CN114503123A - 用于计量的信号域适应 - Google Patents

用于计量的信号域适应 Download PDF

Info

Publication number
CN114503123A
CN114503123A CN202080070067.6A CN202080070067A CN114503123A CN 114503123 A CN114503123 A CN 114503123A CN 202080070067 A CN202080070067 A CN 202080070067A CN 114503123 A CN114503123 A CN 114503123A
Authority
CN
China
Prior art keywords
metrology
data
instances
device region
metering
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.)
Granted
Application number
CN202080070067.6A
Other languages
English (en)
Other versions
CN114503123B (zh
Inventor
S·潘戴夫
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.)
KLA Corp
Original Assignee
KLA Tencor Corp
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 KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN114503123A publication Critical patent/CN114503123A/zh
Application granted granted Critical
Publication of CN114503123B publication Critical patent/CN114503123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G01B11/0625—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating with measurement of absorption or reflection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/21—Polarisation-affecting properties
    • G01N21/211—Ellipsometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/201—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials by measuring small-angle scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • 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
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • 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
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • 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
    • G03F7/706835—Metrology information management or control
    • G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
    • G03F7/706841—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

使用第一计量数据及第二计量数据训练机器学习模型以基于装置区域的计量数据来预测计量目标的计量数据。所述第一计量数据是针对使用制造工艺制造的半导体裸片上的装置区域的多个例子。所述第二计量数据是针对含有与所述装置区域中的结构相异的结构的计量目标的多个例子。使用所述经训练机器学习模型基于所述装置区域的例子的第三计量数据来预测所述计量目标的第四计量数据。使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数。至少部分基于所述一或多个参数来监测及控制所述制造工艺。

