CN116848626A - 处理前与处理后衬底样本的匹配 - Google Patents

处理前与处理后衬底样本的匹配 Download PDF

Info

Publication number
CN116848626A
CN116848626A CN202280011838.3A CN202280011838A CN116848626A CN 116848626 A CN116848626 A CN 116848626A CN 202280011838 A CN202280011838 A CN 202280011838A CN 116848626 A CN116848626 A CN 116848626A
Authority
CN
China
Prior art keywords
post
dimension
dimensions
identified
program product
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
Application number
CN202280011838.3A
Other languages
English (en)
Inventor
路羽
金雁沙
谭忠魁
穆罕默德·德里亚·特泰克
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.)
Lam Research Corp
Original Assignee
Lam Research 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 Lam Research Corp filed Critical Lam Research Corp
Publication of CN116848626A publication Critical patent/CN116848626A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20228—Disparity calculation for image-based rendering
    • 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
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Drying Of Semiconductors (AREA)
  • General Factory Administration (AREA)

Abstract

本文的诸多实施方案关于用来匹配处理前和处理后衬底样本的系统、方法和媒介。在一些实施方案中，提供一种用于匹配处理前和处理后衬底样本的计算机程序产品，该计算机程序产品包括非瞬时计算机可读程序，在其上提供计算机可执行指令，用于：接收与第一组尺寸有关的多个样本及与第二组尺寸有关的多个样本，该第一组尺寸表征处理前衬底，该第二组尺寸表征处理后衬底；接收待匹配的处理前尺寸其中一者与处理后尺寸其中一者的识别；产生用于所识别的处理前尺寸的样本的第一概率分布和用于所识别的处理后尺寸的样本的第二概率分布；以及基于第一概率分布和第二概率分布，将所识别的处理前尺寸的样本与所识别的处理后尺寸的样本匹配。

