JP7218412B2 - 半導体製造計測および処理制御 - Google Patents
半導体製造計測および処理制御 Download PDFInfo
- Publication number
- JP7218412B2 JP7218412B2 JP2021179992A JP2021179992A JP7218412B2 JP 7218412 B2 JP7218412 B2 JP 7218412B2 JP 2021179992 A JP2021179992 A JP 2021179992A JP 2021179992 A JP2021179992 A JP 2021179992A JP 7218412 B2 JP7218412 B2 JP 7218412B2
- Authority
- JP
- Japan
- Prior art keywords
- spectral
- semiconductor wafer
- spectra
- data
- tool
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000004065 semiconductor Substances 0.000 title claims description 91
- 238000004519 manufacturing process Methods 0.000 title claims description 60
- 238000004886 process control Methods 0.000 title description 10
- 238000001228 spectrum Methods 0.000 claims description 104
- 238000005259 measurement Methods 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 52
- 230000003595 spectral effect Effects 0.000 claims description 52
- 230000006870 function Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 30
- 238000010801 machine learning Methods 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 description 90
- 230000008569 process Effects 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 9
- 238000005286 illumination Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/706835—Metrology information management or control
- G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
- G03F7/706841—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/68—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment
- H01L21/681—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment using optical controlling means
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Description
この発明の一実施形態では,信号Sをウェーハあたり10~15個のダイといった比較的少数の半導体ウェーハ・ダイ上で測定される信号セットに設定し,予測モデル116をトレーニングして完全なウェーハ・マップといったより多くのダイのパラメータPを予測することによって,サンプリング強化が達成される。処理制御ユニット122によって使用されるパラメータは,たとえば,ウェーハ平均(the wafer mean)またはウェーハ・マップの半径方向の記述における多項式パラメータ(the polynomial parameters in a radial description of the wafer map)などのウェーハ・モデル・パラメータとすることができる。以下の表2は,この発明の実験結果を表すもので,BEOLアプリケーションにおけるCMP厚さパラメータのウェーハ平均の精度(the accuracy of the wafer mean of a CMP thickness parameter in a BEOL application)を示している。上記測定についての正解(ground truth)は,イスラエルのレホヴォトのノバ メジャリング インスツルメント リミテッドから市販されているNOVA600(登録商標)Advanced Optical CD MetrologyツールのRCWAインタープリテーションとし,65個のダイの完全なウェーハ・マップを測定したものとした。表に示すように,13個のダイのスペクトルをMLと一緒に使用して65個のダイの完全なウェーハ・マップの平均を予測したところ,~2.0A-2.6Aの適度なエラーとなり,これは,上記スペクトルを収集するために用いたものと同一ダイ上において算出されたウェーハ平均において得られた誤差として選択されるベンチマーク・エラーと非常に近いものであった。
