CN117836720A - 确定测量选配方案的方法和相关联的设备 - Google Patents

Abstract

披露了一种确定测量选配方案的方法，所述测量选配方案描述用于从衬底上的复合结构测量所关注的参数的测量设置。所述方法包括获得与参考目标的测量相关的第一训练数据，所述目标包括：所关注的参数目标，每个所关注的参数目标具有遍及所关注的参数目标而变化的引发设置值；和一个或更多个隔离的特征目标，每个包括一个或更多个特征的重复。获得第二训练数据，所述第二训练数据包括从所述复合结构的一个或更多个实例的测量获得的复合结构测量信号，使用所述第一训练数据和第二训练数据来训练一个或更多个机器学习模型，以根据针对所述特征不对称性贡献而被校正的与所述复合结构相关的测量信号推断所关注的参数的值。

Description

确定测量选配方案的方法和相关联的设备

相关申请的交叉引用

本申请要求于2021年8月26日递交的欧洲申请21193233.0和于2021年12月13日递交的欧洲申请21214132.9的优先权，这些欧洲申请的全部内容通过引用而被合并入本文中。

技术领域

本发明涉及集成电路的制造中的量测应用。

背景技术

光刻设备是被构造成将期望的图案施加至衬底上的机器。光刻设备可以用于(例如)集成电路(IC)的制造中。光刻设备可以例如将图案形成装置(例如掩模)处的图案(也常常被称为“设计布局”或“设计”)投影至被设置在衬底(例如晶片)上的辐射敏感材料(抗蚀剂)层上。

为了将图案投影于衬底上，光刻设备可以使用电磁辐射。这种辐射的波长确定可以形成在衬底上的特征的最小大小。当前在使用中的典型波长是365nm(i线)、248nm、193nm和13.5nm。相比于使用例如具有193nm的波长的辐射的光刻设备，使用具有在4nm至20nm的范围内的波长(例如，6.7nm或13.5nm)的极紫外(EUV)辐射的光刻设备可以用于在衬底上形成较小特征。

低k₁光刻可以用于处理尺寸小于光刻设备的经典分辨率极限的特征。在这样的过程中，可以将分辨率公式表达为CD＝k₁×λ/NA，其中，λ是所使用的辐射的波长，NA是光刻设备中的投影光学器件的数值孔径，CD是“临界尺寸”(通常是所印制的最小特征大小，但在这种情况下是半节距)且k₁是经验分辨率因子。通常，k₁越小，则在衬底上再现类似于由电路设计者规划的形状和尺寸以便实现特定电功能性和性能的图案变得越困难。为了克服这些困难，可以将复杂的微调步骤应用于光刻投影设备和/或设计布局。这些步骤包括(例如)但不限于NA的优化、定制照射方案、使用相移图案形成装置、例如设计布局中的光学邻近效应校正(OPC，有时也被称为“光学和过程校正”)的设计布局的各种优化，或通常被定义为“分辨率增强技术”(RET)的其它方法。或者，用于控制光刻设备的稳定性的严格控制回路可以用于改善在低k1下的图案的再现。

量测工具在IC制造过程的许多方面中备用作例如用于衬底在曝光之前的适当定位的对准工具和用于在过程控制中检查/测量经曝光和/或经蚀刻的产品的基于散射测量的工具；例如用以测量重叠。

为了执行量测，包括一定数目个量测设置(诸如照射设置)的测量选配方案应由于这些设置通常影响测量品质而被选择。将会期望改善确定测量选配方案的确定方法。

发明内容

在本发明的第一方面中，提供一种确定测量选配方案的方法，所述测量选配方案描述用于从衬底上的复合结构测量所关注的参数的测量设置；所述方法包括：获得与对多个参考目标的测量相关的第一训练数据，所述多个参考目标包括：多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与所述复合结构的其它特征隔离的一个或更多个特征的重复；获得包括从对所述复合结构的一个或更多个实例的测量获得的多个复合结构测量信号的第二训练数据，所述多个复合结构测量信号中的每个复合结构测量信号包括由于所述一个或更多个特征的不对称性而引起的特征不对称性贡献；以及使用所述第一训练数据和第二训练数据来训练一个或更多个机器学习模型，以根据针对所述特征不对称性贡献而被校正的与所述复合结构相关的测量信号推断所关注的参数的值。

在本发明的第二方面中，提供一种衬底，包括：至少一个复合结构；和至少一个目标簇，每个所述目标簇包括多个参考目标，所述多个参考目标包括：多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与复合结构的其它特征隔离的一个或更多个特征的重复。

本发明又进一步提供一种计算机程序产品，包括用于使得处理器执行所述第一方面的所述方法的机器可读指令，和相关联的量测设备。

将从下文描述的示例的考虑因素来理解本发明的以上和其它方面。

附图说明

现在将参考随附示意图仅作为示例来描述本发明的实施例，在所述示意图中：

图1描绘光刻设备的示意性概略图；

图2描绘光刻单元的示意性概略图；

图3描绘整体光刻的示意性表示，其表示用于优化半导体制造的三种关键技术之间的协作；

图4描绘用于根据本发明的实施例的方法的用作量测装置的散射测量设备的示意性概略图；

图5包括(a)使用第一对照射孔的用于在根据本发明的实施例的方法中使用的光瞳和暗场散射仪的示意图，和(b)用于给定照射方向的目标光栅的衍射光谱的细节；

图6是从上方和呈截面方式的DRAM单元结构的部分的示意图；以及

图7是根据本发明的实施例的自参考训练目标簇的示意图。

具体实施方式

在本文件中，术语“辐射”和“束”用于涵盖所有类型的电磁辐射，包括紫外辐射(例如具有约365nm、248nm、193nm、157nm或126nm的波长)和极紫外(EUV辐射，例如具有在5nm至100nm的范围内的波长)。

