多个共同校正参数用作所述基函数的加权因子。

5.根据权利要求3所述的方法，其中所述优化包括：优化使所述一个或更多个特定于分组的校正参数和/或所述一个或更多个共同校正参数相对于所述量测数据为最优的概率。

6.根据权利要求3所述的方法，其中所述模型被正则化以：i)优先选择接近于先前所确定的校正参数的校正参数和/或具有小的绝对值的校正参数，或ii)避免所述优化的解的简并。

7.根据权利要求1所述的方法，其中确定所述校正包括：将维纳滤波器应用至与除了正在确定所述校正所针对的分组之外的分组对应的量测数据。

8.根据权利要求7所述的方法，所述方法包括训练一个或更多个维纳滤波器，每个维纳滤波器对应于所述多个分组中的特定的分组对。

9.根据权利要求1所述的方法，其中所述量测数据包括在一个或更多个先前批次上所测量的数据，其中一批次包括一个或更多个衬底，并且特定于所述一个或更多个先前批次中的至少一个先前批次的所述量测数据不包括与所述多个分组中的一个或更多个分组相关的量测数据。

10.根据权利要求9所述的方法，其中所述分组包括根据校正需求而被分类和/或被排序的分组，并且用于获得所述量测数据的量测是根据所述分类和/或所述排序来进行时间规划的。

11.根据权利要求1所述的方法，其中所述量测数据包括从多个衬底获得的测量数据，所述多个衬底已穿过多个不同光刻设备，所述多个不同光刻设备中的每个光刻设备对所述衬底施加不同特征标识，并且所述共同校正分量与共同特征标识分量至少部分地相关。

12.根据权利要求1所述的方法，其中所述量测数据包括选自以下各项中的一个或更多项：重叠数据、聚焦数据和/或CD数据。

13.一种计算机程序产品，所述计算机程序产品包括程序指令，所述程序指令能够操作以当在合适设备上运行时执行根据权利要求1所述的方法。

14.一种非暂时性计算机程序载体，所述非暂时性计算机程序载体包括根据权利要求13所述的计算机程序产品。