この発明の一実施態様では,計測スループット(metrology throughput)(TPT)は,多くの測定チャネルを含む計測レシピから開始し,通常の物理モデリングを使用して参照値を取得し,TPTが優れている少数のチャネル(たとえば2つの通常チャネルのみ)であって,そのうちの一つが精度とスループットのバランスが取れたソリューションを「転送」できるものを検索することによって最適化することができる。この効果が図3Aおよび図3Bに示されており,図3Aおよび図3Bは7つのレイヤ(層)にわたる22個の制御要素およびレイヤごとの複数のパラメータの調査を示す,この発明の実験結果を表している。図3Aおよび図3Bにおいて,参照値はCDSEMやTEMといった,物理モデリングまたは外部参照ツールのいずれかで提供されたものである。図3Aおよび図3Bに示すように,精度(図3A)および再現性(図3B)に重大なペナルティをもたらすことなく,多くのチャネルを単一のチャネルに転送(transfer)することができる。これによりTPTを3倍から4倍に増やすことができる。
直接処理制御
この発明の一実施態様では,半導体製造において使用されるアドバンスト・プロセス・コントロール(Advanced Process Control)(APC)システムにおいて使用されるようなツール・ノブ制御ソリューション(tool knob control solutions)が,2つのレベルの変動ソース,すなわち処理ウェーハ内(バッチ)およびウェーハ間変動(バッチ間)に提供される。処理ツール(たとえばCMP時間またはエッチング温度を制御するノブ上のDOE)のレシピ・パラメータの範囲において測定される信号Sのセットを最初に取得することによって処理パラメータを直接制御するためにMLを使用することができる。次に予測モデル116は,ツール・ノブへのOCD信号を学習および較正するようにトレーニングされる。次に,予測モデル116を使用してツール・ノブへのフィードバックとして使用できる有効なノブ設定を予測することができる。
シンプルなMLアルゴリズムには,説明しようとしている基礎となる物理学に関する事前知識が含まれていない。これは,それらの成功がデータの可用性(availability),より具体的には参照データの可用性に基づいていることを意味する。この発明の一実施形態では,予測モデル116をトレーニングするために使用されるトレーニング・データ・セットのサイズは,データの非常に複雑な確率分布を記述する能力を有するML方法のクラスである生成モデルによって(by means of generative models, which are a class of ML methods that have the ability of describing a highly complex probability distribution of data)増加する。単純な物理的アナロジーは統計物理学におけるボルツマン重み(Boltzmann weight)またはユークリッド量子論の経路積分形式(path integral formalism for Euclidean quantum theories)である。いずれの場合も,システムの自由度の振る舞い(たとえば統計物理学におけるスピンや量子電気力学における電子)を表す確率関数が定義される。これらの確率関数は明示的な形式を有しており,包含される物理学の実現を生成するために(to generate realizations of the physics involved)使用することができる。事実として,物理学の多くの分野では,このような形式は,物質の物理的特性を計算するための大規模なマルコフ連鎖モンテカルロ・シミュレーション(large scale Markov chain Monte-Carlo simulations)において使用される。データ・サイエンスの生成モデルは明示的または暗黙的であることがあり,明示的モデルでは確率関数が明示的に記述され(ボルツマン重みと同じ),暗黙的モデルではアルゴリズムが経験的データセットの統計を「学習」し,その後に同じ統計を用いて新しいデータ例を生成することができる。暗黙的方法の例には,変分オートエンコーダ(Variational Auto Encoders)や生成的敵対的ネットワーク(Generative Adversarial Networks)が含まれる。この発明の一実施態様では,これらの方法は,参照データセットを増加および多様化のために使用され,それによってトレーニング・ユニット114の性能が最適化され,基礎となる物理学を予測モデル116に反映する機械学習モデルの様々な特徴間の事前情報および制約の導入が可能になる。
処理堅牢性を解決するために,この発明の一実施態様では,MLアルゴリズムとビッグデータ・システムの組み合わせが採用され,これは以下のようにレシピを作成し,これを監視かつ制御する。
MLを使用して可能な限り自動的に,数百のスペクトル・タイプ(「測定レシピ」)にわたることがあるビッグ・データ・データベース内において,数か月,場合によっては数年にわたってユーザがトレーニング・データをクエリできるようにする。
相互検証とブラインド・テスト方法論を使用して,レシピの品質に関するカスタマー・フィードバックを生成する。
トレーニング・データを用いて,監視防御インデックス(monitor defense indices)を,これらのインデックスの仕様とともに生成する。次に,これらのインデックスをインラインで監視し,たとえばSEMI標準SPCルール(SEMI standard SPC rules)を採用等することでレシピの精度が低下した場合にフラグを立てる。
監視(モニタ)が修復のために計測レシピにフラグを立てると,自動再トレーニング・シーケンスが開始され,新しいレシピがその検証結果とともに自動的に提案される。
図5Bは,この明細書に記載のこの発明の一または複数の実施形態を実装するためのアーキテクチャを示しており,コンピュータ・クラスタが,ウェブサーバレイヤ(たとえばNodeJS(商標))およびビッグデータレイヤ(たとえば,メリーランド州,フォレストヒルのアパッチ・ソフトウエア・ファウンデーション(Apache Software Foundation)から市販されているHadoop(商標)クラスタ)を含む。ビッグデータレイヤは,スケーラブルかつ分散された方法においてデータを保存および処理するために用いられる。ウェブサーバレイヤは,ユーザが制御システムにおける処理ジョブを規定し,制御システムのレポートおよび実行ステータスを表示できるようにする。両レイヤはスケーラビリティ,高可用性および負荷分散を実現するためにマイクロサービス・アプローチ(micro-services approach)を使用して設計される。メッセージ・キューが用いられてサービス間の通信が行われ,密結合(tight coupling)が減らされる。ビッグデータレイヤのパフォーマンスを向上させるために,さまざまなデータ前処理パイプラインが採用される。
