TW202128083A - 使用簡化模型之基於斷層攝影術的半導體量測 - Google Patents
使用簡化模型之基於斷層攝影術的半導體量測 Download PDFInfo
- Publication number
- TW202128083A TW202128083A TW109142171A TW109142171A TW202128083A TW 202128083 A TW202128083 A TW 202128083A TW 109142171 A TW109142171 A TW 109142171A TW 109142171 A TW109142171 A TW 109142171A TW 202128083 A TW202128083 A TW 202128083A
- Authority
- TW
- Taiwan
- Prior art keywords
- voxel
- voxel model
- model
- image set
- constrained
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本文中呈現用於與半導體結構之基於經斷層攝影解析之影像之量測相關聯之經改良正則化之方法及系統。本文中所闡述之正則化係基於量測資料及捕獲已知程序變化之一經約束體素模型之參數化。該經約束體素模型係基於簡化幾何模型、程序模型或兩者來判定,從而表徵該被量測結構。與一未經約束體素模型相比,一經約束體素模型具有明顯較少自由度。與該經約束體素模型之每一體素相關聯之值取決於相對小數目個自變數。藉由瞭解該結構及基礎製作程序通知該等自變量之選擇。基於一經約束體素模型之正則化以較少運算工作量達成較快收斂及該經量測結構之一更準確重新建構。此使得半導體量測具有經減少資料獲取要求及經減少量測時間。
Description
所闡述實施例係關於計量系統及方法,且更特定而言,係關於用於半導體結構之經改良量測之方法及系統。
通常藉由應用於一樣本之一處理步驟序列製作諸如邏輯及記憶體裝置之半導體裝置。藉由此等處理步驟形成該等半導體裝置之各種特徵及多個結構層級。舉例而言,其他處理步驟中之微影係一種涉及在一半導體晶圓上產生一圖案的半導體製作程序。半導體製作程序之額外實例包含但不限於化學機械拋光、蝕刻、沈積及離子植入。可在一單個半導體晶圓上製作多個半導體裝置,且接著將其分離成個別半導體裝置。
在一半導體製造程序期間,在各個步驟處使用計量程序來偵測晶圓上之缺陷以促成較高良率。基於光學及X射線之計量技術提供高輸送量而不具有樣本損毀之風險之可能性。通常使用若干種基於計量之技術(包含散射量測、反射量測及橢圓偏光實施方案及相關聯分析演算法)來表徵奈米尺度結構之臨界尺寸、膜厚、組合物、疊對及其他參數。
諸多計量技術係量測一被量測樣本之實體性質之間接方法。在大多數情形中,無法使用原始量測信號來直接判定樣本之實體性質。而是,反覆地解析某一類型之量測模型來匹配原始量測信號。一旦解析,便採用量測模型來估計一或多個所關注參數之值。
在某些實例中,使用一斷層攝影技術來分析影像資料以解析一斷層攝影量測模型。在某些實例中,斷層攝影量測模型係體素之一格柵陣列,其跨越包絡經量測結構之一個三維體積。陣列之體素之大小及間距係先驗已知的。斷層攝影術係一最佳化程序,用於判定與體素模型之每一體素相關聯之一性質(例如,透明度、電子密度等)之值。最佳化程序判定與每一體素相關聯之性質之值,該等值最小化經模擬與經量測影像資料之間的差,且因此將經量測結構重新建構為一經解析體素模型。
在典型半導體計量應用中,一經量測結構之一體素模型包含一大數目個體素(例如,一百萬或更多個體素)以提供充足解析度從而準確地估計所關注參數(例如,臨界尺寸、高度、側壁角等)。此使得斷層攝影最佳化問題在數學上欠定,亦即,基於相對少的實際量測樣品來解析百萬或更多個體素參數。為了克服斷層攝影最佳化問題之固有欠定本質,採用一或多個形式之正則化,作為最佳化程序之部分。
遺憾的係,在斷層攝影分析(例如,總變化正則化、L1正則化等)中採用之典型、泛用正則化限制量測效能。在某些實例中,泛用正則化項之應用係弱的,從而允許最佳化落入區域最小值且導致不切實際及不準確的量測結果。在某些實例中,泛用正則化項之應用導致過強正則化,從而導致量測結果缺乏充分細節。
由於越來越小之解析度要求、多參數相關、越來越複雜之幾何結構及不透明材料之越來越多之使用,未來計量應用提出計量挑戰。在半導體計量中採用之典型斷層攝影技術採用未按照被量測結構裁適之泛用正則化。此通常導致區域最小值之收斂及不正確重新建構。因此,期望用於與半導體結構之基於斷層攝影之量測相關聯之經改良正則化之方法及系統。
本文中呈現用於與半導體結構之基於經斷層攝影解析之影像之量測相關聯之經改良正則化之方法及系統。更具體而言,本文中所闡述之正則化係基於資料(例如,經模擬資料、真實資料,或兩者)及捕獲已知程序變化之一經約束體素模型之參數化。經約束體素模型係基於簡化幾何模型、程序模型或兩者來判定,從而表徵被量測結構。基於準確地表示程序變化之一經約束體素模型之正則化使得能夠以較少運算工作量收斂至經量測結構之一更準確重新建構。此使得半導體量測能夠具有經減少資料獲取要求,例如,較少經量測角度及經減少移動-獲取-移動(MAM)時間。
一個三維體素模型包含一體素陣列,亦即,包絡一被量測結構之三維體積。每一體素界定空間中一特定體積之位置及佔據每一特定體積之材料之一性質。與一未經約束體素模型之每一體素相關聯之值獨立於體素模型之其他體素。因此,一未經約束體素模型具有等於構成體素模型之體素之數目的自由度數目。
在一項態樣中,一斷層攝影量測引擎接收被量測結構之一經約束體素模型。經約束體素模型在與體素模型相同之配置中包含相同數目個體素。然而,與體素模型相比,經約束體素模型具有明顯較少自由度。與經約束體素模型之體素中之每一者相關聯之值取決於相對小數目個自變數,且藉由瞭解被量測結構及用於製作結構之程序來通知自變數之選擇。
斷層攝影量測引擎亦接收由一半導體量測系統量測之一結構之一經量測影像集。此外,斷層攝影量測引擎基於一體素模型藉由半導體計量系統模擬結構之量測。此外,斷層攝影量測引擎基於經量測影像集與經模擬影像集之間的差及體素模型與經約束體素模型之間的一逐體素差兩者來更新與體素模型之每一體素相關聯之值。
在一其他態樣中,一斷層攝影量測引擎自驅動斷層攝影最佳化之經量測影像之全集、經量測影像之全集中之一子集、藉由另一半導體量測系統自被量測結構收集之一量之測資料量,或其一組合產生結構之經約束體素模型。
在某些實施例中,獨立於用於更新體素模型之最佳化而合成經約束體素模型。在某些實施例中,一經訓練之經約束體素模型合成模型自量測資料直接判定一經約束體素模型。在某些實施例中,採用一廻歸模型或一基於經訓練機器學習之模型以自量測資料判定表徵被量測結構之一或多個參數之值,且一經訓練解碼器模型自該一或多個參數之該等值產生一經約束體素模型。
在某些其他實施例中,經約束體素模型合成為用於更新體素模型之最佳化之部分。
在另一其他態樣中,藉由結構之一經量測影像集與表徵基於經約束體素模型產生之結構之每一量測之一經模擬影像集之間的一差來驅動一斷層攝影最佳化。
在仍另一其他態樣中,藉由表徵基於體素模型產生之結構之每一量測之一經模擬影像集與表徵基於經約束體素模型產生之結構之每一量測之一經模擬影像集之間的一差來驅動一斷層攝影最佳化。
在另一其他態樣中,在數個實施例中採用一解碼器模型以將一相對小的獨立參數集變換成具有一大得多的維度之一體素模型表示。換言之,一解碼器模型提供自一經減少參數空間至體素空間之一映射。
在某些實施例中,一解碼器模型係基於以合成方式產生之資料、實際量測資料或使用者界定之資料訓練之基於機器學習之模型(例如,線性模型、神經網絡模型、廻旋神經網絡模型等)。然而,一般而言,一解碼器模型可係適合線性或非線性模型。
前述內容係一發明內容且因此必然含有細節之簡化、概述及省略;因此,熟習此項技術者將瞭解,發明內容僅為說明性的且不以任何方式為限制性的。在本文中所陳述之非限制性詳細說明中,本文中所闡述之裝置及/或程序之其他態樣、發明性特徵及優點將變得顯而易見。
