KR102619601B1 - 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법 - Google Patents

정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법 Download PDF

Info

Publication number
KR102619601B1
KR102619601B1 KR1020230034973A KR20230034973A KR102619601B1 KR 102619601 B1 KR102619601 B1 KR 102619601B1 KR 1020230034973 A KR1020230034973 A KR 1020230034973A KR 20230034973 A KR20230034973 A KR 20230034973A KR 102619601 B1 KR102619601 B1 KR 102619601B1
Authority
KR
South Korea
Prior art keywords
model
spectrum
noise
uncertainty
unit
Prior art date
Application number
KR1020230034973A
Other languages
English (en)
Inventor
강태동
조인희
정세연
신문일
Original Assignee
(주)오로스 테크놀로지
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)오로스 테크놀로지 filed Critical (주)오로스 테크놀로지
Priority to KR1020230034973A priority Critical patent/KR102619601B1/ko
Application granted granted Critical
Publication of KR102619601B1 publication Critical patent/KR102619601B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/127—Calibration; base line adjustment; drift compensation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

분석 장치가 제공된다. 상기 분석 장치는 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부; 상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델을 생성하는 보정부;를 포함할 수 있다.

Description

정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법{Apparatus, system and method for analyzing thin films with improved precision}
본 발명은 반도체의 박막 특성을 계측, 분석하기 위한 장치, 시스템 및 방법에 관한 것이다.
반도체 제조 공정에서 두께나 OCD(Optical Critical Dimension)를 광학적으로 계측하고자 할 때, 측정 스펙트럼과 이론적으로 계산된 스펙트럼을 비교하여, 회귀 분석을 수행하는 방법이 사용될 수 있다.
그러나, 측정 스펙트럼에는 자체적인 노이즈가 존재하고 있고, 회귀분석 모델도 해당 노이즈에 의한 영향을 받게 된다.
한국공개특허공보 제2018-0082619호에는 야코비안 행렬을 사용하여 정밀도를 개선하는 기술이 개시되고 있다.
한국공개특허공보 제2018-0082619호
본 발명은 계측 장비에서 생기는 불확정 잡음들의 효과를 고려하여 개선된 회귀 분석 모델을 만들며, 스펙트럼 상의 잡음들을 낮추어, 박막 계측의 정밀도를 향상시킬 수 있는 분석 장치, 시스템 및 방법을 제공하기 위한 것이다.
본 발명의 분석 장치는 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부; 상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델을 생성하는 보정부;를 포함할 수 있다.