ビッグデータ・システムを使用すると,予測モデル116のトレーニングに利用可能なトレーニング・データの量を増やすことができ,予測モデル116をリアルタイムで改善および更新でき,これによりデータ管理のオーバーヘッドによる精度制限がなくなり,長期的な処理の堅牢性が確保される。図6Aおよび図6Bは,FEOLレイヤに適用された予測モデル116の改善された精度性能の2つの例を示している。ここで参照(基準)は,NOVA T600(登録商標)-MMSRで開発された物理モデルとし,予測モデル116には推論のために2つの通常チャネルを使用した。プロットは,~2000ダイにわたるブラインド・テスト結果の1σとして定義される予測モデル116の精度が,モデルのトレーニングに使用されるウェーハ(各ウェーハは~15ダイを持つ)の数にどのように依存するか示している。図6Aに示すように,トレーニング・サイズ(train size)を5ウェーハから200ウェーハに増やすと精度を45%向上させることができる(13A→6A)。このような大きなサンプルで飽和することは一般的ではなく,DOEが存在する場合,現場では数十倍の良好な結果が得られることがよくある(we often see good results on tens on sites provided a DOE is present)。図6Bは別の状況を示すもので,ここでは,予測モデル116の精度が,使用されるデータの量だけではなく,これをトレーニングするために使用されるデータに強く依存していることを示している。具体的には,図6bは,ブラインド・テスト・ウェーハに時間的に最も近い(closest in time)~20枚のウェーハでトレーニングした場合(曲線600で示す),モデルが,ブラインド・テストから最も遠い100枚のウェーハでトレーニングした場合(曲線602で示す)と同じレベルの精度に収束したことを示している。これらの曲線の間にはベンチマーク曲線(曲線604で示す)があり,これは時間の重要性の記憶を「失う」ためのデータのランダムなシャッフル(a random shuffle of the data so as to ‘lose’ memory of the important of time)を記述する。これは,ウェーハのタイプが重要であり,このアプリケーションが,この実施形態のビッグデータ・システムが可能であるMLレシピの動的更新から利益を得るであろうことを示している。
Claims (22)
- スペクトル取得ツールを使用しかつ第1の測定プロトコルにしたがって,第1セットの半導体ウェーハ・ターゲット上のスペクトルのベースライン・セットを収集し,
参照計測ツールを使用しかつ第2の測定プロトコルにしたがって,上記第1セットの半導体ウェーハ・ターゲットの所定パラメータの値を収集し,
スペクトル変動性の一または複数の所定ソースのそれぞれについて,上記スペクトル取得ツールを使用しかつ上記第1の測定プロトコルにしたがって,上記第1セットの半導体ウェーハ・ターゲットに対応する第2セットの半導体ウェーハ・ターゲット上のスペクトルの変動セットを収集し,ここで上記スペクトルの変動セットはスペクトル変動性を具体化するものであり,
トレーニングセット・データを使用して,機械学習を用いて予測モデルをトレーニングし,かつ上記予測モデルに関連する損失関数を最小化し,
ここで上記トレーニングセット・データは,収集されたスペクトルのセットおよびパラメータ値を用いて構成され,かつ一または複数の生成モデルを用いてそのサイズが増やされるものであり,
上記予測モデルは,第3セットの半導体ウェーハ・ターゲットの製造スペクトルを使用して上記所定パラメータのいずれかの値を予測するために使用されるように構成され,上記製造スペクトルは上記スペクトル取得ツールを使用しかつ上記第1の測定プロトコルにしたがって収集され,
上記損失関数は,上記スペクトル変動性の一または複数の所定ソースのそれぞれについて上記スペクトル変動性を表す項を組み込むことによって最小化される,
半導体計測方法。 - 上記生成モデルのいずれかは,トレーニングセット中のデータの確率分布を提供する所定の確率関数を用いて,上記確率関数を使用して新しいデータ例を生成し,これによって上記トレーニングセット・データのサイズを増やすものである,
請求項1に記載の方法。 - 上記確率関数が明示的に記述されている,
請求項2に記載の方法。 - 上記生成モデルのいずれかは,所定のアルゴリズムを用いて上記トレーニングセット中のデータの統計を決定し,同じ統計を持つ新しいデータ例を生成することで上記トレーニングセット・データのサイズを増やすものである,
請求項1に記載の方法。 - 上記生成モデルのいずれかは,変分オートエンコーダである,
請求項4に記載の方法。 - 上記生成モデルのいずれかは,生成的敵対ネットワークを用いるものである,
請求項4に記載の方法。 - 上記半導体ウェーハ・ターゲットの基礎となる物理学を反映する任意の生成モデルの様々な特徴間の任意の情報および制約を,上記予測モデルに導入することをさらに含む,
請求項1に記載の方法。 - 上記所定のパラメータは,上記半導体ウェーハ・ターゲットの構造の物理的および化学的特徴,材料特性,電気的特性,および幾何学的特性のいずれかに関連するものである,
請求項1に記載の方法。 - 上記スペクトル取得ツールは,スペクトル・エリプソメーター(SE),スペクトル反射率計(SR),偏光スペクトル反射率計,および光学限界寸法(OCD)計測ツールのいずれかである,
請求項1に記載の方法。 - 上記ツールのいずれかが,統合計測システムにおいて用いられるように構成されている,
請求項1に記載の方法。 - 上記予測モデルが大量生産(HVM)処理中に用いられる,
請求項1に記載の方法。 - 第1の測定プロトコルにしたがって第1セットの半導体ウェーハ・ターゲット上の散乱スペクトルのベースライン・セットを収集し,
スペクトル変動性の一または複数の所定ソースのそれぞれについて,上記第1の測定プロトコルにしたがって,上記第1セットの半導体ウェーハ・ターゲットに対応する第2セットの半導体ウェーハ・ターゲット上の,上記スペクトル変動性を具体化する散乱測定スペクトルの変動セットを収集するように構成されるスペクトル取得ツールと,
第2の測定プロトコルにしたがって,上記第1セットの半導体ウェーハ・ターゲットの所定パラメータの値を収集するように構成される参照計測ツールと,
トレーニングセット・データを使用して,機械学習を用いて予測モデルをトレーニングし,かつ上記予測モデルに関連する損失関数を最小化するように構成されるトレーニング・ユニットと,を備え,
ここで上記トレーニングセット・データは,収集されたスペクトルのセットおよびパラメータ値を用いて構成され,かつ一または複数の生成モデルを用いてそのサイズが増やされるものであり,
上記予測モデルが第3セットの半導体ウェーハ・ターゲットの製造スペクトルを用いて所定パラメータのいずれかの値を予測するために使用されるように構成され,上記製造スペクトルが上記スペクトル取得ツールを使用して上記第1の測定プロトコルにしたがって収集され,
上記損失関数が,スペクトル変動性の一または複数の所定ソースのそれぞれについて,上記スペクトル変動性を表す項を組み込むことによって最小化される,
半導体計測システム。 - 上記生成モデルのいずれかは,トレーニングセット中のデータの確率分布を提供する所定の確率関数を用いて,上記確率関数を使用して新しいデータ例を生成し,これによって上記トレーニングセット・データのサイズを増やすものである,
請求項12に記載のシステム。 - 上記確率関数が明示的に記述されている,
請求項13に記載のシステム。 - 上記生成モデルのいずれかは,所定のアルゴリズムを用いて上記トレーニングセット中のデータの統計を決定し,同じ統計を持つ新しいデータ例を生成することで上記トレーニングセット・データのサイズを増やすものである,
請求項12に記載のシステム。 - 上記生成モデルのいずれかは,変分オートエンコーダである,
請求項15に記載のシステム。 - 上記生成モデルのいずれかは,生成的敵対ネットワークを用いるものである,
請求項15に記載のシステム。 - 上記半導体ウェーハ・ターゲットの基礎となる物理学を反映する任意の生成モデルの様々な特徴間の任意の情報および制約を,上記予測モデルに導入することをさらに含む,
請求項12に記載のシステム。 - 上記所定のパラメータは,上記半導体ウェーハ・ターゲットの構造の物理的および化学的特徴,材料特性,電気的特性,および幾何学的特性のいずれかに関連するものである,
請求項12に記載のシステム。 - 上記スペクトル取得ツールは,スペクトル・エリプソメーター(SE),スペクトル反射率計(SR),偏光スペクトル反射率計,および光学限界寸法(OCD)計測ツールのいずれかである,
請求項12に記載のシステム。 - 上記ツールのいずれかが,統合計測システムにおいて用いられるように構成されている,
請求項12に記載のシステム。 - 上記予測モデルが大量生産(HVM)処理中に用いられる,
請求項12に記載のシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023009145A JP2023055776A (ja) | 2018-06-14 | 2023-01-25 | 半導体製造計測および処理制御 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862684817P | 2018-06-14 | 2018-06-14 | |
US62/684,817 | 2018-06-14 | ||
PCT/IB2019/054994 WO2019239380A1 (en) | 2018-06-14 | 2019-06-14 | Metrology and process control for semiconductor manufacturing |
JP2020569886A JP6974635B2 (ja) | 2018-06-14 | 2019-06-14 | 半導体製造計測および処理制御 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020569886A Division JP6974635B2 (ja) | 2018-06-14 | 2019-06-14 | 半導体製造計測および処理制御 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023009145A Division JP2023055776A (ja) | 2018-06-14 | 2023-01-25 | 半導体製造計測および処理制御 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022020745A JP2022020745A (ja) | 2022-02-01 |
JP7218412B2 true JP7218412B2 (ja) | 2023-02-06 |
Family
ID=68843046
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020569886A Active JP6974635B2 (ja) | 2018-06-14 | 2019-06-14 | 半導体製造計測および処理制御 |
JP2021179992A Active JP7218412B2 (ja) | 2018-06-14 | 2021-11-04 | 半導体製造計測および処理制御 |
JP2023009145A Pending JP2023055776A (ja) | 2018-06-14 | 2023-01-25 | 半導体製造計測および処理制御 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020569886A Active JP6974635B2 (ja) | 2018-06-14 | 2019-06-14 | 半導体製造計測および処理制御 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023009145A Pending JP2023055776A (ja) | 2018-06-14 | 2023-01-25 | 半導体製造計測および処理制御 |