如本文中所所采用的术语“掩模版”、“掩模”或“图案形成装置”可以广义地解释为是指可以用于向入射辐射束赋予图案化截面的通用图案形成装置，所述图案化截面对应于待在衬底的目标部分中产生的图案。在这样的情境下，也可以使用术语“光阀”。除典型掩模(透射型或反射型，二元、相移、混合型等)以外，其它这样的图案形成装置的示例包括可编程反射镜阵列和可编程LCD阵列。

图1示意性地描绘光刻设备LA或扫描器(两个术语同义地使用的，但本文中的概念也可以适用于步进器配置)。光刻设备LA包括：照射系统(也被称为照射器)IL，所述照射系统被配置成调节辐射束B(例如，UV辐射、DUV辐射或EUV辐射)；掩模支撑件(例如掩模台)MT，所述掩模支撑件被构造成便支撑图案形成装置(例如掩模)MA且被连接至第一定位器PM，所述第一定位器PM被配置成根据某些参数准确地定位图案形成装置MA；衬底支撑件(例如晶片台)WT，所述衬底支撑件被构造成保持衬底(例如涂覆有抗蚀剂的晶片)W且被连接至第二定位器PW，所述第二定位器PW被配置成根据某些参数准确地定位衬底支撑件；以及投影系统(例如折射型投影透镜系统)PS，所述投影系统被配置成将通过图案形成装置MA赋予辐射束B的图案投影至衬底W的目标部分C(例如包括一个或更多个管芯)上。

在操作中，照射系统IL例如经由束传递系统BD从辐射源SO接收辐射束。照射系统IL可以包括用于引导、成形和/或控制辐射的各种类型的光学部件，诸如折射型、反射型、磁性型、电磁型、静电型和/或其它类型的光学部件，或其任何组合。照射器IL可以用于调节辐射束B，以在图案形成装置MA的平面处在其截面中具有期望的空间和角强度分布。

本文中所使用的术语“投影系统”PS应被广义地解释为涵盖适于所使用的曝光辐射和/或适于诸如浸没液体的使用或真空的使用之类的其它因素的各种类型的投影系统，包括折射型、反射型、反射折射型、变形型、磁性型、电磁型和/或静电型光学系统或其任何组合。可以认为本文中对术语“投影透镜”的任何使用与更上位的术语“投影系统”PS同义。

光刻设备LA可以属于一种类型，其中，衬底的至少一部分可以由具有相对高折射率的例如水的液体覆盖，以便填充投影系统PS与衬底W之间的空间(这也称为浸没光刻术)。在以引用方式并入本文中的US6952253中给出关于浸没技术的更多信息。

光刻设备LA也可以属于具有两个或更多个衬底支撑件WT(又称为“双平台”)的类型。在这样的“多平台”机器中，可以并行地使用衬底支撑件WT，和/或可以对位于衬底支撑件WT中的一个衬底支撑件上的衬底W进行准备衬底W的后续曝光的步骤，同时将另一衬底支撑件WT上的另一衬底W用于在另一衬底W上曝光图案。

除了衬底支撑件WT以外，光刻设备LA也可以包括测量平台。测量平台被布置成保持传感器和/或清洁装置。传感器可以被布置成测量投影系统PS的特性或辐射束B的特性。测量平台可以保持多个传感器。清洁装置可以被布置成清洁光刻设备的部分，例如，投影系统PS的部分或提供浸没液体的系统的部分。测量平台可以在衬底支撑件WT远离投影系统PS时在投影系统PS下方移动。

在操作中，辐射束B入射到保持在掩模支撑件MT上的图案形成装置MA(例如掩模)，并且通过呈现在图案形成装置MA上的图案(设计布局)进行图案化。在已横穿掩模MA的情况下，辐射束B穿过投影系统PS，所述投影系统PS将所述束聚焦至衬底W的目标部分C上。借助于第二定位器PW和位置测量系统IF，可以准确地移动衬底支撑件WT，例如以便在聚焦且对准的位置处在辐射束B的路径中定位不同的目标部分C。类似地，第一定位器PM和可能的另一位置传感器(其未在图1中明确地描绘的)可以用于相对于辐射束B的路径来准确地定位图案形成装置MA。可以使用掩模对准标记M1、M2和衬底对准标记P1、P2来对准图案形成装置MA与衬底W。虽然如所图示的衬底对准标记P1、P2占据专用目标部分，但其可以位于目标部分之间的空间中在衬底对准标记P1、P2位于目标部分C之间时，这些衬底对准标记称为划道对准标记。

如图2中示出的，光刻设备LA可以形成光刻单元LC的部分，有时也被称为光刻元或(光刻)簇，所述光刻单元常常也包括用于对衬底W执行曝光前过程和曝光后过程的设备。常规地，这些设备包括用于沉积抗蚀剂层的旋涂器SC、用于显影经曝光的抗蚀剂的显影器DE、例如用于调节衬底W的温度(例如，用于调节抗蚀剂层中的溶剂)的激冷板CH和焙烤板BK。衬底输送装置或机器人RO从输入/输出端口I/O1、I/O2拾取衬底W、在不同过程设备之间移动衬底W且将衬底W传递至光刻设备LA的进料台LB。光刻单元中常常也统称为轨道的装置通常处于轨道控制单元TCU的控制下，所述轨道控制单元自身可以通过管理控制系统SCS控制，所述管理控制系统也可以例如经由光刻控制单元LACU控制光刻设备LA。