相關申請案之交叉參考
本專利申請案主張於2019年12月2日提出申請之標題為「Data Driven Hybrid Tomography Using Simplified Models」之美國臨時專利申請案序號62/942,735之35 U.S.C. §119下之優先權,該專利申請案之標的物以全文引用之方式併入本文中。
現將詳細參考先前技術實例及本發明之某些實施例,附圖中圖解說明本發明之實例。
本文中呈現用於與半導體結構之基於經斷層攝影解析之影像之量測相關聯之經改良正則化之方法及系統。更具體而言,本文中所闡述之正則化係基於資料(例如,經模擬資料、真實資料或兩者)及捕獲已知程序變化之一經約束體素模型之參數化。經約束體素模型係基於簡化幾何模型、程序模型或兩者來判定,從而表徵被量測結構。基於準確地表示程序變化之一經約束體素模型之正則化使得能夠以較少運算工作量收斂至經量測結構之一更準確重新建構。此使得半導體量測能夠具有經減少資料獲取要求,例如,較少量測角度及經減少移動-獲取-移動(MAM)時間。
圖1係圖解說明一項實施例中之一例示性斷層攝影量測引擎150之一圖式。如圖1中所繪示,斷層攝影量測引擎150包含一最佳化模組151、一電磁解算器模組152,及一參數提取模組153。斷層攝影量測引擎150估計表徵一被量測結構(例如被一基於X射線之計量系統量測之一半導體結構)之所關注參數之值162。在某些實施例中,所關注參數包含:一所關注幾何參數、一所關注程序參數、一所關注電參數、一所關注色散參數等。藉助於非限制性實例,一所關注參數可係一疊對尺寸、一臨界尺寸、一微影焦點、一微影劑量、一蝕刻曝光時間等。
如圖1中所繪示,斷層攝影量測引擎150接收被一半導體計量系統(例如一小角度x射線散射量測(SAXS)計量系統)量測之一結構之一經量測影像集126。在一項實例中,每一經量測影像係自被量測結構繞射且由一SAXS計量系統之一偵測器捕獲之x射線光子之一影像。經量測影像集126包含各自與一不同量測例項相關聯之若干個繞射影像。每一量測例項係以一不同標稱入射角、標稱方位角或兩者進行之一量測。以此方式,經量測影像集126包含以若干個不同標稱入射角、標稱方位角或兩者收集之影像。
如圖1中所繪示,最佳化模組151接收被量測結構之一體素模型之初始值154。圖4繪示表徵一梯形結構165之一個三維體素模型之一剖視圖。如圖4中所繪示,體素模型166包含各自具有一立方體形狀之一體素陣列,亦即,三維體積。在圖4中所繪示之實施例中,每一體素係相同大小及形狀。體素陣列包絡被量測結構。體素之數目係先驗已知的且在斷層攝影分析期間保持恆定。每一體素界定空間中之一特定體積之位置及佔據每一特定體積之材料之一性質。在基於X射線之計量之內容脈絡中,藉助於非限制性實例,該性質可係電子密度。在光學計量之內容脈絡中,藉助於非限制性實例,該性質可係透明度。
如圖4中所圖解說明,以不同方式對每一體素畫陰影,此取決於與每一體素相關聯之材料性質之值。舉例而言,體素166A由具有一相對低電子密度之空氣完全佔據,而體素166B由具有一相對高電子密度之一半導體材料完全佔據。諸如體素166C之某些體素部分由空氣填充且部分由半導體材料填充。因此,體素166C之材料性質之值介於與體素166A及166B相關聯之值之間。採用由最佳化模組151接收之初始值154來界定被量測結構之初始體素模型。在某些實例中,可隨機選擇初始值154。在其他實例中,選擇初始值154來最佳地建模被量測結構之所期望形狀及材料性質。
未經約束體素模型(諸如體素模型157)中之每一體素獨立於該體素模型之其他體素。換言之,與體素模型之體素中之每一者相關聯之材料值獨立於與體素模型之其他體素中之每一者相關聯之值。因此,體素模型具有等於構成體素模型之體素之數目的自由度數目。在某些實施例中,在一半導體量測中採用之一體素模型包含一100x100x100體素陣列。一般而言,在一半導體量測中採用之一體素模型包含一百萬或更多個體素。
如圖4中所圖解說明,體素模型157被傳遞至電磁解算器模組152。電磁解算器模組152模擬由半導體計量系統在每一量測例項處對由體素模型157表徵之結構之量測。因此,電磁解算器152產生對應於經量測影像集126之一經模擬影像集159。
斷層攝影量測引擎150判定經模擬影像集159與經量測影像集126中之每一對應經模擬影像與經量測影像之間的差。對照預定停止準則核對差分影像160之量值。
若差在停止準則內,則將當前體素模型157傳遞至參數提取模組153。參數提取模組153自體素模型157估計表徵被量測結構之一或多個所關注參數之值162。圖3繪示表徵梯形結構165之形狀之一簡單幾何參數化之模型。如圖3中所圖解說明,該幾何模型藉由一高度參數H、一臨界尺寸參數CD及一側壁角參數SWA來表徵梯形結構165之大小及形狀。一般而言,可採用任何適合參數化模型來闡述一被量測結構之大小及形狀。參數提取模組153選擇最擬合由由體素模型157提供之結構165之電子密度圖描繪之結構165之形狀之參數化模型之參數值,例如H、CD及SWA。以此方式,參數提取模組153估計所關注參數之值,例如H、CD及SWA中之任一者。
若差分影像160之量值不在停止準則內,則將差分影像160傳遞至最佳化模組151。
在一項態樣中,斷層攝影量測引擎150接收結構之一經約束體素模型155。經約束體素模型155在與體素模型相同之配置(亦即,相同大小之體素佔據相同位置)中包含相同數目個體素。然而,與體素模型相比,經約束體素模型具有明顯較少的自由度。換言之,與經約束體素模型之體素中之每一者相關聯之材料值並不獨立於與經約束體素模型之其他體素中之每一者相關聯之值。更具體而言,與經約束體素模型之體素中之每一者相關聯之材料值取決於相對小數目個自變數,且藉由瞭解被量測結構及用於製作該結構之程序來通知自變數之選擇。
如圖4中所繪示,斷層攝影量測引擎150判定體素模型157與經約束體素模型155之間的差158。體素模型157與經約束體素模型155之間的差158係在一逐體素基礎上判定。此外,最佳化模組基於經量測影像集126與經模擬影像集159之間的差160及體素模型157與經約束體素模型155之間的差158兩者來更新與體素模型157中之每一體素相關聯之值。在一項實例中,最佳化模組151更新與體素模型157中之每一體素相關聯之值,該值最小化由方程式(1)闡釋之一損失函數。(1)
如由方程式(1)所闡釋,損失函數J包含由加權因子加權之一體素模型正則化項RegV。以此方式,最佳化由經量測影像Img與自體素模型導出之經模擬影像EMSolv(Vox)之間的差的平方所驅動。在一項實例中,正則化項RegV係體素模型Vox與經約束體素模型Cvox之間的差。此外,損失函數J還可包含諸如總變化L1等之額外正則化項。一般而言, 正則化項RegV正則化最佳化程序,此乃因經約束體素模型之變量空間較體素模型小得多,例如,維度在100左右,而非1,000,000。正則化項RegV有效地將最佳化遠離區域最小值且接近一全域最小值。
如上文所闡述,被量測結構之經量測影像集126可由一SAXS計量系統產生。圖2圖解說明用於根據本文中呈現之例示性方法量測一樣本之特性之一SAXS計量工具100之一實施例。如圖2中所展示,系統100可用於對安置於一樣本定位系統140上之一樣本101之一量測區102內之一結構執行x射線散射量測量測。在某些實施例中,量測區102具有八十微米或更小之一點位大小。在某些實施例中,量測區102具有五十微米或更小之一點位大小。在某些實施例中,量測區102具有四十微米或更小之一點位大小。
在所繪示實施例中,SAXS計量工具100包含產生適合於x射線散射量測量測之x射線輻射之一x射線照射源110。在某些實施例中,x射線照射源110產生介於0.01奈米與1奈米之間的波長。X射線照射源110產生入射於樣本101之檢驗區102上之一x射線束117。
一般而言,可審慎考慮能夠以足以達成高輸送量直列式計量之通量位準產生高亮度x射線之任何適合高亮度x射線照射源來供應用於x射線散射量測量測之x射線照射,如本文中所闡述。在某些實施例中,一x射線源包含使得x射線源能夠遞送處於不同可選擇波長之x射線輻射之一可調諧單色儀。
在某些實施例中,採用發射具有大於15keV之光子能量之輻射之一或多個x射線源以確保x射線源供應處於允許充足透射穿過整個裝置以及晶圓基板之波長之光。藉由非限制性實例之方式,可採用一粒子加速器源、一液態陽極源、一旋轉陽極源、一固定固態陽極源、一微焦源、一微焦旋轉陽極源及一逆康普頓(Compton)源中之任一者作為x射線照射源110。在一項實例中,可審慎考慮可自Lyncean Technologies, Inc., (加利福尼亞州(美國),帕洛阿爾托)購得之一逆康普頓源。逆康普頓源具有能夠在一光子能量範圍內產生x射線藉此使得x射線源能夠遞送處於不同可選擇波長之x射線輻射之一額外優點。例示性x射線源包含經組態以轟擊固體或液體目標以模擬x射線輻射之電子束源。在某些實施例中,x射線照射源110係一基於液態金屬之x射線照射系統。產生包含一或多個元素之一液態金屬噴流。藉由非限制性實例之方式,該液態金屬噴流包含鋁、鎵、銦、錫、鉈及鉍中之任一者。一電子束源(例如,電子槍)產生由電子光學器件引導至液態金屬噴流之一電子流。適合電子光學器件包含用於聚焦電子束並將該束引導於液態金屬噴流處之電磁體、永磁體或電磁體與永磁體之一組合。液態金屬噴流與電子流之同時發生產生入射於樣本101之檢驗區102上之一x射線束117。以此方式,液態金屬噴流產生對應於其組成元素之x射線線。在一項實施例中,液態金屬噴流包含一鎵及銦合金。
在2011年4月19日頒於KLA-Tencor Corp.之美國專利第7,929,667號中闡述用於產生高亮度液態金屬x射線照射之方法及系統,該美國專利之全文以引用方式併入本文中。
在一項實施例中,入射x射線束117處於24.2 keV之銦kα線處。使用用於x射線散射量測量測之多層x射線光學器件準直x射線束至小於一毫弧度發散度。
在某些實施例中,在不使用位於x射線源與被量測樣本之間的一螢幕之情況下達成本文中所闡述之x射線散射量測。在此等實施例中,在入射角、多個波長或兩者之一組合之一範圍內之束之經量測強度提供充足資訊以解析經量測結構之一所期望材料性質(例如,複折射率、電子密度或吸收率)之一分佈圖譜(亦即,影像)。然而,在某些其他實例中,將一針孔或另一孔口定位於位於x射線源與被量測樣本之間的一原本不透明螢幕以改良x射線束之準直。針對孔口之數個位置量測繞射圖案之強度。在某些其他實施例中,使用具有一假隨機孔口圖案之一螢幕,且針對多個螢幕量測繞射圖案。亦可審慎考慮此等方法提供額外資訊以解析經量測結構之所期望材料性質之三維分佈。
在某些實施例中,入射x射線束之輪廓由兩個或更多個孔口、狹縫或其一組合控制。在一其他實施例中,孔口、狹縫或兩者經組態以與樣本之定向協調地旋轉,以針對每一入射角、方位角或兩者最佳化入射束之輪廓。
如圖2中所繪示,x射線光學器件115將入射x射線束117塑形並引導至樣本101。在某些實例中,x射線光學器件115包含用以將入射於樣本101上之x射線束單色化之一x射線單色儀。在一項實例中,採用一晶體單色儀(諸如一洛克斯利-坦納-博文(Loxley-Tanner-Bowen)單色儀)來將x射線輻射束單色化。在某些實例中,x射線光學器件115使用多層x射線光學器件將x射線束117準直或聚焦至樣本101之量測區102上為小於1毫弧度發散度。在某些實施例中,x射線光學器件115包含一或多個x射線準直鏡、x射線孔口、x射線束截捕器、折射x射線光學器件、繞射光學器件(諸如波帶片)、鏡面x射線光學器件(諸如掠入射橢球面鏡)、多毛細管光學器件(諸如空心毛細管x射線波導)、多層光學器件或系統或者其任一組合。在美國專利公開案第2015/0110249號中闡述進一步細節,該美國專利公開案之內容以其全文引用之方式併入本文中。
一般而言,針對每一量測應用最佳化照射光學器件系統之焦平面。以此方式,系統100經組態以取決於量測應用而將焦平面定位於樣本內之各種深度處。
x射線偵測器116收集自樣本101散射之x射線輻射125,並產生指示對入射x射線輻射敏感之樣本101之性質之一輸出信號126。在某些實施例中,由x射線偵測器116收集經散射x射線125,而樣本定位系統140將樣本101定位且定向以產生以角度方式解析之經散射x射線。
計量系統100包含具有高動態範圍(例如,大於105
)及厚的高吸收性晶體基板之一或多個光子計數偵測器,該晶體基板吸收直接束(亦即,零階束)而無損壞且具有最小背向散射。適合於全束x射線散射量測之例示性偵測器材料包含碲化鎘(CdTe)、鍺(Ge)及砷化鎵(GaAs)晶體以及其他。在某些實施例中,偵測器材料經選擇以在對應於源能源之一窄能帶中提供高轉換效率。
在某些實施例中,一單個光子計數偵測器偵測經偵測光子之位置及數目。在某些實施例中,採用雙臨限值偵測器來改良SNR。
x射線偵測器116解析一或多個x射線光子能量並針對每一x射線能量分量產生指示樣本之性質之信號。在某些實施例中,x射線偵測器116包含以下各項中之任一者:一CCD陣列、一微通道板、一光電二極體陣列、一微帶比例計數器、一以氣體填充之比例計數器、一閃爍器或一螢光材料。
以此方式,除像素位置及計數數目之外,亦藉由能量來區分偵測器內之X射線光子相互作用。在某些實施例中,藉由比較X射線光子相互作用之能量與一預定上部臨限值及一預定下部臨限值而區分X射線光子相互作用。在一項實施例中,經由輸出信號126將此資訊傳遞至運算系統130以供進一步處理及儲存。
一高深寬比,垂直構造之結構將一經準直X射線束繞射為若干繞射級。每一繞射級在一特定可預測方向上行進。繞射級之角度間距與藉由波長劃分之樣本之晶格常數成反比。該等繞射級由放置於與晶圓相距某一距離處之一偵測器陣列來偵測。偵測器之每一像素輸出指示命中該像素之光子之數目之一信號。
如圖2中所繪示,SAXS計量系統100包含用於獲取由偵測器116產生之信號126並至少部分地基於所獲取信號判定所關注結構之性質之一運算系統130。圖1、圖5、圖8及圖9繪示用以估計一或多個幾何參數、組合物參數或兩者之值從而基於與複雜半導體結構相關聯之x射線散射量測量測資料來表徵一複雜半導體結構之一斷層攝影量測引擎150之不同實施例之圖解說明。在某些實施例中,藉由諸如圖2中所繪示之計量系統100之一x射線散射量測系統自一晶圓收集x射線散射量測資料126。此外,在某些實施例中,運算系統130組態為如本文中所闡述之一斷層攝影量測引擎150。
在一其他態樣中,一斷層攝影量測引擎自驅動斷層攝影最佳化之經量測影像之全集、經量測影像之全集中之一子集、自被另一半導體量測系統量測之結構收集之一量之測資料量,或其一組合產生結構之經約束體素模型。
在某些實施例中,獨立於用於更新完整體素模型157之最佳化而合成經約束體素模型155。圖5繪示另一實施例中之斷層攝影量測引擎150。圖5中繪示且參考圖1闡述之相似編號的元件係類似的。如圖5中所圖解說明,斷層攝影量測引擎150包含一經約束體素模型合成模組163。經約束體素模型合成模組163自量測資料164產生經約束體素模型155。在某些實施例中,量測資料164係經量測影像集126。在某些其他實施例中,量測資料164係經量測影像集126之一子集,例如,自標稱入射角、標稱方位角或兩者之一子集收集之影像。在某些其他實施例中,量測資料164包含來自用於正則化斷層攝影最佳化之不同量測源之量測信號。在此等實施例中,藉由併入來自多種量測技術(例如,光譜橢圓偏光術、光譜反射量測術、一軟性x射線反射量測術、諸如高光譜成像計量之其他基於成像之計量等)之量測結果來增強信號資訊。
在某些實施例中,經約束體素模型合成模組163包含一經訓練之經約束體素模型合成模型。經訓練模型接收量測資料164作為輸入,並直接判定一經約束體素模型作為輸出。在某些實施例中,經訓練模型係一基於機器學習之量測模型(例如,線性模型、神經網路模型、廻旋網路模型等)。在此等實施例中,模型係基於與具有所關注參數之已知值且因此已知體素模型表示之結構相關聯之量測資料來訓練。訓練資料可係基於以合成方式產生之資料、來自一參考計量系統之真實量測資料,或兩者。
在某些實施例中,經約束體素模型合成模組163自量測資料164判定表徵被量測結構之一或多個參數之值,並基於一經訓練解碼器模型自一或多個參數之值產生經約束體素模型。
圖6繪示一項實施例中之一經約束體素模型合成模組163。如圖6中所繪示,經約束體素模型合成模組163包含廻歸模組165及解碼器模組166。廻歸模組165接收量測資料164並藉由對量測資料164進行一基於實體模型之廻歸分析來判定表徵被量測結構之一或多個參數之值167。解碼器模組166包含將表徵結構之一或多個參數之值(例如,CD、SWA、H)變換成經約束體素模型155之一經訓練解碼器模型。
圖7繪示另一實施例中之一經約束體素模型合成模組163。如圖7中所繪示,經約束體素模型合成模組163包含基於機器學習之量測模組168及解碼器模組169。基於機器學習之量測模組168之一基於經訓練機器學習之模型接收量測資料164並直接判定表徵被量測結構之一或多個參數之值170。解碼器模組169包含將表徵結構之一或多個參數之值變換成經約束體素模型155之一經訓練解碼器模型。在此等實施例中,基於機器學習之模型係基於與具有表徵被量測結構之參數之已知值之結構相關聯之量測資料來訓練。訓練資料可係基於以合成方式產生之資料、來自一參考計量系統之真實量測資料,或兩者。
在某些實施例中,經約束體素模型155被合成為用於更新完整體素模型157之最佳化之部分。圖8繪示仍另一實施例中之斷層攝影量測引擎150。圖8中繪示且參考圖1闡述之相似編號的元件係類似的。如圖8中所圖解說明,斷層攝影量測引擎150包含一解碼器模組171。最佳化模組151基於經量測影像集126與經模擬影像集159之間的差160及體素模型157與經約束體素模型155之間的差158之一最小化判定表徵結構172之一或多個參數之值,且解碼器模組171包含將表徵結構之一或多個參數之值變換成經約束體素模型155之一經訓練解碼器模型。
在一其他態樣中,藉由結構之一經量測影像集與表徵基於經約束體素模型產生之結構之每一量測之一經模擬影像集之間的一差來驅動一斷層攝影最佳化。
圖9繪示仍另一實施例中之斷層攝影量測引擎150。圖9中繪示且參考圖1及圖8闡述之相似編號的元件係類似的。如圖9中所圖解說明,斷層攝影量測引擎150接收一經量測影像集174。在某些實施例中,經量測影像集174係等同於經量測影像集126。在某些其他實施例中,經量測影像集174係經量測影像集126之一子集,例如,自標稱入射角、標稱方位角或兩者之一子集收集之影像。
此外,經約束體素模型155被傳遞至電磁解算器模組152。電磁解算器模組152模擬由半導體計量系統在包含於經量測影像集174中之每一量測例項處對由經約束體素模型155表徵之結構之量測。因此,電磁解算器152產生對應於經量測影像集174之一經模擬影像集173。斷層攝影量測引擎150判定經模擬影像集173與經量測影像集174中之每一對應經模擬影像與經量測影像之間的差。差分影像175被傳遞回至最佳化模組151。最佳化模組151部分地基於差分影像175來更新與結構之體素模型157中之每一體素相關聯之值。
因此,在某些實施例中,最佳化模組151基於經量測影像集126與經模擬影像集159之間的差160、體素模型157與經約束體素模型155之間的差158與經量測影像集174與經模擬影像集173之間的差175兩者來更新與體素模型157中之每一體素相關聯之值。在一項實例中,最佳化模組151更新與體素模型157中之每一體素相關聯之值,該值最小化由方程式(2)闡釋之一損失函數。 (2)
如由方程式(2)所闡釋,損失函數J包含參考方程式(1)闡述之項,然而,此外,亦藉由一經量測影像集S與自經約束體素模型導出之經模擬影像EMSolv(CVox)之間的差的平方來驅動最佳化。此項有效地使最佳化接近一全域最小值。
在另一其他態樣中,藉由表徵基於體素模型產生之結構之每一量測之一經模擬影像集與表徵基於經約束體素模型產生之結構之每一量測之一經模擬影像集之間的一差來驅動一斷層攝影最佳化。
圖9繪示仍另一實施例中之斷層攝影量測引擎150。圖9中繪示且參考圖1及圖8闡述之相似編號的元件係類似的。如圖9中所圖解說明,斷層攝影量測引擎150接收一經量測影像集174。在某些實施例中,經量測影像集174係等同於經量測影像集126。在某些其他實施例中,經量測影像集174係經量測影像集126之一子集,例如,自標稱入射角、標稱方位角或兩者之一子集收集之影像。
如圖9中所繪示,斷層攝影量測引擎150判定經模擬影像集173與經量測影像集174中之每一對應經模擬影像與經量測影像之間的差。類似地,斷層攝影量測引擎150判定經模擬影像集159與經量測影像集126中之每一對應經模擬影像與經量測影像之間的差。此外,斷層攝影量測引擎150還判定差分影像175與差分影像160之間的差176。差分影像176被傳遞回至最佳化模組151。最佳化模組151部分地基於差分影像176來更新與結構之體素模型157中之每一體素相關聯之值。
因此,在某些實施例中,最佳化模組151基於經量測影像集126與經模擬影像集159之間的差160、體素模型157與經約束體素模型155之間的差158,以及差分影像160與差分影像175之間的差176來更新與體素模型157中之每一體素相關聯之值。在一項實例中,最佳化模組151更新與體素模型157中之每一體素相關聯之值,該值最小化由方程式(3)闡釋之一損失函數。(3)
如由方程式(3)所闡釋,損失函數J包含參考方程式(1)闡述之項,然而,此外,損失函數J還包含由加權因子加權之一影像正則化項RegI。正則化項RegI係由經量測影像Img與基於體素模型產生之對應經模擬影像EMSolv(Vox)之間的差產生之差分影像與由經量測影像S與對應經模擬影像EMSolv(VCox)之間的差產生之差分影像之間的差。
此外,在某些實施例中,最佳化模組151基於經量測影像集126與經模擬影像集159之間的差160、體素模型157與經約束體素模型155之間的差158、差分影像160與差分影像175之間的差176以及經量測影像集174與經模擬影像集173之間的差175來更新與體素模型157中之每一體素相關聯之值。在一項實例中,最佳化模組151更新與體素模型157中之每一體素相關聯之值,該值最小化由方程式(4)闡釋之一損失函數。(4)
如上文所闡述,在數個實施例中採用一解碼器模型來將一相對小的獨立參數集變換成具有一大得多的維度之一體素模型表示。換言之,一解碼器模型提供自一經縮小參數空間至體素空間之一映射。
在某些實施例中,一解碼器模型係基於以合成方式產生之資料、實際量測資料或使用者界定之資料訓練之基於機器學習之模型(例如,線性模型、神經網路模型、廻旋神經網路模型等)。然而,一般而言,一解碼器模型可係適合線性或非線性模型。
圖10繪示一項實施例中之一解碼器訓練引擎180。在某些實例中,運算系統130組態為解碼器訓練引擎180。如圖10中所圖解說明,解碼器訓練引擎180包含一參數化結構模型合成模組181、一體素模型合成模組182及一解碼器訓練模組183。
如圖10中所圖解說明,解碼器訓練引擎180接收表徵一被量測結構之一或多個幾何參數之一實驗設計(DOE)值集184、表徵用於製作該結構之一半導體製作程序之一或多個程序參數之一DOE值集,或兩者。參數化結構模型合成模組181基於一或多個幾何參數之DOE值集中之每一者、一或多個程序參數之DOE值集中之每一者,或兩者來判定結構之一參數化模型集185。體素模型合成模組182基於結構之參數化模型集185中之每一者判定結構之一體素模型集186。解碼器訓練模組183基於一或多個幾何參數之DOE值集184、一或多個程序參數之DOE值集中之每一者,或兩者,以及體素模型集186中之每一對應體素模型來訓練解碼器模型。經訓練解碼器模型187儲存在例如記憶體132之記憶體中。如圖10中所圖解說明,解碼器訓練模組採用DOE參數集184及對應體素模型集186兩者來進行訓練。
圖11繪示一項實施例中之一解碼器訓練引擎190。在某些實例中,運算系統130組態為解碼器訓練引擎190。如圖11中所圖解說明,解碼器訓練引擎190包含一參數化結構模型合成模組181、一體素模型合成模組182及一編碼器/解碼器訓練模組191。如圖11中所圖解說明,編碼器/解碼器訓練模組191採用體素模型集186來同時訓練一自動編碼器及解碼器兩者。
如圖11中所圖解說明,解碼器訓練引擎190接收表徵一被量測結構之一或多個幾何參數之一實驗設計(DOE)值集184、表徵用於製作該結構之一半導體製作程序之一或多個程序參數之一DOE值集,或兩者。參數化結構模型合成模組181基於一或多個幾何參數之DOE值集中之每一者、一或多個程序參數之DOE集值中之每一者或兩者來判定結構之一參數化模型集185。體素模型合成模組182基於結構之參數化模型集185中之每一者來判定結構之一體素模型集186。編碼器/解碼器訓練模組191接收待作為輸入提供至訓練解碼器之參數空間之一所期望維度之一指示192。舉例而言,參數空間之維度可係介於1與100之間的一範圍中之一整數。編碼器/解碼器訓練模組191同時訓練一自動編碼器與一解碼器,該自動編碼器將體素模型集186中之每一體素模型映射至具有所期望維度之一參數空間之每一參數之一值集且該解碼器將該參數值集映射至一體素模型。訓練反覆,直至最小化體素模型186中之每一體素模型與由解碼器自由自動編碼器判定之參數判定之對應體素模型之間的差。經訓練解碼器模型193儲存在例如記憶體132之記憶體中。如圖11中所圖解說明,編碼器/解碼器訓練模組191在訓練中不明確採用DOE參數集184,而是,在訓練期間採用來自嵌入體素模型集186中之DOE參數集184之資訊。
在某些實施例中,一解碼器模型係基於實際量測資料訓練。圖12繪示一項實施例中之一解碼器訓練引擎200。在某些實例中,運算系統130組態為解碼器訓練引擎200。如圖12中所圖解說明,解碼器訓練引擎200包含一體素模型合成模組182及一編碼器/解碼器訓練模組191。
體素模型合成模組182自一受信賴參考計量系統接收自量測資料導出之參數變化201。一或多個實驗設計(DOE)晶圓製作為包含一被量測結構之多個例項。結構之每一例項具有表徵結構之一或多個幾何參數、表徵用於製作該結構之一半導體製作程序之一或多個程序參數或兩者之一不同值。採用一受信賴參考計量系統來量測安置於一或多個DOE晶圓上之結構之每一例項。由參考計量系統提供之量測結果被使用者信賴為足夠準確的。一或多個幾何參數、一或多個程序參數或兩者之值之一變化係基於由受信賴參考計量系統量測之結構之例項判定。體素模型合成模組182基於一或多個幾何參數、一或多個程序參數或兩者之變化來判定結構之一體素模型集186。
編碼器/解碼器訓練模組191接收待作為輸入提供至經訓練解碼器之參數空間之一所期望維度之一指示192。編碼器/解碼器訓練模組191同時訓練一自動編碼器與一解碼器,該自動編碼器將體素模型集186中之每一體素模型映射至具有所期望維度之一參數空間之每一參數之一值集且該解碼器將參數值集映射至一體素模型。訓練反覆,直至最小化體素模型186中之每一體素模型與由解碼器自由自動編碼器判定之參數判定之對應體素模型之間的差。經訓練解碼器模型193儲存在例如記憶體132之記憶體中。
在某些實施例中,一解碼器模型係基於使用者界定之資料訓練。圖13繪示一項實施例中之一解碼器訓練引擎210。在某些實例中,運算系統130組態為解碼器訓練引擎210。如圖13中所圖解說明,解碼器訓練引擎210包含一編碼器/解碼器訓練模組191。
編碼器/解碼器訓練模組191自一使用者接收結構之一體素模型集211。此外,編碼器/解碼器訓練模組191接收待作為輸入提供至經訓練解碼器之參數空間之一所期望維度之一指示192。編碼器/解碼器訓練模組191同時訓練一自動編碼器與一解碼器,該自動編碼器將體素模型集211中之每一體素模型映射至具有所期望維度之一參數空間之每一參數之一值集且該解碼器將參數值集映射至一體素模型。訓練反覆,直至最小化體素模型211中之每一體素模型與由解碼器自由自動編碼器判定之參數判定之對應體素模型之間的差。經訓練解碼器模型212儲存在例如記憶體132之記憶體中。
如本文中所闡述,可採用資料驅動之正則化之數個不同實例來驅動一斷層攝影最佳化。一般而言,可同時採用資料驅動之正則化之此等實例之任何組合來驅動一斷層攝影最佳化。舉例而言,可經由基於體素之正則化、基於影像之正則化或兩者,同時採用多個不同經約束體素模型(例如,自不同量測源或量測源之組合產生之經約束體素模型)來驅動一斷層攝影最佳化。經約束體素模型可自自不同量測源或量測源之組合導出之資料產生。此外,可採用採用不同大小之獨立參數空間之經約束體素模型。
在某些實例中,最佳化模組151更新與體素模型157中之每一體素相關聯之值,該值最小化由方程式(5)闡釋之一損失函數,方程式(5)包含多個誤差項、基於體素之正則化項、基於影像之正則化項或其任何組合。(5)
如圖2中所繪示,系統100包含一單個量測技術(亦即,SAXS)。然而,一般而言,系統100可包含任何數目個不同量測技術。藉助於非限制性實例,系統100可組態為一反射小角度x射線散射計、一軟X射線反射計、光譜橢圓偏光儀(包含穆勒矩陣橢圓偏光)、一光譜反射計、一光譜散射計、一疊對散射計、一角度解析之束輪廓反射計、一偏光解析之束輪廓反射計、一束輪廓反射計、一束輪廓橢圓偏光儀、任何單或多波長橢圓偏光儀、一高光譜成像系統或其任何組合。此外,一般而言,可自多個工具、整合多種技術之一單個工具或其一組合收集藉由不同量測技術收集且根據本文中所闡述之方法分析之量測資料。
在一其他實施例中,系統100可包含用以根據本文中所闡述之方法執行結構之量測並估計所關注參數之值之一或多個運算系統130。一或多個運算系統130可通信地耦合至偵測器116。在一項態樣中,一或多個運算系統130經組態以接收與一被量測結構(例如,安置於樣本101上之結構)之量測相關聯之量測資料126。
在又一態樣中,本文中所闡述之量測結果可用於提供至一程序工具(例如,微影工具、蝕刻工具、沈積工具等)之主動回饋。舉例而言,可將基於本文中所闡述之量測方法判定之經量測參數之值傳遞至一蝕刻工具以調整蝕刻時間從而達成一所期望蝕刻深度。以一類似方式,蝕刻參數(例如,蝕刻時間、擴散率等)或沈積參數(例如,時間、濃度等)可包含於一量測模型中以分別提供對蝕刻工具或沈積工具之主動回饋。在某些實例中,可將基於經量測裝置參數值判定之對程序參數之校正傳遞至程序工具。在一項實施例中,運算系統130判定一或多個所關注參數之值。此外,運算系統130還基於一或多個所關注參數之經判定值將控制命令傳遞至一程序控制器。控制命令致使程序控制器改變程序之狀態(例如,停止蝕刻程序、改變擴散率等)。在一項實例中,一控制命令致使一程序控制器調整一微影系統之焦點、該微影系統之一劑量,或兩者。在另一實例中,一控制命令致使一程序控制器改變蝕刻速率以改良一CD參數之經量測晶圓均勻性。
在某些實例中,量測模型實施為可自美國加利福尼亞州苗必達之KLA-Tencor Corporation購得之一SpectraShape®光學臨界尺寸計量系統之一元件。以此方式,模型經創建且準備好在由系統收集光譜之後立即使用。
在某些其他實例中,量測模型係(舉例而言)由實施可自美國加利福尼亞州苗必達之KLA-Tencor公司購得之AcuShape®軟體之一運算系統離線實施。所得經訓練模型可併入為可由執行量測之一計量系統存取之一AcuShape®庫之一元件。
圖14圖解說明在至少一個新穎態樣中用於自一體素模型及一經約束體素模型估計一或多個所關注參數之值之一方法300。方法300適合於由諸如本發明之圖2中所圖解說明之計量系統100之一計量系統實施。在一項態樣中,認識到,方法300之資料處理方塊可經由一預程式化演算法執行,該預程式化演算法由運算系統130之一或多個處理器或任何其他一般用途運算系統執行。本文中認識到,計量系統100之特定結構態樣不表示限制且僅應解釋為圖解說明性的。
在方塊301中,藉由一第一半導體量測系統之一照射源提供一量之照射輻射。該量之照射輻射被引導至安置於一半導體晶圓上之一結構。
在方塊302中,藉由第一半導體量測系統之一偵測器,偵測回應於該量之照射輻射而自該結構散射之一量之輻射。
在方塊303中,藉由第一半導體量測系統,產生表徵與結構之每一量測例項相關聯的來自結構之輻射之經偵測量之一經量測影像集。
在方塊304中,判定與結構之一體素模型之每一體素相關聯之一初始值。體素模型包含第一複數個體素。與體素模型之第一複數個體素中之每一者相關聯之一值獨立於與體素模型之第一複數個體素中之其他體素中之每一者相關聯之一值。體素模型具有等於第一複數個的自由度數目。
在方塊305中,基於體素模型產生表徵由第一半導體量測系統對結構之每一量測之一第一經模擬影像集。
在方塊306中,接收結構之一經約束體素模型。經約束體素模型包含等於第一複數個的體素數目,然而,經約束體素模型具有小於第一複數個的自由度數目。
在方塊307中,基於經量測影像集與第一經模擬影像集之間的一差及體素模型與經約束體素模型之間的一差反覆地更新與結構之體素模型之每一體素相關聯之值。
在方塊308中,自體素模型估計表徵被量測結構之一或多個所關注參數之值。
在一其他實施例中,系統100包含用以根據本文中所闡述之方法基於量測資料執行半導體結構之量測之一或多個運算系統130。一或多個運算系統130可通信地耦合至一或多個偵測器、主動光學元件、程序控制器等。
應認識到,可由一單電腦系統130或(另一選擇系)一多電腦系統130執行本發明通篇所闡述之一或多個步驟。此外,系統100之不同子系統可包含適合於執行本文中所闡述之步驟之至少一部分之一電腦系統。因此,前述說明不應解釋為對本發明之一限制而僅為一圖解說明。
另外,電腦系統130還可以此項技術中已知之任何方式通信地耦合至一計量系統之其他元件。舉例而言,一或多個運算系統130可耦合至與偵測器相關聯之運算系統。在另一實例中,偵測器可由耦合至電腦系統130之一單電腦系統直接控制。
系統100之電腦系統130可經組態以藉由可包含有線及/或無線部分之一傳輸媒體自系統之子系統(例如,偵測器及諸如此類)接收及/或獲取資料或資訊。以此方式,傳輸媒體可用作電腦系統130與系統100之其他子系統之間的一資料鏈路。
系統100之電腦系統130可經組態以藉由可包含有線及/或無線部分之一傳輸媒體自其他系統接收及/或獲取資料或資訊(例如,量測結果、模型化輸入、模型化結果、參考量測結果等)。以此方式,傳輸媒體可用作電腦系統130與其他系統(例如,記憶體板上系統100、外部記憶體或其他外部系統)之間的一資料鏈路。舉例而言,運算系統130可經組態以經由一資料鏈路自一儲存媒體(亦即,記憶體132或一外部記憶體)接收量測資料。例如,使用本文中所闡述之偵測器獲得之量測結果可儲存於一永久性或半永久性記憶體裝置(例如,記憶體132或一外部記憶體)中。就此而言,量測結果可自板上記憶體或自一外部記憶體系統導入。此外,電腦系統130可經由一傳輸媒體將資料發送至其他系統。舉例而言,由電腦系統130判定之一量測模型或一經估計參數值可經傳遞並儲存於一外部記憶體中。就此而言,量測結果可傳出至另一系統。
運算系統130可包含但不限於一個人電腦系統、大型電腦系統、工作站、影像電腦、並行處理器或此項技術中已知之任一其他裝置。大體而言,術語「運算系統」可廣義定義為涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任一裝置。
實施諸如本文中所闡述之彼等方法之方法之程式指令134可經由一傳輸媒體(諸如一導線、電纜或無線傳輸鏈路)傳輸。舉例而言,如圖1中所圖解說明,儲存於記憶體132中之程式指令134經由匯流排133傳輸至處理器131。程式指令134儲存於一電腦可讀媒體(例如,記憶體132)中。例示性電腦可讀媒體包含唯讀記憶體、一隨機存取記憶體、一磁碟或光碟,或一磁帶。
如本文中所闡述,術語「臨界尺寸」包含一結構之任何臨界尺寸(例如,底部臨界尺寸、中間臨界尺寸、頂部臨界尺寸、側壁角、光柵高度等)、任何兩個或兩個以上結構之間的一臨界尺寸(例如,兩個結構之間的距離),及兩個或兩個以上結構之間的一位移(例如,疊對光柵結構之間的疊對位移等)。結構可包含三維結構、經圖案化結構、疊對結構等。
如本文中所闡述,術語「臨界尺寸應用」或「臨界尺寸量測應用」包含任何臨界尺寸量測。
如本文中所闡述,術語「計量系統」包含至少部分地經採用以在任何態樣(包含量測應用,諸如臨界尺寸計量、疊對計量、聚焦/劑量計量及組合物計量)中表徵一樣本之任何系統。然而,此等技術術語並不限制如本文中所闡述之術語「計量系統」之範疇。此外,計量系統100還可經組態以用於經圖案化晶圓及/或未經圖案化晶圓之量測。計量系統可組態為一LED檢驗工具,邊緣檢驗工具、背側檢驗工具、宏觀檢驗工具或多模式檢驗工具(涉及同時來自一或多個平臺之資料),以及受益於本文中所闡述之技術之任何其他計量或檢驗工具。
在本文中闡述可用於在任一半導體處理工具(例如,一檢驗系統或一微影系統)內量測一樣本之一半導體量測系統之各種實施例。術語「樣本」在本文中用於指代一晶圓、一倍縮光罩或可由此項技術中已知之手段處理(例如,印刷或檢驗缺陷)之任何其他樣本。
如本文中所使用,術語「晶圓」通常指代由一半導體或非半導體材料形成之基板。實例包含但不限於單晶矽、砷化鎵及磷化銦。此等基板通常可發現於及/或處理於半導體製作設施中。在某些情形中,一晶圓可僅包含基板(即,裸晶圓)。或者,一晶圓可包含形成在一基板上之一個或多個不同材料層。形成於一晶圓上之一或多個層可係「經圖案化」或「未經圖案化」的。舉例而言,一晶圓可包含具有可重複圖案特徵之複數個晶粒。
一「倍縮光罩」可為在一倍縮光罩製作程序之任何階段處之一倍縮光罩,或者為可或不可被釋放以供在一半導體製作設施中使用之一完成倍縮光罩。一倍縮光罩或一「遮罩」通常定義為其上形成有且組態成一圖案之實質上不透明區域之一實質上透明基板。基板可包含(舉例而言)諸如非晶SiO2
之一玻璃材料。一倍縮光罩可在一微影程序之一曝光步驟期間沈積於一抗蝕劑覆蓋之晶圓上面,使得可將光罩上之圖案轉印至抗蝕劑。
形成於一晶圓上之一或多個層可為經圖案化或未經圖案化的。舉例而言,一晶圓可包含各自具有可重複圖案特徵之複數個晶粒。此等材料層之形成及處理可最終產生完成裝置。可在一晶圓上形成諸多不同類型之裝置,且如本文中所使用之術語晶圓意欲涵蓋其上製作有此項技術中已知之任何類型之裝置之一晶圓。
在一或多項例示性實施例中,所闡述之功能可以硬體、軟體、韌體或其任何組合實施。若以軟體實施,則該等功能可作為一或多個指令或代碼儲存於一電腦可讀媒體上或者經由一電腦可讀媒體傳輸。電腦可讀媒體包含電腦儲存媒體及通信媒體兩者,包含促進將一電腦程式自一個地方傳送至另一地方之任何媒體。一儲存媒體可係可由一個一般用途或特殊用途電腦存取之任何可用媒體。藉由實例而非限制方式,此類電腦可讀媒體可包括:RAM、ROM、EEPROM、CD-ROM或其他光碟儲存裝置、磁碟儲存裝置或其他磁性儲存裝置或者可用於以指令或資料結構之形式載運或儲存所期望程式碼構件且可由一個一般用途或特殊用途電腦或者一個一般用途或特殊用途處理器存取之任何其他媒體。並且,可將任何連接恰當地稱為一電腦可讀媒體。舉例而言,若使用一同軸電纜、光纖電纜、雙絞線、數位用戶線(DSL)或無線技術(諸如紅外線、無線電及微波)自一網站、伺服器或其他遠端源傳輸軟體,則該同軸電纜、光纖電纜、雙絞線、DSL或無線技術(諸如紅外線、無線電及微波)皆包含於媒體之定義內。如本文中所使用,磁碟及光碟包含壓縮光碟(CD)、雷射光碟、光學光碟、數位多功能光碟(DVD)、軟碟及藍光碟,其中磁碟通常以磁性方式再現資料,而光碟藉助雷射以光學方式再現資料。上文之組合亦應包含於電腦可讀取媒體之範疇內。
儘管在上文中出於指導性目的而闡述某些特定實施例,但本專利文件之教示內容具有一般適用性且不限於上文所闡述之特定實施例。因此,可在不違背如申請專利範圍中所陳述之本發明之範疇之情況下實踐對所闡述實施例之各種特徵之各種修改、改動及組合。
100:散射量測計量工具/系統/計量系統/記憶體板上系統
101:樣本
102:量測區/檢驗區
110:x射線照射源
115:x射線光學器件
116:X射線偵測器/偵測器
117:x射線束
125:x射線輻射/經散射x射線
126:經量測影像集/輸出信號/信號/x射線散射量測資料/量測資料
130:運算系統/單電腦系統/多電腦系統/電腦系統
131:處理器
132:記憶體
133:匯流排
134:程式指令
140:樣本定位系統
150:例示性斷層攝影量測引擎/斷層攝影量測引擎
151:最佳化模組
152:電磁解算器模組/電磁解算器
153:參數提取模組
154:初始值
155:經約束體素模型
157:體素模型
158:差
159:經模擬影像集
160:差分影像/差
162:所關注參數之值
163:經約束體素模型合成模組
164:量測資料
165:梯形結構/結構/廻歸模組
166:體素模型/解碼器模組
166A:體素
166B:體素
166C:體素
167:參數之值
168:量測模組
169:解碼器模組
170:參數之值
171:解碼器模組
172:結構
173:經模擬影像集
174:經量測影像集
175:差分影像/差
176:差分影像/差
180:解碼器訓練引擎
181:參數化結構模型合成模組
182:體素模型合成模組
183:解碼器訓練模組
184:實驗設計(DOE)值集/實驗設計參數集
185:參數化模型集
186:體素模型集/體素模型
187:經訓練解碼器模型
190:解碼器訓練引擎
191:編碼器/解碼器訓練模組
192:指示
193:經訓練解碼器模型
200:解碼器訓練引擎
201:參數變化
210:解碼器訓練引擎
211:體素模型集/體素模型
212:經訓練解碼器模型
300:方法
301:方塊
302:方塊
303:方塊
304:方塊
305:方塊
306:方塊
307:方塊
308:方塊
CD:臨界尺寸參數
H:高度參數
SWA:側壁角參數
圖1係圖解說明一項實施例中之一例示性斷層攝影量測引擎150之一圖式。
圖2係圖解說明用於根據本文中呈現之例示性方法量測一樣本之特性之一小角度X射線散射量測(SAXS)計量工具之一實施例之一圖式。
圖3係圖解說明表徵一梯形結構之形狀之一簡單、在幾何形狀上參數化之模型之一圖式。
圖4係圖解說明表徵一梯形結構之一個三維體素模型之一剖視圖之一圖式。
圖5係圖解說明另一實施例中之一例示性斷層攝影量測引擎之一圖式。
圖6係圖解說明一項實施例中之一經約束體素模型合成模組之一圖式。
圖7係圖解說明另一實施例中之一經約束體素模型合成模組之一圖式。
圖8係圖解說明仍另一實施例中之一例示性斷層攝影量測引擎之一圖式。
圖9係圖解說明仍另一實施例中之一例示性斷層攝影量測引擎之一圖式。
圖10係圖解說明一項實施例中之一解碼器訓練引擎之一圖式。
圖11係圖解說明另一實施例中之一解碼器訓練引擎之一圖式。
圖12係圖解說明仍另一實施例中之一解碼器訓練引擎之一圖式。
圖13係圖解說明仍另一實施例中之一解碼器訓練引擎之一圖式。
圖14係圖解說明用於基於一體素模型及一經約束體素模型估計所關注參數之值之一方法300之一流程圖。
126:經量測影像集/輸出信號/信號/x射線散射量測資料/量測資料
132:記憶體
150:例示性斷層攝影量測引擎/斷層攝影量測引擎
151:最佳化模組
152:電磁解算器模組/電磁解算器
153:參數提取模組
154:初始值
155:經約束體素模型
157:體素模型
158:差
159:經模擬影像集
160:差分影像/差
162:所關注參數之值
Claims (24)
- 一種方法,其包括: 自一第一半導體量測系統之一照射源提供一量之照射輻射,該量之照射輻射被引導至安置於一半導體晶圓上之一結構; 藉由該第一半導體量測系統之一偵測器,偵測回應於該量之照射輻射而自該結構散射之一量之輻射; 藉由該第一半導體量測系統,產生表徵與該結構之每一量測例項相關聯的來自該結構之輻射之該經偵測量之一經量測影像集; 判定與該結構之一體素模型之每一體素相關聯之一初始值,該體素模型包含第一複數個體素,其中與該體素模型之該第一複數個體素中之每一者相關聯之一值獨立於與該體素模型之該第一複數個體素中之其他體素中之每一者相關聯之一值,該體素模型具有等於該第一複數個的自由度數目; 基於該體素模型,藉由該第一半導體量測系統來產生表徵該結構之每一量測之一第一經模擬影像集; 接收該結構之一經約束體素模型,該經約束體素模型包含等於該第一複數個的體素數目,該經約束體素模型具有小於該第一複數個之自由度數目; 基於該經量測影像集與該第一經模擬影像集之間的一差及該體素模型與該經約束體素模型之間的一差,反覆地更新與該結構之該體素模型之每一體素相關聯之該值;及 自該體素模型估計表徵該被量測結構之一或多個所關注參數之值。
- 如請求項1之方法,其進一步包括: 自該經量測影像集、該經量測影像集之一子集、藉由一第二半導體量測系統自該結構收集之一量之量測資料,或其一組合來判定該經約束體素模型。
- 如請求項2之方法,其中該經約束體素模型係藉由一經訓練之經約束體素模型合成模型來判定。
- 如請求項2之方法,其中該經約束體素模型之該判定涉及: 自該經量測影像集、該經量測影像集之該子集、藉由另一半導體量測系統自該結構收集之該量之量測資料,或其一組合判定表徵該結構之一或多個參數之值;及 基於一經訓練解碼器模型自該一或多個參數之該等值產生該經約束體素模型。
- 如請求項4之方法,其中表徵該結構之該一或多個參數之該等值之該判定係基於一廻歸模型或一基於經訓練機器學習之模型。
- 如請求項4之方法,其中表徵該結構之該一或多個參數之該等值之該判定係基於該經量測影像集與該經模擬影像集之間的該差與該體素模型與該經約束體素模型之間的該差之一最小化。
- 如請求項1之方法,其進一步包括: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該經量測影像集或該經量測影像集之一子集與該第二經模擬影像集之間的一差。
- 如請求項1之方法,其進一步包括: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該第一經模擬影像集與該第二經模擬影像集之間的一差。
- 如請求項4之方法,其進一步包括: 產生表徵該結構之一或多個幾何參數之一實驗設計(DOE)值集、表徵用於製作該結構之一半導體製作程序之一或多個程序參數之一DOE集值,或兩者; 基於該一或多個幾何參數之該DOE集值中之每一者、該一或多個程序參數之該DOE值集中之每一者,或兩者來判定該結構之一參數化模型集; 基於該結構之該參數化模型集中之每一者來判定該結構之一體素模型集;及 基於該一或多個幾何參數之該DOE值集、該一或多個程序參數之該DOE值集或兩者,以及該體素模型集來訓練該解碼器模型。
- 如請求項4之方法,其進一步包括: 製作包含該結構之多個例項之一或多個實驗設計(DOE)晶圓,每一例項具有表徵該結構之一或多個幾何參數、表徵用於製作該結構之一半導體製作程序之一或多個程序參數,或兩者之一不同值; 使用一受信賴參考計量系統量測安置於該一或多個DOE晶圓上之該結構之每一例項; 基於由該所信賴參考計量系統量測之該結構之該等例項,估計該一或多個幾何參數、該一或多個程序參數或兩者之值之一變化; 基於該一或多個幾何參數、該一或多個程序參數或兩者之該變化來判定該結構之一體素模型集;及 基於該體素模型集來訓練該解碼器模型。
- 如請求項4之方法,其進一步包括: 自一使用者接收該結構之一體素模型集;及 基於該體素模型集來訓練該解碼器模型。
- 如請求項1之方法,其中以複數個不同入射角、複數個不同方位角或兩者提供在每一量測例項處被引導至該半導體晶圓之該表面上之量測位點之該量之照射輻射。
- 如請求項1之方法,其中該一或多個所關注參數包含以下各項中之任一者:一所關注幾何參數、一所關注程序參數、一所關注電參數及一所關注色散參數。
- 如請求項1之方法, 其中該一或多個所關注參數包含以下各項中之任一者:一疊對尺寸、一臨界尺寸、一微影焦點及一微影劑量。
- 如請求項1之方法,其中該第一半導體量測系統係一小角度x射線散射計。
- 如請求項2之方法,其中該第二半導體量測系統係以下各項中之任一者:一光譜橢圓偏光儀、一光譜反射計、一軟x射線反射計、一成像系統及一高光譜成像系統。
- 一種系統,其包括: 一第一半導體量測系統之一照射源,其經組態以提供引導至安置於一半導體晶圓上之一結構之一量之照射輻射; 該第一半導體量測系統之一偵測器,其經組態以偵測回應於該量之照射輻射而自該結構散射之一量之輻射;及 一非暫時性電腦可讀媒體,其儲存當由一或多個處理器執行時致使該一或多個處理器進行以下操作之指令: 藉由該第一半導體量測系統,產生表徵與該結構之每一量測例項相關聯的來自該結構之輻射之該經偵測量之一經量測影像集; 判定與該結構之一體素模型之每一體素相關聯之一初始值,該體素模型包含第一複數個體素,其中與該體素模型之該第一複數個體素中之每一者相關聯之一值獨立於與該體素模型之該第一複數個體素中之其他體素中之每一者相關聯之一值,該體素模型具有等於該第一複數個的自由度數目; 基於該體素模型,藉由該第一半導體量測系統來產生表徵該結構之每一量測之一第一經模擬影像集; 接收該結構之一經約束體素模型,該經約束體素模型包含等於該第一複數個的體素數目,該經約束體素模型具有小於該第一複數個的自由度數目; 基於該經量測影像集與該第一經模擬影像集之間的一差及該體素模型與該經約束體素模型之間的一差,反覆地更新與該結構之該體素模型之每一體素相關聯之該值;及 自該體素模型估計表徵該被量測結構之一或多個所關注參數之值。
- 如請求項17之系統,該非暫時性電腦可讀媒體進一步儲存當由該一或多個處理器執行時致使該一或多個處理器進行以下操作之指令: 自該經量測影像集、該經量測影像集之一子集、藉由一第二半導體量測系統自該結構收集之一量之測資料量,或其一組合來判定該經約束體素模型。
- 如請求項17之系統,該非暫時性電腦可讀媒體進一步儲存當由該一或多個處理器執行時致使該一或多個處理器進行以下操作之指令: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該經量測影像集或該經量測影像集之一子集與該第二經模擬影像集之間的一差。
- 如請求項17之系統,該非暫時性電腦可讀媒體進一步儲存當由該一或多個處理器執行時致使該一或多個處理器進行以下操作之指令: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該第一經模擬影像集與該第二經模擬影像集之間的一差。
- 一種半導體量測系統,其包括: 一照射源,其經組態以提供引導至安置於一半導體晶圓上之一結構之一量之照射輻射; 一偵測器,其經組態以偵測回應於該量之照射輻射而自該結構散射之一量之輻射;及 一運算系統,其經組態以: 產生表徵與該結構之每一量測例項相關聯的來自該結構之輻射之該經偵測量之一經量測影像集; 判定與該結構之一體素模型之每一體素相關聯之一初始值,該體素模型包含第一複數個體素,其中與該體素模型之該第一複數個體素中之每一者相關聯之一值獨立於與該體素模型之該第一複數個體素中之其他體素中之每一者相關聯之一值,該體素模型具有等於該第一複數個的自由度數目; 基於該體素模型產生表徵該結構之每一量測之一第一經模擬影像集; 接收該結構之一經約束體素模型,該經約束體素模型包含等於該第一複數個的體素數目,該經約束體素模型具有小於該第一複數個的自由度數目; 基於該經量測影像集與該第一經模擬影像集之間的一差及該體素模型與該經約束體素模型之間的一差,反覆地更新與該結構之該體素模型之每一體素相關聯之該值;及 自該體素模型估計表徵該被量測結構之一或多個所關注參數之值。
- 如請求項21之半導體量測系統,該運算系統進一步經組態以: 自該經量測影像集、該經量測影像集之一子集、藉由另一半導體量測系統自該結構收集之一量之測資料量,或其一組合來判定該經約束體素模型。
- 如請求項21之半導體量測系統,該運算系統進一步經組態以: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該經量測影像集或該經量測影像集之一子集與該第二經模擬影像集之間的一差。
- 如請求項21之半導體量測系統,該運算系統進一步經組態以: 基於該經約束體素模型,藉由該半導體量測系統來產生表徵該結構之每一量測之一第二經模擬影像集,其中與該結構之該體素模型之每一體素相關聯之該值之該更新亦係基於該第一經模擬影像集與該第二經模擬影像集之間的一差。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962942735P | 2019-12-02 | 2019-12-02 | |
US62/942,735 | 2019-12-02 | ||
US16/951,933 | 2020-11-18 | ||
US16/951,933 US11610297B2 (en) | 2019-12-02 | 2020-11-18 | Tomography based semiconductor measurements using simplified models |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202128083A true TW202128083A (zh) | 2021-08-01 |
TWI836166B TWI836166B (zh) | 2024-03-21 |
Family
ID=
Also Published As
Publication number | Publication date |
---|---|
JP2023505152A (ja) | 2023-02-08 |
US20210166375A1 (en) | 2021-06-03 |
US11610297B2 (en) | 2023-03-21 |
CN114746991B (zh) | 2023-11-17 |
WO2021113191A1 (en) | 2021-06-10 |
KR20220110266A (ko) | 2022-08-05 |
JP7431969B2 (ja) | 2024-02-15 |
CN114746991A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11313816B2 (en) | Full beam metrology for x-ray scatterometry systems | |
TWI649536B (zh) | 用於以散射術量測為基礎之成像及關鍵尺寸度量之度量方法、度量系統及非暫時性電腦可讀媒體 | |
US10352695B2 (en) | X-ray scatterometry metrology for high aspect ratio structures | |
JP7317849B2 (ja) | リアルタイム測定制御のための方法およびシステム | |
CN113677983B (zh) | 结合x射线计量数据集合以改进参数评估的方法及系统 | |
US11610297B2 (en) | Tomography based semiconductor measurements using simplified models | |
TW202340709A (zh) | 用於半導體結構之資料驅動參數化及量測之方法及系統 | |
TWI836166B (zh) | 計量方法、計量系統及半導體量測系統 | |
US20230258585A1 (en) | Semiconductor Measurements With Robust In-Line Tool Matching |