본 발명의 분석 시스템은 하나 이상의 반도체 특성을 계측하고 계측된 특성을 나타내는 스펙트럼을 출력하는 계측 장치; 상기 스펙트럼을 전달받아 노이즈를 감쇠시키거나 상기 반도체의 물리 모델을 보정하는 분석 장치;를 포함할 수 있다.
본 발명의 분석 방법은 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼 단계; 상기 스펙트럼과 관련된 계측 파라미터의 불확정도를 평가하는 평가 단계; 상기 스펙트럼과 관련된 노이즈를 감쇠시키는 감쇠 단계; 상기 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델을 생성하는 보정 단계;를 포함할 수 있다.
본 발명의 분석 장치는 파라미터를 결정할 때, 노이즈에 의한 영향을 줄임으로써 계측값의 정밀도를 높일 수 있다.
이에 따라, 스펙트럼 계측을 이용하여 반도체 박막 두께나 OCD 파라미터를 얻고자 하는 경우, 파라미터의 분석의 불확정도가 감소되어, 계측의 정밀도가 개선될 수 있다.
본 발명에 따르면, 스펙트럼 분석시에, 노이즈를 줄이거나 노이즈에 의한 영향을 감소시키도록 개선된 회귀분석 모델을 활용하여, 파라미터들의 정밀도가 개선될 수 있다.
본 발명에 따르면, 계측 장비에서 측정한 스펙트럼에 대하여 기계 학습 등을 활용한 노이즈 감소와 동시에 물리적 모델에서 예상하는 파라미터 데이터 값들의 불확정도가 평가될 수 있다. 이로부터 최적화 알고리즘 파라미터가 보완되고, 계측 정밀도가 개선될 수 있다.
도 1은 본 발명의 분석 시스템을 나타낸 개략도이다.
도 2는 평가부의 동작을 나타낸 흐름도이다.
도 3은 감쇠부의 동작을 나타낸 흐름도이다.
도 4는 스펙트럼을 나타낸 개략도이다.
도 5는 본 발명의 분석 방법을 나타낸 흐름도이다.
도 6은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 본 발명의 분석 시스템(300)을 나타낸 개략도이다.
도 1에 도시된 분석 시스템(300)은 계측 장치(100) 및 분석 장치(200)를 포함할 수 있다.
계측 장치(100)는 박막의 두께 등과 같은 각종 특성을 계측할 수 있다. 일 예로, 계측 장치(100)는 하나 이상의 반도체 특성을 계측하고 계측된 특성을 나타내는 스펙트럼(계측 스펙트럼)을 출력할 수 있다.
계측 장치(100)는 측정 프로세스를 수행할 수 있다.
측정 프로세스는 특정한 계측 시스템과의 측정 타겟의 상호 작용의 모델에 기초하여 측정된 광학 신호를 예측하려고 시도하는 계측 모델을 공식화하는 것으로 구성될 수 있다.
계측 모델은 측정 타겟의 물리적 속성(예를 들면, 막 두께, 임계 치수, 굴절률, 격자 피치 등)의 관점에서 구조체의 파라미터화를 포함할 수 있다.
또한, 계측 모델은 측정 툴 그 자체의 파라미터화(예를 들면, 파장, 입사각, 편광 각도, 등등)를 포함할 수 있다. 예를 들면, 계측 장치 파라미터는 계측 툴 그 자체를 특성 묘사하기 위해 사용되는 파라미터일 수 있다. 예시적인 계측 장치 파라미터는 입사각(angle of incidence; AOI), 분석기 각도(analyzer angle; A0), 편광기 각도(P0), 조명 파장, 개구수(numerical aperture; NA) 등을 포함할 수 있다.
시료 파라미터는 시료의 기하학적 속성 및 재료적 속성을 특성 묘사하기 위해 사용되는 파라미터일 수 있다. 박막 시료의 경우, 예시적인 시료 파라미터는 굴절률, 유전 함수 텐서(dielectric function tensor), 모든 층의 공칭 층 두께, 층 시퀀스 등을 포함할 수 있다.
분석 장치(200)는 계측 장치(100)로부터 계측 스펙트럼을 전달받아 노이즈를 감쇠시키거나 물리 모델을 보정할 수 있다.
분석 장치(200)는 스펙트럼부(210), 평가부(230), 감쇠부(250), 보정부(270)를 포함할 수 있다.