为了正确且一致地曝光由光刻设备LA曝光的衬底W，期望检查衬底以测量经图案化的结构的性质，诸如后续层之间的重叠误差、线厚度、临界尺寸(CD)等。为此目的，可以在光刻单元LC中包括检查工具(图中没有示)。如果检测到误差，则可以对后续衬底的曝光或对待对衬底W执行的其它处理步骤进行例如调整，在同一批量或批次的其它衬底W仍待曝光或处理之前进行检查的情况下尤其如此。

也可以被称为量测设备的检查设备用于确定衬底W的性质，并且具体地，确定不同衬底W的性质如何变化或与同一衬底W的不同层相关联的性质在层与层间如何变化。检查设备替代地构造成识别衬底W上的缺陷，并且可以例如为光刻单元LC的一部分，或可以集成至光刻设备LA中，或甚至可以是单独的装置。检查设备可以测量潜像(在曝光之后在抗蚀剂层中的图像)上的性质，或半潜像(在曝光后焙烤步骤PEB之后在抗蚀剂层中的图像)上的性质，或经显影的抗蚀剂图像(其中抗蚀剂的曝光部分或未曝光部分已被移除)上的性质，或甚至经蚀刻的图像(在诸如蚀刻的图案转印步骤之后)上的性质。

通常光刻设备LA中的图案化过程是在处理中的最关键性步骤之一，其需要衬底W上的结构的尺寸标定和放置的高准确度。为了确保这种高准确度，可以将三个系统组合于所谓的“整体”控制环境中，如图3中示意性地描绘的，这些系统中的一个系统是光刻设备LA，所述光刻设备(实际上)连接至量测工具MT(第二系统)且连接至计算机系统CL(第三系统)。这种“整体”环境的关键在于优化这三个系统之间的协作以增强总体过程窗口且提供严格控制回路，从而确保由光刻设备LA执行的图案化保持在过程窗口内。过程窗口定义一系列过程参数(例如剂量、焦距、重叠)，在过程窗口范围内，特定制造过程产生所限定的结果(例如功能性半导体器件)(通常在该范围内允许光刻过程或图案化过程中的过程参数有所变化)。

计算机系统CL可以使用待图案化的设计布局(的部分)以预测使用哪些分辨率增强技术且执行计算光刻模拟和计算以确定哪种掩模布局和光刻设备设置实现图案化过程的最大总体过程窗口(由第一标尺SC1中的双箭头在图3中描绘)。通常，分辨率增强技术被布置成匹配光刻设备LA的图案化可能性。计算机系统CL也可以用于检测过程窗口内何处的光刻设备LA当前正在操作(例如，使用来自量测工具MT的输入)以预测缺陷是否归因于例如次优处理而可以存在(在图3中由第二标尺SC2中的指向“0”的箭头描绘)。

量测工具MT可以将输入提供至计算机系统CL以实现准确模拟和预测，并且可以将反馈提供至光刻设备LA以识别例如光刻设备LA的校准状态中的可能漂移(在图3中由第三标尺SC3中的多个箭头描绘)。

在光刻过程中，期望频繁地对所创造的结构进行测量，例如，用于过程控制和验证。用于进行这样的测量的工具通常被称为量测工具MT。用于进行这样的测量的不同类型的量测工具MT是众所周知的，包括扫描电子显微镜或各种形式的散射仪量测工具MT。散射仪是多功能的仪器，其允许通过将传感器设置在散射仪的物镜的光瞳或与散射仪的物镜的光瞳共轭的平面中来测量光刻过程的参数(测量通常被称为基于光瞳的测量)，或通过将传感器设置在像平面或与像平面共轭的平面中来测量光刻过程的参数，在这种情况下测量通常被称为基于图像或场的测量。以全文引用的方式并入本文中的专利申请US20100328655、US2011102753A1、US20120044470A、US20110249244、US20110026032或EP1,628,164A中另外描述这样的散射仪和相关测量技术。前述散射仪可以使用来自软x射线和对近IR波长范围可见的光来测量光栅。

在第一实施例中，散射仪MT是角分辨散射仪。在这样的散射仪中，重构方法可以应用于所测量的信号以重构或计算光栅的性质。这种重构可以例如由模拟散射辐射与目标布置的数学模型的相互作用且比较模拟结果与测量的那些结果引起。调整数学模型的参数直到所模拟的相互作用产生类似于从真实目标观测到的衍射图案的衍射图案为止。

在第二实施例中，散射仪MT是光谱散射仪MT。在这样的光谱散射仪MT中，由辐射源发射的辐射被引导至目标上且来自目标的反射或散射辐射被引导至光谱仪检测器，所述光谱仪检测器测量镜面反射辐射的光谱(即作为波长的函数的强度的测量结果)。根据这种数据，可以例如通过严格耦合波分析和非线性回归或通过与模拟光谱库的比较来重构产生所检测的光谱的结构或轮廓。

在第三实施例中，散射仪MT是椭圆测量散射仪。椭圆测量散射仪允许通过测量针对每个偏振状态的散射辐射来确定光刻过程的参数。这种量测设备通过在量测设备的照射区段中使用例如适当偏振滤波器来发射偏振光(诸如线性、环状或椭圆)。适于量测设备的源也可以提供偏振辐射。以全文引用的方式并入本文中的美国专利申请11/451,599、11/708,678、12/256,780、12/486,449、12/920,968、12/922,587、13/000,229、13/033,135、13/533,110和13/891,410中描述现有椭圆测量散射仪的各个实施例。

