TWI702653B - 覆蓋管理方法、覆蓋管理系統及計算系統 - Google Patents

覆蓋管理方法、覆蓋管理系統及計算系統 Download PDF

Info

Publication number
TWI702653B
TWI702653B TW108122434A TW108122434A TWI702653B TW I702653 B TWI702653 B TW I702653B TW 108122434 A TW108122434 A TW 108122434A TW 108122434 A TW108122434 A TW 108122434A TW I702653 B TWI702653 B TW I702653B
Authority
TW
Taiwan
Prior art keywords
wafer
data
coverage
alignment
tool
Prior art date
Application number
TW108122434A
Other languages
English (en)
Other versions
TW202002079A (zh
Inventor
林資程
汪青蓉
左克偉
王詠生
彭暘尹
Original Assignee
台灣積體電路製造股份有限公司
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 台灣積體電路製造股份有限公司 filed Critical 台灣積體電路製造股份有限公司
Publication of TW202002079A publication Critical patent/TW202002079A/zh
Application granted granted Critical
Publication of TWI702653B publication Critical patent/TWI702653B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • 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
    • G05B2219/32335—Use of ann, neural network
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Human Computer Interaction (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)

Abstract

本發明提供一種覆蓋管理方法、覆蓋管理系統及計算系統，闡述用於使用機器學習來管理半導體製造中的垂直對齊或覆蓋的技術。通過所公開的技術來評估及管理扇出型晶圓級封裝製程中內連特徵的對齊。使用巨量資料及神經網路系統來使覆蓋誤差源因數與覆蓋計量類別相關。所述覆蓋誤差源因數包括工具相關覆蓋源因數、晶圓或晶粒相關覆蓋源因數、以及處理上下文相關覆蓋誤差源因數。

Description

覆蓋管理方法、覆蓋管理系統及計算系統
本發明的實施例是有關於半導體技術，且特別是有關於一種覆蓋管理方法、覆蓋管理系統及計算系統。
隨著半導體技術的演變，半導體晶粒正變得越來越小，同時越來越多的功能被集成到單個晶粒中。因此，需要將數目越來越大的輸入/輸出(I/O)接墊與更小面積的晶粒表面一起包含在積體電路(integrated circuit，IC)封裝中。扇出型晶圓級封裝(wafer level packaging，WLP)成為有希望應對此種有挑戰性的情形的封裝技術。在扇出型WLP中，從原始前段晶圓切割出晶粒，之後將晶粒定位在載體晶圓上以與連接佈線及I/O接墊封裝在一起。在扇出型WLP製程中，優點是，與晶粒相關聯的I/O接墊可被重佈線到比晶粒本身的表面更大的面積。因此，與晶粒填裝在一起的I/O接墊的數目可增加。
扇出型WLP封裝可用於填裝一個晶粒、並排地填裝多個晶粒、或者以層疊式封裝(package-on-package，POP)垂直配置來填裝多個晶粒。扇出型WLP中的POP配置是通過垂直地連接多個晶粒的內連特徵(例如通孔)來實現。
在各種半導體製造過程中使用覆蓋計量過程(overlay metrology process)來監測及控制垂直對齊。覆蓋計量通常指明第一經圖案化層或其上的特徵相對於第二經圖案化層的對齊準確度如何，所述第二經圖案化層設置在與第一經圖案化層不同的垂直水準高度處，例如垂直對齊。覆蓋誤差(overlay error)是指第一經圖案化層上的第一部分與第二經圖案化層上的第二部分之間的不對齊。可基於第一部分與第二部分之間或第一部分的實際位置與第一部分的目標位置之間的偏移來測量覆蓋誤差計量(例如，測量值)。在晶圓處理中可基於先進製程控制(advanced process control，APC)來確定目標位置。
在扇出型WLP中，將測試為良好的晶粒定位到載體晶圓上。形成多層內連特徵，其將晶粒連接到相關聯的I/O接墊且在各層內連件本身之中進行連接。通過晶圓級製程來形成內連件，其中與在前段晶圓製作過程中類似地使用光刻膠及光刻製程。因此，需要對連續的各層內連件之間或之中的垂直對齊進行管理。
本發明實施例提供一種覆蓋管理方法，包括：確定相對 於在第一晶圓上形成第一特徵的晶圓處理工具的工具位置；確定所述第一晶圓的與所述第一特徵對應的第一部分的項目位置；確定相對於所述第一特徵的覆蓋計量；產生包含所述工具位置、所述項目位置及所述覆蓋計量的資料集；以及基於所述資料集通過機器學習來產生函數，所述函數使所述函數的第一側上所述工具位置或所述項目位置中的一者或多者與所述函數的第二側上的所述覆蓋計量相關。
本發明實施例提供一種覆蓋管理系統，包括：晶圓處理工具，被配置成在晶圓上形成特徵；計量工具，被配置成測量所述晶圓上的所述特徵的覆蓋對齊；覆蓋建模工具，被配置成基於所述晶圓處理工具的對齊參數或所述晶圓的對齊參數中的一者或多者來產生所述特徵的所估計覆蓋對齊計量；以及製程控制工具，被配置成基於所述所估計覆蓋對齊計量來調整所述晶圓處理工具的所述對齊參數或所述晶圓的所述對齊參數中的一者或多者。
本發明實施例提供一種計算系統，包括：處理器；以及儲存單元，上面儲存有可執行指令，在由所述處理器執行時，所述可執行指令將所述處理器配置成實作包括以下的動作：接收相對於在第一晶圓上形成第一特徵的晶圓處理工具的工具位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的晶圓固持工具上所述第一晶圓的位置的項目位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的上下文的資料；以及基於將所 述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少一者應用到迴歸模型函數中來產生用於調整所述工具位置或所述項目位置中的一者或多者的資料，所述迴歸模型函數使所述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少一者與所述第一晶圓上的所述第一特徵的覆蓋計量相關。
100:覆蓋管理系統/系統
110:晶圓現場製造系統
112:晶圓處理工具集/光刻工具集/工具集
114:製程日誌
116:計量工具集
120:輸入資料集
122:覆蓋誤差資料
124:誤差來源資料/覆蓋來源資料
126:其他資料
130:巨集資料單元
140:神經網路單元/機器學習單元
142:對齊控制單元
144:驗證單元/驗證模組
150:輸出資料集/對齊控制輸出資料
152:誤差預測資料
154:校正性調整資料
210:工具對齊誤差源因數的子集/工具對齊子集
212:先前工具對齊資料
214:晶圓載台位置資料/晶圓載台位置/工具對齊因數
216:步進位置資料/步進位置/工具對齊因數
218:光罩鍵位置資料/光罩鍵位置/工具對齊因數
220:曝光位置資料/曝光位置/工具對齊因數
250:晶圓/晶粒對齊誤差源因數的子集/晶圓/晶粒對齊子集
252:晶圓偏移資料
254:晶圓旋轉資料
256:晶粒偏移資料
258:晶粒旋轉資料
280:上下文誤差源因數的子集/上下文誤差源子集
282:焦深資料
284:曝光持續時間資料
286:步進速度資料
288:照射設定資料
290:照射源/照射來源資料
292:增強全域對齊位置/EGA位置資料
294:場位置資料
296:計量位置資料/計量位置
310:覆蓋計量位置資料
320:x軸覆蓋誤差資料
330:y軸覆蓋誤差資料
340:覆蓋旋轉(角度)資料
410:處理單元
420:儲存單元
430:神經網路應用
432:訓練集產生模組
434:機器學習模組
436:驗證模組
438:預測模組
440:通訊單元
450:介面單元
460:其他組件
500:操作結構
510:操作
520:機器學習操作/機器學習過程
530:預測操作
600:操作過程
610、620、630、640、650、660、670:操作
700:承載晶圓/晶圓/載體晶圓
702:目標晶圓位置
710、710A:晶粒
712、712A:目標位置
720:晶圓的一部分
722、724:對齊標記
730:晶圓載台
810:內連特徵的計量資料
X、Y、Z:軸
結合附圖閱讀以下詳細說明，會最佳地理解本發明的各方面。在圖式中，除非上下文另有指示，否則相同的參考編號識別類似的元件或動作。圖式中各元件的尺寸及相對位置未必按比例繪製。事實上，為使論述清晰起見，可任意增大或減小各種特徵的尺寸。
圖1是用於管理覆蓋對齊的示例性系統。
圖2是示例性誤差來源資料集。
圖3是示例性覆蓋誤差資料集。
圖4是示例性神經網路系統。
圖5是神經網路系統的示例性操作。
圖6是覆蓋對齊管理的示例性過程。
圖7是在扇出型晶圓級封裝製程中上面定位有晶粒的示例性載體晶圓。
圖8是圖7所示晶圓上的示例性覆蓋計量。
本發明闡述用於使用機器學習來管理半導體製造中的垂直對齊或覆蓋的技術。舉例來說，通過所公開的技術來評估及管理扇出型WLP製程中內連特徵的對齊。
在實施例中，使用巨量資料及神經網路系統來使覆蓋誤差源因數與覆蓋計量類別相關。所述覆蓋誤差源因數包括工具相關覆蓋源因數、晶圓或晶粒相關覆蓋源因數及處理上下文相關覆蓋誤差源因數。所述工具相關覆蓋源因數包括但不限於光源位置、光罩位置、透鏡位置、掃描方向、曝光時步進機位置、或晶圓載台位置。所述晶圓或晶粒相關覆蓋誤差源因數包括但不限於晶圓的位置偏移或旋轉、晶圓上的晶粒的位置偏移或旋轉、晶圓的形狀特性(如尺寸偏差或厚度偏差)、晶粒的形狀特性(如形狀偏差或厚度偏差)。所述處理上下文覆蓋誤差源因數包括但不限於全域對齊區(例如，晶圓上在全域對齊控制下處理的區)、全域對齊位置(即，晶圓上用於在增強全域對齊(enhanced global alignment，EGA)控制中確定全域對齊調整的測量位置)、場對齊位置(例如，晶圓上在逐位點或逐場對齊控制下處理的位置)、工具特性(如晶圓載台形狀)、曝光場位置(例如，光罩的垂直位置，其轉化成曝光大小、焦深、曝光持續時間)、步進機工具的步進速度、照射源(白色光、綠色光、象牙色光、或黃色光)、其他照射設定、或用於測量層覆蓋的計量位置。還獲得覆蓋計量資訊。舉例來說，覆蓋誤差的類別包括覆蓋誤差的大小(例如，在x軸及y 軸上)、特徵之間的旋轉偏移、或覆蓋誤差的位置(例如，相對於晶圓或相對於晶粒)。收集那些覆蓋計量資料並將其饋送到機器學習中。
使用神經網路型機器學習技術來使覆蓋誤差源因數與覆蓋誤差計量相關。作為機器學習的結果而獲得迴歸模型函數。不斷地更新並增強所述資料，以連續地訓練機器學習過程及因此迴歸模型函數。迴歸模型函數可用於預測或估計在扇出型WLP封裝製程中形成的內連層上的覆蓋計量值。可基於迴歸模型函數來獲得對工具對齊設定及/或晶圓對齊設定的校正性調整。
可以各種方法來驗證迴歸模型函數。舉例來說，可將參考晶圓的所估計覆蓋計量值與實際計量值進行比較。參考晶圓可為新處理的晶圓或先前處理的晶圓。確定或從資料庫檢索參考晶圓的覆蓋誤差來源資料及實際計量資料。將參考晶圓的覆蓋誤差來源資料應用到迴歸模型函數中，以估計覆蓋計量值。將所估計覆蓋計量值與實際計量資料進行比較，以判斷估計是否足夠準確。對所述比較使用閾值。可基於晶圓處理常式的特徵或層的覆蓋公差要求來確定所述閾值。舉例來說，在扇出型WLP中，可選擇約0.1μm的閾值來判斷所估計覆蓋計量值是否滿足在扇出型WLP中封裝的晶粒之上的內連特徵的實際計量資料。
還可相對於所估計校正性調整來驗證迴歸模型函數。舉例來說，可通過新處理的參考晶圓來實作對工具對齊或晶圓/管芯對齊的所估計校正性調整。對參考晶圓進行覆蓋計量，以判斷是 否如迴歸模型函數所估計的那樣減小或消除了覆蓋誤差。可再次使用閾值。
使用所公開的技術，計量工具的有效容量由於基於人工智慧(AI)的覆蓋計量而得以提高。在實施例中，物理計量工具的有效容量被提高至約40倍。舉例來說，使用所公開的虛擬覆蓋計量技術，覆蓋計量團隊的處理容量已從292 WLP/天提高至約11400 WLP/天。覆蓋計量測量準確度改進至小於0.1μm的水準。覆蓋相關品質控制的處理迴圈從約4小時實質上縮短至實質上即時的。因此，扇出型WLP的總體製程迴圈時間也已改進，例如迴圈時間為0.1天。
由於在對人工智慧函數的交叉驗證中也將所估計覆蓋值與實際覆蓋值進行比較，因此所公開的技術可避免模型過度擬合問題。
在本文的公開內容中，使用步進機機器相關覆蓋計量過程作為說明性實例來闡述所公開的技術，這並非意在限制本發明的範圍。也可使用所公開的技術來相對於其他凸塊形成(bumping)對齊工具而預測覆蓋計量，例如，晶粒貼合晶粒移位元計量或球安裝範本對齊計量。此外，還可相對於前段半導體製程對齊工具或製程來應用所公開的虛擬覆蓋計量技術。
以下公開內容提供用於實作所述主題的不同特徵的許多不同的實施例或實例。以下闡述元件及構造的具體實例以簡化本說明。當然，這些僅為實例且不旨在進行限制。例如，以下說明 中將第一特徵形成在第二特徵之上或第二特徵上可包括其中第一特徵與第二特徵被形成為直接接觸的實施例，且也可包括其中第一特徵與第二特徵之間可形成有額外特徵、從而使得所述第一特徵與所述第二特徵可能不直接接觸的實施例。另外，本發明可能在各種實例中重複使用參考編號及/或字母。這種重複使用是出於簡潔及清晰的目的，而不是自身表示所論述的各種實施例及/或配置之間的關係。
此外，為易於說明，本文中可能使用例如「在...下方(beneath)」、「在...下面(below)」、「下部的(lower)」、「上方(above)」、「上部的(upper)」等空間相對性用語來闡述圖中所示的一個元件或特徵與另一(些)元件或特徵的關係。所述空間相對性用語旨在除圖中所繪示的取向外還囊括裝置在使用或操作中的不同取向。設備可具有其他取向(旋轉90度或其他取向)，且本文中所用的空間相對性描述語可同樣相應地進行解釋。
在以下說明中，陳述某些具體細節以實現對本發明各種實施例的透徹理解。然而，所屬領域中的技術人員應理解，可在沒有這些具體細節的情況下實踐本發明。在其他情況中，未詳細地闡述與電子元件及製作技術相關聯的眾所周知的結構，以避免不必要地使對本發明實施例的說明模糊不清。
除非上下文另有要求，否則在說明書及以上權利要求書通篇中，詞語「包括(comprise及其變化形式，例如comprises及comprising)」應被解釋為具有開放、包含性意義，即，「包括但不 限於」。
所使用的例如第一、第二及第三等序數詞未必暗示經過排名的次序意義，而是可僅在動作或結構的多個實例之間進行區分。
在本說明書通篇中所提及的「一個實施例」或「實施例」意指結合所述實施例所述的特定特徵、結構或特性包含在至少一個實施例中。因此，在本說明書通篇各個地方出現的短語「在一個實施例中」或「在實施例中」未必全部指代同一實施例。此外，在一個或多個實施例中，可以任何適合的方式組合所述特定特徵、結構或特性。
除非內容另有清晰指示，否則在本說明書及所附權利要求書中所使用的單數形式「一(a、an)」及「所述(the)」包括多個所指物。還應注意，除非內容另有清晰指示，否則用語「或」通常是以其包括「及/或」在內的意義使用。
圖1是示例性覆蓋管理系統100。如圖1中所示，系統100包括晶圓現場製造系統110、輸入資料集120、巨量資料單元130、神經網路單元140及輸出資料集150。晶圓現場製造系統110包括晶圓處理工具集112(例如，光刻工具集112)、製程日誌114及計量工具集116。輸入資料集120包括覆蓋誤差資料122、誤差來源資料124及其他資料126。其他資料126可為關於晶圓處理的歷史資料，包括作為由製程日誌114獲得及維持的晶圓處理資料的補充或除所述晶圓處理資料之外的歷史覆蓋誤差資料及歷史誤 差來源資料以及關於晶圓處理的其他資料。神經網路單元140可包括對齊控制單元142及驗證單元144或與對齊控制單元142及驗證單元144一起工作。輸出資料集150包括誤差預測資料152及校正性調整資料154以及其他輸出資料。
在操作中，晶圓處理工具集112被配置成在示例性扇出型WLP製程中處理晶圓(例如，上面定位有晶粒的載體晶圓)，以在晶粒之上形成內連層。晶圓處理工具集112可為光刻工具且例如包括步進機工具(例如，步進重複照相機)、晶圓載台或卡盤、以及門架工具及其他適合的工具。步進機使光穿過光罩，從而形成光罩圖案的圖像。圖像由透鏡聚焦及減小，並被投射到晶圓的塗布有光刻膠的表面上。步進機以步進重複方式工作，其中跨越晶圓的表面在柵格中重複地將光罩上的圖案曝光。作為從一個投射(shot)位置到另一投射位置的步進，步進機通過晶圓載台來使晶圓移動。可在步進機的透鏡下利用柵格來回及左右地進行晶圓的步進移動。在扇出型WLP中，門架拾取晶粒並將晶粒定位到載體晶圓上的指定柵格點或區域上。在一些情形中，使用多於一個門架工具來將晶粒定位到載體晶圓上。
製程日誌114被配置成在處理期間監測、測量、確定及記錄與工具集112及定位在工具集112上的晶圓相關的晶圓處理參數。晶圓處理參數資料中的一些或全部被識別為覆蓋誤差的促成因數或與覆蓋誤差相關且被合併到誤差來源資料124中。
在光刻工具集112針對一層或所述層上的特徵處理晶圓 之後，計量工具集116被配置成測量所述晶圓，以相對於所述層或所述層上的特徵來判斷所述晶圓上是否存在覆蓋誤差。計量資料還包括覆蓋誤差的細節。將覆蓋誤差計量細節分類成覆蓋誤差在晶圓或一個晶粒上的位置、覆蓋誤差在x軸及/或y軸上的偏移尺寸、或者覆蓋的旋轉角度。將計量工具集116的測量結果中的一些合併到覆蓋誤差資料122中。出於對誤差源因數與覆蓋誤差類別之間的相關性進行建模的目的，零覆蓋誤差情形(zero-overlay error scenario)也為有用的且可被收集來作為覆蓋誤差資料122的一部分。
巨集資料單元130被配置成收集覆蓋誤差資料122、誤差來源資料124及其他資料126且組合或協調各種資料集以供進一步分析。舉例來說，巨集資料單元130相對於晶圓層、晶圓層上的位置、晶圓層上的結構、被設計成垂直交疊的多個垂直結構而以各種方式、或者以其他適合的連結方法將不同資料類別的覆蓋誤差資料122、覆蓋來源資料124及其他資料126連結在一起。在本文的說明中，晶圓上的「特徵」用於指代晶圓的將覆蓋誤差資料122與誤差來源資料124連結在一起的任何部分。舉例來說，晶圓上的特徵可為內連結構。覆蓋誤差資料122條目是內連結構的覆蓋誤差，且所連結的誤差來源資料124條目是相對於形成所述內連結構而記錄的晶圓處理參數。
巨集資料單元130還針對測量尺度、測量單位、時間尺度、公差閾值等來調諧所收集資料，使得各資料條目能夠用於同 一分析過程中。巨集資料單元130還相對於資料條目漏失及資料條目內插來增強所收集資料。還可存在並在巨集資料單元130內包含其他資料處理、調諧或組合技術。
其他資料126可為相對於先前處理的晶圓而與覆蓋誤差資料或誤差來源資料有關的歷史資料。在巨集資料單元130內以與覆蓋誤差資料122及誤差來源資料124相同或類似的方式來處理此種歷史資料。
神經網路單元140(或機器學習單元140)是人工智慧機器學習單元，其被配置成使用由巨集資料單元130提供的資料來進行監督式學習過程，以推斷使覆蓋誤差源因數與覆蓋誤差類別相關的迴歸模型函數。機器學習的「監督」分量可被設定成相對寬鬆的。舉例來說，並非將各因數指定成「輸入」類別(例如，誤差源因數)及「輸出」類別(例如，覆蓋誤差類別)，神經網路單元140允許神經網路引擎「盲式地」發揮作用，以便最大化機器學習在對資料的處置上的優點。此外，神經網路單元140可被配置成進行多個不同的監督式學習任務，其中不同的因數群組被分類為「輸入」或「輸出」。舉例來說，覆蓋誤差資料122中的覆蓋誤差計量位置在一些學習任務中可被分類為輸出，或者在其他學習任務中可被分類為輸入。不同的學習任務可產生使「輸入」因數與「輸出」因數相關的不同的迴歸模型函數。
在進行「監督式學習」時，神經網路單元140還可在「系統性」誤差源因數與「隨機」誤差源因數之間進行區分。「系統性」 誤差源因數是指在相同或類似的情形中傾向於重複相同資料值或模式的因數。「隨機」誤差源因數是指在相同或類似的情形中傾向於具有亂資料值的因數、或者資料值無法由系統100控制的因數。舉例來說，晶粒定位偏移可為由特定門架工具引起的系統性因數。步進機位置偏移也可為特定步進機機器的系統性因數。對於另一實例，晶粒厚度變化或晶粒尺寸變化可為在扇出型WLP製程中隨機地發生或無法控制的隨機因數。
在通過監督式機器學習過程推斷出一個或多個迴歸模型函數的情況下，迴歸模型函數由神經網路單元140用於估計或預測晶圓上的覆蓋計量。在實施例中，使用反向傳播網路來確定使輸入因數與輸出因數相關的迴歸模型函數。舉例來說，在計算迴歸模型函數時，通過「神經元」來「處理」輸入因數以貢獻於輸出，且使用反向傳播演算法來確定「神經元」中的每一者的貢獻度的權重。
對齊控制單元142被配置成使用迴歸模型函數或覆蓋估計/預測結果來控制晶圓處理(例如，扇出型WLP上的內連件的晶圓處理)中的覆蓋對齊。具體來說，對齊控制單元142可應用晶圓處理操作的處理日誌資訊作為迴歸模型函數的輸入來產生對齊控制輸出資料150。接著，可使用所述對齊控制輸出資料來控制或調整晶圓處理。舉例來說，對齊控制輸出資料150尤其包括誤差預測資料152及校正性調整資料154。誤差預測資料152指示晶圓位置中的一者或多者中的所預測/所估計覆蓋計量。校正性調整資 料154指示為消除所估計/所預測覆蓋誤差而對誤差來源資料124中的誤差源因數中的一者或多者的改變。
在實施例中，對齊控制單元142是神經網路單元140的一部分。在其他實施例中，對齊控制單元142是與神經網路單元140分開的單元且包括用以自動調整或使得調整晶圓處理工具設定或晶圓位置中的一者或多者以消除覆蓋誤差的機制。
神經網路單元140的驗證模組144被配置成基於從相關參考晶圓獲得的計量資料來驗證迴歸模型函數。參考晶圓可為易於獲得覆蓋誤差資料及誤差來源資料的先前處理的晶圓。參考晶圓也可為經受晶圓處理操作且尤其用於驗證目的的新晶圓。舉例來說，將參考晶圓的所估計覆蓋計量(例如，所估計覆蓋誤差的位置及大小)與參考晶圓的實際計量測量值進行比較。可使用閾值來評估覆蓋計量估計值/預測值是否足夠準確或滿足實際計量測量值。可使用比較結果來進一步或連續地訓練對應迴歸模型函數及/或使對應迴歸模型函數進行學習。舉例來說，不斷地更新由針對覆蓋誤差源因數及覆蓋誤差而實際測量的資料形成的訓練資料集，以反映工具及製程的最新狀態。在實施例中，使用訓練資料集中固定數目的資料條目來訓練迴歸模型函數。新測量的資料條目將代替最舊的資料條目，以維持所述固定數目。類似地，校正性調整資料基本上是對基於所述校正性調整資料而處理的參考晶圓所作的無覆蓋誤差的預測。可使用參考晶圓的實際計量資料來評估校正性調整資料是否有效地消除覆蓋誤差。再次，可在評估 中使用閾值。可基於晶圓的設計或晶圓處理製程來選擇閾值。對於扇出型WLP製程，可例如基於內連特徵的尺寸來選擇閾值。
圖2示出示例性誤差來源資料124。誤差來源資料124包括工具對齊誤差源因數的子集210、晶圓/晶粒對齊誤差源因數的子集250及上下文誤差源因數的子集280。工具對齊子集210包括關於影響覆蓋對齊的工具對齊參數或設定的資料。在實施例中，工具對齊子集210包括先前工具對齊資料212、晶圓載台位置資料214、步進位置資料216、光罩鍵位置資料218、曝光位置資料220、或其他適合的工具對齊參數資料。晶圓/晶粒對齊子集250包括關於影響覆蓋對齊的晶圓在晶圓載台上或晶粒在晶圓上(在扇出型WLP情形中)的位置的資料。在實施例中，晶圓/晶粒對齊子集250包括晶圓偏移資料252、晶圓旋轉資料254、晶粒偏移資料256、晶粒旋轉資料258、或其他晶圓/晶粒對齊資料。上下文誤差源子集280包括關於覆蓋計量測量的上下文資訊。利用所包括的上下文資訊，可識別並在神經網路處理中考慮不同的晶圓類型及不同的晶圓處理參數。在實施例中，針對不同的晶圓類型及/或不同的晶圓處理參數來分別地確定或訓練迴歸模型函數。舉例來說，針對每一晶圓類型及/或每一晶圓處理參數集來維持由覆蓋誤差源因數及覆蓋誤差形成的不同的訓練資料集。分別地更新不同的訓練資料集，以在每一訓練資料集中維持固定數目的資料條目。在實施例中，上下文誤差源子集280包括焦深資料282、曝光持續時間資料284、步進速度資料286、照射設定資料288、照射 源290、增強全域對齊(EGA)位置292、場位置資料294、計量位置資料296、或其他適合的上下文資料。
先前工具對齊資料212是對與當前晶圓(例如，當前資料條目的晶圓)經受相同晶圓處理製程的前一晶圓所使用的晶圓處理工具集112的對齊位置。先前工具對齊資料212是相對於與當前晶圓相同的特徵或製程步驟而測量，且是以與當前晶圓相同的尺度而測量。也就是說，先前工具對齊資料212與當前資料條目相當。舉例來說，在當前晶圓的工具對齊資料包括晶圓載台位置資料214、步進位置資料216、光罩鍵位置資料218及曝光位置資料220的情形中，先前工具對齊資料212包括前一晶圓的所有相同的資料類別。
可通過用於錨固晶圓載台的致動器的位置來測量晶圓載台位置資料214。舉例來說，晶圓載台可包括三個致動器，以用於錨固晶圓載台的x軸位置、y軸位置及z軸位置。記錄x軸致動器、y軸致動器及z軸致動器的位置並將所述位置記入日誌以指示晶圓載台位置。
步進位置資料216是步進機的位置。
光罩鍵位置資料218指示通過光罩鍵錨固的光罩的位置。
曝光位置資料220指示晶圓上暴露於照射光的位置或區域。
晶圓載台位置214、步進位置216、光罩鍵位置218或曝光位置220可被表示為在橫向平面中的x軸、y軸及/或垂直平面 中的z軸上的位置。在一些實施例中，晶圓載台位置214、步進位置216、光罩鍵位置218或曝光位置220可各自被表示為相對於相應目標位置的位置誤差。在對位置誤差的測量中，可使用x軸偏移、y軸偏移及z軸偏移、以及旋轉誤差(角度)。
應注意，針對工具對齊因數214、216、218及220中的每一者，可記錄三種不同資料類型中的一者或多者並將所述一者或多者記入日誌。第一類型是由測量裝置(例如，鐳射裝置)測量的位置資料，其被稱為「所測量位置」。第二類型是由先進製程控制(「APC」)的增強全域對齊(「EGA」)系統在應用EGA調整之前確定的位置，其被稱為「對齊前位置」或「EGA前位置」。第三類型是在應用EGA調整之後確定的位置，其被稱為「對齊後位置」或「EGA後位置」。應瞭解，所述三種位置資料類型中的每一者可與工具集112的實際位置有偏差。工具集位置確定中的此類偏差可促成覆蓋誤差。在神經網路單元140的操作中無需使用所有三種類型的工具集對齊位置資料。神經網路單元140可選擇在一些迴歸模型中使用一些類型的資料且在其他迴歸模型中使用其他類型的資料。此外，無需將所有三種類型的資料均包含在誤差來源資料124中。在一些操作情形中，不進行EGA，且EGA前位置資料類型及EGA後位置資料類型是不可用的。在一些其他情形中，所測量位置資料類型是不可用的或者不包含在誤差來源資料124中。
這三種類型的工具對齊資料(例如，所測量位置、EGA 前位置、EGA後位置)可彼此相關。舉例來說，EGA後位置是基於EGA前位置而獲得。然而，在獲得所述三種類型中的每一者時，會引入額外或不同的因數，這可促成可能的偏差。舉例來說，EGA可受為確定EGA調整而在晶圓上選擇的EGA測量點(其被稱為「EGA位置」)影響。因此，通過將三種位置資料類型中的一者或多者包含在工具對齊子集210中，神經網路單元140可實現更有效地反映或考慮工具對齊因數與覆蓋計量類別之間的相關性的迴歸模型函數。
還可存在並在本發明中包含用以確定工具對齊的其他方式。
在晶圓/晶粒對齊子集250中，晶圓偏移資料252指示晶圓在晶圓載台上的偏移量。晶圓偏移包括x軸偏移及y軸偏移。在實施例中，通過晶圓上所包含的晶圓對齊標記、或其他適合的機制來確定晶圓偏移。
晶圓旋轉資料254指示晶圓在晶圓載台上的旋轉角度。在實施例中，通過晶圓對齊標記、或其他適合的機制來確定晶圓旋轉。
晶粒偏移資料256指示晶粒在載體晶圓上的偏移量。晶粒偏移包括x軸偏移及y軸偏移。在實施例中，通過晶粒上所包含的晶粒對齊標記、或其他適合的機制來確定晶粒偏移。
晶粒旋轉資料258指示晶粒在載體晶圓上的旋轉角度。在實施例中，通過晶粒對齊標記、或其他適合的機制來確定晶粒 旋轉。
與工具對齊子集210類似，晶圓/晶粒對齊子集250中的資料類別也可包括三種資料類型，例如，所測量位置、EGA前位置及EGA後位置。應注意，用於晶粒對齊的EGA系統可不同於用於晶圓對齊的EGA系統。
所測量位置、EGA前位置、EGA後位置是作為對齊位置資料類別的資料類型的實例而提供。這些實例並非意在限制本發明的範圍。對於對齊位置資料類別來說，還可存在均包含在本發明中的其他資料類型。舉例來說，還可存在晶圓或晶粒的場對齊，且在誤差來源資料124中可使用在場對齊操作之前及之後的工具/晶圓/晶粒位置。
焦深資料282、曝光持續時間資料284、照射設定資料288、照射來源資料290為自描述性的。步進速度資料286指示步進機的移動速度。這些資料基本上是製程方案中的參數且用於識別覆蓋計量及覆蓋誤差(如果有)的上下文。通過併入此種上下文資料，由神經網路單元140產生的迴歸模型函數可進一步得以增強，例如，通過消除由各種上下文因數引起的複雜性。也就是說，可針對上下文變數中的每一者來訓練或確定迴歸模型函數。
EGA位置資料292指示晶圓/晶粒上出於EGA對齊目的而識別的多個位置點。晶圓上的各種特徵通常包括變化的形狀及輪廓。因此，對EGA位置(例如，EGA位置上的特徵)的選擇會得到變化的EGA評定及調整結果。
場位置資料294指示在光刻製程中照射的晶圓/晶粒區域的尺寸。在實施例中，通過光罩開口的尺寸及光罩與晶圓表面之間的距離來測量場位置資料294。
計量位置296指示晶圓上或晶粒上測量覆蓋計量的位置。如本文中所述，晶圓上的計量位置可充當誤差源因數或覆蓋誤差類別中的一者或多者。作為誤差源因數，晶圓上的計量測量位置影響是否存在或可偵測到覆蓋誤差。
應瞭解，圖2中所列示的示例性誤差來源資料類別僅為實例且並不限制本發明的範圍。還可使用並在誤差來源資料124中包含會致使出現覆蓋誤差及/或促成覆蓋誤差的大小的其他因數，所述其他因數均包含在本發明中。
圖3示出示例性覆蓋誤差資料122。如圖3中所示，覆蓋誤差資料122包括四個覆蓋誤差類別，即覆蓋計量位置資料310、x軸覆蓋誤差資料320及y軸覆蓋誤差資料330、以及覆蓋旋轉(角度)資料340。覆蓋計量位置資料310指示晶圓上或晶粒上出現/檢測到覆蓋誤差的地方。x軸覆蓋誤差資料320及y軸覆蓋誤差資料330分別指示覆蓋誤差在x軸或y軸上的大小。覆蓋旋轉(角度)資料340指示其中特徵的實際計量與目標計量有角度偏差的覆蓋誤差。
可使用各種方法來界定覆蓋誤差。在實施例中，基於特徵的實際計量及目標計量來確定覆蓋誤差。在另一實施例中，基於上部特徵與下部特徵之間的對齊來確定覆蓋誤差。還可存在並 在本發明中包含用以確定覆蓋對齊準確度或覆蓋誤差的其他方法。
圖4示出示例性神經網路單元140。參照圖4，神經網路單元140包括：處理單元410，例如，電腦處理器、或虛擬機器應用中分配給神經網路單元140的處理容量；儲存單元420，上面儲存有神經網路應用430；通訊單元440，被配置成與分散式計算環境中連結到神經網路單元140的其他電腦或機器進行通訊；介面單元450，被配置成用於輸入、輸出及用戶交互；以及其他組件460。
神經網路應用430包括：可執行指令，在由處理單元410執行時，所述可執行指令將處理單元410配置成實作訓練集產生模組432；機器學習模組434，包括驗證模組436；以及預測模組438。在實施例中，專用於實作訓練集產生模組432、機器學習模組434及預測模組438的可執行指令在儲存單元420上儲存在儲存單元420的單獨專用空間中、或者以可分離/可剖析的方式進行儲存，以便通過剖析或索引編制而輕易地識別用於這些模組的可執行指令。
可在分散式計算環境中通過物理裝置(例如，伺服器電腦)或通過虛擬裝置來實現神經網路單元140的元件中的一者或多者。舉例來說，多個主機伺服器可連結到晶圓處理位元點/操作。各主機伺服器可以分散式計算方案一起發揮作用，以支援神經網路單元140及/或巨集資料單元130所駐存於的一個或多個虛擬 層。虛擬層可為任何虛擬化層級，例如，完全虛擬化、作業系統(OS)層級虛擬化、應用層級虛擬化、或一些其他層級的部分虛擬化。
此外，無需使神經網路單元140的各元件駐存在同一虛擬化層級中。神經網路單元140的元件中的一些可通過實體層來實作，而一些可通過各種層級的虛擬層來實作，這均包含在本發明中。
圖5示出神經網路應用430的操作結構500。訓練集產生模組432被配置成從巨集資料單元130接收資料且在操作510中產生訓練資料集。舉例來說，接收並處理誤差來源資料124及覆蓋誤差資料122，以產生訓練資料集來訓練機器學習操作520。通過添加新資料條目並消除舊資料條目而不斷地更新訓練資料集。在操作510的實施例中，訓練集產生模組432通過訓練前過程來處理所接收資料集，以出於機器學習過程520的目的而優化資料集。
在實施例中，在機器學習操作520中，機器學習模組434使用訓練資料集來進行監督式訓練過程。具體來說，監督式訓練界定訓練資料集中分類為輸入的資料物件及分類為輸出的資料物件，且將輸入資料物件與相應的輸出資料物件配對。接著，通過神經元之間或之中的訓練連接來分析成對的輸入資料條目與輸出資料條目以產生迴歸模型函數。在實施例中，將覆蓋源因數分類為輸入(「x」)且將覆蓋計量誤差分類為輸出(「y」)。所得的迴歸 模型函數各自將誤差源因數中的一者或多者連結到一個覆蓋誤差類別，例如，覆蓋計量位置、x軸覆蓋誤差、y軸覆蓋誤差及覆蓋旋轉。
在預測操作530中，預測模組438使用所產生的迴歸模型函數來預測或估計經受晶圓處理操作的晶圓上的覆蓋計量。具體來說，從製程日誌114獲得晶圓處理參數作為輸入，並將所述晶圓處理參數應用到迴歸模型函數中以產生覆蓋計量資訊作為輸出。預測模組438還可預測對晶圓處理參數(例如，對工具對齊設定及/或晶圓/晶粒對齊因數中的一者或多者)的校正性調整，以消除或減輕所估計/所預測覆蓋誤差。
如圖5中所示，可針對整個晶圓進行覆蓋誤差的預測。在晶圓內，各覆蓋誤差可遵循一致的模式，或者可在晶圓上的不同場之間/之中變化。利用在晶圓處理中使用的步進機裝置，可調整晶圓處理設定，以專門校正晶圓上的單獨場上的覆蓋誤差。然而，存在如下情形：晶圓上的兩個或更多個場上的覆蓋誤差無法被單獨地校正且在晶圓處理操作下相互關聯。可進行決策制定操作，以確定晶圓處理操作的總體校正性調整，從而針對覆蓋對齊在所述兩個或更多個場之間/之中進行平衡。
將預測操作530的結果輸出到對齊控制單元142，以相應地控制晶圓處理操作。舉例來說，可使用誤差預測資料152來人工地調整晶圓處理參數設定，以避免或減輕覆蓋誤差問題。操作員或機器可容易地使用校正性調整資料154來自動調整晶圓處理 參數設定，以避免或減輕覆蓋對齊問題。再次將經調整的處理參數及相關的覆蓋計量資料饋送到神經網路單元140中，以進一步訓練或完善迴歸模型函數，因為經調整的處理參數與相關的覆蓋計量資料一起表示新資料條目。也就是說，神經網路單元140中的機器學習過程可被配置成動態過程，其連續地更新使誤差源因數與覆蓋誤差類別相關的迴歸模型函數。
驗證模組436被配置成評估所產生的迴歸模型函數是否準確地表示誤差源因數與覆蓋誤差類別之間的相關性。舉例來說，可將所預測覆蓋計量值與實際計量測量值進行比較。可使用閾值來判斷所估計/所預測覆蓋計量是否滿足實際覆蓋計量資料。舉例來說，在扇出型WLP晶圓處理操作中，可使用0.1μm的閾值來判斷所估計覆蓋誤差是否滿足實際覆蓋計量。
