TW202334642A - 基於掃描條件模型之半導體外形測量 - Google Patents

基於掃描條件模型之半導體外形測量 Download PDF

Info

Publication number
TW202334642A
TW202334642A TW111126016A TW111126016A TW202334642A TW 202334642 A TW202334642 A TW 202334642A TW 111126016 A TW111126016 A TW 111126016A TW 111126016 A TW111126016 A TW 111126016A TW 202334642 A TW202334642 A TW 202334642A
Authority
TW
Taiwan
Prior art keywords
doe
value
interest
parameters
model
Prior art date
Application number
TW111126016A
Other languages
English (en)
Inventor
史帝藍 伊凡渥夫 潘戴夫
Original Assignee
美商科磊股份有限公司
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 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202334642A publication Critical patent/TW202334642A/zh

Links

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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95684—Patterns showing highly reflecting parts, e.g. metallic elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/201—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials by measuring small-angle scattering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • 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
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/608—Specific applications or type of materials superconductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本文中描述用於基於一經訓練掃描條件測量模型測量半導體結構之方法及系統。基於與一或多個所關注參數及該一或多個所關注參數之一受擾動值集的已知值相關聯之實驗設計(DOE)測量資料來訓練一掃描條件模型。該經訓練條件模型最小化特性化該給定DOE測量資料之該一或多個所關注參數之該等受擾動值之該等已知值之間的誤差之一誤差函數之輸出。在推理期間，藉由該經訓練掃描條件測量模型判定與一或多個所關注參數之各候選值相關聯之一誤差值。該所關注參數之經估計值係與最小誤差值相關聯之該所關注參數之該候選值。