图4中描绘量测设备，诸如散射仪。所述量测设备包括将辐射投影至衬底W上的宽带(白光)辐射投影仪2。将反射或散射辐射传递至光谱仪检测器4，所述光谱仪检测器测量镜面反射辐射的光谱6(即，作为波长的函数的强度的测量结果)。根据这种数据，可以通过处理单元PU例如通过严格耦合波分析和非线性回归或通过与如在图3的底部处所示出的模拟光谱库的比较来重构产生所检测的光谱的结构或轮廓8。通常，对于重构，结构的一般形式是众所周知的，并且从制造所述结构的过程的知识来假定一些参数，从而仅留下结构的少量参数以从散射测量数据来确定。这种散射仪可以配置成正入射散射仪或斜入射散射仪。

图5(a)呈现量测设备且更特别地暗场散射仪的实施例。图5(b)中更详细地图示目标T和用于照射所述目标的测量辐射的衍射射线。所图示的量测设备属于被称为暗场量测设备的类型。量测设备可以是单独的装置，或并入在(例如)测量站处的光刻设备LA中或光刻单元LC中。贯穿设备具有若干分支的光轴由点线O表示。在这样的设备中，由源11(例如氙气灯)发射的光由包括透镜12、14和物镜16的光学系统经由分束器15而引导至衬底W上。这些透镜被布置成呈4F布置的双重序列。可以使用不同透镜配置，只要所述透镜配置仍将衬底图像提供至检测器上，并且同时地允许访问即通往中间光瞳平面以用于空间频率滤波。因此，照射角度可以被设计或调整成使得进入物镜的一阶射线与中心光轴紧密地对准。图5(a)和图3(b)中所图示的射线被示出为稍微离轴，以仅地使其能够在附图中更易于被区分。

由衬底W上的目标T衍射的至少0阶和+1阶由物镜16收集，并且被引导返回穿过分束器15。返回至图5(a)，通过指明标记为北(N)和南(S)的完全相对孔而图示第一照射模式和第二照射模式两者。当测量辐射的入射射线I来自光轴的北侧时，即，当使用孔板13N来应用第一照射模式时，标记为+1(N)的+1衍射射线进入物镜16。相比之下，当使用孔板13S应用第二照射模式时，-1衍射射线(被标记为1(S))是进入透镜16的衍射射线。

第二分束器17将衍射束划分成两个测量分支。在第一测量分支中，光学系统18使用零阶衍射束和一阶衍射束形成第一传感器19(例如CCD或CMOS传感器)上的目标的衍射光谱(光瞳平面图像)。每个衍射阶射中传感器上的不同点，使得图像处理可以比较和对比若干阶。由传感器19捕获的光瞳平面图像可以用于聚焦量测设备和/或归一化一阶束的强度测量结果。光瞳平面图像也可以用于诸如重构的许多测量目的。本文中所公开的概念涉及使用这种分支的光瞳测量。

在第二测量分支中，光学系统20、22在传感器23(例如CCD或CMOS传感器)上形成目标T的图像。在第二测量分支中，在与光瞳平面共轭的平面中提供孔径光阑21。孔径光阑21用于阻挡零阶衍射束，使得形成在传感器23上的目标的图像是仅由-1或+1阶束形成。由传感器19和23捕获的图像被输出至处理图像的处理器PU，所述处理器PU的功能将依赖于正在被执行的测量的特定类型。应注意，本文中在广义上使用术语“图像”。因而，如果仅存在-1阶和+1阶中的一个，则将不形成光栅线的图像。图5中示出的孔板13和场光阑21的特定形式仅是示例。

上文所描述的量测工具可以被用于在蚀刻之后使用零阶响应(光瞳)来测量器件中的重叠。这种方法当前被称为器件中量测OV(IDM OV)。IDM的主要功能需求是，当存在重叠误差即套刻误差时，受测量的目标包括不对称性。通过监测在零阶光瞳中所引发的不对称性，IDM可以测量现有重叠。如果是充分地规则的，则可以直接在产品结构上测量IDM，并且在这种情境下“目标”可以包括被用于量测的实际功能性产品结构而不是有意地形成的量测目标。替代地，有意地形成的目标(其可以包括管芯内目标)可以被形成和测量，其模拟周围产品结构的特性(例如，其可以包括所述产品结构的正则化近似值)。例如，当所述产品结构不规则(例如，逻辑结构)时，所述管芯内目标应充当所述管芯内器件图案的代替物。如此，所述管芯内目标应表示所述管芯内的所述逻辑结构(即，它们充当代替物的逻辑电路)。这样的逻辑电路的设计可以基于器件结构简化方法，其中，所述逻辑结构的元件从可以被重复以形成周期性目标的单位单元提取。

为了测量所述重叠，需要产生选配方案，所述选配方案应仅对于所关注的重叠敏感，并且对过程变化和其它不对称性是稳健的即鲁棒的。由于交叉偏振，许多采集设置(波长、光栅至传感器旋转以及偏振)可以产生示出对于所关注的OV的灵敏度的选配方案。不幸的是，许多这些选配方案可以在较大点对点差异的情况下测量同一晶片的不同晶片映射。特别地，对于较复杂结构，如DRAM中的位线放置(GBL)、储存节点放置(SN)、和3DNAND，观察到这种现象。因此，预期的是，除所关注的重叠之外，晶片映射中较大多样性的主要原因也是由结构中的不对称性而引起，如已知存在于这些结构中的这种不对称性。