스펙트럼부(210)는 나노스케일 구조체의 임계 치수(critical dimension), 막 두께, 조성 등의 특성 중 적어도 하나를 묘사한(나타내는) 스펙트럼을 획득할 수 있다. 일 예로, 반도체 또는 박막 구조물을 향해 빛을 방사하고, 방사된 빛을 이용하여 스펙트럼을 생성하는 광학 장비가 마련될 수 있다. 광학 장비는 빛의 편광특성을 이용하여 박막의 두께 및 굴절률과 같은 광학적 특성을 측정할 수 있다. 예를 들어 광학 장비는 반도체 웨이퍼에 대해 스펙트럼 범위에 걸쳐 반도체 웨이퍼 상의 측정 지점에 일정량의 조명을 제공하는 광원과, 제공된 조명에 응답하여 측정 지점으로부터 일정량의 광을 수집하고 측정 지점에서 반도체 웨이퍼의 스펙트럼 응답을 나타내는 분광계를 포함할 수 있다.
이때, 스펙트럼부(210)에는 광학 장비와 유무선 통신하는 통신 모듈이 마련될 수 있다. 이 경우, 스펙트럼부(210)는 광학 장비로부터 스펙트럼을 수신할 수 있다.
다른 예로, 스펙트럼부(210)는 광학 장비 자체를 포함할 수 있다. 이 경우, 스펙트럼부(210)는 광학적 스펙트럼을 직접 획득할 수 있다.
광학 장비는 SE(Spectroscopic Ellipsometer, 분광 타원광학계), SR(Spectroscopic Reflectometer, 분광 반사계) 등과 같이 수 나노~수십 밀리미터의 두께를 측정할 수 있다.
스펙트럼부(210)를 통해 획득된 스펙트럼에는 일부 오류가 포함될 수 있다.
일 예로, 측정 장비 자체적인 노이즈가 스펙트럼에 포함될 수 있다. 또는, 측정 장비 주변의 전자파, 자기장 등과 같은 각종 환경 요인에 의한 노이즈가 스펙트럼에 포함될 수 있다. 이와 같이, 각종 노이즈가 스펙트럼에 포함된다면, 스펙트럼을 기초로 박막의 두께를 측정하는 회귀 분석 모델 등의 후처리 수단에도 노이즈의 영향이 미칠 수 있다. 결과적으로, 스펙트럼에 포함된 각종 노이즈로 인해 후처리 수단으로부터 출력된 결과값에도 일부 오류가 포함될 수 있다.
스펙트럼 및 후처리 수단의 정밀도, 정확도를 개선하기 위해, 스펙트럼에 포함되는 노이즈를 감소시키는 방안이 마련되는 것이 좋다.
보정부(270)에는 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련될 수 있다. 해당 모델은 평가부(230) 또는 감쇠부(250)로부터 입수될 수 있다.
측정 장비 자체적인 노이즈는 제어 가능한 인자에 해당하는 계측 파라미터의 불확실에 기초할 수 있다. 예를 들어, 측정 장비의 초기 세팅 과정 또는 튜닝 과정에서 측정 장비의 각종 파라미터가 세팅될 수 있다. 분광 타원광학계를 예로 들면, 예시적인 파라미터는 입사각(angle of incidence; AOI), 분석기 각도(analyzer angle; A0), 편광기 각도(P0), 조명 파장, 개구수(numerical aperture; NA) 등을 포함할 수 있다. 이때, 특정 파라미터의 안정성에 따라 측정 장비로부터 출력되는 스펙트럼의 불확정도가 달라질 수 있다.
'불확정도'는 파라미터 설정값이 적용된 상태에서, 매번 출력되는 출력값이 고정되지 못하고 얼마만큼 또는 얼마의 빈도만큼 다르게 출력되는지를 나타낼 수 있다. 이와 같은 불확정도는 파라미터 설정값에 따라 달라질 수 있다. 특정 값이 입력되었을 때 어떤 값이 고정적으로 출력될 것이라는 기대와 관련된 불확정도는 낮을수록 좋다. 왜냐하면, 불확정도가 낮다는 것은 제1 값이 입력되었을 때 제2 값이 항상 고정적으로 출력된다는 것의 의미하기 때문이다. 반대로 살펴보면, 불확정도가 높다는 것은 제1 값이 입력되었을 때, 제2 값이 아닌 다른 값이 출력될 확률이 높다는 것을 의미할 수 있다. 따라서, 불확정도가 낮다는 것은 정밀도가 높아진다는 것과 상통하는 의미이다.
평가부(230)는 스펙트럼을 출력하는 측정 장비의 제어 가능 인자에 해당하는 파라미터의 불확정도를 평가할 수 있다. 제어 가능 인자는 측정 장비의 초기 세팅 파라미터를 포함하거나, 초기 세팅 파라미터와 관련될 수 있다. 평가부(230)는 파라미터를 변경하면서 불확정도를 평가하고, 불확정도가 제1 설정값 이하면 불확정도가 낮은 것으로 평가할 수 있다. 불확정도가 낮은 것으로 평가된 파라미터의 설정값이 계측 장비에 적용되거나 계측 장비의 물리 모델에 적용될 수 있다. 불확정도의 제1 설정 값은, 두께 값을 예로 들 경우 표준편차(standard deviation) 값으로 표현되는 정밀도 라고 할 수 있다. 다시 말해서, 반복 계측 시에 얻을 수 있는 두께 값이, 이 표준편차의 가우스 분포 함수 (Gaussian distribution function) 형태의 확률 분포로 얻어질 수 있도록 설정하는 것을 의미할 수 있다.