Description

基於掃描條件模型之半導體外形測量
所述實施例係關於度量衡系統及方法，且更特定言之係關於用於半導體結構之經改良測量之方法及系統。
半導體裝置(諸如邏輯及記憶體裝置)通常由應用於一樣品之一序列處理步驟製造。藉由此等處理步驟形成半導體裝置之各種特徵及多個結構層級。例如，微影尤其為涉及在一半導體晶圓上產生一圖案之一種半導體製造程序。半導體製造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。多個半導體裝置可製造於一單一半導體晶圓上且接著被分成個別半導體裝置。
在一半導體製造程序期間之各個步驟使用度量衡程序來偵測晶圓上之缺陷以促進較高良率。光學及基於X射線之度量衡技術提供高處理量之可能性而不具有樣本破壞之風險。通常使用包含散射量測(scatterometry)、反射量測(reflectometry)及橢偏量測(ellipsometry)實施方案以及相關聯分析演算法之若干基於度量衡之技術來特性化奈米級結構之臨界尺寸、膜厚度、組合物、疊對及其他參數。
許多度量衡技術係測量一受測量樣品之實體性質之間接方法。在大多數情況中，原始測量信號無法用於直接判定樣品之實體性質。代替性地，採用一測量模型以基於原始測量信號估計一或多個所關注參數之值。例如，橢偏量測係測量受測量樣品之實體性質之一間接方法。一般而言，需要一基於物理之測量模型或一基於機器學習之測量模型以基於原始測量信號(例如，α meas及β meas)判定樣品之物理性質。
在一些實例中，建立嘗試基於一或多個模型參數之假定值預測原始測量信號(例如，α meas及β meas)之一基於物理之測量模型。如方程式(1)及(2)中所繪示，測量模型包含與度量衡工具本身相關聯之參數(例如，機器參數(P machine))及與受測量樣品相關聯之參數。當求解所關注參數時，將一些樣品參數視為固定值(P spec-fixed)且使其他所關注樣品參數浮動(P spec-float)，即，基於原始測量信號進行解析。 (1) (2)
機器參數係用於特性化度量衡工具(例如，橢偏計101)之參數。例示性機器參數包含入射角(AOI)、分析器角度(A 0)、偏振器角度(P 0)、照明波長、數值孔徑(NA)、補償器或波板(若存在)等。樣品參數係用於特性化樣品之參數(例如，特性化(若干)受測量結構之材料及幾何參數)。對於一薄膜樣品，例示性樣品參數包含折射率、介電函數張量、全部層之標稱層厚度、層序列等。對於一CD樣品，例示性樣品參數包含與不同層相關聯之幾何參數值、與不同層相關聯之折射率等。為測量目的，將機器參數及許多樣品參數視為已知之固定值參數。然而，將樣品參數之一或多者之值視為未知之所關注浮動參數。
在一些實例中，所關注浮動參數之值藉由產生理論預測與實驗資料之間之最佳擬合之一迭代程序(例如，迴歸)進行解析。改變未知之所關注浮動參數之值，且以一迭代方式計算模型輸出值(例如，α model及β model)並比較該等模型輸出值與原始測量資料，直至判定導致模型輸出值與實驗測量值(例如，α meas及β meas)之間之一充分緊密匹配的一樣品參數值集。在一些其他實例中，藉由搜尋遍及預先計算解之一庫以找到最緊密匹配來解析浮動參數。
實施一基於物理之測量模型以自經測量信號(例如，光譜、X射線繞射影像等)預測特性化一受測量結構之一或多個參數之值具有若干缺點。實務上，一基於物理之模型之開發在時間、精力及運算工作量方面成本高昂。在許多情況中，實現一運算上易處理之基於物理之模型所必需之折衷對測量準確度具有一非所要影響。另外，當存在多個解時(即，當相同測量信號集針對一所關注參數之值具有一個以上解時)，一基於物理之測量模型可導致誤導結果。在此等實例中，在實施一基於物理之測量模型時採用之迴歸程序力圖在多個解當中找到一單一解，此導致測量完整性之一損失。
在一些其他實例中，採用一經訓練基於機器學習之測量模型以基於原始測量資料直接估計所關注參數之值。在此等實例中，一基於機器學習之測量模型採取原始測量信號作為模型輸入且產生所關注參數之值作為模型輸出。
必須訓練一基於機器學習之測量模型以產生對於一特定測量應用有用之所關注參數之估計值。一般而言，模型訓練係基於自具有所關注參數之已知值(即，實驗設計(DOE)資料)之一樣品收集之原始測量信號。
一基於機器學習之測量模型係由若干權重參數參數化。通常，基於機器學習之測量模型藉由最小化總輸出誤差之一迴歸程序(例如，普通最小平方迴歸)進行訓練。迭代地調整權重參數之值以最小化所關注參數之已知參考值與由基於機器學習之測量模型基於經測量原始測量信號估計之所關注參數之值之間的差。
訓練一基於機器學習之測量模型以自經測量信號(例如，光譜、X射線繞射影像等)預測特性化一受測量結構之一或多個參數之值的傳統方法具有若干缺點。實務上，模型訓練需要大量DOE測量樣本，產生該等DOE測量樣本通常為成本高昂的。另外，當存在多個解時(即，當相同測量信號集針對一所關注參數之值具有一個以上解時)，通常損及模型訓練之穩定性。在此等實例中，訓練一基於機器學習之測量模型之傳統方法力圖找到多個解之間之一中間地帶，此導致測量準確度之一損失。
歸因於愈來愈小的解析度要求、多參數相關性、愈來愈複雜的幾何結構及不透明材料之愈來愈多的使用，未來度量衡應用對度量衡提出挑戰。因此，期望用於經改良測量模型訓練及參數推理之方法及系統。
本文中描述用於基於一經訓練掃描條件測量模型測量半導體結構之方法及系統。基於與一或多個所關注參數及該一或多個所關注參數之一受擾動值集的已知值相關聯之實驗設計(DOE)測量資料來訓練一掃描條件模型。該經訓練條件模型最小化特性化該給定DOE測量資料之該一或多個所關注參數與該一或多個所關注參數之該等受擾動值之該等已知值之間的誤差之一誤差函數之輸出。
另外，基於一經訓練掃描條件測量模型自收集自一受測量半導體結構之實際測量資料估計一或多個所關注參數之值。藉由掃描遍及一或多個所關注參數之一候選值範圍來判定該一或多個所關注參數之該等值。該經訓練掃描條件測量模型判定與該一或多個所關注參數之各候選值相關聯之一誤差值。該所關注參數之經估計值係與最小誤差值相關聯之該所關注參數之該候選值。
在一個態樣中，判定一受測量結構之一幾何模型。一幾何模型在一或多個所關注參數方面特性化一結構之幾何形狀。以此方式，一或多個所關注參數之值定義一受測量結構之形狀。在一些實施例中，一幾何模型在兩個維度上定義一結構之形狀。在一些其他實施例中，一幾何模型在三個維度上定義一結構之形狀。
在另一態樣中，基於幾何模型參數值之一DOE集產生測量資料之一DOE訓練資料集。
在另一態樣中，基於對應於幾何模型參數值之DOE集及幾何模型參數之DOE集之一受擾動值集的測量資料之訓練資料集來訓練一掃條件模型。
在另一態樣中，採用經訓練掃描條件測量模型以基於具有一或多個所關注參數之未知值之結構之實際測量來估計所關注參數之值。將測量資料及與各所關注參數相關聯之一候選值集作為輸入提供至一經訓練掃描條件測量模型。經訓練掃描條件測量模型產生與各候選值相關聯之一誤差值。選擇各所關注參數之經估計值作為具有最小誤差值之各所關注參數之候選值。
一般而言，可採用任何數目個幾何參數作為輸入以訓練及使用一掃描條件測量模型。類似地，可採用測量信號之任何組合作為輸入以訓練及使用一掃描條件測量模型(例如，來自一或多個光學度量衡系統、一或多個x射線度量衡系統或其等之一組合之信號)。
前文係一概述且因此必然含有細節之簡化、概括及省略；因此，熟習此項技術者將瞭解，概述僅為闡釋性的且不以任何方式限制。本文中所描述之裝置及/或程序之其他態樣、發明特徵及優點將在本文中所闡述之非限制性[實施方式]中變得顯而易見。
現將詳細參考本發明之背景實例及一些實施例，本發明之實例繪示於隨附圖式中。
本文中描述用於基於一經訓練掃描條件測量模型測量半導體結構之方法及系統。
基於與一或多個所關注參數及該一或多個所關注參數之一受擾動值集的已知值相關聯之實驗設計(DOE)測量資料來訓練一掃描條件模型。經訓練條件模型最小化一誤差函數之輸出。誤差函數特性化給定DOE測量資料之一或多個所關注參數與一或多個所關注參數之受擾動值的已知值之間之誤差。
