DE10213285A1

DE10213285A1 - Verfahren zur Steuerung eines Verarbeitungsgerätes

Info

Publication number: DE10213285A1
Application number: DE10213285A
Authority: DE
Inventors: Kyoung-Shik Jun; Chan-Hoon Park; Yii-Seug Park; Bong-Su Cho; Hyun-Tai Kang; Jae-Won Hwang; Young-Ho Jei
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2001-07-03
Filing date: 2002-03-25
Publication date: 2003-01-23
Anticipated expiration: 2022-03-26
Also published as: KR100375559B1; DE10213285B4; GB2377278A; GB0205159D0; JP2003124110A; US6700648B2; JP3883914B2; TWI221948B; CN1214301C; US20030058428A1; KR20030003803A; CN1393747A; GB2377278B

Abstract

Bei einem Verfahren zur Steuerung eines Verarbeitungsgerätes wird ein Fehlerwert zwischen einem Eingabewert des Verarbeitungsgerätes zum Verarbeiten eines zu verarbeitenden Subjektes und einem Meßwert, der durch Messen des Subjektes, welches verarbeitet werden soll, erhalten wird, abgeleitet. Ein Korrekturwert wird zum Korrigieren des Eingabewertes des Verarbeitungsgerätes in Richtung einer Verminderung des Fehlerwertes berechnet und es werden die Werte als Verarbeitungsdaten gemanagt, um sie bei der Berechnung eines nächsten Korrekturwertes zu verwenden. Frühere Verarbeitungsdaten mit einer Geschichte identisch derjenigen des in das Verarbeitungsgerät zu ladenden Subjektes werden gesucht und es wird ein momentaner Vorspannkorrekturwert aus einer Vielzahl von kürzlichen Korrekturwerten mit der identischen Geschichte vorhergesagt. Auch wird ein momentaner Zufallskorrekturwert mit Hilfe eines neuralen Netzwerks auf der Grundlage einer Vielzahl von kürzlichen Zufallskorrekturwerten vorhergesagt. Der vorhergesagte Vorspannkorrekturwert wird mit dem Zufallskorrekturwert als ein momentaner Korrekturwert des Verarbeitungsgerätes aufsummiert.

Description

QUERVERWEISE ZU IN BEZIEHUNG STEHENDEN ANMELDUNGEN

Die Anmeldung basiert auf der Priorität der koreanischen Patentanmeldung Nr. 2001-0039371, eingereicht am 3. Juli 2001, deren gesamter Inhalt hier unter Bezugnahme für alle Zwecke, so als ob sie in der vorliegenden Beschreibung voll dargestellt wäre, mit einbezogen wird.

HINTERGRUND DER ERFINDUNG

Gebiet der Erfindung

Die vorliegende Erfindung betrifft ein Verfahren zur Steuerung eines Verarbeitungsgerätes und betrifft spezieller ein Verfahren zum Steuern eines Verarbeitungsgerätes in Übereinstimmung mit einem neuen Adaptive Least Mean Square Neural Network (ALMS-NN) Algorithmus (neuer adaptiver Algorithmus eines neuralen Netzwerks gemäß einem letzten quadratischen Mittelwert) zum Bewerten eines richtigen Wertes eines Schrittschaltwerkes (stepper) während eines fotolithographischen Prozesses in einem Gesamtprozeß zur Herstellung von Halbleitervorrichtungen.

Beschreibung des Standes der Technik

Gemäß einem Weg zur Verstärkung des Wettbewerbs in der Halbleiterindustrie wurden eine große Anzahl von Studien durchgeführt, um ein effektives Herstellungssy- stem zu konstruieren, welches die Fähigkeit besitzt, einen hohen Produktionsausstoß sicherzustellen. Speziell im Falle eines fotolithographischen Prozesses, der einen der wichtigen Halbleiterherstellungsprozesse darstellt, da die Verarbeitungsbedingungen häufig variieren, erfordert die Entwicklung eines systematischen Herstellungssystems, um mit der häufigen Variation fertig zu werden, wobei beträchtliche Anstrengungen zur Herstellung eines Systems, welches die Frequenz der Probenbearbeiten reduziert, darauf gerichtet sind, den Produktionsausstoß zu erhöhen.
Bei der Verarbeitung ergibt sich ein Fehlausrichtungsproblem, welches während des fotolithographischen Prozesses für die Herstellung solch eines Systems primär in Betracht gezogen werden muß. Das Problem tritt hauptsächlich auf Grund einer Schwierigkeit bei der Analyse der physikalischen und chemischen Eigenschaften des Prozesses auf, auf Grund von Störsignalinterferenzen während der Durchführung des Prozesses und auf Grund von Meßfehlern nach der Durchführung des Prozesses, die Ursachen dafür werden, daß die Frequenz der Probennahme zunimmt, die direkt den Produktionsausstoß beeinflußt.
Ein Prozeßsteuersystem (PCS), welches weit verbreitet entwickelt und als Produktionssystem verwendet wurde und welches die Fähigkeit hat, einen hohen Produktionsausstoß sicherzustellen, und zwar für das Halbleiterherstellungssystem, involviert hauptsächlich kein mathematisches Modell in bezug auf die Prozeßschritte, sondern steuert den Prozeß im Hinblick auf numerische Werte, die anhand von Verarbeitungsdaten der früher durchgeführten Verarbeitung statistisch erhalten werden.
Das Schema, früher erfahrene Werte einer früheren Verarbeitung in einem laufenden Prozeß als eine Art von "Erfahrungserbe" zu reflektieren, stellt einen Algorithmus dar, der einen Mittelwert von Wichtungswerten in bezug auf kürzliche historische Daten von identischen Prozessen oder Verarbeitungen rückkoppelt. Jedoch ist solch ein Algorithmus statisch ohne die sich zeitweilig ändernden Eigenschaften eines Systems in Betracht zu ziehen und ist mit dem Nachteil behaftet, daß der Probeentnahmeprozeß wiederholt durchgeführt werden muß, und zwar auf Grund von unzureichenden identischen historischen Daten innerhalb einer festgelegten Periode oder einer nachfolgenden spec- out-Generation.
Aus diesen Grund wurden Verarbeitungscontroller-Konstruktionstechniken unter Verwendung eines neuralen Netzwerkmodells vorgeschlagen, und zwar als ein Schema, um in richtiger Weise mit einem Prozeß eines nichtlinearen Systems fertig zu werden, ohne dabei ein spezifisches mathematisches Modell zu benutzen ("Monitoring and Control of Semiconductor Manufacturing Processes", IEEE Control System, 1998, von S. Limanond, J. Si, und K. Tsakalis; und "Artificial Neural Network Model-Based Run- to-Run Process Controller", IEEE Trans. on Component, Packaging, and Manufacturing Technology-Part C, Band 10, Nr. 1, Jan. 1996, von X. A. Wang und R. L. Mahajan).
Zuerst wurde ein Verfahren vorgeschlagen, um es einem neuralen Netzwerk zu ermöglichen, anhand von Daten von früher durchgeführten Prozessen zu lernen, um dadurch den Herstellungsprozeß über eine Mustersuche in bezug auf einen früheren Prozeß vorherzusagen. Die Grundprämisse dieses Verfahrens besteht darin, daß das Änderungsmuster des nichtlinearen Systems nicht vollständig zufällig ist. Es ist demzufolge möglich, vorherzusagen, daß die vergangenen historischen Daten, die ein Muster involviert haben, ähnlich dem kürzlichen Variationsmuster, existieren, wenn nicht das Variationsmuster des Systems in bezug auf ein bestimmtes Schrittschaltwerk (stepper) vollständig zufällig ist, so daß das Variationsmuster des vergangenen Systems dazu verwendet wird, einen momentanen Ausgangswert anzunehmen.
Jedoch ist dieses Verfahren mit Nachteilen behaftet, da es dazu neigt, eine Schwierigkeit zu enthalten, und zwar bei der Verwendung der Daten, da es eine Menge an vergangenen historischen Daten benötigt, die effektiv angewendet werden müssen, und auch der Berechnungsaufwand erhöht wird, der dafür erforderlich ist, und zwar auf Grund der fortlaufend sich wiederholenden Mustersuche und des Lemvorganges des neuralen Netzwerks.
Zweitens liefert ein weit verbreitetes verwendetes Exponential-Wichtungs-Bewegungsmittelwert-(EWMA)-System Modellier- und Annäherungsverfahren eines Systems, welches eine Datenvariation enthält, mit der Fähigkeit, in einem zeitseriellen System beschrieben zu werden, die weit verbreitet auf dem Verarbeitungssteuergebiet der Halbleiterherstellung verfügbar sind. Dies wurde in einer Literaturstelle, wie beispielsweise in "Run by Run Process Control: Combining SPC and Feedback Control", IEEE Trans. on Semiconductor Manufacturing, Band 8, Nr. 1, Febr. 1995, von E. Sachs, A. Hu und A. Ingolfsson; "Adaptive Optimization of Run-to-Run Controllers: The EWMA Example", IEEE Trans. on Semiconductor Manufacturing, Band 13, Nr. 1, Febr. 2000, von N. S. Patel und S. T. Jenkins; und "A Self-Tuning EWMA Controller Utilizing Artificial Neural Network Function Approximation Techniques", IEEE Trans. on Components, Packaging, and Manufacturing Technology-Part C, Band 20, Nr. 2, April 1997, von T. H. Smith, D. S. Boning, offenbart.
Das EWMA-System wird häufig bei der aktuellen Operation von Halbleitervorrichtungen angewendet, da dessen Modell einfach ist und es auch möglich ist, eine einfache rekursive Formel gemäß der folgenden angegebenen Formel anzuwenden:

x(i) = λx(i - 6) + (1 - λ)x(i - 1)
Wenn jedoch der λ-Wert, der verwendet wird, klein ist, wird keine vernachlässigbare Wichtung bei den vergangenen Daten angewendet, wenn das EWMA-System angewendet wird, was zu einem Nachteil führt, dahingehend, daß eine Vielzahl an vergangenen Daten erforderlich sind, um eine exakte Schätzung durchzuführen.
Drittens bildet die Systemvorhersagetechnik mit Hilfe der Kalman-Filterung eine klassische Vorhersagetechnik in bezug auf ein System, bei dem Bewegungseigenschaften grundlegend durch eine Differentialgleichung oder Differenzgleichung in einem Zustandsraum bzw. einer Zustandsraumform moduliert werden und durch ein weißes Rauschen unterbrochen werden.
Basierend auf der Tatsache, daß ein Korrekturwert des Systems durch das Rauschen oder Störsignale allgemein geändert wird, wird davon ausgegangen, obwohl es keine Änderung, ohne durch das Rauschen oder Störsignale unterbrochen zu werden, involviert, daß die Variationscharakteristik des Korrekturwertes aus einem linearen Modell gebildet ist, und zwar wie folgt:

x(k + 1) = x(k) + w(k)
Hier bezeichnet ein Referenzalphabet w(k) einen Term gemäß einem weißen Rauschen, der Ursache für eine Schwankung des Korrekturwertes darstellt.
Zu diesem Zeitpunkt wird die Qualität bzw. Performance im Einklang mit dem angenommenen Systemmodell bestimmt, abhängig davon, wie das Modell die Bewegungseigenschaften und Störsignaleigenschaften eines originalen Systems reproduziert. Es ist jedoch nicht einfach, ein angenommenes Modell zu schaffen, ähnlich einem Originalsystem, und zwar in solch einem System, welches hochlineare Eigenschaften wie den Halbleiterprozeß besitzt.