여기서, m 은 파라미터 인덱스, 는 파라미터의 표준편차, t 는 분석을 통해 얻고자 하는 두께 값 등의 파라미터의 값이다.
한편, 계측 장비의 내외부적으로 제어가 불가능한 인자가 존재할 수 있으며, 해당 인자로 인해 스펙트럼에 노이즈가 포함될 수 있다. 예를 들어, 제어 불가능 인자에는, 측정 타겟의 물리적 속성(예를 들면, 막 두께, 임계 치수, 굴절률, 격자 피치 등)에 따른 것이 포함될 수 있다. 또한, 박막 시료의 경우, 예시적인 제어 불가능 인자는, 굴절률, 유전 함수 텐서(dielectric function tensor), 모든 층의 공칭 층 두께 및 층 시퀀스 중 어느 하나 이상과 관련될 수 있다. 다시 말해, 제어 불가능 인자는 모든 층의 공칭 층 두께 및 층 시퀀스 등을 포함할 수 있다.
감쇠부(250)는 측정 장비의 제어 불가능 인자에 기초한 스펙트럼의 노이즈를 감쇠시킬 수 있다. 노이즈는 불규칙적인 요소를 포함할 수 있으며, 물리 모델을 이용하여 노이즈를 감쇠시키는 것은 현실적으로 어려울 수 있다. 현실적으로 노이즈를 감쇠시킬 수 있도록 인공 지능 모델이나 평활(smoothing) 등의 수학적 처리가 이용될 수 있다.
보정부(270)는 평가부(230)의 평가 결과와 감쇠부(250)의 감쇠 결과에 기초하여 모델을 생성할 수 있다. 보정부(270)에서 생성된 모델은 파라미터의 불확정도를 보정하거나 노이즈를 보정할 수 있다.
예를 들어, 보정부(270)는 제1 모델과 제2 모델을 생성할 수 있다.
제1 모델은 정밀도가 제1 설정값을 만족하는 측정 장비의 물리 모델을 포함할 수 있다.
보정부(270)는 제1 모델에 적용된 파라미터를 출력하거나, 제1 모델에 의해 생성된 스펙트럼을 출력하거나, 제1 모델 자체를 출력할 수 있다.
제2 모델은 노이즈를 감쇠시켜서 얻어서 분석한, 파라미터 값의 표준편차가 제2 설정값 이하로 될 수 있을 만큼 감쇠시키는 기계 학습 모델이나 수학적 처리 방법을 포함할 수 있다. 여기서, 제2 설정값은 감쇠부에서 정밀도 테스트에서 목표하는 정밀도 기준이며, 계측하고자 하는 파라미터의 표준편차의 값으로 주어질 수 있다.
보정부(270)는 제2 모델에 의해 노이즈가 감쇠된 스펙트럼을 출력하거나, 제2 모델 자체를 출력할 수 있다. 스펙트럼을 출력하는 측정 장비 또는 물리 모델이 마련될 때, 제2 모델은 측정 장비 또는 물리 모델로부터 출력되는 스펙트럼의 노이즈를 제2 모델에 의하여 감쇠시킬 수 있다.
도 2는 평가부(230)의 동작을 나타낸 흐름도이다.
평가부(230)는 DOE(Design Of Experiments) 웨이퍼의 하나 이상의 스펙트럼(들)과 그들의 타겟 파라미터의 레퍼런스(DOE 레퍼런스) 값에 매칭되는 물리 모델을 추출할 수 있다(S 31)(S 32).
DOE(Design Of Experiments) 웨이퍼는 계측 솔루션을 만들기 위해, 측정을 원하는 타겟 파라미터에 대해서 정상 공정 상에서 발생할 수 있는 그 파라미터의 최소값과 최대값이 나타나도록 실험적으로 계획하여 제작한 웨이퍼(들)를 의미할 수 있다. 이들 웨이퍼에서 참조장비(예를 들어, 투과전자현미경(Transmission Electron Microscope, TEM) 등으로 계측하여 얻은 타겟 파라미터 값을 DOE 레퍼런스 파라미터라고 한다. 이 웨이퍼(들)에서 계측한 스펙트럼을 물리적 모델로 분석하여 얻은 파라미터값들과 참조 파라미터값들이 최대한 일치하도록 모델을 최적화할 수 있다.
평가부(230)는 추출된 물리 모델의 불확정도를 분석할 수 있다(S 33). 불확정도를 분석할 때, 선택적으로 측정 스펙트럼의 노이즈 정보가 사용될 수 있으며, 이에 따라 스펙트럼의 노이즈를 최적화하는 감쇠부가 평가부에서 최적화되는 제1 모델의 최적화에 기여할 수 있다.
평가부(230)는 분석된 불확정도가 목표한 제1 설정값(목표한 불확정도)을 만족하는 물리 모델에 해당되는 제1 모델을 추출할 수 있다(S 34).
평가부(230)는 보정부(270)에 제1 모델을 제공하거나(S 35), 제1 모델을 이용하여 파라미터의 불확정도를 평가할 수 있다(S 33)
평가부(230)는 불확정도가 제1 설정값을 불만족할 경우, 물리 모델의 회귀 함수를 조절할 수 있다(S 36). 예를 들어, 평가부(230)는 불확정도가 제1 설정값을 불만족할 경우, 회귀분석 함수에서 스펙트럼의 종류, 파장범위, 스펙트럼 또는 파라미터 가중치, 회귀분석으로 구하고자 하는 파라미터들 중 어느 하나 이상을 선택하여 조절할 수 있다. 제1 설정값은 박막 두께 값의 표준편차(standard deviation) 값으로 표현되는 정밀도를 포함하거나, 해당 정밀도와 관련될 수 있다.
평가부(230)는 불만족 물리 모델이 DOE 레퍼런스에 매칭되면 불확정도를 재분석할 수 있다.
도 3은 감쇠부(250)의 동작을 나타낸 흐름도이다.
감쇠부(250)는 DOE 웨이퍼들로부터 획득되고 노이즈가 포함된 측정 스펙트럼을 문제로 하고, 평가부에서 최적화된 제1 모델에 DOE 웨이퍼의 레퍼런스 값을 입력하여 계산된 스펙트럼을 정답으로 하는 데이터세트를 이용하여 기계 학습 모델을 훈련(학습)시킬 수 있다(S 51)(S 52)(S 53)(S 54). 이러한 기계 학습 과정에서는 측정 장비로부터 출력된 스펙트럼(노이즈 포함)이 입력되면 노이즈가 감쇠된 스펙트럼을 출력하고, 노이즈가 감쇠된 스펙트럼을 제1 모델을 통해 테스트를 하여 그 결과로서 목표 정밀도를 만족하는 기계 학습 모델이 마련될 수 있다. 해당 기계 학습 모델에 의한 정밀도의 성능은 기계 학습량에 따라 개선될 수 있다. 이 기계 학습 모델을 활용하여, 스펙트럼 상의 이상유무를 판단하는 기능을 얻을 수 있다.
감쇠부(250)에서 기계학습 모델을 최적화하는 과정에서, 기설정 조건에서 반복 측정된 정밀도 테스트 스펙트럼(precision spectrum) 세트를 이용하여 노이즈의 감쇠량에 의해서, 파라미터의 제2 설정값을 만족하는지 테스트할 수 있다(S 53). 이때, 물리적 모델과의 데이터 연관성을 높이기 위해서, 평가부(230)에서 최적화한 모델로부터 계산된 스펙트럼을 활용할 수도 있다.
다시 말해, 감쇠부(250)는 기설정 스펙트럼을 이용하여 노이즈의 감쇠량이 제2 설정값을 만족하는지 테스트할 수 있다. 이때, 기설정 스펙트럼은 감쇠부(250)에서 기계 학습 모델을 최적화하는 과정에서 기설정 조건에서 반복 측정된 정밀도 테스트 스펙트럼 세트를 포함할 수 있다.
감쇠부(250)는 제2 설정값을 만족하는 기계 학습 모델에 해당되는 제2 모델을 보정부(270)에 제공하거나, 제2 모델을 이용하여 노이즈를 감쇠된 스펙트럼을 제공할 수 있다(S 54)(S 55).
보정부(270)는 제1 모델, 제2 모델 중 적어도 하나를 후처리 수단에 제공하거나, 제1 모델의 출력값, 제2 모델의 출력값 중 적어도 하나를 후처리 수단인 획득부에 제공할 수 있다.
도 4는 스펙트럼을 나타낸 개략도이다.
보정부(270)는 도 4와 같이, 불확정도가 보정된 제1 모델의 설정 파라미터를 디스플레이를 통해 표시하거나, 제1 모델을 측정 장비에 제공할 수 있다. 사용자는 디스플레이에 표시된 값에 따라 측정 장비의 제1 모델 파라미터를 조절할 수 있다. 또는, 측정 장비는 보정부(270)로부터 제공된 제1 모델 파라미터 값을 자동으로 적용할 수 있다.
또한, 보정부(270)는 도 4와 같이, 측정 스펙트럼에 포함된 노이즈 n을 감쇠하고, 이를 통해 측정 스펙트럼은 최적의 정밀도를 얻을 수 있도록 하는 기계학습 모델에 의해 최적화된 스펙트럼 a가 될 수 있다.
다시 도 1로 돌아가서, 후처리 수단은 보정부를 통해 제1 모델을 획득받고, 측정 스펙트럼 b가 아니라 정밀도를 위해 최적화된 스펙트럼 a를 획득하고, 이를 이용하여 각종 후처리를 수행할 수 있다. 본래의 스펙트럼 a를 기초로 후처리가 수행되므로, 후처리 수단의 후처리 결과는 이상적인 값에 근접할 수 있다.
일 예로, 후처리 수단은 박막 두께를 계측하는 계측 장치(100)를 포함할 수 있다.
계측 장치(100)는 박막이 형성된 반도체를 측정한 스펙트럼을 획득하여 분석할 수 있다. 현실의 측정 장비로부터 획득된 스펙트럼에는 앞에서 설명된 파라미터의 불확정도에 따른 오류, 각종 환경에 기인한 노이즈가 포함될 수 있다.
본 발명에 따르면, 계측 장치(100)는 보정부(270)로부터 불확정도가 개선된 제1 모델 및 스펙트럼 노이즈가 개선된 제2 모델을 제공받아서, 측정된 스펙트럼의 분석을 수행할 수 있다.
예를 들어, 계측 장치(100)는 제1 모델로부터 불확정도가 개선된 물리 모델을 제공받으며, 제2 모델로부터 보정 처리가 완료된 스펙트럼을 제공받을 수 있다.
분석 시스템(300)에 마련된 보정부(270)는 계측 장치(100)를 통해 획득된 스펙트럼으로부터 스펙트럼의 노이즈를 제거하며, 스펙트럼의 이상 여부를 판단하여, 박막 구조물에서 이상 두께 등의 가능성을 가늠하거나 이상 층의 위치를 예측할 수 있다.
계측 장치(100)는 스펙트럼 분석을 통해 박막 구조물을 형성하는 복수의 박막 각각의 두께를 계측할 수 있다. 이때, 박막의 두께는 1Å 내지 500μm 범위 이내일 수 있다.
불확정도를 갖는 파라미터에 기인한 오류 및 노이즈가 포함된 실제의 측정 스펙트럼을 이용할 경우, 보정부(270)를 거치지 않으면 계측 장치(100)의 계측 결과에도 해당 오류 및 노이즈가 예측 결과 및 계측 결과의 정밀도에 그대로 영향을 주게 된다. 하지만, 본 발명에 따르면, 계측 장치(100)를 통해 들어온 스펙트럼은, 보정부(270)를 통해 오류 및 노이즈가 배제된 스펙트럼이 계측 장치(100)에 입력되므로, 계측 결과에 대한 정확도 및 신뢰도가 보장될 수 있다.
도 5는 본 발명의 분석 방법을 나타낸 흐름도이다.
도 5의 분석 방법은 도 1에 도시된 분석 시스템(300) 또는 분석 장치(200)에 의해 수행될 수 있다.
분석 방법은 스펙트럼 단계(S 510), 평가 단계(S 520), 감쇠 단계(S 530), 보정 단계(S 540)를 포함할 수 있다.
스펙트럼 단계(S 510)는 반도체의 박막 두께를 측정한 스펙트럼을 획득할 수 있다. 스펙트럼 단계(S 510)는 스펙트럼부(210)에 의해 수행될 수 있다.
평가 단계(S 520)는 스펙트럼과 관련된 계측 파라미터의 불확정도를 평가할 수 있다. 평가 단계(S 520)는 평가부(230)에 의해 수행될 수 있다. 불확정도를 평가할 때, 선택적으로 측정 스펙트럼의 노이즈 정보가 사용될 수 있으며, 이에 따라 스펙트럼의 노이즈를 최적화하는 감쇠 단계(S 530)가 평가 단계(S 520)에서 수행되는 제1 모델의 최적화에 기여할 수 있다.
감쇠 단계(S 530)는 스펙트럼과 관련된 노이즈를 감쇠시킬 수 있다. 감쇠 단계(S 530)는 감쇠부(250)에 의해 수행될 수 있다. 물리적 모델과의 데이터 연관성을 높이기 위하여 평가 단계(S 520)에서 최적화된 제1 모델로부터 계산된 스펙트럼이 감쇠 단계(S 530)에서 수행되는 노이즈의 감쇠에 활용될 수 있다.
보정 단계(S 540)는 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델을 생성할 수 있다. 보정 단계(S 540)는 보정부(270)에 의해 수행될 수 있다.
도 6은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 6의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 분석 시스템(300), 분석 장치(200) 등) 일 수 있다.
도 6의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100...계측 장치 200...분석 장치
210...스펙트럼부 230...평가부
250...감쇠부 270...보정부
300...분석 시스템

Claims (15)

  1. 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련된 보정부;를 포함하고,
    상기 보정부는 상기 불확정도가 제1 설정값을 만족하는 측정 장비의 물리 모델에 해당하는 제1 모델을 생성하고,
    상기 보정부는 상기 제1 모델에 적용된 파라미터를 출력하거나, 상기 제1 모델에 의해 생성된 스펙트럼을 출력하거나, 상기 제1 모델 자체를 출력하는 분석 장치.
  2. 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련된 보정부;를 포함하고,
    상기 스펙트럼을 출력하는 측정 장비의 제어 가능 인자에 해당하는 상기 파라미터의 불확정도를 평가하는 평가부가 마련되고,
    상기 측정 장비의 제어 불가능 인자에 기초한 상기 스펙트럼의 노이즈를 감쇠시키는 감쇠부가 마련되며,
    상기 보정부는 상기 평가부의 평가 결과와 상기 감쇠부의 감쇠 결과에 기초하여 상기 모델을 생성하는 분석 장치.
  3. 제2항에 있어서,
    상기 제어 가능 인자는 상기 측정 장비의 초기 세팅 파라미터와 관련되고,
    상기 제어 불가능 인자는 측정 타겟의 막 두께, 임계 치수, 굴절률, 격자 피치, 모든 층의 공칭 층 두께 및 층 시퀀스 중 어느 하나 이상과 관련된, 분석 장치.
  4. 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련된 보정부;를 포함하고,
    상기 보정부는 제1 모델과 제2 모델을 생성하고,
    상기 제1 모델은 상기 불확정도가 제1 설정값을 만족하는 측정 장비의 물리 모델을 포함하며,
    상기 제2 모델은 상기 노이즈를 제2 설정값만큼 감쇠시키는 기계 학습 모델을 포함하는 분석 장치.
  5. 삭제
  6. 제1항 또는 제4항에 있어서,
    상기 제1 설정값은 박막 두께 값의 표준편차(standard deviation) 값으로 표현되는 정밀도와 관련된, 분석 장치.
  7. 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련된 보정부;를 포함하고,
    상기 보정부는 상기 노이즈를 제2 설정값만큼 감쇠시키는 기계 학습 모델에 해당되는 제2 모델을 생성하고,
    상기 보정부는 상기 제2 모델에 의해 노이즈가 감쇠된 스펙트럼을 출력하거나, 상기 제2 모델 자체를 출력하는 분석 장치.
  8. 제7항에 있어서,
    상기 스펙트럼을 출력하는 측정 장비 또는 물리 모델이 마련될 때,
    상기 제2 모델은 상기 측정 장비 또는 상기 물리 모델로부터 출력되는 스펙트럼의 노이즈를 상기 제2 설정값만큼 감쇠시키는 분석 장치.
  9. 하나 이상의 반도체 특성과 관련된 스펙트럼을 획득하는 스펙트럼부;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델이 마련된 보정부;를 포함하고,
    상기 스펙트럼과 관련된 DOE(Design Of Experiments) 웨이퍼의 하나 이상의 스펙트럼과 상기 파라미터의 레퍼런스에 매칭되는 물리 모델을 추출하는 평가부가 마련되고,
    상기 평가부는 추출된 물리 모델의 불확정도를 분석하고,
    상기 평가부는 분석된 불확정도가 제1 설정값을 만족하는 물리 모델에 해당되는 제1 모델을 추출하며,
    상기 평가부는 상기 보정부에 상기 제1 모델을 제공하거나, 상기 제1 모델을 이용하여 상기 파라미터의 불확정도를 평가하는 분석 장치.
  10. 제9항에 있어서,
    상기 평가부는 불확정도가 상기 제1 설정값을 불만족할 경우,물리 모델의 회귀 함수를 조절하고,
    상기 평가부는 상기 제1 설정값을 불만족하는 물리 모델이 DOE 레퍼런스에 매칭되면 불확정도를 재분석하는 분석 장치.
  11. 제10항에 있어서,
    상기 회귀 함수의 조절은 스펙트럼의 종류, 파장범위, 스펙트럼 또는 파라미터 가중치, 회귀분석으로 구하고자 하는 파라미터들 중 어느 하나 이상을 선택하여 조절하는 방법으로 이루어지는, 분석 장치.
  12. 제9항에 있어서,
    DOE 웨이퍼들로부터 획득되고 노이즈가 포함된 측정 스펙트럼을 문제로 하고, 상기 평가부에서 최적화된 제1 모델에 DOE 웨이퍼의 레퍼런스 값을 입력하여 계산된 스펙트럼을 정답으로 하는 데이터세트를 이용하여 기계 학습 모델을 학습시키는 감쇠부가 마련되고,
    상기 감쇠부는 기설정 스펙트럼을 이용하여 상기 노이즈의 감쇠량이 제2 설정값을 만족하는지 테스트하며,
    상기 감쇠부는 상기 제2 설정값을 만족하는 기계 학습 모델에 해당되는 제2 모델을 상기 보정부에 제공하거나, 상기 제2 모델을 이용하여 상기 노이즈를 감쇠시키는 분석 장치.
  13. 제12항에 있어서,
    상기 기설정 스펙트럼은 상기 감쇠부에서 기계 학습 모델을 최적화하는 과정에서 기설정 조건에서 반복 측정된 정밀도 테스트 스펙트럼 세트인 분석 장치.
  14. 하나 이상의 반도체 특성을 계측하고 계측된 특성을 나타내는 스펙트럼을 출력하는 계측 장치;
    상기 스펙트럼을 전달받아 노이즈를 감쇠시키거나 상기 반도체의 물리 모델을 보정하는 분석 장치;를 포함하고,
    상기 분석 장치는,
    불확정도가 제1 설정값을 만족하는 측정 장비의 물리 모델에 해당하는 제1 모델을 생성하고,
    상기 제1 모델에 적용된 파라미터를 출력하거나, 상기 제1 모델에 의해 생성된 스펙트럼을 출력하거나, 상기 제1 모델 자체를 출력하는 분석 시스템.
  15. 분석 장치에 의해 수행되는 분석 방법에 있어서,
    반도체의 박막 두께를 측정한 스펙트럼을 획득하는 스펙트럼 단계;
    상기 스펙트럼과 관련된 계측 파라미터의 불확정도를 평가하는 평가 단계;
    상기 스펙트럼과 관련된 노이즈를 감쇠시키는 감쇠 단계;
    상기 파라미터의 불확정도 및 노이즈 중 적어도 하나를 보정하는 모델을 생성하는 보정 단계;
    를 포함하는 분석 방법.
KR1020230034973A 2023-03-17 2023-03-17 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법 KR102619601B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230034973A KR102619601B1 (ko) 2023-03-17 2023-03-17 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230034973A KR102619601B1 (ko) 2023-03-17 2023-03-17 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법

Publications (1)

Publication Number Publication Date
KR102619601B1 true KR102619601B1 (ko) 2023-12-29

Family

ID=89334122

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230034973A KR102619601B1 (ko) 2023-03-17 2023-03-17 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법

Country Status (1)

Country Link
KR (1) KR102619601B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117848973A (zh) * 2024-03-07 2024-04-09 铜川市人民医院 基于抗感染临床药学的药品成分智能检测方法及系统
CN117848973B (zh) * 2024-03-07 2024-05-28 铜川市人民医院 基于抗感染临床药学的药品成分智能检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170128997A (ko) * 2016-05-16 2017-11-24 삼성전자주식회사 계측 설비의 스펙트럼 보정방법, 및 그 스펙트럼 보정방법을 기반으로 하는 소자의 계측방법과 제조방법
KR20180082619A (ko) 2015-12-08 2018-07-18 케이엘에이-텐코 코포레이션 효율적 계측을 위한 신호들의 고속 자동 결정을 위한 시스템, 방법 및 컴퓨터 프로그램 제품
KR20220050664A (ko) * 2020-10-16 2022-04-25 삼성전자주식회사 패턴 특성의 예측을 위한 딥 러닝 모델의 학습 방법 및 반도체 소자 제조 방법
KR102504761B1 (ko) * 2022-01-25 2023-02-28 (주)오로스 테크놀로지 박막 특성 측정 방법
KR20230030437A (ko) * 2021-08-25 2023-03-06 삼성전자주식회사 디바이스 구조 예측 모델 생성 방법 및 시뮬레이션 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180082619A (ko) 2015-12-08 2018-07-18 케이엘에이-텐코 코포레이션 효율적 계측을 위한 신호들의 고속 자동 결정을 위한 시스템, 방법 및 컴퓨터 프로그램 제품
KR20170128997A (ko) * 2016-05-16 2017-11-24 삼성전자주식회사 계측 설비의 스펙트럼 보정방법, 및 그 스펙트럼 보정방법을 기반으로 하는 소자의 계측방법과 제조방법
KR20220050664A (ko) * 2020-10-16 2022-04-25 삼성전자주식회사 패턴 특성의 예측을 위한 딥 러닝 모델의 학습 방법 및 반도체 소자 제조 방법
KR20230030437A (ko) * 2021-08-25 2023-03-06 삼성전자주식회사 디바이스 구조 예측 모델 생성 방법 및 시뮬레이션 장치
KR102504761B1 (ko) * 2022-01-25 2023-02-28 (주)오로스 테크놀로지 박막 특성 측정 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117848973A (zh) * 2024-03-07 2024-04-09 铜川市人民医院 基于抗感染临床药学的药品成分智能检测方法及系统
CN117848973B (zh) * 2024-03-07 2024-05-28 铜川市人民医院 基于抗感染临床药学的药品成分智能检测方法及系统

Similar Documents

Publication Publication Date Title
KR102013483B1 (ko) 파라미터 추적을 위한 계측 시스템 최적화
CN104395996B (zh) 基于光谱敏感度及工艺变化的测量配方优化
JP5162778B2 (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
US10274367B2 (en) Deconvolution to reduce the effective spot size of a spectroscopic optical metrology device
JP6861211B2 (ja) 効率的な計測のために信号を高速自動判定するシステム、方法、およびコンピュータプログラム製品
CN114514542B (zh) 用于重叠计量学系统的自动配方优化
JP2019047100A (ja) 計算機、処理の制御パラメータの決定方法、代用試料、計測システム、及び計測方法
US7742177B2 (en) Noise-reduction metrology models
JP7412559B2 (ja) 確率的ドメイン知識に基づく計測レシピ最適化及び物理的実現
EP4200598A1 (en) Methods and systems for determining quality of semiconductor measurements
US20220114438A1 (en) Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
TWI805876B (zh) 用於大量生產程序監視之寬鬆耦合檢查及計量系統
KR102619601B1 (ko) 정밀도가 향상된 박막 분석 장치, 분석 시스템 및 분석 방법
US10345095B1 (en) Model based measurement systems with improved electromagnetic solver performance
KR102642533B1 (ko) 반도체 공정에서 두께 및 ocd 계측을 위한 공정 레시피 최적화 장치 및 방법
US20240111256A1 (en) Composite data for device metrology
US7248669B2 (en) Method for analyzing membrane structure and apparatus therefor
US9435735B1 (en) Optical parametric model optimization
US20220352041A1 (en) High Resolution Profile Measurement Based On A Trained Parameter Conditioned Measurement Model
US11506536B2 (en) Measuring apparatus
TW202348958A (zh) 具有干擾特徵減輕之光學計量
CN117063043A (zh) 半导体器件的时域光学计量和检测

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant