CN114746991A - 使用简化模型的基于断层摄影术的半导体测量 - Google Patents

使用简化模型的基于断层摄影术的半导体测量 Download PDF

Info

Publication number
CN114746991A
CN114746991A CN202080083663.8A CN202080083663A CN114746991A CN 114746991 A CN114746991 A CN 114746991A CN 202080083663 A CN202080083663 A CN 202080083663A CN 114746991 A CN114746991 A CN 114746991A
Authority
CN
China
Prior art keywords
voxel
voxel model
model
constrained
image set
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
CN202080083663.8A
Other languages
English (en)
Other versions
CN114746991B (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 CN114746991A publication Critical patent/CN114746991A/zh
Application granted granted Critical
Publication of CN114746991B publication Critical patent/CN114746991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • 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
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本文中呈现了用于与半导体结构的基于经断层摄影解析的图像的测量相关联的经改进正则化的方法及系统。本文中所描述的正则化基于捕获已知工艺变化的受约束体素模型的测量数据及参数化。基于简化几何模型、工艺模型或者两者来确定所述受约束体素模型，从而表征被测量结构。与未受约束体素模型相比，受约束体素模型具有明显较少自由度。与所述受约束体素模型的每一体素相关联的值取决于相对小数目的自变量。所述自变量的选择由对所述结构及基本制造工艺的了解提供。基于受约束体素模型的正则化使得能够以较少计算工作量更快速地收敛及更精确地重构经测量结构。这使得能够以经减少数据采集要求及经减少测量时间进行半导体测量。

