CN113966488B - 量测方法和用于训练用于量测的数据结构的方法 - Google Patents

量测方法和用于训练用于量测的数据结构的方法 Download PDF

Info

Publication number
CN113966488B
CN113966488B CN202080042960.8A CN202080042960A CN113966488B CN 113966488 B CN113966488 B CN 113966488B CN 202080042960 A CN202080042960 A CN 202080042960A CN 113966488 B CN113966488 B CN 113966488B
Authority
CN
China
Prior art keywords
data
training
complex
series
network
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
CN202080042960.8A
Other languages
English (en)
Other versions
CN113966488A (zh
Inventor
V·T·滕纳
W·M·J·M·考恩
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 Holding NV
Original Assignee
ASML Holding NV
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 Holding NV filed Critical ASML Holding NV
Publication of CN113966488A publication Critical patent/CN113966488A/zh
Application granted granted Critical
Publication of CN113966488B publication Critical patent/CN113966488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
    • G03F1/84—Inspecting
    • 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
    • G03F7/70641—Focus
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
    • G03H2001/0445—Off-axis recording arrangement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

披露了一种确定与结构有关的复值场的方法，包括：获得与所述结构的一系列图像相关的图像数据，对于所述结构，至少一个测量参数是所述系列中是变化的；以及获得可操作以将一系列图像映射到对应的复值场的经训练网络。所述方法包括：将所述图像数据输入到所述经训练网络中；和以非迭代的方式确定与所述结构相关的、作为所述经训练网络的输出的所述复值场。也披露了一种训练未经训练网络的方法。