Country Status (7)
Country | Link |
---|---|
US (3) | US11093840B2 (ja) |
JP (3) | JP6974635B2 (ja) |
KR (3) | KR20230144122A (ja) |
CN (2) | CN114997408A (ja) |
IL (1) | IL279273B (ja) |
TW (3) | TWI714388B (ja) |
WO (1) | WO2019239380A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11940488B2 (en) | 2017-01-05 | 2024-03-26 | Xcalipr Corporation | Systems and methods for high precision optical characterization of carrier transport properties in semiconductor manufacturing |
JP2022552845A (ja) * | 2019-10-23 | 2022-12-20 | ラム リサーチ コーポレーション | 半導体を製造するためのレシピの決定 |
KR20220123301A (ko) * | 2020-01-06 | 2022-09-06 | 노바 엘티디. | 물리적 모델링과 머신 학습 결합 |
US11256967B2 (en) * | 2020-01-27 | 2022-02-22 | Kla Corporation | Characterization system and method with guided defect discovery |
US11209737B1 (en) * | 2020-06-30 | 2021-12-28 | Kla Corporation | Performance optimized scanning sequence for eBeam metrology and inspection |
IL308126A (en) * | 2021-05-06 | 2023-12-01 | Asml Netherlands Bv | A method for determining a stochastic index related to a lithographic process |
KR102504761B1 (ko) * | 2022-01-25 | 2023-02-28 | (주)오로스 테크놀로지 | 박막 특성 측정 방법 |
TW202405371A (zh) * | 2022-04-07 | 2024-02-01 | 以色列商諾威股份有限公司 | 用於光學臨界尺寸量測的方法、用於光學臨界尺寸量測的系統以及非暫時性機器可存取儲存媒體 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171911A (ja) | 2007-01-10 | 2008-07-24 | Tokyo Electron Ltd | ラフネス評価方法及びシステム |
JP2015045520A (ja) | 2013-08-27 | 2015-03-12 | 芝浦メカトロニクス株式会社 | エッチング量測定用パターン、エッチング量測定装置、およびエッチング量測定方法 |
JP2017026638A (ja) | 2012-02-21 | 2017-02-02 | エーエスエムエル ネザーランズ ビー.ブイ. | 検査装置及び方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100708423B1 (ko) * | 1999-09-08 | 2007-04-18 | 어드밴스드 마이크로 디바이시즈, 인코포레이티드 | 발광 스펙트럼의 주성분 분석을 이용하여 식각 종료점을 결정하는 방법 및 이를 포함하는 웨이퍼 식각 방법 |
IL140179A (en) * | 2000-12-07 | 2004-09-27 | Nova Measuring Instr Ltd | Method and system for measuring in patterned structures |
US20040267397A1 (en) * | 2003-06-27 | 2004-12-30 | Srinivas Doddi | Optical metrology of structures formed on semiconductor wafer using machine learning systems |
WO2008020899A2 (en) * | 2006-04-17 | 2008-02-21 | Cdm Optics, Inc. | Arrayed imaging systems and associated methods |
US8520186B2 (en) * | 2009-08-25 | 2013-08-27 | Cymer, Llc | Active spectral control of optical source |
US9052709B2 (en) * | 2010-07-30 | 2015-06-09 | Kla-Tencor Corporation | Method and system for providing process tool correctables |
US9127927B2 (en) * | 2011-12-16 | 2015-09-08 | Kla-Tencor Corporation | Techniques for optimized scatterometry |
US8843875B2 (en) * | 2012-05-08 | 2014-09-23 | Kla-Tencor Corporation | Measurement model optimization based on parameter variations across a wafer |