ZUSAMMENFASSUNG DER ERFINDUNG

Um die oben aufgezählten Probleme der herkömmlichen Technik zu lösen, besteht eine Aufgabe der vorliegenden Erfindung darin, ein Verfahren zum Steuern eines verarbeitenden Gerätes zu schaffen, welches einen neuen ALMS-NN-Algorithmus realisiert, der effektiv bei einem Prozeß angewendet werden kann, der in hohem Maße von einer Probenentnahme auf Grund einer häufigen Ersetzung von Arbeitsstücken abhängig ist, die dem Prozeß unterworfen sind, ohne dabei von der Zahl der vergangenen historischen Daten abhängig zu sein.
Ein anderes Ziel der vorliegenden Erfindung besteht darin, ein Verfahren zur Steuerung eines fotolithographischen Gerätes anzugeben, welches einen neuen ALMS- NN-Algorithmus verwendet, um einen Geräteeingabewert zu entscheiden, und welches dazu befähigt ist, effektiv einen Überlagerungsausrichtfehler unter Verwendung eines Schrittschaltwerkgerätes zu korrigieren, und zwar als Ziel während eines fotolithographischen Prozesses.
Demzufolge wird ein Verfahren zur Steuerung eines verarbeitenden Gerätes geschaffen, bei dem ein Fehlerwert zwischen einem Eingabewert des verarbeitenden Gerätes zum Verarbeiten eines Werkstückes, welches verarbeitet werden soll, und einem Meßwert, der durch Messen des in dem Verarbeitungsgerät verarbeiteten Werkstückes erhalten wird, abgeleitet wird, ein Korrekturwert zum Korrigieren des Eingabewertes des verarbeitenden Gerätes berechnet wird, um den Fehlerwert zu reduzieren, und die Werte gemanagt werden, und zwar als Verarbeitungsdaten, um sie bei der Berechnung eines nächsten Korrekturwertes zu verwenden. Die früheren Verarbeitungsdaten mit einer Geschichte, die identisch zu dem Werkstück ist, welches in das verarbeitende Gerät geladen ist, werden gesucht und es wird ein momentaner Vorspannkorrekturwert aus der letzten Vielzahl der früheren Korrekturwerte aus den abgesuchten früheren Verarbeitungsdaten mit der identischen Geschichte vorhergesagt. Auch wird ein momentaner Zufallskorrekturwert (RAND) mit Hilfe eines neuralen Netzwerks auf der Grundlage der letzten Vielzahl der früheren RAND-Korrekturwerte aus den früheren Verarbeitungsdaten heraus vorhergesagt und es wird der vorhergesagte Vorspannkorrekturwert mit dem Zufallskorrekturwert (RAND) aufsummiert, und zwar zu einem momentanen Korrekturwert des verarbeitenden Gerätes. Unter Verwendung des Fehlerwertes wird das neurale Netzwerk veranlaßt, zu lernen, um die Variation des RAND-Korrekturwertes zu verfolgen.
Um mehr in Einzelheiten zu gehen, wird für eine effektive Vorhersage des Korrekturwertes x(n) bei der vorliegenden Erfindung der Korrekturwert x(n) in eine Vorspannkomponente x_bias(n) aufgeteilt, der mit der Geschichte korreliert ist, und eine Zufallskomponente x_rand(n) mit der Zufallseigenschaft aufgeteilt, von der der Grund der Variation nicht definitiv angenommen werden kann. Hierbei wird x_bias(n) auf der Grundlage der Geschichte des entsprechenden Postens vorhergesagt. In Verbindung mit der x_rand(n)-Komponente, die eine definitive Vorhersage von x(n) behindert oder erschwert, da es nahezu unmöglich ist, die RAND-Komponente auf Grund deren Zufallseigenschaft exakt vorherzusagen, werden deren Variation nachverfolgt, und zwar durch Verwendung eines Rückkopplungsausbreitungslernvorganges des neuralen Netzwerks, um den Vorhersagefehler von x(n) minimal zu gestalten.
Zu diesem Zeitpunkt können, da die x_rand(n)-Komponente eine Eigenschaft gemäß einer Beseitigung der Korrelation mit der Geschichte des entsprechenden Postens besitzt, alle Daten ungeachtet der Geschichte des entsprechenden Postens (lot) verwendet werden.
Wenn daher im Hinblick auf x(n), welches mit dem durch die vorliegende Erfindung vorgeschlagenen Algorithmus berechnet wird, die zeitweilige Variation von x_bias(n) nicht so groß ist, kann die Einschränkung des Datenverfalls, die ein Problem bei dem herkömmlichen Korrektursystem gebildet hat, gelöst werden. Selbst wenn der externe Faktor, der x(n) zusätzlich zur Geschichte des entsprechenden Postens beeinflußt, variiert wird, kann diese effektiv durch Verwenden der Lernfähigkeit gemanagt werden, die dem neuralen Netzwerk inhärent ist.
Demzufolge wird die Abhängigkeit von den früheren historischen Daten selbst bei einer Produktionsstraße reduziert, die eine Anzahl von Vorrichtungsänderungen involviert, mit der Konsequenz, daß die Zahl der Probeentnahmeprozesse in bemerkenswerter Weise reduziert wird.
Der Schritt der Vorhersage des momentanen Vorspannkorrekturwertes wird durch eine Sektion gemäß einem linear gewichteten Mittelwertsalgorithmus durchgeführt, der durch die folgende Gleichung definiert ist:

worin ein Bezugsalphabet x_bias den Vorspannkorrekturwert bezeichnet, W eine Sektion bezeichnet und x^sh den früheren Vorspannkorrekturwert bezeichnet, der die identische Geschichte hat.
Der momentane RAND-Korrekturwert wird dadurch erhalten, indem die Richtung der Abnahme des Fehlers des RAND-Korrekturwertes mit Hilfe eines Fehlerrückkopplungsausbreitungslernverfahrens über ein Vielschicht-Perzeptron erhalten.
Um ein anderes Ziel der vorliegenden Erfindung zu erreichen, wird ein Gerät geschaffen, um ein fotolithographisches Gerät zu steuern, bei dem ein Fehlerwert zwischen einem Eingabewert des fotolithographischen Gerätes zum Verarbeiten eines Fotoresistmaterials über einem Wafer und ein Meßwert, der durch Messen eines Fotoresistmusters erhalten wird, welches einer Belichtung unterworfen wird, und einer Entwicklung in dem verarbeitenden Gerät unterzogen wird, und einer Entwicklung in dem verarbeitenden Gerät mit Hilfe eines Overlay-Meßinstrumentes, erhalten, es wird ein Korrekturwert zum Korrigieren des Eingabewertes in der Richtung der Abnahme des Fehlerwertes berechnet und es werden dann fotolithographische Bearbeitungsdaten in der Herstellungszeiteinheit gemanagt, und zwar für die Verwendung der Werte beim Berechnen eines nächsten Korrekturwertes. Die früheren Verarbeitungsdaten mit einer Geschichte, die identisch mit derjenigen eines neuen Postens ist, die in das fotolithographische Gerät geladen werden, werden gesucht, und es wird eine Vorspannkomponente eines momentanen Korrekturwertes aus der letzten Vielzahl der früheren Korrekturwerte aus den gesuchten früheren Verarbeitungsdaten heraus, die die gesuchte identische Geschichte haben, vorhergesagt. Es wird eine RAND-Komponente des momentanen RAND-Korrekturwertes mit Hilfe eines neuralen Netzwerks auf der Grundlage der letzten Vielzahl der früheren RAND-Korrekturwerte aus den früheren Verarbeitungsdaten heraus vorhergesagt und es wird die vorhergesagte Vorspannkomponente mit der RAND-Komponente als ein momentaner Korrekturwert des fotolithographischen Gerätes aufsummiert. Der Fehlerwert wird dazu verwendet, um das neurale Netzwerk zum Lernen zu veranlassen, und zwar die Variation der RAND-Komponente zu verfolgen.
Hierbei werden bei dem Suchschritt die Daten, die ein identisches Fadenkreuz PPID haben und die Basis I und die Basis II haben, welches die die Geschichte bildenden Elemente darstellen, als identische geschichtliche Verarbeitungsdaten detektiert.
Wenn zusätzlich keine Verarbeitungsdaten einer identischen Geschichte bei dem Suchschritt existieren, wird der Vorspannabschnitt des Korrekturwertes in Einklang mit der Priorität der verbleibenden Elemente unter den Verarbeitungsdaten, die das identische Fadenkreuzelement haben, angenommen.
In Zuordnung zu der Schätzmethode werden Verarbeitungsdaten, die irgendein Element enthalten, welches bei den die Geschichte darstellenden Elementen unterschiedlich ist, extrahiert, es wird die Vorspannkomponente des Korrekturwertes unter Verwendung eines relativen Wertes von irgendeinem Bildungselement angenommen, und zwar unter den extrahierten Verarbeitungsdaten mit dem einzelnen abweichenden konstituierenden Element, und es wird die Vorspannkomponente des Korrekturwertes geschätzt, indem ein Mittelwert der extrahierten Verarbeitungsdaten mit dem einzelnen abweichenden konstituierenden Element gebildet wird oder abgeleitet wird, wenn die Vorspannkomponente nicht mit Hilfe des relativen Wertes berechnet werden kann.

KURZE BESCHREIBUNG DER ZEICHNUNGEN

Die oben angegebenen Ziele und andere Vorteile der vorliegenden Erfindung ergeben sich klarer aus der detaillierten Beschreibung von bevorzugten Ausführungsformen unter Hinweis auf die beigefügten Zeichnungen, in denen zeigen:
Fig. 1 ein Blockschaltbild, welches ein System zum Steuem eines fotolithographischen Gerätes gemäß einer Ausführungsform der vorliegenden Erfindung wiedergibt;
Fig. 2 eine Ansicht zum Beschreiben der Meßparameter eines Überlagerungsmeßinstrumentes;
Fig. 3 eine Ansicht, die eine schematische Konstruktion des fotolithographischen Gerätes darstellt;
Fig. 4 eine Ansicht, die ein Meßdatenformat aus dem Überlagerungsmeßinstrument zum einem Überlagerungskorrekturcontroller darstellt;
Fig. 5 eine Ansicht, die ein Korrekturdatenformat zeigt, welches von dem Überlagerungskorrekturcontroller empfangen wird, und zwar für ein Schrittschaltwerk (stepper);
Fig. 6 einen Graphen, der die Variation des Korrekturwertes des Schrittschaltwerkes in Einklang mit dem Verstreichen von Zeit wiedergibt;
Fig. 7 einen Graphen, der einen Zustand der Rückanordnung der Korrekturwerte von Fig. 6 pro identischer Geschichte wiedergibt;
Fig. 8 einen Graphen, der einen Zustand gemäß einer Subtraktion des Mittelwertes (Vorspannwertes) einer identischen Geschichte von Korrekturwerten der Fig. 7 darstellt;
Fig. 9 einen Graphen, der veränderte Zustände der Korrekturwerte im Einklang mit der Zeit in bezug auf den OFFSET-X des Schrittschaltwerkes wiedergibt;
Fig. 10 einen Graphen, der das Frequenzspektrum des Korrekturwertes von Fig. 9 veranschaulicht,
Fig. 11 eine Ansicht, die ein Beispiel eines neuralen Netzwerks gemäß der vorliegenden Erfindung wiedergibt;
Fig. 12 bis 20 Flußdiagramme zur Veranschaulichung der Betriebsweise der Vorhersage des Korrekturwertes des Überlagerungskorrekturcontrollers gemäß der vorliegenden Erfindung;
Fig. 21 bis 25 Graphen, die durch Vergleichen der Meßfehlerverteilung des Überlagerungskorrekturcontrollers gemäß der vorliegenden Erfindung mit derjenigen eines herkömmlichen Controllers erhalten werden; und
Fig. 26 bis 35 Graphen, die durch Analysieren des Ergebnisses der Anwendung des Überlagerungskorrektursteuerungsalgorithmus gemäß der vorliegenden Erfindung bei dem aktuellen Gerät erhalten werden.

BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORM

Es wird nun die vorliegende Erfindung mehr in Einzelheiten unter Hinweis auf die beigefügten Zeichnungen beschrieben.
Fig. 1 ist ein Blockschaltbild, welches ein Steuersystem eines fotolithographischen Gerätes gemäß der vorliegenden Erfindung darstellt.
Ein fotolithographisches Gerät 10 enthält einen Beschichtungsprozessor 12, einen Ausricht-/Belichtungsprozessor 14 und einen Entwicklungsprozessor 16.
Das fotolithographische Gerät 10 formt eine einzelne Musterschicht über einem Wafer W durch Ausführen eines fotolithographischen Prozesses, bei dem eine geätzte Schicht auf einem Wafer W niedergeschlagen wird, ein Fotoresistmaterialmuster über der geätzten Schicht ausgebildet wird und die geätzte Schicht unter Verwendung des Fotoresistmusters als Ätzmaske geätzt wird. Der zuvor erläuterte Prozeß wird bei jeder Schicht wiederholt, um eine vielschichtige Schichtanordnung von Mustern zu überlagern und um ein gewünschtes Schaltungsmuster auf dem Wafer auszubilden, so daß eine Vielzahl an integrierten Schaltungschips auf dem einzelnen Wafer ausgebildet werden.
Daher kann der fotolithographische Prozeß einen äußerst wichtigen Schlüsselprozeß darstellen, der in signifikanter Weise den Produktausstoß bei einem Herstellungsprozeß einer Halbleitervorrichtung beeinflußt.
Der fotolithographische Prozeß kann weitläufig in einen Beschichtungsprozeß, einen Ausricht- und Belichtungsprozeß und einen Entwicklungsprozess klassifiziert werden.
Der Beschichtungsprozessor 12 führt einen Vorbackprozeß durch, durch den Feuchtigkeit auf der Oberfläche des Wafers beseitigt wird, um die Anhafteigenschaft des Wafers zu erhöhen, und auch eine Fotoresistmaterials, welches aufgetragen wird, zu erhöhen, führt einen Schrubbprozeß durch, bei dem Verunreinigungen auf der Oberfläche des Wafers beseitigt werden, und zwar unter Verwendung eines reinen Hochdruckwassers und einer Bürste, führt einen Schleuderprozeß durch, bei dem eine konsistente Beschichtung durchgeführt wird, und führt einen Soft-Backprozeß aus, bei dem ein Lösungsmittel verdampft und das Fotoresistmaterial ausgehärtet wird.
Der Ausricht- und Belichtungsprozessor 14 führt einen Vorausrichtprozeß durch, bei dem ein Posten in Einklang mit einer Bezugsmarke eines Schrittschaltwerks ausgerichtet wird und der Wafer und der Posten ausgerichtet werden, führt einen Ausrichtprozeß durch, bei dem eine ebene Zone auf dem Wafer fixiert wird, und führt einen Belichtungsprozeß aus, der einen Betrag festlegt, um das Fotoresistmaterial zu belichten.
Der Entwicklungsprozessor 16 führt eine Nachbelichtungsprozedur aus, um einen Stehwelleneffekt zu beseitigen, führt einen Entwicklungsprozess durch, um selektiv einen Abschnitt zu beseitigen, die mit Ultraviolettstrahlen reagiert, und führt einen Hart- Backprozeß durch, um das Fotoresistmuster auszuhärten, welches auf dem Wafer verbleibt, und zwar in ausreichender Weise, um eine thermische Umgebung andauern zu lassen.
Nach der Ausbildung des Fotoresistmaterialmusters über dem Wafer W mit Hilfe des fotolithographischen Gerätes 10, wie dies oben beschrieben ist, sollte eine Fehlausrichtung an einer Stelle der Überlagerung mit einer darunter liegenden Musterschicht gemessen werden, und zwar mit Hilfe eines Überlagerungsmeßinstruments 20, um zu bestätigen, ob die Fehlausrichtung einen Wert innerhalb einer Fehlertoleranzgrenze hat.
In dem Überlagerungsmeßinstrument 20 können nicht alle Muster der sich überlappenden Musterschichten verglichen werden, um die Fehlausrichtung zu messen. Demzufolge wird die Fehlausrichtung mit Hilfe einer Fehlausrichtungsmeßstelle gemessen, die zu dem Wafer W hinzugefügt wird.
Gemäß Fig. 2 werden nach der Konstruktion einer Meßstelle heraus aus den Fehlausrichtungsstellen MS, die über dem Wafer W ausgebildet sind, Koordinaten dx/dy zwischen einer äußeren Ausrichtmarke OM, die bei einer unteren Musterschicht der bezeichneten Stelle ausgebildet ist, und einer inneren Ausrichtmarke IM, die bei einer oberen Musterschicht ausgebildet ist, gemessen. Dann werden Fehlausrichtungsparameter in der weiter unten beschriebenen Weise über eine rekursive Analyse in bezug auf die erhaltenen Daten extrahiert.
1) Parameter, die den Wafer betreffen:
OFfset-Bereich des Ausrichtungsmusters gemäß einer Verzerrung nach rechts und links/nach oben und nach unten.
SCaling-Bereich des Musters über dem Wafer vergrößert rechts und links / nach oben und nach unten auf Grund einer Linse.
Ein W ROTation-Bereich einer Achse des Ausrichtmusters, die in bezug auf eine Bezugsachse der Ausrichtung abweicht.
Der ORThogonallity-Bereich der Waferausrichtachsen, die wechselseitig voneinander abweichen.
2) Parameter, die das Fadenkreuz betreffen:
Der Fadenkreuz-ROTation-Bereich der Achse des Ausrichtmusters, die gegenüber der Bezugsachse der Ausrichtung abweicht auf Grund der ungenauen Einstellung des Fadenkreuzes.
Der Fadenkreuz-REDuction-Bereich des Musters über dem Wafer, nach rechts und nach links/nach oben und nach unten vergrößert, und zwar auf Grund der ungenauen Einstellung des Fadenkreuzes (reticle).
Wie in Fig. 3 gezeigt ist, enthält des fotolithographische System 40, das heißt das Schrittschaltwerk, eine Waferstufe 42, ein Linsensystem 44, ein Fadenkreuz 46 und ein Lichtquellensystem (nicht gezeigt). Lediglich das Licht des Lichtquellensystems wird über den Wafer W über ein Maskenmuster des Fadenkreuzes 46 und über das Linsensystem 44 gestrahlt, es wird das Maskenmuster des Fadenkreuzes 46 reduzierbar auf den Wafer projiziert.
Daher benötigt die Waferausrichtung die Korrektur auf dem Wafer W, der auf der Waferstufe 42 ersetzt ist, in Zuordnung zu der X-Achsen- und Y-Achsenabweichung, einer Drehung, Orthogonalität usw., und erfordert eine Korrektur hinsichtlich des Bildes, welches auf den Wafer projiziert wird, und zwar nach rechts und nach links. Die Fadenkreuzausrichtung erfordert eine Korrektur der Drehung und einer Reduzierung des Fadenkreuzes 46.
Demzufolge liefert das Überlagerungsmeßinstrument 20 10 Meßparameter wie OF-X, OF-Y, SC-X, SC-Y, ORT, W-ROT, RED-X, RED-Y, ROT-X und ROT-Y, die dem Überlagerungskorrekturwertcontroller 30 zusammen mit der Meßzeit und dem Posten IDs zugeführt werden.
Der Überlagerungskorrekturwertcontroller 30 führt den ALMS-NN-Algorithmus durch, um einen Korrektureingabewert x(n) des fotolithographischen Gerätes vorherzusagen, das heißt von dem Schrittschaltwerk. Der Überlagerungskorrekturwertcontroller 30 sagt dem Geräteeingabewert anhand des ALMS-NN-Algorithmus vorher, um Daten dem Schrittschaltwerk 14 zuzuführen, wie in Fig. 5 gezeigt ist. Die dem Schrittschaltwerk 14 zugeführten Daten enthalten eine Generierungszeit und FWD-Daten, RET-Daten, NN-Daten und IN-Daten für jeden Posten ID.
Hierbei bezeichnen die FWD-Daten einen Schrittfehlerwert einer KEY-Schicht, die RET-Daten sind Vorspanndaten und die NN-Daten sind Ausgangswerte, die in einem neuralen Netzwerk berechnet wurden. Auch die IN-Daten bezeichnen Gerätekorrekturwerte, das heißt einen Geräteeingabewert.

Der ALMS-NN-Algorithmus

Um erstens den Meßfehler bei dem fotolithographischen Prozeß minimal zu gestalten, ist ein Algorithmus erforderlich, der die Fähigkeit bietet, einen Eingangswert x(n) des Gerätes vorherzusagen. Der Eingangswert x(n), der von einer Datenbasis eines Korrektursystems erhalten wird, zeigt eine willkürliche Eigenschaft, die nicht durch irgendeine interpretierbare Funktion angenähert werden kann.
Fig. 6 zeigt einen Graphen, der einen Geräteeingabewert repräsentiert, und zwar in bezug auf Offset-x, welches einen der Gerätekorrekturwerte in der Zeitfolge darstellt, der als Probe unter den Daten von 650 Posten des fotolithographischen Gerätes ausgewählt wird. Fig. 7 repräsentiert die Anordnung der Geräteeingabewerte von Fig. 6 für jeden Posten mit einer identischen Geschichte, und Fig. 8 zeigt die Werte, die nach einer Subtraktion der Vorspannwerte von den Geräteeingabewerten erhalten werden.
Wie in den Fig. 6, 7 und 8 gezeigt ist, kann festgehalten werden, daß der Gerätekorrekturwert x(n) dicht auf die Geschichte des entsprechenden Postens bezogen ist, und daß eine spezifische Vorspannung bzw. Vorspannwert für jede identische Geschichte angewendet wird.
Der Grund für Unterschiede in den Geräteeingabewerten für eine identische Geschichte ergibt sich auf Grund der Wirkung von mehreren Faktoren, welche den Fehler des Musters enthalten, welches auf dem Fadenkreuz markiert ist, und ergibt sich auch auf Grund von Unterschieden in den Eigenschaften des fotolithographischen Gerätes, wie beispielsweise BASE I und BASE II.
Es kann somit ersehen werden, daß der Geräteeingabewert, wie in Fig. 9 gezeigt ist, eine Willkürlichkeit besitzt, an die eine Annäherung durch irgendeine interpretierbare Funktion unmöglich ist.
Wie aus Fig. 10 ersehen werden kann, ist es ziemlich schwierig, den Gerätekorrekturwert x(n) an eine interpretierbare Funktion anzunähern, da dieser eine Signaleigenschaft anzeigt mit einem Frequenzspektrum ähnlich dem weißen Rauschen, welches konsistent über das gesamte Frequenzband verteilt ist. Solch eine Willküreigenschaft des Gerätekorrekturwertes x(n) wird zu einem Hauptfaktor, der es schwierig macht, den Gerätekorrekturwert x(n) zum Zwecke der Minimierung des Meßfehlers des Überlagerungsmeßgerätes vorherzusagen.
Jedoch besitzen nicht alle Variationsfaktoren des Gerätekorrekturwertes x(n) Zufallselemente mit unbekannten Ursachen. Ein Vorspannabschnitt, der mit der Geschichte eines entsprechenden Postens in Korrelation steht, kann effektiv in einem gewissen Ausmaß vorhergesagt werden.
Bei dem ALMS-NN-Algorithmus wird der Gerätekorrekturwert x(n) in eine Vorspannkomponente x_bias(n), der mit der Geschichte in Korrelation steht, und eine RAND- Komponente x_rand(n) mit einer Zufallseigenschaft aufgeteilt, bei der ein Grund für eine Variation nicht definitiv angenommen werden kann. Hierbei wird x_bias(n) auf der Grundlage der Geschichte des entsprechenden Postens vorhergesagt.
Es ist nahezu unmöglich, die RAND-Komponente exakt vorherzusagen, was die Fähigkeit auferlegt, definitiv x_bias(n) auf Grund von dessen Zufallseigenschaft vorherzusagen. Es wird nur deren Variation unter Verwendung einer Rückkopplungsausbreitungslernfähigkeit des neuralen Netzwerks verfolgt, um den Vorhersagefehler x_bias(n) minimal zu gestalten.
Da die x_rand(n)-Komponente einen Zustand besitzt, um die Korrelation mit der Geschichte des entsprechenden Postens zu beseitigen, können alle Daten ungeachtet der Geschichte des entsprechenden Postens verwendet werden.
Wenn daher die zeitweilige Variation der Geschichte nicht so ausgeprägt ist, läßt sich die Einschränkung der verstrichenen Zeit für die Verwendung von Daten, was bei dem herkömmlichen Korrektursystem ein Problem dargestellt hat, lösen. Selbst wenn die externen Faktoren, die x(n) beeinflussen, und zwar zusätzlich zu der Geschichte des entsprechenden Postens variieren, kann diese Größe effektiv gemanagt werden, und zwar unter Verwendung der Lernfähigkeit, die dem neuralen Netzwerk zueigen ist.