Description

量测方法和用于训练用于量测的数据结构的方法
技术领域
本发明涉及一种用于确定衬底上的结构的特性的量测设备或检查设备。本发明还涉及一种用于确定衬底上的结构的特性的方法。
背景技术
光刻设备是被构造成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，光刻设备可以使用电磁辐射。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是365nm(i线)、248nm、193nm和13.5nm。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)辐射的光刻设备可以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、使用相移图案形成装置、设计布局的各种优化，诸如设计布局中的光学邻近校正(OPC，有时也被称作“光学和过程校正”)，或通常被定义为“分辨率增强技术”(RET)的其它方法。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。
在光刻过程中，期望频繁地对所产生的结构进行测量，例如，用于过程控制和验证。用于进行这样的测量的各种工具是已知的，包括扫描电子显微镜或各种形式的量测设备(诸如，散射仪)。提及这样的工具的泛称可以是量测设备或检查设备。
量测装置可使用以计算方式获取的相位来改善由量测装置所捕获的图像的像差性能。为了帮助计算相位，获得大量分集式的图像(诸如同一目标在不同聚焦条件下的多幅图像)是有帮助的。
发明内容
目标是当使用包含焦距分集的图像来执行复场测量时减少采集时间并且增加生产量。
在权利要求书和具体实施方式中披露了本发明的实施例。
在本发明的第一方面中，提供了一种确定与结构有关的复值场的方法，包括：获得与所述结构的一系列图像相关的图像数据，对于所述结构，至少一个测量参数在所述系列中是变化的；获得可操作以将一系列图像映射到对应的复值场的经训练网络；将所述图像数据输入所述经训练网络；和以非迭代的方式确定与所述结构相关的、作为所述经训练网络的输出的所述复值场。
在本发明的第二方面中，提供了一种训练未经训练网络以获得经训练网络的方法，所述经训练网络可操作以将一系列图像映射到对应的复值场，所述训练步骤包括：获取与一个或更多个训练结构的一系列全息测量相关的训练数据，对于所述一个或更多个训练结构，至少一个测量参数在所述系列中是变化的；从所述训练数据提取边带数据和中心带数据；根据所述边带数据确定复值场数据；和使用上述中心带数据和相对应的复值场数据来训练所述未经训练网络，以将所述中心带数据直接地映射到所述复值场。
附图说明
现在将参考随附的示意性附图而仅作为示例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描绘整体光刻的示意性表示，其表示用以优化半导体制造的三种关键技术之间的协作；
-图4是散射仪设备的示意图；
-图5是下列示意图：图5(a)是采用全息技术的量测设备的示意图；以及图5(b)是用于提供照射辐射和参考辐射以供图5(a)中的量测设备使用的布置的示意图；
-图6示意性地图示了离轴全息图的傅立叶变换在中心带和边带方面的划分；
-图7示意性地图示了使用已知全息技术经由单个全息图的相位测量；
-图8示意性地图示了基于已知迭代技术的离焦图像系列(具有N个图像)的相位获取；
-图9示意性地图示了具有中心带和边带信息两者的离焦全息图系列，边带直接产生复值样本波前；
-图10示意性地图示了根据本发明实施例的机器学习训练步骤，用于作为机器学习网络进行训练，以直接地将离焦图像系列映射到复值样本波前；和
-图11示意性地图示了根据本发明的实施例的量测步骤，所述步骤利用机器学习网络将离焦图像系列直接地映射到复值样本波前。
具体实施方式
在本文档中，术语“辐射”和“束”用于包括所有类型的电磁辐射，包括紫外线辐射(例如波长为365、248、193、157或126nm)和EUV(极紫外线辐射，例如具有在约5-100nm范围内的波长)。
本文中使用的术语“掩模版”、“掩模”或“图案形成装置”可以被广义地解释为指代可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，其对应于待在衬底的目标部分中创建的图案。术语“光阀”也可用于这种情境。除了经典的掩模(透射或反射掩膜、二进制掩膜、相移掩膜、混合掩膜等)之外，其它这种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。
图1示意性地描绘了光刻设备LA。光刻设备LA包括：照射系统(也称为照射器)IL，其被配置成调节辐射束B(例如紫外辐射、DUV辐射或EUV辐射)；掩模支撑件(例如掩模台)MT，所述掩模支撑件(例如掩模台)MT被构造成支撑图案形成装置(例如掩模)MA并且连接到配置成根据特定参数准确地定位图案形成装置MA；衬底支撑件(例如，晶片台)WT，所述衬底支撑件被构造成保持衬底(例如，涂覆有抗蚀涂的晶片)W并且连接到第二定位装置PW，所述第二定位装置PW被配置成根据特定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，其被配置成将由图案形成装置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，例如经由束传送系统BD。照射系统IL可以包括各种类型的光学部件，例如折射型、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，用于引导、成形和/或控制辐射。照射器IL可用于使辐射束B在图形装置MA的平面处的其横截面中具有期望的空间和角强度分布。
本文中使用的术语“投影系统”PS应广义地解释为包括各种类型的投影系统，包括折射式、反射式、折射反射式、变形式、磁性式、电磁式和/或静电式光学系统，或其任何组合，视情况而定，适用于所使用的曝光辐射，和/或其它因素，诸如浸没液的使用或真空的使用。本文中术语“投影透镜”的任何使用可以被视为与更广义的术语“投影系统”PS同义。
光刻设备LA可以是这样的类型，其中至少一部分衬底可以被具有相对高折射率的液体(例如水)覆盖，以便填充介于投影系统PS与衬底W之间的空间,这也被称为浸没光刻。US6952253中给出了有关浸没技术的更多信息，通过引用将其并入本文中。
光刻设备LA也可以是具有两个或更多个衬底支撑件WT(也称为“双平台”)的类型。在这种“多平台”机器中，衬底支撑件WT可以并联使用，和/或可以对位于衬底支撑件WT之一上的衬底W执行准备衬底W的随后曝光的步骤、而同时将在其它衬底支撑件WT上的另一衬底W用于对其它衬底W上的图案曝光。
除了衬底支撑件WT之外，光刻设备LA可以包括测量平台。测量平台被布置成保持传感器和/或清洁装置。传感器可以被布置成测量所述投影系统PS的性质或辐射束B的性质。测量平台可保持多个传感器。所述清洁装置可以被布置成清洁所述光刻设备的一部分，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远离所述投影系统PS时，测量平台可在投影系统PS下方移动。
在操作中，辐射束B入射到被保持在掩模支撑件MT上的图案形成装置(例如掩模MA)，并且由图案形成装置MA上存在的图案(设计布局)来图案化。在已穿过掩模MA之后，辐射束B穿过投影系统PS，所述投影系统将束聚焦到衬底W的目标部分C上。借助于第二定位装置PW和位置测量系统IF，能够准确地移动所述衬底支撑件WT，例如，以便将不同的目标部分C定位在辐射束B的路径中处于聚焦和对准的位置。类似地，第一定位装置PM和可能的另一个位置传感器(图1中未明确描绘)可用于相对于辐射束B的路径来准确地定位所述图案形成装置MA。图案形成装置MA和衬底W可使用掩模对准标记M1、M2和衬底对准标记P1、P2来对准。尽管如图所示的衬底对准标记P1、P2占据专用目标部分，但它们可以位于介于目标部分之间的空间中。当衬底对准标记P1、P2位于目标部分C之间时，它们被称为划道对准标记。
