CN114861113A - 一种用于获取样品参数信息的方法和装置 - Google Patents
一种用于获取样品参数信息的方法和装置 Download PDFInfo
- Publication number
- CN114861113A CN114861113A CN202110075541.0A CN202110075541A CN114861113A CN 114861113 A CN114861113 A CN 114861113A CN 202110075541 A CN202110075541 A CN 202110075541A CN 114861113 A CN114861113 A CN 114861113A
- Authority
- CN
- China
- Prior art keywords
- variable
- value
- sample
- value range
- range interval
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000001228 spectrum Methods 0.000 claims abstract description 100
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000007667 floating Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请实施例的目的是提供一种用于获取样品参数信息的方法和装置。本申请实施例的方法包括：获取样品的变量相关信息，其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间；计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱，其中，每个变量浮动时，其它变量处于初始值或范围最佳值；通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间；通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
Description
技术领域
本发明涉及半导体制造领域，尤其涉及用于获取样品参数信息的方法和装置。
背景技术
半导体工业遵循摩尔定律向深亚微米技术节点持续推进，集成电路器件的尺寸不断缩小，器件结构设计愈加复杂。器件的测量面临较大挑战，只有通过严格的尺寸控制才能获得完整的电路功能和保持器件高速工作，因此器件的关键尺寸成功地在线测量对提高良率极为必要。然而，图形尺寸和设计规则的缩小，以及新制程和新材料不断引入独特的测量要求，使得在线测量面临着全新挑战。
光学关键尺寸(Optical Critical-Dimension,OCD)测量技术是半导体制造工艺中一种常用的关键尺寸测量技术，OCD测量方法可以实现关键尺寸及其它形貌尺寸的测量，并且具有非接触性、非破坏性、同时测量多个工艺特征、可实现工艺的在线测量等诸多优势，因此越来越广泛地应用于半导体制造工业中，并朝着更快速更准确地测量愈精细结构的方向迅速发展。
图1示出了一种示例性的被测样品的二维周期性结构。如图1所示，光栅的入射层材料(如空气)用其光学性质参数(n1,k1)描述，n为材料的折射率，k为材料吸收系数。从上往下，第一层为周期为PITCH的梯形光栅层，其材料为(n2,k2)，用(TCD,BCD,HT)描述；第二层为薄膜层，其材料为(n3,k3)，厚度用Thickness描述；第三层为衬底，其材料为(n4,k4)。通常情况下材料的信息可以通过薄膜测量技术获知。因此，样品模型可以用参数向量v＝(TCD,BCD,HT,Thickness)T描述，若一般化描述，可以写为v＝(V0,V1,...,VN-1)T，Vi,i＝0,...,N-1为各层结构全部的参数。根据光散射理论，对于特定的样品v，理论光谱的数值可以用一组复杂理论方程确定。
样品的特征光谱s(v,λ)可以通过光学关键尺寸测量设备获取，若获取的测量光谱为sM(λ)，在不考虑测量噪声的情况下s(v,λ)＝sM(λ)。则找到s(v,λ)对应的v就可获得测量参数。其思路是：查找理论光谱s(v*,λ)与测量光谱sM(λ)能够最佳匹配的一个参数组合
则被测样品的形貌就可以用参数
表示。
现有的建立光谱数据库并进行光谱匹配的方法包括：根据有关工艺获知待测样品可能的偏移量；建立模型并设置模型各个变量参数的浮动范围和浮动步长，其中，各个变量的步长设置基于测量光谱的噪声情况，以及各个参数测量精度要求，并由灵敏度分析来确定。
以上基于库的光谱匹配方法需要大量的理论光谱数据计算，并且在匹配测量光谱时，从已经计算完成的理论光谱库中找出与待匹配的测量光谱最佳匹配并索引出各个参数的值，同样需要进行大范围的大量的匹配计算。