圖6是示例性操作過程600的流程圖。在示例性操作610中，製程日誌114確定相對於在晶圓上形成內連特徵的晶圓處理工具(例如，步進機)的工具位置。工具位置可為所測量位置、對齊前位置或對齊後位置中的一者或多者。
在示例性操作620中，製程日誌114確定晶圓的與晶圓上的特徵對應的一部分的位置，出於說明性目的，所述位置被稱為「項目位置」。項目位置可為所測量位置、對齊前位置或對齊後位置中的一者或多者。
圖7示出承載晶圓700作為實例，晶圓700上定位有多個晶粒710。製程日誌可確定晶圓700的與內連特徵對應的一部分 720(以虛線圓圈示出)的項目位置。如圖7中所示，作為說明性實例，在扇出型WLP製程中，部分720包括晶圓700上的晶粒710A位置。可以多種方式來測量部分720的項目位置。舉例來說，部分720的項目位置可包括x軸晶圓偏移及/或y軸晶圓偏移，此被指示為晶圓700上的對齊標記722與晶圓載台730上的對齊標記724之間的不對齊。所述項目位置還可包括晶圓700與晶圓載台730上的目標晶圓位置702(示作虛線圓圈)之間的旋轉。
此外，所述項目位置還可包括x軸晶粒偏移及/或y軸晶粒偏移。如圖7中作為說明性實例所示，定位在載體晶圓700的下部分上的晶粒710均包括相對於目標位置712的對齊偏移。此種對齊偏移可能是由專用於拾取晶粒710並將晶粒710定位在晶圓700的下部分上的有問題的門架工具系統性地引起。如關於部分720說明性地示出，對應的晶粒710A還可包括相對於目標位置712A的旋轉誤差。
晶圓對齊位置及晶粒對齊位置可一起由製程日誌114確定。
在示例性操作630中，計量工具集116確定相對於內連特徵的覆蓋計量。圖8示出晶圓700的覆蓋計量測量的說明性實例。如圖8所示，晶圓700的不同部分上的覆蓋對齊計量可為不同的且可並非是一致的。部分720上的內連特徵的計量資料810被識別為與工具位置資訊及項目位置資訊相關。也就是說，那些資料可通過所述內連特徵被連結在一起。
在示例性操作640中，訓練集產生模組432產生相對於晶圓700的部分720之上的內連特徵的包含工具位置資料、項目位置資料及覆蓋計量資料的資料集。
在示例性操作650中，機器學習模組434通過利用訓練資料集進行訓練的機器學習來產生迴歸模型函數。在實施例中，機器學習模組434使用訓練資料集來設置將輸入資料(例如，晶圓對齊資料及晶粒對齊資料)與輸出資料(例如，覆蓋計量資料)連結在一起的迴歸函數的參數。可隨著新資料集被添加到訓練資料集中以替換較舊的資料集而連續地重複及更新訓練。新資料集將反映其中產生覆蓋計量誤差的製作過程的經更新狀態。應瞭解，所產生的資料集可為用以訓練機器學習過程的許多資料集條目中的一者。迴歸模型函數可能已存在於機器學習模組434中，且可利用新訓練資料集來連續地進行訓練及/或增強。還可由機器學習模組434新創建迴歸模型。
在示例性操作660中，預測模組438基於經訓練的迴歸模型函數來估計第二晶圓上的覆蓋計量。舉例來說，可對迴歸模型函數應用相對於第二晶圓而言的工具位置、項目位置以估計覆蓋計量。
在示例性操作670中，驗證模組436通過將所估計計量與在第二晶圓上實際測量的計量進行比較來評估迴歸模型函數。
所述技術是以扇出型WLP製程作為實例而加以闡述。應瞭解，所述技術類似地適用於前段晶圓處理操作及其他後段晶圓 處理操作。
可通過對以下實施例的說明來進一步瞭解本發明：在方法實施例中，確定晶圓處理工具的工具位置。所述晶圓處理工具用於在第一晶圓上形成第一特徵。確定所述第一晶圓的第一部分的項目位置。所述第一部分對應於所述第一特徵。確定相對於所述第一特徵的覆蓋計量。產生包含所述工具位置、所述項目位置及所述覆蓋計量的資料集。產生函數，所述函數使所述函數的第一側上所述工具位置或所述項目位置中的一者或多者與所述函數的第二側上的所述覆蓋計量相關。所述函數是使用所述資料集通過機器學習而產生。
在相關實施例中，所述工具位置包括晶圓載台位置、步進機位置、光罩鍵位置、或曝光位置中的一者或多者。
在相關實施例中，所述項目位置包括定位在晶圓載台上的所述第一晶圓的晶圓偏移或晶圓旋轉中的一者或多者。
在相關實施例中，所述項目位置進一步包括定位在所述第一晶圓的所述第一部分上的晶粒的晶粒偏移或晶粒旋轉中的一者或多者。
在相關實施例中，所述工具位置包括所測量位置、對齊前位置及對齊後位置中的一者或多者。
在相關實施例中，述項目位置包括所測量位置、對齊前位置及對齊後位置中的一者或多者。
在相關實施例中，所述的方法進一步包括：確定在所述 第一晶圓上形成所述第一特徵的上下文；以及產生包含所述上下文的所述資料集。
在相關實施例中，所述上下文包括以下中的一者或多者：所述第一晶圓上的增強全域對齊操作的測量位置、相對於形成所述第一特徵的曝光場、及所述第一晶圓上測量所述覆蓋計量的計量位置。
在相關實施例中，所述的方法進一步包括：確定相對於在前一第一晶圓上形成第一特徵的所述晶圓處理工具的先前工具位置；以及產生包含所述先前工具位置的所述資料集。
在相關實施例中，通過神經網路系統來進行所述機器學習。
在相關實施例中，所述的方法進一步包括基於所述函數來產生第二晶圓的所估計對齊計量。
在相關實施例中，所述的方法進一步包括通過將所述第二晶圓的所述所估計對齊計量與所述第二晶圓的所測量對齊計量進行比較來評估所述函數。
在相關實施例中，所述的方法進一步包括基於所述函數而相對於所述第二晶圓產生對齊校正資料，所述對齊校正資料規定對所述工具位置或所述項目位置中的至少一者的調整。
在另一實施例中，一種系統包括：晶圓處理工具，被配置成在晶圓上形成特徵；計量工具，被配置成測量所述晶圓上的所述特徵的覆蓋對齊；覆蓋建模工具，被配置成基於所述晶圓處 理工具的對齊參數或所述晶圓的對齊參數中的一者或多者來產生所述特徵的所估計覆蓋對齊計量；以及製程控制工具，被配置成基於所述所估計覆蓋對齊計量來調整所述晶圓處理工具的所述對齊參數或所述晶圓的所述對齊參數中的一者或多者。
在相關實施例中，所述覆蓋建模工具產生使所述晶圓處理工具的所述對齊參數或所述晶圓的所述對齊參數中的一者或多者與所述特徵的覆蓋計量相關的函數。
在相關實施例中，所述的系統進一步包括巨集資料單元，所述巨集資料單元被配置成將所述晶圓處理工具的所述對齊參數、所述晶圓的所述對齊參數及所述晶圓上的所述特徵的覆蓋計量測量值組合成資料集。
一種計算系統包括處理器及上面儲存有可執行指令的儲存單元。當所述可執行指令由所述處理器執行時，所述可執行指令將所述處理器配置成實作包括以下的各種動作：接收相對於在第一晶圓上形成第一特徵的晶圓處理工具的工具位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的晶圓固持工具上所述第一晶圓的位置的項目位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的上下文的資料；以及基於將所述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少一者應用到迴歸模型函數中來產生用於調整所述工具位置或所述項目位置中的一者或多者的資料，所述迴歸模型函數使所述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少 一者與所述第一晶圓上的所述第一特徵的覆蓋計量相關。
在相關實施例中，所述工具位置的資料包括x軸工具偏移、y軸工具偏移及工具旋轉中的一者或多者。
在相關實施例中，所述項目位置的資料包括x軸晶圓偏移、y軸晶圓偏移、晶圓旋轉、x軸晶粒偏移、y軸晶粒偏移、或晶粒旋轉中的一者或多者。
在相關實施例中，所述工具位置的資料或所述項目位置的資料中的一者或多者包括所測量資料、對齊前資料及對齊後資料。
可組合以上所述的各種實施例以提供其他實施例。本說明書中提及及/或在申請資料表中列出的所有美國專利、美國專利申請公開、美國專利申請、外國專利、外國專利申請及非專利出版物均全部併入本文中供參考。如果需要，可修改實施例的各方面以採用各種專利、申請及公開的概念來提供又一些其他實施例。
鑒於以上詳細說明，可對實施例作出這些及其他改變。一般來說，在以上權利要求書中，所使用的用語不應被解釋為將權利要求書限制於說明書及權利要求書中所公開的具體實施例，而是應被解釋為包括所有可能的實施例以及此權利要求書被賦予的等效內容的全部範圍。因此，權利要求書不受本公開內容的限制。
600‧‧‧操作過程
610、620、630、640、650、660、670‧‧‧操作

Claims (9)

  1. 一種覆蓋管理方法，包括：確定相對於在第一晶圓上形成第一特徵的晶圓處理工具的工具位置；確定所述第一晶圓的與所述第一特徵對應的第一部分的項目位置；確定相對於所述第一特徵的覆蓋計量；產生包含所述工具位置、所述項目位置及所述覆蓋計量的資料集；以及基於所述資料集通過機器學習來產生函數，所述函數使所述函數的第一側上的所述工具位置及所述項目位置與所述函數的第二側上的所述覆蓋計量相關。
  2. 如申請專利範圍第1項所述的方法，其中所述工具位置包括晶圓載台位置、步進機位置、光罩鍵位置、或曝光位置中的一者或多者。
  3. 如申請專利範圍第1項所述的方法，其中所述項目位置包括定位在晶圓載台上的所述第一晶圓的晶圓偏移或晶圓旋轉中的一者或多者。
  4. 如申請專利範圍第1項所述的方法，進一步包括：確定在所述第一晶圓上形成所述第一特徵的上下文；以及產生包含所述上下文的所述資料集。
  5. 如申請專利範圍第1項所述的方法，進一步包括基於所述函數來產生第二晶圓的所估計對齊計量。
  6. 如申請專利範圍第5項所述的方法，進一步包括通過將所述第二晶圓的所述所估計對齊計量與所述第二晶圓的所測量對齊計量進行比較來評估所述函數。
  7. 如申請專利範圍第5項所述的方法，進一步包括基於所述函數而相對於所述第二晶圓產生對齊校正資料，所述對齊校正資料規定對所述工具位置或所述項目位置中的至少一者的調整。
  8. 一種覆蓋管理系統，包括：晶圓處理工具，被配置成在晶圓上形成特徵；計量工具，被配置成測量所述晶圓上的所述特徵的覆蓋對齊；覆蓋建模工具，被配置成基於所述晶圓處理工具的對齊參數及所述晶圓的對齊參數來產生所述特徵的所估計覆蓋對齊計量，其中所述覆蓋建模工具產生使所述晶圓處理工具的所述對齊參數及所述晶圓的所述對齊參數與所述特徵的覆蓋計量相關的函數；以及製程控制工具，被配置成基於所述所估計覆蓋對齊計量來調整所述晶圓處理工具的所述對齊參數或所述晶圓的所述對齊參數中的一者或多者。
  9. 一種計算系統，包括：處理器；以及儲存單元，上面儲存有可執行指令，在由所述處理器執行時， 所述可執行指令將所述處理器配置成實作包括以下的動作：接收相對於在第一晶圓上形成第一特徵的晶圓處理工具的工具位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的晶圓固持工具上所述第一晶圓的位置的項目位置的資料；接收相對於在所述第一晶圓上形成所述第一特徵的上下文的資料；以及基於將所述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少二者應用到迴歸模型函數中來產生用於調整所述工具位置或所述項目位置中的一者或多者的資料，所述迴歸模型函數使所述工具位置的資料、所述項目位置的資料及所述上下文的資料中的至少二者與所述第一晶圓上的所述第一特徵的覆蓋計量相關。
TW108122434A 2018-06-29 2019-06-26 覆蓋管理方法、覆蓋管理系統及計算系統 TWI702653B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862692208P 2018-06-29 2018-06-29
US62/692,208 2018-06-29
US16/405,702 2019-05-07
US16/405,702 US10964566B2 (en) 2018-06-29 2019-05-07 Machine learning on overlay virtual metrology

Publications (2)

Publication Number Publication Date
TW202002079A TW202002079A (zh) 2020-01-01
TWI702653B true TWI702653B (zh) 2020-08-21

Family

ID=69055372

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108122434A TWI702653B (zh) 2018-06-29 2019-06-26 覆蓋管理方法、覆蓋管理系統及計算系統

Country Status (3)

Country Link
US (3) US10964566B2 (zh)
CN (1) CN115642111A (zh)
TW (1) TWI702653B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10929755B2 (en) * 2019-04-08 2021-02-23 Advanced New Technologies Co., Ltd. Optimization processing for neural network model
DE102020112149A1 (de) * 2020-05-05 2021-11-11 Integrated Dynamics Engineering Gesellschaft mit beschränkter Haftung Verfahren zur Kontrolle von Handlingsystemen
US12063745B2 (en) 2020-05-05 2024-08-13 Integrated Dynamics Engineering Gmbh Method for processing substrates, in particular wafers, masks or flat panel displays, with a semi-conductor industry machine
US11749543B2 (en) * 2020-07-06 2023-09-05 Applied Materials, Inc. Chamber matching and calibration
US20220269184A1 (en) * 2021-02-25 2022-08-25 Taiwan Semiconductor Manufacturing Co., Ltd. Machine learning on overlay management
US20220392809A1 (en) * 2021-06-03 2022-12-08 Kla Corporation Adaptive modeling misregistration measurement system and method
JP2023053800A (ja) * 2021-10-01 2023-04-13 キヤノン株式会社 基板上の複数のショット領域の配列を求める方法、露光方法、露光装置、物品の製造方法、プログラム及び情報処理装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050095515A1 (en) * 2003-08-29 2005-05-05 Inficon Lt, Inc. Methods and systems for processing overlay data
US20120029856A1 (en) * 2010-07-30 2012-02-02 Kla-Tencor Corporatioin Method and system for providing process tool correctables

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6850858B1 (en) * 2001-07-06 2005-02-01 Dupont Photomasks, Inc. Method and apparatus for calibrating a metrology tool
US7710565B2 (en) * 2007-12-14 2010-05-04 Tokyo Electron Limited Method of correcting systematic error in a metrology system
EP2694983B1 (en) * 2011-04-06 2020-06-03 KLA-Tencor Corporation Method and system for providing a quality metric for improved process control
US9053284B2 (en) * 2013-09-04 2015-06-09 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for overlay control
CN107004060B (zh) * 2014-11-25 2022-02-18 Pdf决策公司 用于半导体制造工艺的经改进工艺控制技术
US10360477B2 (en) * 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
US10727142B2 (en) * 2017-05-30 2020-07-28 Kla-Tencor Corporation Process monitoring of deep structures with X-ray scatterometry
EP3575874A1 (en) * 2018-05-29 2019-12-04 ASML Netherlands B.V. Metrology method, apparatus and computer program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050095515A1 (en) * 2003-08-29 2005-05-05 Inficon Lt, Inc. Methods and systems for processing overlay data
US20120029856A1 (en) * 2010-07-30 2012-02-02 Kla-Tencor Corporatioin Method and system for providing process tool correctables

Also Published As

Publication number Publication date
US20230223287A1 (en) 2023-07-13
TW202002079A (zh) 2020-01-01
US11626304B2 (en) 2023-04-11
US20210175105A1 (en) 2021-06-10
US20200006102A1 (en) 2020-01-02
CN115642111A (zh) 2023-01-24
US10964566B2 (en) 2021-03-30

Similar Documents

Publication Publication Date Title
TWI702653B (zh) 覆蓋管理方法、覆蓋管理系統及計算系統
US11592753B2 (en) Methods of determining corrections for a patterning process, device manufacturing method, control system for a lithographic apparatus and lithographic apparatus
TWI804859B (zh) 管理重疊對準的方法及系統以及計算系統
JP6125506B2 (ja) 問題のある高度プロセス制御パラメータの検出及び訂正のための方法及びシステム
US6528331B1 (en) Method for identifying and controlling impact of ambient conditions on photolithography processes
TW201903534A (zh) 最佳化微影製程之方法及裝置
CN110660702B (zh) 覆盖管理方法、覆盖管理系统及计算系统
US20230161265A1 (en) Method for controlling a manufacturing process and associated apparatuses
KR20200058523A (ko) 리소그래피 노광 공정의 최적화를 위한 시스템 및 방법
CN113050383B (zh) 一种光刻曝光方法、装置和光刻系统
TW202244602A (zh) 標記檢測設備、標記學習設備、基板處理設備、標記檢測方法及物品的製造方法
TW201921538A (zh) 用於臨界尺寸量測之檢測導引臨界位點選擇