如图2所示，光刻设备LA可形成光刻单元LC(有时也称为光刻元或(光刻)簇)的一部分，其通常还包括用以在衬底W上执行曝光前和曝光后过程的设备。常规地，这些设备包括用以沉积抗蚀剂层的旋涂机SC、用以曝光抗蚀剂的显影剂DE、激冷板CH和焙烤板BK，例如用于调节所述衬底W的温度，例如用于调节抗蚀剂层中的溶剂。衬底输送装置或机器人RO从输入端口I/O1、输出端口I/O2拾取衬底W，在不同的过程设备之间移动它们，并且将衬底W传送到光刻设备LA的装载台LB。在通常也统称为涂覆显影系统或轨迹(track)的光刻单元中的装置通常在涂覆显影系统控制单元或轨迹控制单元TCU的控制下，涂覆显影系统控制单元或轨迹控制单元TCU本身可以由管理控制系统SCS控制，输送管理控制系统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正确且一致地曝光，需要检查衬底以测量经图案化结构的性质，诸如后续层之间的重叠误差、线厚度、临界尺寸(CD)等。为此目的，检查工具(未显示)可能被包括于光刻单元LC中。如果检测到错误，例如，可以对后续衬底的曝光或待在衬底W上执行的其它处理步骤进行调整，特别是如果在同一批次或批量的其它衬底W仍待曝光或处理之前进行检查。
检查设备也可称为量测设备，被用于确定衬底W的性质，特别是不同衬底W的性质如何变化，或与同一衬底W的不同层相关联的性质如何在层间发生变化。所述检查设备可以替代地被构造为识别所述衬底W上的缺陷，并且例如可以是光刻单元LC的一部分，或者可以被集成到光刻设备LA中，或者甚至可以是单独装置。所述检查装置可测量潜像(在曝光后在抗蚀剂层中的图像)、半潜影(在曝光后焙烤步骤PEB后在抗蚀剂层中的图像)、或经显影后的抗蚀剂图像(其中已移除了抗蚀剂的曝光或未曝光部分)上的性质，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)。
典型地，在光刻设备LA中的图案化过程是处理中最关键的步骤之一，它要求在衬底W上的结构的确定尺寸和放置的高准确度。为了确保这种高准确度，如图3中示意性地描绘的，可以在所谓的“整体”控制环境中组合三个系统。其中一个系统是光刻设备LA，它(实际上)连接到量测工具MET(第二系统)并且连接至计算机系统CL(第三系统)。这种“整体”环境的关键是优化这三个系统之间的协同工作以增强整个过程窗口并且提供紧密的控制回路，来确保由光刻设备LA所执行的图案化保持在过程窗口内。所述过程窗口定义了一定范围的过程参数(例如剂量、焦距、重叠)，在这些参数范围内，特定的制造过程产生一个被限定的结果(例如，功能性半导体器件)，通常允许光刻过程或图案化过程中的过程参数在被限定的结果内发生变化。
计算机系统CL可以使用待图案化的设计布局(的部分)来预测将要使用何种分辨率增强技术，并且执行计算光刻模拟和计算，以确定哪些掩模布局和光刻设备设置实现所述图案化过程的最大的总过程窗口(在图3中由第一刻度SC1中的双箭头所描绘)。典型地，分辨率增强技术被布置成与光刻装置LA的图案化可能性相匹配。计算机系统CL还可用于检测所述光刻设备LA当前在过程窗口内的何处进行操作(例如使用来自量测工具MET的输入)，以预测是否由于例如次优加工而存在缺陷(在图3中由第二刻度SC2中的指向“0”的箭头所描绘)。
量测工具MET可向计算机系统CL提供输入以实现精确的模拟和预测，并且可向光刻设备LA提供反馈以识别可能的漂移，例如在光刻设备LA的校准或标定状态下(在图3中由第三刻度SC3中的多个箭头所描绘)。
在光刻过程中，需要频对所创建的结构进行频繁的测量，例如，用于过程控制和验证。用于进行这些测量的各种工具是已知的，包括扫描电子显微镜或各种形式的量测设备，诸如散射仪。已知散射仪的示例常常取决于专用量测目标的提供，所述专用量测目标诸如欠填充的目标(呈不同层中的叠置光栅或简单光栅的形式的目标，其是足够大的以使得测量束产生比光栅更小的斑)或过填充的目标(由此所述照射斑部分地或完全地包含所述目标)。另外，使用量测工具(例如，照射诸如光栅之类的欠填充的目标的角分辨散射仪)允许使用所谓的重构方法，其中可以通过模拟散射辐射与目标结构的数学模型的相互作用并且比较模拟结果与测量的结果来计算光栅的性质。调整所述模型的参数，直至所模拟的相互作用产生与从真实目标所观测到的衍射图案类似的衍射图案为止。
散射仪是多用途仪器，通过在散射仪物镜的光瞳或与光瞳共轭的平面上安装传感器来允许进行对光刻过程的参数的测量，通常称为基于光瞳的测量，或者通过使传感器位于图像平面或与图像平面共轭的平面，在这种情况下，测量通常被称为基于图像或基于场的测量。在专利申请US20100328655、US2011102753A1、US20120044470A、US20110249244、US20110026032或EP1,628,164A中进一步描述了这些散射仪和相关联的测量技术，这些专利申请通过引用全部并入本文中。前述散射仪可以在一个图像中使用从软x射线和可见光至近IR波范围的光来测量来自多个光栅的多个目标。
在图4中描绘诸如散射仪之类的量测设备。其包括将辐射5投影至衬底W上的宽带(白光)辐射投影仪2。经反射的或经散射的辐射10被传递至光谱仪检测器4，所述光谱仪检测器4测量经镜面反射的辐射10的光谱(即，作为波长λ的函数的强度I的测量结果)。根据这种数据，可以由处理单元PU来重构产生所检测到的光谱的结构或轮廓8，例如，通过严密耦合波分析和非线性回归，或通过与模拟光谱的库的比较。通常，对于重构，结构的一般形式是已知的，并且根据供制造所述结构的过程的知识来假定一些参数，从而仅留下结构的几个参数将要从散射测量数据来确定。这种散射仪可以被配置成正入射散射仪或斜入射散射仪。
在第一实施例中，散射仪MT是角分辨散射仪。在这样的散射仪中，重构方法可以应用于所测量的信号以重构或计算光栅的性质。这种重构可以例如由模拟散射辐射与目标结构的数学模型的相互作用且比较模拟结果与测量的结果而产生。调整数学模型的参数直到所模拟的相互作用产生类似于从真实目标观测到的衍射图案的衍射图案为止。
在第二实施例中，散射仪MT是光谱散射仪MT。在这样的光谱散射仪MT中，由辐射源发射的辐射被引导至目标上且来自目标的反射或散射辐射被引导至光谱仪检测器，所述光谱仪检测器测量镜面反射辐射的光谱(即作为波长的强度的测量结果)。根据这种数据，可以例如通过严密耦合波分析和非线性回归或通过与模拟光谱库比较来重构产生所检测的光谱的目标的结构或轮廓。
在第三实施例中，散射仪MT是椭圆量测散射仪。椭圆量测散射仪允许通过测量针对每个偏振状态的散射辐射来确定光刻过程的参数。这种量测设备通过在量测设备的照射区段中使用例如适当的偏振滤光器来发射偏振光(诸如线性、圆形或椭圆偏振光)。适用于量测设备的源也可以提供偏振辐射。以全文引用的方式并入本文中的美国专利申请11/451,599、11/708,678、12/256,780、12/486,449、12/920,968、12/922,587、13/000,229、13/033,135、13/533,110和13/891,410中描述现有椭圆量测散射仪的各种实施例。
在散射仪MT的一个实施例中，散射仪MT适用于通过测量反射光谱和/或检测配置中的不对称性(所述不对称性是与重叠的范围有关)来测量两个未对准光栅或周期性结构的重叠。可以将两个(典型地，叠置的)光栅结构施加于两个不同层(不必是连续层)中，并且所述两个光栅结构可以形成为处于晶片上大体上相同的位置。散射仪可以具有如例如共同拥有的专利申请EP 1,628,164 A中所描述的对称检测配置，使得任何不对称性是可明确区分的。这提供用以测量光栅中的未对准的简单的方式。可以在全文以引用方式并入本文中的PCT专利申请公开号WO 2011/012624或美国专利申请号US 20160161863中找到关于包含作为目标的周期性结构的两个层之间的重叠误差经由所述周期性结构的不对称性来测量的另外的示例。
其它关注的参数可以是焦距和剂量。可以通过如全文以引用方式并入本文中的美国专利申请US2011-0249244中所描述的散射测量(或替代地通过扫描电子显微法)同时确定焦距和剂量。可以使用具有针对聚焦能量矩阵(FEM-也被称作聚焦曝光矩阵)中的每个点的临界尺寸和侧壁角测量结果的独特组合的单个结构。如果可以得到临界尺寸和侧壁角的这些独特组合，则可以根据这些测量结果唯一地确定焦距和剂量值。
量测目标可以是通过光刻过程主要在抗蚀剂中形成且也在例如蚀刻过程之后形成的复合光栅的集合。通常，光栅中的结构的节距和线宽很大程度上依赖于测量光学器件(具体地说光学器件的NA)以能够捕获来自量测目标的衍射阶。如较早所指示的，衍射信号可以用以确定两个层之间的移位(也被称作“重叠”)或可以用以重构如通过光刻过程所产生的原始光栅的至少一部分。这种重构可以用以提供光刻过程的品质指导，并且可以用以控制光刻过程的至少一部分。目标可以具有被配置成模仿目标中的设计布局的功能性部分的尺寸的较小的子区段。归因于这种子区段，目标将表现得更类似于设计布局的功能性部分，使得总体过程参数测量更好地类似于设计布局的功能性部分。可以在欠填充模式中或在过填充模式中测量目标。在欠填充模式下，测量束产生小于总体目标的斑。在过填充模式中，测量束产生大于整个目标的斑。在这样的过填充模式中，也可能同时测量不同的目标，因此同时确定不同的处理参数。
使用特定目标进行的光刻参数的总体测量品质至少部分由用以测量这种光刻参数的测量选配方案确定。术语“衬底测量选配方案”可以包括测量自身的一个或更多个参数、所测量的一个或更多个图案的一个或更多个参数，或这两者。例如，如果用于衬底测量选配方案中的测量是基于衍射的光学测量，则测量的参数中的一个或更多个可以包括辐射的波长、辐射的偏振、辐射相对于衬底的入射角、辐射相对于衬底上的图案的方向，等等。用以选择测量选配方案的准则中的一个准则可以例如是测量参数中的一个测量参数对于处理变化的敏感度。以全文引用的方式并入本文中的美国专利申请US2016-0161863和美国专利公开申请US 2016/0370717A1中描述更多示例。
以引用的方式并入本文中的美国专利公开US2019/0107781中描述了采用计算成像/相位获取方法的量测设备。这种量测设备可以使用相对简单的传感器光学器件，其像差性能普通、甚至相对平庸。如此，所述传感器光学器件可能允许有像差，因此产生相对像差的图像。当然，仅允许传感器光学器件中的较大像差将对图像品质产生不可接受的影响，除非采取措施来补偿这些光学像差的影响。因此，使用计算成像技术来补偿松弛对传感器光学器件内的像差性能的负面影响。
在这样的方法中，从目标的一个或更多个强度测量获取目标的强度与相位。相位获取可以使用量测目标的先验信息或先前信息(例如，以用于被包括在形成起点以导出/设计相位获取算法的损失函数中)。替代地，或结合先前信息方法，可以进行分集测量。为了实现分集，可以在测量之间略微更改成像系统。分集测量的示例是跨焦或离焦(through-focus)步进，即，通过获得在不同聚焦位置处的测量结果。用于引入分集的替代方法包括例如使用不同照射波长或不同波长范围，调制所述照射，或在测量之间改变目标上的照射的入射角。
相位获取自身可以基于在前面提及的US2019/0107781中、或在专利申请EP17199764(也通过引用并入本文)中所描述的相位获取。这描述了根据强度测量结果确定相对应的相位获取，以使得目标和照射辐射的相互作用依据其电场或复场(“复”在这里意味着同时存在振幅与相位信息)来加以描述。强度测量可以具有比在常规量测中所使用的所述强度测量更低的品质，并且因此可以是如所描述的离焦。所描述的相互作用可以包括紧靠目标上方的电场和/或磁场的表示。在这种实施例中，借助于在与目标平行的平面中的(例如，二维)表面上的无限小电流和/或磁流偶极，所照射的目标电场和/或磁场图像被建模为等效源描述。这种平面可以是例如紧靠目标上方的平面，例如，根据瑞利(Rayleigh)准则焦点对准的平面，但模型平面的部位并不重要：一旦已知一个平面处的振幅与相位，则它们可以按计算方式传播至任何其它平面(焦点对准、离焦或甚至光瞳平面)。替代地，描述可以包括目标或其二维等效物的复合传输。
相位获取可以包括对于照射辐射与目标之间的相互作用对衍射辐射的影响进行建模以获得经建模的强度图案；并且优化所述模型内的电场/复场的相位和振幅以便最小化经建模的强度图案与所检测的强度图案之间的差异。更特别地，在测量采集期间，在检测器上(在检测平面处)捕获(例如，目标的)图像，并且测量其强度。相位获取算法用来确定在例如与目标平行(例如，紧靠目标上方)的平面处的电场的振幅与相位。相位获取算法使用传感器的前向模型(例如考虑到像差)来按计算方式使目标成像，以获得针对在检测平面处的场的强度和相位的建模值。不需要目标模型。建模强度值与检测强度值之间的差依据相位和振幅(例如，以迭代方式)被最小化，并且得到的相对应的建模相位值被视为所获取的相位。与以引用的方式并入本文中的PCT申请PCT/EP2019/052658中描述了用于在量测应用中使用复场的具体方法。
用于获取相位所需的信息可以来自分集(多个分集式测量或图像)。替代地或组合地，先前(目标)知识可以用于约束相位获取算法。先前知识例如可以被包括在形成起点以导出/设计所述相位获取算法的损失函数中。在这种实施例中，先前知识可以基于某些观测；例如，在目标的多个图像中的每个图像之间存在许多规则性。可以在单个测量(例如，使用多于一种照射条件的测量，例如，多波长测量)中或从已经描述的分集测量(不同聚焦水平等)获得多个图像。可观测到，对于每个图像，目标基本上包括类似的形式。具体地，每个所获得的目标图像针对每个关注区具有相同或非常类似的位置和形状。例如，在目标为x和y方向复合目标时，所述x和y方向复合目标具有当前所使用DBO目标的一般形式，每个图像将通常包括具有与构成复合目标的每个目标的位置相对应的相对地扁平的强度分布(例如，较大的方形图案的每个象限中的相对地扁平的强度分布)的相对较高强度区。可以例如借助于全变分或总变差(Total Variation)或矢量全变分(Vector Total Variation)正则化的一般化(即，将L1惩罚值强加于目标图像的梯度上)来采用图像之间的这样的相似性。这种矢量一般化的益处在于，其在例如不同照射条件之间引入耦合。
作为在多幅图像上施加(例如焦距)分集的替代，相位获取或其它直接相位测量可以经由全息法(例如单发(single-shot)离轴全息法、或多发(multi-shot)同轴全息法)实现。一般而言，全息法描述了根据通过将参考辐射与从物体散射的辐射进行干涉而形成的干涉图案来计算辐射的复场。可以例如在US2016/0061750A1和PCT/EP2019/056776(两者均通过引用而被并入本文)中发现有关如何在量测用光刻的情境中执行此类计算的更多细节。
经由分集进行焦距变化相位获取的主要缺点是，它是迭代过程，通过最小化所记录的焦距图像系列的成本函数来获取复值样本波前。这是计算密集型的并且耗费很长时间。然而，目前基于全息法的直接相位测量受到机械灵敏度的影响，这可能会妨碍在大容量量测中的高速应用。
为了解决这些问题，建议将上述全息法与经由机器学习(ML)方法的离焦相位获取技术相结合。如此，提出了一种两阶段方法，包括第一阶段或训练阶段、以及第二阶段或量测阶段。在所述训练阶段，在选配方案设置阶段中使用包括多个全息图的离焦全息图系列来训练ML算法(在采集速度没有问题的情况下，可以通过严重降低测量生产量来适当地降低机械灵敏度)。经训练网络将能够以直接(例如非迭代)方法来重构所述目标。对于(例如，大容量)量测阶段，当执行测量时，经训练的ML算法取代了迭代离焦相位获取算法。
其余说明书将在离轴全息法的情境中描述，但不限于此。使用通过z位置变化而同相变化的参考臂的同轴全息法也是适用的。
示例性全息设置
图5(a)描述了根据本发明实施例的适用于确定在衬底W上所制造的结构8的特性(例如，重叠)的量测设备。在实施例中，所述量测设备包括照射支路，所述照射支路被配置为利用照射辐射21来照射所述结构8。照射辐射21的照射产生散射辐射31。所述量测设备包括检测支路。所述检测支路包括光学系统2，所述光学系统用于将所述散射辐射31的一部分41从所述结构8引导至传感器6。因而，所述散射辐射31的所述部分41是所述散射辐射31的到达所述传感器6的部分。所述散射辐射41的其它部分不到达传感器6。在实施例中，所述散射辐射31的到达所述传感器6的部分41排除所述散射辐射31的镜面反射分量。这可以通过将所述照射辐射21的入射极角布置得足够大来实现，以确保将以与所述照射相同的入射极角而发生的镜面反射落在所述光学系统2的数值孔径(NA)之外。因而，所述传感器6进行暗场测量。在实施例中，所述散射辐射31的所述部分41至少主要包括(即，超过一半或全部)从所述结构8所散射的一个或更多个非零阶衍射分量，例如仅+1阶衍射分量，或+1、+2、+3或更高阶的正的非零阶衍射分量中的一个或更多个。
所述传感器6能够记录辐射强度的空间变化。所述传感器6可以包括像素化图像传感器，诸如CCD或CMOS。在实施例中，设置了过滤器，用于过滤入射到所述传感器6上的辐射。在实施例中，所述过滤器是偏振过滤器。在实施例中，所述传感器6被定位于所述光学系统2的图像平面(也可以被称为场平面)中。因而，所述传感器6记录了在所述图像平面(场平面)中辐射强度的空间变化。在其它实施例中，所述传感器6被定位于所述光学系统2的光瞳平面中、在与所述光学系统2的光瞳平面共轭的平面中，或在介于所述光瞳平面与所述图像平面之间的平面中。