US9875946B2 (en) * | 2013-04-19 | 2018-01-23 | Kla-Tencor Corporation | On-device metrology |
US10935893B2 (en) * | 2013-08-11 | 2021-03-02 | Kla-Tencor Corporation | Differential methods and apparatus for metrology of semiconductor targets |
US10152654B2 (en) * | 2014-02-20 | 2018-12-11 | Kla-Tencor Corporation | Signal response metrology for image based overlay measurements |
US10352876B2 (en) * | 2014-05-09 | 2019-07-16 | KLA—Tencor Corporation | Signal response metrology for scatterometry based overlay measurements |
US10151986B2 (en) * | 2014-07-07 | 2018-12-11 | Kla-Tencor Corporation | Signal response metrology based on measurements of proxy structures |
KR102269514B1 (ko) * | 2014-11-25 | 2021-06-25 | 케이엘에이 코포레이션 | 랜드스케이프의 분석 및 활용 |
US9903711B2 (en) * | 2015-04-06 | 2018-02-27 | KLA—Tencor Corporation | Feed forward of metrology data in a metrology system |
KR102377411B1 (ko) * | 2015-04-10 | 2022-03-21 | 에이에스엠엘 네델란즈 비.브이. | 검사와 계측을 위한 방법 및 장치 |
CN107533299B (zh) * | 2015-04-10 | 2021-04-02 | Asml荷兰有限公司 | 用于检测及量测的方法与装置 |
WO2016177548A1 (en) * | 2015-05-07 | 2016-11-10 | Asml Netherlands B.V. | Metrology method and apparatus, computer program and lithographic system |
US9995689B2 (en) * | 2015-05-22 | 2018-06-12 | Nanometrics Incorporated | Optical metrology using differential fitting |
US10395356B2 (en) * | 2016-05-25 | 2019-08-27 | Kla-Tencor Corp. | Generating simulated images from input images for semiconductor applications |
US10346740B2 (en) * | 2016-06-01 | 2019-07-09 | Kla-Tencor Corp. | Systems and methods incorporating a neural network and a forward physical model for semiconductor applications |
CN109313393A (zh) * | 2016-06-09 | 2019-02-05 | Asml荷兰有限公司 | 计量设备 |
-
2019
- 2019-06-14 WO PCT/IB2019/054994 patent/WO2019239380A1/en active Application Filing
- 2019-06-14 KR KR1020237033736A patent/KR20230144122A/ko not_active Application Discontinuation
- 2019-06-14 CN CN202210283417.8A patent/CN114997408A/zh active Pending
- 2019-06-14 KR KR1020227000367A patent/KR102586405B1/ko active IP Right Grant
- 2019-06-14 KR KR1020207035875A patent/KR102349299B1/ko active IP Right Grant
- 2019-06-14 US US16/973,092 patent/US11093840B2/en active Active
- 2019-06-14 JP JP2020569886A patent/JP6974635B2/ja active Active
- 2019-06-14 CN CN201980007561.5A patent/CN111566566B/zh active Active
- 2019-12-10 TW TW108145140A patent/TWI714388B/zh active
- 2019-12-10 TW TW111108304A patent/TWI830165B/zh active
- 2019-12-10 TW TW109140642A patent/TWI760929B/zh active
-
2020
- 2020-12-07 IL IL279273A patent/IL279273B/en unknown
-
2021
- 2021-08-12 US US17/400,157 patent/US11763181B2/en active Active