Description

用于计量的信号域适应
相关申请案
本申请案主张2019年10月14日申请的第62/914,621号美国临时专利申请案的优先权，所述申请案的全部内容出于所有目的以引用的方式并入本文中。
技术领域
本发明涉及半导体计量，且更特定来说，涉及转换计量数据以获得半导体结构的参数测量。
背景技术
半导体计量可用于通过获得计量数据且使用半导体晶片上的结构的模型处理计量数据而测量结构的参数(即，参数值)。然而，例如半周期性及非周期性结构的复杂结构难以或无法建模。例如，光学临界尺寸(OCD)计量适用于周期性结构但不适用于复杂非周期性结构。常规基于回归的建模可无法用于复杂结构，且使用机器学习来对复杂结构进行建模可能是无效的。例如，待用于机器学习的参考数据可能是不可用的或可能不包含足够结构参数变化以产生相对于工艺变化稳健的经良好训练的准确模型。
发明内容
因此，需要使用计量数据来测量复杂半导体结构的参数的经改进方法及系统。
在一些实施例中，一种执行半导体计量的方法在计算机系统中执行，所述计算机系统包含一或多个处理器及存储由所述一或多个处理器执行的指令的存储器。在所述方法中，针对使用制造工艺制造的半导体裸片上的装置区域的多个例子获得第一计量数据。所述装置区域含有半周期性或非周期性结构。针对计量目标的多个例子获得第二计量数据，其中所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构。使用所述第一计量数据及所述第二计量数据训练机器学习模型以基于所述装置区域的计量数据来预测所述计量目标的计量数据。针对第一半导体裸片上的所述装置区域的例子获得第三计量数据，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异。使用所述经训练机器学习模型基于所述第三计量数据来预测所述计量目标的第四计量数据。使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数。至少部分基于所述一或多个参数来监测及控制所述制造工艺。
在一些实施例中，一种非暂时性计算机可读存储媒体存储由计算机系统的一或多个处理器执行的一或多个程序。所述一或多个程序包含用于使用第一计量数据及第二计量数据训练机器学习模型以基于装置区域的计量数据来预测计量目标的计量数据的指令。所述第一计量数据是针对使用制造工艺制造的半导体裸片上的装置区域的多个例子。所述装置区域含有半周期性或非周期性结构。所述第二计量数据是针对计量目标的多个例子。所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构。所述一或多个程序还包含用于使用所述经训练机器学习模型基于第一半导体裸片上的所述装置区域的例子的第三计量数据来预测所述计量目标的第四计量数据的指令，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异。所述一或多个程序还包含用于使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数且用于至少部分基于所述一或多个参数来监测及控制所述制造工艺的指令。
在一些实施例中，一种半导体检验系统包含一或多个半导体计量工具、一或多个处理器及存储由所述一或多个处理器执行的一或多个程序的存储器。所述一或多个程序包含用于使用第一计量数据及第二计量数据训练机器学习模型以基于装置区域的计量数据来预测计量目标的计量数据的指令。所述第一计量数据是针对使用制造工艺制造的半导体裸片上的装置区域的多个例子。所述装置区域含有半周期性或非周期性结构。所述第二计量数据是针对计量目标的多个例子。所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构。所述一或多个程序还包含用于使用所述经训练机器学习模型基于第一半导体裸片上的所述装置区域的例子的第三计量数据来预测所述计量目标的第四计量数据的指令，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异。所述一或多个程序还包含用于使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数且用于至少部分基于所述一或多个参数来监测及控制所述制造工艺的指令。
附图说明
为更好地理解各种所描述实施方案，应结合以下图式参考下文实施方式。
图1展示根据一些实施例的已使用制造工艺在其上制造多个半导体裸片的半导体晶片。
图2展示根据一些实施例的使用信号域适应执行半导体计量的方法的流程图。
图3展示根据一些实施例的图2的方法中的数据流。
图4是根据一些实施例的半导体检验系统的框图。
贯穿图式及说明书，相同元件符号指代对应零件。
具体实施方式
本文中现将详细参考各种实施例，在附图中说明所述实施例的实例。在以下实施方式中，陈述数个特定细节以提供对各种所描述实施例的透彻理解。然而，所属领域的一般技术人员将明白，可在无这些特定细节的情况下实践各种所描述实施例。在其它例子中，并未详细描述众所周知的方法、过程、组件、电路及网络以免不必要地混淆所述实施例的方面。
图1展示根据一些实施例的已使用制造工艺在其上制造多个半导体裸片102的半导体晶片100。在一些实施例中，已完全制造半导体裸片102，使得已执行制造工艺中的全部步骤。替代地，仅已部分制造半导体裸片102，使得制造工艺已被执行到给定点且接着暂停，使得可对晶片100上的结构进行测量。在任一情况中，晶片100被称为全制造工艺(full-loop)晶片，这是因为已执行制造工艺中从开始直到某一点(即，制造工艺已暂停的给定点或制造工艺的结束)的全部步骤。全制造工艺晶片不同于短制造工艺(short-loop)晶片：针对短制造工艺晶片，仅执行制造工艺中的步骤的一部分(例如，对应于一或多个层的步骤但并非直到某一点的每一层)。例如，可通过执行从制造工艺中的某一中点开始而非从制造工艺起点开始的步骤而制造短制造工艺晶片。
每一裸片102包含可使用适当计量技术检验的装置区域104的相应例子。实际上，裸片102可具有待检验的多个所关注区域。以下公开内容为简单起见描述单个装置区域104，但可应用于裸片102上的多个装置区域。晶片100还包含可使用适当计量技术检验的计量目标106的例子。(为简单起见，图1中仅展示装置区域104的单个例子及计量目标106的单个例子。)
在一些实施例中，计量目标106的例子位于分离裸片102的划线道108中。划线道在晶片100上水平及垂直地延伸(即，分别从左到右及从上到下)且一旦制造完成便被锯断以分离裸片102以供封装。在一个实例中，计量目标106的例子可位于相应裸片102的上方、下方、左侧及/或右侧。在另一实例中，至少一个计量目标106可位于每一光刻场110中，使得至少一个计量目标106位于与相应裸片102相同的光刻场110中。光刻场110是在单个光刻曝光中通过光罩暴露的裸片102及所附划线道108的群组。更一般来说，计量目标106的例子可位于装置区域104的相应例子的指定距离内。
在其它实施例中，计量目标106的例子位于相应裸片102中。例如，计量目标106的单个相应例子可位于晶片100上的每一裸片102中，或计量目标106的多个例子可分布于晶片100上的每一裸片102内。然而，将计量目标106包含在裸片102中会增加裸片大小，因此降低晶片良率且增加裸片成本。
相同计量技术可用于检验装置区域104及计量目标106两者的例子。替代地，装置区域104的例子可使用第一计量技术检验且计量目标106的例子可使用与第一计量技术相异的第二计量技术检验。用于检验装置区域104及/或计量目标106的例子的计量技术的实例包含(但不限于)椭圆偏光术、反射测量术、临界尺寸小角度x射线光谱术(CD-SAXS)、软x射线反射测量术(SXR)、扫描电子显微术(SEM)及透射电子显微术(TEM)。
装置区域104中的结构或结构布置比计量目标106中的结构或结构布置更复杂。例如，计量目标106中的结构是周期性的，而装置区域104中的结构是半周期性或非周期性的。半周期性结构是周期性的，惟周期性中存在一或多个中断除外。例如，半周期性结构在第一组层(例如，顶层或底层)中可为周期性的但在第二组层(例如，底层或替代地顶层)中可为非周期性的。在一个此实例中，装置区域104含有阵列下方的CMOS电路系统(CUA或阵列下方的CMOS)，其中阵列是周期性的且底层CMOS电路系统并非周期性的。半周期性结构的其它实例是可能的。
计量目标106中的结构可经建模，且所得模型用于从计量目标106的所述例子的计量数据提取计量目标106的特定例子的参数数据。然而，装置区域104中的结构可难以或无法以此方式进行建模，使得无法可靠地从装置区域104的计量数据提取准确参数数据。在此状况中，装置区域104的相应例子仍含有关于其在制造期间经历的制造工艺中的变化(即，工艺变化)的信息。因此，装置区域104的相应例子的计量数据至少近似含有此信息，但此信息无法直接从计量数据提取。为获得此信息，使用信号域适应将装置区域104的特定例子的计量数据转换为计量目标106的假设例子的计量数据。接着，使用计量目标106的模型提取计量目标106的假设例子的一或多个参数(即，参数值)。这些参数提供装置区域104的特定例子的所要工艺变化信息。
图2展示根据一些实施例的使用信号域适应执行半导体计量的方法200的流程图。方法200可在计算机系统(例如，图4的半导体检验系统400的计算机系统)中执行。方法200中的步骤可经组合或分解。参考图3描述方法200，图3展示根据一些实施例的方法200中的数据流。图3中展示的模块对应于存储于计算机系统的存储器(例如，图4的存储器410)中的指令。方法200可自动执行，而无需用户介入。
在方法200中，针对使用制造工艺制造的半导体裸片102上的装置区域104(图1)的多个例子获得(202)第一计量数据302(图3)。装置区域104含有半周期性或非周期性结构。针对计量目标106的多个例子获得(202)第二计量数据304。计量目标106含有与装置区域104中的半周期性或非周期性结构相异的结构。在一些实施例中，计量目标106中含有的结构是(204)周期性的。直接或间接从一或多个计量工具442(图4)获得第一计量数据302及第二计量数据304。
在一些实施例中，获得(202)第一计量数据302及第二计量数据304包含获得(206)装置区域104及计量目标106的多个配对例子的计量数据。多个配对例子可位于一或多个半导体晶片100(图1)上，在所述一或多个半导体晶片100上，半导体裸片102被划线道108分离。例如，多个配对例子的相应配对例子(例如，每一配对例子)包含相应半导体裸片102上的装置区域104的例子及相邻于相应半导体裸片102的相应划线道108中的计量目标106的例子。在另一实例中，将一或多个半导体晶片100划分为多个光刻场110，其中根据实验设计(被称为实验设计或DOE)使用制造工艺的不同条件制造不同光刻场110。多个配对例子的相应配对例子(例如，每一配对例子)各自包含光刻场110中的相应半导体裸片102上的装置区域104的例子及位于相同光刻场110中的计量目标106的例子。在又另一实例中，多个配对例子的相应配对例子(例如，每一配对例子)各自包含相应半导体裸片102上的装置区域104的例子及位于相同半导体裸片102上的计量目标106的例子。更一般来说，多个配对例子的相应配对例子(例如，每一配对例子)各自包含装置区域104的例子及位于彼此的指定距离内的计量目标106的例子。
在其它实施例中，装置区域104的多个例子不与计量目标106的多个例子配对(208)。例如，装置区域104的多个例子可为来自第一组的一或多个晶片100且计量目标106的多个例子可为来自第二非重叠组的一或多个晶片100。
在一些实施例中，装置区域104的多个例子位于(210)使用制造工艺中的一系列步骤制造的一或多个全制造工艺半导体晶片100上。计量目标106的多个例子位于使用制造工艺中的所述系列步骤的子集制造的一或多个短制造工艺半导体晶片上。根据一些实施例，在变化工艺条件下制造一或多个短制造工艺半导体晶片(例如，其中在不同工艺条件下制造不同光刻场110)。此类实施例是装置区域104的多个例子不与计量目标106的多个例子配对(208)的实例。
在一些实施例中，装置区域104的多个例子位于(212)一或多个半导体晶片100上。计量目标106的多个例子是模拟的。因此，第二计量数据304可包含模拟计量数据(例如，是模拟及/或真实计量数据)。例如，在步骤202中获得第二计量数据(或其一部分)可包含在制造工艺的变化模拟条件下对计量目标106的模型执行模拟。此类实施例是其中装置区域104的多个例子不与计量目标106的多个例子配对(208)的进一步实例。
使用第一计量数据302及第二计量数据304训练(214)机器学习模型以基于装置区域104的计量数据来预测计量目标106的计量数据。例如，将第一计量数据302及第二计量数据304提供到训练模块418(图3)，训练模块418训练计量数据预测模型306。在一些实施例中，机器学习模型(例如，计量数据预测模型306)是神经网络，其通过调整神经网络内的相应节点处的权重而进行训练。
在其中装置区域104的多个例子与计量目标106的多个例子配对的一些实施例中，通过调整权重以最小化第二计量数据304与由模型基于第一计量数据302预测的计量数据之间的差异而训练机器学习模型。例如，如果第一计量数据302包含装置区域104的例子的光谱(例如，光学光谱)SDA，那么机器学习模型实施产生计量目标106的预测计量数据的函数G(SDA)，且如果第二计量数据304包含计量目标106的例子的光谱(例如，光学光谱)SMT，那么机器学习模型的权重w被确定为：
w＝argmin||G(SDA)-SMT|| (1)
因此，第二计量数据304用作实况，在训练过程期间比较所述实况与机器学习模型的输出，其中相应地调整机器学习模型。由于每一配对例子的装置区域104与计量目标106之间的近接性，根据一些实施例，相应配对例子的装置区域104及计量目标106经历类似(例如，近似等效)工艺变化，从而使第二计量数据304成为可接受实况来源。
在其中装置区域104的多个例子不与计量目标106的多个例子配对的一些实施例中(例如，根据步骤208、210及/或212)，使用循环生成式对抗网络(循环GAN)执行训练。循环GAN涉及两个模型：产生器及鉴别器，其两者都在训练步骤202期间进行训练。产生器实施函数G，所述函数G基于装置区域104的计量数据来预测计量目标106的预测计量数据。在训练期间，产生器接收第一计量数据302作为输入。例如，如果第一计量数据302包含装置区域104的例子的光谱(例如，光学光谱)SDA，那么机器学习模型实施产生计量目标106的预测计量数据的函数G(SDA)。鉴别器确定计量目标106的计量数据是否可能是真或假。在训练期间，鉴别器接收第二计量数据304(例如，SMT)作为计量目标106的真实计量数据的实例(即使第二计量数据304是模拟的，循环GAN的上下文中的字词“真实”与计量数据的上下文中的字词“真实”不同地使用)，且将产生器的输出(例如，G(SDA))分类为真或假。当鉴别器在指定程度上相信产生器的输出为真时，训练完成。
针对第一半导体裸片102上的装置区域104的例子获得(216)第三计量数据308，所述第一半导体裸片102与具有装置区域104的第一多个例子的半导体裸片102相异。在一些实施例中，第三计量数据308直接或间接从计量工具442(图4)获得且被提供到计量数据预测模块416(图3)。第一半导体裸片102可位于晶片100上，所述晶片100与经检验以产生第一计量数据302及第二计量数据304(或经检验以产生第一计量数据302，前提是第二计量数据304是模拟的)的一或多个晶片100不同(例如，来自与一或多个晶片100不同的晶片批次)。例如，经检验以产生第一计量数据302及/或第二计量数据304的一或多个晶片100可为实验晶片(例如，其实施工艺变化DOE)，而第一半导体裸片102位于生产晶片上。
使用经训练机器学习模型，基于第三计量数据308来预测(218)计量目标106(即，计量目标106的假设例子)的第四计量数据310。例如，计量数据预测模块416(图3)从训练模块418接收经训练计量数据预测模型306且通过使用经训练计量数据预测模型306处理第三计量数据308而预测第四计量数据310。在一些实施例中，如果循环GAN用于训练计量数据预测模型306，那么经训练产生器(其是计量数据预测模型306的部分)用于基于第三计量数据308来预测第四计量数据310。
使用计量目标106的配方基于第四计量数据310来确定(220)计量目标106(即，针对步骤218描述的计量目标106的假设例子)的一或多个参数。例如，计量目标配方模块420(图3)接收第四计量数据310且通过使用配方421(图4)处理第四计量数据310而确定一或多个参数。一或多个参数可包含几何参数(例如，临界尺寸(CD)、叠加、侧壁角、边缘放置误差等)及/或制造工艺参数(例如，光刻焦点、光刻剂量等)。在一些实施例中，从由CD、叠加、侧壁角、边缘放置误差、光刻焦点及光刻剂量构成的群组选择(222)一或多个参数。在一些实施例中，配方(例如，图4的配方421)是基于模型的配方。基于模型的配方可为例如基于回归的。在另一实例中，基于模型的配方可为从使用模型及模拟器产生的数据训练的基于机器学习的配方。在一些其它实施例中，配方(例如，图4的配方421)是使用来自晶片的真实计量数据及来自参考计量工具的参考训练的无模型(即，不具有模型)配方。在又其它实施例中，配方(例如，图4的配方421)可使用模拟计量数据及真实计量数据两者来训练。此配方可被视为基于模型的，这是因为模拟计量数据是使用模型及模拟器产生。
至少部分基于如在步骤220中确定的一或多个参数来监测及控制(224)制造工艺。在一些实施例中，此监测及控制由工艺监测及控制模块422(图3)执行。例如，如果一或多个参数的全部或一部分与相应目标值相差达满足(例如，超过，或等于或超过)阈值的量，那么调整制造工艺，使得未来晶片100上的裸片的值将在目标值的范围内(例如，将不满足阈值差异)。在另一实例中，一或多个参数可被提供为统计过程控制(SPC)过程的输入，且可基于SPC结果来调整一或多个制造工艺参数。
替代执行步骤224或除此以外，方法200可包含至少部分基于如在步骤220中确定的一或多个参数来处置第一半导体裸片102位于其上的半导体晶片100。处置半导体晶片100可包含在继续处理晶片100、重加工晶片100或弃置晶片100之间进行选择。处置可由晶片处置模块424(图3)执行。
替代执行步骤224及/或执行处置或除此以外，方法200可包含至少部分基于如在步骤220中确定的一或多个参数来估计第一半导体裸片102的性能(例如，速度及/或功率消耗)。此估计可由性能估计模块426(图3)执行。
第一计量数据302、第二计量数据304、第三计量数据308及第四计量数据310可包含(但不限于)关于图1描述的计量类型中的任一者的计量数据。例如，第一计量数据302、第二计量数据304、第三计量数据308及第四计量数据310可包含相同类型的计量数据，其中第二计量数据304是真实及/或模拟的且第四计量数据310是在步骤218中产生的预测数据。在一个此实例中，第一计量数据302、第二计量数据304、第三计量数据308及第四计量数据310各自包含光学光谱的数据(例如，椭圆偏光术数据或反射测量术数据)。替代地，第一计量数据320及第三计量数据308各自包含第一类型的计量数据，而第二计量数据304及第四计量数据310各自包含与第一类型的计量数据相异的第二类型的计量数据。在一个此实例中，第一计量数据302及第三计量数据308各自包含光学光谱的数据(例如，椭圆偏光术数据或反射测量术数据)，而第二计量数据304及第四计量数据310各自包含SEM数据(或反之亦然)。许多其它实例是可能的。
图4是根据一些实施例的半导体检验系统400的框图。半导体检验系统400包含一或多个半导体计量工具442-1到442-n(其中n是大于或等于1的整数)及计算机系统，所述计算机系统具有一或多个处理器402(例如，CPU及/或GPU)、用户接口406、存储器410及将这些组件互连的一或多个通信总线404。计算机系统可通过一或多个有线及/或无线网络440与一或多个半导体计量工具442通信地耦合。计算机系统可进一步包含用于与一或多个半导体计量工具442及/或远端计算机系统通信的一或多个网络接口(有线及/或无线，未展示)。一或多个半导体计量工具442的实例包含(但不限于)椭圆偏光仪、反射计、CD-SAXS工具、SXR工具、SEM(例如，CD-SEM)或TEM。在一些实施例中，半导体计量工具442可经配置以执行多种类型的计量。在一些实施例中，半导体计量工具442可包含不同类型的计量工具(例如，椭圆偏光仪及SEM等)。
用户接口406可包含显示器407及一或多个输入装置408(例如，键盘、鼠标、显示器407的触敏表面等)。显示器407可报告方法200(图2)的结果。例如，显示器407可显示在步骤220中确定的一或多个参数、根据一或多个参数产生的计量目标106的图像、步骤224的监测结果、依据步骤224的过程控制对制造工艺进行或待进行的调整、由晶片处置模块424(图3)确定的晶片处置结果及/或由性能估计模块426(图3)确定的装置性能估计。
存储器410包含易失性及/或非易失性存储器。存储器410(例如，存储器410内的非易失性存储器)包含非暂时性计算机可读存储媒体。存储器410任选地包含远离于处理器402定位的一或多个存储装置及/或可移除地插入到计算机系统中的非暂时性计算机可读存储媒体。在一些实施例中，存储器410(例如，存储器410的非暂时性计算机可读存储媒体)存储以下模块及数据或其子集或超集：操作系统412，其包含用于处理各种基本系统服务及用于执行硬件相关任务的过程；计量数据414(例如，第一计量数据302、第二计量数据304、第三计量数据308及第四计量数据310)；计量数据预测模块416(图3)；训练模块418(图3)；计量目标配方模块420(图3)；工艺监测及控制模块422(图3)；晶片处置模块424(图3)；及性能估计模块426。计量数据预测模块416包含计量数据预测模型306(图3)。计量目标配方模块420包含配方421。
因此，存储器410(例如，存储器410的非暂时性计算机可读存储媒体)包含用于执行方法200(图2)的全部或一部分及用于实施图3的数据流的指令。存储于存储器410中的模块中的每一者对应于用于执行本文中描述的一或多个功能的指令集。单独模块无需被实施为单独软件程序。模块及模块的各种子集可经组合或以其它方式重新布置。在一些实施例中，存储器410存储上文识别的模块及/或数据结构的子集或超集。
图4更希望作为可存在于半导体检验系统中的各种特征的功能描述而非作为结构示意图。例如，可在多个装置之间分割半导体检验系统400中的计算机系统的功能性。存储于存储器410中的模块的一部分可替代地存储于通过一或多个网络与半导体检验系统400的计算机系统通信地耦合的一或多个其它计算机系统中。
出于说明的目的，已参考特定实施例描述前述描述。然而，上文阐释性论述不希望为穷尽性的或将权利要求书限于所公开的精确形式。鉴于上文教示，许多修改及变化是可能的。实施例经选择以最好地说明权利要求书的基本原理及其实际应用，以借此使所属领域的技术人员能够最好地使用具有适合于特定预期用途的各种修改的实施例。

Claims (25)

1.一种执行半导体计量的方法，其包括，
在包括一或多个处理器及存储由所述一或多个处理器执行的指令的存储器的计算机系统中：
针对使用制造工艺制造的半导体裸片上的装置区域的多个例子获得第一计量数据，所述装置区域含有半周期性或非周期性结构；
针对计量目标的多个例子获得第二计量数据，其中所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构；
使用所述第一计量数据及所述第二计量数据训练机器学习模型以基于所述装置区域的计量数据来预测所述计量目标的计量数据；
针对第一半导体裸片上的所述装置区域的例子获得第三计量数据，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异；
使用所述经训练机器学习模型基于所述第三计量数据来预测所述计量目标的第四计量数据；
使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数；及
至少部分基于所述一或多个参数来监测及控制所述制造工艺。
2.根据权利要求1所述的方法，其中所述计量目标中含有的所述结构是周期性的。
3.根据权利要求1所述的方法，其中获得所述第一计量数据及所述第二计量数据包括获得所述装置区域及所述计量目标的多个配对例子的计量数据。
4.根据权利要求3所述的方法，其中：
所述多个配对例子位于一或多个半导体晶片上，在所述一或多个半导体晶片上，半导体裸片被划线道分离；且
所述多个配对例子的相应配对例子包括相应半导体裸片上的所述装置区域的例子及相邻于所述相应半导体裸片的相应划线道中的所述计量目标的例子。
5.根据权利要求3所述的方法，其中：
所述多个配对例子包括位于半导体晶片上的所述装置区域及所述计量目标的配对例子；
将所述半导体晶片划分为多个光刻场，其中根据实验设计(DOE)使用所述制造工艺的不同条件制造不同光刻场；且
所述多个配对例子的相应配对例子各自包括光刻场中的相应半导体裸片上的所述装置区域的例子及位于与所述相应半导体裸片相同的光刻场中的所述计量目标的例子。
6.根据权利要求1所述的方法，其中：
所述装置区域的所述多个例子不与所述计量目标的所述多个例子配对；且
训练所述机器学习模型包括使用循环生成式对抗网络(循环GAN)技术。
7.根据权利要求1所述的方法，其中：
所述装置区域的所述多个例子位于使用所述制造工艺中的一系列步骤制造的一或多个全制造工艺半导体晶片上；且
所述计量目标的所述多个例子位于使用所述制造工艺中的所述系列步骤的子集制造的一或多个短制造工艺半导体晶片上。
8.根据权利要求1所述的方法，其中：
所述装置区域的所述多个例子位于一或多个半导体晶片上；且
所述计量目标的所述多个例子是模拟的，其中获得所述第二计量数据包括在所述制造工艺的变化模拟条件下对所述计量目标的模型执行模拟。
9.根据权利要求1所述的方法，其中所述第一计量数据、所述第二计量数据、所述第三计量数据及所述第四计量数据各自包括选自由以下项构成的群组的计量数据：椭圆偏光术数据、反射测量术数据、临界尺寸小角度x射线光谱术(CD-SAXS)衍射数据、软x射线反射测量术(SXR)衍射数据、扫描电子显微术(SEM)数据及透射电子显微术(TEM)数据。
10.根据权利要求9所述的方法，其中所述第一计量数据、所述第二计量数据、所述第三计量数据及所述第四计量数据包括相同类型的计量数据。
11.根据权利要求10所述的方法，其中所述第一计量数据、所述第二计量数据、所述第三计量数据及所述第四计量数据各自包括光学光谱的数据。
12.根据权利要求9所述的方法，其中：
所述第一计量数据及所述第三计量数据各自包括第一类型的计量数据；且
所述第二计量数据及所述第四计量数据各自包括与所述第一类型的计量数据相异的第二类型的计量数据。
13.根据权利要求12所述的方法，其中：
所述第一计量数据及所述第三计量数据各自包括光学光谱的数据；且
所述第二计量数据及所述第四计量数据各自包括SEM数据。
14.根据权利要求12所述的方法，其中：
所述第一计量数据及所述第三计量数据各自包括SEM数据；且
所述第二计量数据及所述第四计量数据各自包括光学光谱的数据。
15.根据权利要求1所述的方法，其中所述一或多个参数是选自由以下项构成的群组：临界尺寸(CD)、叠加、侧壁角、边缘放置误差、光刻焦点及光刻剂量。
16.一种非暂时性计算机可读存储媒体，其存储由计算机装置的一或多个处理器执行的一或多个程序，所述一或多个程序包括用于以下项的指令：
使用第一计量数据及第二计量数据训练机器学习模型以基于装置区域的计量数据来预测计量目标的计量数据，其中：
所述第一计量数据是针对使用制造工艺制造的半导体裸片上的装置区域的多个例子，所述装置区域含有半周期性或非周期性结构；且
所述第二计量数据是针对计量目标的多个例子，所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构；
使用所述经训练机器学习模型基于第一半导体裸片上的所述装置区域的例子的第三计量数据来预测所述计量目标的第四计量数据，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异；
使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数；及
至少部分基于所述一或多个参数来监测及控制所述制造工艺。
17.根据权利要求16所述的计算机可读存储媒体，其中所述计量目标中含有的所述结构是周期性的。
18.根据权利要求16所述的计算机可读存储媒体，其中：
所述装置区域的所述多个例子位于使用所述制造工艺中的一系列步骤制造的一或多个全制造工艺半导体晶片上；且
所述计量目标的所述多个例子位于使用所述制造工艺中的所述系列步骤的子集制造的一或多个短制造工艺半导体晶片上。
19.根据权利要求16所述的计算机可读存储媒体，其中：
所述装置区域的所述多个例子位于一或多个半导体晶片上；
所述计量目标的所述多个例子是模拟的；且
所述一或多个程序进一步包括用于在所述制造工艺的变化模拟条件下对所述计量目标的模型执行模拟以产生所述计量目标的所述多个例子的指令。
20.根据权利要求16所述的计算机可读存储媒体，其中：
所述第一计量数据及所述第三计量数据各自包括第一类型的计量数据；且
所述第二计量数据及所述第四计量数据各自包括与所述第一类型的计量数据相异的第二类型的计量数据。
21.一种半导体检验系统，其包括：
一或多个半导体计量工具；
一或多个处理器；及
存储器，其存储由所述一或多个处理器执行的一或多个程序，所述一或多个程序包括用于以下项的指令：
使用第一计量数据及第二计量数据训练机器学习模型以基于装置区域的计量数据来预测计量目标的计量数据，其中：
所述第一计量数据是针对使用制造工艺制造的半导体裸片上的装置区域的多个例子，所述装置区域含有半周期性或非周期性结构；且
所述第二计量数据是针对计量目标的多个例子，所述计量目标含有与所述装置区域中的所述半周期性或非周期性结构相异的结构；
使用所述经训练机器学习模型基于第一半导体裸片上的所述装置区域的例子的第三计量数据来预测所述计量目标的第四计量数据，所述第一半导体裸片与具有所述装置区域的所述第一多个例子的所述半导体裸片相异；
使用所述计量目标的配方基于所述第四计量数据来确定所述计量目标的一或多个参数；及
至少部分基于所述一或多个参数来监测及控制所述制造工艺。
22.根据权利要求21所述的半导体检验系统，其中所述计量目标中含有的所述结构是周期性的。
23.根据权利要求21所述的半导体检验系统，其中：
所述装置区域的所述多个例子位于使用所述制造工艺中的一系列步骤制造的一或多个全制造工艺半导体晶片上；且
所述计量目标的所述多个例子位于使用所述制造工艺中的所述系列步骤的子集制造的一或多个短制造工艺半导体晶片上。
24.根据权利要求21所述的半导体检验系统，其中：
所述装置区域的所述多个例子位于一或多个半导体晶片上；
所述计量目标的所述多个例子是模拟的；且
所述一或多个程序进一步包括用于在所述制造工艺的变化模拟条件下对所述计量目标的模型执行模拟以产生所述计量目标的所述多个例子的指令。
25.根据权利要求21所述的半导体检验系统，其中：
所述第一计量数据及所述第三计量数据各自包括第一类型的计量数据；且
所述第二计量数据及所述第四计量数据各自包括与所述第一类型的计量数据相异的第二类型的计量数据。
CN202080070067.6A 2019-10-14 2020-10-08 用于计量的信号域适应 Active CN114503123B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962914621P 2019-10-14 2019-10-14
US62/914,621 2019-10-14
US16/724,058 2019-12-20
US16/724,058 US11415898B2 (en) 2019-10-14 2019-12-20 Signal-domain adaptation for metrology
PCT/US2020/054659 WO2021076387A1 (en) 2019-10-14 2020-10-08 Signal-domain adaptation for metrology

Publications (2)

Publication Number Publication Date
CN114503123A true CN114503123A (zh) 2022-05-13
CN114503123B CN114503123B (zh) 2023-07-14

Family

ID=75382134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080070067.6A Active CN114503123B (zh) 2019-10-14 2020-10-08 用于计量的信号域适应

Country Status (7)

Country Link
US (1) US11415898B2 (zh)
EP (1) EP4035203A4 (zh)
JP (1) JP7490762B2 (zh)
KR (1) KR102637430B1 (zh)
CN (1) CN114503123B (zh)
TW (1) TWI833043B (zh)
WO (1) WO2021076387A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11415898B2 (en) * 2019-10-14 2022-08-16 Kla Corporation Signal-domain adaptation for metrology
US11836429B2 (en) * 2019-10-23 2023-12-05 Lam Research Corporation Determination of recipes for manufacturing semiconductor devices
US20220114438A1 (en) * 2020-10-09 2022-04-14 Kla Corporation Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
KR20220051903A (ko) * 2020-10-19 2022-04-27 삼성전자주식회사 회로 모델을 생성하는 방법 및 이를 이용한 집적 회로의 제조 방법
WO2023151973A1 (en) * 2022-02-10 2023-08-17 Asml Netherlands B.V. Systems and methods for generating sem-quality metrology data from optical metrology data using machine learning
US20230417682A1 (en) * 2022-06-23 2023-12-28 Onto Innovation Inc. Metrology solutions for complex structures of interest
US20240054333A1 (en) * 2022-08-09 2024-02-15 Applied Materials, Inc. Piecewise functional fitting of substrate profiles for process learning
US20240060914A1 (en) * 2022-08-16 2024-02-22 Kla Corporation Methods And Systems For X-Ray Scatterometry Measurements Employing A Machine Learning Based Electromagnetic Response Model
WO2024078883A1 (en) * 2022-10-14 2024-04-18 Carl Zeiss Smt Gmbh Method to obtain information to control a manufacturing process for a stacked semiconductor device and detection system using such method

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040267397A1 (en) * 2003-06-27 2004-12-30 Srinivas Doddi Optical metrology of structures formed on semiconductor wafer using machine learning systems
US20090292386A1 (en) * 2008-05-20 2009-11-26 National Cheng Kung University System and Method for Automatic Virtual Metrology
TW201448081A (zh) * 2013-03-27 2014-12-16 Kla Tencor Corp 以統計模型爲基礎的計量學
US20160266505A1 (en) * 2015-01-30 2016-09-15 Kla-Tencor Corporation Device metrology targets and methods
US20160282105A1 (en) * 2015-03-24 2016-09-29 Kla-Tencor Corporation Model-Based Single Parameter Measurement
CN107076681A (zh) * 2014-10-14 2017-08-18 科磊股份有限公司 用于基于图像及散射术的叠对测量的信号响应度量
CN107924561A (zh) * 2015-08-31 2018-04-17 科磊股份有限公司 使用图像的以模型为基础的计量
CN108291868A (zh) * 2015-12-08 2018-07-17 科磊股份有限公司 用于快速自动确定用于高效计量的信号的系统、方法及计算机程序产品
CN108475350A (zh) * 2016-01-11 2018-08-31 科磊股份有限公司 使用基于学习的模型加速半导体相关计算
CN109632819A (zh) * 2014-05-12 2019-04-16 科磊股份有限公司 用于测量半导体参数的设备、技术和目标设计
US10365225B1 (en) * 2015-03-04 2019-07-30 Kla-Tencor Corporation Multi-location metrology

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
US7974982B2 (en) 2008-02-04 2011-07-05 Disney Enterprises, Inc. System and method for device profiling using cascaded databases
US7742889B2 (en) * 2008-03-27 2010-06-22 Tokyo Electron Limited Designing an optical metrology system optimized with signal criteria
US9103664B2 (en) * 2010-04-01 2015-08-11 Tokyo Electron Limited Automated process control using an adjusted metrology output signal
WO2014062972A1 (en) 2012-10-18 2014-04-24 Kla-Tencor Corporation Symmetric target design in scatterometry overlay metrology
US9581430B2 (en) 2012-10-19 2017-02-28 Kla-Tencor Corporation Phase characterization of targets
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US9875946B2 (en) 2013-04-19 2018-01-23 Kla-Tencor Corporation On-device metrology
US9915522B1 (en) 2013-06-03 2018-03-13 Kla-Tencor Corporation Optimized spatial modeling for optical CD metrology
US10935893B2 (en) 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US10352876B2 (en) 2014-05-09 2019-07-16 KLA—Tencor Corporation Signal response metrology for scatterometry based overlay measurements
US10151986B2 (en) * 2014-07-07 2018-12-11 Kla-Tencor Corporation Signal response metrology based on measurements of proxy structures
US10139352B2 (en) 2014-10-18 2018-11-27 Kla-Tenor Corporation Measurement of small box size targets
US10546085B2 (en) * 2017-04-12 2020-01-28 Anchor Semiconductor Inc. Pattern centric process control
US10733744B2 (en) * 2017-05-11 2020-08-04 Kla-Tencor Corp. Learning based approach for aligning images acquired with different modalities
US10727142B2 (en) * 2017-05-30 2020-07-28 Kla-Tencor Corporation Process monitoring of deep structures with X-ray scatterometry
EP3451061A1 (en) * 2017-09-04 2019-03-06 ASML Netherlands B.V. Method for monitoring a manufacturing process
EP3489756A1 (en) * 2017-11-23 2019-05-29 ASML Netherlands B.V. Method and apparatus to determine a patterning process parameter
US11085754B2 (en) * 2017-12-12 2021-08-10 Kla Corporation Enhancing metrology target information content
US11415898B2 (en) * 2019-10-14 2022-08-16 Kla Corporation Signal-domain adaptation for metrology

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1799045A (zh) * 2003-06-27 2006-07-05 音质技术公司 使用机器学习系统的对在半导体晶片上形成的结构的光学计量
US20040267397A1 (en) * 2003-06-27 2004-12-30 Srinivas Doddi Optical metrology of structures formed on semiconductor wafer using machine learning systems
US20090292386A1 (en) * 2008-05-20 2009-11-26 National Cheng Kung University System and Method for Automatic Virtual Metrology
JP4914457B2 (ja) * 2008-05-20 2012-04-11 国立成功大学 自動バーチャル測定のシステムおよびその方法
TW201448081A (zh) * 2013-03-27 2014-12-16 Kla Tencor Corp 以統計模型爲基礎的計量學
CN109632819A (zh) * 2014-05-12 2019-04-16 科磊股份有限公司 用于测量半导体参数的设备、技术和目标设计
CN107076681A (zh) * 2014-10-14 2017-08-18 科磊股份有限公司 用于基于图像及散射术的叠对测量的信号响应度量
US20160266505A1 (en) * 2015-01-30 2016-09-15 Kla-Tencor Corporation Device metrology targets and methods
US10365225B1 (en) * 2015-03-04 2019-07-30 Kla-Tencor Corporation Multi-location metrology
US20160282105A1 (en) * 2015-03-24 2016-09-29 Kla-Tencor Corporation Model-Based Single Parameter Measurement
CN107408519A (zh) * 2015-03-24 2017-11-28 科磊股份有限公司 基于模型的单个参数测量
CN107924561A (zh) * 2015-08-31 2018-04-17 科磊股份有限公司 使用图像的以模型为基础的计量
CN108291868A (zh) * 2015-12-08 2018-07-17 科磊股份有限公司 用于快速自动确定用于高效计量的信号的系统、方法及计算机程序产品
CN108475350A (zh) * 2016-01-11 2018-08-31 科磊股份有限公司 使用基于学习的模型加速半导体相关计算

Also Published As

Publication number Publication date
JP7490762B2 (ja) 2024-05-27
US20210109453A1 (en) 2021-04-15
TWI833043B (zh) 2024-02-21
CN114503123B (zh) 2023-07-14
JP2022552191A (ja) 2022-12-15
KR20220082848A (ko) 2022-06-17
EP4035203A4 (en) 2023-11-22
US11415898B2 (en) 2022-08-16
WO2021076387A1 (en) 2021-04-22
TW202129225A (zh) 2021-08-01
KR102637430B1 (ko) 2024-02-15
EP4035203A1 (en) 2022-08-03

Similar Documents

Publication Publication Date Title
CN114503123B (zh) 用于计量的信号域适应
TWI749698B (zh) 用於訓練一圖案化程序之一深度學習模型之方法及相關電腦程式產品
US10402524B2 (en) Prediction of process-sensitive geometries with machine learning
KR102336390B1 (ko) 제품 유닛의 다중-스테이지 처리를 위한 장치 최적화
US11774859B2 (en) Method and apparatus for evaluating an unknown effect of defects of an element of a photolithography process
CN111566789B (zh) 使用电子显微法的半导体计量及缺陷分类
WO2015089231A1 (en) Target and process sensitivity analysis to requirements
US10140400B2 (en) Method and system for defect prediction of integrated circuits
US20220129775A1 (en) Prediction and metrology of stochastic photoresist thickness defects
US7533313B1 (en) Method and apparatus for identifying outlier data
KR102554791B1 (ko) 데이터 세트로부터의 피쳐의 추출
TWI668517B (zh) 用於預測度量衡系統之效能之方法與裝置
CN111052326B (zh) 用于临界尺寸测量的检验导引临界位点选择
TW202425166A (zh) 用於晶圓的成像資料集中缺陷偵測的電腦實施方法、相應的電腦可讀媒介、電腦程式產品以及利用此方法的系統
Takagi et al. Study on fabrication process parameter estimation by visual measurement

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