在实施例中，所述光学系统2具有低NA，被限定为低于0.3的NA，可选地低于0.2的NA。在实施例中，所述光学系统2包括平凸透镜。所述平凸透镜是等平面的即等晕的(isoplanatic)且具有相对较高的像差。在实施例中，所述光学系统2包括平面非球面透镜(planoasphere lens)或双非球面透镜(bi-asphere lens)。平面非球面是非等平面的且具有相对较低的像差。在实施例中，所述光学系统2包括反射镜光学器件。在实施例中，所述光学系统2具有较高的NA，被限定为高于0.5、可选地高于0.65、可选地高于0.8的NA。
在实施例中，检测支路还将参考辐射51与所述散射辐射31的所述部分41同时引导到所述传感器6上。在实施例中，所述参考辐射51包括平面波或球面波。由所述散射辐射31的到达所述传感器6的部分41与所述参考辐射51之间的干涉形成干涉图案。所述散射辐射31的到达所述传感器8的部分41在所述传感器8处至少与所述参考辐射51充分地相干，以形成所述干涉图案，并且使所述干涉图案能够由所述传感器6检测。所述干涉图案由所述传感器6记录。
图5(b)描述了用于提供所述照射辐射21和所述参考辐射51以用于图5(a)的量测设备的示例布置的示意图。辐射源10向分束器12提供辐射束。所述辐射源10产生由时间上和空间上相干的、或时间上和空间上部分相干的、或时间上相干和空间上部分非相干的电磁辐射(但充分相干以在所述传感器6处发生干涉)组成的辐射束。在实施例中，所述辐射束具有可见波长范围内的波长。在实施例中，所述辐射束具有红外波长范围内的波长。在实施例中，所述辐射束具有紫外波长范围内的波长。在实施例中，所述辐射束具有深紫外(DUV)波长范围内的波长。在实施例中，所述辐射束具有在红外波长范围与DUV波长范围之间范围内的波长。在实施例中，所述辐射束具有在极紫外(EUV)波长范围内的波长。在实施例中，所述辐射源10被配置为产生处于可控波长的辐射。在实施例中，辐射源10包括滤波单元，用于从具有宽带光谱分布的辐射生成可控波长的辐射。
所述辐射束由分束器12拆分，以提供照射辐射和参考辐射。在所示的示例中，拆分后的辐射束的表示参考辐射的一部分传递穿过延迟元件14和参考光学单元16。所述参考光学单元16将所述参考辐射51引导到所述传感器6上。在一些实施例中，在将辐射引导到所述传感器6上之前所述参考光学单元16接收所述参考辐射51，所述参考光学单元16因此可以被称为接收单元。拆分后的辐射束的表示照射辐射的第二部分传递穿过照射光学单元20。所述照射光学单元20将所述照射辐射21引导到所述结构8上。可以由所述延迟元件14调整介于所述辐射束被分束器12拆分的点15与所述传感器6之间的光程。所述延迟元件14可以包括用于引入相位延迟的任何合适布置，例如通过以可控的方式增加传递穿过所述延迟元件14的辐射的路径长度。在本示例中，所述延迟元件14被设置在所述分束器12与所述参考光学单元16之间的光学路径中，但是延迟元件14可以替代地或额外地设置在所述分束器12与所述照射光学单元20之间的光学路径中。
全息图的中心带和边带
离轴全息图是通过像-面波前(实质上是所述样本波前，但也包括成像透镜的像差的影响)和参考波前的干涉而实现的，其中像-面波前和参考波前两者彼此成角度。在离轴全息法中，参考波前通常可以是(例如，倾斜的)平面波。所述全息图是二维图像，包括所述像-面波前和所述参考波前的干涉的不同元素。所谓的中心带(CB)包括所述像-面波前的自相关(由于所述波前的自干涉)、以及所述参考波前的自相关(由于所述波前的自干涉)。所谓的边带(SB+和SB-)分别包括参考波前与像-面波前的干涉，且反之亦然。
图6示出了离轴全息图H(R)的傅立叶变换FT中的中心带CB和边带SB的构思(其中是全息图H(R)的傅立叶变换)。应注意的是，CB(除了所述参考波前的自相关之外)携载有与常规图像相同的信息；即，如果全息干涉被关闭(例如，通过阻断所述参考臂)则将会获得的信息。此外，CB是SB的自相关。对于规则或常规全息法中的相位测量，通常使用来自边带SB+、SB-中的仅一个边带的信息(两个边带SB+、SB-包括相同的信息并且示出反转对称性，因为/>其中通常丢弃/>(即傅立叶空间中的二维空间频率向量)和CB信息。
全息法中的相位测量
对于(离轴)全息法中像-面波前的直接相位测量，使用了所述边带中的一个边带。可以经由所述全息图的傅立叶变换来执行边带中的一个边带与中心带和另一个边带的分离。在二维傅立叶空间中，CB、SB+和SB-在空间上是分离的；由所述参考波前相对于所述像-面波前的倾斜确定了空间分离的量。应注意的是，两个边带确实携载有完全相同的信息(包括噪声)，这是实值全息图的傅立叶变换的点反转性质造成的。
边带SB+的复值波前(即，所述像-面波前)是无像差样本波前与所述成像透镜(或物镜)的传递函数(通常包括相位-像差函数)的乘积。仅在傅立叶空间中通过将SB+波前除以后一传递函数、或在仅相位传递函数的情况下通过与所述传递函数的复共轭相乘，执行所述传递函数的解卷积。应注意的是，获取一个单个(离轴)全息图足以进行直接相位测量(不需要分集)，这可以通过在全息图的2D傅立叶空间中分离一个SB来实现。
注意，本文描述的构思同样适用于除离轴全息法之外的其它机制，并且任何合适的方法(适用于所述设置)都可以用于分离边带与中心带(例如，相移或DC项去除)。技术人员将很容易知道如何使本文中的教导适应于其它机制。
离焦全息图系列
对所述全息图应用额外的分集会产生一系列全息图，每个全息图在针对一个或更多个光学成像参数的不同设置的情况下被捕获。例如，所述一个或更多个光学成像参数可以包括焦距，使得(例如，仅)所述焦距设置在全息图之间变化。考虑到离焦全息图系列的特殊情况，在表示为fn的焦距设置情况下记录，其中第n个全息图被表示为Hn(R,fn)，其中R是在所述检测器的平面中的二维位置坐标。考虑其傅立叶变换是方便的，其中ω是所述傅立叶平面中的二维坐标。每个全息图都经历用于成像的传递函数，其被表示为
应注意的是，离焦全息图系列也包括：针对其中心带中每个中心带(在所述傅立叶平面中被表示为)，常规聚焦系列的数据(即，如在不使用所述参考波前的情况下将会记录的数据)。
图7中示意性地示出了表示直接相位测量的流程图。获得与样本(例如，目标)相关的全息图H，如上描述的那样处理边带SB，并且确定复值样本波前E。图8示出了常规的、迭代的、离焦相位获取的示意图。(非全息)离焦强度系列In(其中n是聚焦指数)(其相当于全息测量的离焦中心带系列CBn中所包括的数据)经历迭代相位获取IPR步骤(诸如在US2019/0107781中所描述的)来确定所述样本波前E。图9图示了离焦全息图系列Hn内所包括的信息，示出了经由边带SBn进行直接测量从而得到样本波前E，且中心带CBn表示所述全息图系列中所包括的常规离焦图像系列。
本文提出的构思包括应用基于机器学习的相位获取步骤，所述步骤将所测量的离焦图像系列映射到期望的复值样本波前，其中在(所测量的或所模拟的)全息图系列上训练所述机器学习网络(或更一般地：算法或数据结构)。基于机器学习(ML)的算法可以是，例如，深度学习网络、或自动编码器/解码器网络，或任何其它合适的机器学习网络或数据结构。
所述ML方法包括通常的两个步骤，即：(1)训练步骤，和(2)量测步骤或高容量量测(HVM)ML相位获取步骤。在训练步骤中，记录多个离焦全息图系列；然后将它们用作用于训练ML网络(诸如深度学习网络或自动编码器/解码器)的输入。对于第二步骤，将离焦图像系列输入到经训练的ML算法/网络，所述经训练的ML算法/网络将所述离焦图像系列映射到期望的复值样本波前。
步骤1：训练
训练步骤可以包括使用与一个或更多个训练结构(例如，目标或样本)的一系列全息测量(例如，离焦全息图系列Hn.)相关的训练数据来对未经训练的数据结构或网络进行训练，对此，至少一个测量参数(例如，焦距)在所述系列上是变化的。所述方法可以包括以下步骤：从所述训练数据中提取边带数据(例如，边带SBn)和中心带数据(例如，离焦中心带CBn)；从所述边带数据确定复值场数据(例如，样本复值波前E)；使用中心带数据和相对应的复场数据来对未经训练网络进行训练，以将所述中心带数据直接映射到所述复场。
更具体地，所述训练步骤使用大量经测量的(和/或经模拟的)离焦全息图系列Hn。从每个全息图系列Hn中，两个离焦的中心带CBn(更具体地，在傅立叶平面中：)以及根据所述边带SBn直接地确定的相对应的样本波前E是已知的。
图10示意性地图示了如何使用此数据来训练所述ML网络。所述训练步骤ML包括训练所述ML网络，使得其能够基于相对应的边带数据SBn(即，来自相同全息图)到所述样本波前E的已知映射，将离焦中心带数据CBn映射到所述样本波前E。
应注意的是，边带SBn至复值样本波前E的处理可以通过两种方式完成：(a)简单直接确定；或(b)包括通过从所述边带分割所述相位传递函数来进行像差校正的步骤。还应注意，边带SBn至复值样本波前E的处理可以被应用于单个全息图、几个全息图、或完整的全息图系列(完整系列中有N个全息图)。后一种方法在信噪比(SNR)方面可能是有益的。