1. Verfahren für die Vorhersage von x_bias(n)

(1) Wenn eine identische Geschichte existiert:
Der einfachste Weg, um x_bias(n) vorherzusagen, besteht darin, einen Mittelwert der Geräteeingabewerte in bezug auf die Posten zu verwenden, welche die vergangene identische Geschichte besitzen. Es sei angenommen, daß die momentan verfügbaren vergangenen Gerätekorrekturwerte der Posten eine gewisse identische Geschichte besitzen und mit x^sh(m) (worin m = 1, 2, . . . und n) bezeichnet werden, und ein x_bias-Wert in bezug auf die Geschichte durch eine Konstante bestimmt wird. Dann läßt sich x^sh(m) in der folgenden Weise ausdrücken:

x^sh(m) = x_bias + x^sh _rand(m)
Zu diesem Zeitpunkt sei die vollständige Zufälligkeit von x^sh(m) angenommen, da
Es kann als Ergebnis festgehalten werden, daß der Mittelwert von x^sh(m) als ein effektiver Schätzfaktor (estimator) in bezug auf x_bias dient.
Wenn man jedoch in Einzelheiten unter Betracht zieht, daß die perfekte Zufälligkeit von x^sh _rand(m) nicht erwartet werden kann und Faktoren, wie beispielsweise Fehler, die durch eine Änderung von BASE-I-Gerät oder BASE-II-Gerät und auf Grund von Frequenzänderungen des Fadenkreuzes verursacht werden, ist es tatsächlich unbegründet, den x_bias-Wert in bezug auf identische Geschichtsposten als eine Konstante zu betrachten.
Daher wird der ALMS-NN-Algorithmus, der für die in Betrachtziehung solcher Variabler wie x^sh(m) für die Vorhersage von x_bias vorgeschlagen wird, dadurch erhalten, indem ein sektions-linear gewichtetes Mittel verwendet wird, ohne dabei ein einfaches arithmetisches Mittel zu verwenden.

worin x_bias den Vorspannkorrekturwert bezeichnet, W eine Sektion ist und x^sh der frühere Vorspannkorrekturwert mit der identischen Geschichte ist.
(2) Wenn keine identische Geschichte existiert:
Wenn x_bias unter Verwendung der Sortierung von identischen Geschichtsdaten und des Sektions-Linearwichtungsmittels vorhergesagt wird, tritt ein Problem auf, wenn ein Posten mit keiner identischen Geschichte verarbeitet werden soll, und zwar auf Grund der Einschränkungsbedingung in bezug auf die Geschichte.
Im Falle einer neuen Vorrichtung, die noch nie verarbeitet worden ist, ist der Probeentnahmeprozeß zur Sicherung von neuen Daten unvermeidbar. Wenn jedoch das zuvor erwähnte Sektions-Linearwichtungsmittel nicht verwendet werden kann, da ein Unterschied in dem Base-I-Gerät, zu dem Base-II-Gerät besteht oder PPID unter den Faktoren, welche die Geschichte darstellen, kann x_bias über die folgenden Verfahren vorhergesagt werden.
Der Grund für das Involvieren der Differenz in den Geräteeingabewerten in Einklang mit der Geschichte, und zwar selbst im Falle von identischen Vorrichtungen, besteht unzweifelhaft auf Grund der charakteristischen Differenz der jeweiligen Faktoren, welche die Geschichte bilden. Daher kann x_bias in Komponenten aufgeteilt werden, und zwar durch die jeweiligen die Geschichte bildenden Faktoren, wie z. B. PPID, BASE I, Base II und Reticle (Fadenkreuz). Wenn die wechselseitige Korrelation dieser bildenden Faktoren nicht in Betracht gezogen wird, kann x_bias in der folgenden Weise definiert werden:

x_bias + x^PPID _bias + x^BASEI _bias + x^BASEII _bias + x^RET _bias

worin x^PPID _bias, x^BASEII _bias, x^BASEI _bias x^RET _bias die Vorspannkomponenten bezeichnen, die jeweils PPID, BASE I, BASE II und Reticle entsprechen. Während die am stärksten beeinflussende Komponente x^RET _bias durch das Fadenkreuz (Reticle) ist, die die Basis des fotolithographischen Prozesses wird, kann der Einfluss der anderen Komponenten als relativ gering betrachtet werden. Wenn demzufolge keine identische Geschichte existiert, wird der Einfluß, ausgenommen für x^RET _bias, in der Reihenfolge verstanden gemäß x^PPID _bias > x^BASEI _bias > x^BASEII _bias.
Wenn keine identische Geschichte existiert, werden zwei weiter unten beschriebene Verfahren dazu verwendet, um die jeweiligen Komponenten vorherzusagen.
Die Beschreibung hinsichtlich der jeweiligen Verfahren wird in der Reihenfolge des hohen Ranges der Anwendung vorgenommen. Dann ist die Geschichte darzustellen in der Reihenfolge von PPID, BASE I, BASE II nach Reticle. Es ist annehmbar, die anderen Komponenten vermittels eines geeigneten Verfahrens anzunehmen.
(a) Es wird x_bias unter Verwendung der relativen Werte von BASE II, BASE I oder PPID angenommen:
Es wird angenommen, daß die Geschichte H1 eines Postens, dessen x_bias1 momentan vorhergesagt werden soll und das die früheren Geschichtsdaten H1, H2, H3 und H4 in der folgenden Weise geschrieben werden:
H1 = (P1, BI1, BII2, R1), x_bias1
H2 = (P1, BI1, BII3, R1), x_bias2
H3 = (P2, BI4, BII2, R1), x_bias3
H4 = (P2, BI4, BII3, R1), x_bias4
Hierbei sind H1 und H2 um BII2 und BII3 unterschiedlich, während die restlichen die Geschichte bildenden Faktoren die gleichen sind. In ähnlicher Weise sind H3 und H4 um BII2 und BII3 unterschiedlich, und zwar mit den gleichen verbleibenden Faktoren.
Es läßt sich x_bias1 in bezug auf die Geschichte H1, welches momentan vorhergesagt werden soll, in der folgenden Weise vorhersagen:

x_bias1 - x_bias2 = x_bias3 - x_bias4
Es wird daher angenommen, daß x_bias1 = x_bias3 - x_bias4 + x_bias2 ist.
Es erfolgt die Annahme in der Reihenfolge von BASE II, BASE I nach PPID, welches den geringsten Einfluß ausübt.
Da der Einfluß von x^RET _bias bzw. dieser Komponente, der auf x_bias ausgeübt wird, sehr viel stärker ist als derjenige der anderen Komponenten, sollten lediglich H1, H2 und H3, welche die identische Fadenkreuzkomponente haben, und zwar mit derjenigen von H1, in Betracht gezogen werden.
(b) Annahme von x_bias unter Verwendung des Mittelwertes der Geschichten, die sich lediglich durch BASE II oder BASE I voneinander unterscheiden:
Es wird angenommen, daß die Geschichte des Postens mit x_bias, welches momentan vorhergesagt werden soll, geschrieben wird als H1 = {P, BI1, BII2 und R}. Es sei auch angenommen, daß m-bezifferte Geschichtsdaten H1 ~ Hm, die sich lediglich im Hinblick von H und von BASE II unterscheiden, existieren, und daß x_bias entsprechend den jeweiligen Daten lautet x_bias1 ~ x_biasm. Es erfolgt dann eine Vorhersage anhand des Mittelwertes gemäß der folgenden Gleichung:
(e) Wenn x_bias nicht vorhergesagt werden kann:
Wenn keine identischen Geschichtsdaten in bezug auf den Posten, der momentan der Verarbeitung unterworfen werden soll, existieren und die oben erläuterte Annahmemethode (2) nicht angewendet werden kann, wird die Probeentnahmeverarbeitung unvermeidlich ausgeführt.