然而，随着工艺生产的需要，需要测量的样品的结构形貌愈加精细，由此建立样品模型时需要的变量个数也更多；并且，工艺生产中对于测量精度要求越来越高，测量的范围也越来越大，从而使得变量的范围更大，而变量的步长更小，于是对于每个变量需要计算的离散值数目也就更大。在此情况下，根据现有的建库方式来建立理论光谱数据库，其所需要计算的光谱总数将是一个十分巨大的天文数字。并且，根据现有的逐个匹配的方式在该库中执行匹配操作的效率也会相应降低。
发明内容
本申请实施例的目的是提供一种用于获取样品参数信息的方法和装置。
本申请实施例提供了一种用于获取样品参数信息的方法，其中，所述方法包括以下步骤：
获取样品的变量相关信息，其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间；
计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱，其中，每个变量浮动时，其它变量处于初始值或范围最佳值；
通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间；
通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
本申请实施例提供了一种用于获取样品参数信息的装置，其中，所述装置包括：
获取装置，用于获取样品的变量相关信息，其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间；
计算装置，用于计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱；
比对装置，用于通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间；
调整装置，用于通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的操作，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
与现有技术相比，本申请实施例具有以下优点：本申请实施例无需建立光谱数据库，通过计算变量集合中各变量在其值范围区间内浮动时各值点对应理论光谱，并通过将所述样品的测量光谱数据与计算得到的理论光谱比对，不断调整变量值范围区间直至满足计算结束条件，从而获取样品参数信息。其过程中理论光谱计算量随待测参数增加仅线性增加，能够有效降低理论光谱计算量，提高获取样品的参数信息的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出了一种示例性的被测样品的二维周期性结构示意图；
图2示出了根据本申请实施例的用于获取样品参数信息的方法流程图；
图3示出了根据本申请实施例的示例性的调整各个变量的值范围区间的过程示意图；
图4示出了根据本申请实施例的用于获取样品参数信息的装置的结构示意图；
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本申请实施例作进一步详细描述。
图2示意出了根据本申请实施例的用于获取样品参数信息的方法流程图。所述方法包括步骤S1、步骤S2、步骤S3和步骤S4。
其中，所述样品包括各种类型的半导体器件。所述样品参数包括各种与半导体器件的形貌参数。
所述样品对应包含至少一个变量的变量集合。所述变量集合中的各个变量用于表征所述样品的结构特征和/或形貌特征，变量集合中每个变量的取值组合分别对应所述样品的一个光谱数据。
参照图2，在步骤S1中，获取待测样品的变量相关信息。
其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间。
根据一个实施例，所述步骤S1包括步骤S101和步骤S102。
在步骤S101中，获取样品的工艺信息。
其中，所述工艺信息包括各种与待测样品的制造工艺相关的信息。
接着，在步骤S201中，基于所述工艺信息，确定样品的变量集合中各个变量的初始值和值范围区间。
根据一个实施例，根据样品的工艺信息，并基于样品的结构特征和/或形貌特征建立样品模型，生成相应的变量集合。并且，基于工艺信息的相关参数来设定各个变量初始值和值范围区间，可根据集成电路器件的技术节点和制造工艺控制等参数来设置。
在步骤S2中，计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱。
其中，每个变量浮动时，其它变量处于初始值或范围最佳值。
其中，计算理论光谱的方式包括但不限于单路计算，多路计算，本地计算和远程计算中的至少任一种。
其中，变量浮动方式包括但不限于以下任一种方式：
1)等间距变值；
2)非等间距变值；
3)峰值点取值；
4)谷值点取值；
5)自定义值列取值。
优选地，设置变量浮动方式包括但不限于设置以下任一种参数：
1)等间距变值步长；
2)等间距变值步数；
3)非等间距变值计算参数；
4)峰值点判定参数；
5)谷值点判定参数；
6)步长值列；
7)变量值列。
在步骤S3中，通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间。
具体地，将所述样品的测量光谱数据与计算得到的理论光谱进行比对，找到各个变量与测量光谱最接近的理论光谱对应的值点，作为各个变量的范围最佳值。接着，根据各个变量的范围最佳值，确定各个变量相应的值范围区间。
优选地，使用最邻近匹配法或插值匹配法来进行比对。
优选地，用于确定范围最佳值的信息包括但不限于以下任一项信息：
1)拟合度信息；
2)均方根误差信息；
3)拟合曲线极值点。
在步骤S4中，通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
具体地，如果不满足预定结束条件，则基于各个变量当前的值范围区间重新计算其在该值范围区间内浮动时各个值点对应的理论光谱，并通过将测量光谱数据与计算得到的理论光谱进行比对，重新确定各个变量的范围最佳值和值范围区间；如果满足预定计算结束条件，则将根据各个变量当前值范围区间或范围最佳值作为条件推算出的变量值作为最终结果值，从而得到相应的样品参数信息。
其中，调整各个变量的值范围区间的方式包括但不限于以下任一种方法：
1)采用向心区间收敛法调整各个变量的值范围区间；
2)采用离心区间收敛法调整各个变量的值范围区间；
3)采用曲线拟合区间收敛法调整各个变量的值范围区间。
本领域技术人员应熟悉，可采用多种方法来调整各个变量的值范围区间而不仅限于以上列举的方法，本领域技术人员可基于实际需求，采用合适的方式来调整各个变量的值范围区间。
优选地，所述预定结束条件包括但不限于以下至少任一项：
1)拟合度到达指定阈值；
2)均方根误差到达指定阈值；
3)变量值范围区间小于指定阈值；
4)变量范围最佳值变化量小于指定阈值；
5)达到指定重复次数；
6)达到指定理论光谱计算量；
7)计算时间达到指定阈值。
图3示出了根据本申请实施例的示例性的调整各个变量的值范围区间的过程示意图。
参照图3，需要获取某样品的形貌参数时，在步骤S1中，基于输入的样品的工艺信息，根据该样品的结构特征和/或形貌特征建立样品模型，生成该样品的变量集合，表示为：
v＝(V1,V2,...VI)T
其中，变量集合v中有I个变量，V1至VI分别表示各个变量。并且，设定该样品的变量集合中各变量初始值和值范围区间，其中，第i个变量的值范围区间表示为Vimin<Vi<Vimax,i＝1,..I。
接着，在步骤S2中，计算各个变量在其值范围区间内浮动时各个值点对应的理论光谱。
接着，在步骤S3中，通过将该样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间。
在步骤S4中，通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。如图2所示，满足预定结束条件时得到的各个变量的范围最佳值表示为：
v*＝(V1 *,V2 *,……VI *)
该样品形貌参数可使用v*来表示。
假设第i个变量在范围Vimin<Vi<Vimax内有Ji个离散值，如果采用建立光谱数据库并进行光谱匹配来获取样品参数信息的方法，则需要计算和匹配的理论光谱数量为：Ntotal＝J1*J2*…*JI。
而如果采用本申请实施例的方法，则需要计算和匹配的理论光谱数量为：Nnew＝(J1+J2+...+JI)*X，其中X为重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤的次数。可以看到，总理论光谱计算量由变量集合中各变量的值数相乘的关系变成了相加的关系，在绝大多数情况下，计算量将大为下降。以常见的Ji数量级为10、I为6、X不大于100为例，则Ntotal的数量级约为106，而Nnew约在6000附近，计算量下降显著。
根据本申请实施例的方法，通过计算变量集合中各变量在其值范围区间内浮动时各值点对应理论光谱，并通过将所述样品的测量光谱数据与计算得到的理论光谱比对，不断调整变量值范围区间直至满足计算结束条件，从而获取样品参数信息，无需建立光谱数据库，理论光谱计算量随待测参数增加仅线性增加，从而能够极大地减少理论光谱计算量，提高获取样品的参数信息的效率。
图4示出了根据本申请实施例的用于获取样品参数信息的装置的结构示意图。所述装置包括获取装置1、计算装置2、比对装置3和调整装置4。
参照图4，在步骤S1中，获取装置1获取待测样品的变量相关信息。
其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间。
根据一个实施例，所述获取装置1包括工艺获取装置和变量确定装置。
工艺获取装置获取样品的工艺信息。
其中，所述工艺信息包括各种与待测样品的制造工艺相关的信息。
接着，变量确定装置基于所述工艺信息，确定样品的变量集合中各个变量的初始值和值范围区间。
根据一个实施例，变量确定装置根据样品的工艺信息，并基于样品的结构特征和/或形貌特征建立样品模型，生成相应的变量集合。并且，变量确定装置基于工艺信息的相关参数来设定各个变量初始值和值范围区间，可根据集成电路器件的技术节点和制造工艺控制等参数来设置。
计算装置2计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱。
其中，每个变量浮动时，其它变量处于初始值或范围最佳值。