在根据所述边带数据完美重构所述复场数据的情况下，所述边带数据没有额外值。当这种重建不完美时，与相对应的复场相比，所述边带数据中会有额外的信息。如此，在可选实施例中，除了所述复场数据之外，还可以在主训练步骤中使用所述边带数据。
步骤2高容量(HV)量测
HV量测步骤包括：获得与结构的一系列图像相关的图像数据，对于所述结构，至少一个测量参数(例如，焦距)在所述系列上是变化的；以及将所述结构的所述一系列图像输入到经训练网络中，以便以非迭代方式确定与所述结构相关的复场。
所述HV量测步骤包括基于离焦图像系列的基于ML的直接相位获取。在步骤1中的训练之后，经训练的ML网络可以被应用于所测量的离焦图像系列In/CBn，以便将其映射到所述样本波前E(例如，复场或全电场)。这如图11示意性地所示。经训练的ML网络取代了图8中的常规迭代离焦相位获取方法。此步骤可以使用步骤1(训练阶段)中所使用的全息设备来执行，以执行样本/目标的离焦测量，但无参考辐射/参考波前。这可以通过在参考侧臂(例如，图5中的参考光学单元16)被禁用(或被阻止)的情况下执行所述测量以获得离焦图像系列In/CBn来实现，这与所述参考侧臂被启用(或被解锁)的步骤1形成对比。经训练网络针对特定的设备配置进行训练，并且学习光如何通过这种特定设置来传播。如此，优选的是：在训练设置与HV量测设置之间，像差等等是相同的。然而，有可能的是(并且在本公开的范围内)，经训练网络可以在量测设置上工作，这些量测设置与被训练的网络不是相同的(例如，相同的型号)或基本相同，特别是在类似的情况下。在所述训练设置与HV量测设置之间，空间相干特性需要是相同的。
因此，本文披露了一种方法，其中在训练步骤中使用(所测量的或所模拟的)离焦全息图系列来训练ML网络，使得其能够直接地(即，以非迭代的方式)将离焦强度(未参考的)系列映射到其对应的复电场。然后，经训练的ML算法可以用于高容量量测(HVM)，以用于将一个或更多个目标(例如，μDBO型目标)的以实验方式记录的离焦图像系列映射到复值样本波前。在所述训练步骤中所使用的训练数据可以包括包含规则或常规图像信息和边带(例如，参考)信息两者的离焦全息图系列，后者即边带信息直接产生将被训练为所述ML算法输出的复值样本波前。使用ML方法的主要好处是，与诸如在干涉测量中常用的迭代法相比，它允许更快的重构，从而对测量噪声更不敏感。
在后续被编号的方面中披露了另外的实施例：
1.一种确定与结构有关的复值场的方法，包括：
获得与所述结构的一系列图像相关的图像数据，对于所述结构，至少一个测量参数在所述系列中是变化的；
获得可操作以将一系列图像映射到对应的复值场的经训练网络；
将所述图像数据输入到所述经训练网络中；和
以非迭代的方式确定与所述结构相关的、作为所述经训练网络的输出的所述复值场。
2.根据方面1所限定的方法，其中已经从未参考的光学测量获得所述图像数据。
3.根据方面2所限定的方法，其中使用全息设备进行所述未参考的光学测量，所述全息设备的参考支路被禁用。
4.根据前述任一方面所限定的方法，包括执行一次或更多次光学测量以获得所述图像数据。
5.根据前述任一方面所限定的方法，其中所述经训练网络是神经网络或自动编码器/解码器网络。
6.根据前述任一方面所限定的方法，其中已经根据与一个或更多个训练结构的一系列全息测量相关的训练数据对所述经训练网络进行训练，其中至少一个测量参数在所述系列中是变化的。
7.根据方面6所限定的方法，其中用于获取所述图像数据的设备和用于获取所述训练数据的设备是包括用于提供参考辐射的参考支路的类似的或相同的全息设备；且其中：
所述图像数据是根据在禁用参考支路的情况下所执行的未参考光学测量而获得的，以及
所述训练数据是根据在启用参考支路的情况下所执行的参考光学测量而获得的。
8.根据方面6或7所限定的方法，包括用以训练未经训练网络以获得所述经训练网络的训练步骤，所述训练步骤包括：
从所述训练数据提取边带数据和中心带数据；
根据所述边带数据确定复值场数据；和
使用中心带数据和相对应的复值场数据来训练所述未经训练网络，以将所述中心带数据直接地映射到所述复值场。
9.根据方面8所限定的方法，其中所述训练步骤包括在确定所述复值场的所述步骤之前对所述训练数据或边带数据中的光学像差进行的初始校正。
10.根据方面6至9中任一项所限定的方法，其中所述训练数据完全地或部分地包括模拟全息测量的结果。
11.根据方面6至10中任一项所限定的方法，包括执行和/或模拟所述全息测量以获得所述训练数据的步骤。
12.根据前述任一方面所限定的方法，其中所述至少一个测量参数包括焦距。
13.一种训练未经训练网络以获得经训练网络的方法，所述经训练网络可操作以将一系列图像映射到对应的复值场，所述训练步骤包括：
获取与一个或更多个训练结构的一系列全息测量相关的训练数据，对于所述一个或更多个训练结构，至少一个测量参数在所述系列中是变化的；
从所述训练数据提取边带数据和中心带数据；
根据所述边带数据确定复值场数据；和
使用所述中心带数据和相对应的复值场数据来训练所述未经训练网络，以将所述中心带数据直接地映射到所述复值场。
14.根据方面13所限定的方法，其中所述训练数据完全地或部分地包括模拟全息测量。
15.根据方面13或14所限定的方法，包括执行和/或模拟所述全息测量以获得所述训练数据的步骤。
16.一种数据结构，包括通过执行根据方面13至15中任一项所述的方法得到的经训练网络。
17.一种数据结构载体，包括根据方面16所述的数据结构。
18.一种量测设备，所述量测设备被配置用于确定在衬底上所制造的结构的特性，所述量测设备包括：
数据结构，所述数据结构包括可操作以将一系列图像直接地映射到对应的复值场的经训练网络；和
处理器，所述处理器可操作以使用所述数据结构从包括所述结构的一系列图像的图像数据确定与所述结构相关的复值场，对于所述结构，至少一个测量参数在所述系列中是变化的。
19.根据方面18所述的量测设备，所述量测设备可操作以执行根据方面1至15中的任一项所述的方法。
虽然可以在本文中具体地参考在IC制造中光刻设备的使用，但应理解，本文中所描述的光刻设备可以具有其它应用。可能的其它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，等等。
虽然在本文中可以对在检查或量测设备的情境下的本发明的实施例进行具体参考，但本发明的实施例可以用于其它设备中。本发明的实施例可以形成掩模检查设备、光刻设备或测量或处理诸如晶片(或其它衬底)或掩模(或其它图案形成装置)之类的对象的任何设备的部分。术语“量测设备”也可以指检查设备或检测系统。例如包括本发明的实施例的检查设备可以用以检测衬底的缺陷或衬底上的结构的缺陷。在这种实施例中，衬底上的结构的关注的特性可能涉及结构中的缺陷、结构的特定部分的不存在或衬底上的不想要结构的存在。
虽然具体提及“量测设备/工具/系统”或“检查设备/工具/系统”，但这些术语可以指相同或类似类型的工具、设备或系统。例如，包括本发明的实施例的检查或量测设备可以用以确定衬底上或晶片上的结构的特性。例如，包括本发明的实施例的检查设备或量测设备可以用以检测衬底的缺陷、或衬底上或晶片上的结构的缺陷。在这样的实施例中，衬底上的结构的关注的特性可能关于结构中的缺陷、结构的特定部分的不存在或衬底上或晶片上的不想要的结构的存在。
虽然上文可以具体地参考在光学光刻的情境下对本发明的实施例的使用，但将了解，本发明可以在情境允许的情况下不限于光学光刻术，并且可以用于其它应用(例如，压印光刻术)。
虽然上文所描述的目标或目标结构(更通常地，在衬底上的结构)是出于测量的目的而专门设计和形成的量测目标结构，但在其它实施例中，可以对作为在衬底上形成的器件的功能性部分的一个或更多个结构测量关注的性质。许多器件具有规则的类光栅结构。如本文中所使用的术语结构、目标光栅和目标结构不要求已具体针对正被执行的测量来提供结构。另外，量测目标的间距P可以接近于散射仪的光学系统的分辨率极限或可能更小，但可以比通过目标部分C中的光刻过程制作的典型产品特征的尺寸大得多。在实践上，可以将目标结构内的重叠光栅的线和/或空间制造为包括尺寸上与产品特征类似的较小结构。
虽然上文已描述本发明的特定实施例，但应了解，可以与所描述方式不同的其它方式来实践本发明。以上描述意图是说明性的，而不是限制性的。因此，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所描述的本发明进行修改。