对于光瞳中的不对称性的两个主要贡献因素是重叠(例如，所关注的重叠或所关注的参数)和倾斜(或特征不对称性)，其中，倾斜是特征中的任何几何倾斜或不对称性，诸如特征的相反两侧的侧壁角(SWA)之间的差异。这些倾斜信号通常被视为影响所期望的重叠值由此不利地影响重叠准确度的妨害信号或干扰信号。如此，期望解耦倾斜/特征不对称性的效果或影响与重叠测量。此外，也可以期望测量一个或更多个特征的倾斜自身(例如，作为倾斜指标)。这种倾斜指标可以被用于监测形成所述特征的光刻和/或蚀刻过程。

所述测量选配方案的目的是将所测量的光瞳从(例如，管芯内)目标(实际产品结构或有意形成的量测目标)准确地映射至所关注的参数(例如，重叠)的值。为进行这种操作，器件中量测可以使用自参考训练目标以使用数据驱动或机器学习算法来训练重叠选配方案。这种自参考训练目标构思包括提供训练目标的簇，所关注的参数(例如，重叠)遍及所述训练目标的簇而不同。如此，每个目标具有重叠扰动的不同组合，其可以被用于训练朝向所设计的重叠扰动/响应的量测信号(即所测量的光瞳)。

所述参考目标通常包括目标阵列，所述目标阵列包括具有不同偏差或引发设置值的多个目标(其可以包括零偏差目标)。所述偏差遍及阵列可以求平均值为(或求总和为)零，从而使得遍及所述阵列而取平均值的测量结果应表示产品上重叠。出于训练目的而利用重叠偏差(横跨经曝光的层)来标记在每个参考目标上所采集的光瞳。这些训练标记偏差/重叠值是以良好准确度已知的，这是因为掩模版写入误差是较小的。所述模型接着学习以将具体参考目标光瞳响应与其相应的参考目标重叠偏差值或标记相关联。

可以针对不同采集设置(例如所述测量辐射的波长/偏振等)和/或经变化的其它设置和/或针对不同训练晶片来重复进行所述训练，例如以允许在名义上相同的目标之间发生处理变化。这种训练的输出可以包括多个候选测量选配方案，例如，大约数百(例如，介于100与500之间)个候选测量选配方案，其中，测量选配方案可以是经训练的ML模型与采集设置的组合。例如，在训练期间，所述采集设置可以是自由参数使得每个采集设置具有对应的模型，并且使得测量选配方案包括采集设置与模型的组合。在用于每个选配方案的模型内将存在不同权重矩阵。

在这样的管芯内量测的当前实施方式中，管芯内目标(例如，如在用于实际生产监测的大量设置中被测量)可以例如在没有任何有意重叠偏差的情况下被形成。接着执行匹配步骤以确定匹配度量或匹配指标(匹配KPI)，其对使管芯内目标响应与自参考训练目标响应匹配的良好程度进行量化。通常通过使用候选量测选配方案从参考目标推断重叠值且将这种重叠值与使用相同候选量测选配方案从管芯内目标的所推断的重叠值进行比较来执行这种匹配。所推断的值越接近，则所述测量选配方案的匹配程度就越好(例如，匹配KPI可以基于值之间的差)。可以根据各种性能指标或KPI(例如，其尤其可以包括匹配KPI、重叠预测KPI的准确度、再现性KPI和重复性KPI，其在追踪产品上重叠随时间的变化时解决误差)对这些选配方案进行排序。可以接着基于一个或更多个KPI来选择这些选配方案中的至少一个用于生产/HVM监测。

一旦被训练，所述ML模型就可以被用于生产监测环境(例如，大容量制造HVM环境)中以将来自在晶片上被曝光的管芯内目标的测量光瞳(角分辨的测量光谱)转换成重叠值。

这种方法的限制性在于，虽然所述训练可以针对重叠信号的变化而进行训练，但量测信号也将具有与观察到的信号正交的、横跨全部参考目标的平均信号。在没有额外的信息的情况下，所述重叠响应相对于妨害信号即干扰信号(诸如倾斜)的正交化是非常困难的。在这方面，正交化是指效果或影响的隔离，例如，将重叠信号与来自一个或更多个特征的倾斜的效果或影响隔离开。

除倾斜不对称性信号外，不利地影响重叠测量的其它干扰信号或妨害信号包括其它重叠(例如，其它层的重叠)和叠层不对称性、过程改变效应(例如，对称叠层变化(CD、高度，等等)和传感器系统性)以及噪声(例如，光子散粒噪声、热噪声)。

图6图示了特征倾斜对重叠的效应或影响的问题。图6(a)从上方示出典型DRAM器件结构，并且图6(b)以横截面示出相同结构。DRAM器件结构包括多个特征，诸如位线BL、位线接触件BLC、字线WL、储存器节点接触件SNC和有源区域AA。实际结构与所呈现的特征并不特别相关。相关的是，这些特征中的每个特征是与所关注的重叠组合的所测量光瞳中的特征不对称性或倾斜贡献的来源。将这些特征不对称性与所期望的重叠分离开是不能使用现有训练方法和自参考训练目标来学习的问题。

为解决这种问题，提出了通过提供不具有被包括在器件叠层中的所关注的全部参数/特征、但实际上仅仅包括受隔离的经图案化的特征的重复(例如，用以从隔离特征形成光栅)的一个或更多个额外的倾斜目标或隔离的特征目标来扩展当前自参考训练目标构思。例如，在经图案化的器件是DRAM器件的情况下，倾斜目标可以包括仅仅字线特征、仅仅储存节点接触特征或仅仅位线接触特征。应理解，术语“隔离的特征目标”并非一定暗示所述目标仅包括单个特征的重复，尽管事实可能确实如此。隔离的特征目标也可以包括与所述产品结构的其它特征隔离的所述产品结构的两个或更多个特征的重复，尽管这将意味着仅这两个或更多个特征的经组合的不对称性贡献可以被量化。

这些隔离的特征目标或倾斜目标中的每个可以被形成在仅仅单个层中；以这种方式，每个倾斜目标将由于重叠而不具有不对称性。因此，倾斜目标中的不对称性的大部分将是由于构成所述目标的特征(或多个特征)的倾斜。因为每个单个特征的重复可以在它们自身的倾斜目标中被隔离，则可以从对所述倾斜目标的测量来确定能够归因于特定特征的倾斜或特征不对称性的量。这可以被用作每个特征的倾斜指标(或特征不对称性指标)。另外，因为每个倾斜目标包括简单得多的单层堆叠或单层叠层，则其它妨害信号贡献即其它干扰信号贡献可以是最小的。

隔离的特征目标或倾斜目标应与所关注的参数目标或重叠目标簇集在单个部位处；例如，倾斜目标和所关注的参数目标应在晶片上充分地接近以使得可以假设倾斜目标和所关注的参数目标两者经受相同倾斜。

在最近所提出的创新(其细节与本公开不相关)中，在目标簇中的且被用于选配方案训练的自参考训练目标的数目已从它们的当前数目80降低至64。为利用这种情况，在特定实施方式中，提出了倾斜目标数目16以及16个倾斜目标与64个自参考训练目标的组合被布置成它们当前在自参考训练目标簇中。以这种方式，由参考簇所占据的掩模版/衬底不动产的量将保持与当前相同。当然，这种实施方式仅是示例性的，且任一类型目标的数目和/或特定布置可以不同于这些示例。

在实施例中，可以在掩模版上设置至少一个、且通常仅一个如本文中所披露的自参考训练目标簇。例如，掩模版可以包括在划道中的一个这样的簇。以这种方式，参考训练目标簇可以被曝光于每个场的衬底上。以这种方式，所述训练可以能够训练所述模型以基于按照位置或每个位置(例如，按照晶片位置或每个晶片位置)来将测量信号映射至所关注的参数的值。可以使用特定训练掩模版(例如，包括所述参考目标)经由训练晶片上的训练曝光来执行所述训练。然而，可以优选地将同一掩模版用于训练和HVM监测。这是因为所述参考目标可以被用于运行时间选配方案监测，以检查所述选配方案性能是否劣化(例如，由于过程变化)。

每个簇可以包括每个隔离特征一个倾斜目标，或可以每个隔离特征(或所述特征中的一个或更多)提供多于一个目标。每个簇提供多于一个倾斜目标提供了冗余，并且能够实现对噪声的优选估计或评价。

所述簇中的随附重叠目标可以包括如已经被描述并且在本参考训练目标簇中被使用的重叠目标；例如，一对光栅、在所关注的层中每个层一个光栅，每个目标具有不同的所施加的偏差(有意的重叠值)。

图7是包括倾斜目标的自参考目标簇的说明性示例，其可以适于用于图6中所图示的结构的选配方案训练。这种特定示例布置中的所述簇包括目标的10×8阵列，其中，目标中的64个为常规自参考训练目标SRT(例如，如所描述的重叠目标)且16个为倾斜目标或隔离的特征目标。示出倾斜目标中的三个的示意性横截面细节：第一倾斜目标TT1，所述第一倾斜目标TT1仅包括有源区域AA上的储存节点接触特征SNC；第二倾斜目标TT2，所述第二倾斜目标TT2仅包括有源区域AA上的位线接触特征BLC；和第三倾斜目标TT3，所述第三倾斜目标TT3仅包括有源区域AA上的字线特征WL。当然，这些仅是示例(特别地，与诸如图6中所图示的DRAM结构相关)。每个倾斜目标的隔离特征可以包括任何隔离特征，任何隔离特征被包括在经曝光的产品结构内，并且因此量测选配方案将被训练用于任何隔离特征。

可以与如前所描述的且已被描述的方式基本相同的方式执行使用这种簇的选配方案训练。如此，对先前训练方法的描述同等地适用于所提出的方法。然而，所述机器学习模型现在将具有作为输入的来自倾斜目标的测量信号(光瞳)。如此，所述ML模型可以被训练以当对选配方案进行排序时区分特征不对称性的影响或效果与所关注的重叠。

如此，本文中所披露的是一种确定测量选配方案的方法，所述测量选配方案描述用于从衬底上的复合结构测量所关注的参数的测量设置；所述方法包括：获得与对多个参考目标的测量相关的第一训练数据，所述多个参考目标包括：多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值(其可选地对于至少一个所关注的参数目标可以是零)；和一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与所述复合结构的其它特征隔离的一个或更多个特征的重复；获得包括从对所述复合结构的一个或更多个实例的测量获得的多个复合结构测量信号的第二训练数据，所述多个复合结构测量信号中的每个复合结构测量信号包括由于所述一个或更多个特征的不对称性而引起的特征不对称性贡献；以及使用所述第一训练数据和第二训练数据来训练一个或更多个机器学习模型，以根据针对所述特征不对称性贡献而被校正的与所述复合结构相关的测量信号推断所关注的参数的值。

所述选配方案训练也可以训练所述机器学习模型以从(例如，管芯内)目标推断倾斜指标值或特征不对称性指标值(即量化所述倾斜)。如此，除重叠值外，经训练的模型可以能够从HVM环境中的管芯内目标确定倾斜指标值。不同参考目标簇将经受每特征(遍及簇而固定)的不同的倾斜值。可以使用遍及所述晶片的这种变化和每个簇中的倾斜目标不具有所呈现的不对称性的其它来源的事实来训练所述倾斜选配方案。

在经编号的方面的后续列表中披露了方法、量测装置和光刻设备的其它实施例：

1.一种确定测量选配方案的方法，所述测量选配方案描述用于从衬底上的复合结构测量所关注的参数的测量设置；所述方法包括：

获得与对多个参考目标的测量相关的第一训练数据，所述多个参考目标包括：

多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和

一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与所述复合结构的其它特征隔离的一个或更多个特征的重复；

获得包括从对所述复合结构的一个或更多个实例的测量获得的多个复合结构测量信号的第二训练数据，所述多个复合结构测量信号中的每个复合结构测量信号包括由于所述一个或更多个特征的不对称性而引起的特征不对称性贡献；以及

使用所述第一训练数据和第二训练数据来训练一个或更多个机器学习模型，以根据针对所述特征不对称性贡献而被校正的与所述复合结构相关的测量信号推断所关注的参数的值。

2.根据方面1所述的方法，其中，所述复合结构包括产品复合结构或其代表性代替物。

3.根据方面1或2所述的方法，其中，所关注的参数是重叠且所述引发设置值是重叠偏差。

4.根据任一前述方面所述的方法，其中，所述一个或更多个隔离的特征目标包括多个隔离的特征目标。

5.根据方面4所述的方法，其中，所述多个隔离的特征目标的数目超过5。

6.根据方面4所述的方法，其中，所述多个隔离的特征目标的数目超过10。

7.根据方面4所述的方法，其中，所述多个隔离的特征目标的数目超过15。

8.根据任一前述方面所述的方法，其中，所述多个所关注的参数的数目超过50。

9.根据任一前述方面所述的方法，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标中的每个特征目标包括被包括于所述复合结构内的仅一个特征的重复。

10.根据任一前述方面所述的方法，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标被形成在单个层中。

11.根据方面10所述的方法，其中，所述单个层是所述复合结构的底部或下部层。

12.根据任一前述方面所述的方法，其中，所述训练步骤包括训练所述一个或更多个机器学习模型以确定特征不对称性指标的值，所述特征不对称性指标对被包括在所述一个或更多个隔离的特征目标中的至少一个隔离的特征目标中的所述一个或更多个特征的所述特征不对称性贡献进行量化。

13.根据任一前述方面所述的方法，其中，所述第一训练数据还涉及使用用于采集所述第一训练数据的多个不同采集设置来测量所述参考目标，并且所述训练步骤包括：训练多个所述机器学习模型以获得多个候选测量选配方案，使得每个候选测量选配方案包括经训练的机器学习模型与对应的采集设置的候选组合；并且所述方法包括：

使用所述第二训练数据根据所述候选测量选配方案来确定优选测量选配方案。

14.根据方面13所述的方法，包括：

在从所述复合结构推断所关注的参数时，根据对选配方案性能的比较来确定每个候选测量选配方案的匹配度量；和

使用所述匹配度量从所述候选测量选配方案选择所述优选测量选配方案。

15.根据方面14所述的方法，包括根据一个或更多个性能指标对所述候选测量选配方案进行排序，其中，所述一个或更多个性能指标包括所述匹配度量。

16.根据方面13、14或15所述的方法，其中，所述第一训练数据包括用于训练所述一个或更多个机器学习模型的第一经标记的训练数据，所述第一经标记的训练数据包括来自被每个参考目标的相应的引发设置值所标记的每个参考目标的测量结果。

17.根据方面13至16中任一项所述的方法，包括：使用所述优选测量选配方案以用于执行对产品衬底上的所述复合结构的测量以及从所述测量推断所关注的参数的值。

18.根据方面17所述的方法，包括使用所述优选测量选配方案以从所述测量推断至少一个特征不对称性指标的值。

19.根据任一前述方面的方法，其中，所述多个参考目标被聚类在目标簇中。

20.根据方面19所述的方法，其中，所述簇包括10个参考目标乘8个参考目标的阵列。

21.一种计算机程序，包括程序指令，所述程序指令当在合适的设备上运行时能够进行操作以执行根据方面1至20中任一项所述的方法。

22.一种非暂时性计算机程序载体，包括根据方面21所述的计算机程序。

23.一种处理系统，包括处理器、以及包括根据方面22所述的计算机程序的储存装置。

24.一种量测装置，包括根据方面23所述的处理系统。

25.根据方面24所述的量测装置，所述量测装置能够进行操作以测量所述多个参考目标以获得所述第一训练数据和测量所述复合结构的所述一个或更多个实例以获得所述第二训练数据。

26.一种衬底，包括：

至少一个复合结构；和

至少一个目标簇，每个所述目标簇包括多个参考目标，所述多个参考目标包括：

多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和

一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与复合结构的其它特征隔离的一个或更多个特征的重复。

27.根据方面26所述的衬底，其中，所述至少一个复合结构包括多个类似的复合结构。

28.根据方面26或27所述的衬底，其中，所述复合结构包括产品复合结构或其代表性代替物。

29.根据方面26至28中任一项所述的衬底，其中，所关注的参数是重叠且所述引发设置值是重叠偏差。

30.根据方面26至29中任一项所述的方法，其中，所述一个或更多个隔离的特征目标包括多个隔离的特征目标。

31.根据方面30所述的衬底，其中，所述多个隔离的特征目标的数目超过5。

32.根据方面30所述的衬底，其中，所述多个隔离的特征目标的数目超过10。

33.根据方面30所述的衬底，其中，所述多个隔离的特征目标的数目超过15。

34.根据方面26至33中任一项所述的衬底，其中，所述多个所关注的参数的数目超过50。

35.根据方面26至34中任一项所述的衬底，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标中的每个特征目标包括被包括于所述复合结构内的仅一个特征的重复。

36.根据方面26至35中任一项所述的衬底，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标被形成在单个层中。

37.根据方面36所述的衬底，其中，所述单个层是所述复合结构的底部或下部层。

38.根据方面26至37中任一项所述的衬底，其中，每个所述簇包括10个参考目标乘8个参考目标的阵列。

虽然可以在本文中具体地参考在IC制造中光刻设备的使用，但应理解，本文中所描述的光刻设备可以具有其它应用。可能其它应用包括制造集成光学系统、用于磁畴存储器的引导和检测图案、平板显示器、液晶显示器(LCD)、薄膜磁头等。

虽然可以在本文中具体地参考在光刻设备的情境下的本发明的实施例，但本发明的实施例可以用于其它设备。本发明的实施例可以形成掩模检查设备、量测设备或测量或处理诸如晶片(或其它衬底)或掩模(或其它图案形成装置)的对象的任何设备的构件。这些设备一般可以被称为光刻工具。这种光刻工具可以使用真空条件或周围(非真空)条件。

虽然上文可能已经具体地参考在光学光刻术的情境下对本发明的实施例的使用，但应了解，在情境允许的情况下，本发明不限于光学光刻术，并且可以用于其它应用(例如压印光刻术)中。

虽然上文已描述本发明的特定实施例，但将了解，可以以与所描述的方式不同的其它方式来实践本发明。上方描述旨在是说明性的，而不是限制性的。由此，本领域技术人员将明白，可以在不背离下文所阐述的权利要求的范围的情况下对所描述的本发明进行修改。

Claims (15)

1.一种确定测量选配方案的方法，所述测量选配方案描述用于从衬底上的复合结构测量所关注的参数的测量设置；所述方法包括：

获得与对多个参考目标的测量相关的第一训练数据，所述多个参考目标包括：

多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和

一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与所述复合结构的其它特征隔离的一个或更多个特征的重复；

获得包括从对所述复合结构的一个或更多个实例的测量获得的多个复合结构测量信号的第二训练数据，所述多个复合结构测量信号中的每个复合结构测量信号包括由于所述一个或更多个特征的不对称性而引起的特征不对称性贡献；以及

使用所述第一训练数据和第二训练数据来训练一个或更多个机器学习模型，以根据针对所述特征不对称性贡献而被校正的与所述复合结构相关的测量信号推断所关注的参数的值。

2.根据权利要求1所述的方法，其中，所述复合结构包括产品复合结构或其代表性代替物。

3.根据权利要求1或2所述的方法，其中，所关注的参数是重叠且所述引发设置值是重叠偏差。

4.根据任一前述权利要求所述的方法，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标中的每个特征目标包括被包括于所述复合结构内的仅一个特征的重复。

5.根据任一前述权利要求所述的方法，其中，所述一个或更多个隔离的特征目标中的一个或更多个隔离的特征目标被形成在单个层中。

6.根据任一前述权利要求所述的方法，其中，所述训练步骤包括训练所述一个或更多个机器学习模型以确定特征不对称性指标的值，所述特征不对称性指标对被包括在所述一个或更多个隔离的特征目标中的至少一个隔离的特征目标中的所述一个或更多个特征的所述特征不对称性贡献进行量化。

7.根据任一前述权利要求所述的方法，其中，所述第一训练数据还涉及使用用于采集所述第一训练数据的多个不同采集设置来测量所述参考目标，并且所述训练步骤包括：训练多个所述机器学习模型以获得多个候选测量选配方案，使得每个候选测量选配方案包括经训练的机器学习模型与对应的采集设置的候选组合；并且所述方法包括：

使用所述第二训练数据根据所述候选测量选配方案来确定优选测量选配方案。

8.根据权利要求7所述的方法，包括：

在从所述复合结构推断所关注的参数时，根据对选配方案性能的比较来确定每个候选测量选配方案的匹配度量；和

使用所述匹配度量从所述候选测量选配方案选择所述优选测量选配方案。

9.根据权利要求7或8所述的方法，其中，所述第一训练数据包括用于训练所述一个或更多个机器学习模型的第一经标记的训练数据，所述第一经标记的训练数据包括来自被每个参考目标的相应的引发设置值所标记的每个参考目标的测量结果。

10.根据权利要求7至9中任一项所述的方法，包括：使用所述优选测量选配方案以用于执行对产品衬底上的所述复合结构的测量以及从所述测量推断所关注的参数的值。

11.根据权利要求10所述的方法，包括使用所述优选测量选配方案以从所述测量推断至少一个特征不对称性指标的值。

12.根据任一前述权利要求的方法，其中，所述多个参考目标被聚类在目标簇中。

13.一种量测装置，包括：

储存装置，所述储存装置包括：

计算机程序，所述计算机程序包括：

程序指令，所述程序指令当在合适的设备上运行时能够进行操作以执行根据权利要求1至12中任一项所述的方法。

14.根据权利要求13所述的量测装置，所述量测装置能够进行操作以测量所述多个参考目标以获得所述第一训练数据和测量所述复合结构的所述一个或更多个实例以获得所述第二训练数据。

15.一种衬底，包括：

至少一个复合结构；和

至少一个目标簇，每个所述目标簇包括多个参考目标，所述多个参考目标包括：

多个所关注的参数目标，每个所关注的参数目标具有遍及所述多个所关注的参数目标而变化的引发设置值；和

一个或更多个隔离的特征目标，每个特征目标包括被包括在所述复合结构内的、与复合结构的其它特征隔离的一个或更多个特征的重复。