2. Verfahren zum Verfolgen von x_rand

Der Hauptfaktor, der den Geräteeingabewert beeinflußt, wird zur Geschichte von jedem Posten. Alle Zufallskomponenten, ausgenommen der x_bias-Wert, die aus dem Korrekturwert x(n) über die Geschichte vorhergesagt werden können, sind in x_rand enthalten.
Da solch ein x_rand-Wert einen Zustand besitzt gemäß der Beseitigung der Abhängigkeit der Daten von der Geschichte des entsprechenden Postens, kann es in Betracht gezogen werden, daß dieser die charakteristische Variation darstellt, und zwar in Einklang mit der Zeit bzw. dem Zeitpunkt des Gerätes selbst auf Grund mehrerer externer Ursachen.
Da jedoch der Faktor, der den x_rand-Wert im Verlauf der Zeit beeinflußt bzw. variiert, bis jetzt noch nicht exakt verwendet worden ist, ist es schwierig, den x_rand-Wert vorherzusagen.
Ein effektives Verfahren, welches bei diesem Umstand anwendbar ist, besteht darin, die Variation von x_rand unter Verwendung des neuralen Netzwerks zu verfolgen.
Bei dem momentan angewendeten Korrektursystem werden lediglich Daten innerhalb einer beträchtlich eingeschränkten Periode unter den Daten verwendet, und zwar in Verbindung mit den Posten, die eine identische Geschichte haben, um mehrere Variationsfaktoren in Betracht zu ziehen, die eine Änderung von solchen Geräteeigenschaften enthalten. Jedoch führen solche Einschränkungsbesonderheiten tatsächlich zu Problemen bei dem Verarbeitungsmanagement, so daß die Variationsfaktoren getrennt betrachtet werden, und zwar unabhängig von der Geschichte, um die Nachteile des herkömmlichen Systems für die Erhöhung des Wirkungsgrades bei dem Verarbeitungsmanagement zu vermeiden.
Ein neurales Netzwerk, welches für die Verfolgung von x_rand verwendet wird, besteht gemäß Fig. 11 aus einem Vielschicht-Perzeptron mit einer Eingangsschicht 50, die drei Eingangsneuronen enthält, einer Ausgangsschicht 58, die ein Ausgangsneuron enthält und mit drei versteckten oder verborgenen Schichten 52, 54 und 56, die jeweils durch fünf, fünf und drei Neuronen gebildet sind. Das angewendete Lernverfahren des neuralen Netzwerks stützt sich auf das allgemeinste Fehlerrückkopplungsverbreitungs- System.
Die Netzwerkverbindung erfolgt in der Richtung der Eingangsschicht 50, der verborgenen oder versteckten Schichten 52, 54 und 56 und der Ausgangsschicht 58, und diese Verbindung bildet ein Mitkopplungsnetzwerk, welches eine direkte Verbindung mit den jeweiligen Schichten und eine Verbindung von der Ausgangsschicht 58 zu der Eingangsschicht 50 involviert.
Bei dem Fehlerrückkopplungsausbreitungslernverfahren, welches bei dem ALMS- NN-Algorithmus angewendet wird, wird, wenn ein Eingangsmuster einmal zu den jeweiligen Knotenpunkten der Eingangsschicht 50 eingegeben wurde, dieses Signal an den jeweiligen Knoten umgesetzt, so daß es zu den verborgenen oder versteckten Schichten 52, 54 und 56 übertragen wird, von denen aus es letztendlich zu der Ausgangsschicht 58 gelangt. Durch Vergleichen das Ausgangswertes mit einem erwarteten Wert wird eine Verbindungsfestigkeit (Wichtung) w in Richtung einer Abnahme der Differenz eingestellt, die von der oberen Schicht zurückeilt, um die untere Schicht ihrerseits zu veranlassen, ihre Verbindungsfestigkeit w basierend auf der Rückkopplung einzustellen.
Die Systemausgangsgröße über den Mitkopplungspfad des neuralen Netzwerks wird wie folgt geschrieben:

a^m+1 = f^m+1(w^m+1a^m + b^m+1)

worin m gleich ist 0, 1, . . . und M-1, und worin a die Ausgangsgrößen der jeweiligen Neuronen bezeichnet. Auch bezeichnet b die Vorspannung, f eine Übertragungsfunktion und w bedeutet die Wichtung. Hierbei bezeichnet M die Zahl der Schichten des neuralen Netzwerks.
Bei dem Fehlerrückkopplungsausbreitungsalgorithmus des Vielschicht-Perzeptrons wird ein Fehler mit Hilfe des Erwartungswertes und der Differenz wie folgt definiert:

F(X) = (t(k) - a(k))^T(t(k) - a(k)) = e(k)^Te(k)

worin das Bezugsalphabet F einen quadratischen Fehler bezeichnet, X die Wichtung ist und der Vorspannvektor des neuralen Netzwerks ist und t der erwartete Ausgangswert ist.
Hierbei ergibt sich der angenäherte höchst abrupte Abfallalgorithmus, ausgedrückt durch eine Matrix in der folgenden Weise:

w^m(k + 1) = w^m(k) - as^m(a^m-1)^Tb^m(k + 1) = b^m(k) - as^m

worin die Variation von F als Empfindlichkeit eingestellt ist, die ausgedrückt wird durch eine Matrix:

s^m = F^mn^m(w^m+1)^Fs^m+1
Die Empfindlichkeit startet von der letzten Schicht des neuralen Netzwerks und breitet sich rückwärts zur ersten Schicht aus, und zwar wie folgt:

s^m → s^M-1 → . . . → s² → s¹
Hierbei wird die Empfindlichkeit der ersten Stufe gemäß der folgenden Gleichung angeschrieben:

s = -2F^M(n^M)(t - a)
Die Eingangs-/Ausgangsbeziehung wird in der weiter unten angegebenen Weise für die Verfolgung der Variation von x_rand unter Verwendung des neuralen Netzwerks in Betracht gezogen.

x_rand(n) = f(x_rand(n-1), x_rand(n-2), x_rand(n-3))
Das heißt, das neurale Netzwerk erzeugt den Vorhersagewert des momentanen x_rand-Wertes unter Bezugnahme auf drei Daten der letzten x_rand-Werte. Der erzeugte vorhergesagte Wert ermöglicht es der Ausgangsgröße des neuralen Netzwerks, die Variation des x_rand-Wertes zu verfolgen, und zwar über einen Prozeß, bei dem das neurale Netzwerk veranlaßt wird, eine Untersuchung in Richtung der Abnahme des Fehlers von dem aktuell gemessenen Wert vorzunehmen, der nachfolgend durch das Überlagerungsmeßinstrument gemessen wird.
Es wird eine Sigmoid-Funktion in Form der folgenden angeschriebenen Gleichung als Übertragungsfunktion der Neuronen der versteckten Schichten 52, 54 und 56 angewendet:
Die lineare Funktion wird als Übertragungsfunktion des Ausgangsneurons verwendet.
Obwohl die versteckten Schichten vorgesehen sind, um die verallgemeinerte Kapazität und Lernfähigkeit des neuralen Netzwerks zu erhöhen, ist bekannt, daß die Zahl der versteckten Schichten und die Performance des neuralen Netzwerks notwendigerweise eine proportionale Beziehung haben und die Verwendung von mehr als drei versteckten Schichten trägt kaum zur Verbesserung der Performance des neuralen Netzwerks bei.

3. Verfahren zum Erzeugen des Fotolithographie-Geräteeingabewertes und Lernverfahren des neuralen Netzwerks

Gemäß Fig. 12 initialisiert das System gemäß einer Ausführungsform zuerst die ALMS-NN-Varianten und die Neural-Netzwerk-Aufbauvarianten des Systems (S102). Es wird dann sukzessive ein Ausführungsmodus empfangen (S104) und es wird bestimmt, ob der Eingangsausführungsmodus ein Setupmodus oder eine Lademodus ist (S106).
Wenn bei dem Schritt S106 der Modus aus einem Setupmodus besteht, dann wird eine Setupdatei geöffnet, um eine Aufzeichnung auszulesen, wodurch die Aufzeichnung für die jeweiligen initialisierten Varianten (S108) substituiert wird. Dann wird ein Setupmodul ausgeführt (S110).
Wenn bei dem Schritt S106 der Modus kein Setupmodus ist, wird überprüft, ob der Modus aus einem Lademodus besteht oder nicht (S112). Wenn bei dem Schritt S112 ein Lademodus vorhanden ist, wird der Ladedateiname eingegeben, um die Datei zu laden (S114).
Nach der Durchführung des Schrittes S110 oder S114 wird ein Lademodulschritt durchgeführt (S116).
Die Fig. 13A und 13B veranschaulichen die Schritte bei einer Ausführungsform des Setupmoduls. Gemäß den Fig. 13A und 13B prüft der Setupmodul, ob die Setupdatei am Ende liegt oder nicht. Wenn sie beendet ist, wird das Ergebnis ausgegeben (S120), um zu dem Hauptprogramm zurückzukehren.
Wenn bei dem Schritt S118 nicht das Ende der Setupdatei auftritt, werden die Daten, die in einer optionalen Variante gespeichert sind, durch die Variante substituiert, die für den Setupmodul (S122) verwendet werden soll. Unter den substituierten Varianten werden die Werte der Varianten, welche aus den die Geschichte bildenden Elementen bestehen, dazu verwendet, um eine Suche durchzuführen, ob identische Geschichtsdaten existieren oder nicht (S124). Es wird dann ein reiner Gerätekorrekturwert aus den substituierten Varianten (S126) berechnet, um den Neural-Netzwerk- Lernmodul (S128) auszuführen.
Als nächstes wird bestimmt, ob identische Geschichtsdaten für die momentan gelernten Daten existieren oder nicht (S130).
Wenn keine identische Geschichte der momentan gelernten Daten existiert, werden neue Vorspanndaten hinzugefügt (S132) und es wird dann der Schritt S118 erneut ausgeführt.
Wenn bei dem Schritt S130 identische Geschichtsdaten existieren, wird bestimmt, ob die identischen Geschichtsvorspanndaten eine Fenstergröße haben oder nicht (S134). Wenn es sich bei dem Schritt S134 um eine Fenstergröße handelt, wird der Vorspannmittelwert durch die Fenstergröße (S136) erhalten und es wird der Schritt S118 erneut durchgeführt. Wenn es sich bei dem Schritt S134 nicht um die Fenstergröße handelt, wird der Mittelwert der Vorspannung erhalten (S138) und es wird der Schritt S118 erneut durchgeführt.
Fig. 14 veranschaulicht die Schritte bei einer Ausführungsform des Lademoduls. Gemäß Fig. 14 wird ein Ausführungsmodus in dem Lademodul (S140) ausgewählt, und es werden ein Anfragemodul S142, ein Rückkopplungsmodul S144 und ein Modifiziermodul S146 jeweils in Einklang mit den ausgewählten drei Ausführungsmodi ausgeführt.
Fig. 15 veranschaulicht die Schritte bei einer Ausführungsform des Anfragemoduls. Gemäß Fig. 15 werden bei dem Anfragemodul S142 die Postendaten ausgelesen, wenn einmal ein neuer Posten verfolgt wird, und zwar zu dem Gerät hin, um die Variante zu substituieren, die in dem Anfragemodul (S148) verwendet wird. Bei dem ALMS-NN-Algorithmus werden die die Geschichte bildenden Elemente des Postens, das heißt PPID, BASE I, BASE II und Reticle primär bestätigt und auch die Daten, wenn die Posten verarbeitet werden, welche die identische Vergangenheitsgeschichte haben und ausgesucht wurden (S150).
Wenn identische Geschichtsdaten existieren, werden die letzten 10 Vorspanndaten ausgelesen (S152), um ≙ abzuleiten, welches aus einem Vorhersagewert von x_bias in bezug auf den entsprechenden Posten besteht, indem das Sektions-Linearwichtungsmittel bei den ausgelesenen Daten angewendet wird.
Wenn kein identisches Geschichtsdatum bei dem Schritt S 150 auftritt, wird ein Vorspannannahmemodul durchgeführt, um ≙ mit Hilfe des Zwei-Schritt-Annahmeverfahrens abzuleiten, welches an früherer Stelle beschrieben wurde (S154).
Der Neural-Netzwerk-Modul wird ausgeführt (S156), um den Vorspannwert und den RAND-Wert bei den Schritten S152 und S154 vorherzusagen, um den Geräteeingabewert vorauszusagen.
Basierend auf dem letzten RAND-Korrekturwert wird ≙ erhalten, welches durch das neurale Netzwerk vorhergesagt wird.
Der endgültige Geräteeingabewert wird anhand der folgenden Gleichung bestimmt.