Claims (18)

1.一种确定与结构有关的复值场的方法，包括：
获得与所述结构的一系列图像相关的图像数据，对于所述结构，至少一个测量参数在所述一系列图像中是变化的；
获得能够操作以将一系列图像映射到对应的复值场的经训练网络；
将所述图像数据输入到所述经训练网络中；和
以非迭代的方式确定与所述结构相关的、作为所述经训练网络的输出的所述复值场。
2.根据权利要求1所限定的方法，其中已经从未参考光学测量获得所述图像数据。
3.根据权利要求2所限定的方法，其中使用全息设备进行所述未参考光学测量，所述全息设备的参考支路被禁用。
4.根据权利要求1-3中任一项所限定的方法，包括执行一次或更多次光学测量以获得所述图像数据。
5.根据权利要求1-3中任一项所限定的方法，其中所述经训练网络是神经网络或自动编码器/解码器网络。
6.根据权利要求1所限定的方法，其中已经根据与一个或更多个训练结构的一系列全息测量相关的训练数据对所述经训练网络进行训练，对于所述一个或更多个训练结构，所述至少一个测量参数在所述一系列全息测量中是变化的。
7.根据权利要求6所限定的方法，其中用于获取所述图像数据的设备和用于获取所述训练数据的设备是包括用于提供参考辐射的参考支路的类似的或相同的全息设备；且其中：
所述图像数据是根据在禁用参考支路的情况下所执行的未参考光学测量而获得的，以及
所述训练数据是根据在启用参考支路的情况下所执行的参考光学测量而获得的。
8.根据权利要求6或7所限定的方法，包括用以训练未经训练网络以获得所述经训练网络的训练步骤，所述训练步骤包括：
从所述训练数据提取边带数据和中心带数据；
根据所述边带数据确定复值场数据；和
使用中心带数据和相对应的复值场数据来训练所述未经训练网络，以将所述中心带数据直接地映射到所述复值场。
9.根据权利要求8所限定的方法，其中，所述训练步骤包括在确定所述复值场的所述步骤之前对所述训练数据或边带数据中的光学像差进行的初始校正。
10.根据权利要求6至9中任一项所限定的方法，其中所述训练数据完全地或部分地包括模拟全息测量的结果。
11.根据权利要求6至9中任一项所述的方法，包括执行和/或模拟所述全息测量以获得所述训练数据的步骤。
12.根据权利要求1-3中任一项所限定的方法，其中所述至少一个测量参数包括焦距。
13.一种训练未经训练网络以获得经训练网络的方法，所述经训练网络能够操作以将一系列图像映射到对应的复值场，训练步骤包括：
获取与一个或更多个训练结构的一系列全息测量相关的训练数据，对于所述一个或更多个训练结构，至少一个测量参数在所述一系列全息测量中是变化的；
从所述训练数据提取边带数据和中心带数据；
根据所述边带数据确定复值场数据；和
使用所述中心带数据和相对应的复值场数据来训练所述未经训练网络，以将所述中心带数据直接地映射到所述复值场。
14.根据权利要求13所限定的方法，其中所述训练数据完全地或部分地包括模拟全息测量的结果。
15.根据权利要求13或14所限定的方法，包括执行和/或模拟所述全息测量以获得所述训练数据的步骤。
16.一种数据结构载体，包括通过执行根据权利要求13至15中任一项所述的方法得到的经训练网络。
17.一种量测设备，所述量测设备被配置用于确定在衬底上所制造的结构的特性，所述量测设备包括：
数据结构，所述数据结构包括能够操作以将一系列图像直接地映射到对应的复值场的经训练网络；和
处理器，所述处理器能够操作以使用所述数据结构来从包括所述结构的一系列图像的图像数据确定与所述结构相关的复值场，对于所述结构，至少一个测量参数在所述一系列图像中是变化的。
18.根据权利要求17所述的量测设备，所述量测设备能够操作以执行根据权利要求1至15中任一项所述的方法。
CN202080042960.8A 2019-06-13 2020-05-08 量测方法和用于训练用于量测的数据结构的方法 Active CN113966488B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19179972.5 2019-06-13
EP19179972.5A EP3751342A1 (en) 2019-06-13 2019-06-13 Metrology method and method for training a data structure for use in metrology
PCT/EP2020/062803 WO2020249332A1 (en) 2019-06-13 2020-05-08 Metrology method and method for training a data structure for use in metrology