Description

使用简化模型的基于断层摄影术的半导体测量
相关申请案的交叉参考
本专利申请案依据35 U.S.C.§119主张于2019年12月2日提出申请的标题为“使用简化模型的数据驱动混合断层摄影术(Data Driven Hybrid Tomography UsingSimplified Models)”的美国临时专利申请案第62/942,735号的优先权，所述专利申请案的标的物以其全文引用方式并入本文中。
技术领域
所描述实施例涉及计量系统及方法，且更特定来说，涉及用于半导体结构的经改进测量的方法及系统。
背景技术
通常通过应用于样本的处理步骤顺序来制作例如逻辑及存储器装置的半导体装置。通过这些处理步骤来形成所述半导体装置的各种特征及多个结构层级。举例来说，其它处理步骤中的光刻是一种涉及在半导体晶片上产生图案的半导体制作工艺。半导体制作工艺的额外实例包含但不限于化学机械抛光、蚀刻、沉积及离子植入。可在单个半导体晶片上制作多个半导体装置，且接着将其分离成个别半导体装置。
在半导体制造过程期间，在各个步骤处使用计量工艺来检测晶片上的缺陷以促成较高合格率。基于光学及X射线的计量技术提供了高吞吐量而不具有样本损毁的风险的可能性。通常使用若干种基于计量的技术(包含散射测量、反射测量及椭圆偏光实施方案及相关联分析算法)来表征纳米尺度结构的临界尺寸、膜厚度、组合物、叠对及其它参数。
许多计量技术是测量被测量样本的物理性质的间接方法。在大多数情形中，无法使用原始测量信号来直接确定样本的物理性质。而是，迭代地解析某一类型的测量模型来匹配原始测量信号。一旦得到解析，就采用测量模型来估计一或多个所关注参数的值。
在一些实例中，使用断层摄影技术来分析图像数据以解析断层摄影测量模型。在一些实例中，断层摄影测量模型是跨越包络经测量结构的三维体积的体素的格栅阵列。阵列的体素的大小及间距是先验已知的。断层摄影术是一种用于确定与体素模型的每一体素相关联的性质(例如，透明度、电子密度等)的值的最优化过程。最优化过程确定了与每一体素相关联的性质的值，所述值使经模拟与经测量图像数据之间的差最小化，且因此将经测量结构重构为经解析体素模型。
在典型半导体计量应用中，经测量结构的体素模型包含大数目的体素(例如，一百万个或更多个体素)以提供充足分辨率来准确估计所关注参数(例如，临界尺寸、高度、侧壁角度等)。这使得断层摄影最优化问题在数学上欠定，即，基于相对少的实际测量样品来解析百万个或更多个体素参数。为了克服断层摄影最优化问题的固有欠定本质，将一或多个形式的正则化用作最优化过程的一部分。
遗憾的是，在断层摄影分析(例如，总变化正则化、L1正则化等)中采用的典型、泛用正则化限制了测量性能。在一些实例中，泛用正则化项的应用较弱，从而允许最优化落入区域最小值且导致不切实际及不准确的测量结果。在一些实例中，泛用正则化项的应用导致过强正则化，从而导致测量结果缺乏充分细节。
由于越来越小的分辨率要求、多参数相关、越来越复杂的几何结构及不透明材料的越来越多的使用，未来计量应用呈现出计量挑战。在半导体计量中采用的典型断层摄影技术采用了未按照被测量结构裁适的泛用正则化。这通常导致区域最小值的收敛及不正确重构。因此，期望用于与半导体结构的基于断层摄影的测量相关联的经改进正则化的方法及系统。
发明内容
本文中呈现了用于与半导体结构的基于经断层摄影解析的图像的测量相关联的经改进正则化的方法及系统。更具体来说，本文中所描述的所述正则化基于捕获已知工艺变化的受约束体素模型的数据(例如，经模拟数据、真实数据，或者两者)及参数化。基于简化几何模型、工艺模型或者两者来确定所述受约束体素模型，从而表征被测量结构。基于准确地表示工艺变化的受约束体素模型的正则化使得能够以较少运算工作量收敛到经测量结构的更准确重构。这使得能够以经减少数据采集要求(例如，较少经测量角度及经减少移动-获取-移动(MAM)时间)进行半导体测量。
三维体素模型包含体素阵列，即，包络被测量结构的三维体积。每一体素界定空间中特定体积的位置及占据每一特定体积的材料的性质。与未受约束体素模型的每一体素相关联的值独立于所述体素模型的其它体素。因此，未受约束体素模型具有等于包括所述体素模型的体素数目的自由度数目。
在一个方面中，断层摄影测量引擎接收所述被测量结构的受约束体素模型。所述受约束体素模型在与所述体素模型相同的布置中包含相同数目的体素。然而，与所述体素模型相比，所述受约束体素模型具有明显较少自由度。与所述受约束体素模型的体素中的每一者相关联的值取决于相对小数目的自变量，且所述自变量的选择取决于对所述被测量结构及用于制作结构的所述过程的了解。
断层摄影测量引擎也接收由半导体测量系统测量的结构的经测量图像集。另外，所述断层摄影测量引擎基于体素模型、通过所述半导体计量系统来模拟对所述结构的测量。此外，所述断层摄影测量引擎基于所述经测量图像集与所述经模拟图像集之间的差以及所述体素模型与所述受约束体素模型之间的逐体素差两者来更新与所述体素模型的每一体素相关联的值。
在另一方面中，断层摄影测量引擎从驱动所述断层摄影最优化的所述经测量图像的全集、所述经测量图像的所述全集中的子集、从被另一半导体测量系统测量的结构收集的测量数据量或者其组合产生所述结构的所述受约束体素模型。
在一些实施例中，独立于用于更新所述体素模型的所述最优化而合成所述受约束体素模型。在一些实施例中，经训练的受约束体素模型合成模型从测量数据直接确定受约束体素模型。在一些实施例中，回归模型或基于经训练机器学习的模型用于从测量数据确定表征所述被测量结构的一或多个参数的值，且经训练解码器模型从所述一或多个参数的所述值产生受约束体素模型。
在一些其它实施例中，将所述受约束体素模型合成为用于更新所述体素模型的所述最优化的一部分。
在又一方面中，通过所述结构的经测量图像集与表征基于所述受约束体素模型而产生的所述结构的每一测量的经模拟图像集之间的差来驱动断层摄影最优化。
在再一方面中，通过表征基于所述体素模型而产生的所述结构的每一测量的经模拟图像集与表征基于所述受约束体素模型而产生的所述结构的每一测量的经模拟图像集之间的差来驱动断层摄影最优化。
在又一方面中，在数个实施例中采用解码器模型将相对小的独立参数集变换成具有大得多的维度的体素模型表示。换句话说，解码器模型提供从经缩小参数空间到体素空间的映射。
在一些实施例中，解码器模型基于以合成方式产生的数据、实际测量数据或用户界定的数据训练的基于机器学习的模型(例如，线性模型、神经网络模型、卷积神经网络模型)。然而，一般来说，解码器模型可以是适合线性或非线性模型。
前述内容是发明内容且因此必然含有细节的简化、概述及省略；因此，所属领域的技术人员将了解，发明内容仅为说明性的且不以任何方式为限制性的。在本文中所陈述的非限制性具体实施方式中，本文中所描述的装置及/或工艺的其它方面、发明性特征及优点将变得显而易见。
附图说明
图1是图解说明一个实施例中的示范性断层摄影测量引擎150的图式。
图2是根据本文中所呈现的示范性方法的图解说明用于测量样本的特性的小角度X射线散射测量(SAXS)计量工具的实施例的图式。
图3是图解说明表征梯形结构的形状的简单、在几何形状上参数化的模型的图式。
图4是图解说明表征梯形结构的三维体素模型的横截面图的图式。
图5是图解说明另一实施例中的示范性断层摄影测量引擎的图式。
图6是图解说明一个实施例中的受约束体素模型合成模块的图式。
图7是图解说明另一实施例中的受约束体素模型合成模块的图式。
图8是图解说明再一实施例中的示范性断层摄影测量引擎的图式。
图9是图解说明再一实施例中的示范性断层摄影测量引擎的图式。
图10是图解说明一个实施例中的解码器训练引擎的图式。
图11是图解说明另一实施例中的解码器训练引擎的图式。
图12是图解说明再一实施例中的解码器训练引擎的图式。
图13是图解说明再一实施例中的解码器训练引擎的图式。
图14是图解说明用于基于体素模型及受约束体素模型来估计所关注参数的值的方法300的流程图。
具体实施方式
现将详细参考背景实例及本发明的一些实施例，附图中图解说明了本发明的实例。
本文中呈现了用于与半导体结构的基于经断层摄影解析的图像的测量相关联的经改进正则化的方法及系统。更具体来说，本文中所描述的正则化基于捕获已知工艺变化的受约束体素模型的数据(例如，经模拟数据、真实数据，或者两者)及参数化。基于简化几何模型、工艺模型或者两者来确定受约束体素模型，从而表征被测量结构。基于准确地表示工艺变化的受约束体素模型的正则化使得能够以较少运算工作量收敛到经测量结构的更准确重构。这使得能够以经减少数据采集要求(例如，较少经测量角度及经减少移动-获取-移动(MAM)时间)进行半导体测量。
图1是图解说明一个实施例中的示范性断层摄影测量引擎150的图式。如图1中所描绘，断层摄影测量引擎150包含最优化模块151、电磁解算器模块152及参数提取模块153。断层摄影测量引擎150估计表征被测量结构(例如被基于X射线的计量系统测量的半导体结构)的所关注参数的值162。在一些实施例中，所关注参数包含：所关注几何参数、所关注工艺参数、所关注电参数、所关注色散参数等。通过非限制性实例方式，所关注参数可以是叠对尺寸、临界尺寸、光刻焦点、光刻剂量、蚀刻曝光时间等。
如图1中所描绘，断层摄影测量引擎150接收被半导体计量系统(例如小角度X射线散射测量(SAXS)计量系统)测量的结构的经测量图像集126。在一个实例中，每一经测量图像是从被测量结构衍射且由SAXS计量系统的检测器捕获的x射线光子的图像。经测量图像集126包含各自与不同测量例子相关联的若干个衍射图像。每一测量例子是以不同标称入射角、标称方位角或者两者进行的测量。以这种方式，经测量图像集126包含以若干个不同标称入射角、标称方位角或者两者收集的图像。
如图1中所描绘，最优化模块151接收被测量结构的体素模型的初始值154。图4描绘表征梯形结构165的三维体素模型的横截面图。如图4中所描绘，体素模型166包含各自具有立方体形状的体素阵列，即，三维体积。在图4中所描绘的实施例中，每一体素具相同大小及形状。体素阵列包络被测量结构。体素数目是先验已知的且在断层摄影分析期间保持恒定。每一体素界定空间中特定体积的位置及占据每一特定体积的材料的性质。在基于X射线的计量的上下文中，通过非限制性实例方式，所述性质可以是电子密度。在光学计量的上下文中，通过非限制性实例方式，所述性质可以是透明度。
如图4中所图解说明，以不同方式对每一体素画阴影，这取决于与每一体素相关联的材料性质的值。举例来说，体素166A被具有相对低电子密度的空气完全占据，而体素166B被具有相对高电子密度的半导体材料完全占据。例如体素166C的一些体素部分被空气填充且部分地被半导体材料填充。因此，体素166C的材料性质的值介于与体素166A及166B相关联的值之间。采用由最优化模块151接收的初始值154来界定被测量结构的初始体素模型。在一些实例中，可随机选择初始值154。在其它实例中，选择初始值154来最优地建模被测量结构的所期望形状及材料性质。
未受约束体素模型(例如体素模型157)中的每一体素独立于所述体素模型的其它体素。换句话说，与体素模型的体素中的每一者相关联的材料值独立于与体素模型的其它体素中的每一者相关联的值。因此，体素模型具有等于包括体素模型的体素数目的自由度数目。在一些实施例中，在半导体测量中所采用的体素模型包含100×100×100体素阵列。一般来说，在半导体测量中所采用的体素模型包含一百万个或更多个体素。
如图4中所图解说明，体素模型157被传递到电磁解算器模块152。电磁解算器模块152模拟由半导体计量系统在每一测量例子处对由体素模型157表征的结构的测量。因此，电磁解算器152产生对应于经测量图像集126的经模拟图像集159。
断层摄影测量引擎150确定经模拟图像集159及经测量图像集126中的每一对应经模拟图像与经测量图像之间的差。对照预定停止准则核对差分图像160的量值。
如果差在停止准则内，那么就将当前体素模型157传递到参数提取模块153。参数提取模块153从体素模型157估计表征被测量结构的一或多个所关注参数的值162。图3描绘表征梯形结构165的形状的简单几何参数化的模型。如图3中所图解说明，所述几何模型通过高度参数H、临界尺寸参数CD及侧壁角度参数SWA来表征梯形结构165的大小及形状。一般来说，可采用任何适合参数化模型来描述被测量结构的大小及形状。参数提取模块153选择最拟合由体素模型157所提供的结构165的电子密度图描画的结构165的形状的参数化模型的参数值，例如H、CD及SWA。以这种方式，参数提取模块153估计所关注参数的值，例如H、CD及SWA中的任一者。
如果差分图像160的量值不在停止准则内，那么就将差分图像160传递到最优化模块151。
在一个方面中，断层摄影测量引擎150接收结构的受约束体素模型155。受约束体素模型155在与体素模型相同的布置(即，相同大小的体素占据相同位置)中包含相同数目的体素。然而，与体素模型相比，受约束体素模型具有明显较少自由度。换句话说，与受约束体素模型的体素中的每一者相关联的材料值并不独立于与受约束体素模型的其它体素中的每一者相关联的值。更具体来说，与受约束体素模型的体素中的每一者相关联的材料值取决于相对小数目的自变量，且自变量的选择取决于对被测量结构及用于制作所述结构的过程的了解。
如图4中所描绘，断层摄影测量引擎150确定体素模型157与受约束体素模型155之间的差158。在逐体素基础上确定体素模型157与受约束体素模型155之间的差158。此外，最优化模块基于经测量图像集126与经模拟图像集159之间的差160以及体素模型157与受约束体素模型155之间的差158两者来更新与体素模型157中的每一体素相关联的值。在一个实例中，最优化模块151更新与体素模型157中的每一体素相关联的值，所述值将由方程式(1)阐释说明的损失函数最小化。
Figure BDA0003674294780000071
如由方程式(1)所阐释说明，损失函数J包含由加权因子γ1加权的体素模型正则化项RegV。以这种方式，最优化由经测量图像Img与从体素模型导出的经模拟图像EMSolv(Vox)之间的差的平方驱动。在一个实例中，正则化项RegV是体素模型Vox与受约束体素模型CVox之间的差。另外，损失函数J还可包含例如总变化L1等额外正则化项。一般来说，正则化项RegV将最优化过程正则化，这是因为受约束体素模型的变量空间比体素模型小得多，例如，维度为大约100，而非1,000,000。正则化项RegV有效地将最优化远离区域最小值且接近全局最小值。
如上文所描述，被测量结构的经测量图像集126可由SAXS计量系统产生。图2图解说明根据本文中所呈现的示范性方法的用于测量样本的特性的SAXS计量工具100的实施例。如图2中所展示，系统100可用于对安置在样本定位系统140上的样本101的测量区102内的结构执行x射线散射测量。在一些实施例中，测量区102具有八十微米或更小的点位大小。在一些实施例中，测量区102具有五十微米或更小的点位大小。在一些实施例中，测量区102具有四十微米或更小的点位大小。
在所描绘实施例中，SAXS计量工具100包含产生适合于x射线散射测量的x射线辐射的x射线照射源110。在一些实施例中，x射线照射源110产生介于0.01纳米与1纳米之间的波长。X射线照射源110产生入射于样本101的检验区102上的x射线束117。
一般来说，可审慎考虑能够以足以实现高吞吐量直列式计量的通量水平产生高亮度x射线的任何适合高亮度x射线照射源来供应用于x射线散射测量的x射线照射，如本文中所描述。在一些实施例中，x射线源包含使得x射线源能够递送处于不同可选择波长的x射线辐射的可调谐单色仪。
在一些实施例中，采用发射具有大于15keV的光子能量的辐射的一或多个x射线源以确保x射线源供应处于允许充足透射穿过整个装置以及晶片衬底的波长的光。通过非限制性实例方式，粒子加速器源、液态阳极源、旋转阳极源、固定固态阳极源、微焦源、微焦旋转阳极源及逆康普顿(Compton)源中的任一者可用作x射线源110。在一个实例中，可审慎考虑可从加利福尼亚州(美国)帕洛阿尔托Lyncean Technologies,Inc.购得的逆康普顿源。逆康普顿源具有能够在光子能量范围内产生x射线，由此使得x射线源能够递送处于不同可选择波长的x射线辐射的额外优点。示范性x射线源包含经配置以轰击固体或液体目标以模拟x射线辐射的电子束源。在一些实施例中，x射线照射源110是基于液态金属的x射线照射系统。产生了包含一或多个元素的液态金属喷流。通过非限制性实例方式，所述液态金属喷流包含铝、镓、铟、锡、铊及铋中的任一者。电子束源(例如，电子枪)产生由电子光学器件引导到液态金属喷流的电子流。适合电子光学器件包含用于聚焦电子束并将所述束引导于液态金属喷流处的电磁体、永磁体或者电磁体与永磁体的组合。液态金属喷流与电子流的同时发生产生了入射于样本101的检验区102上的x射线束117。以这种方式，液态金属喷流产生对应于其组成元素的x射线线。在一个实施例中，液态金属喷流包含镓及铟合金。
在2011年4月19日颁于KLA-Tencor Corp.的美国专利第7,929,667号中描述了用于产生高亮度液态金属x射线照射的方法及系统，所述美国专利以其全文引用方式并入本文中。
在一个实施例中，入射x射线束117处于24.2keV的铟kα线处。使用用于x射线散射测量的多层x射线光学器件将x射线束准直到小于一毫弧度发散度。
在一些实施例中，在不使用位于x射线源与被测量样本之间的屏幕的情况下实现本文中所描述的x射线散射测量。在这些实施例中，在入射角、多个波长或者两者的组合的范围内的束的经测量强度提供了充足信息以解析经测量结构的所期望材料性质(例如，复折射率、电子密度或吸收率)的分布图谱(即，图像)。然而，在一些其它实例中，将针孔或另一孔口定位在位于x射线源与被测量样本之间的原本不透明屏幕上以改进对x射线束的准直。针对孔口的数个位置测量衍射图案的强度。在一些其它实施例中，使用具有假随机孔口图案的屏幕，且针对多个屏幕测量衍射图案。还可审慎考虑这些方法提供额外信息以解析经测量结构的所期望材料性质的三维分布。
在一些实施例中，入射x射线束的轮廓由两个或更多个孔口、狭缝或者其组合控制。在另一实施例中，孔口、狭缝或者两者经配置以与样本的定向协调地旋转，以针对每一入射角、方位角或者两者最优化入射束的轮廓。
如图2中所描绘，x射线光学器件115将入射x射线束117塑形并引导到样本101。在一些实例中，x射线光学器件115包含用以将入射于样本101上的x射线束单色化的x射线单色仪。在一个实例中，采用晶体单色仪(例如洛克斯利-坦纳-博文(Loxley-Tanner-Bowen)单色仪)将x射线辐射束单色化。在一些实例中，x射线光学器件115使用多层x射线光学器件将x射线束117准直或聚焦到样本101的测量区102上，使发散度小于1毫弧度。在一些实施例中，x射线光学器件115包含一或多个x射线准直镜、x射线孔口、x射线束截捕器、折射x射线光学器件、衍射光学器件(例如波带片)、镜面x射线光学器件(例如掠入射椭球面镜)、多毛细管光学器件(例如空心毛细管x射线波导)、多层光学器件或系统或者其任一组合。在美国专利公开案第2015/0110249号中描述了进一步细节，所述美国专利公开案的内容以其全文引用方式并入本文中。
一般来说，针对每一测量应用将照射光学器件系统的焦平面最优化。以这种方式，系统100经配置以取决于测量应用而将焦平面定位在样本内的各种深度处。
X射线检测器116收集从样本101散射的x射线辐射125并产生指示对入射x射线辐射敏感的样本101的性质的输出信号126。在一些实施例中，x射线检测器116收集经散射x射线125，而样本定位系统140将样本101定位并定向以产生以角度方式解析的经散射x射线。
计量系统100包含具有高动态范围(例如，大于105)及厚的高吸收性晶体衬底的一或多个光子计数检测器，所述晶体衬底吸收直接束(亦即，零阶束)而无损坏且具有最小背向散射。适合于全束x射线散射测量的示范性检测器材料包含碲化镉(CdTe)、锗(Ge)及砷化镓(GaAs)晶体等等。在一些实施例中，检测器材料经选择以在对应于源能量的窄能带中提供高转换效率。
在一些实施例中，单个光子计数检测器检测经检测光子的位置及数目。在一些实施例中，采用双阈值检测器来改进SNR。
X射线检测器116解析一或多个x射线光子能量并针对每一x射线能量分量产生指示样本的性质的信号。在一些实施例中，x射线检测器116包含以下各项中的任一者：CCD阵列、微通道板、光电二极管阵列、微带比例计数器、以气体填充的比例计数器、闪烁器或荧光材料。
以这种方式，除像素位置及计数数目之外，还通过能量来区分检测器内的X射线光子相互作用。在一些实施例中，通过比较X射线光子相互作用的能量与预定上部阈值及预定下部阈值来区分X射线光子相互作用。在一个实施例中，经由输出信号126将此信息传递到计算系统130以供进一步处理及存储。
高纵横比、垂直制造的结构将经准直X射线束衍射成若干衍射级。每一衍射级在特定可预测方向上行进。衍射级的角度间距与通过波长划分的样本的晶格常数成反比。所述衍射级由放置在与晶片相距某一距离处的检测器阵列检测。检测器的每一像素输出指示命中所述像素的光子数目的信号。
如图2中所描绘，SAXS计量系统100包含用于获取由检测器116产生的信号126并至少部分地基于所获取信号确定所关注结构的性质的计算系统130。图1、图5、图8及图9描绘了用以估计一或多个几何参数、组合物参数或者两者的值从而基于与复杂半导体结构相关联的x射线散射测量数据来表征复杂半导体结构的断层摄影测量引擎150的不同实施例的图解说明。在一些实施例中，通过例如图2中所描绘的计量系统100的x射线散射测量系统从晶片收集x射线散射测量数据126。此外，在一些实施例中，将计算系统130配置为如本文中所描述的断层摄影测量引擎150。
在另一方面中，断层摄影测量引擎从驱动断层摄影最优化的经测量图像的全集、经测量图像的全集中的子集、从被另一半导体测量系统测量的结构收集的测量数据量或者其组合产生结构的受约束体素模型。
在一些实施例中，独立于用于更新完整体素模型157的最优化而合成受约束体素模型155。图5描绘另一实施例中的断层摄影测量引擎150。图5中所描绘且参考图1所描述的相似编号的元件是类似的。如图5中所图解说明，断层摄影测量引擎150包含受约束体素模型合成模块163。受约束体素模型合成模块163从测量数据164产生受约束体素模型155。在一些实施例中，测量数据164是经测量图像集126。在一些其它实施例中，测量数据164是经测量图像集126的子集，例如，从标称入射角、标称方位角或者两者的子集收集的图像。在一些其它实施例中，测量数据164包含来自用于正则化断层摄影最优化的不同测量源的测量信号。在这些实施例中，通过并入来自多种测量技术(例如，光谱椭圆偏光术、光谱反射测量术、软x射线反射测量术、例如高光谱成像计量的其它基于成像的计量等)的测量结果来增强信号信息。
在一些实施例中，受约束体素模型合成模块163包含经训练的受约束体素模型合成模型。经训练模型接收测量数据164作为输入并直接确定受约束体素模型作为输出。在一些实施例中，经训练模型是基于机器学习的测量模型(例如，线性模型、神经网络模型、卷积网络模型等)。在这些实施例中，基于与具有所关注参数的已知值且因此已知体素模型表示的结构相关联的测量数据来训练模型。训练数据可基于以合成方式产生的数据、来自参考计量系统的真实测量数据，或者两者。
在一些实施例中，受约束体素模型合成模块163从测量数据164确定表征被测量结构的一或多个参数的值，并基于经训练解码器模型从一或多个参数的值产生受约束体素模型。
图6描绘一个实施例中的受约束体素模型合成模块163。如图6中所描绘，受约束体素模型合成模块163包含回归模块165及解码器模块166。回归模块165接收测量数据164并通过对测量数据164进行基于实体模型的回归分析来确定表征被测量结构的一或多个参数的值167。解码器模块166包含将表征结构的一或多个参数的值(例如，CD、SWA、H)变换成受约束体素模型155的经训练解码器模型。
图7描绘另一实施例中的受约束体素模型合成模块163。如图7中所描绘，受约束体素模型合成模块163包含基于机器学习的测量模块168及解码器模块169。基于机器学习的测量模块168的基于经训练机器学习的模型接收测量数据164并直接确定表征被测量结构的一或多个参数的值170。解码器模块169包含将表征结构的一或多个参数的值变换成受约束体素模型155的经训练解码器模型。在这些实施例中，基于与具有表征被测量结构的参数的已知值的结构相关联的测量数据来训练基于机器学习的模型。训练数据可基于以合成方式产生的数据、来自参考计量系统的真实测量数据，或者两者。
在一些实施例中，将受约束体素模型155合成为用于更新完整体素模型157的最优化的一部分。图8描绘再一实施例中的断层摄影测量引擎150。图8中所描绘且参考图1所描述的相似编号的元件是类似的。如图8中所图解说明，断层摄影测量引擎150包含解码器模块171。最优化模块151基于经测量图像集126与经模拟图像集159之间的差160以及体素模型157与受约束体素模型155之间的差158的最小化来确定表征结构172的一或多个参数的值，并且解码器模块171包含将表征结构的一或多个参数的值变换成受约束体素模型155的经训练解码器模型。
在另一方面中，通过结构的经测量图像集与表征基于受约束体素模型产生的结构的每一测量的经模拟图像集之间的差来驱动断层摄影最优化。
图9描绘再一实施例中的断层摄影测量引擎150。图9中所描绘且参考图1及图8所描述的相似编号的元件是类似的。如图9中所图解说明，断层摄影测量引擎150接收经测量图像集174。在一些实施例中，经测量图像集174等同于经测量图像集126。在一些其它实施例中，经测量图像集174是经测量图像集126的子集，例如，从标称入射角、标称方位角或者两者的子集收集的图像。
另外，体素模型155被传递到电磁解算器模块152。电磁解算器模块152模拟由半导体计量系统在包含在经测量图像集174中的每一测量例子处对由受约束体素模型155表征的结构的测量。因此，电磁解算器152产生对应于经测量图像集174的经模拟图像集173。断层摄影测量引擎150确定经模拟图像集173与经测量图像集174中的每一对应经模拟图像与经测量图像之间的差。差分图像175被传递回到最优化模块151。最优化模块151部分地基于差分图像175来更新与结构的体素模型157中的每一体素相关联的值。
因此，在一些实施例中，最优化模块151基于经测量图像集126与经模拟图像集159之间的差160、体素模型157与受约束体素模型155之间的差158以及经测量图像集174与经模拟图像集173之间的差175两者来更新与体素模型157中的每一体素相关联的值。在一个实例中，最优化模块151更新与体素模型157中的每一体素相关联的值，所述值将由方程式(2)阐释说明的损失函数最小化。
Figure BDA0003674294780000111
Figure BDA0003674294780000121
如由方程式(2)所阐释说明，损失函数J包含参考方程式(1)所描述的项，然而，另外，还通过经测量图像集S与从受约束体素模型导出的经模拟图像EMSolv(CVox)之间的差的平方来驱动最优化。此项有效地将最优化朝向全局最大值牵拉。
在又一方面中，通过表征基于体素模型产生的结构的每一测量的经模拟图像集与表征基于受约束体素模型产生的结构的每一测量的经模拟图像集之间的差来驱动断层摄影最优化。
图9描绘再一实施例中的断层摄影测量引擎150。图9中所描绘且参考图1及图8所描述的相似编号的元件是类似的。如图9中所图解说明，断层摄影测量引擎150接收经测量图像集174。在一些实施例中，经测量图像集174等同于经测量图像集126。在一些其它实施例中，经测量图像集174是经测量图像集126的子集，例如，从标称入射角、标称方位角或者两者的子集收集的图像。
如图9中所描绘，断层摄影测量引擎150确定经模拟图像集173与经测量图像集174中的每一对应经模拟图像与经测量图像之间的差。类似地，断层摄影测量引擎150确定经模拟图像集159与经测量图像集126中的每一对应经模拟图像与经测量图像之间的差。另外，断层摄影测量引擎150还确定差分图像175与差分图像160之间的差176。差分图像176被传递回到最优化模块151。最优化模块151部分地基于差分图像176来更新与结构的体素模型157中的每一体素相关联的值。