基於一經訓練掃描條件測量模型自收集自一受測量半導體結構之實際測量資料估計一或多個所關注參數之值。藉由掃描遍及一或多個所關注參數之一候選值範圍來判定一或多個所關注參數之值。採用經訓練掃描條件測量模型來判定與一或多個所關注參數之各候選值相關聯之一誤差值。所關注參數之經估計值係與最小誤差值相關聯之所關注參數之候選值。
如本文中所描述之一掃描條件測量模型實現用較少DOE測量樣本訓練一基於機器學習之測量模型，此係因為誤差係基於各DOE資料集之許多擾動來學習。因此，針對給定數目個DOE測量樣本，訓練樣本之總數目顯著增加。此外，掃描條件模型化技術之掃描性質使經訓練模型能夠準確地預測一所關注參數之多個解。另外，如本文中所描述之一掃描條件測量模型使經訓練模型能夠重建一受測量模型之一二維影像或一三維影像。
圖1繪示用於根據本文中所呈現之例示性方法測量一樣品之特性的一系統100。如圖1中所展示，系統100可用於執行圖1中所描繪之結構101之光譜橢偏測量。在此態樣中，系統100可包含裝備有一照明器102及一光譜儀104之一光譜橢偏計。系統100之照明器102經組態以產生一選定波長範圍(例如，100 nm至2500 nm)之照明且將該照明引導至安置於樣品之表面上之結構之一測量點110上方。繼而，光譜儀104經組態以接收自結構101反射之照明。進一步應注意，使用一偏振狀態產生器107使自照明器102出射之光偏振以產生一偏振照明光束106。由結構101反射之輻射行進穿過一偏振狀態分析器109且至光譜儀104。關於偏振狀態分析收集光束108中由光譜儀104接收之輻射，而容許藉由光譜儀對由分析器傳遞之輻射進行光譜分析。將此等光譜111傳遞至運算系統130以進行如本文中描述之結構之分析。
如圖1中所描繪，系統100包含一單一測量技術(即，SE)。然而，一般而言，系統100可包含任何數目種不同測量技術。藉由非限制性實例，系統100可組態為一光譜橢偏計(包含穆勒(Mueller)矩陣橢偏計)、一光譜反射計、一光譜散射計、一疊對散射計、一角度解析光束輪廓(beam profile)反射計、一偏振解析光束輪廓反射計、一光束輪廓反射計、一光束輪廓橢偏計、任何單或多波長橢偏計或其等之任何組合。此外，一般而言，可自多個工具、整合多種技術之一單一工具或其等之一組合(藉由非限制性實例，包含軟X射線反射量測、小角度x射線散射量測、一基於成像之度量衡系統、一基於高光譜成像之度量衡系統、一散射量測疊對度量衡系統等)收集由不同測量技術收集且根據本文中所描述之方法分析的測量資料。
在另一實施例中，系統100可包含用於基於根據本文中所描述之方法開發的測量模型執行結構之測量的一或多個運算系統130。一或多個運算系統130可通信地耦合至光譜儀104。在一個態樣中，一或多個運算系統130經組態以接收與一受測量結構(例如，結構101)之測量相關聯之測量資料111。
在一些實施例中，運算系統130經組態以開發及訓練一掃描條件測量模型以及執行經訓練掃描條件模型以估計一或多個所關注參數之值，如本文中所描述。
在一個態樣中，判定一受測量結構之一幾何模型。一幾何模型在一或多個所關注參數方面特性化一結構之幾何形狀。以此方式，一或多個所關注參數之值定義一受測量結構之形狀。在一些實施例中，一幾何模型在兩個維度上定義一結構之形狀。在一些其他實施例中，一幾何模型在三個維度上定義一結構之形狀。
在一些實例中，一幾何模型係基於幾何基元(例如，梯形等)開發且基於用於製造結構之半導體程序之知識進行參數化。
在一些實例中，一幾何模型係基於幾何基元(例如，梯形等)開發且基於由一受信任參考度量衡系統提供之參考測量資料進行參數化。在一個實例中，採用掃描電子顯微鏡(SEM)影像來直接測量一半導體結構之形狀，且採用經測量形狀來參數化幾何模型。
在一些實例中，基於一系列參考形狀外形開發一幾何模型。在一些實例中，自根據程序參數之一DOE製造之半導體結構之測量判定參考形狀外形。
在一些實例中，藉由模擬(例如，預測根據諸如蝕刻、微影等之一系列製造步驟製造之一結構之形狀的一程序模擬工具)來開發一幾何模型。在一些此等實例中，幾何模型包含基於程序參數之一DOE之合成產生之形狀外形的一資料集。
在一些實施例中，一受測量結構之一幾何模型特徵化為跨越包封經測量結構之一三維體積的一體素柵格陣列。陣列之體素之大小及間隔先驗已知。體素模型之各體素係由與各體素相關聯之一性質(例如，透明度、電子密度等)之一值參數化。以此方式，體素模型之參數值定義受測量結構之幾何形狀之一三維影像。在典型半導體度量衡應用中，一經測量結構之一體素模型包含用於提供足以準確地估計所關注參數(例如，臨界尺寸、高度、側壁角等)之解析度的大量體素(例如，一百萬個或更多個體素)。
在另一態樣中，基於幾何模型參數值之一DOE集(P i DOE)產生測量資料之一DOE訓練資料集(S i DOE)。
在一些實施例中，DOE訓練資料集係自根據參數值之一DOE集(P i DOE)製造之結構收集之測量資料。在一些實施例中，與經測量結構之各者相關聯之各DOE參數之值係由一受信任參考度量衡系統(例如，SEM)測量。在一些實施例中，與經測量結構之各者相關聯之各DOE參數值之值係用於製造經測量結構之一已知之經程式化值。
在一些其他實施例中，幾何模型參數值之DOE集係已知之經程式化參數值，且測量資料之對應訓練資料集(S i DOE)係由度量衡模擬產生。在此等實例中，一度量衡模擬工具模擬由度量衡工具回應於具有特徵化為參數值之DOE (P i DOE)之一已知之經程式化形狀的一結構之測量而產生之測量資料之訓練資料集(S i DOE)。在一些實施例中，經模擬度量衡工具係用於最終測量具有一或多個所關注參數之未知值之結構的相同度量衡工具。
在一些實施例中，藉由程序模擬產生幾何模型參數值之DOE集。在此等實施例中，採用一程序模擬器以基於已知之經程式化程序參數之一DOE (PP i)來產生具有已知幾何參數值(P i DOE)之幾何模型的一資料集。繼而，採用一度量衡模擬器以產生對應於已知幾何參數值之測量資料之訓練資料集(S i DOE)。
在另一態樣中，基於對應於幾何模型參數值之DOE集(P i DOE)及幾何模型參數之DOE集之一受擾動值集之測量資料之訓練資料集(S i DOE)訓練一掃條件模型。
圖2係繪示一項實施例中之一掃描條件測量模型訓練引擎200之一圖。如圖2中所描繪，掃描條件測量模型訓練引擎200包含一機器學習模組201、一誤差評估模組203及一擾動產生器模組204。將測量資料之一訓練資料集(S i DOE) 205作為一輸入提供至機器學習模組201。
在一些實例中，掃描條件測量模型係一神經網路模型。如圖2中所描繪，機器學習模組201評估用於資料集(S i DOE) 205及受擾動參數值(P ij DOE+ dP k) 210之一神經網路模型，其中i係指示各測量樣本之一指數，j係指示各個別參數之一指數，且k係指示各誤差樣本之一指數。神經網路模型之輸出係傳達至誤差評估模組203之一誤差值(ERR ijk) 207。誤差評估模組203比較由神經網路模型判定之誤差值(ERR ijk) 207與相關聯於各誤差樣本及各受擾動參數值(P ij DOE+ dP k) 210之一已知誤差值(ERR ijk*) 208。損失評估模組203更新神經網路加權值211以最小化特性化經判定誤差值與已知誤差值之間的一差之一函數(例如，二次誤差函數、線性誤差函數或任何其他適合差分函數)。將經更新神經網路加權值211傳達至機器學習模組201。機器學習模組201針對訓練程序之下一迭代用經更新神經網路加權值來更新神經網路模型。迭代繼續，直至最小化特性化經判定誤差值與已知誤差值之間的一差之函數。將所得經訓練掃描條件測量模型212傳達至記憶體(例如，記憶體132)。經訓練掃描條件測量模型212預測經提供測量信號(例如，光譜)之一參數值及真實參數值之誤差。