Publications (2)

Publication Number Publication Date
CN113966488A CN113966488A (zh) 2022-01-21
CN113966488B true CN113966488B (zh) 2024-04-30

Family

ID=66857770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080042960.8A Active CN113966488B (zh) 2019-06-13 2020-05-08 量测方法和用于训练用于量测的数据结构的方法

Country Status (4)

Country Link
US (1) US20220309645A1 (zh)
EP (1) EP3751342A1 (zh)
CN (1) CN113966488B (zh)
WO (1) WO2020249332A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3786713A1 (en) * 2019-09-02 2021-03-03 ASML Netherlands B.V. Metrology method and device for determining a complex-valued field
US11747740B2 (en) * 2020-01-06 2023-09-05 Nova Ltd Self-supervised representation learning for interpretation of OCD data
KR20210156894A (ko) * 2020-06-18 2021-12-28 삼성전자주식회사 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치
CN116125765B (zh) * 2023-04-17 2023-07-04 魅杰光电科技(上海)有限公司 集成电路套刻误差评估方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924132A (zh) * 2014-08-28 2018-04-17 Asml荷兰有限公司 检查设备、检查方法和制造方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG121818A1 (en) 2002-11-12 2006-05-26 Asml Netherlands Bv Lithographic apparatus and device manufacturing method
US7791727B2 (en) 2004-08-16 2010-09-07 Asml Netherlands B.V. Method and apparatus for angular-resolved spectroscopic lithography characterization
NL1036245A1 (nl) 2007-12-17 2009-06-18 Asml Netherlands Bv Diffraction based overlay metrology tool and method of diffraction based overlay metrology.
NL1036734A1 (nl) 2008-04-09 2009-10-12 Asml Netherlands Bv A method of assessing a model, an inspection apparatus and a lithographic apparatus.
NL1036857A1 (nl) 2008-04-21 2009-10-22 Asml Netherlands Bv Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method.
KR101295203B1 (ko) 2008-10-06 2013-08-09 에이에스엠엘 네델란즈 비.브이. 2차원 타겟을 이용한 리소그래피 포커스 및 조사량 측정
JP5545782B2 (ja) 2009-07-31 2014-07-09 エーエスエムエル ネザーランズ ビー．ブイ． リソグラフィ装置の焦点測定方法、散乱計、リソグラフィシステム、およびリソグラフィセル
NL2007176A (en) 2010-08-18 2012-02-21 Asml Netherlands Bv Substrate for use in metrology, metrology method and device manufacturing method.
WO2016005167A1 (en) * 2014-07-09 2016-01-14 Asml Netherlands B.V. Inspection apparatus, inspection method and device manufacturing method
KR102109059B1 (ko) 2014-11-26 2020-05-12 에이에스엠엘 네델란즈 비.브이. 계측 방법, 컴퓨터 제품 및 시스템
CN107924137B (zh) 2015-06-17 2021-03-05 Asml荷兰有限公司 基于配置方案间的一致性的配置方案选择
WO2017153133A1 (en) * 2016-03-08 2017-09-14 Asml Netherlands B.V. Inspection apparatus and method, lithographic apparatus, method of manufacturing devices and computer program
US10209615B2 (en) * 2017-05-26 2019-02-19 Xtal, Inc. Simulating near field image in optical lithography
CN114993205A (zh) 2017-10-05 2022-09-02 Asml荷兰有限公司 用于确定衬底上的一个或更多个结构的特性的量测系统和方法
NL2021848A (en) * 2018-04-09 2018-11-06 Stichting Vu Holographic metrology apparatus.
US11392830B2 (en) * 2018-04-13 2022-07-19 The Regents Of The University Of California Devices and methods employing optical-based machine learning using diffractive deep neural networks
CA3102297A1 (en) * 2018-06-04 2019-12-12 The Regents Of The University Of California Deep learning-enabled portable imaging flow cytometer for label-free analysis of water samples
CN108665060B (zh) * 2018-06-12 2022-04-01 上海集成电路研发中心有限公司 一种用于计算光刻的集成神经网络

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107924132A (zh) * 2014-08-28 2018-04-17 Asml荷兰有限公司 检查设备、检查方法和制造方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《一类复值神经网络的随机指数鲁棒稳定性》;徐晓惠等;《电子科技大学学报》;20190530;3(48);374-380 *

Also Published As

Publication number Publication date
CN113966488A (zh) 2022-01-21
US20220309645A1 (en) 2022-09-29
EP3751342A1 (en) 2020-12-16
WO2020249332A1 (en) 2020-12-17

Similar Documents

Publication Publication Date Title
CN112204473B (zh) 确定结构特性的方法和量测设备
CN113966488B (zh) 量测方法和用于训练用于量测的数据结构的方法
TWI769581B (zh) 暗場數位全像顯微鏡及相關度量衡方法
EP3531191A1 (en) Metrology apparatus and method for determining a characteristic of one or more structures on a substrate
JP7110327B2 (ja) メトロロジ方法及び装置
KR20210145287A (ko) 대상물의 다수의 다양한 이미지의 동시 획득을 위한 검출 장치
EP3605230A1 (en) Metrology apparatus and method for determining a characteristic of one or more structures on a substrate
EP3731018A1 (en) A method for re-imaging an image and associated metrology apparatus
EP3839635A1 (en) Dark field digital holographic microscope and associated metrology method
TWI822310B (zh) 度量衡方法及裝置
EP4318131A1 (en) Sensor module, illuminator, metrology device and associated metrology method
EP4276537A1 (en) Illumination mode selector and associated optical metrology tool
EP4124909A1 (en) Metrology method and device
EP4187321A1 (en) Metrology method and associated metrology tool
EP4332678A1 (en) Holographic metrology apparatus and method
EP4246232A1 (en) Illumination arrangement for a metrology device and associated method
EP4339703A1 (en) Metrology method and associated metrology device
EP4063971A1 (en) Digital holographic microscope and associated metrology method
NL2023305A (en) Metrology method and method for training a data structure for use in metrology
WO2022100939A1 (en) Dark field digital holographic microscope and associated metrology method
EP3742230A1 (en) Detection apparatus for simultaneous acquisition of multiple diverse images of an object
WO2022263231A1 (en) Metrology method and device
TW202301043A (zh) 數位全像顯微鏡及相關度量衡方法
CN117063131A (zh) 数字全息显微镜和相关联的量测方法
NL2022997A (en) A method for re-imaging an image and associated metrology apparatus

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