因此，在一些实施例中，最优化模块151基于经测量图像集126与经模拟图像集159之间的差160、体素模型157与受约束体素模型155之间的差158以及差分图像160与差分图像175之间的差176来更新与体素模型157中的每一体素相关联的值。在一个实例中，最优化模块151更新与体素模型157中的每一体素相关联的值，所述值将由方程式(3)阐释说明的损失函数最小化。
Figure BDA0003674294780000122
如由方程式(3)所阐释说明，损失函数J包含参考方程式(1)所描述的项，然而，另外，损失函数J还包含由加权因子γ2加权的图像正则化项RegI。正则化项RegI是由经测量图像Img与基于体素模型产生的对应经模拟图像EMSolv(Vox)之间的差产生的差分图像与由经测量图像S与对应经模拟图像EMSolv(VCox)之间的差产生的差分图像之间的差。
此外，在一些实施例中，最优化模块151基于经测量图像集126与经模拟图像集159之间的差160、体素模型157与受约束体素模型155之间的差158、差分图像160与差分图像175之间的差176以及经测量图像集174与经模拟图像集173之间的差175来更新与体素模型157中的每一体素相关联的值。在一个实例中，最优化模块151更新与体素模型157中的每一体素相关联的值，所述值将由方程式(4)阐释说明的损失函数最小化。
Figure BDA0003674294780000131
如上文所描述，在数个实施例中采用解码器模型来将相对小的独立参数集变换成具有大得多的维度的体素模型表示。换句话说，解码器模型提供从经缩小参数空间到体素空间的映射。
在一些实施例中，解码器模型是基于以合成方式产生的数据、实际测量数据或用户界定的数据训练的基于机器学习的模型(例如，线性模型、神经网络模型、卷积神经网络模型)。然而，一般来说，解码器模型可以是适合线性或非线性模型。
图10描绘一个实施例中的解码器训练引擎180。在一些实例中，将计算系统130配置为解码器训练引擎180。如图10中所图解说明，解码器训练引擎180包含参数化结构模型合成模块181、体素模型合成模块182及解码器训练模块183。
如图10中所图解说明，解码器训练引擎180接收表征被测量结构的一或多个几何参数的实验设计(DOE)值集184、表征用于制作所述结构的半导体制作工艺的一或多个工艺参数的DOE值集，或者两者。参数化结构模型合成模块181基于一或多个几何参数的DOE值集中的每一者、一或多个工艺参数的DOE值集中的每一者或者两者来确定结构的参数化模型集185。体素模型合成模块182基于结构的参数化模型集185中的每一者来确定结构的体素模型集186。解码器训练模块183基于一或多个几何参数的DOE值集184、一或多个工艺参数的DOE值集中的每一者或者两者以及体素模型集186中的每一对应体素模型来训练解码器模型。经训练解码器模型187存储在例如存储器132的存储器中。如图10中所图解说明，解码器训练模块采用DOE参数集184及对应体素模型集186两者来进行训练。
图11描绘一个实施例中的解码器训练引擎190。在一些实例中，将计算系统130配置为解码器训练引擎190。如图11中所图解说明，解码器训练引擎190包含参数化结构模型合成模块181、体素模型合成模块182及编码器/解码器训练模块191。如图11中所图解说明，编码器/解码器训练模块191采用体素模型集186来同时训练自动编码器及解码器两者。
如图11中所图解说明，解码器训练引擎190接收表征被测量结构的一或多个几何参数的实验设计(DOE)值集184、表征用于制作所述结构的半导体制作工艺的一或多个工艺参数的DOE值集，或者两者。参数化结构模型合成模块181基于一或多个几何参数的DOE值集中的每一者、一或多个工艺参数的DOE值集中的每一者或者两者来确定结构的参数化模型集185。体素模型合成模块182基于结构的参数化模型集185中的每一者来确定结构的体素模型集186。编码器/解码器训练模块191接收要作为输入提供到经训练解码器的参数空间的所期望维度的指示192。举例来说，参数空间的维度可介于1与100之间的范围中的整数。编码器/解码器训练模块191同时训练自动编码器与解码器，所述自动编码器将体素模型集186中的每一体素模型映射到具有所期望维度的参数空间的每一参数的值集且所述解码器将所述参数值集映射到体素模型。训练迭代，直到最小化体素模型186中的每一体素模型与由解码器自由自动编码器确定的参数确定的对应体素模型之间的差。经训练解码器模型193存储在例如存储器132的存储器中。如图11中所图解说明，编码器/解码器训练模块191在训练中不明确采用DOE参数集184，而是，在训练期间采用来自嵌入体素模型集186中的DOE参数集184的信息。
在一些实施例中，基于实际测量数据来训练解码器模型。图12描绘一个实施例中的解码器训练引擎200。在一些实例中，将计算系统130配置为解码器训练引擎200。如图12中所图解说明，解码器训练引擎200包含体素模型合成模块182及编码器/解码器训练模块191。
体素模型合成模块182从受信赖参考计量系统接收从测量数据导出的参数变化201。将一或多个实验设计(DOE)晶片制作为包含被测量结构的多个例子。结构的每一例子具有表征结构的一或多个几何参数、表征用于制作所述结构的半导体制作工艺的一或多个工艺参数或者两者的不同值。采用受信赖参考计量系统来测量安置在一或多个DOE晶片上的结构的每一例子。由参考计量系统提供的测量结果被用户信赖为足够准确的。基于由受信赖参考计量系统测量的结构的例子来确定一或多个几何参数、一或多个工艺参数或者两者的值的变化。体素模型合成模块182基于一或多个几何参数、一或多个工艺参数或者两者的变化来确定结构的体素模型集186。
编码器/解码器训练模块191接收要作为输入提供到经训练解码器的参数空间的所期望维度的指示192。编码器/解码器训练模块191同时训练自动编码器与解码器，所述自动编码器将体素模型集186中的每一体素模型映射到具有所期望维度的参数空间的每一参数的值集且所述解码器将参数值集映射到体素模型。训练迭代，直到最小化体素模型186中的每一体素模型与由解码器自由自动编码器确定的参数确定的对应体素模型之间的差。经训练解码器模型193存储在例如存储器132的存储器中。
在一些实施例中，基于用户界定的数据来训练解码器模型。图13描绘一个实施例中的解码器训练引擎210。在一些实例中，将计算系统130配置为解码器训练引擎210。如图13中所图解说明，解码器训练引擎210包含编码器/解码器训练模块191。
编码器/解码器训练模块191从用户接收接收结构的体素模型集211。另外，编码器/解码器训练模块191接收要作为输入提供到经训练解码器的参数空间的所期望维度的指示192。编码器/解码器训练模块191同时训练自动编码器与解码器，所述自动编码器将体素模型集211中的每一体素模型映射到具有所期望维度的参数空间的每一参数的值集且所述解码器将参数值集映射到体素模型。训练迭代，直到最小化体素模型211中的每一体素模型与由解码器自由自动编码器确定的参数确定的对应体素模型之间的差。经训练解码器模型212存储在例如存储器132的存储器中。
如本文中所描述，可采用数据驱动的正则化的数个不同实例来驱动断层摄影最优化。一般来说，可同时采用数据驱动的正则化的这些实例的任何组合来驱动断层摄影最优化。举例来说，可经由基于体素的正则化、基于图像的正则化或者两者同时采用多个不同受约束体素模型(例如，从不同测量源或测量源的组合产生的受约束体素模型)来驱动断层摄影最优化。受约束体素模型可依据从不同测量源或测量源的组合导出的数据产生。另外，可采用采用不同大小的独立参数空间的受约束体素模型。
在一些实例中，最优化模块151更新与体素模型157中的每一体素相关联的值，所述值将由方程式(5)阐释说明的损失函数最小化，方程式(5)包含多个误差项、基于体素的正则化项、基于图像的正则化项或其任何组合。
Figure BDA0003674294780000161
如图2中所描绘，系统100包含单个测量技术(即，SAXS)。然而，一般来说，系统100可包含任何数目的不同测量技术。通过非限制性实例方式，系统100可配置为反射小角度x射线散射计、软X射线反射计、光谱椭圆偏光仪(包含米勒矩阵椭圆偏光)、光谱反射计、光谱散射计、叠对散射计、角度解析的束轮廓反射计、偏光解析的束轮廓反射计、束轮廓反射计、束轮廓椭圆偏光仪、任何单波长或多波长椭圆偏光仪、高光谱成像系统或其任何组合。此外，一般来说，可从多个工具、集成多种技术的单个工具或其组合收集通过不同测量技术收集且根据本文中所描述的方法分析的测量数据。
在另一实施例中，系统100可包含用以根据本文中所描述的方法执行结构的测量并估计所关注参数的值的一或多个计算系统130。一或多个计算系统130可通信地耦合到检测器116。在一个方面中，一或多个计算系统130经配置以接收与被测量结构(例如，安置在样本101上的结构)的测量相关联的测量数据126。
在再一方面中，本文中所描述的测量结果可用于提供到工艺工具(例如，光刻工具、蚀刻工具、沉积工具等)的主动反馈。举例来说，可将基于本文中所描述的测量方法确定的经测量参数的值传递到蚀刻工具以调整蚀刻时间从而实现所期望蚀刻深度。以类似方式，蚀刻参数(例如，蚀刻时间、扩散率等)或沉积参数(例如，时间、浓度等)可包含在测量模型中以分别提供对蚀刻工具或沉积工具的主动反馈。在一些实例中，可将基于经测量装置参数值确定的对工艺参数的校正传递到工艺工具。在一个实施例中，计算系统130确定一或多个所关注参数的值。另外，计算系统130还基于一或多个所关注参数的经确定值将控制命令传递到工艺控制器。控制命令致使工艺控制器改变工艺的状态(例如，停止蚀刻工艺、改变扩散率等)。在一个实例中，控制命令致使工艺控制器调整光刻系统的焦点、所述光刻系统的剂量，或者两者。在另一实例中，控制命令致使工艺控制器改变蚀刻速率以改进CD参数的经测量晶片均匀性。
在一些实例中，将测量模型实施为可从美国加利福尼亚州苗必达KLA-Tencor公司购得的
Figure BDA0003674294780000162
光学临界尺寸计量系统的元件。以这种方式，模型经创建且准备好在由系统收集光谱之后立即使用。
在一些其它实例中，测量模型(举例来说)由实施可从美国加利福尼亚州苗必达KLA-Tencor公司购得的
Figure BDA0003674294780000171
软件的计算系统离线实施。所得经训练模型可并入为可由执行测量的计量系统存取的
Figure BDA0003674294780000172
库的元件。
图14图解说明在至少一个新颖方面中用于从体素模型及受约束体素模型来估计一或多个所关注参数的值的方法300。方法300适合于由例如本发明的图2中所图解说明的计量系统100的计量系统实施。在一个方面中，应认识到，方法300的数据处理块可经由预编程算法执行，所述预编程算法由计算系统130的一或多个处理器或任何其它通用计算系统执行。本文中应认识到，计量系统100的特定结构方面并不表示限制且仅应解释为图解说明性的。
在框301中，通过第一半导体测量系统的照射源提供一定量的照射辐射。所述一定量的照射辐射被引导到安置在半导体晶片上的结构。
在框302中，通过第一半导体测量系统的检测器，检测响应于所述一定量的照射辐射而从所述结构散射的一定量的辐射。
在框303中，通过第一半导体测量系统，产生表征来自结构的与结构的每一测量例子相关联的经检测量的辐射的经测量图像集。
在框304中，确定与结构的体素模型的每一体素相关联的初始值。体素模型包含第一多个体素。与体素模型的第一多个体素中的每一者相关联的值独立于与体素模型的第一多个体素中的其它体素中的每一者相关联的值。体素模型具有等于第一多个的自由度数目。
在框305中，基于体素模型产生表征由第一半导体测量系统对结构的每一测量的第一经模拟图像集。
在框306中，接收结构的受约束体素模型。受约束体素模型包含等于第一多个的体素数目，然而，受约束体素模型具有小于第一多个的自由度数目。
在框307中，基于经测量图像集与第一经模拟图像集之间的差以及体素模型与受约束体素模型之间的差，迭代地更新与结构的体素模型的每一体素相关联的值。
在框308中，从体素模型估计表征被测量结构的一或多个所关注参数的值。
在另一实施例中，系统100包含用以根据本文中所描述的方法、基于测量数据执行半导体结构的测量的一或多个计算系统130。一或多个计算系统130可通信地耦合到一或多个检测器、主动光学元件、工艺控制器等。
应认识到，可由单计算机系统130或(另一选择是)多计算机系统130执行本发明通篇所描述的一或多个步骤。此外，系统100的不同子系统可包含适合于执行本文中所描述的步骤的至少一部分的计算机系统。因此，前述说明不应解释为对本发明的限制而仅为图解说明。
另外，计算机系统130还可以本领域中已知的任何方式通信地耦合到计量系统的其它元件。举例来说，一或多个计算系统130可耦合到与检测器相关联的计算系统。在另一实例中，检测器可由耦合到计算机系统130的单计算机系统直接控制。
系统100的计算机系统130可经配置以通过可包含有线及/或无线部分的传输媒体从系统的子系统(例如，检测器等等)接收及/或获取数据或信息。以这种方式，传输媒体可用作计算机系统130与系统100的其它子系统之间的数据链路。
系统100的计算机系统130可经配置以通过可包含有线及/或无线部分的传输媒体从其它系统接收及/或获取数据或信息(例如，测量结果、建模输入、建模结果、参考测量结果等)。以这种方式，传输媒体可用作计算机系统130与其它系统(例如，存储器板上系统100、外部存储器或其它外部系统)之间的数据链路。举例来说，计算系统130可经配置以经由数据链路从存储媒体(即，存储器132或外部存储器)接收测量数据。举例来说，使用本文中所描述的检测器获得的测量结果可存储在永久性或半永久性存储器装置(例如，存储器132或外部存储器)中。就此来说，测量结果可从板上存储器或从外部存储器系统导入。此外，计算机系统130可经由传输媒体将数据发送到其它系统。举例来说，由计算机系统130确定的测量模型或经估计参数值可经传递并存储在外部存储器中。就此来说，测量结果可传出到另一系统。
计算系统130可包含但不限于个人计算机系统、大型计算机系统、工作站、图像计算机、并行处理器或本领域中已知的任一其它装置。一般来说，术语“计算系统”可广义地定义为涵盖具有执行来自存储器媒体的指令的一或多个处理器的任一装置。
实施例如本文中所描述的那些方法的方法的程序指令134可经由传输媒体(例如导线、电缆或无线传输链路)传输。举例来说，如图1中所图解说明，存储在存储器132中的程序指令134经由总线133传输到处理器131。程序指令134存储在计算机可读媒体(例如，存储器132)中。示范性计算机可读媒体包含只读存储器、随机存取存储器、磁盘或光盘，或者磁带。
如本文中所描述，术语“临界尺寸”包含结构的任何临界尺寸(例如，底部临界尺寸、中间临界尺寸、顶部临界尺寸、侧壁角度、光栅高度等)、任何两个或更多个结构之间的临界尺寸(例如，两个结构之间的距离)，以及两个或更多个结构之间的位移(例如，叠对光栅结构之间的叠对位移等)。结构可包含三维结构、图案化结构、叠对结构等。
如本文中所描述，术语“临界尺寸应用”或“临界尺寸测量应用”包含任何临界尺寸测量。
如本文中所描述，术语“计量系统”包含至少部分地用于在任何方面(包含测量应用，例如临界尺寸计量、叠对计量、聚焦/剂量计量及组合物计量)中表征样本的任何系统。然而，这些技术术语并不限制如本文中所描述的术语“计量系统”的范围。另外，计量系统100还可经配置以用于测量经图案化晶片及/或未经图案化晶片。计量系统可配置为LED检验工具，边缘检验工具、背侧检验工具、宏观检验工具或多模式检验工具(涉及同时来自一或多个平台的数据)，以及受益于本文中所描述的技术的任何其它计量或检验工具。
在本文中描述可用于在任一半导体处理工具(例如，检验系统或光刻系统)内测量样本的半导体测量系统的各种实施例。术语“样本”在本文中用于指代晶片、光罩或可由本领域中已知的构件处理(例如，印刷或检验缺陷)的任何其它样本。
如本文中所使用，术语“晶片”一般来说指代由半导体或非半导体材料形成的衬底。实例包含但不限于单晶硅、砷化镓及磷化铟。此类衬底通常可发现于及/或处理于半导体制作设施中。在一些情形中，晶片可仅包含衬底(即，裸晶片)。另一选择是，晶片可包含形成于衬底上的一或多个不同材料层。形成于晶片上的一或多个层可以是“经图案化”或“未经图案化”的。举例来说，晶片可包含具有可重复图案特征的多个裸片。
“光罩”可以是在光罩制作过程的任何阶段处的光罩，或者可以是可被释放或不可被释放以供在半导体制作设施中使用的已完成光罩。一般而言将光罩或“掩模”定义为其上形成有且配置成图案的大致不透明区域的大致透明衬底。衬底可包含(举例来说)例如非晶SiO2的玻璃材料。光罩可在光刻过程的曝光步骤期间沉积于抗蚀剂覆盖的晶片上方，使得可将光罩上的图案转印到光致抗蚀剂。
形成于晶片上的一或多个层可以是经图案化或未经图案化的。举例来说，晶片可包含各自具有可重复图案特征的多个裸片。此类材料层的形成及处理可最终产生已完成装置。可在晶片上形成许多不同类型的装置，且如本文中所使用的术语晶片旨在涵盖其上制作有本领域中已知的任何类型的装置的晶片。
在一或多个示范性实施例中，所描述的功能可以硬件、软件、固件或其任何组合实施。如果以软件实施，那么所述功能可作为一或多个指令或代码存储在计算机可读媒体上或者经由计算机可读媒体传输。计算机可读媒体包含计算机存储媒体及通信媒体两者，包含促进将计算机程序从一个地方传送到另一地方的任何媒体。存储媒体可以是可由通用或专用计算机存取的任何可用媒体。通过实例而非限制方式，此类计算机可读媒体可包括：RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置或者可用于以指令或数据结构的形式载运或存储所期望程序代码构件且可由通用或专用计算机或者通用或专用处理器存取的任何其它媒体。而且，可将任何连接恰当地称为计算机可读媒体。举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或无线技术(例如红外线、无线电及微波)从网站、服务器或其它远程源传输软件，那么所述同轴电缆、光纤电缆、双绞线、DSL或无线技术(例如红外线、无线电及微波)都包含在媒体的定义内。如本文中所使用，磁盘及光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软盘及蓝光光盘，其中磁盘通常以磁性方式再现数据，而光盘借助激光器以光学方式再现数据。上文的组合还应包含在计算机可读媒体的范围内。
尽管在上文中出于指导性目的而描述了某些特定实施例，但本专利文件的教导内容具有一般适用性且不限于上文所描述的特定实施例。因此，可在不违背如权利要求书中所陈述的本发明的范围的情况下实践对所描述实施例的各种特征的各种修改、改动及组合。

Claims (24)

1.一种方法，其包括：
从第一半导体测量系统的照射源提供一定量的照射辐射，所述一定量的照射辐射被引导到安置在半导体晶片上的结构；
通过所述第一半导体测量系统的检测器，检测响应于所述一定量的照射辐射而从所述结构散射的一定量的辐射；
通过所述第一半导体测量系统，产生表征来自所述结构的与所述结构的每一测量例子相关联的所述经检测量的辐射的经测量图像集；
确定与所述结构的体素模型的每一体素相关联的初始值，所述体素模型包含第一多个体素，其中与所述体素模型的所述第一多个体素中的每一者相关联的值独立于与所述体素模型的所述第一多个体素中的其它体素中的每一者相关联的值，所述体素模型具有等于所述第一多个的自由度数目；
基于所述体素模型，通过所述第一半导体测量系统来产生表征所述结构的每一测量的第一经模拟图像集；
接收所述结构的受约束体素模型，所述受约束体素模型包含等于所述第一多个的体素数目，所述受约束体素模型具有小于所述第一多个的自由度数目；
基于所述经测量图像集与所述第一经模拟图像集之间的差以及所述体素模型与所述受约束体素模型之间的差，迭代地更新与所述结构的所述体素模型的每一体素相关联的所述值；及
从所述体素模型估计表征被测量结构的一或多个所关注参数的值。
2.根据权利要求1所述的方法，其进一步包括：
从所述经测量图像集、所述经测量图像集的子集、通过第二半导体测量系统从所述结构收集的一定量的测量数据或者其组合确定所述受约束体素模型。
3.根据权利要求2所述的方法，其中通过经训练的受约束体素模型合成模型来确定所述受约束体素模型。
4.根据权利要求2所述的方法，其中所述受约束体素模型的所述确定涉及：
从所述经测量图像集、所述经测量图像集的所述子集、通过另一半导体测量系统从所述结构收集的所述一定量的测量数据或者其组合确定表征所述结构的一或多个参数的值；及
基于经训练解码器模型，从所述一或多个参数的所述值产生所述受约束体素模型。
5.根据权利要求4所述的方法，其中表征所述结构的所述一或多个参数的所述值的所述确定基于回归模型或基于经训练机器学习的模型。
6.根据权利要求4所述的方法，其中表征所述结构的所述一或多个参数的所述值的所述确定基于所述经测量图像集与所述经模拟图像集之间的所述差以及所述体素模型与所述受约束体素模型之间的所述差的最小化。
7.根据权利要求1所述的方法，其进一步包括：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述经测量图像集或所述经测量图像集的子集与所述第二经模拟图像集之间的差。
8.根据权利要求1所述的方法，其进一步包括：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述第一经模拟图像集与所述第二经模拟图像集之间的差。
9.根据权利要求4所述的方法，其进一步包括：
产生表征所述结构的一或多个几何参数的实验设计(DOE)值集、表征用于制作所述结构的半导体制作工艺的一或多个工艺参数的DOE值集，或者两者；
基于所述一或多个几何参数的所述DOE值集中的每一者、所述一或多个工艺参数的所述DOE值集中的每一者或者两者来确定所述结构的参数化模型集；
基于所述结构的所述参数化模型集中的每一者来确定所述结构的体素模型集；及
基于所述一或多个几何参数的所述DOE值集、所述一或多个工艺参数的所述DOE值集或者两者以及所述体素模型集来训练所述解码器模型。
10.根据权利要求4所述的方法，其进一步包括：
制作包含所述结构的多个例子的一或多个实验设计(DOE)晶片，每一例子具有表征所述结构的一或多个几何参数、表征用于制作所述结构的半导体制作工艺的一或多个工艺参数或者两者的不同值；
使用受信赖参考计量系统来测量安置在所述一或多个DOE晶片上的所述结构的每一例子；
基于由所述受信赖参考计量系统测量的所述结构的所述例子，估计所述一或多个几何参数、所述一或多个工艺参数或者两者的值的变化；
基于所述一或多个几何参数、所述一或多个工艺参数或者两者的所述变化来确定所述结构的体素模型集；及
基于所述体素模型集来训练所述解码器模型。
11.根据权利要求4所述的方法，其进一步包括：
从用户接收所述结构的体素模型集；及
基于所述体素模型集来训练所述解码器模型。
12.根据权利要求1所述的方法，其中以多个不同入射角、多个不同方位角或者两者提供在每一测量例子处被引导到所述半导体晶片的所述表面上的测量位点的所述一定量的照射辐射。
13.根据权利要求1所述的方法，其中所述一或多个所关注参数包含以下各项中的任一者：所关注几何参数、所关注工艺参数、所关注电参数及所关注色散参数。
14.根据权利要求1所述的方法，其中所述一或多个所关注参数包含以下各项中的任一者：叠对尺寸、临界尺寸、光刻焦点及光刻剂量。
15.根据权利要求1所述的方法，其中所述第一半导体测量系统是小角度x射线散射计。
16.根据权利要求2所述的方法，其中所述第二半导体测量系统是以下各项中的任一者：光谱椭圆偏光仪、光谱反射计、软x射线反射计、成像系统及高光谱成像系统。
17.一种系统，其包括：
第一半导体测量系统的照射源，所述照射源经配置以提供引导到安置在半导体晶片上的结构的一定量的照射辐射；
所述第一半导体测量系统的检测器，所述检测器经配置以检测响应于所述一定量的照射辐射而从所述结构散射的一定量的辐射；及
非暂时性计算机可读媒体，其存储当由一或多个处理器执行时致使所述一或多个处理器进行以下操作的指令：
通过所述第一半导体测量系统，产生表征来自所述结构的与所述结构的每一测量例子相关联的所述经检测量的辐射的经测量图像集；
确定与所述结构的体素模型的每一体素相关联的初始值，所述体素模型包含第一多个体素，其中与所述体素模型的所述第一多个体素中的每一者相关联的值独立于与所述体素模型的所述第一多个体素中的其它体素中的每一者相关联的值，所述体素模型具有等于所述第一多个的自由度数目；
基于所述体素模型，通过所述第一半导体测量系统来产生表征所述结构的每一测量的第一经模拟图像集；
接收所述结构的受约束体素模型，所述受约束体素模型包含等于所述第一多个的体素数目，所述受约束体素模型具有小于所述第一多个的自由度数目；
基于所述经测量图像集与所述第一经模拟图像集之间的差以及所述体素模型与所述受约束体素模型之间的差，迭代地更新与所述结构的所述体素模型的每一体素相关联的所述值；及
从所述体素模型估计表征被测量结构的一或多个所关注参数的值。
18.根据权利要求17所述的系统，所述非暂时性计算机可读媒体进一步存储当由所述一或多个处理器执行时致使所述一或多个处理器进行以下操作的指令：
从所述经测量图像集、所述经测量图像集的子集、通过第二半导体测量系统从所述结构收集的一定量的测量数据或者其组合确定所述受约束体素模型。
19.根据权利要求17所述的系统，所述非暂时性计算机可读媒体进一步存储当由所述一或多个处理器执行时致使所述一或多个处理器进行以下操作的指令：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述经测量图像集或所述经测量图像集的子集与所述第二经模拟图像集之间的差。
20.根据权利要求17所述的系统，所述非暂时性计算机可读媒体进一步存储当由所述一或多个处理器执行时致使所述一或多个处理器进行以下操作的指令：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述第一经模拟图像集与所述第二经模拟图像集之间的差。
21.一种半导体测量系统，其包括：
照射源，其经配置以提供引导到安置在半导体晶片上的结构的一定量的照射辐射；
检测器，其经配置以检测响应于所述一定量的照射辐射而从所述结构散射的一定量的辐射；及
计算系统，其经配置以：
产生表征来自所述结构的与所述结构的每一测量例子相关联的所述经检测量的辐射的经测量图像集；
确定与所述结构的体素模型的每一体素相关联的初始值，所述体素模型包含第一多个体素，其中与所述体素模型的所述第一多个体素中的每一者相关联的值独立于与所述体素模型的所述第一多个体素中的其它体素中的每一者相关联的值，所述体素模型具有等于所述第一多个的自由度数目；
基于所述体素模型产生表征所述结构的每一测量的第一经模拟图像集；
接收所述结构的受约束体素模型，所述受约束体素模型包含等于所述第一多个的体素数目，所述受约束体素模型具有小于所述第一多个的自由度数目；
基于所述经测量图像集与所述第一经模拟图像集之间的差以及所述体素模型与所述受约束体素模型之间的差，迭代地更新与所述结构的所述体素模型的每一体素相关联的所述值；及
从所述体素模型估计表征被测量结构的一或多个所关注参数的值。
22.根据权利要求21所述的半导体测量系统，所述计算系统进一步经配置以：
从所述经测量图像集、所述经测量图像集的子集、通过另一半导体测量系统从所述结构收集的一定量的测量数据或者其组合确定所述受约束体素模型。
23.根据权利要求21所述的半导体测量系统，所述计算系统进一步经配置以：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述经测量图像集或所述经测量图像集的子集与所述第二经模拟图像集之间的差。
24.根据权利要求21所述的半导体测量系统，所述计算系统进一步经配置以：
基于所述受约束体素模型，通过所述半导体测量系统来产生表征所述结构的每一测量的第二经模拟图像集，其中与所述结构的所述体素模型的每一体素相关联的所述值的所述更新还基于所述第一经模拟图像集与所述第二经模拟图像集之间的差。
CN202080083663.8A 2019-12-02 2020-12-01 使用简化模型的基于断层摄影术的半导体测量 Active CN114746991B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962942735P 2019-12-02 2019-12-02
US62/942,735 2019-12-02
US16/951,933 2020-11-18
US16/951,933 US11610297B2 (en) 2019-12-02 2020-11-18 Tomography based semiconductor measurements using simplified models
PCT/US2020/062630 WO2021113191A1 (en) 2019-12-02 2020-12-01 Tomography based semiconductor measurements using simplified models

Publications (2)

Publication Number Publication Date
CN114746991A true CN114746991A (zh) 2022-07-12
CN114746991B CN114746991B (zh) 2023-11-17

Family

ID=76091808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080083663.8A Active CN114746991B (zh) 2019-12-02 2020-12-01 使用简化模型的基于断层摄影术的半导体测量

Country Status (6)

Country Link
US (1) US11610297B2 (zh)
JP (1) JP7431969B2 (zh)
KR (1) KR102690752B1 (zh)
CN (1) CN114746991B (zh)
TW (1) TWI836166B (zh)
WO (1) WO2021113191A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023091313A2 (en) * 2021-11-19 2023-05-25 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Neural network-based prediction of semiconductor device response
WO2024062429A1 (en) * 2022-09-22 2024-03-28 Nova Measuring Instruments Inc. A high brightness primary x-ray source for in-line xps and xrf metrology

Family Cites Families (64)

* 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
US6023338A (en) 1996-07-12 2000-02-08 Bareket; Noah Overlay alignment measurement of wafers
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
US6787773B1 (en) 2000-06-07 2004-09-07 Kla-Tencor Corporation Film thickness measurement using electron-beam induced x-ray microanalysis
US7068833B1 (en) 2000-08-30 2006-06-27 Kla-Tencor Corporation Overlay marks, methods of overlay mark design and methods of overlay measurements
US7541201B2 (en) 2000-08-30 2009-06-02 Kla-Tencor Technologies Corporation Apparatus and methods for determining overlay of structures having rotational or mirror symmetry
US7317531B2 (en) 2002-12-05 2008-01-08 Kla-Tencor Technologies Corporation Apparatus and methods for detecting overlay errors using scatterometry
US20030002043A1 (en) 2001-04-10 2003-01-02 Kla-Tencor Corporation Periodic patterns and technique to control misalignment
US6716646B1 (en) 2001-07-16 2004-04-06 Advanced Micro Devices, Inc. Method and apparatus for performing overlay measurements using scatterometry
JP4938219B2 (ja) 2001-12-19 2012-05-23 ケーエルエー−テンカー コーポレイション 光学分光システムを使用するパラメトリック・プロフィーリング
US6778275B2 (en) 2002-02-20 2004-08-17 Micron Technology, Inc. Aberration mark and method for estimating overlay error and optical aberrations
SG152898A1 (en) 2002-09-20 2009-06-29 Asml Netherlands Bv Alignment systems and methods for lithographic systems
US6992764B1 (en) 2002-09-30 2006-01-31 Nanometrics Incorporated Measuring an alignment target with a single polarization state
US7842933B2 (en) 2003-10-22 2010-11-30 Applied Materials Israel, Ltd. System and method for measuring overlay errors
US6937337B2 (en) 2003-11-19 2005-08-30 International Business Machines Corporation Overlay target and measurement method using reference and sub-grids
US7321426B1 (en) 2004-06-02 2008-01-22 Kla-Tencor Technologies Corporation Optical metrology on patterned samples
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
JP4585926B2 (ja) 2005-06-17 2010-11-24 株式会社日立ハイテクノロジーズ パターンレイヤーデータ生成装置、それを用いたパターンレイヤーデータ生成システム、半導体パターン表示装置、パターンレイヤーデータ生成方法、及びコンピュータプログラム
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
JP4887062B2 (ja) 2006-03-14 2012-02-29 株式会社日立ハイテクノロジーズ 試料寸法測定方法、及び試料寸法測定装置
US7406153B2 (en) 2006-08-15 2008-07-29 Jordan Valley Semiconductors Ltd. Control of X-ray beam spot size
US7729873B2 (en) 2007-08-28 2010-06-01 Tokyo Electron Limited Determining profile parameters of a structure using approximation and fine diffraction models in optical metrology
US7873585B2 (en) 2007-08-31 2011-01-18 Kla-Tencor Technologies Corporation Apparatus and methods for predicting a semiconductor parameter across an area of a wafer
US7929667B1 (en) 2008-10-02 2011-04-19 Kla-Tencor Corporation High brightness X-ray metrology
US8068662B2 (en) 2009-03-30 2011-11-29 Hermes Microvision, Inc. Method and system for determining a defect during charged particle beam inspection of a sample
CN101996398B (zh) * 2009-08-12 2012-07-04 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
JP5764380B2 (ja) 2010-04-29 2015-08-19 エフ イー アイ カンパニＦｅｉ Ｃｏｍｐａｎｙ Ｓｅｍ画像化法
US9046475B2 (en) 2011-05-19 2015-06-02 Applied Materials Israel, Ltd. High electron energy based overlay error measurement methods and systems
US10107621B2 (en) 2012-02-15 2018-10-23 Nanometrics Incorporated Image based overlay measurement with finite gratings
US10801975B2 (en) 2012-05-08 2020-10-13 Kla-Tencor Corporation Metrology tool with combined X-ray and optical scatterometers
US10013518B2 (en) 2012-07-10 2018-07-03 Kla-Tencor Corporation Model building and analysis engine for combined X-ray and optical metrology
US9129715B2 (en) 2012-09-05 2015-09-08 SVXR, Inc. High speed x-ray inspection microscope
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
JP5974840B2 (ja) 2012-11-07 2016-08-23 ソニー株式会社 シミュレーション方法、シミュレーションプログラム、シミュレータ、加工装置、半導体装置の製造方法
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
US9826614B1 (en) 2013-03-15 2017-11-21 Kla-Tencor Corporation Compac X-ray source for semiconductor metrology
US10101670B2 (en) 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9430824B2 (en) * 2013-05-14 2016-08-30 Kla-Tencor Corporation Machine learning method and apparatus for inspecting reticles
US9915522B1 (en) 2013-06-03 2018-03-13 Kla-Tencor Corporation Optimized spatial modeling for optical CD metrology
US9363501B2 (en) * 2013-07-18 2016-06-07 A. Tron3D Gmbh Combining depth-maps from different acquisition methods
US10502694B2 (en) 2013-08-06 2019-12-10 Kla-Tencor Corporation Methods and apparatus for patterned wafer characterization
US9846132B2 (en) 2013-10-21 2017-12-19 Kla-Tencor Corporation Small-angle scattering X-ray metrology systems and methods
US9885962B2 (en) 2013-10-28 2018-02-06 Kla-Tencor Corporation Methods and apparatus for measuring semiconductor device overlay using X-ray metrology
WO2015167753A2 (en) 2014-04-03 2015-11-05 Massachusetts Institute Of Technology Compact x-ray source for cd-saxs
US9494535B2 (en) * 2014-04-21 2016-11-15 Kla-Tencor Corporation Scatterometry-based imaging and critical dimension metrology
US10152678B2 (en) 2014-11-19 2018-12-11 Kla-Tencor Corporation System, method and computer program product for combining raw data from multiple metrology tools
US10324050B2 (en) 2015-01-14 2019-06-18 Kla-Tencor Corporation Measurement system optimization for X-ray based metrology
DE112016001982T5 (de) 2015-04-28 2018-02-15 Kla-Tencor Corporation Recheneffiziente auf röntgenstrahlgestützte messung des overlays
US10380728B2 (en) * 2015-08-31 2019-08-13 Kla-Tencor Corporation Model-based metrology using images
US9875534B2 (en) * 2015-09-04 2018-01-23 Kla-Tencor Corporation Techniques and systems for model-based critical dimension measurements
US10352695B2 (en) 2015-12-11 2019-07-16 Kla-Tencor Corporation X-ray scatterometry metrology for high aspect ratio structures
US10775323B2 (en) * 2016-10-18 2020-09-15 Kla-Tencor Corporation Full beam metrology for X-ray scatterometry systems
US10481111B2 (en) 2016-10-21 2019-11-19 Kla-Tencor Corporation Calibration of a small angle X-ray scatterometry based metrology system
US11073487B2 (en) 2017-05-11 2021-07-27 Kla-Tencor Corporation Methods and systems for characterization of an x-ray beam with high spatial resolution
US10727142B2 (en) * 2017-05-30 2020-07-28 Kla-Tencor Corporation Process monitoring of deep structures with X-ray scatterometry
US11333621B2 (en) 2017-07-11 2022-05-17 Kla-Tencor Corporation Methods and systems for semiconductor metrology based on polychromatic soft X-Ray diffraction
US10983227B2 (en) * 2017-08-14 2021-04-20 Kla-Tencor Corporation On-device metrology using target decomposition
WO2019173170A1 (en) 2018-03-05 2019-09-12 Kla-Tencor Corporation Visualization of three-dimensional semiconductor structures
US11519869B2 (en) 2018-03-20 2022-12-06 Kla Tencor Corporation Methods and systems for real time measurement control
US10902650B2 (en) * 2018-04-19 2021-01-26 Fei Company X-ray beam-hardening correction in tomographic reconstruction using the Alvarez-Macovski attenuation model
US10677586B2 (en) * 2018-07-27 2020-06-09 Kla-Tencor Corporation Phase revealing optical and X-ray semiconductor metrology

Also Published As

Publication number Publication date
TWI836166B (zh) 2024-03-21
CN114746991B (zh) 2023-11-17
KR20220110266A (ko) 2022-08-05
JP2023505152A (ja) 2023-02-08
KR102690752B1 (ko) 2024-07-31
US20210166375A1 (en) 2021-06-03
TW202128083A (zh) 2021-08-01
US11610297B2 (en) 2023-03-21
JP7431969B2 (ja) 2024-02-15
WO2021113191A1 (en) 2021-06-10

Similar Documents

Publication Publication Date Title
US11313816B2 (en) Full beam metrology for x-ray scatterometry systems
CN111819675B (zh) 用于实时测量控制的方法及系统
US10352695B2 (en) X-ray scatterometry metrology for high aspect ratio structures
CN110546489B (zh) 透射小角度x射线散射计量系统
CN113677983B (zh) 结合x射线计量数据集合以改进参数评估的方法及系统
CN114746991B (zh) 使用简化模型的基于断层摄影术的半导体测量
US20230258585A1 (en) Semiconductor Measurements With Robust In-Line Tool Matching
KR20240152821A (ko) 견고한 인라인 도구 매칭에 의한 반도체 측정
TW202424475A (zh) 使用基於機器學習之電磁回應模型的ｘ射線散射測量之方法及系統
CN118837389A (zh) 透射小角度x射线散射计量系统

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