如圖2中所描繪，掃描條件測量模型訓練引擎200自一參考源202接收DOE幾何模型參數值(P ij DOE) 206。參考源202係一受信任度量衡系統、一模擬器或用於產生幾何模型參數值之一DOE集(P ij DOE)之任何組合，如上文中所描述。將幾何模型參數值之DOE集(P ij DOE) 206傳達至擾動產生器模組204。擾動產生器模組204產生幾何模型參數值(P ij DOE) 206之各者之一擾動集。在一些實施例中，一擾動集包含在標稱幾何模型參數值(P ij DOE) 206之各者之+/-30%之範圍內的若干值。在一些實施例中，與各參數相關聯之擾動之數目係10或更多。將擾動集(dP k) 209之各擾動添加至對應幾何模型參數值(P ij DOE) 206，且將總和(P ij DOE+ dP k) 210作為輸入提供至機器學習模組201。另外，擾動產生器模組204判定與各誤差樣本及各受擾動參數值(P ij DOE+ dP k) 210相關聯之已知誤差值(ERR ijk*) 208，且將已知誤差值提供至誤差評估模組203。一般而言，將與參數空間中之各樣本、各個別參數及各誤差樣本相關聯之已知誤差值運算為已知DOE參數值與受擾動參數值之間的一距離。以此方式，針對各測量樣本(S i)，運算與各參數(P ij+dP k)及對應參數特定誤差(Err ijk)相關聯之多個參數擾動。
在另一態樣中，基於經訓練掃描條件測量模型估計所關注參數之值。將測量資料及與各所關注參數相關聯之一候選值集作為輸入提供至一經訓練掃描條件測量模型。經訓練掃描條件測量模型產生與各候選值相關聯之一誤差值。選擇各所關注參數之經估計值作為具有最小誤差值之各所關注參數之候選值。
圖3係繪示一項實施例中之一經訓練掃描條件測量模型推理引擎220之一圖。如圖3中所描繪，經訓練掃描條件測量模型推理引擎220包含一經訓練掃描條件測量模組221及候選選擇模組225。在圖3中所描繪之實施例中，將由一度量衡系統或度量衡系統之組合收集之經測量資料(S MEAS) 222及一或多個所關注參數(P TEST) 223之一候選值集作為輸入提供至經訓練掃描條件測量模組221。經訓練掃描條件測量模組221採用經訓練掃描條件測量模型來判定與各所關注參數之各候選值相關聯之一誤差值。將與各所關注參數相關聯之誤差值(E TEST) 224提供至候選選擇模組225。候選選擇模組225選擇與各所關注參數相關聯之具有最小誤差之候選值。選定候選值係對應所關注參數(POI MEAS) 226之經估計值。
圖4描繪與一所關注參數之一候選值範圍相關聯的一誤差值軌跡231之一繪示。如圖4中所描繪，選擇具有最小誤差之候選值作為所關注參數之經估計值。如圖4中所繪示，經訓練掃描條件模型之掃描性質使經訓練模型能夠預測一所關注參數之兩個不同值(POI 1 MEAS及POI 2 MEAS)。在一個實例中，節距遊動(pitch walk)之測量需要自相同測量信號集提取一所關注參數之兩個不同值。
在一些測量應用中，判定一受測量結構之一二維形狀係重要的(例如，記憶體測量應用)。在一些此等測量應用中，採用兩個參數作為至一經訓練掃描條件測量模型之輸入。
圖5描繪由兩個幾何參數參數化之一孔結構240之一繪示。如圖5中所描繪，孔結構240之形狀241係由一臨界尺寸參數(CD)及一高度參數(H)描述。在此實例中，CD及H參數描述孔結構之形狀且被用作至一經訓練掃描條件測量模型之輸入。
圖6描繪與CD及H之一候選值範圍相關聯的一誤差值圖245之一繪示。誤差值圖上之點247與候選值之一特定組合(CD CAND, H CAND)相關聯。線246標記在高度值範圍內具有一最小誤差值之點之一軌跡。最小值之軌跡表示圖245上具有與經測量孔結構之外形對準之最高機率的點。以此方式，線246描繪孔結構240之外形之形狀241的一影像。
圖7A至圖7F之各者描繪與相關聯於一孔結構之不同例項之測量的CD及H之一候選值範圍相關聯之一誤差值圖之一繪示。
圖7A至圖7F分別描繪在高度值範圍內具有一最小誤差值之點之一軌跡251至256。最小值之軌跡表示圖上具有與經測量孔結構之外形對準之最高機率的點。以此方式，線251至256分別描繪經測量孔結構之各者之外形的形狀之一影像251至256。
圖8A至圖8F之各者描繪與相關聯於一孔結構之不同例項之測量的不對稱性(ASYM)及H之一候選值範圍相關聯之一誤差值圖之一繪示。
圖8A至圖8F分別描繪在高度值範圍內具有一最小誤差值之點之一軌跡261至266。最小值之軌跡表示圖上具有與經測量孔結構之外形對準之最高機率的點。以此方式，線261至266分別描繪經測量孔結構之各者之外形的形狀之一影像261至266。
一般而言，可應用如本文中所描述之一經訓練掃描條件測量模型來估計用於特性化一經測量結構之幾何形狀之任何所關注參數(例如，臨界尺寸、高度、傾斜度、不對稱性、橢圓率、螺旋線等)之值。
在一些測量應用中，判定一受測量結構之一三維形狀係重要的。在一些此等測量應用中，採用一體素模型來特性化受測量結構。
圖9描繪一通道孔結構271之一體素模型之一繪示。通道孔結構271之幾何模型特徵化為跨越包封經測量結構之一三維體積的一體素柵格陣列。陣列之體素之大小及間隔先驗已知。如圖9中所繪示，第n體素272定位於三維空間中之座標{X n,Y n,Z n)處且第n體素之大小係已知的。各體素係由體素之一性質(例如，透明度、電子密度等)之一值參數化。以此方式，與體素之各者相關聯之值定義受測量通道孔結構271之幾何形狀之一三維影像。
基於一DOE集幾何模型參數值(P ij DOE)之受擾動值及對應DOE資料集(S i DOE)來訓練通道孔結構271之一掃描條件測量模型。在此實例中，幾何模型參數值係具有與各體素相關聯之性質之一特定值(例如，一最小值)的體素之位置。在此實例中，為訓練目的而產生幾何模型參數值之各者之一擾動集，即，各體素之三維位置之一擾動集(dP k=(ΔX k, ΔY k, ΔZ k))。將擾動集(dP k)之各擾動添加至對應模型參數值(P ij DOE=(X ij DOE, Y ij DOE, Z ij DOE))，且將總和(P ij DOE+ dP k)作為輸入提供至機器學習模組201。另外，例如，針對各誤差樣本，將與各誤差樣本相關聯之已知誤差值(ERR ijk*)判定為各標稱體素位置與受擾動體素位置之間的距離。針對各DOE測量樣本、各個別體素及各誤差樣本計算已知誤差值。以此方式，針對各測量樣本(S i)，運算與各體素及對應參數特定誤差(Err ijk)相關聯之多個參數擾動，且採用該等參數擾動來訓練通道孔結構271之一掃描條件測量模型，如關於圖2描述。
通道孔結構271之經訓練掃描條件測量模型用於基於自具有未知形狀之一通道孔結構收集之測量資料(S MEAS)估計一經測量通道孔結構之一三維影像。如關於圖3描述，將測量資料(S MEAS)及一體素位置集(P TEST)作為輸入提供至經訓練掃描條件測量模型。體素位置集掃描由經測量通道孔佔用之三維空間。經訓練掃描條件測量模型判定與體素位置之各者相關聯之一誤差值。評估與各體素位置相關聯之誤差值(E TEST)，且具有最小誤差之體素位置描繪通道孔之表面之外形。
圖10A至圖10F各自描繪與一通道孔結構之不同經測量例項之體素位置範圍相關聯的誤差值之一三維影像之一橫截面視圖之一繪示。亮線281A至286A以及281B至286B分別繪示跨各經測量通道孔結構之橫截面具有最小誤差之點的軌跡。以此方式，亮線281A至286A分別繪示各經測量通道孔結構之外形之左側，且亮線281B至286B繪示各經測量通道孔結構之外形之右側。
一般而言，一經測量結構之三維影像實現自相同三維影像評估傾斜度、不對稱性、橢圓率、螺旋線、臨界尺寸、側壁角等。
在一些實施例中，使用一經訓練掃描條件模型藉由以一循序方式評估各體素而重建一經測量結構之一三維影像。在此等實施例中，循序地判定與各體素相關聯之誤差。誤差愈小，則經預測體素值愈接近真實體素值。
在一些其他實施例中，藉由針對各體素複製一經訓練掃描條件模型且並行地評估全部體素而重建一經測量結構之一三維影像。
一般而言，可採用任何數目個幾何參數作為輸入以訓練及使用一掃描條件測量模型。類似地，可採用測量信號之任何組合作為輸入以訓練及使用一掃描條件測量模型(例如，來自一或多個光學度量衡系統、一或多個x射線度量衡系統或其等之一組合之信號)。
在另一進一步態樣中，採用經訓練掃描條件測量模型以基於具有一或多個所關注參數之未知值的結構之實際測量來估計所關注參數之值。實際測量資料(例如，經測量光譜)係由一測量系統(例如，度量衡系統100)收集。在一些實施例中，測量系統係用於收集DOE測量資料之相同測量系統。在其他實施例中，測量系統係經模擬以合成地產生DOE測量資料之系統。在一個實例中，實際測量資料包含由度量衡系統100自具有一或多個所關注參數之未知值的一或多個度量衡目標收集之經測量光譜111。
一般而言，可採用經訓練掃描條件測量模型以基於一單一經測量光譜估計所關注參數之值，或同時基於多個光譜估計所關注參數之值。
在一些實例中，模擬與藉由一度量衡系統測量一或多個實驗設計(DOE)度量衡目標之多個例項之各者相關聯的測量資料。自藉由度量衡系統測量一或多個DOE度量衡結構之各者的一經參數化模型產生經模擬資料。
在一些其他實例中，與一或多個實驗設計(DOE)度量衡目標之多個例項相關聯之測量資料係由一度量衡系統或一度量衡系統之多個例項收集之實際測量資料。在一些實施例中，採用相同度量衡系統或度量衡系統之多個例項以自具有一或多個所關注參數之未知值的度量衡目標之例項收集實際測量資料。在一些實施例中，採用度量衡系統之一不同例項或度量衡系統之多個不同例項以自具有一或多個所關注參數之未知值的度量衡目標之例項收集實際測量資料。
在一些實施例中，藉由一參考度量衡系統自DOE晶圓之測量導出用於訓練一掃描條件測量模型之所關注參數之值。參考度量衡系統係產生充分準確測量結果之一受信任測量系統。在一些實例中，參考度量衡系統過於緩慢而無法用於作為晶圓製造程序流程之部分在線測量晶圓，但適於離線使用用於諸如模型訓練之目的。藉由非限制性實例，一參考度量衡系統可包含一獨立光學度量衡系統，諸如一光譜橢偏計(SE)、具有多個照明角之SE、測量穆勒矩陣元素之SE、一單波長橢偏計、一光束輪廓橢偏計、一光束輪廓反射計、一寬頻反射光譜儀、一單波長反射計、一角度解析反射計、一成像系統、一散射計(諸如一光斑分析器)、一基於X射線之度量衡系統(諸如在一透射或掠入射模式中操作之一小角度x射線散射計(SAXS)、一x射線繞射(XRD)系統、一x射線螢光(XRF)系統、一x射線光電子光譜術(XPS)系統、一x射線反射計(XRR)系統)、一拉曼(Raman)光譜術系統、一原子力顯微鏡(AFM)系統、一透射電子顯微鏡系統、一掃描電子顯微鏡系統、一軟X射線反射量測系統、一基於成像之度量衡系統、一基於高光譜成像之度量衡系統、一散射量測疊對度量衡系統，或能夠判定裝置幾何形狀之其他技術。
在一些實施例中，將如本文中描述般訓練之一測量模型實施為一神經網路模型。在其他實例中，一測量模型可實施為一線性模型、一非線性模型、一多項式模型、一回應表面模型、一支援向量機模型、一決策樹模型、一隨機森林模型、一核迴歸模型、一深度網路模型、一卷積(convolutional)網路模型或其他類型之模型。
在又一進一步態樣中，本文中所描述之測量結果可用於將主動回饋提供至一程序工具(例如，微影工具、蝕刻工具、沈積工具等)。例如，可將基於本文中所描述之測量方法判定之經測量參數之值傳達至一蝕刻工具以調整蝕刻時間而達成一所要蝕刻深度。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)可經包含於一測量模型中以將主動回饋分別提供至蝕刻工具或沈積工具。在一些實例中，可將對基於使用一經訓練掃描條件測量模型判定之經測量裝置參數值判定之程序參數的校正傳達至程序工具。在一項實施例中，運算系統130在程序期間基於自一測量系統接收之經測量信號111判定一或多個所關注參數之值。另外，運算系統130基於一或多個所關注參數之經判定值將控制命令傳達至一程序控制器(未展示)。控制命令引起程序控制器改變一程序之狀態(例如，停止蝕刻程序、改變擴散率、改變微影焦點、改變微影劑量等)。
在一些實施例中，如本文中所描述之用於半導體裝置之度量衡之方法及系統適用於記憶體結構之測量。此等實施例實現針對週期性及平面結構進行光學臨界尺寸(CD)、膜及組合物度量衡。
在一些實例中，測量模型實施為可購自美國加利福尼亞州米爾皮塔斯市(Milpitas)之KLA-Tencor公司之一SpectraShape ®光學臨界尺寸度量衡系統的一元件。以此方式，模型經建立且準備好在光譜由系統收集之後立即使用。
在一些其他實例中，測量模型例如由實施可購自美國加利福尼州米爾皮塔斯市之KLA-Tencor公司之AcuShape ®軟體的一運算系統離線實施。所得經訓練模型可併入為可由執行測量的一度量衡系統存取之一AcuShape ®庫之一元件。
圖11繪示在至少一個新穎態樣中訓練一掃描條件測量模型之一方法300。方法300適於由一度量衡系統(諸如本發明之圖1中所繪示之度量衡系統100)實施。在一個態樣中，應認知，方法300之資料處理方塊可經由用運算系統130或任何其他通用運算系統之一或多個處理器執行的一預程式化演算法實行。本文中應認知，度量衡系統100之特定結構態樣不表示限制且僅應被解釋為闡釋性的。
在方塊301中，自安置於一第一晶圓上之一或多個結構之測量收集一定量之測量資料。
在方塊302中，產生特性化安置於第一晶圓上之一或多個結構之一形狀的一或多個所關注參數之一候選值集。
在方塊303中，基於一經訓練掃描條件測量模型判定與一或多個所關注參數之候選值集之各候選值相關聯之一誤差值。將候選值集及該一定量之測量資料之各者作為輸入提供至經訓練掃描條件測量模型。
在方塊304中，判定一或多個所關注參數之各者之一第一經估計值。第一經估計值係具有一第一最小誤差值之一或多個所關注參數之各者之候選值集的一第一候選值。
在另一實施例中，系統100包含用於根據本文中所描述之方法基於一經訓練掃描條件測量模型執行半導體結構之測量的一或多個運算系統130。一或多個運算系統130可通信地耦合至一或多個光譜儀、主動光學元件、程序控制器等。在一個態樣中，一或多個運算系統130經組態以接收與晶圓101之結構之光譜測量相關聯之測量資料。
應認知，在本發明各處描述之一或多個步驟可由一單電腦系統130或替代地一多電腦系統實行130。此外，系統100之不同子系統可包含適於實行本文中所描述之步驟之至少一部分之一電腦系統。因此，前述描述不應被解釋為對本發明之一限制而僅為一繪示。
另外，電腦系統130可依此項技術中已知之任何方式通信地耦合至光譜儀。例如，一或多個運算系統130可耦合至與光譜儀相關聯之運算系統。在另一實例中，光譜儀可由耦合至電腦系統130之一單一電腦系統直接控制。
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，光譜儀及類似者)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，測量結果、模型化輸入、模型化結果、參考測量結果等)。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。例如，運算系統130可經組態以經由一資料鏈路自一儲存媒體(即，記憶體132或一外部記憶體)接收測量資料。例如，使用本文中所描述之光譜儀獲得之光譜結果可儲存於一永久或半永久記憶體裝置(例如，記憶體132或一外部記憶體)中。在此方面，可自板上記憶體或自一外部記憶體系統匯入光譜結果。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。例如，可傳達由電腦系統130判定之一測量模型或一經估計參數值且將其儲存於一外部記憶體中。在此方面，可將測量結果匯出至另一系統。
運算系統130可包含但不限於一個人電腦系統、主機電腦系統、工作站、影像電腦、平行處理器或此項技術中已知之任何其他裝置。一般而言，術語「運算系統」可廣泛地定義為涵蓋具有執行來自一記憶媒體之指令之一或多個處理器的任何裝置。
可經由諸如一導線、纜線或無線傳輸鏈路之一傳輸媒體來傳輸實施諸如本文中所描述之方法之方法的程式指令134。例如，如圖1中所繪示，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。
如本文中所描述，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)、任何兩個或更多個結構之間之一臨界尺寸(例如，兩個結構之間之距離)及兩個或更多個結構之間之一位移(例如，疊對光柵結構之間之疊對位移等)。結構可包含三維結構、經圖案化結構、疊對結構等。
如本文中所描述，術語「臨界尺寸應用」或「臨界尺寸測量應用」包含任何臨界尺寸測量。
如本文中所描述，術語「度量衡系統」包含至少部分用於在任何態樣(包含測量應用，諸如臨界尺寸度量衡、疊對度量衡、焦點/劑量度量衡及組合物度量衡)中特性化一樣品之任何系統。然而，此等技術術語不限制如本文中所描述之術語「度量衡系統」之範疇。另外，系統100可經組態以用於經圖案化晶圓及/或未經圖案化晶圓之測量。度量衡系統可組態為一LED檢測工具、邊緣檢測工具、背側檢測工具、宏觀檢測工具或多模式檢測工具(其涉及同時來自一或多個平台之資料)及獲益於本文中所描述之技術之任何其他度量衡或檢測工具。
本文中描述可用於在任何半導體處理工具(例如，一檢測系統或一微影系統)內測量一樣品之一半導體測量系統的各項實施例。術語「樣品」在本文中使用以指代一晶圓、一倍縮光罩或可藉由此項技術中已知之手段處理(例如，印刷或檢測缺陷)之任何其他樣本。
如本文中所使用，術語「晶圓」大體上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。此等基板可普遍在半導體製造設施中找到及/或處理。在一些情況中，一晶圓可僅包含基板(即，裸晶圓)。替代地，一晶圓可包含形成於一基板上之一或多個不同材料層。形成於一晶圓上之一或多個層可「經圖案化」或「未經圖案化」。例如，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」可為處於一倍縮光罩製造程序之任何階段之一倍縮光罩，或為可或可能未經釋放以於一半導體製造設施中使用之一完成倍縮光罩。一倍縮光罩或一「遮罩」大體上定義為具有形成於其上且以一圖案組態之實質上不透明區的一實質上透明基板。基板可包含例如一玻璃材料，諸如非晶SiO 2。可在一微影程序之一曝光步驟期間將一倍縮光罩安置於一抗蝕劑覆蓋之晶圓上方，使得可將倍縮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經圖案化或未經圖案化。例如，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最終可導致完成裝置。許多不同類型的裝置可形成於一晶圓上，且如本文中所使用之術語晶圓旨在涵蓋其上製造此項技術中已知之任何類型之裝置的一晶圓。
在一或多項例示性實施例中，所述功能可實施於硬體、軟體、韌體或其等之任何組合中。若在軟體中實施，則功能可作為一或多個指令或程式碼儲存於一電腦可讀媒體上或經由該電腦可讀媒體傳輸。電腦可讀媒體包含電腦儲存媒體及通信媒體(包含促進一電腦程式自一個位置至另一位置之傳送之任何媒體)兩者。一儲存媒體可為可由一通用或專用電腦存取之任何可用媒體。藉由實例且非限制地，此等電腦可讀媒體可包括RAM、ROM、EEPROM、CD-ROM或其他光碟儲存器、磁碟儲存器或其他磁性儲存裝置，或可用於載送或儲存呈指令或資料結構之形式之所要程式碼構件且可由一通用或專用電腦或一通用或專用處理器存取的任何其他媒體。再者，任何連接被適當地稱為一電腦可讀媒體。例如，若使用一同軸電纜、光纖纜線、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，則同軸電纜、光纖纜線、雙絞線、DSL或無線技術(諸如紅外線、無線電及微波)包含於媒體之定義中。如本文中所使用，磁碟及光碟包含光碟片(CD)、雷射光碟、光碟、數位多功能光碟(DVD)、軟碟及藍光光碟，其中磁碟通常磁性地再現資料而光碟用雷射光學地再現資料。上述之組合亦應包含於電腦可讀媒體之範疇內。
雖然上文為指導目的而描述某些特定實施例，但本專利文件之教示具有一般適用性且不限於上文描述之特定實施例。因此，可在不脫離如發明申請專利範圍中所闡述之本發明之範疇之情況下實踐所述實施例之各種特徵之各種修改、調適及組合。
100:度量衡系統/系統/記憶體板上系統 101:橢偏計/結構/晶圓 102:照明器 104:光譜儀 106:偏振照明光束 107:偏振狀態產生器 108:收集光束 109:偏振狀態分析器 110:測量點 111:光譜/測量資料/經測量光譜 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 200:掃描條件測量模型訓練引擎 201:機器學習模組 202:參考源 203:誤差評估模組/損失評估模組 204:擾動產生器模組 205:測量資料之訓練子集(S i DOE)/資料集(S i DOE) 206:實驗設計(DOE)幾何模型參數值(P ij DOE) 207:誤差值(ERR ijk) 208:已知誤差值(ERR ijk*) 209:擾動集(dP k) 210:受擾動參數值(P ij DOE+ dP k)/加總(P ij DOE+ dP k) 211:神經網路加權值 212:經訓練掃描條件測量模型 220:經訓練掃描條件測量模型推理引擎 221:經訓練掃描條件測量模組 222:經測量資料(S MEAS) 223:所關注參數(P TEST) 224:誤差值(E TEST) 225:候選選擇模組 226:所關注參數(POI MEAS) 231:誤差值軌跡 240:孔結構 241:形狀 245:誤差值圖 246:線 247:點 251至256:點之軌跡/線/形狀之影像 261至266:點之軌跡/線/形狀之影像 271:通道孔結構 272:第n體素 281A至286A:亮線 281B至286B:亮線 300:方法 301:方塊 302:方塊 303:方塊 304:方塊 CD:臨界尺寸參數 H:高度參數
圖1描繪用於根據本文中所呈現之例示性方法測量一半導體結構之特性的一度量衡系統100之一繪示。
圖2係繪示一項實施例中之一例示性掃描條件測量模型訓練引擎200之一圖。
圖3係繪示一項實施例中之一經訓練掃描條件測量模型推理引擎220之一圖。
圖4描繪繪示與一所關注參數之一候選值範圍相關聯的一誤差值軌跡之一曲線圖。
圖5係繪示由兩個幾何參數參數化之一孔結構之一圖。
圖6係繪示與一臨界尺寸(CD)及高度(H)之一候選值範圍相關聯的一誤差值圖之一圖。
圖7A至圖7F係繪示與相關聯於一孔結構之不同例項之測量的CD及H之一候選值範圍相關聯之一誤差值圖之曲線圖。
圖8A至圖8F係繪示與相關聯於一孔結構之不同例項之測量相關聯的不對稱性(ASYM)及H之一候選值範圍相關聯之一誤差值圖之曲線圖。
圖9係繪示一通道孔結構之一體素模型之一圖。
圖10A至圖10F係繪示與一通道孔結構之不同經測量例項之體素位置範圍相關聯之誤差值的一三維影像之一橫截面視圖之曲線圖。
圖11繪示用於訓練用於估計所關注參數之值之一掃描條件測量模型的一方法300之一流程圖。
132:記憶體
200:掃描條件測量模型訓練引擎
201:機器學習模組
202:參考源
203:誤差評估模組/損失評估模組
204:擾動產生器模組
205:測量資料之訓練子集(Si DOE)/資料集(Si DOE)
206:實驗設計(DOE)幾何模型參數值(Pij DOE)
207:誤差值(ERRijk)
208:已知誤差值(ERRijk*)
209:擾動集(dPk)
210:受擾動參數值(Pij DOE+dPk)/加總(Pij DOE+dPk)
211:神經網路加權值
212:經訓練掃描條件測量模型

Claims (23)

  1. 一種系統，其包括： 一或多個度量衡系統，其包含一照明源及一偵測器，該偵測器經組態以自安置於一第一晶圓上之一或多個結構之測量收集一定量之測量資料；及 一運算系統，其經組態以： 產生特性化安置於該第一晶圓上之該一或多個結構之一形狀的一或多個所關注參數之一候選值集； 基於一經訓練掃描條件測量模型判定與該一或多個所關注參數之該候選值集之各候選值相關聯之一誤差值，其中將該候選值集及該一定量之測量資料之各者作為輸入提供至該經訓練掃描條件測量模型；及 判定該一或多個所關注參數之各者之一第一經估計值，其中該第一經估計值係具有一第一最小誤差值之該一或多個所關注參數之各者之該候選值集的一第一候選值。
  2. 如請求項1之系統，該運算系統進一步經組態以： 接收與特徵化為一實驗設計(DOE)參數值集之複數個DOE結構之測量相關聯的測量資料之一DOE資料集；及 基於對應於該DOE參數值集及該DOE參數值集之各DOE參數值之一受擾動值集的測量資料之該DOE資料集來訓練該掃描條件測量模型。
  3. 如請求項2之系統，其中測量資料之該DOE資料集係自根據該DOE參數值集製造之該複數個DOE結構收集之實際測量資料。
  4. 如請求項3之系統，其中該DOE參數值集係由一受信任參考度量衡系統測量。
  5. 如請求項3之系統，其中該DOE參數值集係用於製造該複數個DOE結構之已知之經程式化值。
  6. 如請求項2之系統，其中基於該DOE參數值集模擬測量資料之該DOE資料集，其中該DOE參數值集係與該模擬相關聯之已知值。
  7. 如請求項2之系統，其中基於程序參數值之一DOE資料集模擬該DOE參數值集，且其中基於該DOE參數值集模擬測量資料之該DOE資料集。
  8. 如請求項2之系統，其中該掃描條件測量模型係一基於機器學習之模型。
  9. 如請求項1之系統，該運算系統進一步經組態以： 判定該一或多個所關注參數之各者之一第二經估計值，其中該第二經估計值係具有一第二最小誤差值之該一或多個所關注參數之各者之該候選值集的一第二候選值。
  10. 如請求項1之系統，其中該一或多個所關注參數特性化安置於該第一晶圓上之該一或多個結構之一二維形狀。
  11. 如請求項1之系統，其中該一或多個所關注參數特性化安置於該第一晶圓上之該一或多個結構之一三維形狀。
  12. 如請求項1之系統，其中該一定量之測量資料包含至少一個基於光學之度量衡系統、至少一個基於x射線之度量衡系統或其等之任何組合對該一或多個結構之測量。
  13. 一種方法，其包括： 自安置於一第一晶圓上之一或多個結構之測量收集一定量之測量資料； 產生特性化安置於該第一晶圓上之該一或多個結構之一形狀的一或多個所關注參數之一候選值集； 基於一經訓練掃描條件測量模型判定與該一或多個所關注參數之該候選值集之各候選值相關聯之一誤差值，其中將該候選值集及該一定量之測量資料之各者作為輸入提供至該經訓練掃描條件測量模型；及 判定該一或多個所關注參數之各者之一第一經估計值，其中該第一經估計值係具有一第一最小誤差值之該一或多個所關注參數之各者之該候選值集的一第一候選值。
  14. 如請求項13之方法，其進一步包括： 接收與特徵化為一實驗設計(DOE)參數值集之複數個DOE結構之測量相關聯的測量資料之一DOE資料集；及 基於對應於該DOE參數值集及該DOE參數值集之各DOE參數值之一受擾動值集的測量資料之該DOE資料集來訓練該掃描條件測量模型。
  15. 如請求項14之方法，其中測量資料之該DOE資料集係自根據該DOE參數值集製造之該複數個DOE結構收集之實際測量資料。
  16. 如請求項14之方法，其中基於該DOE參數值集模擬測量資料之該DOE資料集，其中該DOE參數值集係與該模擬相關聯之已知值。
  17. 如請求項14之方法，其中基於程序參數值之一DOE資料集模擬該DOE參數值集，且其中基於該DOE參數值集模擬測量資料之該DOE資料集。
  18. 如請求項14之方法，其中該掃描條件測量模型係一基於機器學習之模型。
  19. 如請求項13之方法，其進一步包括： 判定該一或多個所關注參數之各者之一第二經估計值，其中該第二經估計值係具有一第二最小誤差值之該一或多個所關注參數之各者之該候選值集的一第二候選值。
  20. 如請求項13之方法，其中該一或多個所關注參數特性化安置於該第一晶圓上之該一或多個結構之一二維形狀或一三維形狀。
  21. 如請求項13之方法，其中該一定量之測量資料包含至少一個基於光學之度量衡系統、至少一個基於x射線之度量衡系統或其等之任何組合對該一或多個結構之測量。
  22. 一種系統，其包括： 一或多個度量衡系統，其包含一照明源及一偵測器，該偵測器經組態以自安置於一第一晶圓上之一或多個結構之測量收集一定量之測量資料；及 一非暫時性電腦可讀媒體，其包含指令，該等指令在由一運算系統之一或多個處理器執行時引起該運算系統： 產生特性化安置於該第一晶圓上之該一或多個結構之一形狀的一或多個所關注參數之一候選值集； 基於一經訓練掃描條件測量模型判定與該一或多個所關注參數之該候選值集之各候選值相關聯之一誤差值，其中將該候選值集及該一定量之測量資料之各者作為輸入提供至該經訓練掃描條件測量模型；及 判定該一或多個所關注參數之各者之一第一經估計值，其中該第一經估計值係具有一第一最小誤差值之該一或多個所關注參數之各者之該候選值集的一第一候選值。
  23. 如請求項22之系統，該非暫時性電腦可讀媒體進一步包含指令，該等指令在由該運算系統之一或多個處理器執行時引起該運算系統： 接收與特徵化為一實驗設計(DOE)參數值集之複數個DOE結構之測量相關聯的測量資料之一DOE資料集；及 基於對應於該DOE參數值集及該DOE參數值集之各DOE參數值之一受擾動值集的測量資料之該DOE資料集來訓練該掃描條件測量模型。
TW111126016A 2021-09-20 2022-07-12 基於掃描條件模型之半導體外形測量 TW202334642A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/479,870 US20230092729A1 (en) 2021-09-20 2021-09-20 Semiconductor Profile Measurement Based On A Scanning Conditional Model
US17/479,870 2021-09-20

Publications (1)

Publication Number Publication Date
TW202334642A true TW202334642A (zh) 2023-09-01

Family

ID=85572725

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111126016A TW202334642A (zh) 2021-09-20 2022-07-12 基於掃描條件模型之半導體外形測量

Country Status (7)

Country Link
US (1) US20230092729A1 (zh)
EP (1) EP4327081A1 (zh)
KR (1) KR20240060748A (zh)
CN (1) CN117413177A (zh)
IL (1) IL308709A (zh)
TW (1) TW202334642A (zh)
WO (1) WO2023043859A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6891627B1 (en) * 2000-09-20 2005-05-10 Kla-Tencor Technologies Corp. Methods and systems for determining a critical dimension and overlay of a specimen
US10935893B2 (en) * 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US10018571B2 (en) * 2015-05-28 2018-07-10 Kla-Tencor Corporation System and method for dynamic care area generation on an inspection tool
KR102483787B1 (ko) * 2016-02-25 2023-01-04 에스케이하이닉스 주식회사 반도체 장치의 결함 모델링 장치 및 방법, 이를 위한 컴퓨터 프로그램과, 이를 이용한 반도체 장치의 결함 검사 시스템
US10197908B2 (en) * 2016-06-21 2019-02-05 Lam Research Corporation Photoresist design layout pattern proximity correction through fast edge placement error prediction via a physics-based etch profile modeling framework
US10474042B2 (en) * 2017-03-22 2019-11-12 Kla-Tencor Corporation Stochastically-aware metrology and fabrication
US11520321B2 (en) * 2019-12-02 2022-12-06 Kla Corporation Measurement recipe optimization based on probabilistic domain knowledge and physical realization

Also Published As

Publication number Publication date
CN117413177A (zh) 2024-01-16
KR20240060748A (ko) 2024-05-08
WO2023043859A1 (en) 2023-03-23
US20230092729A1 (en) 2023-03-23
IL308709A (en) 2024-01-01
EP4327081A1 (en) 2024-02-28

Similar Documents

Publication Publication Date Title
CN107408519B (zh) 基于模型的单个参数测量的系统和方法
EP2979297B1 (en) Statistical model-based metrology
US10030965B2 (en) Model-based hot spot monitoring
KR102013483B1 (ko) 파라미터 추적을 위한 계측 시스템 최적화
KR102644768B1 (ko) 확률 도메인 지식에 기초하는 측정 레시피 최적화 및 물리적 실현
US20220114438A1 (en) Dynamic Control Of Machine Learning Based Measurement Recipe Optimization
WO2022066378A1 (en) Methods and systems for determining quality of semiconductor measurements
US20220352041A1 (en) High Resolution Profile Measurement Based On A Trained Parameter Conditioned Measurement Model
TW202334642A (zh) 基於掃描條件模型之半導體外形測量
US20240353759A1 (en) Full Wafer Measurement Based On A Trained Full Wafer Measurement Model