worin f(n) den Mitkopplungseingabewert bezeichnet.
Im Falle einer Orthogonalität wird, da der Korrekturwert gegeben ist als: x(n) = i(n) + f(n) + e(n), abweichend von den anderen Parametern, ein kleiner Unterschied erzeugt, wenn x_bias vorhergesagt wird oder der Eingabewert erzeugt wird.
Demzufolge wird der Geräteeingabewert der orthogonalen Komponente in der folgenden Weise ausgedrückt:
Damit das neurale Netzwerk lernt, wird der Meßwert des bereits rückgekoppelten Überlagerungsmeßgerätes verwendet. Unter der Voraussetzung, daß eine ideale Geräteeingangsgröße existiert, welche die Möglichkeit bietet, den Meßfehler des Meßinstrumentes in bezug auf einen bestimmten Posten zu Null zu machen, so wird diese Eingangsgröße mit i(n) bezeichnet, es wird dann eine Differenz zwischen i(n) und i(n) als Ergebnis als Meßfehler gewonnen, was wie folgt geschrieben wird:

x(n) = i(n) - f(n) - e(n) = i(n) - f(n)
Als ein Ergebnis erhält man i(n) - i(n) = e(n), welches demzufolge bei dem Fehlerrückkopplungsausbreitungslernverfahren des neuralen Netzwerks verwendet wird.
Im Falle der orthogonalen Komponente wird die Rückkopplung auf e(n) durchgeführt, und zwar ohne die Erlaubnis, daß e(n) unverändert rückgekoppelt wird. Damit gilt:

x(n) = i(n) + f(n) + e(n) = i(n) + f(n), so daß i(n) - i(n) = -e(n)
Wenn der Vorspannwert nicht vor dem Schritt S156 vorhergesagt werden kann, wird bestimmt, ob eine Probeentnahme erforderlich ist oder nicht (S158). Wenn die Probeentnahme (sampling) nicht erforderlich ist, wird der Eingabewert in bezug auf den momentanen Posten als eine Datei vorgesehen, um die Daten zu speichern (S160).
Wenn bei dem Schritt S158 bestimmt wird, daß ein Probeentnahmeprozeß erforderlich ist, wird eine Nachricht gemäß einer Empfehlung einer Samplingoperation dargestellt, um die Probeentnahmeverarbeitungsdaten (S162) zu speichern.
Fig. 16 veranschaulicht die Schritte bei einer Ausführungsform des Rückkopplungsmoduls. Gemäß Fig. 16 werden in dem Rückkopplungsmodul die Daten von der Rückkopplungsdatei ausgelesen (S164). Es wird bestimmt, ob der Wert der Rückkopplungsdaten den spec-in-Bereich um das fünffache überschreitet oder nicht (S166). Wenn dieser den genannten Wert um das fünffache überschreitet, werden die Daten, die identisch mit den momentan rückgekoppelten Daten sind, aus den temporären Dateidaten ASN-DATA weggelassen (S168).
Wenn bei dem Schritt S166 der genannte Wert kleiner ist als das fünffache, werden die Postendaten, die identisch mit den momentan rückgekoppelten Daten sind, aus den ASN-DATA gesucht (S170). Es wird dann bestimmt, ob die Geschichte in bezug auf den entsprechenden Posten existiert oder nicht, um einen reinen Korrekturwert zur Durchführung eines Updatevorganges des neuralen Netzwerks zu berechnen (S172).
Es werden die Daten des neuralen Netzwerks sukzessive auf den neuesten Stand gebracht (S174) und es wird der Neural-Netzwerk-Update-Modul durchgeführt, wodurch dann zu dem Hauptprogramm zurückgekehrt wird (S176).
Fig. 17 veranschaulicht die Schritte bei einer Ausführungsform des Modifiziermoduls. Gemäß Fig. 17 werden bei dem Modifiziermodul die ASN-DATA geliefert, um an einem Monitor dargestellt zu werden (S178). Indem dies ausgeführt wird, wird die Postennummer, die von einer betreibenden Person weggelassen werden soll, empfangen (S180), es wird die Eingangsgröße entsprechend den Postenvarianten von den ASN- DATA weggelassen (S182) und es wird das Ergebnis der Weglassung an dem Monitor dargestellt (S184).
Fig. 18 veranschaulicht die Schritte bei einer Ausführungsform des Vorspannwertannahmemoduls. Gemäß den Fig. 18A und 18B extrahiert der Vorspannannahmemodul die Vorspanndaten mit unterschiedlichen BASE-II-Komponenten, die den geringsten Einfluß ausüben, und die verbleibenden drei identischen, die Geschichte bildenden Elemente unter den die Geschichte bildenden Elementen (S186). Dieser prüft, ob die bei dem Schritt S186 extrahierten Daten existieren oder nicht (S188). Wenn die extrahierten Daten existieren, werden die Vorspanndaten, die mit dem momentanen Posten identisch sind, extrahiert (S190). Durch Kombinieren der extrahierten Vorspanndaten wird die gegenläufige Vorspannung (countering bias) von BASE II in der oben beschriebenen Weise erhalten (S192).
Wenn die Gegen- oder Ausgleichsvorspannung bei dem Schritt S192 erhalten wird, wird das Programm beendet, um zu dem Anfragemodul (S194) zurückzukehren. Wenn die Gegen- oder Ausgleichsvorspannung nicht gemäß der zuvor angegebenen Formel bei dem Schritt S192 erhalten wird oder wenn bei dem Schritt S188 kein Vorspanndatum extrahiert wird, werden die Vorspanndaten mit der Differenz BASE I und drei identische, die Geschichte bildende Elemente extrahiert (S196).
Es wird geprüft, ob die bei dem Schritt S196 extrahierten Daten existieren oder nicht (S198), und es werden die Vorspanndaten, die mit dem momentanen Posten identisch sind, im Falle der Existenz (S200) extrahiert. Es werden dann die extrahierten Vorspanndaten kombiniert oder verbunden, um die Gegen- oder Ausgleichsvorspannung von BASE I in der oben beschriebenen Weise zu erhalten (S202).
Wenn die Gegen- oder Ausgleichsvorspannung bei dem Schritt S202 erhalten wird, wird das Programm beendet, um zu dem Anfragemodul (S204) zurückzukehren. Wenn die Gegen- oder Ausgleichsvorspannung bei dem Schritt S202 nicht erhalten wird oder wenn kein Vorspanndaten bei dem Schritt S198 extrahiert wird, werden die Vorspanndaten mit der Differenz PPID und die verbleibenden drei identischen Geschichten extrahiert (S206).
Es wird die Existenz der extrahierten Daten bei dem Schritt S206 geprüft (S208). Wenn die extrahierten Daten existieren, werden die Vorspanndaten, die mit dem laufenden Posten identisch sind, extrahiert (S210). Durch Verbinden der extrahierten Vorspanndaten wird die Gegen- oder Ausgleichsvorspannung von PPID erhalten, wie dies oben beschrieben wurde (S214).
Wenn die Gegen- oder Ausgleichsvorspannung bei dem Schritt S214 erhalten wird, wird das Programm beendet, um zu dem Anfragemodul (S216) zurückzukehren. Wenn bei der oben beschriebenen Formel bei dem Schritt S214 keine Gegen- oder Ausgleichsvorspannung erhalten wird, ist der Mittelwert der Vorspanndaten in einer der Größen gemäß BASE II und BASE I unterschiedlich und es sind die verbleibenden drei Geschichten identisch, was bei dem Schritt S212 erhalten wird.
Fig. 19 veranschaulicht die Schritte bei einer Ausführungsform des neuralen Netzwerkmoduls. Gemäß Fig. 19 erneuert der neurale Netzwerkmodul die Eingangsschichtdaten des neuralen Netzwerks (S214) und es wird die endgültige Ausgangsgröße von der Ausgangsschicht sequentiell über den Ausgang S216 der ersten versteckten Schicht, den Ausgang S218 der zweiten versteckten Schicht und den Ausgang S220 (S222) der dritten versteckten Schicht erzeugt. Der Gerätekorrekturwert wird dadurch berechnet, indem der erzeugte RAND-Korrekturwert und der Vorspannwert summiert werden (S224).
Fig. 20 veranschaulicht die Schritte bei einer Ausführungsform des Updatemoduls des neuralen Netzwerks. Gemäß Fig. 20 berechnet der Updatemodul des neuralen Netzwerks die Empfindlichkeiten der jeweiligen Schichten sequentiell von der dritten versteckten Schicht zu der ersten versteckten Schicht zum Zwecke der Durchführung eines Lernvorganges der Fehlerrückkopplungsausbreitung (S226 bis S230). Es werden sukzessive die Wichtungen der jeweiligen Schichten sequentiell von der dritten versteckten Schicht zu der ersten versteckten Schicht auf den neuesten Stand gebracht, und zwar im Ansprechen auf die berechneten Empfindlichkeiten (S232 bis S236), wodurch dann der Updatevorgang des neuralen Netzwerks beendet wird.

* Das Ergebnis von Versuchsexperimenten

Es wurde ein Versuchsexperiment in bezug auf Daten von drei fotolithographischen Geräten A, B und C durchgeführt. Es wurde ein Fall eines anfänglichen Startvorganges des Gerätes angenommen, der als Beginn des Versuchsexperiments angenommen wurde, und zwar unter dem Zustand keiner vorhandener vergangener Verarbeitungsdaten. Auch wurde die Performance des ALMS-NN-Algorithmus durch Vergleichen mit einem herkömmlichen Algorithmus verifiziert.
Zusätzlich wurde im Falle des Managements des aktuellen Prozesses die Messung nicht unmittelbar nach dem fotolithographischen Prozeß durchgeführt, was bei dem Versuchselement in Betracht gezogen wurde, um eine Meßverzögerung von etwa 5 Posten oder ähnlich vorauszusetzen. Das heißt, nach dem Verstreichen der Verarbeitungszeit von etwa fünf Posten nach der Durchführung des Prozesses wurde der Meßfehler verwendet.
Das Ergebnis des Versuchsexperiments, welches für den Performancevergleich durchgeführt wurde, besteht aus dem spec-in-Verhältnis, bei dem der Meßfehler nicht aus dem spec-in-Bereich abweicht. Das spec-in-Verhältnis des typischen Algorithmus wurde durch den Meßfehler über die Daten hinweg erhalten. In Verbindung mit dem ALMS-NN-Algorithmus wurde das spec-in-Verhältnis dadurch abgeleitet, indem ein virtueller Meßfehler erhalten wurde, der als gemessen betrachtet wurde, wenn der Geräteeingabewert, der durch den ALMS-NN-Algorithmus erzeugt wurde, angewendet wurde.
Unter der Voraussetzung, daß der Geräteeingabewert, der bei dem traditionellen Korrektursystem verwendet wird, mit i_e(n) bezeichnet wird, der Überlagerungsmeßwert gemessen für den Posten, welcher dem Prozeß unterworfen wird, unter Verwendung des Geräteeingabewertes mit e_e(n) bezeichnet wird, der Geräteeingabewert, der in dem ALMS-NN-Algorithmus berechnet wird, mit i_a(n) bezeichnet wird, und der virtuelle Meßfehler, der verwendet wird, wenn die oben angegebenen Ausdrücke verwendet werden, mit e_a(n) bezeichnet wird, kann die folgende Gleichung angeschrieben werden:

i_e(n) - e_e(n) = i_a(n) - e_a(n)
Zusätzlich wurde das spec-in-Verhältnis benutzt, wenn der ALMS-NN-Algorithmus bei Fällen angewendet wurde, bei denen keine Möglichkeit bestand, die Samplingverarbeitung durchzuführen, und zwar unmittelbar durch Verwendung des typischen Algorithmus, um die Möglichkeit der Reduzierung der Zahl der Samplingprozesse zu verifizieren.
Die Fälle, die notwendigerweise den Samplingprozeß in dem herkömmlichen System involvieren und die einen "Nicht-Geschichts"-Fall enthalten, ohne Bezugsdaten, da der Posten, der eine Geschichte identisch mit derjenigen des Postens besaß, der momentan verarbeitet wurde, niemals verarbeitet worden ist, und ein alter Geschichtsfall mit unzuverlässigen Daten aufgrund des Verstreichens eines festgelegten Zeitlimits wurde ebenfalls verwendet, obwohl der Posten mit der identischen Geschichte verarbeitet worden ist.
Die Periode, die bei der Simulation in Betracht gezogen wurde, betraf die Prozeßzeit von 150 Posten. Mit anderen Worten wurde ein Fall als ein alter geschichtlicher Fall betrachtet, bei dem eine identische Geschichte existiert, bei dem jedoch keine Daten bei den letzten 150 Posten vorhanden waren. Wenn man in Betracht zieht, dass nicht alle Posten einer Messung unterworfen wurden, ist es angemessen, dass die Verarbeitungszeit eines einzelnen Postens grob eine Stunde betrug, während die erforderliche Zeit für die Verarbeitung eines einzelnen Postens grob mit 40 Minuten angesetzt wurde, da die bei dem Versuchsexperiment verwendeten Daten die Fälle umfassen, bei denen Daten verwendet wurden, die insgesamt einer Messung unterworfen waren.
Daher entspricht die Zeit, die für die Verarbeitung von 150 Posten oder ähnlich aufgewendet werden muß, grob fünf bis sechs Tage. Da das Verschwinden der Daten, die bei dem typischen Algorithmus zur Verfügung stehen, drei bis fünf Tage beträgt, sollte der Samplingprozeß im Hinblick auf den typischen Algorithmus durchgeführt werden, wenn kein Posten mit einer Geschichte vorhanden ist, die identisch mit derjenigen des momentanen Postens ist, die in den letzten verarbeiteten 150 Posten oder ähnlich existiert.
Um das spec-in-Verhältnis zu messen, betrugen die angewendeten spec-in-Bereiche jeweils -0,03 ~ 0,03 im Falle des Offset-X und des Offset-Y, -0,3 ~ 0,3 für Scale-X, Scale-Y, Orthogonalität und Waferdrehung -Y, und -1,5 ~ 1,5 für die Fadenkreuzreduzierung und Fadenkreuzdrehung.

Unter einer Gesamtzahl von 5200 Zahlen von Daten traten keine Geschichtsfälle 40-mal auf, in denen der Fall einer Annahme von x_bias-Zahlen 13 und die alten Geschichtsfälle 99-mal auftraten. * Gesamt-spec-in-Verhältnis (%)

* Spec-in-Verhältnis (%), wenn x_bias angenommen wird

* Spec-in-Verhältnis (%) des alten Geschichtsfalles

Unter einer Gesamtzahl von 3400 Zahlen von Daten traten keine Geschichtsfälle 63-mal auf, bei denen ein Fall der Annahme von x_bias-Zahlen 13 und die alten Geschichtsfälle 161-mal auftraten. * Gesamt-spec-in-Verhältnis (%)

* Spec-in-Verhältnis (%), wenn x_bias angenommen wird

* Spec-in-Verhältnis (%) des alten Geschichtsfalles

Unter einer Gesamtzahl von 3000 Zahlen an Daten traten keine Geschichtsfälle 71-mal auf, bei denen der Fall der Annahme der x_bias-Zahlen 23 und die alten Geschichtsfälle 70-mal auftraten. Gesamt-spec-in-Verhältnis (%)

* Spec-in-Verhältnis (%), wenn x_bias angenommen wird

* Spec-in-Verhältnis (%) des alten Geschichtsfalles
Wenn man die Ergebnisse der oben beschriebenen Versuchsexperimente aufsummiert, kann festgestellt werden, daß der ALMS-NN-Algorithmus Ergebnisse widerspiegelt, die geringfügig gegenüber dem herkömmlichen Algorithmus in Zuordnung zu dem spec-in-Verhältnis verbessert sind.
Zieht man jedoch in Betracht, daß ein Hauptziel für den Vorschlag des ALMS- NN-Algorithmus darin besteht, die Zahl der Samplingprozesse zu reduzieren, was zu einem ernsthaften Problem bei dem Herstellungssystem vielfältiger Arten in einem kleinen Maßstab führt, war es nicht so sehr die Verbesserung des spec-in-Verhältnisses, sondern das spec-in-Verhältnis von ALMS-NN, welches in den Ergebnissen der Versuchsexperimente aufgetreten ist, was in gewisser Weise befriedigt hat.
Im Falle des Gerätes Nr. A wird die Verteilung des Meßfehlers des Meßinstruments durch die Graphen wiedergegeben, die in den Fig. 21 bis 25 gezeigt sind, um das Streuen des Meßfehlers des Überlagerungsmeßinstruments zu überprüfen, bei dem sich keine signifikante Differenz zwischen dem typischen Algorithmus und dem ALMS-NN- Algorithmus ergab (die Meßfehlerverteilung in bezug auf die Gerätenummern B und C lagen ähnlich wie diejenige des Gerätes Nr. A, die somit weggelassen werden).
Um die Zahl der aktuellen Probeentnahmeprozesse zu reduzieren, wenn der x_bias- Wert angenommen wird, und zwar durch Anwenden des ALMS-NN-Algorithmus im Falle von keinen identischen Geschichtsdaten oder älteren bzw. alten Geschichtsdaten, sollte das spec-in-Verhältnis nicht stark unter das Gesamt-spec-in-Verhältnis abgesenkt werden.
Die Wahrscheinlichkeit für eine Fall, daß der x_bias-Wert in bezug auf alle Fälle angenommen werden kann, die keine identische Geschichte haben, liegt für das Gerät Nr. A bei 32,5%, für das Gerät Nr. B bei 20,1% und für das Gerät Nr. C bei 32,4%. Das spec-in-Verhältnis, welches erhalten wird, wenn der in der obigen Weise angenommene Wert verwendet wird, um den Geräteeingabewert zu erzeugen, um die Verarbeitung voranzutreiben, lag geringfügig niedriger, hielt sich jedoch bei etwa 70-80% des Gesamt-spec-in-Verhältnisses.
Das spec-in-Verhältnis in bezug auf den Fall, bei dem keine Geschichtsdaten verwendet werden, bietet die Ergebnisse, daß sich das Gesamt-spec-in-Verhältnis in den drei Geräten, die den Versuchsexperimenten unterworfen wurden, angenähert untereinander ähneln. Dies zeigte eine Möglichkeit auf, das Problem gemäß dem Verschwinden der Daten zu lösen, welches bisher ein signifikantes Problem dargestellt hat, und zwar bei dem typischen Algorithmus, indem der ALMS-NN-Algorithmus dafür angewendet wird.

* Das Ergebnis der Anwendung auf ein aktuelles Gerät

Der Prozeß der Anwendung des ALMS-NN-Algorithmus für die Verifizierung des Geeignetseins und der Dauerhaftigkeit des aktuellen Prozesses wurde über drei Tage hinweg durchgeführt, wobei der Prozeß bei einer Gesamtzahl von 67 Posten insgesamt vermittels des Tests durchgeführt wurde.
Während der Prozeß durchgeführt wurde, gab es keinen Fall der Anwendung des Algorithmus für die Annahme von x_bias, und zwar auf Grund keiner existierenden identischen Geschichte, jedoch den Fall gemäß einer Unterwerfung eines Samplingprozesses, wenn der typische Algorithmus angewendet wurde, und zwar auf Grund des Verstreichens der Daten, was 17-mal auftrat. Natürlich haben diese Fälle keinen Samplingprozeß involviert, da das Verstreichen der Daten nicht in Betracht gezogen wird, wenn der ALMS-NN-Algorithmus angewendet wird.
Der Test führte zu etwa 98% des Spec-in-Verhältnisses. Mit anderen Worten tritt der Fall, der eine wiederholte Verarbeitung auf Grund der Erzeugung von spec-out erfordert, bei ca. 2% oder ähnlich auf. Dieser numerische Wert lag weit niedriger als die 85, die das Gesamt-spec-out-Erzeugungsverhältnis wiedergeben, wenn der herkömmliche Algorithmus ohne den ALMS-NN-Algorithmus angewendet wurde.
Die Fig. 26 bis 35 zeigen Graphen, die den Vergleich des Meßfehlers A-KLA wiedergeben, der über den Test erhalten wurde, wenn der ALMS-NN-Algorithmus angewendet wurde, geben auch den Vergleich mit dem virtuellen Meßfehler E-KLA wieder, wenn der Geräteeingabewert angewendet wurde, der über dem herkömmlichen Algorithmus erzeugt wurde, und mit dem Format des Geräteeingabewertes, der durch den ALMS-NN-Algorithmus erzeugt wurde.
Wie in den Fig. 26 bis 30 gezeigt ist, war die Streuung des Meßfehlers des Überlagerungsmeßgerätes nahezu ähnlich in beiden Fällen der Verwendung des ALMS-NN- Algorithmus und des herkömmlichen Algorithmus.
Wie in den Fig. 31 bis 35 gezeigt ist, kann festgehalten werden, daß die Geräteeingabewerte der Summe aus dem Vorspannwert und dem RAND-Wert entsprechen (Ausgangswert des neuralen Netzwerks).
Obwohl das fotolithographische Gerät als ein Beispiel bei den oben beschriebenen Ausführungsformen verwendet wurde, kann der Algorithmus nach der vorliegenden Erfindung zur Steuerung des Gerätekorrekturwertes angewendet werden, indem man getrennt den Vorspannkorrekturwert in Betracht zieht, und zwar basierend auf der Vergangenheitsgeschichte und einem Zufalls-RAND-Wert in bezug auf die gesamte Ausrüstung des automatischen Steuersystems unter Verwendung eines Computers bei dem Halbleiterprozeß, z. B. einem Plasmagerät, eine CMP-Gerät und einem CVD-Gerät.
Bei dem oben beschriebenen fotolithographischen Prozeß wird der Geräteeingabewert für eine exakte Vorhersage des Überlagerungsmeßfehlers und die Kompensation des Fehlers dadurch bestimmt, indem diese in eine Vorspannkomponente und eine RAND-Komponente aufgeteilt wird. Hierbei wird die Vorspannkomponente durch eine Vorhersage und Annahme einer Geschichte bestimmt, während die RAND-Komponente nach der Verwendung von allen Daten geliefert wird, und zwar über einen Lernvorgang und Verfolgung mit Hilfe des neuralen Netzwerks, ohne ein Zeitlimit zu involvieren. Es wird daher die Zahl der Samplingprozesse in bemerkenswerter Weise reduziert, um den Produktionsausstoß zu verbessern.
Während die vorliegende Erfindung speziell unter Hinweis auf spezifische Ausführungsformen derselben dargestellt und beschrieben wurde, sei für Fachleute darauf hingewiesen, daß vielfältige Änderungen in der Form und in Einzelheiten vorgenommen werden können, ohne dadurch den Rahmen der Erfindung, wie er durch die anhängenden Ansprüche festgehalten ist, zu verlassen.