其中，计算理论光谱的方式包括但不限于单路计算，多路计算，本地计算和远程计算中的至少任一种。
其中，变量浮动方式包括但不限于以下任一种方式：
1)等间距变值；
2)非等间距变值；
3)峰值点取值；
4)谷值点取值；
5)自定义值列取值。
优选地，设置变量浮动方式包括但不限于设置以下任一种参数：
1)等间距变值步长；
2)等间距变值步数；
3)非等间距变值计算参数；
4)峰值点判定参数；
5)谷值点判定参数；
6)步长值列；
7)变量值列。
比对装置3通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间。
具体地，比对装置3将所述样品的测量光谱数据与计算得到的理论光谱进行比对，找到各个变量与测量光谱最接近的理论光谱对应的值点，作为各个变量的范围最佳值。接着，根据各个变量的范围最佳值，确定各个变量相应的值范围区间。
优选地，比对装置3使用最邻近匹配法或插值匹配法来进行比对。
优选地，用于确定范围最佳值的信息包括但不限于以下任一项信息：
1)拟合度信息；
2)均方根误差信息；
3)拟合曲线极值点。
调整装置4通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
具体地，如果不满足预定结束条件，则调整装置4基于各个变量当前的值范围区间重新计算其在该值范围区间内浮动时各个值点对应的理论光谱，并通过将测量光谱数据与计算得到的理论光谱进行比对，重新确定各个变量的范围最佳值和值范围区间；如果满足预定计算结束条件，则调整装置4将根据各个变量当前值范围区间或范围最佳值作为条件推算出的变量值作为最终结果值，从而得到相应的样品参数信息。
其中，调整装置4调整各个变量的值范围区间的方式包括但不限于以下任一种方法：
1)采用向心区间收敛法调整各个变量的值范围区间；
2)采用离心区间收敛法调整各个变量的值范围区间；
3)采用曲线拟合区间收敛法调整各个变量的值范围区间。
本领域技术人员应熟悉，可采用多种方法来调整各个变量的值范围区间而不仅限于以上列举的方法，本领域技术人员可基于实际需求，采用合适的方式来调整各个变量的值范围区间。
优选地，所述预定结束条件包括但不限于以下至少任一项：
1)拟合度到达指定阈值；
2)均方根误差到达指定阈值；
3)变量值范围区间小于指定阈值；
4)变量范围最佳值变化量小于指定阈值；
5)达到指定重复次数；
6)达到指定理论光谱计算量；
7)计算时间达到指定阈值。
根据本申请实施例的装置，通过计算变量集合中各变量在其值范围区间内浮动时各值点对应理论光谱，并通过将所述样品的测量光谱数据与计算得到的理论光谱比对，不断调整变量值范围区间直至满足计算结束条件，从而获取样品参数信息，无需建立光谱数据库，理论光谱计算量随待测参数增加仅线性增加，从而能够极大地减少理论光谱计算量，提高获取样品的参数信息的效率。
本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个功能或步骤的电路。
另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (10)
1.一种用于获取样品参数信息的方法，其中，所述方法包括以下步骤：
获取样品的变量相关信息，其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间；
计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱，其中，每个变量浮动时，其它变量处于初始值或范围最佳值；
通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间；
通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的步骤，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
2.根据权利要求1所述的方法，其中，所述通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间的步骤包括：
将所述样品的测量光谱数据与计算得到的理论光谱进行比对，找到各个变量与测量光谱最接近的理论光谱对应的值点，作为各个变量的范围最佳值；
根据各个变量的范围最佳值，确定各个变量相应的值范围区间。
3.根据权利要求1所述的方法，其中，所述不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息的步骤包括：
如果不满足预定结束条件，则基于各个变量当前的值范围区间重新计算其在该值范围区间内浮动时各个值点对应的理论光谱，并通过将测量光谱数据与计算得到的理论光谱进行比对，重新确定各个变量的范围最佳值和值范围区间；
如果满足预定计算结束条件，则将根据各个变量当前值范围区间或范围最佳值作为条件推算出的变量值作为最终结果值，从而得到相应的样品参数信息。
4.根据权利要求1所述的方法，其中，所述获取样品的变量相关信息的步骤包括：
获取样品的工艺信息；
基于所述工艺信息，确定样品的变量集合中各个变量的初始值和值范围区间。
5.一种用于获取样品参数信息的装置，其中，所述装置包括：
获取装置，用于获取样品的变量相关信息，其中，所述变量相关信息包括所述样品的变量集合中各个变量的初始值和值范围区间；
计算装置，用于计算所述各个变量在其值范围区间内浮动时各个值点对应的理论光谱；
比对装置，用于通过将所述样品的测量光谱数据与计算得到的理论光谱进行比对，确定各个变量的范围最佳值和值范围区间；
调整装置，用于通过重复计算理论光谱和确定各个变量的范围最佳值和值范围区间的操作，不断调整各个变量的值范围区间，直至满足预定结束条件，从而得到相应的样品参数信息。
6.根据权利要求5所述的装置，其中，所述确定装置用于：
将所述样品的测量光谱数据与计算得到的理论光谱进行比对，找到各个变量与测量光谱最接近的理论光谱对应的值点，作为各个变量的范围最佳值；
根据各个变量的范围最佳值，确定各个变量相应的值范围区间。
7.根据权利要求5所述的装置，其中，所述调整装置用于：
如果不满足预定结束条件，则基于各个变量当前的值范围区间重新计算其在该值范围区间内浮动时各个值点对应的理论光谱，并通过将测量光谱数据与计算得到的理论光谱进行比对，重新确定各个变量的范围最佳值和值范围区间；
如果满足预定计算结束条件，则将根据各个变量当前值范围区间或范围最佳值作为条件推算出的变量值作为最终结果值，从而得到相应的样品参数信息。
8.根据权利要求5至7中任一项所述的装置，其中，所述获取装置用于：
工艺获取装置，用于获取样品的工艺信息；
变量确定装置，基于所述工艺信息，确定样品的变量集合中各个变量的初始值和值范围区间。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一所述的方法。
10.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110075541.0A CN114861113A (zh) | 2021-01-20 | 2021-01-20 | 一种用于获取样品参数信息的方法和装置 |
| PCT/CN2022/071634 WO2022156578A1 (zh) | 2021-01-20 | 2022-01-12 | 一种用于获取样品参数信息的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110075541.0A CN114861113A (zh) | 2021-01-20 | 2021-01-20 | 一种用于获取样品参数信息的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114861113A true CN114861113A (zh) | 2022-08-05 |
Family
ID=82548273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110075541.0A Pending CN114861113A (zh) | 2021-01-20 | 2021-01-20 | 一种用于获取样品参数信息的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114861113A (zh) |
| WO (1) | WO2022156578A1 (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK2128791T3 (en) * | 2008-05-30 | 2018-08-27 | Thermo Fisher Scient Bremen Gmbh | Process for processing spectrometric data |
| CN102798342B (zh) * | 2012-08-02 | 2014-11-12 | 华中科技大学 | 一种用于光学散射测量的基于拟合误差插值的库匹配方法 |
| CN104679774B (zh) * | 2013-11-29 | 2018-05-01 | 睿励科学仪器（上海）有限公司 | 一种用于获取样品参数信息的匹配方法和装置 |
| CN104679770B (zh) * | 2013-11-29 | 2018-05-01 | 睿励科学仪器（上海）有限公司 | 一种生成样品的光谱数据库及获取参数信息的方法和装置 |
| CN104778181B (zh) * | 2014-01-14 | 2018-08-10 | 睿励科学仪器（上海）有限公司 | 一种进行测量光谱与库光谱匹配的方法及其设备 |
| CN106289095B (zh) * | 2015-06-12 | 2019-02-19 | 睿励科学仪器（上海）有限公司 | 基于前值的关键尺寸测量方法和设备 |
| CN106644977A (zh) * | 2016-10-13 | 2017-05-10 | 天津工业大学 | 一种基于蝙蝠算法的光谱变量选择方法 |
| CN111879236B (zh) * | 2020-07-14 | 2021-09-24 | 上海精测半导体技术有限公司 | 自理论光谱库确定待测样品参数的方法及测量设备 |
| CN112182805B (zh) * | 2020-10-12 | 2022-12-13 | 中国运载火箭技术研究院 | 机械产品可靠性确定方法及系统、终端、存储介质 |
-
2021
- 2021-01-20 CN CN202110075541.0A patent/CN114861113A/zh active Pending
-
2022
- 2022-01-12 WO PCT/CN2022/071634 patent/WO2022156578A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022156578A1 (zh) | 2022-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4824299B2 (ja) | 集積回路構造のプロファイルを決定する方法及びシステム又はコンピュータ読取可能な記録媒体 | |
| US7388677B2 (en) | Optical metrology optimization for repetitive structures | |
| US7532317B2 (en) | Scatterometry method with characteristic signatures matching | |
| KR101144402B1 (ko) | 광학적 계측에 이용되는 가상 프로파일 선택 방법 및 선택 시스템과, 컴퓨터 판독 가능 기억 매체 | |
| JP5876040B2 (ja) | パターン化構造の光学検査を最適化するための方法およびシステム | |
| US7428060B2 (en) | Optimization of diffraction order selection for two-dimensional structures | |
| US6538731B2 (en) | System and method for characterizing macro-grating test patterns in advanced lithography and etch processes | |
| US20070225851A1 (en) | Optical metrology model optimization for process control | |
| US6853942B2 (en) | Metrology hardware adaptation with universal library | |
| US9523800B2 (en) | Computation efficiency by iterative spatial harmonics order truncation | |
| US20060187466A1 (en) | Selecting unit cell configuration for repeating structures in optical metrology | |
| CN110823089B (zh) | 用于测量半导体器件的光学关键尺寸的方法和设备 | |
| CN111879236B (zh) | 自理论光谱库确定待测样品参数的方法及测量设备 | |
| US20150198434A1 (en) | Method and apparatus for measuring critical dimension of semiconductor | |
| CN111336935A (zh) | 一种基于改进混合优化算法的纳米薄膜参数反演计算方法 | |
| CN103559329B (zh) | 光学散射测量中粗糙纳米结构特性参数的测量方法 | |
| CN114861113A (zh) | 一种用于获取样品参数信息的方法和装置 | |
| CN104750748B (zh) | 一种用于提高理论光谱数据库创建速度的方法及装置 | |
| CN104679770B (zh) | 一种生成样品的光谱数据库及获取参数信息的方法和装置 | |
| US20240201077A1 (en) | Phase-Resolved Optical Metrology for Substrates | |
| CN104679774A (zh) | 一种用于获取样品参数信息的匹配方法和装置 | |
| JP2643194B2 (ja) | パターンエッジ位置検出方法 | |
| CN117739818A (zh) | 形貌参数测量方法及系统 | |
| CN115917720A (zh) | 用于改善半导体装置的不对齐及不对称性的小波系统及方法 | |
| CN117804340A (zh) | 提高复杂晶体管结构测量精度和测量效率的方法和装置 |
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 |