TWI659274B - 產生用於控制或監控一生產程序的經預測資料 - Google Patents

產生用於控制或監控一生產程序的經預測資料 Download PDF

Info

Publication number
TWI659274B
TWI659274B TW107101141A TW107101141A TWI659274B TW I659274 B TWI659274 B TW I659274B TW 107101141 A TW107101141 A TW 107101141A TW 107101141 A TW107101141 A TW 107101141A TW I659274 B TWI659274 B TW I659274B
Authority
TW
Taiwan
Prior art keywords
data
performance
content context
information
model
Prior art date
Application number
TW107101141A
Other languages
English (en)
Other versions
TW201841066A (zh
Inventor
亞力山大 伊瑪
迪米特拉 吉科魯
喬吉奧斯 齊羅吉安尼斯
湯瑪斯 里歐 瑪利亞 何根邦
哈倫 理查 喬哈奈 法蘭西卡斯 凡
Original Assignee
荷蘭商Ａｓｍｌ荷蘭公司
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 荷蘭商Ａｓｍｌ荷蘭公司 filed Critical 荷蘭商Ａｓｍｌ荷蘭公司
Publication of TW201841066A publication Critical patent/TW201841066A/zh
Application granted granted Critical
Publication of TWI659274B publication Critical patent/TWI659274B/zh

Links

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
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • 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
    • G03F7/70633—Overlay, i.e. relative alignment between patterns printed by separate exposures in different layers, or in the same layer in multiple exposures or stitching
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45028—Lithography
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Factory Administration (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)

Abstract

本發明產生用於控制或監控一生產程序以改良一所關注參數之經預測資料。獲得與該生產程序504之操作相關聯之內容脈絡資料502。對該生產程序504之產品506執行度量衡/測試508，藉此獲得效能資料510。提供一內容脈絡對效能模型以基於用效能資料進行該內容脈絡資料502之標記而產生經預測效能資料526。此內容脈絡對效能模型為半監督學習之一執行個體。該內容脈絡對效能模型包括執行半監督標記之學習者522。使用與該內容脈絡資料及/或該效能資料之品質相關的預測資訊來修改該內容脈絡對效能模型。預測資訊可包含相關性資訊，相關性資訊係關於該所獲得之內容脈絡資料及/或該所獲得之效能資料與該所關注參數之相關性。該預測資訊可包含關於該經預測效能資料之不確定度的模型不確定度資訊。

Description

產生用於控制或監控一生產程序的經預測資料
本發明係關於一種產生用於控制或監控生產程序之經預測資料以改良可用於例如藉由微影技術進行之器件製造中的所關注參數之方法。本發明亦關於關聯電腦程式及電腦程式產品，以及包括微影裝置及微影製造單元之裝置。
微影裝置為將所要圖案施加至基板上(通常施加至基板之目標部分上)之機器。微影裝置可用於例如積體電路(IC)之製造中。在彼情況下，圖案化器件(其替代地被稱作光罩或倍縮光罩)可用以產生待形成於IC之個別層上之電路圖案。可將此圖案轉印至基板(例如矽晶圓)上之目標部分(例如包括晶粒之部分、一個晶粒或若干晶粒)上。通常經由成像至提供於基板上之輻射敏感材料(抗蝕劑)層上來進行圖案之轉印。一般而言，單一基板將含有經順次地圖案化之鄰近目標部分之網路。此等目標部分通常被稱作「場」。
當前在微影處理期間，產生許多內容脈絡資料。此內容脈絡資料為與量測及機器/程序設定相關聯的變數之大的值集合。以由效能參數之值集合組成之所謂的效能資料來表達微影程序之品質。效能參數可與臨界尺寸 (CD)控制、疊對控制(器件中之兩個層之對準準確度)或基礎參數(例如焦點及劑量)相關。效能資料受到極大關注，此係因為此資料允許控制微影程序。舉例而言，疊對效能之知識將用以採取校正性措施(例如藉由改變機器設定)。同時，效能資料之知識有助於觸發超出範圍之情形(例如有助於程序控制且尋找超出範圍情形之原因)。
常常，歸因於獲得效能資料所花費的相對大工作量而可得到有限效能資料。此可能會妨礙效能資料應允許準確及穩固機器操作之要求。
常用策略為利用模型以內插效能資料以便達成與效能參數值之空間或時間分佈相關聯的較密集取樣方案。
常常部署之另一策略為利用內容脈絡資料與效能資料之間的統計關係。由於內容脈絡資料之量常常極大，故此可允許產生「虛擬」效能資料之相當大集合；效能資料係自關於內容脈絡及效能資料之模型導出。
然而，問題在於：模型應足夠準確及相關以便使所產生之虛擬效能資料最有用於控制機器設定。
部分標記之資料集在效能預測性模型化方面構成挑戰。當結合內容脈絡資料來分析產品上效能量測時，產品上效能量測之有限可用性強加使用儘可能少的量測之要求。然而，經導出模型應為準確的且計算上高效的。
效能量測對於分析並非具同等資訊量。一般而言，相似曝光之量測可能並未具充分資訊，將更有效的是對於其他較有用量測研究任何其餘量測時間。
本發明人已設計出一種用以使用內容脈絡資料、經預測資料及/或經 量測效能資料之不確定度及相關性資訊而使內容脈絡對效能模型係動態的及自學習之方式。舉例而言，其可用於控制一生產程序以改良一所關注參數，同時避免或至少減輕上文所提及關聯問題中之一或多者。
在一第一態樣中，本發明提供一種產生用於控制或監控一生產程序以改良一所關注參數之經預測資料之方法，該方法包含以下步驟：獲得與該生產程序之操作相關聯之內容脈絡資料；獲得與該生產程序之一產品之效能相關聯之效能資料；提供一內容脈絡對效能模型以基於用效能資料進行該內容脈絡資料之標記而產生經預測效能資料；及使用與該內容脈絡資料之品質相關的預測資訊來修改該內容脈絡對效能模型。
該預測資訊可包含相關性資訊，該相關性資訊係關於該所獲得之內容脈絡資料及/或該所獲得之效能資料與該所關注參數之相關性。一效用模型可用以產生用於用效能資料進行該內容脈絡資料之該標記的標籤，且該相關性資訊包含該效用模型之不確定度。
該預測資訊可包含關於該所產生之經預測效能資料之不確定度的模型不確定度資訊。一機器學習演算法係用以執行該標記，且該模型不確定度資訊包含該機器學習演算法之不確定度。
在一第二態樣中，本發明提供一種包含電腦可讀指令之電腦程式，該等電腦可讀指令當執行於合適電腦裝置上時致使該電腦裝置執行該第一態樣之該方法。
在一第三態樣中，本發明提供一種電腦程式產品，其包含該第二態 樣之該電腦程式。
在一第四態樣中，本發明提供一種裝置，其經特定調適以進行該第一態樣之該方法之該等步驟。該裝置可經特定組態為可操作以執行一微影生產程序之一微影裝置。該裝置可經特定組態為可操作以執行一微影生產程序之一微影製造單元。
202‧‧‧半導體製造設施及微影內容脈絡資料
204‧‧‧廠房內容脈絡參數、晶圓及光罩參數
206‧‧‧曝光參數
208‧‧‧微影程序效能
210‧‧‧掃描器度量衡資料
212‧‧‧產品上效能
214‧‧‧度量衡資料
218‧‧‧電氣效能
220‧‧‧器件良率
302‧‧‧使用者
304‧‧‧效用模型
306‧‧‧內容脈絡對效能模型
308‧‧‧最佳化
310‧‧‧相關性判定
312‧‧‧主動式學習
314‧‧‧內容脈絡最佳化
402‧‧‧內容脈絡資料
404‧‧‧生產程序
406‧‧‧產品
408‧‧‧度量衡/測試
410‧‧‧效能資料
422‧‧‧內容脈絡對效能模型
426‧‧‧經預測效能資料
502‧‧‧內容脈絡資料
504‧‧‧生產程序
506‧‧‧產品
508‧‧‧度量衡/測試
510‧‧‧效能資料
512‧‧‧效用模型
514‧‧‧識別額外效能資料點
516‧‧‧視覺化模組
518‧‧‧顯示器
520‧‧‧使用者輸入模組/使用者
522‧‧‧學習者/機器學習演算法
524‧‧‧計算模型不確定度資訊
526‧‧‧經預測效能資料
530‧‧‧識別額外內容脈絡資料
827‧‧‧處理器
829‧‧‧記憶體
861‧‧‧硬碟
862‧‧‧唯讀記憶體(ROM)
863‧‧‧電可抹除可程式化唯讀記憶體(EEPROM)
864‧‧‧隨機存取記憶體(RAM)
865‧‧‧鍵盤
866‧‧‧滑鼠
867‧‧‧讀取單元
868‧‧‧固態機
869‧‧‧CDROM
870‧‧‧印表機
871‧‧‧顯示器
872‧‧‧通信網路
873‧‧‧傳輸器/接收器
BK‧‧‧烘烤板
CH‧‧‧冷卻板
C1‧‧‧叢集
C2‧‧‧叢集
C3‧‧‧叢集
C4‧‧‧叢集
C5‧‧‧叢集
DE‧‧‧顯影器
I/O1‧‧‧輸入/輸出埠
I/O2‧‧‧輸入/輸出埠
LA‧‧‧微影裝置
LACU‧‧‧微影控制單元
LB‧‧‧裝載匣
LC‧‧‧微影製造單元
MET‧‧‧度量衡系統
RO‧‧‧基板處置器或機器人
SC‧‧‧旋塗器
SCS‧‧‧監督控制系統
TCU‧‧‧塗佈顯影系統控制單元
W‧‧‧基板
X‧‧‧內容脈絡變數/影像大小
現在將參看隨附圖式作為實例來描述本發明之實施例，在該等圖式中：圖1描繪其中可使用根據本發明之方法的微影製造單元或叢集。
圖2示意性地說明被部分標記為內容脈絡資料集及效能資料集之金字塔。
圖3示意性地說明根據本發明之一實施例的互動之半監督學習。
圖4為根據先前技術之虛擬度量衡之方法的流程圖。
圖5為根據本發明之一實施例的產生用於控制生產程序以改良所關注參數之經預測資料之方法的流程圖。
圖6為說明用於半導體製造設施(廠房)及微影程序最佳化之主動式半監督學習之使用的曲線圖。
圖7為說明用於廠房及微影程序最佳化之主動式半監督學習之使用的另一曲線圖。
圖8說明有用於實施本文中所揭示之方法的電腦系統硬體。
在詳細地描述本發明之實施例之前，有指導性的是呈現可供實施本發明之實施例之實例環境。
圖1描繪其中可使用根據本發明之檢測裝置的微影製造單元或叢集。
如圖1中所展示，微影裝置LA形成微影製造單元LC(有時亦被稱作叢集)之部分，微影製造單元LC亦包括用以對基板執行曝光前程序及曝光後程序之裝置。通常，此等裝置包括用以沈積抗蝕劑層之旋塗器SC、用以顯影經曝光抗蝕劑之顯影器DE、冷卻板CH及烘烤板BK。基板處置器或機器人RO自輸入/輸出埠I/O1、I/O2拾取基板、在不同程序裝置之間移動基板，且將基板遞送至微影裝置之裝載匣LB。常常被集體地稱作塗佈顯影系統(track)之此等器件係在塗佈顯影系統控制單元TCU之控制下，塗佈顯影系統控制單元TCU自身受到監督控制系統SCS控制，監督控制系統SCS亦經由微影控制單元LACU來控制微影裝置。因此，不同裝置可經操作以最大化產出率及處理效率。
為了正確地且一致地曝光由微影裝置曝光之基板，需要檢測經曝光基板以量測屬性，諸如後續層之間的疊對誤差、線厚度、臨界尺寸(CD)等。因此，經定位有微影製造單元LC之製造設施亦包括度量衡系統MET，度量衡系統MET收納已在微影製造單元中處理之基板W中之一些或全部。將度量衡結果直接地或間接地提供至監督控制系統SCS。若偵測到誤差，則可對後續基板之曝光進行調整，尤其是在可足夠迅速地且快速地完成檢測以使得同一批量之其他基板仍待曝光的情況下。又，已經曝光之基板可被剝離及重工以改良良率，或被捨棄，藉此避免對已知有缺陷之基板執行進一步處理。在基板之僅一些目標部分有缺陷的狀況下，可僅對良好的彼等目標部分執行進一步曝光。
在度量衡系統MET內，使用檢測裝置以判定基板之屬性，且尤其是判定不同基板或同一基板之不同層之屬性如何在不同層間變化。檢測裝置 可整合至微影裝置LA或微影製造單元LC中，或可為單機器件。為了實現最快速量測，需要使檢測裝置緊接在曝光之後量測經曝光抗蝕劑層中之屬性。然而，抗蝕劑中之潛影具有極低對比度-在已曝光至輻射的抗蝕劑之部分與尚未曝光至輻射的抗蝕劑之部分之間僅存在極小折射率差-且並非所有檢測裝置皆具有足夠敏感度來進行潛影之有用量測。因此，可在曝光後烘烤步驟(PEB)之後進行量測，曝光後烘烤步驟(PEB)通常為對經曝光基板進行之第一步驟且增加抗蝕劑之經曝光部分與未經曝光部分之間的對比度。在此階段，抗蝕劑中之影像可被稱作半潛像(semi-latent)。亦有可能對經顯影之抗蝕劑影像進行量測-此時，抗蝕劑之經曝光部分或未經曝光部分已被移除-或在諸如蝕刻之圖案轉印步驟之後對經顯影抗蝕劑影像進行量測。後者可能性限制重工有缺陷基板之可能性，但仍可提供有用資訊。
微影裝置(例如掃描器)曝光之內容脈絡參數(諸如曝光能量及影像大小)可以線性及非線性方式影響掃描器效能(且因此亦影響產品上效能，亦即，產品晶圓上之圖案化效能，比如疊對或臨界尺寸)。歸因於微影步驟之複雜性，以足夠準確度模型化掃描器相關及非掃描器內容脈絡參數對圖案化效能之效應需要對大量曝光之全密集型效能量測。又，使比如影像大小之一些參數「固定」，或可使一些參數僅變化極小位元(曝光能量)，因此，實務上甚至並不進行完整洞察所需之曝光。此等全密集型效能量測係耗時的(且因此代價大的)且因此很少可供使用。同時，內容脈絡參數可較容易存取且可用於大量曝光。歸因於全密集型效能量測之成本，內容脈絡參數僅偶爾連接至掃描器及圖案化效能。
在機器學習內容背景中，表示內容脈絡參數之多維資料點在對應全 密集型效能量測可用時被稱為「經標記」，且在其他情況下未經標記。此類型之部分標記之資料集在製造中頻繁地出現，且對預測性模型化構成挑戰。舉例而言，預測器件效能之模型可需要電量測(例如使用專門測試結構，比如環振盪器)，電量測相比於效能量測更難以獲得。此情形導致不斷增加的部分標記之資料集。吾人在圖2中說明此等資料集，其中每一方框表示一量測集合。每一方框之大小指示為每一類型之量測可用的資訊量。一般而言，關於器件(晶片)效能之量測資訊愈多，成本就可能愈高。
圖2說明部分標記之內容脈絡資料集及效能資料集之金字塔。
自左至右，獲得資料的代價愈來愈大，然而同時該資料與實際器件效能愈加直接相關。半導體製造設施(廠房)及微影內容脈絡資料202包括廠房內容脈絡參數、晶圓(例如形狀)及光罩參數204。該半導體製造設施(廠房)及微影內容脈絡資料亦包括曝光參數206。微影程序效能208包括掃描器度量衡資料210。產品上效能212包括度量衡資料214及電氣效能218，諸如運用CD-SEM或代價大的電壓對比度量測而獲得。器件效能亦包括器件良率220。
為了進一步說明部分標記之資料在微影中之出現率，吾人呈現部分標記之資料集之兩個實例狀況。
第一實例係關於歸因於倍縮光罩加熱之產品上疊對。倍縮光罩加熱造成疊對損失，其由倍縮光罩加熱參數之集合捕捉。在曝光期間，將倍縮光罩加熱反映至倍縮光罩對準參數，諸如y上之倍縮光罩放大率。結果，與諸如影像大小之曝光設定組合之倍縮光罩對準參數可模型化對疊對之倍縮光罩加熱參數損失。僅使用倍縮光罩對準參數來預測對疊對之倍縮光罩加熱參數損失之模型可在曝光期間校準掃描器。結果，可最小化由倍縮光 罩加熱引起的疊對。與廣泛可用之倍縮光罩對準參數不同，判定倍縮光罩加熱參數需要成本高的全密集型量測。
第二實例係關於晶圓對準對疊對。可在一批次中之每一晶圓之晶圓對準期間針對四個顏色及不同階來量測晶圓對準之位置偏差及信號強度。通常僅使用一批次中之晶圓之子集對不同佈局量測疊對度量衡。一些疊對貢獻因素亦可存在於晶圓對準量測中(比如標記或晶圓變形圖案)。因此，疊對可被看作至掃描器度量衡之相關性回饋(向資料執行個體提供標籤)。
本發明之實施例可使用代價大的資訊性量測以遞增地標記代價較小且資訊較少的內容相關資料(例如掃描器量測、掃描器設定、廠房內容脈絡資訊)。若使用者(例如當地現場工程師或半導體製造商)視覺化到內容脈絡參數、微影程序參數與度量衡之間的映射，則來自使用者關於對標籤或該映射自身之需要的相關性回饋可用作該映射之遞增資料收集及標記及學習之部分。
為了克服效能標記之資料的稀缺性，實施例使用互動之資料驅動方法來執行與產品上效能相關的預測及分類任務。主動式半監督學習演算法僅使用對於其學習任務最具資訊性之量測而傳回自內容脈絡參數至產品上效能之映像。
圖3說明根據本發明之一實施例的互動之半監督學習。與圖2中所展示之特徵相同的特徵具有相同元件符號。
來自代價大的量測210、214、218、220之高度資訊性資料係用於訓練效用模型304，該效用模型依據掃描器資料與實際器件效能之相關性來標記該掃描器資料。該效用模型304繼而用以產生用以標記資料集(部分地)且用以判定待請求之下一資料樣本(來自內容脈絡、掃描器、度量衡或 來自使用者)之標籤。內容脈絡對效能模型306繼而用以推斷與產品上效能的內容相關關係，且向當前廠房及微影程序流程建議最佳化308。此等特徵更通常可被描述為相關性判定310、主動式學習312及內容脈絡最佳化314。
資訊性量測係經由使用者302之互動而獲得。輸入資料集含有未經標記之資料點，即描述掃描器及產品/程序相關設定(「曝光內容脈絡」)及部分標記之資料(例如運用疊對度量衡)之資料點。主動式學習者經由使用者相關性回饋機制而建置經標記資料集，且提供用於下一最具資訊性效能量測之內容脈絡。
可例如在2D中(經由降維(dimensionality reduction)技術)視覺化到高維輸入空間。在此視覺化中，將經標記資料及未經標記資料兩者以其標籤(白色圓圈)之指示來表示。此視覺化將高維資料集變成可由人類解譯之標繪圖，且因此其實現使用者互動。此視覺化之實例呈現於圖6及圖7上。使用者視覺化到所表示資料中之非平凡圖案及叢集且藉由選擇未經標記區域(或資料點)而請求量測。舉例而言，雖然一批次正被曝光，但其曝光參數經呈現於2D視覺化中。使用者視覺化其在標繪圖上之相對位置，且具有決定此位置是否具資訊性之選擇權。在使用者請求之後，就在此批次之曝光之後對此批次應用專用量測。當使用者並未提供相關性回饋時，半監督學習演算法決定量測下一批次。在具有新量測之後，效用模型將原始量測資料變成標籤自其中導出的有用資訊。主動式學習者更新其標記之資料集且計算新預測。
使用者可藉由提供對經選擇特徵之相關性及結果之準確度的回饋從而主動地進行分析。使用者之回饋經由互動介面而向演算法提供額外資 訊。替代地，可使用上文所建議之方法而以互動方式促使來自例如度量衡系統之額外量測。由學習者考慮之特徵可使用降維技術來視覺化，正如其在圖6及圖7中所表示。
可在執行下一量測之前定義資訊性。基於基礎內容脈絡資料，吾人可在早期階段識別很可能在特定叢集中結束的晶圓批次。吾人可最佳化吾人將量測含有某一指紋(交叉晶圓變化之圖案)之批次之可能性。因此，本發明方法補充習知樣本方案最佳化。
資料驅動模型強調與經標記資料相關之內容脈絡參數。若不存在資料、標籤或效能資訊，則吾人可潛心於使用者之主觀判斷以便產生有意義的自訂內容脈絡對效能模型。
圖4為習知虛擬度量衡之方法的流程圖。參看圖4，該習知方法開始於獲得與生產程序404之操作相關聯之內容脈絡資料402。
對生產程序404之產品406執行度量衡/測試408，藉此獲得與產品406之效能相關聯之效能資料410。
提供內容脈絡對效能模型422以產生經預測效能資料426。經預測效能資料426係用以推斷最佳化生產程序404之設定。
圖5為根據本發明之一實施例的產生用於控制生產程序以改良所關注參數之經預測資料之方法的流程圖。所關注參數可為特定效能參數。半監督主動式學習係基於預測資訊(相關性及/或模型不確定度資訊)。圖5中具有點線邊界之流程圖方框對應於圖4中所展示之方框。
參看圖5，該方法開始於獲得與生產程序504之操作相關聯之內容脈絡資料502。
對生產程序504之產品506執行度量衡/測試508，藉此獲得與產品506 之效能相關聯之效能資料510。
提供內容脈絡對效能模型以基於用效能資料進行內容脈絡資料502之標記而產生經預測效能資料526。此內容脈絡對效能模型為半監督學習之執行個體。該內容脈絡對效能模型包括執行半監督標記之學習者522。
使用與內容脈絡資料及/或效能資料之品質相關的預測資訊來修改該內容脈絡對效能模型。
預測資訊可包含相關性資訊，相關性資訊係關於所獲得之內容脈絡資料及/或所獲得之效能資料與所關注參數之相關性。藉由使用相關性資訊，經由主動式學習而擴充標籤(在內容脈絡對效能模型之輸出處)。此使能夠判定準確地預測所關注效能標籤之內容脈絡對效能映射。此情形避免了內容脈絡資料之大部分結果其未經標記而未充分利用的問題。
預測資訊可包含關於所產生之經預測效能資料526之不確定度的模型不確定度資訊。藉由使用模型不確定度資訊，經由主動式學習而擴充內容脈絡資料(在至內容脈絡對效能模型之輸入處)。此使得能夠判定運用複雜內容脈絡良好地概括之內容脈絡對效能映射。此情形避免了將映射偏置至內容脈絡空間之小的潛在不相關部分的問題。
在此實例中，使用效用模型512及視覺化模組516來實施修改。效用模型512產生用於依據相關性及不確定度來標記內容脈絡資料之標籤。在此狀況下，相關性資訊包含效用模型之不確定度。效用模型基於相關性資訊產生標籤，該等標籤用以用經預測效能資料標記內容脈絡資料。因此，半監督標記係基於相關性。使用效用模型使能夠判定對於最佳化所關注參數(例如良率等)係相關的內容脈絡對效能映射。
視覺化模組516執行特徵選擇及特徵提取，且經提取特徵係用以修改 內容脈絡對效能模型。
基於特徵選擇及提取，視覺化模組516向顯示器518輸出用效能資料標記之內容脈絡資料之視覺化。使用者查看顯示器且驗證視覺化及特徵選擇。使用者可直接地標記內容脈絡資料及/或可將模型不確定度資訊新增至效用模型。
使用者輸入模組520接收由使用者輸入之相關性資訊及/或模型不確定度資訊。修改內容脈絡對效能模型之步驟可包含基於相關性資訊選擇用於模型化之內容脈絡資料。使用者輸入回應於資料視覺化而避免了代價大的基於資料之相關性標記。此使用者輸入亦利用使用者可能具有之知識。
在此實例中，內容脈絡對效能模型包括學習者522，其為使用由效用模型產生之標籤及來自視覺化模組之特徵而自動執行半監督標記之機器學習演算法。可基於由使用者520輸入至效用模型512之相關性資訊來訓練自動標記。在此狀況下，模型不確定度資訊包含機器學習演算法522之不確定度。
可基於比較內容脈絡資料之該第一集合所相關聯的經預測效能資料與內容脈絡資料之第二集合所相關聯的經預測效能資料之不確定度而判定內容脈絡資料之第一集合所相關聯的相關性資訊。
除了識別所獲得之效能資料以外，亦可基於相關性資訊來識別514會縮減所產生之經預測效能資料之不確定度及/或改良所獲得之內容脈絡資料與所關注參數之相關性的額外效能資料。可由效用模型512請求額外量測來觸發該識別。可由使用者520請求新效能資料點來觸發該識別。
為了獲得額外效能資料，將控制信號輸出至度量衡/測試508。控制信號可為引起新效能量測之信號。控制信號可為用以延伸效能資料之資料 庫或域之信號。
計算模型不確定度資訊524。可基於以下各者計算模型不確定度資訊：經預測效能資料之分佈；比較經預測效能資料與先前產生之經預測效能資料；及/或比較所獲得之效能資料與經預測效能資料。可將所計算模型不確定度資訊回饋至效用模型512。所計算模型不確定度資訊可用以識別額外效能資料點514。此識別可藉由請求額外效能資料量測或藉由選擇尚未用作至效用模型512之輸入的現有效能資料點來進行。
基於模型不確定度資訊，可請求額外內容脈絡資料點。接著，除了識別所獲得之內容脈絡資料以外，亦可識別530會縮減所產生之經預測效能資料之不確定度及/或改良所獲得之內容脈絡資料與所關注參數之相關性的額外內容脈絡資料。
為了獲得額外內容脈絡資料，輸出控制信號。可將控制信號輸出至生產程序504以引起額外生產程序設定。可輸出控制信號以延伸內容脈絡資料之資料庫或域。
經預測效能資料526係用以推斷最佳化生產程序504之設定。
圖6為說明用於廠房及微影程序最佳化之主動式半監督學習之使用的曲線圖。
圖6為由鄰域保留映射產生之8維微影程序資料視覺化。該曲線圖中之每一點表示一晶圓批次，針對該晶圓批次可得到額外內容脈絡資訊。黑色圓點係僅基於曝光資料。正方形及圓圈表示具有效能量測(分別為歸因於倍縮光罩加熱之高疊對及低疊對)之經標記批次。因此，用效能資料來部分地標記資料集。叢集被參考為C1至C5。
圖7為說明用於廠房及微影最佳化之主動式半監督學習之使用的另一 曲線圖。
藉由將疊對用作針對曝光參數之相關性回饋，吾人決定尋找將圖6之叢集C5(具有高疊對誤差，從而提供低效能)與四個其他叢集進行區分的內容脈絡變數X。內容脈絡變數為在x方向上之影像大小。此在IC生產中提供進一步最佳化之明確的線索：針對具有小影像大小X之狀況之專用倍縮光罩加熱校準。
上文已展示，本發明之實施例使用內容脈絡資料、經預測資料及/或經量測效能資料之模型不確定度及相關性資訊而使內容脈絡對效能模型動態的及自學習的。
相關性資訊係與內容脈絡或效能參數之相關程度相關聯(例如當採用單個曝光程序時，與疊對強烈相關聯的內容脈絡資料針對產品效能可並不相關)。使用者可基於內容脈絡及效能資料針對某一所關注參數(例如良率、產出率、CD控制等)之相關程度而積極地參與選擇內容脈絡及效能資料。
不確定度資訊係與模型在使用可用內容脈絡資訊預測所關注效能參數方面的良好程度相關聯。可計算出不確定度等級(藉由分析效能資料之分佈)、自將經預測資料與已經模型化之資料進行標準檢查導出不確定度等級、自比較經量測效能資料與經預測資料導出不確定度等級，或由使用者基於資料之視覺化而判定不確定度等級。此視覺化之實例為內容脈絡資料之叢集，其中新增效能資料作為標籤。效能資料之高不確定度可將自身揭露為橫越叢集之不一致行為。在一個小叢集內，效能資料強烈地發生變化，此可指示可被指派(藉由映射)給次佳模型之較大不確定度。使用者可積極地參與選擇針對哪一內容脈絡資料不存在關聯效能資料，且因此，基 於使用者之洞察，觸發導致模型之不確定度之所要縮減的資料量測。此具有如下明確的益處：僅執行縮減不確定度之量測，從而防止浪費寶貴的量測時間。
基於不確定度之等級及/或內容脈絡及效能資料之相關性，模型判定為了優先以最小工作量最小化不確定度等級及最大化相關性等級將需要包括多少額外資料。舉例而言，相比於代價大的量測資料，內容脈絡資料更容易獲得。此額外資料可為新進量測之效能資料、新內容脈絡資料或最初經選擇資料集之外之資料(例如資料庫之延伸、併有新域)。
因此，模型主動地控制用以預測效能資料之資料，且因此模型在時間上得以改良。
實施例可提供用以以互動方式利用半導體製造商之關於資料相關性及叢集行為之知識的方式。實施例提供用以自半導體製造商使用者或內容相關資料取樣/請求可用以遞增地改良所學習之映射之新量測的方式。實施例提供用以使代價大的量測(例如關於度量衡、電氣效能或甚至器件產量)與便宜的掃描器及微影程序內容相關參數及量測相關之方式。
在實施例中，演算法可學習使用者通常提供何種類型之量測且根據哪一演算法提供建議而建置使用者設定檔。
可在不精確指定工具或步驟之性質的情況下執行程序工具使用與晶圓指紋之間的映射之主動式學習。藉由使用相關性回饋，在遍及晶圓產生某一疊對或CD圖案時所涉及的處理工具之可能集合可基於相關性回饋而縮減至相關子集。
可藉由改良映射及所得叢集且因此改良微影程序內容脈絡參數之貢獻之判定來達成改良之根本原因分析。
監控生產程序之使用者可想要理解哪些量測自其「大資料」集合遺漏。此將顯著貢獻於較佳理解資料集中之多變量關係。特定言之，此將促進較準確地尋找正確肯定且避免錯誤肯定。繼續診斷正確肯定，使用者可想要知曉可主動地進行哪些量測，以便最大化以儘可能少的額外量測尋找根本原因之機會。
若學習對準與疊對之間的半監督映射，則吾人可將未來對準量測用作在線批次處置機制或用作根本原因分析之基礎。舉例而言，吾人可在晶圓對準量測中使用所有四個顏色且使用額外度量衡系統X孔徑量測，以用於在控制設定中進行不對稱性抑制。因此，可獲得疊對效能量測之各種組合。由於眾多所有可能的組合研究起來不切實際，故可僅對偵測到顏色之間及度量衡系統X孔徑之顯著差異的彼等組合進行選擇性量測。
本發明之實施例因此提供對內容脈絡及曝光資訊之最佳利用，從而實現改良之根本原因調查。
本發明之實施例可提供目標性量測之線索。可請求新曝光資料以便提供最多資訊。可請求新度量衡資料或新量測，以便藉由比較一批次之廠房/曝光內容脈絡與具最多資訊之內容相關區從而提供關於映射之標記或預測之最多資訊。
本發明之實施例可使用電腦程式來實施，該電腦程式含有描述產生如以上所描述之經預測資料之方法的機器可讀指令之一或多個序列。此電腦程式可例如經執行於圖1之控制單元LACU內，或某其他控制器內。亦可提供其中儲存有此電腦程式之資料儲存媒體(例如半導體記憶體、磁碟或光碟)。
此控制單元LACU可包括如圖8中所展示之電腦總成。該電腦總成可 為在根據本發明之總成之實施例中呈控制單元之形式的專用電腦，或替代地為控制微影投影裝置之中央電腦。該電腦總成可經配置以用於裝載包含電腦可執行碼之電腦程式產品。此可使得電腦總成能夠在下載電腦程式產品時藉由位階感測器LS及對準感測器AS之實施例控制對微影裝置之前述使用。
連接至處理器827之記憶體829可包含數個記憶體組件，比如硬碟861、唯讀記憶體(ROM)862、電可抹除可程式化唯讀記憶體(EEPROM)863及隨機存取記憶體(RAM)864。並不需要皆存在所有前述記憶體組件。此外，前述記憶體組件並非必需實體地緊鄰處理器827或彼此緊鄰。其可經定位成相隔一距離。
處理器827亦可連接至某種類之使用者介面，例如鍵盤865或滑鼠866。亦可使用為熟習此項技術者所知之觸控螢幕、軌跡球、話語轉換器或其他介面。
處理器827可連接至讀取單元867，該讀取單元經配置以自資料載體(比如固態機868或CDROM 869)讀取例如呈電腦可執行碼之形式的資料，且在一些情況下將資料儲存於資料載體(比如固態機868或CDROM 869)上。亦可使用為熟習此項技術者所知之DVD或其他資料載體。
處理器827亦可連接至印表機870以在紙張上印出輸出資料，以及連接至為熟習此項技術者所知的任何其他類型之顯示器的顯示器871，例如監視器或液晶顯示器(LCD)。
處理器827可借助於負責輸入/輸出(I/O)之傳輸器/接收器873而連接至通信網路872，例如公眾交換式電話網路(PSTN)、區域網路(LAN)、廣域網路(WAN)等。處理器827可經配置以經由通信網路872而與其他通信 系統通信。在本發明之一實施例中，外部電腦(圖中未繪示)(例如操作者之個人電腦)可經由通信網路872而登入至處理器827中。
處理器827可被實施為獨立系統或被實施為並行地操作之數個處理單元，其中每一處理單元經配置以執行較大程式之子任務。亦可將處理單元劃分成一或多個主處理單元與若干子處理單元。處理器827之一些處理單元可甚至經定位成與其他處理單元相隔一距離且經由通信網路872而通信。可使模組之間的連接有線的或無線的。
電腦系統可為具有經配置以執行此處所論述之功能的類比及/或數位及/或軟體技術之任何信號處理系統。
對特定實施例之前述描述將因此充分地揭露本發明之一般性質：在不脫離本發明之一般概念的情況下，其他人可藉由應用熟習此項技術者所瞭解之知識針對各種應用而容易地修改及/或調適此等特定實施例，而無需進行不當實驗。因此，基於本文中所呈現之教示及指導，此等調適及修改意欲在所揭示實施例之等效者的涵義及範圍內。應理解，本文中之措辭或術語係出於例如描述而非限制之目的，以使得本說明書之術語或措辭待由熟習此項技術者按照該等教示及該指導進行解譯。
下文之經編號實施例清單中揭示本發明之另外實施例：
1. 一種產生用於控制或監控一生產程序以改良一所關注參數之經預測資料之方法，該方法包含以下步驟：獲得與該生產程序之操作相關聯之內容脈絡資料；獲得與該生產程序之一產品之效能相關聯之效能資料；提供一內容脈絡對效能模型以基於用效能資料進行該內容脈絡資料之標記而產生經預測效能資料； 及使用與該內容脈絡資料及/或該效能資料之品質相關的預測資訊來修改該內容脈絡對效能模型。
2. 如實施例1之方法，其中該預測資訊包含相關性資訊，該相關性資訊係關於該所獲得之內容脈絡資料及/或該所獲得之效能資料與該所關注參數之相關性。
3. 如實施例2之方法，其中使用一效用模型以產生用於用效能資料進行該內容脈絡資料之該標記的標籤，且該相關性資訊包含該效用模型之不確定度。
4. 如實施例2或實施例3之方法，其中修改該內容脈絡對效能模型之該步驟包含以下步驟：輸出該內容脈絡資料及該效能資料之一視覺化；及接收由一使用者輸入之該相關性資訊。
5. 如實施例2至4中任一項之方法，其中修改該內容脈絡對效能模型之該步驟包含基於該相關性資訊選擇用於模型化之內容脈絡資料。
6. 如實施例2至5中任一項之方法，其中修改該內容脈絡對效能模型之該步驟包含基於該相關性資訊而用經預測效能資料進行該內容脈絡資料之該標記。
7. 如實施例6之方法，其中自動地執行該標記。
8. 如實施例7之方法，其中基於由一使用者輸入之相關性資訊而訓練該自動標記。
9. 如實施例2至8中任一項之方法，其進一步包含基於比較內容脈絡資料之一第一集合所相關聯的經預測效能資料之不確定度與內容脈絡資 料之一第二集合所相關聯的經預測效能資料之不確定度而判定內容脈絡資料之該第一集合所相關聯的該相關性資訊之步驟。
10. 如任何前述實施例之方法，其進一步包含以下步驟：除了識別該所獲得之效能資料以外，亦基於該相關性資訊來識別滿足以下條件的額外效能資料：縮減該所產生之經預測效能資料之不確定度；及/或改良該所獲得之內容脈絡資料與該所關注參數之相關性；及輸出用於獲得該額外效能資料之一控制信號。
11. 如實施例10之方法，其中該控制信號包含用以引起一新效能量測之一信號。
12. 如實施例10或實施例11之方法，其中該控制信號包含用以延伸該效能資料之資料庫或域之一信號。
13. 如任何前述實施例之方法，其中該預測資訊包含關於該所產生之經預測效能資料之不確定度的模型不確定度資訊。
14. 如實施例13之方法，其中機器學習演算法係用以執行該標記，且該模型不確定度資訊包含該機器學習演算法之不確定度。
15. 如實施例13或實施例14之方法，其中修改該內容脈絡對效能模型之該步驟包含以下步驟：輸出該內容脈絡資料及該效能資料之一視覺化；及接收由一使用者輸入之該模型不確定度資訊。
16. 如實施例13至15中任一項之方法，其進一步包含基於經預測效能資料之一分佈而計算該模型不確定度資訊的步驟。
17. 如實施例13至16中任一項之方法，其進一步包含基於比較經預 測效能資料與先前所產生之經預測效能資料而計算該模型不確定度資訊的步驟。
18. 如實施例13至17中任一項之方法，其進一步包含基於比較該所獲得之效能資料與該經預測效能資料而計算該模型不確定度資訊的步驟。
19. 如實施例13至18中任一項之方法，其進一步包含除了識別該所獲得之內容脈絡資料以外，亦基於該模型不確定度資訊來識別滿足以下條件的額外內容脈絡資料之步驟：縮減該所產生之經預測效能資料之不確定度；及/或改良該所獲得之內容脈絡資料與該所關注參數之相關性。
20. 如實施例19之方法，其進一步包含輸出用於獲得該額外內容脈絡資料之一控制信號之步驟。
21. 如實施例20之方法，其中該控制信號包含用以引起一額外生產程序設定之一信號。
22. 如實施例20或實施例21之方法，其中該控制信號包含用以延伸該內容脈絡資料之資料庫或域之一信號。
23. 一種包含電腦可讀指令之電腦程式，該等電腦可讀指令當執行於合適電腦裝置上時致使該電腦裝置執行如實施例1至22中任一項之方法。
24. 一種電腦程式產品，其包含如實施例23之電腦程式。
25. 一種裝置，其經特定調適以進行如實施例1至22中任一項之方法的該等步驟。
26. 如實施例25之裝置，其經特定組態為可操作以執行一微影生產程序之一微影裝置。
27. 如實施例25之裝置，其經特定組態為可操作以執行一微影生產程序之一微影製造單元。
本發明之廣度及範疇不應受上述例示性實施例中之任一者限制，而應僅根據以下申請專利範圍及其等效者進行界定。

Claims (15)

  1. 一種產生用於控制或監控一生產程序以改良一所關注參數(parameter of interest)之經預測資料之方法，該方法包含以下步驟：獲得與該生產程序之操作相關聯之內容脈絡資料(context data)；獲得與該生產程序之一產品之效能相關聯之效能資料；提供一內容脈絡對效能模型以基於用效能資料進行該內容脈絡資料之標記而產生經預測效能資料，其中該內容脈絡對效能模型包括執行半監督標記(semi-supervised labeling)之一學習者(learner)；及使用與該內容脈絡資料之品質相關的預測資訊來修改該內容脈絡對效能模型。
  2. 如請求項1之方法，其中該預測資訊包含相關性資訊，該相關性資訊係關於該所獲得之內容脈絡資料及/或該所獲得之效能資料與該所關注參數之相關性。
  3. 如請求項2之方法，其中使用一效用模型以產生用於用效能資料進行該內容脈絡資料之該標記的標籤，且該相關性資訊包含該效用模型之不確定度。
  4. 如請求項2之方法，其中修改該內容脈絡對效能模型之該步驟包含以下步驟：輸出該內容脈絡資料及該效能資料之一視覺化；及接收由一使用者輸入之該相關性資訊。
  5. 如請求項2之方法，其中修改該內容脈絡對效能模型之該步驟包含：基於該相關性資訊選擇用於模型化之內容脈絡資料。
  6. 如請求項2之方法，其中修改該內容脈絡對效能模型之該步驟包含：基於該相關性資訊而用該經預測效能資料進行內容脈絡資料之該標記。
  7. 如請求項6之方法，其中自動地執行該標記，其中基於由一使用者輸入之相關性資訊而訓練該自動標記。
  8. 如請求項2之方法，其進一步包含基於比較內容脈絡資料之一第一集合所相關聯的經預測效能資料之不確定度與內容脈絡資料之一第二集合所相關聯的經預測效能資料之不確定度而判定內容脈絡資料之該第一集合所相關聯的該相關性資訊之步驟。
  9. 如請求項1之方法，其進一步包含以下步驟：除了識別該所獲得之效能資料以外，亦基於該相關性資訊來識別滿足以下條件的額外效能資料：縮減該所產生之經預測效能資料之不確定度；及/或改良該所獲得之內容脈絡資料與該所關注參數之相關性；及輸出用於獲得該額外效能資料之一控制信號。
  10. 如請求項9之方法，其中該控制信號包含用以引起一新效能量測之一信號。
  11. 如請求項1之方法，其中該預測資訊包含關於該所產生之經預測效能資料之不確定度的模型不確定度資訊。
  12. 如請求項11之方法，其中修改該內容脈絡對效能模型之該步驟包含以下步驟：輸出該內容脈絡資料及該效能資料之一視覺化；及接收由一使用者輸入之該模型不確定度資訊。
  13. 如請求項11之方法，其進一步包含除了識別該所獲得之內容脈絡資料以外，亦基於該模型不確定度資訊來識別滿足以下條件的額外內容脈絡資料之步驟：縮減該所產生之經預測效能資料之不確定度；及/或改良該所獲得之內容脈絡資料與該所關注參數之相關性。
  14. 一種包含電腦可讀指令之電腦程式，該等電腦可讀指令當執行於合適電腦裝置上時致使該電腦裝置執行如請求項1之方法。
  15. 一種裝置，其經特定調適以進行如如請求項1之方法之該等步驟，其中該裝置經組態為可操作以執行一微影生產程序之一微影裝置。
TW107101141A 2017-01-23 2018-01-12 產生用於控制或監控一生產程序的經預測資料 TWI659274B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
??17152659.3 2017-01-23
EP17152659.3A EP3352013A1 (en) 2017-01-23 2017-01-23 Generating predicted data for control or monitoring of a production process

Publications (2)

Publication Number Publication Date
TW201841066A TW201841066A (zh) 2018-11-16
TWI659274B true TWI659274B (zh) 2019-05-11

Family

ID=57914721

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107101141A TWI659274B (zh) 2017-01-23 2018-01-12 產生用於控制或監控一生產程序的經預測資料

Country Status (6)

Country Link
US (1) US11099486B2 (zh)
EP (1) EP3352013A1 (zh)
KR (1) KR102275473B1 (zh)
CN (2) CN117311102A (zh)
TW (1) TWI659274B (zh)
WO (1) WO2018133999A1 (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
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
JP7247497B2 (ja) * 2018-09-19 2023-03-29 日本電信電話株式会社 選定装置および選定方法
WO2020094525A1 (en) 2018-11-09 2020-05-14 Curious Ai Oy Solution for machine learning system
EP3654104A1 (en) * 2018-11-16 2020-05-20 ASML Netherlands B.V. Method for monitoring lithographic apparatus
US20220026809A1 (en) * 2018-11-16 2022-01-27 Asml Netherlands B.V. Method for monitoring lithographic apparatus
CN109491216B (zh) * 2018-12-20 2020-11-27 上海集成电路研发中心有限公司 一种优化光刻工艺参数的方法
WO2020156769A1 (en) 2019-01-29 2020-08-06 Asml Netherlands B.V. Method for decision making in a semiconductor manufacturing process
EP3705944A1 (en) * 2019-03-06 2020-09-09 ASML Netherlands B.V. Extracting a feature from a data set
EP3742229A1 (en) * 2019-05-21 2020-11-25 ASML Netherlands B.V. Systems and methods for adjusting prediction models between facility locations
WO2020207696A1 (en) * 2019-04-09 2020-10-15 Asml Netherlands B.V. Systems and methods for adjusting prediction models between facility locations
EP3767392A1 (en) * 2019-07-17 2021-01-20 ASML Netherlands B.V. Method and apparatus for determining feature contribution to performance
EP3994525B1 (en) * 2019-07-04 2023-05-03 ASML Netherlands B.V. Method for determining feature contribution to performance
JP7394205B2 (ja) * 2019-07-05 2023-12-07 ケーエルエー コーポレイション 動的標本化プラン、最適化ウェハ計測経路及び最適化ウェハ輸送を伴い量子情報処理を用いるファブ管理
WO2021107180A1 (ko) * 2019-11-27 2021-06-03 위즈코어 주식회사 제조 빅테이터 기반의 머신러닝 장치 및 방법
TWI740313B (zh) * 2019-12-18 2021-09-21 新加坡商鴻運科股份有限公司 虛擬量測方法、裝置及電腦可讀存儲介質
EP3910417A1 (en) 2020-05-13 2021-11-17 ASML Netherlands B.V. Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process
EP4127834A1 (en) 2020-04-02 2023-02-08 ASML Netherlands B.V. Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process
CN113743688B (zh) * 2020-05-27 2023-10-20 富联精密电子(天津)有限公司 质量管控方法、装置、计算机装置及存储介质
CN114065687A (zh) * 2020-08-07 2022-02-18 奥特斯奥地利科技与系统技术有限公司 基于人工智能确定用于制造部件承载件的行动规划
DE102020212102A1 (de) * 2020-09-25 2022-03-31 Robert Bosch Gesellschaft mit beschränkter Haftung Qualitätskontrolle für in Serie gefertigte Produkte
US11853042B2 (en) * 2021-02-17 2023-12-26 Applied Materials, Inc. Part, sensor, and metrology data integration
WO2023050229A1 (zh) * 2021-09-29 2023-04-06 西门子股份公司 工业数据处理方法、装置、电子设备和存储介质
WO2023186441A1 (en) * 2022-03-29 2023-10-05 Asml Netherlands B.V. Data retrieval
CN114841378B (zh) * 2022-07-04 2022-10-11 埃克斯工业(广东)有限公司 晶圆特征参数预测方法、装置、电子设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201516598A (zh) * 2013-10-02 2015-05-01 Ａｓｍｌ荷蘭公司 用於獲得有關於工業製程之診斷資訊之方法及裝置
TW201530333A (zh) * 2013-12-17 2015-08-01 Asml Netherlands Bv 良率評估及控制
US20160148850A1 (en) * 2014-11-25 2016-05-26 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10769320B2 (en) * 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201516598A (zh) * 2013-10-02 2015-05-01 Ａｓｍｌ荷蘭公司 用於獲得有關於工業製程之診斷資訊之方法及裝置
TW201530333A (zh) * 2013-12-17 2015-08-01 Asml Netherlands Bv 良率評估及控制
US20160148850A1 (en) * 2014-11-25 2016-05-26 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes

Also Published As

Publication number Publication date
US11099486B2 (en) 2021-08-24
CN117311102A (zh) 2023-12-29
KR20190105646A (ko) 2019-09-17
WO2018133999A1 (en) 2018-07-26
TW201841066A (zh) 2018-11-16
EP3352013A1 (en) 2018-07-25
KR102275473B1 (ko) 2021-07-13
US20190369503A1 (en) 2019-12-05
CN110192153A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
TWI659274B (zh) 產生用於控制或監控一生產程序的經預測資料
US11714357B2 (en) Method to predict yield of a device manufacturing process
TWI668511B (zh) 用於最佳化產品單元之多階段處理的方法
KR20220126761A (ko) 리소그래피 매칭 성능의 결정 기술
US11740560B2 (en) Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process
TW202143084A (zh) 插補模型組態
TW202117456A (zh) 用於判定特徵對效能的貢獻的方法及設備
TWI791321B (zh) 用於組態採樣架構產生模型之方法及電腦程式
TWI734390B (zh) 自資料集中提取特徵
EP3910417A1 (en) Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process