Description

处理前与处理后衬底样本的匹配
相关申请的交叉引用
PCT申请表作为本申请的一部分与本说明书同时提交。在同时提交的PCT申请表中所标识的本申请要求享有其权益或优先权的每个申请均通过引用全文并入本文且用于所有目的。
背景技术
半导体装置制造处理通常使用处理前和处理后的衬底(例如，半导体晶圆)进行分析(例如，由开发及/或维护处理的处理工程师进行分析)。例如，可评估处理前和处理后的计量数据。然而，这些分析倾向于提供衬底特征的整体衬底概括，包括例如处理前和处理后衬底的统计表示(例如，平均值、方差等)。使用整体衬底概括来全面分析处理可能是困难的。例如，处理工程师可能难以将晶圆差异对处理前衬底的影响与诸多处理条件的影响分开。
本文中提供的背景描述是用于概括地呈现本公开内容的目的。就在本先前技术中所描述的范围而言，目前列名的发明人的工作，以及在提交申请时不可以其他方式作为先前技术的描述的方面都不明示地或暗示地被认为是抵触本公开内容的先前技术。
发明内容
本文公开用于匹配处理前和处理后衬底样本的系统、方法和媒介。
根据一些实施方案，提供计算机程序产品，其用于匹配处理前衬底样本和处理后衬底样本，该计算机程序产品包括非瞬时计算机可读媒介，其上提供计算机可执行指令，用于：接收相关于第一组尺寸的多个样本及相关于第二组尺寸的多个样本，该第一组尺寸表征处理前衬底，该第二组尺寸表征处理后衬底；接收待匹配的处理前尺寸其中一者和处理后尺寸其中一者的识别；产生样本的第一概率分布和样本的第二概率分布，该样本的第一概率分布用于识别的处理前尺寸，该样本的第二概率分布用于识别的处理后尺寸；以及基于该第一概率分布及该第二概率分布，将具有该识别的处理前尺寸的样本匹配至具有识别的处理后尺寸的样本。
在一些实施方案中，该识别是基于寻找该处理前尺寸与该处理后尺寸的数值之间的单调关系(monotonic relationship)。
在一些实施方案中，该第一概率分布及该第二概率分布每一者是累积分布函数，且其中基于该识别的处理前尺寸的数值与该识别的处理后尺寸的数值在各自的累积分布函数中具有实质上类似的发生概率，该识别的处理前尺寸的该数值是匹配至该识别的处理后尺寸的该数值。
在一些实施方案中，计算机程序产品还包括用于以下功能的指令：基于该识别的处理前尺寸与该识别的处理后尺寸的匹配样本，将一种或多种剩余处理前尺寸的数值与一种或多种剩余处理后尺寸的数值进行匹配。
在一些实施方案中，该识别的处理前尺寸是处理前临界尺寸(CD,CriticalDimension)测量结果。
在一些实施方案中，该识别的处理后尺寸是处理后临界尺寸(CD)测量结果。
在一些实施方案中，该识别的处理前尺寸的数值是利用模型产生的。
在一些实施方案中，该模型是离子限制模型，其预测用于蚀刻两个堆叠衬底层的离子的路径。
在一些实施方案中，计算机程序产品还包括用于以下功能的指令：基于该离子限制模型判定该离子是否穿过位于两衬底层堆叠处的接合处；以及基于该离子是否穿过该接合处的判定，选择待匹配的该识别的处理前尺寸。
在一些实施方案中，判定该离子穿过该接合处，且其中该识别的处理前尺寸对应于横截面面积，该横截面面积表示离子的路径与接合处之间的重叠部。
在一些实施方案中，该识别的处理后尺寸对应于两个堆叠衬底层的底部层上的蚀刻容积。
在一些实施方案中，判定该离子未穿过该接合处，且其中该识别的处理前尺寸对应于横截面面积，该横截面面积表示该离子的该路径与该接合处之间的差异。
在一些实施方案中，该识别的处理后尺寸对应于侧壁的衬垫损耗面积。
根据一些实施方案，提供计算机程序产品，其用于评估半导体制造处理，该计算机程序产品包括非瞬时计算机可读媒介，其上提供计算机可执行指令，用于：接收数据集，该数据集包括具有处理前尺寸的第一多个样本，其与具有处理后尺寸的第二多个样本匹配，其中基于该处理前尺寸其中一者的样本值的第一概率分布及该处理后尺寸其中一者的样本值的第二概率分布，该第一多个样本已与该第二多个样本进行匹配；基于给定处理后尺寸相对于阈值的数值，识别针对该处理后尺寸的任何给定者的标准，其表示处理失效；以及基于匹配至给定处理后尺寸的处理前尺寸的数值，识别处理失效的潜在原因。
在一些实施方案中，超过该阈值的该给定处理后尺寸的数值表示该处理失效。
在一些实施方案中，计算机程序产品还包括用于以下功能的指令：识别该处理前尺寸的数值的调整，该调整产生低于该阈值的该给定处理后尺寸的数值。
在一些实施方案中，该给定处理后尺寸对应于两个堆叠衬底层的蚀刻期间的侧壁的衬垫损耗面积。
在一些实施方案中，低于该阈值的该给定处理后尺寸的数值表示该处理失效。
在一些实施方案中，计算机程序产品还包括用于以下功能的指令：识别该处理前尺寸的数值的偏移，该偏移产生超过该阈值的该给定处理后尺寸的数值。
在一些实施方案中，该给定处理后尺寸对应于两个堆叠衬底层的蚀刻期间的蚀刻容积。
在一些实施方案中，该处理前尺寸对应于该两个堆叠衬底层的接合处的临界尺寸(CD)。
在一些实施方案中，该处理前尺寸是角度，离子以该角度穿过该两个堆叠衬底层的顶部层至该两个堆叠衬底层的底部层。
在一些实施方案中，处理前尺寸的其中一者与处理后尺寸的其中一者的至少一者是由计算机模型产生。
附图说明
图1示出根据所公开目标一些实施方案的配置成匹配处理前和处理后衬底样本的匹配系统的使用示意图。
图2示出根据所公开目标一些实施方案的用于匹配处理前和处理后衬底样本的处理器的操作。
图3A、3B和3C显示根据所公开目标一些实施方案的用于匹配处理前和处理后衬底样本的示例性数据。
图4A和4B显示根据所公开目标一些实施方案的图，其绘示将晶圆差异与处理差异分开，这是匹配处理前和处理后衬底样本的结果。
图5A显示根据所公开目标一些实施方案的两层堆叠层蚀刻处理的示意图。
图5B和5C显示根据所公开目标一些实施方案，针对图5A中所示蚀刻处理的可进行匹配的处理前尺寸和处理后尺寸。
图6显示根据所公开目标一些实施方案，在多尺寸样本匹配之后，用于评估图5A中所示蚀刻处理的示例性图。
图7A和7B显示根据所公开目标一些实施方案的用于识别和减轻图5A中所示蚀刻处理的失效的示例性图。
图8呈现根据所公开目标一些实施方案的为处理改进产生推荐的处理器的操作。
图9呈现一示例性计算机系统，该计算机系统可用于实施本文描述的某些实施方案。
具体实施方式
术语
在本说明书全文中使用以下术语：
术语“半导体晶圆”、“晶圆”、“衬底”、“晶圆衬底”和“部分制造集成电路”可互换的使用。本领域普通技术人员理解，术语“部分制造集成电路”可指处于集成电路制造处理的许多阶段的任何几个阶段期间的半导体晶圆。半导体装置产业中使用的晶圆或衬底通常具有200mm、或300mm、或450mm的直径。除了半导体晶圆，可利用所公开实施方案的其他工件还包括诸多物品，例如印刷电路板、磁性记录媒介、磁性记录传感器、镜、光学组件、显示设备或组件，例如，用于像素型显示设备的背板、微机械装置及类似者。工件可具有诸多形状、尺寸和材料。
本文所用的“半导体装置制造操作”是在制造半导体装置期间执行的操作。通常，整个制造处理包括复数半导体装置制造操作，每一者在其自己的半导体制造工具中执行，例如等离子体反应器、电镀单元、化学机械平坦化工具、湿式蚀刻工具等。半导体装置制造操作的类别包括例如蚀刻处理和平坦化处理的减材处理及例如沉积处理的材料添加处理(例如，物理气相沉积、化学气相沉积、原子层沉积、电化学沉积、无电沉积)。在蚀刻处理的过程中，衬底蚀刻处理包括蚀刻屏蔽层的处理，或更概括的，对提前沉积及/或以其他方式停留在衬底表面上的任何材料层进行蚀刻的处理。如此的蚀刻处理可蚀刻衬底中的堆叠层。
“制造设备”是指在其中发生制造处理的设备。制造设备通常具有处理腔室，在处理期间，工件设置在该处理腔室中。通常，在使用时，制造设备执行一种或多种半导体装置制造操作。用于半导体装置制造的制造设备的范例包括沉积反应器(例如，电镀单元(electroplating cell)、物理气相沉积反应器、化学气相沉积反应器和原子层沉积反应器)及减材处理反应器(例如，干式蚀刻反应器(例如，化学及/或物理蚀刻反应器)、湿式蚀刻反应器和灰化器)。
本文所用的“计量数据”是指至少部分由测量处理过衬底的特征而产生的数据。计量测量可在执行半导体装置制造操作之前或之后进行。
在一些实施方案中，计量数据是由计量系统产生，该计量系统在蚀刻衬底上执行显微检查，例如，扫描电子显微技术(SEM，scanning electron microscopy)、穿透电子显微技术(TEM，transmission electron microscopy)、扫描穿透电子显微技术(STEM，scanningtransmission electron microscopy)、反射电子显微技术(REM，reflection electronmicroscopy，原子力显微技术(AFM，atomic force microscopy))或光学计量。在一些实施方案中，计量数据是由在处理过的衬底上执行反射测量(reflectometry)、圆顶散射测量(dome scatterometry)、角分辨散射测量(angle-resolved scatterometry)、小角度的X射线散射测量(X-ray scatterometry)及/或椭圆测量(ellipsometry)来产生。在一些实施方案中，计量数据包括来自例如能量色散X射线光谱(EDX，energy dispersive x-rayspectroscopy)的光谱资料。在一些实例中，使用独立或整合的光学计量工具来执行光学计量，该独立或整合的光学计量是配置成准确的表征制造或部分制造电子装置的一种或多种特性。如此的光学计量工具可配置成在衬底表面上产生小束斑(例如，约5mm或更小的直径)。在一些实施方案中，计量数据可包括对应于特征部的光学临界尺寸(OCD，OpticalCritical Dimension)信息。作为特定范例，在一些实施方案中，OCD信息可表示蚀刻深度。
计量系统可获得关于诸多特征部的尺寸(例如，大小、深度、宽度、面积等)的信息，该诸多特征部例如边缘、穿孔、沟槽、支柱等。此外，计量系统可获得与制造处理中潜在缺陷或失效有关的信息，例如在蚀刻处理期间被蚀刻掉的保护衬垫(例如，侧壁的衬垫)的量或面积。计量系统可获得关于衬底中或衬底上的覆层中材料的信息。如此的信息可包括光学信息(例如，消光系数(extinction coefficient)及/或折射率(refractive index))、化学信息(例如，化学组成及/或原子组成)、诸如晶体结构的形态信息等。
注意，在一些实施方案中，计量测量可为破坏性的。例如，在一些实施方案中，使用SEM系统所获得的计量测量结果可涉及去层处理，其中在获得计量测量结果之前移除顶层。
此外，注意，可在衬底处理前及/或处理后收集计量数据。
如本文所指，“累积分布函数”(CDF，cumulative distribution function)描述一函数，该函数表示变量X将取小于或等于x的数值的概率。也就是说，对于变量X，CDF(x)＝P(X＜＝x)。
在一些实施方案中，CDF可基于变量的测量值或观测值而经验的创建。例如，根据经验创建的CDF可为直方图，其表示对于变量X的特定值x，小于或等于x的观测值的频率。
如本文所指，“样本”是指计量测量结果，其包括关于许多不同衬底表面任何特征部的信息。例如，在处理前晶圆上采集的样本可包括特征部的临界尺寸、特征部的深度、特征部的侧壁角度、特征部上膜层的一种或多种光学特性、具有特征部的结构的化学组成等。类似的，在处理后衬底上采集的样本可包括与处理后衬底上给定特征部的同一组或不同组的表面特征。这些特征中的每一者可被考虑为样本的尺寸。在本文的一些讨论中，处理前衬底上的样本由X表示，且处理后衬底上的样本由Y表示。X样本中的每一者具有尺寸X1、X2、……XN，每一者代表不同的处理前衬底特征，例如，CD、深度等。类似的，Y样本的每一者具有尺寸Y1、Y2、...YM，每一者也代表不同的处理后衬底特征。
应注意，本文使用符号X1，X2，……XN和Y1，Y2，……YM分别表示一组处理前尺寸和一组处理后尺寸，且应考虑为包括N为1或2的情形。例如，一组处理前尺寸(本文通常称为X1，X2，…XN)可仅具有一种尺寸X1，或者可具有两种尺寸，X1和X2。作为另一范例，一组处理后尺寸(本文中通常称为Y1、Y2、...YM)可仅具有一种尺寸Y1，或者可具有两种尺寸Y1和Y2。此外，应注意，符号X1、X2、…XN和Y1、Y2、…YM应考虑为包括以下情形：处理前尺寸的数量与处理后尺寸的数量不同。例如，一组处理前尺寸可为X1，且一组处理后尺寸可为Y1和Y2。作为另一范例，一组处理前尺寸可为X1和X2，且一组处理后尺寸可为Y1、Y2和Y3。
另外，应注意，在一些实施方案中，尺寸X1和尺寸Y1可为同一尺寸的处理前和处理后的数值。例如，在一些实施方案中，X1可为处理前CD，且Y1可为处理后CD。相反的，在一些实施方案中，尺寸X1和尺寸Y1可为不同的尺寸。例如，在一些实施方案中，X1可为CD，且Y1可为深度。
注意，在一些实施方案中，样本可不包括每一尺寸的数值。例如，第一样本可包括处理前尺寸X1、X2、...XN的数值。然而，第二样本可缺失特定处理前尺寸的数值，例如X1、X2等。
另外，注意，在一些实施方案中，特定尺寸的数值可为使用模型、等式、或物理系统的其他计算表示而产生或计算的数值。
如本文所述的“匹配系统”是指配置成将处理前衬底样本与处理后衬底样本进行匹配的计算机系统。例如，匹配系统可配置成将样本j与样本k进行匹配，其中样本j具有处理前样本尺寸X1的特定值，且样本k具有处理后样本尺寸Y1的特定值。
作为一更特定的范例，样本j可与处理前样本尺寸X1、X2、…XN的测量值有关。继续这个范例，样本k可与处理后样本尺寸Y1、Y2、...YM的测量值有关。匹配系统可配置成分别基于X1和Y1的数值将样本j与样本k进行匹配。例如，样本j和样本k可基于X1的概率分布和Y1的概率分布进行匹配。在一些实施方案中，由匹配X1和Y1的数值，匹配系统可额外的将样本j的其他处理前样本尺寸X2、…XN的数值与样本k的其他处理后样本尺寸Y2、…YM的数值进行连接。
概述
在半导体装置制造处理的一些传统分析中，对处理前和处理后的衬底(例如，半导体晶圆及/或测试结构)进行评估和表征。评估可包括使用许多计量技术其中任何一者的计量测量，例如电子显微技术、化学分析(例如，发射光谱)、光学计量等。在一些实施方案中，计量技术是“自上而下”的处理，例如临界尺寸扫描电子显微技术(CDSEM，CriticalDimension Scanning Electron Microscopy)。计量测量可提供关于衬底和形成在衬底上的特征部的信息。此类信息可包括几何信息(例如，衬底上特征部的临界尺寸、宽度、侧壁角度、节距)、光学信息(例如，衬底上膜层的消光系数和折射率)、化学信息(例如，衬底上覆层的化学组成)等。
处理前和处理后衬底的特征可包括在相应衬底上进行的计量测量的统计表示。统计表示可包括例如处理前和处理后衬底上的测量特性分布的中心趋势(例如，平均值)、方差及/或其他特性。
不幸的，这些现有的方法仅提供衬底特征的整体衬底概括。它们不逐点匹配处理前和处理后衬底中的衬底特征。例如，它们不对处理前和处理后衬底上给定特征部或位置的衬底特征进行匹配。换言之，这些技术不提供处理前和处理后衬底表面特征的一对一匹配。
因此，对处理设计者和负责开发、维护及/或修改处理的其他人员有价值的许多信息是不可用的。例如，现有方法很难或不可能将来料晶圆差异(例如，给定处理前衬底上的某些特征部比其他特征部更深)的影响和处理条件的影响分开。换言之，在处理后衬底上观察到的条件可能是处理前晶圆的衬底条件的结果及/或在处理衬底时采用的一种或多种处理条件的结果，但现有方法不能分开这些影响。在不知道处理前衬底上给定特征部如何映射到处理后衬底上同一特征部的情形中，考虑经由处理的调整后，实质上不可能辨别点对点差异对处理前衬底表面上的影响。
在某些实施方案中，对来自处理前和处理后衬底的样本点进行匹配，而不需要在相同位置处测量处理前和处理后衬底的计量测量结果。
为了理解该处理如何工作，应理解，处理前和处理后衬底的每一者是由一系列样本(例如，在衬底上的不同位置处采取的一系列计量测量)来评估。每一样本是衬底上一位置处的单独的计量测量结果，例如单独的CDSEM测量结果。
每一样本是一计量测量结果，其包括关于许多不同衬底表面特征中的任何特征的信息。例如，在处理前晶圆上采集的样本可包括特征部的临界尺寸(CD)、特征部的深度、特征部的侧壁角度、特征部上膜层的一种或多种光学特性、具有特征部的结构的化学组成等。类似的，在处理后衬底上采集的样本可包括与处理后衬底上给定特征部的同一组或不同组的表面特征。这些特征中的每一者可被考虑为样本的尺寸。在本文的一些讨论中，处理前衬底上的样本由X表示，且处理后衬底上的样本由Y表示。X样本中的每一者具有尺寸X1、X2、……XN，每一者代表不同的处理前衬底特征，例如，CD、深度等。类似的，Y样本的每一者具有尺寸Y1、Y2、...YM，每一者也代表不同的处理后衬底特征。
注意，计量信息不必受限制于单一特征部，而是可包括来自相邻特征部的集合的信息。范例是从内存单元上的规则重复结构所获取的光信号，其中规则重复特征部用作绕射光栅，其产生可利用光学计量加以测量和分析的信号。
在一些实施方案中，来自处理前衬底的样本与来自处理后衬底的样本进行匹配。匹配可基于以下标准：使来自处理前衬底的个别样本与来自处理后样本的相同或相似样本进行匹配。
在一些实施方案中，本文描述的处理分析处理前衬底和处理后衬底的样本数据，以识别那些彼此单调变化的样本的尺寸。即，识别处理前样本尺寸(本文称为X1)和处理后样本尺寸(本文称为Y1)，使得Y1的样本值是X1的样本值的单调结果。X1的特定范例是已执行蚀刻处理之前的高纵横比的孔的顶部CD，且Y1是已执行蚀刻处理之后的蚀刻深度。尺寸以直方图的形式提供，其将丰度(abundance)绘制为所考虑的尺寸数值的函数。如此的直方图可被提供为对应于所考虑尺寸的概率密度函数的累积分布函数。
从处理前晶圆样本中识别及选择尺寸(X1)、及从处理后衬底样本中识别及选择对应的尺寸(Y1)，使得X1和Y1符合单调性要求后，对应于这两个尺寸的样本值进行匹配。该匹配可由从处理前及处理后衬底样本中识别X1和Y1尺寸的数值来达成，其中衬底样本在累积分布函数中具有相同或实质上相似的相对丰度值。
基于匹配的样本值，成对的处理前和处理后样本可进行匹配。一旦成对的处理前和处理后样本匹配完成，所匹配样本的其他处理前和处理后尺寸(例如，X2、Y2、X3、Y3等)可同样的基于这些配对而连接。利用这些信息，处理前衬底中及处理后衬底中全部样本的全部组尺寸现在是彼此匹配或彼此连接。
利用这些信息，可判定处理前衬底上个别的特征部(其具有不同的特征)如何影响处理后衬底中对应的特征部。类似的，可看到处理差异对衬底的个别特征部的影响。换言之，如此的丰度匹配方法允许将特征部差异对处理前晶圆的影响与处理条件差异分开。再者，由识别处理差异对衬底的个别特征部的影响，处理工程师可识别处理的调整，该处理的调整将产生特定的特征部特征。
一些实施方案采用物理处理的模型或其他表示来代替计量测量或结合计量测量，以产生处理前衬底样本的尺寸X1、X2、...XN。类似的，一些实施方案采用物理处理的模型或其他表示来代替或结合计量测量，以产生处理后衬底样本的尺寸Y1、Y2、...YM。例如，在给定衬底上特征部的位置及/或几何配置的情形中，离子限制模型可计算往特征部的特定区域或体积的离子通量。当使用物理处理的模型或其他表示代替计量测量时，仍可执行如上所述的匹配。
匹配处理前和处理后衬底样本
处理前衬底样本和处理后衬底样本可进行匹配，使得处理前衬底特征部和处理后衬底特征部是在一对一的基础上进行匹配。
可接收样本，该样本与表征处理前衬底的一组处理前尺寸X1、X2、...XN有关。在一些实施方案中，每一样本可与特定的计量测量有关，例如CDSEM测量。每一尺寸是不同类型的处理前特征部特征，例如处理前特征部的CD。类似的，可接收样本，该样本与表征处理后衬底的一组处理后尺寸Y1、Y2、...YM有关，其中每一尺寸是不同类型的处理后特征部特征，例如处理后衬底上的特征部的CD，已执行蚀刻处理之后的蚀刻深度、面积、或容积，蚀刻处理之后被蚀刻掉的保护衬垫的面积，表示孔型特征部的扭曲程度的变形量等。
可识别处理前尺寸X1和处理后尺寸Y1，其中所识别的X1和Y1对应于待匹配的样本值的尺寸。可识别X1和Y1，使得Y1是X1的单调结果。特定范例是X1对应于沟槽开口的CD，且Y1对应于已执行蚀刻处理之后的沟槽深度。
可产生对应于处理前尺寸X1的样本值的概率分布和对应于处理后尺寸Y1的样本值的概率分布。例如，每一概率分布可为累积分布函数(CDF)。作为更特定的范例，X1的CDF(x)可表示从X1抽取的样本值xj小于数值x的概率P。类似的，Y1的CDF(y)可表示从Y1抽取的样本值yk小于数值y的概率P。注意，尽管本文描述的范例通常使用累积分布函数，但也可使用其他类型的概率函数，例如互补累积分布函数或尾分布(tail distribution)、分位数函数(quantile function)等。
接收到的样本可基于X1的概率分布和Y1的概率分布进行匹配。特别的，在X1的概率分布中具有特定概率值的样本可与在Y1的概率分布中具有实质上相似或相同的概率值的样本进行匹配。即，样本是基于在X1和Y1的密度分布中具有相似或相同丰度的X1和Y1尺寸的分别的数值而进行匹配，其中丰度是分别表示在X1的CDF和Y1的CDF中。
可分析所匹配的样本，以判定产生样本的处理的敏感度及/或产生样本的处理的处理余量。例如，对于特定的处理，例如特定的蚀刻处理，所匹配的样本可表示特定的处理后尺寸对处理前尺寸数值的差异有多敏感。
图1显示匹配系统，其配置成接收处理前衬底计量样本102和处理后衬底计量样本104。处理前衬底计量样本102对应于处理前CD测量结果，且处理后衬底计量样本104对应于处理后CD测量结果。注意，处理前衬底计量样本102可从以下位置处收集：相对于处理后衬底计量样本104的相同的位置或不同的位置。例如，如图1所示，处理前衬底计量样本可从包括处理前位置106的位置收集。继续该范例，处理后衬底计量样本可从包括处理后位置108的位置收集。
匹配系统100配置成匹配处理前衬底计量样本102和处理后衬底计量样本104，以产生如图110所示的匹配样本。实际上，所匹配的样本表示处理前衬底计量样本102的数值对处理后衬底计量样本104的数值的影响。例如，如图1所示，所匹配的样本表示处理前CD测量结果对处理后CD测量结果的影响。
图110显示诸多不同处理的处理后CD与处理前CD的关系，其中每一处理的处理前样本和处理后样本已进行匹配。对于图110中所示的每一处理而言，处理后CD和处理前CD之间的关系可被认为是线性的，且可用斜率表示。斜率表示处理的处理余量或处理敏感度。例如，斜率112比斜率114浅，表示相较于对应于斜率114的处理而言，对应于斜率112的处理对处理前CD的差异的较不敏感。
返回参考图2，根据所公开目标一些实施方案显示流程图，该流程图显示可由处理器执行的用于匹配处理前和处理后衬底样本的操作。
在202，可接收处理前样本与处理后样本，其中处理前样本与一组处理前尺寸X1、X2、…XN有关，且处理后样本与一组处理后尺寸Y1、Y2、…YM有关。
每一样本可对应于处理前晶圆的特定位置处的一组测量结果或数值(在处理前样本的情形中)，或处理后晶圆的特定位置处的一组测量结果或数值(在处理后样本的情形中)。在一些实施方案中，测量结果或数值可为使用任何合适的计量系统(例如，CDSEM、XSEM、HVSEM等)而测量的计量测量结果。例如，计量测量结果可为特定线、边缘、沟槽、穿孔、洞、柱等的CD。在一些实施方案中，如结合图5A、5B和5C更详细所述，数值可为从等式、等式组或模型导出的计算结果。
每一尺寸可代表一特征部的不同特征。对应于特征部特征的尺寸可包括处理前CD、处理后CD、蚀刻深度、蚀刻容积、在蚀刻处理期间已被蚀刻掉的保护衬垫的量或面积、倾斜(例如，在蚀刻之前高纵横比结构或特征部的结构倾斜)等。
注意，可能需要最小数量的处理前样本及/或处理后样本，以执行结合方框204-210所示及所述的匹配技术。例如，匹配技术可需要足够的样本来判定诸多尺寸的数值符合特定的标准，例如样本分布是平稳的。在一些实施方案中，可计算预期样本方差，例如泊松方差(Poisson variance)，以判定样本的衍生CDF是否可能是稳定的。在一些实施方案中，响应于以下判定，处理可终止：在方框202未接收到所需最小数量的样本。
图3A显示示例性表，该表显示根据所公开目标一些实施方案的针对一群组样本，关于不同处理前尺寸及处理后尺寸的数值。
表302显示三个处理前尺寸(X1、X2和X3)的四个样本(0、1、2和3)的数值。表304显示三个处理后尺寸(Y1、Y2和Y3)的四个样本(0、1、2和3)的数值。注意，虽然表302和304各显示标记为0、1、2和3的四个样本，但表302和304中所示的四个样本未必彼此对应。例如，表302中的样本0与表304中的样本0未必具有任何关系。
回到图2，在204，接收用于匹配的一处理前样本尺寸和一处理后样本尺寸的识别。注意，所识别的处理前样本尺寸在本文中被称为“X1”，且所识别的处理后样本尺寸在本文中被称为“Y1”。
在一些实施方案中，X1和Y1可需要符合任何合适的标准。例如，在一些实施方案中，可需要X1和Y1的数值分布是平稳的。作为另一范例，在一些实施方案中，可需要Y1的数值与X1具有单调关系。也就是说，在一些实施方案中，Y1的观测值可为具有单调关系的X1的结果。注意，X1和Y1不需要具有相似的分布特征、跨越相似的范围、或具有(不同于具有单调关系且平稳的)其他相关性。
作为一特定范例，X1可为蚀刻处理之前的开口的CD，且Y1可为蚀刻处理之后的蚀刻深度。作为另一特定范例，X1可为处理前特征部的CD，且Y1可为处理后特征部的CD。以下结合图5A、5B和5C显示及描述额外的特定范例。
在一些实施方案中，X1和Y1可手动识别，例如由处理工程师识别。或者，在一些实施方案中，X1和Y1可由算法识别。例如，X1和Y1可由算法识别为具有符合上述标准的数值的尺寸。
在206，可产生X1的样本的概率分布和Y1的样本的概率分布。
例如，在一些实施方案中，每一概率分布可表示为直方图，该直方图表示样本小于或等于特定值的频率。因此，如此的概率分布可被认为是累积分布函数，其对应于每一维度的概率密度函数下的面积。
注意，尽管本文讨论的范例使用累积分布函数，但在一些实施方案中，可使用其他类型的概率分布。例如，可使用互补累积分布函数或尾分布，其表示样本超过特定值的概率。作为另一范例，可使用逆累积分布函数(inverse cumulative distributionfunction)或分位数函数，其表示映射到累积分布函数中的特定概率的样本值。
作为更特定的范例，图3B描绘示例性X1直方图306和示例性Y1直方图308。如图所示，X1直方图306显示来自X1的样本值将小于X1的给定值x的概率。类似的，Y1直方图308显示来自Y1的样本值将小于Y1的给定值y的概率。
返回参考图2，在208，对于X1样本值，可基于X1的概率分布和Y1的概率分布来识别匹配的Y1样本值。也就是说，基于样本值各自的累积分布函数中具有相同或实质上相似的丰度，可对于样本值进行匹配。
例如，返回图3B，参考X1直方图306，就P(X1＜x)＝0.4而言，X1的数值x约为-0.4。因此，就X1的数值为-0.4而言，样本j可匹配至来自Y1分布的样本k，其中P(Y1＜y)＝0.4。参考Y1直方图308，匹配的样本k可被识别为具有约为-0.2的数值的样本k。
返回参考图2，在一些实施方案中，当处理前衬底样本与处理后衬底样本匹配时，可计算处理前衬底样本匹配特定处理后衬底样本的概率。例如，可计算(相关于尺寸X1的)样本j与(相关于尺寸Y1的)样本k匹配的概率。在一些实施方案中，可针对复数潜在样本计算匹配概率，且可基于最高匹配概率来识别匹配样本。例如，对于特定样本j，可计算j匹配样本k1、k2和k3的概率。继续这个范例，基于分配给k1、k2和k3各自的最高匹配概率，样本j可匹配至k1、k2和k3一者。
应注意，可计算样本j与样本k匹配的概率，且可额外计算样本k与样本j匹配的对应概率。通常，两概率可实质上相似或相同。在一些情形中，两概率的显著差异可能表明用于构建基础CDF的样本量不够大，及/或基础样本不稳定。
在210，剩下的处理前样本尺寸X2、…XN的样本值和剩下的处理后样本尺寸Y2、…YM的样本值可基于针对X1和Y1所匹配的匹配样本值加以连接。注意，在一些实施方案中，可省略方框210。
图3C描绘示例性表，其中样本在全部尺寸上都匹配。
如行310所示，处理前样本索引0已与处理后样本索引332匹配。在该范例中，基于X1与Y1的概率分布，处理前样本索引0已与处理后样本索引332匹配。亦即，P(X1＝1.76)＝0.93的累积分布概率值匹配P(Y1＝0.61)＝0.93的累积分布概率值，基于此，处理前样本索引0已与处理后样本索引332进行匹配。注意，处理前样本索引0到处理后样本索引332的匹配已被分配0.931的概率。类似的，处理后样本索引332到处理前样本索引0的匹配已被分配了0.93的概率。
另外，应注意，对于行310，表中包括X2、X3、Y2和Y3的样本值，以说明在将处理前样本索引0匹配至处理后样本索引332之后，X2、X3、Y2及Y3的数值可同样的加以连接。换言之，由使用X1和Y1尺寸来匹配样本，X2、X3、Y2和Y3尺寸可仅由相关于利用X1和Y1尺寸所匹配的样本来连接，即使X2、X3、Y2和Y3尺寸的分布也不符合上述结合框204所述的标准。
返回参考图2，处理可在212处结束。
在将剩下的处理前样本与剩下的处理后样本尺寸进行连接之后，已产生所匹配样本的多尺寸数据集。该数据集可用于许多用途，例如隔离和识别特定处理前尺寸对特定处理后尺寸的影响，识别可能导致(如处理后尺寸的特定值所表示的)失效或缺陷的特定处理前尺寸的数值，识别可减轻处理失效的处理前尺寸数值的变化等。多尺寸数据集的用途于下文结合图8加以显示及描述。
此外，在一些情形中，匹配样本的数据集可能缺失一些样本及/或一些尺寸的数值。在一些情形中，处理前尺寸和处理后尺寸之间的关系可用于内插或外推缺失的数值。例如，在匹配样本的数据集表示处理前尺寸X1和处理后尺寸之间的关系可被认为是线性的情形中，可基于线性关系及基于样本的X1的已知或测量数值来计算该特定样本的Y1的缺失值。相反，可以类似的方式计算X1的缺失值。
返回图4A和4B，其根据所公开的目标一些实施方案显示图，该图绘示如上所述的匹配的处理前样本和处理后样本如何可将晶圆差异与处理差异分开。
图4A显示三个处理(处理1、处理2和处理3)的处理后CD作为处理前CD的函数的图，其中三个处理相同，但是对于这三个处理，存在潜在的晶圆数量差异(例如，由于采样差异及/或由于处理前衬底表面的潜在差异)。在样本匹配之后(例如，使用上述结合图2所述的技术)，处理后CD到处理前CD的关系对于全部三个处理是相同的，其是预期没有处理差异。这显示样本匹配技术可正确的将处理前衬底样本与处理后衬底样本进行匹配，即使针对没有处理差异的潜在晶圆数量差异亦然。
相反，参考图4B，在三个处理不同(例如，使用不同设定点、使用不同配方等)的情形中，在匹配处理前样本和处理后样本之后，三个处理可清楚的加以区分。
注意，如图4B所示的不同处理的斜率可表示处理的敏感度或处理的处理余量。例如，具有较陡斜率的处理可比具有较浅斜率的处理更敏感(或具有较小的处理余量)。
两层堆叠蚀刻处理
图5A、5B、5C、6、7A和7B绘示使用上文结合图2描述的用于匹配处理前及处理后样本的技术和数据，其关于两层堆叠蚀刻处理。特别的，离子用于在底部层中蚀刻“凹坑”，该底部层是堆叠在顶部层上，其中顶部层和底部层是在蚀刻处理之前进行堆叠。注意，顶部层和底部层堆叠的位置点在本文中称为“接合处”。
图5A绘示两层堆叠蚀刻处理和相关参数的示意图。
计量测量结果502绘示使用两层堆叠蚀刻处理进行处理的晶圆的顶部层和底部层。特别的，计量测量结果502包括上部层504的HVSEM和底部层506的HVSEM。注意，上部层和底部层可包括高纵横比孔，其中孔具有相对高的深度对宽度CD比。
底部层506中的凹坑可由穿过顶部孔508至底部层的离子加以蚀刻。在一些实施方案中，顶部孔508可具有介于约20～60纳米范围内的CD、介于约30-50纳米范围内的CD等。在穿过顶部层之后，离子之后可在底部层中蚀刻凹坑。在一些实施方案中，凹坑可具有介于约0～70纳米范围内的蚀刻深度、介于约20～50纳米范围内的蚀刻深度、介于约0～20纳米范围内的蚀刻深度等。每一凹坑可描述为具有凹坑容积，其是蚀刻深度和蚀刻面积的乘积。应注意，可施加保护衬垫到与凹坑有关的侧壁部分，该保护衬垫可在蚀刻处理之前施加。理想的，蚀刻处理将产生具有期望蚀刻深度的凹坑，且不蚀刻掉或损坏侧壁的保护衬垫。
每一离子遵循离子路径510。离子路径510是由在蚀刻处理执行的沉积处理加以限定。接合处512描绘顶部层和底部层堆叠的区域。接合处512的CD可在约30～50纳米的范围内、约35～45纳米的范围内等。
然而，在一些情形中，离子路径可具有倾斜角514。例如，可在顶部层和底部层的堆叠期间引入倾斜角514，例如顶部层和底部层相关于接合处不对齐的情形。倾斜角514可在离子路径510相对于接合处512之间引入偏移。该偏移可由偏移半径518表示。离子路径510和接合处512之间的重叠部分被示为重叠区域520。
注意，重叠区域520对应于被蚀刻的凹坑。在一些实施方案中，重叠区域520可对应于处理前尺寸，如下文结合图5B所述，该处理前尺寸是匹配至凹坑容积的处理后尺寸。如图5A所示的非重叠区域522对应于离子路径510与接合处512不重叠的区域。因此，非重叠区域522可对应于侧壁的保护衬垫被蚀刻掉的区域。在一些实施方案中，非重叠区域522可对应于处理前尺寸，如下文结合图5C所述，该处理前尺寸是匹配至衬垫损耗面积的处理后尺寸。
在一些实施方案中，用于匹配处理前和处理后样本的尺寸的数值可使用模型来计算或产生。图5B和5C显示用于计算处理前尺寸X1的数值的图，其就上文结合图5A所示及所述的两层堆叠蚀刻处理使用离子限制模型。
图5B显示在从顶部层到底部层的离子路径与期望接合处位置重叠的情形中，用于匹配处理前样本和处理后样本的尺寸。
图530显示计算的重叠区域532，其用作用来匹配的X1尺寸的数值。重叠区域532为标量值(scalar value)，其表示由用于蚀刻的离子所产生的凹坑与接合处重叠的面积，如上文结合图5A所示和所述。
重叠区域532是使用离子限制模型来计算，该离子限制模型计算重叠区域532的数值。离子限制模型可包括任何合适的等式或其他表示，例如包括当具有特定倾斜角时的离子到达底部层的位置、温度信息、离子种类信息等。作为更特定的范例，基于从顶部层和底部层的HVSEM图像(例如，底部层502的HVSEM，及上部层504的HVSEM)所获得的信息，可计算重叠区域532。
在一些实施方案中，用于匹配的Y1尺寸可为在底部层上得到的凹坑的容积，如图534所示。凹坑容积可基于蚀刻面积和蚀刻深度的计量测量结果加以计算。
图5C显示在离子路径与期望接合处位置不重叠的情形中，用于匹配处理前和处理后样本的尺寸。
图540显示计算的错开区域542，其用作用于匹配的X1尺寸的数值。错开区域542是标量值，其表示离子错开接合处位置的面积。类似于上文结合图5B的重叠区域532所述内容，可使用离子限制模型来计算错开区域542。
在一些实施方案中，用于匹配的Y1尺寸可为计量测量结果，其表示衬垫损耗面积。衬垫损耗面积表示侧壁上已被蚀刻掉的保护衬垫的面积。图544显示可用作Y1匹配值的衬垫损耗面积计算。
回顾图2和3C，在使用X1和Y1尺寸匹配处理前样本和处理后样本之后，其他尺寸(X2、X3、Y2、Y3等)的数值是同样加以连接。因此，产生的数据集是多尺寸的，其中在针对复数处理前尺寸及复数处理后尺寸具有匹配数值的情况下，处理前样本匹配至处理后样本。
可针对多个目的分析多尺寸关系，例如识别处理前尺寸的偏移或调整，这将减轻或降低处理失效的可能性。注意，图6、7A和7B描述所匹配的多尺寸数据集和所匹配的多尺寸数据集的用途，以用于上文结合图5A、5B和5C所示及所述的两层堆叠蚀刻处理的失效减轻。图8显示使用所匹配的多尺寸数据集进行失效减轻的概括示例性流程图。
图6显示多尺寸图，其可构建成显示处理前样本尺寸和处理后样本尺寸之间的多尺寸关系，该处理前样本尺寸和处理后样本尺寸相关于上文结合图5A、5B和5C所示及所述的两层堆叠蚀刻处理。
图602显示在离子路径与期望接合处位置重叠的情形中的多尺寸关系。回顾可知(如图5B所示)，在这些情形中，匹配关系使用重叠区域的X1尺寸(离子路径和接合处之间)和凹坑容积的Y1尺寸，其中重叠区域是使用离子限制模型加以计算。
在一些实施方案中，处理前尺寸可额外包括倾斜角(X2)和接合处CD(X3)。倾斜角(如图5A所示)描述与直线垂直路径的角度偏差，且接合处CD描述两堆叠层连接处的CD。如上文结合图2和3C所述，在使用X1和Y1尺寸的数值已进行样本匹配之后，对应于X2和X3尺寸的样本值可相应的加以连接。因此，图602显示在X2和X3尺寸已连接之后，作为倾斜角(亦即，X2数值)和接合处CD(亦即，X3数值)的函数的凹坑容积(亦即，Y1数值)。
图604显示在离子路径与期望接合处位置不重叠的情形中的多尺寸关系。回顾可知(如图5C所示)，在这些情形中，匹配关系使用错开区域的X1尺寸和衬垫损耗面积的Y1尺寸，其中错开区域是使用离子限制模型加以计算。
在一些实施方案中，处理前尺寸可额外包括倾斜角(X2)和接合处CD(X3)，如上文结合图602所述。类似于上文所述内容，在使用X1及Y1尺寸已进行样本匹配之后，对应于X2及X3尺寸的样本值可对应的加以连接。因此，图604显示在X2和X3尺寸已连接之后，作为倾斜角(亦即，X2数值)与接合处CD(亦即，X3数值)的函数的衬垫损耗面积。
图7A显示等值线图，其可用于识别处理参数的调整，以减少相关于上文结合图5A、5B和5C所示及所述的两层堆叠蚀刻处理的失效数量。
在一些实施方案中，可基于符合特定失效标准的任何合适的处理后特征部的数值来对失效进行分类。例如，对于两层堆叠蚀刻处理而言，1)当凹坑容积小于阈值凹坑容积时，及/或2)当衬垫损耗面积超过阈值衬垫损耗面积时，可对失效进行分类。在一些实施方案中，失效可为二元的，使得符合上述失效标准任一者的晶圆(亦即，不符合最小凹坑容积、或超过最大衬垫损耗面积)被分类为失效，以及反之，不符合上述失效标准任一者的晶圆被分类为符合或非失效。
图7A的等值线图702显示分类为失效的晶圆上特征部的分布，其作为倾斜及接合处CD的特定值的函数。注意，在等值线图702和704中，区域706表示特征部的较密集的分布，且失效区708表示晶圆上特征部通常被分类为失效的区域。
图7A的等值线图704显示被分类为失效的晶圆的分布，其作为所识别的倾斜和接合处CD的推荐值的函数。推荐值可表示将倾斜角保持在特定值以下的推荐(例如，小于5纳米、小于3纳米等)，及/或将接合处CD增加特定量的推荐(例如，1纳米、2纳米等)。注意，等值线图704的失效区已偏移，使得较高百分比的晶圆被分类为通过，其乃对倾斜及/或接合处CD作出推荐改变的结果。
注意，等值线图704可基于图6的图602和604而产生。例如，凹坑容积失效可分类为低于凹坑容积阈值的凹坑容积。继续这个范例，图602上的凹坑容积阈值的位准处切出的平面可用于识别产生以下者的倾斜值和接合处CD的数值：凹坑容积失效、及相反符合的凹坑容积。进一步继续这个范例，衬垫损耗面积失效可分类为超过衬垫损耗阈值的衬垫损耗面积。进一步继续该范例，图604上的衬垫损耗阈值的水平准出切出的平面可用以识别产生以下者的倾斜值和接合处CD的数值：衬垫损耗面积失效、及相反之符合衬垫损耗量。然后，由迭加图602及604的平面切割所产生的图，可构造等值线图704。
图7B显示由多尺寸匹配处理前和处理后样本所构成的图，其中匹配是在整个晶圆样本上进行。
图750和752分别显示具有两不同堆叠蚀刻处理的匹配样本。在图750和752的每一者中，分析两完整的晶圆，其中相关于图752的晶圆的两晶圆间的晶圆差异比相关于图750的晶圆更大。在图750和752中，z轴对应于失效率，其是基于用来产生等值线图702和704的计算结果，且x及y轴分别对应于x和y晶圆坐标。注意，对于图750和752中的每一者，每一处理实施两次，且处理前和处理后样本的匹配是在整个晶圆样本上执行。
图750和752分别额外的显示等值线图762和764，其对应于图750和752的平面的等值线图。
如图750和752所示，在匹配处理前和处理后样本之后，可将处理差异与晶圆差异分开，甚至当在整个晶圆样本上进行匹配时亦然。图750和752中轮廓754-760的每一者绘示不同晶圆的失效分析。特别的，关于图750，在两个被分析的晶圆相似的情形中，关于两个晶圆中的每一者的失效率相似，如相似的轮廓754和756所示。继续进一步讲，图752显示不同的失效率(如轮廓758和760所示)，该不同的失效率与用来产生图752的分析晶圆的每一者相关，其中不同的失效率是由于两晶圆之间较大的晶圆差异所致。此外，可观察到相关于图750的蚀刻处理与相关于图752的蚀刻处理之间的差异，这是由于图750的轮廓754及756相对于图752的轮廓758及760的差异。
产生建议来减轻失效
返回图8，其显示根据所公开目标一些实施方案的流程图，该流程图显示处理器的操作，以用于基于所匹配的处理前样本和处理后样本来产生减轻失效的推荐。
在802，可接收多尺寸匹配样本的数据集，其中每一样本相关于处理前样本尺寸(例如，X1、X2、...XN)和处理后样本尺寸(例如，Y1、Y2、...YM)。例如，所接收的数据集类似于上文结合图3C的表所示及所述的格式。在一些实施方案中，数据集可使用上文结合图2所示及所述技术来构建。
在804，可接收失效标准的表示。在一些实施方案中，失效标准可表示构成处理后衬底的失效的特定处理后尺寸(例如，Y1、Y2、...YM)的阈值。示例性失效标准可包括小于阈值深度的蚀刻深度、小于期望CD的处理后CD等。
作为更特定的范例，如上文结合图7A中的两层堆叠蚀刻处理所述，失效标准可包括低于最小容积阈值的凹坑容积及/或超过衬垫损耗阈值的衬垫损耗面积。注意，这仅为示例性，且在一些实施方案中，失效标准可特定于任何合适的处理。
在一些实施方案中，失效标准可手动指定，例如由处理工程师指定。附加地或替代地，在一些实施方案中，失效标准可从数据库中得到，例如表示诸多制造处理的规格的失效数据库。
在806，可基于失效标准和多尺寸匹配样本的数据集来识别可能产生失效的处理前样本尺寸的数值。注意，处理前样本尺寸可被识别为实际上可加以控制或调整的尺寸，例如处理前CD、倾斜角等。
例如，图可构建成绘制关注处理后尺寸的数值，其作为一种或多种关处于理前尺寸的函数。继续这个范例，对应于图的水平切割的平面可用于识别处理前样本尺寸的数值，其中该平面位于对应于失效阈值的Z轴数值处。
作为特定范例，在晶圆被分类为失效的情形中(当凹坑容积小于最小凹坑容积阈值时)，平面可位于最小凹坑容积阈值处(亦即，在图6的图602上)。继续这个特定范例，然后可识别倾斜角和接合处CD的数值，其产生低于平面的凹坑容积(亦即，低于最小凹坑容积阈值)。
作为另一特定范例，在晶圆被分类为失效的情形中(当衬垫损耗面积超过最大允许损耗阈值时)，平面可位于最大允许损耗阈值处(亦即，在图6的图604上)。继续这个特定范例，然后可识别倾斜角和接合处CD的数值，其产生在平面上方的衬垫损耗面积(亦即，高于最大允许损耗阈值)。
在一些实施方案中，在808，可识别对处理前样本尺寸的数值的一种或多种调整，以减少失效的数量及/或改变失效分布。例如，在一些实施方案中，可识别可能产生不分类为失效的处理后样本尺寸值的处理前样本尺寸值。注意，在一些实施方案中，可省略框808。
作为更特定的范例，就上文结合图6所示和所述的两层堆叠蚀刻处理的多尺寸匹配样本而言，可识别不太可能产生分类为失效的凹坑容积的(即，小于最小允许凹坑容积阈值)倾斜角及/或接合处CD。作为另一更特定范例，可识别不太可能产生分类为失效的衬垫损耗面积(即，超过最大允许衬垫损失)的倾斜角及/或接合处CD。
在识别对处理前样本尺寸的一种或多种调整之后，可提出建议，该建议表示所识别的一种或多种调整。例如，可(例如，向处理工程师)提出建议，该建议表示处理前CD应该移动或增加特定量，且表示倾斜角应被保持在特定量以下等。
该处理可在810结束。
应用
由将处理前衬底的特征部映射到处理后衬底上的特征部，本文描述的技术允许处理工程师将晶圆差异的影响与处理差异的影响分开。特别的，由将晶圆差异的影响与处理差异的影响分开，处理工程师可评估特定处理的诸多特性，例如处理对一种或多种处理条件的变化的敏感度。
额外的，可提供处理后尺寸(例如，处理后CD、蚀刻深度或容积、衬垫损耗面积等)和处理前尺寸(例如，处理前CD、离子倾斜等)之间的关系，使得处理工程师可识别特定处理前尺寸的变化对关注的处理后尺寸的影响。作为特定范例，在蚀刻处理期间侧壁上的衬垫损耗面积应被最小化的情形中，处理工程师可使用衬垫损耗面积和一种或多种处理前尺寸(例如，蚀刻期间的离子倾斜、处理前CD等)之间的关系来识别处理前尺寸的最佳值，以使衬垫损耗面积最小化。
因此，由允许处理工程师快速识别处理条件变化的晶圆上效应(其将提供改进的处理后衬底特征部)，本文描述的用于将处理前衬底特征部匹配至处理后衬底上特征部的技术可改善制造处理。例如，由识别处理前和处理后尺寸之间的关系，处理工程师不必利用试错法来识别潜在的处理条件变化，从而节省时间和其他资源。
公开的计算机实施方案的内容。
本文公开的某些实施方案关于计算机系统，其用于匹配处理前衬底样本和处理后衬底样本。
可采用许多类型的计算机系统作为公开系统来实施本文公开的算法，该许多类型的计算机系统具有诸多计算机架构的任何者。例如，系统可包括软件组件，其在一种或多种一般用途处理器或特别设计处理器上执行，例如，特定用途集成电路(ASIC，ApplicationSpecific Integrated Circuit)、或可程序化逻辑设备(例如，场可程序化门阵列(FPGA，Field Programmable Gate Array))。进一步讲，系统可在单一装置上实施或在分散的复数装置上实施。计算机组件的功能可相互合并或进一步拆分为复数子模块。
在一些实施方案中，在技术的产生或执行期间针对匹配样本尺寸而在适当程序化系统上执行的代码可以软件组件的形式加以执行，该软件组件可储存在非挥发性储存媒介(例如光盘、快闪储存装置、移动硬盘等)中，其包括构成计算机装置(例如，个人计算机、服务器、网络设备等)的一些指令。
在一层面上，软件组件是实施为一组命令，其由程序员/开发人员准备。然而，可由计算机硬件执行的模块软件是可执行代码，其是使用选自特定机器语言指令集的“机器代码”或使用设计到硬件处理器中的“本地指令”而提交到内存。机器语言指令集或本地指令集是已知的，且实质上内建于硬件处理器中。这是系统和应用软件与硬件处理器通讯的“语言”。每一本地指令是分散代码，其是由处理架构加以识别，且可针对以下者指定特定的纪录器：算术、寻址、或控制功能、特定内存位置或偏移、以及用于解释操作数(operand)的特定寻址模式。由组合这些简单的本地指令来构建较复杂的操作，这些本地指令是依序执行，或者按照控制流指令以其他方式执行。
可执行软件指令和硬件处理器之间的相互关系是结构性的。换句话说，指令本身就是一系列符号或数值。它们本质上不传达任何信息。是设计上被预先配置成用来解释符号/数值的处理器赋予意义至指令。
本文使用的方法和技术可配置成在单一位置处的单一机器上、在单一位置处的多个机器上、或在多个位置处的多个机器上加以执行。当采用多个机器时，可针对其特定任务来订制个别机器。例如，需要大块代码及/或显著处理能力的操作可在大型及/或固定机器上实施。
此外，某些实施方案关于有形及/或非瞬时计算机可读媒介或计算机程序产品，其包括用于执行诸多计算机实施操作的程序指令及/或数据(包括数据结构)。计算机可读媒介的范例包括但不限于半导体内存装置、相变装置、诸如光盘驱动器的磁性媒介、磁性带、诸如CD的光学媒介、磁性光学媒介和特定用于储存和执行程序指令的硬件装置，例如只读存储器装置(ROM，read-only memory device)和随机存取内存(RAM，random accessmemory)。计算机可读媒介可由最终用户直接控制，或者媒介可由最终用户间接控制。直接控制媒介的范例包括位于用户设施的媒介及/或不与其他实体共享的媒介。间接控制媒介的范例包括用户经由外部网络及/或经由服务(该服务提供共享资源，例如“云端”)可间接存取的媒介。程序指令的范例包括机器代码(例如，由编译程序产生的机器代码)和文件数据(该文件数据报括可使用编译程序由计算机加以执行的高位准编码)两者。
在诸多实施方案中，在所公开的方法和设备中采用的数据或信息是以电子格式加以提供。如此的数据或信息可包括计量测量、累积分布及类似者。如本文所用，以电子格式提供的数据或其他信息可用于机器上的储存和机器之间的传输。传统的，电子格式的数据是以数字方式加以提供，且可储存为诸多数据结构、列表、数据库等中的位及/或字节。数据可以电子、光学等方式来实施。
系统软件通常与计算机硬件和相关内存接合。在一些实施方案中，系统软件包括操作系统软件及/或韧体，以及安装在系统中的任何中间体和驱动体。系统软件提供计算机的基础的非特定任务功能。相反，模块和其他应用软件用于达成特定任务。模块的每一本地指令是储存在内存装置中，且由一数值表示。
图9中描绘示例性计算机系统900。如图所示，计算机系统900包括输入/输出子系统902，其可实施界面，该界面取决于应用而用来与人类用户及/或其他计算机系统进行接合。本公开内容的实施方案可在系统900上的程序代码中实施，且I/O子系统902用于接收来自人类用户的输入程序语句及/或数据(例如，由GUI或键盘)，且用于将它们向用户显示。I/O子系统902可包括例如键盘、鼠标、图形用户界面、触摸屏幕、或用于输入的其他界面、以及例如LED或其他平面屏幕显示器、或用于输出的其他界面。
通讯界面907可包括用于通讯的任何合适的计算机或电路，其使用任何合适的通讯网络(例如，因特网、内部网络、广域网(WAN，wide-area network)、局部网络(LAN，local-area network)、无线网络、虚拟专用网(VPN，virtual private network)及/或任何其他合适类型的通讯网络)。例如，通讯界面907可包括网络界面卡电路、无线通信电路等。
程序代码可储存在非瞬时媒介中，诸如，辅助内存910、或内存908、或两者。在一些实施方案中，辅助内存910可为永久储存。一种或多种处理器904从一种或多种非瞬时媒介读取程序代码，且执行该代码，以使计算机系统能够达成由本文实施方案执行的方法。本领域技术人员将理解，处理器可接受源代码，例如用于执行训练及/或模型操作的语句，且将源代码解释或编译成机器代码，该机器代码在处理器的硬件闸位准是可理解的。总线905耦合I/O子系统902、处理器904、周边装置906、通讯界面907、内存908和辅助内存910。
结论
在前描述中，提出许多特定细节，提出许多特定细节，以提供对本实施方案的透彻理解。所公开实施方案可在没有这些特定细节的一些或全部的情况下实施。在其他情形中，已熟知的处理步骤未加详细描述，以免不必要地模糊所公开实施方案。尽管所公开实施方案是结合特定实施方案加以描述，但将理解，特定实施方案不意图限制所公开实施方案。
除非另有表示，否则本文公开的方法操作和装置特征涉及本领域技术范围内常用于计量学、半导体装置制造技术、软件设计和程序化、以及统计学中的技术和设备。
除非本文另有定义，否则本文使用的全部技术和科学术语具有如本领域普通技术人员通常理解的相同含义。诸多科学词典(包括本文所含的术语)对本领域人员是熟知且可用的。尽管类似于或等效于本文所述者的任何方法及材料可用于本文公开实施方案的实施或测试，但仍描述一些方法及材料。
数值范围包括定义范围的数字。其旨在本说明书全文所给出的每一最大数值限制包括每一较低数值限制，如同这些较低数值限制在本文中明确写出。本说明书全文所给出的每一最小数值限制将包括每一较高数值限制，如同这些较高数值限制在本文中明确写出。本说明书全文所给出的每一数值范围将包括落入如此的较宽数值范围内的每一较窄的数值范围，如同这些较窄的数值范围在本文中明确写出。
本文提供的标题并非旨在限制本公开内容。
如本文所用，除非内容另有明确表示，否则单数术语“一”、“一个”和“该”包括复数。如本文所用，除非另有表示，否则术语“或”意为非排除性。
诸多计算机组件(包括处理器、内存、指令、例程、模型或其他组件)可被描述为或称为“配置成”执行任务或复数任务。在如此的内容中，由表示组件包括在操作期间执行任务或复数任务的结构(例如，储存的指令、电路等)，词组“配置成”用来表示结构。因此，单元/电路/组件可以说是配置成执行任务，即使特定组件当下未必可操作时(例如，未开启)中亦然。
与“配置成”语言一起使用的组件可指硬件—例如，电路、内存储存程序指令(其可执行来实施操作)等。此外，“配置成”可指通用结构(例如，通用电路)，其是由软件及/或韧体(例如，FPGA或执行软件的通用处理器)加以操控，从而以能够执行所述任务的方式进行操作。此外，“配置成”可指一种或多种内存或储存组件，其储存用于执行所述任务的计算机可执行指令。如此的内存组件可包括具有处理逻辑的计算机片上的内存。在一些内容中，“配置成”亦可包括调整制造处理(例如，半导体制造设施)，以制造适用于实施或执行一种或多种任务的装置(例如，集成电路)。

Claims (23)

1.一种计算机程序产品，其用于匹配处理前衬底样本和处理后衬底样本，该计算机程序产品包括非瞬时计算机可读媒介，其上提供计算机可执行指令，其用于：
接收相关于第一组尺寸的多个样本及相关于第二组尺寸的多个样本，该第一组尺寸表征处理前衬底，该第二组尺寸表征处理后衬底；
接收待匹配的所述处理前尺寸其中一者和所述处理后尺寸其中一者的识别；
产生样本的第一概率分布和样本的第二概率分布，该样本的第一概率分布用于经识别的所述处理前尺寸，该样本的第二概率分布用于经识别的所述处理后尺寸；以及
基于所述第一概率分布及所述第二概率分布，将所述经识别的处理前尺寸的样本匹配至所述经识别的处理后尺寸的样本。
2.根据权利要求1所述的计算机程序产品，其中所述识别是基于寻找所述处理前尺寸的所述其中一者与所述处理后尺寸的所述其中一者的数值之间的单调关系。
3.根据权利要求1或2所述的计算机程序产品，其中所述第一概率分布及所述第二概率分布的每一者是累积分布函数，且其中基于所述经识别的处理前尺寸的数值与所述经识别的处理后尺寸的数值在其对应的累积分布函数中具有实质上类似的发生概率，将所述经识别的处理前尺寸的该数值匹配至所述经识别的处理后尺寸的所述数值。
4.根据权利要求1或2所述的计算机程序产品，还包括计算机可执行指令，用于：基于所述经识别的处理前尺寸与所述经识别的处理后尺寸的所述匹配样本，将一种或多种剩余处理前尺寸的数值与一种或多种剩余处理后尺寸的数值进行匹配。
5.根据权利要求1或2中任意一者所述的计算机程序产品，其中所述经识别的处理前尺寸是处理前临界尺寸测量结果。
6.根据权利要求1或2中任意一者所述的计算机程序产品，其中所述经识别的处理后尺寸是处理后临界尺寸测量结果。
7.根据权利要求1或2中任意一者所述的计算机程序产品，其中所述经识别的处理前尺寸的数值是利用模型产生。
8.根据权利要求7所述的计算机程序产品，其中所述模型是离子限制模型，其预测用于蚀刻堆叠的两衬底层的离子的路径。
9.根据权利要求8所述的计算机程序产品，还包括计算机可执行指令，其用于：
基于所述离子限制模型判定所述离子是否穿过位于所述两衬底层堆叠的处的接合处；以及
基于所述离子是否穿过所述接合处的所述判定，选择待匹配的所述经识别的处理前尺寸。
10.根据权利要求9所述的计算机程序产品，其中判定所述离子穿过所述接合处，且其中所述经识别的处理前尺寸对应于横截面面积，所述横截面面积表示所述离子的所述路径与所述接合处之间的重叠部。
11.根据权利要求10所述的计算机程序产品，其中所述经识别的处理后尺寸对应于所述两衬底层的底部层上的蚀刻容积。
12.根据权利要求9所述的计算机程序产品，其中判定所述离子未穿过所述接合处，且其中所述经识别的处理前尺寸对应于横截面面积，所述横截面面积表示所述离子的所述路径与所述接合处之间的差异。
13.根据权利要求12所述的计算机程序产品，其中所述经识别的处理后尺寸对应于侧壁的衬垫损耗面积。
14.一种计算机程序产品，其用于评估半导体制造处理，所述计算机程序产品包括非瞬时计算机可读媒介，其上提供计算机可执行指令，用于：
接收数据集，所述数据集包括具有处理前尺寸的第一多个样本，其与具有处理后尺寸的第二多个样本匹配，其中基于所述处理前尺寸的其中一者的样本值的第一概率分布及所述处理后尺寸的其中一者的样本值的第二概率分布，所述第一多个样本已与所述第二多个样本进行匹配；
基于所述给定处理后尺寸相对于阈值的数值，识别针对所述处理后尺寸的任何给定尺寸的标准，其表示处理失效；以及
基于匹配至所述给定处理后尺寸的处理前尺寸的数值，识别处理失效的潜在原因。
15.根据权利要求14所述的计算机程序产品，其中超过所述阈值的所述给定处理后尺寸的数值表示所述处理失效。
16.根据权利要求15所述的计算机程序产品，还包括计算机可执行指令，其用于：识别所述处理前尺寸的数值的调整，所述调整产生低于所述阈值的所述给定处理后尺寸的数值。
17.根据权利要求15所述的计算机程序产品，其中所述给定处理后尺寸对应于堆叠的两衬底层的蚀刻期间的侧壁的衬垫损耗面积。
18.根据权利要求14-17其中任一者的计算机程序产品，其中低于所述阈值的所述给定处理后尺寸的数值表示所述处理失效。
19.根据权利要求18所述的计算机程序产品，还包括计算机可执行指令，其用于：识别所述处理前尺寸的数值的偏移，所述偏移产生超过所述阈值的所述给定处理后尺寸的数值。
20.根据权利要求18所述的计算机程序产品，其中所述给定处理后尺寸对应于堆叠的所述两衬底层的蚀刻期间的蚀刻容积。
21.根据权利要求20所述的计算机程序产品，其中所述处理前尺寸对应于所述两个堆叠衬底层的接合处的临界尺寸(CD)。
22.根据权利要求20所述的计算机程序产品，其中所述处理前尺寸是角度，离子以所述角度穿过所述两个堆叠衬底层的顶部层至所述两个堆叠衬底层的底部层。
23.根据权利要求14-17中任意一者所述的计算机程序产品，其中所述处理前尺寸的所述其中一者与所述处理后尺寸的所述其中一者的至少一者是由计算机模型产生。
CN202280011838.3A 2021-01-26 2022-01-19 处理前与处理后衬底样本的匹配 Pending CN116848626A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163199800P 2021-01-26 2021-01-26
US63/199,800 2021-01-26
PCT/US2022/012979 WO2022164697A1 (en) 2021-01-26 2022-01-19 Matching pre-processing and post-processing substrate samples

Publications (1)

Publication Number Publication Date
CN116848626A true CN116848626A (zh) 2023-10-03

Family

ID=82654873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280011838.3A Pending CN116848626A (zh) 2021-01-26 2022-01-19 处理前与处理后衬底样本的匹配

Country Status (6)

Country Link
US (1) US20240112961A1 (zh)
JP (1) JP2024504132A (zh)
KR (1) KR20230137400A (zh)
CN (1) CN116848626A (zh)
TW (1) TW202247312A (zh)
WO (1) WO2022164697A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7324193B2 (en) * 2006-03-30 2008-01-29 Tokyo Electron Limited Measuring a damaged structure formed on a wafer using optical metrology
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
CN105900016B (zh) * 2013-12-05 2018-02-13 Asml荷兰有限公司 用于测量衬底上的结构的方法和设备、用于误差校正的模型、用于实施这样的方法和设备的计算机程序产品
US11263737B2 (en) * 2019-01-10 2022-03-01 Lam Research Corporation Defect classification and source analysis for semiconductor equipment
US10977405B2 (en) * 2019-01-29 2021-04-13 Lam Research Corporation Fill process optimization using feature scale modeling

Also Published As

Publication number Publication date
JP2024504132A (ja) 2024-01-30
KR20230137400A (ko) 2023-10-04
WO2022164697A1 (en) 2022-08-04
TW202247312A (zh) 2022-12-01
US20240112961A1 (en) 2024-04-04

Similar Documents

Publication Publication Date Title
US11704463B2 (en) Method of etch model calibration using optical scatterometry
US10254641B2 (en) Layout pattern proximity correction through fast edge placement error prediction
US10585347B2 (en) Photoresist design layout pattern proximity correction through fast edge placement error prediction via a physics-based etch profile modeling framework
US10534257B2 (en) Layout pattern proximity correction through edge placement error prediction
US10627788B2 (en) Retrieval apparatus and retrieval method for semiconductor device processing
US11624981B2 (en) Resist and etch modeling
CN113302478A (zh) 半导体设备的缺陷分类和来源分析
WO2019195481A1 (en) Process simulation model calibration using cd-sem
KR102514555B1 (ko) 복합 구조들의 측정을 위한 시스템 및 방법
CN116848626A (zh) 处理前与处理后衬底样本的匹配
KR102094019B1 (ko) 반도체 웨이퍼 처리 분석 방법 및 장치
Sawlani et al. Perspectives on artificial intelligence for plasma-assisted manufacturing in semiconductor industry
TWI851567B (zh) 使製程模擬模型最佳化的方法、系統、及電腦程式產品
US20240070846A1 (en) Wafer image defect detection and characterization for manufacturing process calibration
TWI853877B (zh) 半導體設備的缺陷分類及來源分析之系統、計算方法及電腦程式產品

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