Claims

1. Verfahren zum Steuern eines Verarbeitungsgerätes mit den folgenden Schritten:
Ableiten eines Fehlerwertes zwischen einem Eingabewert des verarbeitenden Gerätes zum Verarbeiten eines Subjektes, welches verarbeitet werden soll, und einem Meßwert, der durch Messen des in dem Verarbeitungsgerät verarbeiteten Subjektes erhalten wird, Berechnen eines Korrekturwertes zum Korrigieren des Eingabewertes des Verarbeitungsgerätes in Richtung der Reduzierung des Fehlerwertes, Managen der Werte als Verarbeitungsdaten, die beim Berechnen des nächsten Korrekturwertes zu verwenden sind,
welches Verfahren ferner die folgenden Schritte umfaßt:
Suchen nach früheren Verarbeitungsdaten mit einer Geschichte, die identisch mit derjenigen des in das Verarbeitungsgerät geladenen Subjektes ist;
Vorhersagen eines momentanen Vorspannkorrekturwertes für eine Vielzahl von früheren bzw. kürzlich aufgetretenen Korrekturwerten aus den gesuchten früheren Verarbeitungsdaten heraus, die eine identische Geschichte besitzen;
Vorhersagen eines momentanen Zufallskorrekturwertes mit Hilfe eines neuralen Netzwerks auf der Grundlage einer Vielzahl von kürzlichen und früheren Zufallskorrekturwerten aus den früheren Verarbeitungsdaten heraus;
Summieren des vorhergesagten momentanen Vorspannkorrekturwertes zu dem vorhergesagten momentanen Zufallskorrekturwert als ein momentaner Korrekturwert des Verarbeitungsgerätes; und
Veranlassen eines Lernvorganges des neuralen Netzwerks zum Verfolgen einer Variation des Zufallskorrekturwertes unter Verwendung des Fehlerwertes.

2. Verfahren zum Steuern eines Verarbeitungsgerätes nach Anspruch 1, bei dem der Schritt der Vorhersage des momentanen Vorspannkorrekturwertes mit Hilfe eines Sektions-Linearwichtungs-Mittelwertalgorithmus (section linear weighted mean algorithm) durchgeführt wird, und zwar auf der Grundlage der folgenden Gleichung:

worin ein Bezugsalphabet x_bias den Vorspannkorrekturwert bezeichnet, W die Zahl der Sektionen bezeichnet und x_sh einen früheren Vorspannkorrekturwert mit einer identischen Geschichte bezeichnet.

3. Verfahren zum Steuern eines Verarbeitungsgerätes nach Anspruch 1, bei dem das neurale Netzwerk aus einem Vielfachschicht-Perzeptron gebildet ist und bei dem das Lernverfahren ein Fehlerrückkopplungsausbreitungssystem verwendet.

4. Verfahren zum Steuern eines Verarbeitungsgerätes nach Anspruch 1, bei dem das Verarbeitungsgerät aus einem Herstellungsgerät für eine Halbleitervorrichtung in dem Produktionssystem vielfältiger Arten in einem kleinen Maßstab besteht.

5. Verfahren zum Steuern eines fotolithographischen Gerätes, mit den folgenden Schritten: Ableiten eines Fehlerwertes zwischen einem Eingangswert des fotolithographischen Gerätes zum Verarbeiten eines Fotoresistmaterials über einem Wafer, und einem Meßwert, der durch Messen eines Fotoresistmusters erhalten wird, welches einer Belichtung und einer Entwicklung in dem Verarbeitungsprozeß unterworfen wird, und zwar unter Verwendung eines Überlagerungsmeßinstruments; Berechnen eines Korrekturwertes zum Korrigieren des Eingangswertes in einer Richtung entsprechend einer Reduzierung des Fehlerwertes; und Managen von fotolithographischen Verarbeitungsdaten in der Produktionszeiteinheit, um die Werte bei der Berechnung und bei dem nächsten Korrekturwert zu verwenden,
welches Verfahren ferner die folgenden Schritte umfaßt:
Suchen nach früheren Verarbeitungsdaten mit einer Geschichte, die identisch mit derjenigen eines neuen Postens ist, der in das fotolithographische Gerät geladen wird;
Vorhersagen einer Vorspannkomponente eines momentanen Korrekturwertes für eine Vielzahl von kürzlichen früheren Korrekturwerten aus den nachgesuchten früheren Verarbeitungsdaten heraus, die die gesuchte identische Geschichte besitzen;
Vorhersagen einer Zufallskomponente des momentanen Korrekturwertes mit Hilfe eines neuralen Netzwerks auf der Grundlage einer Vielzahl von kürzlichen früheren Zufallskorrekturwerten aus den früheren Verarbeitungsdaten heraus;
Summieren der vorhergesagten Vorspannkomponente und der Zufallskomponente als momentanen Korrekturwert des fotolithographischen Gerätes; und
Veranlassen eines Lernvorganges des neuralen Netzwerks zur Verfolgung der Variation der Zufallskomponente unter Verwendung des Fehlerwertes.

6. Verfahren zum Steuern eines Verarbeitungsgerätes nach Anspruch 5, bei dem der Schritt der Vorhersage des Vorspannabschnitts und des momentanen Korrekturwertes mit Hilfe eines Sektions-Linearwichtungs-Mittelwertalgorithmus (section linear weighted mean algoritmus) durchgeführt wird, und zwar gemäß der folgenden Gleichung:

worin ein Bezugsalphabet x_bias die Vorspannkomponente des Korrekturwertes bezeichnet, W die Zahl der Sektionen bezeichnet, und x_sh die frühere Vorspannkomponente mit der identischen Geschichte bezeichnet.

7. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 6, bei dem die Zahl der Sektionen gleich 10 ist.

8. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 5, bei dem bei dem Suchschritt Daten als identische historische Verarbeitungsdaten detektiert werden, die ein identisches Fadenkreuz (Reticle), PPID, BASE I und BASE II, welche die Geschichte darstellende Elemente sind, besitzen.

9. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 8, bei dem dann, wenn keine Verarbeitungsdaten mit identischer Geschichte bei dem Suchschritt existieren bzw. ermittelt wurden, der Vorspannabschnitt des Korrekturwertes in Einklang mit einer Priorität der verbleibenden, die Geschichte darstellenden Elementen angenommen wird, und zwar unter den Verarbeitungsdaten, welche ein identisches Fadenkreuz (Reticle) haben.

10. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 9, bei dem das Annahmeverfahren die folgenden Schritte umfaßt:
Extrahieren von Verarbeitungsdaten mit irgendeinem abweichenden, die Geschichte bildenden Element unter den die Geschichte darstellenden Elementen;
Annehmen einer Vorspannkomponente des Korrekturwertes unter Verwendung eines relativen Wertes von irgendeinem die Geschichte darstellenden Element unter den extrahierten Verarbeitungsdaten, mit Hilfe des einen abweichenden, die Geschichte darstellenden Elements; und
dann, wenn die Vorspannkomponente nicht mit Hilfe des relativen Wertes berechnet werden kann, Annehmen einer Vorspannkomponente des Korrekturwertes durch Ableiten eines Mittelwertes der extrahierten Verarbeitungsdaten mit Hilfe des einen abweichenden, die Geschichte darstellenden Elements.

11. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 10, bei dem die Priorität in der Reihenfolge der die Geschichte darstellenden Elemente, welche den geringsten Einfluß ausüben, von BASE II, BASE II und dann PPID vorgesehen wird.

12. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 10, ferner mit einem Schritt gemäß einem Anfragen nach einer Verarbeitung eines Probeentnahmeprozesses, wenn selbst die Vorspannkomponente nicht angenommen oder geschätzt werden kann.

13. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 5, bei dem das neurale Netzwerk aus einem Vielfachschicht-Perzeptron gebildet ist und bei dem das Lernverfahren aus einem Fehlerrückkopplungsausbreitungsverfahren besteht.

14. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 13, bei dem das Vielfachschicht-Perzeptron folgendes aufweist:
eine Eingangsschicht mit drei Eingangsknoten;
eine Ausgangsschicht mit einem Ausgangsknoten; und
eine dreischichtige verborgene Schicht zwischen der Eingangsschicht und der Ausgangsschicht.

15. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 14, bei dem Neuronen der versteckten Schicht eine Sigmoid-Funktion als eine Übertragungsfunktion verwenden.

16. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 14, bei dem die Neuronen der Ausgangsschicht eine lineare Funktion als eine Übertragungsfunktion verwenden.

17. Verfahren zum Steuern eines fotolithographischen Gerätes, mit den folgenden Schritten: Ableiten eines Fehlerwertes zwischen einem Eingangswert des fotolithographischen Gerätes zur Durchführung eines fotolithographischen Prozesses bei einem Fotoresistmaterial über einem Wafer, und einem Meßwert, der durch Messen eines Fotoresistmusters erhalten wird, welches einer Belichtung und einer Entwicklung in dem fotolithographischen Gerät unterworfen wird, vermittels eines Überlagerungsmeßinstruments; Berechnen eines Korrekturwertes zum Korrigieren des Eingangswertes in einer Richtung gemäß einer Abnahme des Fehlerwertes; und Managen von fotolithographischen Verarbeitungsdaten in der Produktionszeiteinheit, um die Werte bei der Berechnung eines nächsten Korrekturwertes zu verwenden,
welches Verfahren ferner die folgenden Schritte umfaßt:
Suchen nach früheren Verarbeitungsdaten mit eine Geschichte darstellenden Elementen (Reticle, PPID, BASE I und BASE II), die identisch mit solchen eines nächsten Postens sind, der in das fotolithographische Gerät geladen wird;
Vorhersagen einer Vorspannkomponente eines laufenden Korrekturwertes für eine Vielzahl an kürzlichen früheren Korrekturwerten aus den abgesuchten früheren Verarbeitungsdaten heraus, die identische, die Geschichte bildende Elemente besitzen;
Extrahieren von Verarbeitungsdaten mit einem abweichenden darstellenden Element, ausgenommen von Reticle unter den die Geschichte bildenden Elementen, wenn keine früheren Verarbeitungsdaten existieren, die identische, eine Geschichte bildende Elemente enthalten;
Annehmen einer Vorspannkomponente des Korrekturwertes auf der Grundlage eines relativen Wertes eines bestimmten, die Geschichte bildenden Elements aus den Verarbeitungsdaten heraus, und zwar bei einem einzelnen extrahierten abweichenden, die Geschichte bildenden Element;
Ableiten eines Mittelwertes der Verarbeitungsdaten mit Hilfe des extrahierten einzelnen abweichenden, die Geschichte bildenden Elements, um die Vorspannkomponente des Korrekturwertes anzunehmen oder zu schätzen, wenn die Vorspannkomponente nicht unter Verwendung des relativen Wertes berechnet werden kann;
Vorhersagen einer Zufallskomponente des momentanen Korrekturwertes mit Hilfe eines neuralen Netzwerks auf der Grundlage einer Vielzahl von kürzlichen früheren Zufallskorrekturwerten aus den früheren Verarbeitungsdaten heraus;
Summieren der vorhergesagten Vorspannkomponente und der vorhergesagten Zufallskomponente als momentanen Korrekturwert des fotolithographischen Gerätes; und
Veranlassen eines Lernvorganges des neuralen Netzwerks, um eine Variation des Zufallskorrekturwertes unter Verwendung des Fehlerwertes zu verfolgen.

18. Verfahren zum Steuern eines fotolithographischen Gerätes nach Anspruch 17, bei dem bei dem Schätzungsschritt eine Priorität verwendet wird, und zwar in der Reihenfolge des geringsten Einflusses von BASE II, BASE II und dann PPID.