- 2021-11-04 JP JP2021179992A patent/JP7218412B2/ja active Active
-
2023
- 2023-01-25 JP JP2023009145A patent/JP2023055776A/ja active Pending
- 2023-09-18 US US18/369,221 patent/US20240078450A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171911A (ja) | 2007-01-10 | 2008-07-24 | Tokyo Electron Ltd | ラフネス評価方法及びシステム |
JP2017026638A (ja) | 2012-02-21 | 2017-02-02 | エーエスエムエル ネザーランズ ビー.ブイ. | 検査装置及び方法 |
JP2015045520A (ja) | 2013-08-27 | 2015-03-12 | 芝浦メカトロニクス株式会社 | エッチング量測定用パターン、エッチング量測定装置、およびエッチング量測定方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20220008384A (ko) | 2022-01-20 |
CN111566566B (zh) | 2022-04-08 |
CN114997408A (zh) | 2022-09-02 |
JP2021521654A (ja) | 2021-08-26 |
JP2022020745A (ja) | 2022-02-01 |
TW202244486A (zh) | 2022-11-16 |
KR102586405B1 (ko) | 2023-10-10 |
TWI830165B (zh) | 2024-01-21 |
TWI714388B (zh) | 2020-12-21 |
CN111566566A (zh) | 2020-08-21 |
US11093840B2 (en) | 2021-08-17 |
US20220036218A1 (en) | 2022-02-03 |
US20240078450A1 (en) | 2024-03-07 |
TW202045911A (zh) | 2020-12-16 |
US11763181B2 (en) | 2023-09-19 |
IL279273B (en) | 2022-02-01 |
JP6974635B2 (ja) | 2021-12-01 |
WO2019239380A1 (en) | 2019-12-19 |
US20210150387A1 (en) | 2021-05-20 |
KR20210033945A (ko) | 2021-03-29 |
IL279273A (en) | 2021-01-31 |
KR20230144122A (ko) | 2023-10-13 |
JP2023055776A (ja) | 2023-04-18 |
TW202127009A (zh) | 2021-07-16 |
TWI760929B (zh) | 2022-04-11 |
KR102349299B1 (ko) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7218412B2 (ja) | 半導体製造計測および処理制御 | |
TWI794451B (zh) | 結合整合式半導體處理模組的自我察知及修正異質平台及其使用方法 | |
KR102648517B1 (ko) | 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법 | |
KR102376824B1 (ko) | 제조 공정들을 학습하고 제조 공정들을 최적화하기 위한 시스템 및 방법 | |
TWI672599B (zh) | 探索裝置及探索方法 | |
JP2009075110A (ja) | プロセスパラメータを分散に関連づける分散関数を用いた構造のプロファイルパラメータの決定 | |
JP2023523156A (ja) | スペクトルに基づく測定およびプロセス制御のための機械学習および深層学習の方法 | |
Kim et al. | Computational metrology: enabling full-lot high-density fingerprint information without adding wafer metrology budget, and driving improved monitoring and process control | |
Yang et al. | Application of machine learning-based metrology for writer main pole CD measurement by CDSEM | |
TWI838361B (zh) | 結合整合式半導體處理模組的自我察知及修正異質平台及其使用方法 | |
US20230054159A1 (en) | Method and device for predicting defects | |
TW202341307A (zh) | 用於腔室條件監測的預測模型 | |
TW202414132A (zh) | 用於防止機器學習模型性能的波動的方法和機制 | |
TW202340885A (zh) | 用於在評估系統與製造系統之間進行介接的通訊節點 | |
CN118020083A (en) | Estimating defect risk using defect models and optimizing process recipe |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211202 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211202 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7218412 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |