TWI737261B - 判定微影設備之校正之方法 - Google Patents

Abstract

提供一種用於判定用於在圖案化基板之一程序中所使用之一設備之一校正的方法，該方法包含：獲得與待處理基板之指紋之一處理歷史及/或相似性相關聯的一群組結構；獲得與該群組結構內之複數個群組相關聯的度量衡資料，其中該度量衡資料在該等群組之間係相關的；及藉由將一模型施加至該度量衡資料而判定對出自該複數個群組之一群組之該校正，該模型包含至少一群組特定校正分量及一共同校正分量。

Description

判定微影設備之校正之方法

本發明係關於處理用於生產例如半導體裝置之基板。

微影設備為經建構以將所要圖案施加至基板上之機器。微影設備可用於(例如)積體電路(IC)之製造中。微影設備可例如將圖案化裝置(例如光罩)處之圖案(亦常常被稱作「設計佈局」或「設計」)投影至提供於基板(例如晶圓)上之輻射敏感材料(抗蝕劑)層上。

為了將圖案投影於基板上，微影設備可使用輻射。此輻射之波長判定可形成於基板上之特徵之最小大小。當前在使用中之典型波長為約365nm(i線)、約248nm、約193nm及約13nm。與使用例如具有約193nm之波長之輻射的微影設備相比，使用具有在4nm至20nm之範圍內(例如6.7nm或13.5nm)之波長之極紫外線(EUV)輻射的微影設備可用以在基板上形成較小特徵。

低k1微影可用以處理尺寸小於微影設備之經典解析度極限的特徵。在此程序中，可將解析度公式表達為CD=k1×λ/NA，其中λ為所使用輻射之波長、NA為微影設備中之投影光學件之數值孔徑、CD為「臨界尺寸」(通常為經印刷之最小特徵大小，但在此狀況下為半節距)且 k1為經驗解析度因數。一般而言，k1愈小，則在基板上再生類似於由電路設計者規劃之形狀及尺寸以便達成特定電功能性及效能的圖案變得愈困難。為了克服此等困難，可將複雜微調步驟應用至微影投影設備及/或設計佈局。此等步驟包括例如但不限於數值孔徑(NA)之最佳化、自訂照明方案、使用一或多個相移圖案化裝置、設計佈局之最佳化，諸如設計佈局中之光學近接校正(OPC)，或一般被定義為解析度增強技術(RET)之其他方法。另外或替代地，用於控制微影設備之穩定性之一或多個嚴格控制迴路可用以改良在低k1下之圖案之再生。

微影設備之控制之有效性可取決於個別基板之特性。舉例而言，在藉由微影設備(或製造程序之任何其他程序步驟，在本文中一般被稱作製造程序步驟)處理之前由第一處理工具處理的第一基板相比於在藉由該微影設備處理之前由第二處理工具處理之第二基板可受益於(稍微)不同的控制參數。

舉例而言，需要基於預處理資料之知識而控制所關注製造程序，此係由於此允許控制迴路預測預期後處理結果。然而，此控制通常涉及預處理資訊與後處理資訊之間的關係及所關注程序之一或多個控制參數如何影響後處理資料之知識。可能不會始終知曉所關注程序之一或多個控制設定如何影響後處理資料。舉例而言，微影程序內之所施加劑量設定可能對與在執行微影程序之後所獲得之特徵相關聯的某一臨界尺寸具有可預測的影響，或其可能不對該臨界尺寸具有可預測的影響。用以基於常常極大量預處理資料而預測後處理資料之方法的糟糕執行可能會更成問題。常常，預處理資料包含過多參數而不能允許建構將預處理資料與後處理資 料聯結之可靠模型。

機器學習技術可用以辨識對經受程序之基板之一或多個特性(諸如疊對、CD、邊緣置放誤差(EPE)等)之處理內容脈絡觀測到的影響之間的因果關係模式。此等模式可接著用以預測及校正處理後續基板時之誤差。全文係以引用方式併入本文中之PCT專利申請公開案第WO 2017/060080號中描述此類系統之一些實例。在少數狀況下，預處理資料具有有限的相關聯參數集。舉例而言，當僅蝕刻腔室之識別(ID)用作與待處理基板相關聯之預處理資料時，在後處理資料(例如，疊對指紋)與包含於預處理或內容脈絡資料內的參數值之間建立關係可能係簡單的；例如藉由分解疊對指紋以判定所使用之特定蝕刻腔室之貢獻。然而，在更複雜的製造程序(例如，多個圖案化程序)中，產生單層之總程序可包含多個曝光及蝕刻步驟，其中可能對多個設備中之一者上之多個處理站中之一者(階段或腔室)上執行每一步驟。因而，每一基板經受之程序工具及處理站之潛在組合的數目可增加至歸因於所涉及之度量衡工作而使此指紋分解不可行的程度。

將需要改良此類程序控制程序。

在一態樣中，提供一種用於判定用於在圖案化基板之一程序中所使用之一設備之一校正的方法，該方法包含：獲得與待處理基板之指紋之一處理歷史及/或相似性相關聯的一群組結構；獲得與該群組結構內之複數個群組相關聯的度量衡資料，其中該度量衡資料在該等群組之間係相關的；及藉由將一模型施加至該度量衡資料而判定對出自該複數個群組之一群組之該校正，該模型包含至少一群組特定校正分量及一共同校正分量。

在一態樣中，提供一種電腦程式，其包含可操作以在經執行於一合適設備上時執行如本文所描述之一方法的程式指令。

200:微影工具

202:量測站MEA

204:曝光站EXP

206:控制單元LACU

208:塗佈設備SC

210:烘烤設備BK

212:顯影設備DE

220:經圖案化基板

222:處理設備/蝕刻設備

224:處理設備

226:處理設備

230:基板

232:叢集/基板

234:基板

240:度量衡設備(MET)

250:電腦系統CL

252:儲存器

254:內容脈絡資料

256:儲存器

260:資料庫/物件資料儲存器

AC:自相關資料

AS:對準感測器

AV:平均化資訊

B:輻射光束

BD:光束遞送系統

BE:貝氏估計

BK:烘烤板

C:目標部分

CC:交叉相關資料

CH:冷卻板

CL:電腦系統

DE:顯影器

EXP:曝光站

G0:群組

G1:群組

G2:群組

HD:歷史資料

HRG:「高風險」群組

IF:位置感測器

IL:照明系統/照明器

I/O1:輸入/輸出埠

I/O2:輸入/輸出埠

LA:微影設備

LACU:微影設備控制單元

LB:裝載匣

LC:微影製造單元

LRG:第一「低風險」群組

LS:位階感測器

M1:圖案化裝置對準標記

M2:圖案化裝置對準標記

MA:圖案化裝置

MEA:量測站

MET:檢測設備/度量衡工具

MG1:經量測資料

MG2:第二群組

MT:支撐件/支撐結構

N:批次

NM:跳過批次

N+1:批次

N-1:批次

N-2:批次

P1:基板對準標記

P2:基板對準標記

PG2:經預測資料

PM:第一定位器

PS:投影系統

PW:第二定位器/基板定位器

RO:基板處置器或機器人

SC:旋塗器

SCS:監督控制系統

SC1:第一標度盤

SC2:第二標度盤

SC3:第三標度盤

SO:輻射源

TCU:塗佈顯影系統控制單元

W:基板

WF1:維納濾波器

WTa:基板台

WTb:基板台

現在將僅作為實例參看隨附示意性圖式來描述本發明之實施例，在該等圖式中：圖1描繪微影設備之示意性綜述；圖2描繪微影製造單元之示意性綜述；圖3示意性地展示圖1及圖2之微影設備及微影製造單元連同形成用於製造例如半導體裝置之製造設施之一個或多個其他設備的使用，該設施包括實施製造最佳化技術之控制設備；圖4包含根據本發明之一實施例的批量控制之示意性綜述；圖5描繪根據本發明之一實施例的推斷量測結果之貝氏(Bayesian)構架；及圖6說明根據本發明之一實施例使用維納(Wiener)濾波器以基於經量測資料推斷與未量測之群組相關聯的基板之特性。

圖1示意性地描繪微影設備LA。該微影設備LA包括：照明系統(亦被稱作照明器)IL，其經組態以調節輻射光束B(例如UV輻射、DUV輻射或EUV輻射)；支撐件(例如光罩台)MT，其經建構以支撐圖案化裝置(例如光罩)MA且連接至經組態以根據某些參數來準確地定位該圖案化裝置MA之第一定位器PM；一或多個基板支撐件(例如晶圓台)WTa及WTb，其經建構以固持基板(例如抗蝕劑塗佈晶圓)W且連接至經組態以根據某些參數來準確地定位該基板支撐件之第二定位器PW；及投影系統(例 如折射投影透鏡系統)PS，其經組態以將由圖案化裝置MA賦予至輻射光束B之圖案投影至基板W之目標部分C(例如包含一或多個晶粒)上。

在操作中，照明系統IL例如經由光束遞送系統BD自輻射源SO接收輻射光束。照明系統IL可包括用於導向、塑形及/或控制輻射的各種類型之光學組件，諸如折射、反射、磁性、電磁、靜電及/或其他類型之光學組件，或其任何組合。照明器IL可用以調節輻射光束B，以在圖案化裝置MA之平面處在其橫截面中具有所要空間及角強度分佈。

本文所使用之術語「投影系統」PS應被廣泛地解譯為涵蓋適於所使用之曝光輻射或適於諸如浸潤液體之使用或真空之使用之其他因素的各種類型之投影系統，包括折射、反射、反射折射、合成、磁性、電磁及/或靜電光學系統，或其任何組合。可認為本文中對術語「投影透鏡」之任何使用皆與更一般之術語「投影系統」PS同義。

微影設備LA可屬於如下類型：其中基板之至少一部分可由具有相對較高折射率之液體(例如水)覆蓋，以便填充投影系統PS與基板W之間的空間--此亦被稱作浸潤微影。以引用方式併入本文中之美國專利第6,952,253號中給出關於浸潤技術之更多資訊。

此實例中之微影設備LA屬於所謂的雙載物台類型，其具有兩個基板台WTa及WTb以及兩個站--曝光站及量測站--在該兩個站之間可移動基板台。雖然一個基板台上之一個基板在曝光站EXP處曝光，但另一基板可在例如量測站MEA處或在另一部位(圖中未繪示)處被裝載至另一基板台上，或可在量測站MEA處加以處理。具有基板之基板台可位於量測站MEA處使得可進行各種預備步驟。該等預備步驟可包括使用位階感測器LS來映射基板之表面高度，及/或使用對準感測器AS來量測基板上之對 準標記之位置。對準標記係以規則柵格圖案標稱地配置。然而，歸因於產生標記時之不準確度且亦歸因於基板之貫穿其處理而發生的變形，標記可偏離理想柵格。因此，若設備LA將以高準確性在正確部位處印刷產品特徵，則除了量測基板之位置及定向以外，對準感測器實務上亦可詳細量測橫越基板區域之許多標記的位置。因此，對準標記之量測可為耗時的，且提供兩個基板台會實現設備之產出率之相當大增加。若在基板台處於量測站處以及處於曝光站處時位置感測器IF不能夠量測基板台之位置，則可提供第二位置感測器以使得能夠在兩個站處追蹤基板台之位置。本發明之一實施例可應用於僅具有一個基板台或具有多於兩個基板台之設備中。

除了具有一或多個基板支撐件以外，微影設備LA亦可包含量測載物台(圖中未繪示)。量測載物台經配置以固持感測器及/或清潔裝置。感測器可經配置以量測投影系統PS之屬性或輻射光束B之屬性。量測載物台可固持多個感測器。清潔裝置可經配置以清潔微影設備之部分，例如投影系統PS之部分或提供浸潤液體之系統之部分。量測載物台可在基板支撐件WT遠離投影系統PS時在投影系統PS下方移動。

輻射光束B入射於被固持於支撐結構(例如光罩台)MT上之圖案化裝置(例如光罩)MA上，且係由該圖案化裝置而圖案化。在已橫穿圖案化裝置MA之情況下，輻射光束B傳遞通過投影系統PS，投影系統PS將該光束聚焦至基板W之目標部分C上。憑藉第二定位器PW及位置感測器IF(例如干涉裝置、線性編碼器或電容式感測器)，可準確地移動基板台WTa/WTb，例如以便使不同目標部分C定位於輻射光束B之路徑中。相似地，第一定位器PM及另一位置感測器(其未在圖1中明確地描繪)可用以例如在自光罩庫之機械擷取之後或在掃描期間相對於輻射光束B之路徑來準 確地定位圖案化裝置MA。一般而言，可憑藉形成第一定位器PM之部件之長衝程模組(粗略定位)及短衝程模組(精細定位)來實現支撐結構MT之移動。相似地，可使用形成第二定位器PW之部件之長衝程模組及短衝程模組來實現基板台WTa/WTb之移動。在步進器(相對於掃描器)之狀況下，支撐結構MT可僅連接至短衝程致動器，或可固定。可使用圖案化裝置對準標記M1、M2及基板對準標記P1、P2來對準圖案化裝置MA及基板W。儘管如所說明之基板對準標記佔據專用目標部分，但該等基板對準標記可位於目標部分之間的空間中(此等標記被稱為切割道對準標記)。相似地，在多於一個晶粒被提供於圖案化裝置MA上之情形中，圖案化裝置對準標記可位於該等晶粒之間。

該設備進一步包括控制微影設備之各種致動器及感測器(諸如所描述致動器及感測器)之所有移動及量測的微影設備控制單元LACU。控制單元LACU亦包括用以實施與設備之操作相關之所要演算的信號處理及資料處理能力。實務上，控制單元LACU將被實現為許多子單元之系統，每一子單元處置設備內之一子系統或組件之即時資料獲取、處理及控制。舉例而言，一個處理子系統可專用於基板定位器PW之伺服控制。單獨單元甚至可處置粗略致動器及精細致動器，或不同軸線。另一單元可能專用於位置感測器IF之讀出。設備之總控制可受到中央處理單元控制，中央處理單元與此等子系統處理單元通信、與操作員通信，且與微影製造程序中涉及之其他設備通信。

如圖2中所展示，微影設備LA可形成微影製造單元LC(有時亦被稱作微影製造單元(lithocell)或(微影)叢集)之部分，微影製造單元LC亦包括用以對基板W執行曝光前程序及曝光後程序之設備。通常，此 等設備包括用以沈積抗蝕劑層之一或多個旋塗器SC、用以顯影經曝光抗蝕劑之一或多個顯影器DE、例如用於調節基板W之溫度，例如用於調節抗蝕劑層中之溶劑的一或多個冷卻板CH及/或一或多個烘烤板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W、在不同程序設備之間移動基板W且將基板W遞送至微影設備LA之裝載匣LB。微影製造單元中常常亦被集體地稱作塗佈顯影系統之裝置通常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自身可受到監督控制系統SCS控制，監督控制系統SCS亦可例如經由微影控制單元LACU而控制微影設備LA。

為了正確且一致地曝光由微影設備LA曝光之基板W，需要檢測基板以量測經圖案化結構之屬性，諸如後續層之間的疊對誤差、線厚度、臨界尺寸(CD)等。出於此目的，一或多個檢測工具(圖中未繪示)可包括於微影製造單元LC中。若偵測到誤差，則可對後續基板之曝光或對待對基板W執行之其他處理步驟進行例如調整，尤其是在同一分批或批次之其他基板W仍待曝光或處理之前進行檢測的情況下。

亦可被稱作度量衡設備或度量衡工具之檢測設備MET用以判定基板W之一或多個屬性之值，且詳言之，判定不同基板W之一或多個屬性之值如何變化或與同一基板W之不同層相關聯之一或多個屬性之值如何在層與層之間變化。該檢測設備可經建構以識別基板W上之缺陷，且可例如為微影製造單元LC之部分，或可整合至微影設備LA中，或可甚至為單機裝置。該檢測設備可量測潛影(在曝光之後在抗蝕劑層中之影像)上之一或多個屬性，或半潛影(在曝光後烘烤步驟之後在抗蝕劑層中之影像)上之一或多個屬性，或經顯影抗蝕劑影像(其中抗蝕劑之曝光部分或未曝光 部分已被移除)上之一或多個屬性，或甚至經蝕刻影像(在諸如蝕刻之圖案轉印步驟之後)上之一或多個屬性。

圖3展示在用於例如半導體或裝置產品之工業製造設施之內容背景中的微影設備LA及微影製造單元LC。在微影設備(或簡言之「微影工具」200)內，量測站MEA在202處被展示且曝光站EXP在204處被展示。控制單元LACU在206處被展示。如已經描述，微影工具200形成「微影製造單元」或「微影叢集」，該微影製造單元或微影叢集亦包括塗佈設備SC 208以用於將感光抗蝕劑及/或一或多個其他塗層施加至基板W以供設備200圖案化。在設備200之輸出側處，提供烘烤設備BK 210及顯影設備DE 212以用於將經曝光圖案顯影成實體抗蝕劑圖案。為了清楚起見，省略圖3中所展示之其他組件。

一旦已施加並顯影圖案，就將經圖案化基板220轉印至諸如在222、224、226處所說明之一或多個其他處理設備。廣範圍之處理步驟係藉由典型製造設施中之各種設備來實施。出於實例起見，此實施例中之設備222為蝕刻站，且設備224執行蝕刻後退火步驟。將另外物理及/或化學處理步驟應用於另外設備226，等。可需要眾多類型之操作以製造實際裝置，諸如材料沈積、表面材料特性改質(氧化、摻雜、離子植入等)、化學機械拋光(CMP)等等。實務上，設備226可表示在一或多個設備中執行之一系列不同處理步驟。

所描述之包含一連串圖案化程序步驟的製造程序僅為其中可應用本文中所揭示之技術的工業程序之一個實例。半導體或裝置製造程序包括一系列圖案化步驟。每一圖案化程序步驟包括圖案化操作(例如微影圖案化操作)，及多個其他化學及/或物理操作。

裝置之製造涉及此處理之多次重複，以在基板上逐層地建置具有適當材料及圖案之裝置結構。現代裝置製造程序可包含例如40或50個個別圖案化步驟。因此，到達微影叢集之基板230可為新近製備之基板，或其可為先前已在此叢集232中或在另一設備/叢集中完全地被處理之基板。相似地，取決於所需處理，基板在離開設備226時可經返回以用於同一微影叢集中之後續圖案化操作(諸如基板232)，其可經預定以用於不同叢集中之圖案化操作(諸如基板234)，或其可為待發送以供切塊及封裝之成品(諸如基板234)。

產品結構之每一層通常涉及一組不同的程序步驟，且用於每一層處之設備可在類型方面完全不同。另外，即使在待由設備應用之處理步驟在大型設施中標稱地相同的情況下，亦可存在並行地工作以對不同基板執行處理之若干假設相同的機器。此等機器之間的小設置差異或疵點可意謂其以不同方式影響不同基板。即使對於每一層相對而言為共同的步驟，諸如蝕刻(設備222)亦可由標稱地相同但並行地工作以最大化產出率之若干蝕刻設備來實施。亦可在較大設備內之不同腔室中執行並行處理。此外，實務上，不同層根據待蝕刻之材料的細節常常涉及不同蝕刻程序，例如化學蝕刻、電漿蝕刻等，且涉及特定要求，諸如(例如)各向異性蝕刻。

可在如剛才所提及之其他微影設備中執行先前及/或後續程序，且可甚至在不同類型之微影設備中執行先前及/或後續程序。舉例而言，裝置製造程序中之在例如解析度及/或疊對方面要求極高之一或多個層相較於要求較不高之一個或多個其他層可在更先進微影工具中予以執行。因此，一或多個層可曝光於浸潤型微影工具中，而一或多個其他層曝 光於「乾式」工具中。一或多個層可曝光於在DUV波長下工作之工具中，而一或多個其他層係使用EUV波長輻射來曝光。

圖3中亦展示度量衡設備(MET)240，其經提供以用於在製造程序中之所要階段對產品之一或多個參數進行量測。現代微影製造設施中之度量衡站之常見實例為散射計，例如角度解析散射計或光譜散射計，且其可經應用以量測在設備222中之蝕刻之前在220處之經顯影基板的一或多個屬性。使用度量衡設備240，可例如判定諸如疊對或臨界尺寸(CD)之效能參數不滿足經顯影抗蝕劑中之指定準確度要求。在蝕刻步驟之前，存在經由微影叢集剝離經顯影抗蝕劑且重新處理基板220中之一或多者的機會。此外，藉由隨時間推移進行小幅度調整，來自設備240之度量衡結果可用以維持微影叢集中之圖案化操作的準確效能，藉此降低或最小化製得不合格產品且需要重工之風險。當然，可應用度量衡設備240及/或一或多個其他度量衡設備(圖中未繪示)以量測經處理基板232、234及/或傳入基板230之一或多個屬性。

通常微影設備LA中之圖案化程序為在處理中之最重要步驟中之一者，其涉及基板W上之結構之尺寸標定及置放之高準確度。為了有助於確保此高準確度，可在如在圖3中示意性地描繪之控制環境中組合三個系統。此等系統中之一者為(實際上)連接至度量衡設備240(第二系統)及連接至電腦系統CL 250(第三系統)之微影工具200。此環境之要求係最佳化或改良此三個系統之間的協作以增強總體所謂的「程序窗」，且提供一或多個嚴格控制迴路以有助於確保由微影設備LA執行之圖案化保持在程序窗內。該程序窗定義特定製造程序產生所界定結果(例如功能半導體裝置)的複數個程序參數(例如選自劑量、焦點、疊對等之兩者或多於兩 者)之值範圍--通常為微影程序或圖案化程序中之程序參數之值被允許變化，同時產生適當結構(例如在CD之可接受範圍(諸如標稱CD之+-10%)方面所指定)的範圍。

電腦系統CL可使用待圖案化之設計佈局(之部分)以預測將使用哪一或多個解析度增強技術，且執行計算微影模擬及演算以判定哪些圖案化裝置佈局及微影設備設定達成圖案化程序之最大總體程序窗(在圖3中由第一標度盤SC1中之雙箭頭描繪)。通常，解析度增強技術經配置以匹配於微影設備LA之圖案化可能性。電腦系統CL亦可用以偵測在程序窗內微影設備LA當前在何處操作(例如使用來自度量衡工具MET之輸入)，以預測歸因於例如次佳處理是否可存在缺陷(在圖3中由第二標度盤SC2中之指向「0」之箭頭描繪)。

度量衡工具MET可將輸入提供至電腦系統CL以實現準確模擬及預測，且可將回饋提供至微影設備LA以識別例如微影設備LA之校準狀態中的可能漂移(在圖3中由第三標度盤SC3中之多個箭頭描繪)。

電腦系統250基於以下各者之組合而實施一種形式之回饋控制：(i)在給定處理步驟(例如微影步驟)中處理基板之前與該等基板相關聯的第一資料或「預處理資料」及(ii)在已處理基板之後與該等基板相關聯的第二資料或「後處理資料」。作為預處理資料之實例，電腦系統250可存取內容脈絡資料CDAT。此內容脈絡資料可為未自產品本身獲得，而是表示個別產品單元(例如晶圓或其他基板)或產品單元分批之處理歷史的全部或部分之資料。作為預處理資料之實例，在圖3中說明歷史效能資料PDAT，其可包括例如由度量衡設備240進行之疊對及/或CD之量測，以及與個別基板相關聯之內容脈絡資料CDAT。電腦系統250因此可存取歷史 效能資料PDAT，該歷史效能資料PDAT經儲存於儲存器252中。貫穿圖解之箭頭254說明內容脈絡資料可如何來自設備中之任一者。關於新基板230，亦可得到內容脈絡資料。舉例而言，內容脈絡資料可記錄已應用哪些類型之程序步驟、哪一或多個個別設備已用於彼等步驟之執行中，及哪一或多個參數係由彼等一或多個設備應用(例如，當在蝕刻設備222中時之溫度或壓力之設定，或微影工具200中之諸如照明模式、對準配方等之參數)。內容脈絡資料經儲存於儲存器256中以供電腦系統250使用。

效能資料PDAT可被視為用於本文中所揭示之技術之一些實施例中的物件資料之實例。預處理資料之其他實例可包括自在處理執行之前或期間在產品單元上(直接地或間接地)進行之量測導出的物件資料ODAT。圖3展示視情況被收集及儲存於資料庫260中之此物件資料。此物件資料可為在產品單元自身上所量測之資料，或在工業程序中所涉及之其他部件上所量測之資料。作為一項實例，儲存於資料庫260中之物件資料可包含通常由微影設備200使用量測站202中之對準感測器AS獲得的對準資料。由於固有地獲得表示在基板之X-Y平面中之標記之位置之詳細量測的此資料而作為正常圖案化操作之部分，故藉由指示控制單元LACU 206將該資料儲存於物件資料儲存器260中而幾乎不招致或不招致損失。替代地或除了對準資料以外，物件資料亦可包括使用位階感測器LS而獲得之高度資料，及/或來自對準感測器AS之「晶圓品質」信號，或其類似者。在其他實施例中，物件資料可包括在系統中之別處且並非在產品單元自身上所量測的資料。此物件資料之實例可為使用圖1之微影設備之圖案化裝置對準標記M1、M2及/或一或多個基板支撐件中的一或多個感測器獲得之圖案化裝置(光罩或倍縮光罩)對準資料。

如此描述中所使用之術語「物件資料」可涵蓋廣泛多種資料，可在製造設施中針對歷史產品單元或針對待處理之新產品單元搜集該廣泛多種資料。如本文中使用之「物件資料」可涵蓋效能資料PDAT(自在處理之後之經處理產品單元所量測且儲存於儲存器252中)及其他類型之物件資料ODAT(自在處理之前及/或期間之產品單元或其他系統所量測且儲存於儲存器260中)兩者。取決於內容背景，此物件資料可為「預處理資料」或「後處理資料」。在特定處理步驟之前收集之物件資料，包括例如緊接在曝光基板之前所量測之對準資料或高度資料，可被視為如本文所描述之一種形式的預處理資料。相對於先前處理步驟，相同物件資料可被視為效能資料，例如後處理資料。舉例而言，對準標記可含有先前蝕刻或拋光步驟之指紋。因此，在一些實施例中，物件資料之片段可在一個處理步驟之控制迴路中充當後處理資料(歷史效能資料)，且可在稍後處理步驟之控制迴路中充當預處理資料(相似於內容脈絡資料)。

雖然圖3展示用於內容脈絡資料、效能資料及其他物件資料中之每一者的單獨儲存器252、256、260，但應瞭解，此等不同類型之資料可儲存於一個共同儲存單元中，或可遍及較大數目個儲存單元而分佈，在需要時可自其擷取特定資料項。另外，雖然內容脈絡資料254被展示為源自個別設備222、224等，但可經由控制微影製造單元及/或製造工場整體上之操作的中心控制系統收集該資料。

物件資料、內容脈絡資料及效能資料儲存器中之每一紀錄被標示有唯一識別符。應注意，個別基板可在製造程序期間重複地穿過同一微影工具，或可能穿過皆量測相同標記之不同工具，有可能在製造程序之不同階段收集用於同一產品單元之資料。量測之此等例項中之每一者可 在分析中被視為一獨立產品單元。然而，在複雜製造程序之不同階段量測同一基板之多個例項的狀況下，物件資料將包括不僅唯一地識別個別基板，而且唯一地識別已量測個別基板之處理階段的識別符。通常在微影程序中，同一基板之不同例項將與裝置結構之圖案化順次層相關聯。

相對較新技術領域為機器學習之域。關於此技術之方法如今用以基於存在於所獲取資料(量測及內容脈絡資料)內之圖案之辨識而改良程序參數之預測。另外，機器學習技術可用以指導使用者選擇出於程序控制之目的而最有用的資料。

由於(半導體)製造程序涉及多個處理設備(一或多個微影設備、一或多個蝕刻站等)，故可有益的是整體上最佳化程序，例如考量與個別處理設備相關聯的特定校正能力。此導致如下觀點：第一處理設備之控制可(部分地)基於第二處理設備之一或多個已知控制屬性。此策略通常被稱作共同最佳化。此策略之實例為微影設備與圖案化裝置之密度剖面及/或微影設備與蝕刻站之聯合最佳化。可在全文係以引用方式併入本文中之PCT專利申請公開案第WO 2017/067748號及第2017/144343號中找到關於共同最佳化之更多資訊。

如所論述，可出於程序控制之目的而使用內容脈絡資料。可利用機器學習技術以辨識內容脈絡資料中之模式，且隨後使該等模式與對經受程序之基板之一或多個特性(諸如疊對、CD、邊緣置放誤差(EPE)等)的預期影響相關。已知方法取決於如在經處理基板之大集合上量測之歷史後處理資料之可用性，歷史後處理資料諸如疊對資料、CD資料或良率資料，對於該等經處理基板，亦可得到預處理(內容脈絡)資料(與經歷某一所關注程序之前的基板相關聯之資料)。為了使此等兩種類別之資料 相關，通常基於諸如k均值及/或PCA分析之熟知方法而叢集後處理資料。隨後，建立後處理資料叢集與預處理資料之間的關係以便調配一模型，該模型能夠僅僅基於後處理資料之相關聯預處理資料而向待處理基板指派後處理資料之某一預期特性。全文係以引用方式併入本文中之PCT專利申請公開案第WO 2017/060080號中描述此類系統之實例。

在幾種狀況下，預處理資料具有有限的相關聯參數集。舉例而言，當僅記錄蝕刻腔室之識別號或識別碼(ID)以特性化與待處理基板相關聯之預處理資料時。在此狀況下，常常容易在關於後處理資料之某一叢集之基板叢集與包含於預處理資料內之參數之值之間建立一關係。在一實例中，可向與某一類別之疊對資料(指紋)相關聯的基板之某一叢集指派蝕刻腔室ID之值，例如，與由腔室2之先前處理相關聯的基板例如可與徑向疊對指紋聯結，而與由腔室5之先前處理相關聯之基板例如可與鞍形疊對指紋聯結。因此，當已知待處理基板已經由蝕刻腔室5穿過時，可藉由將適當疊對校正應用於程序(例如，應用於微影程序)而調整程序(控制)以補償鞍形疊對指紋。

然而，一般而言，預處理資料可包含與至少一個且多達許多程序步驟相關的內容脈絡資料。在現代半導體或其他裝置製造設施(通常簡言之被稱作「廠房」或「晶圓廠房」)中，可對許多處理設備/工具執行許多處理步驟且可能出於以內容脈絡為基礎之控制目的而使用該等處理步驟。即使對於單層，該等步驟亦可包含微影設備(例如掃描器曝光)步驟，接著是多個不同的蝕刻步驟(例如，在雙重或多重圖案化程序中，例如，自對準多重圖案化SAMP，可存在四個或多於四個單獨的蝕刻步驟)。此等步驟中之每一者具有一關聯內容脈絡值，例如用於微影設備步 驟之特定台/夾盤及/或用於蝕刻步驟中之每一者之不同腔室，該等蝕刻步驟通常使用不同蝕刻工具來執行。廠房通常將針對特定製造程序利用複數個微影設備及蝕刻裝置。

程序控制方法將旨在校正此等多個處理設備對蝕刻之後之效能的影響。為了進行此校正，將後處理資料內之最終效能參數指紋(例如，基板/晶粒/場上方之效能參數之值或其殘差的空間分佈)分解成對此指紋之個別工具貢獻。此效能參數指紋之實例為：疊對指紋、CD指紋、良率指紋、焦點指紋及/或EPE指紋。使用CD之實例，最終CD指紋可分解為由沈積產生之指紋、由微影產生之指紋及由每一蝕刻步驟產生之指紋。

指紋分解之一個目標為判定指紋庫。此庫繼而用以基於與用以處理特定基板之每一設備站相關的預處理資料(且更具體言之，內容脈絡資料或內容脈絡標籤)來計算(估計)每一新基板之最終效能指紋(及其校正)。

因此，為了使用本發明技術實施將最終效能指紋分解為個別工具貢獻指紋的此方法，必須存在與每一預處理資料組合相關的大量後處理資料，下文被稱作程序執行緒。在此內容背景中之程序或內容脈絡執行緒為處理設備內之處理站之特定組合，用以在製造程序中處理特定基板(例如，以形成層)。處理設備因此可包含微影設備(例如掃描器)、蝕刻設備、沈積設備或在半導體或裝置製造程序中使用之任何其他處理設備，且處理站可包含處理設備之子站(或所使用之唯一站，例如在僅僅存在一個的情況下)(例如雙載物台或多載物台微影設備之夾盤/載物台、蝕刻設備之蝕刻腔室等)。因此，用於包含特定基板上之5個步驟a)至e)之製造程序的程序執行緒可包含(僅僅舉例而言)：a)微影設備3之載物台1、b)分割蝕刻 工具2之腔室1、c)間隔蝕刻工具1之腔室2、d)清潔蝕刻工具4之腔室2以及e)最終蝕刻工具3之腔室1。

因此，可瞭解，用於每一程序執行緒之處理站之可能組合的數目很大。因而，經量測以建構指紋庫之基板的量將隨著處理步驟之量、每處理步驟之個別處理設備之數目及每處理設備之個別處理站之數目而極快速地增長。對於許多多步驟程序，此將增加至目前指紋分解技術在實務上不再可實行的等級。

通常，批次地處理基板。一批次可包含將全部在廠房內之處理設備之相同組合上處理的基板，但未必為相同的處理站。雖然一批次通常包含25個基板，但所提議方法可使用具有任何數目之批次。

在疊對批量(常常縮寫為run2run)控制中，根據每批次量測之一組基板(例如，晶圓)估計疊對指紋。此等基板經擬合至一指紋，且接著通常將此指紋與早先指紋混合，以使用例如指數加權移動平均(exponentially weighted moving average；EWMA)濾波器來產生新指紋估計。替代地，指紋可簡單地週期性地更新，或甚至量測一次且保持恆定。此等途徑中之一些或全部之組合亦為可能的。此演算之結果則為穿過最佳化工作以便設定用於下一批次之一或多個設備致動器(例如一或多個微影致動器)以減小或最小化疊對。

此概念之改進係基於基板位階分組控制(WLGC)，其中每一臨界內容脈絡(例如蝕刻器或其他顯著工具識別符或工具狀態)用以將基板分組成小數目個控制執行緒。接著使用EWMA估計來獨立控制此等控制執行緒。假定個別內容脈絡(例如一或多個蝕刻器及一或多個微影設備)各自貢獻於描述與在基板上所觀測到之參數(例如CD或疊對)相關的空間 分佈之基板指紋，且線性組合此等貢獻之模型經擬合以判定係數。

對於WLGC中所使用之批量控制狀況，在存在可用之共同指紋時，個別執行緒中之基板之分組意謂每執行緒(內容脈絡)僅幾個基板可用於量測，且因為在確切相同執行緒出現之間可花費長時間，所以較不常更新指紋。舉例而言，若群組被定義為一組蝕刻器，則彼等蝕刻器可僅每隔幾天而非每隔幾小時使用，從而導致當出於控制之目的需要與蝕刻器群組相關聯之指紋時該特定指紋更過時。由於蝕刻器通常負責疊對指紋之相對較小比例的總變化，而其他變化源通常負責較大比例(例如共同指紋，微影設備之共同指紋為相當大的部分)，因此來自在對應群組可用於量測之批次之間所執行之許多微影設備量測的資訊可不用於批量控制。此可導致疊對校正效能之相當大的損失。

將描述用於以穩定運行方式將與不同執行緒或群組相關聯之貢獻作為總和擬合至經量測(效能)資料之方法，從而例如在疊對域中連續地共用資訊。一實施例提供不論何時新量測資料變得可用，就更新微影設備對量測(效能資料)之貢獻之方式，該貢獻為與彼特定微影設備相關聯的所有執行緒所共有，同時保留特定群組之貢獻相對未受影響，因此，未量測之群組僅在其群組特定貢獻中過時，而非在其微影設備貢獻中過時。

與不同執行緒(群組)相關聯之指紋之間的共同性可用以增強對設備(諸如微影設備)之校正之判定。通常，疊對(量測)資料用於設備(諸如微影設備)之批量控制。

通常，大量雜訊存在於疊對信號中。然而，此雜訊之相當大部分(橫越基板之空間指紋及時間演進)並非執行緒(群組)特定的，而是在基板之群組之間係相關的。當採用僅僅群組特定控制策略時度量衡資料 之取樣率之減低可導致雜訊對經判定(群組特定)設備校正之相當大的影響。在此狀況下，雜訊實際上被不正確地解譯為用於控制之適當輸入信號。

因此，本文提議經組態以基於度量衡資料提供設備控制之構架，該度量衡資料考量執行緒結構，同時經裝備以在製造環境中在不同執行緒之間共用資訊。

圖4說明用於判定群組及微影設備指紋之統計共同最佳化構架。該構架實現群組之間的資訊組合。該構架旨在自全部群組提取最大資訊，同時保留在群組之間所觀測到之(度量衡)信號之間的差。此途徑可擴展為包括來自多個微影設備之資訊且甚至啟用施加至基板之多個層之間的資訊之組合，且亦有可能啟用相關產品之間的資訊。

更具體言之，圖4說明具有由微影設備處理之基板之至少三個執行緒(群組)的半導體或裝置製造程序之實例。舉例而言，每一個別群組可與在處理基板時所使用的一特定工具(例如微影設備或蝕刻器)或工具之執行緒(程序或內容脈絡執行緒)相關。替代地，可基於與所關注基板相關聯之資料之指紋來界定每一群組。舉例而言，指紋可與來自微影設備(或單機對準站)之預處理資料相關，諸如如在由微影設備曝光之前所量測的基板之高度圖或對準資料。

在圖4中，三個群組被稱作G0、G1及G2且被表示處於四個不同批次(時間段)N-2、N-1、N、N+1。舉例而言，群組G0係與第一蝕刻設備相關聯，群組G1係與第二蝕刻設備相關聯且群組G2係與第三蝕刻設備相關聯。在此實例中，批次(例如批次N+1)之校正係基於與來自至少一緊接在前的批次(例如批次N)之基板相關聯之度量衡資料。此校正可簡 單地僅基於來自先前批次之資料，或可基於與多個先前批次(例如批次N、N-1及N-2)相關聯之校正之加權；例如以便使由程序改變所導致的校正之過度突然改變平滑。此由來自緊接在前批次之資料總是可用(對於此處所展示之時間範圍)的群組G1、G2之個別區塊之間的箭頭所描繪。然而，一般而言，未必為此狀況且可用於判定對特定群組之校正之唯一資料可為與批次N-1、N-2或可能更早時間相關聯之較舊(例如過時或至少部分過期的)資料。此可導致校正係基於過時的資料。

在數學上，基於疊對資料的校正之例示性現有演算可相當簡單。每基板群組(執行緒)，用於疊對X控制之校正係數「a ₁ ..a _N 」及用於疊對Y控制之控制係數「b ₁ …b _N 」(其中X及Y在基板平面中為相互正交方向)係藉由基於可用於該群組之最近資料及通常由微影設備應用之校正，對實際上經量測疊對資料OV _x 、OV _y 之(逐點)最小平方最小化予以判定：

可視情況隨後例如經由EWMA而平均化校正係數。

此處，

為包含描述所應用校正之空間特性的第i校正基底函數之向量。可每基板、每微影設備或微影設備之夾盤(例如基於來自每微影設備/夾盤之所有基板之資料的組合)或基於微影設備及/或夾盤之間的資訊之組合來執行最佳化工序。

返回至圖4，虛線框說明遺漏之批次資料，亦即，不存在與群組G0、批次N-1及N相關之資料。當特定控制執行緒(或更大體而言，內容脈絡)尚未用於處理緊接在前的或最近批次中之(一或多個)基板時可能為此狀況，且因此不存在用於此控制執行緒或群組之最近的度量衡資料。在此情形下，舉例而言，在目前使用之群組專用控制策略(諸如WLGC) 中，用於群組G0之自訂校正將基於與很久以前處理的批次(此處為批次N-2，如由連接兩個資料框之圖頂部的箭頭所指示)相關聯的度量衡資料及/或校正特性。此情形之缺點在於，可用於判定用於批次N+1之新G0專用校正之最新資料係來自批次N-2，其現在可為過時的度量衡及/或校正資料。

在此類情形下提議使用來自一個或多個其他群組之對應的度量衡及/或校正資料來代替此遺漏資料(例如，不可用於一群組內之特定批次(諸如最新一或多個批次)之資料，藉此防止對基板之新式控制)。來自一個或多個其他群組之校正資料可例如使用諸如EMWA之移動平均值橫越此等群組(亦即，來自多於一個群組)而平均化。

在所說明之實例中，在對應於批次N-1、N之群組G0中不存在經量測/獲得之資料。因此，在其位置使用來自群組G1及/或G2之對應批次中之至少一者的替代資料。舉例而言，對於群組G0之批次N+1之校正可基於來自至少與群組G1及G2相關之批次N(且此處亦有批次N-1)之平均化資料，連同基於針對彼群組(來自批次N-2)之最近可用資料的群組G0特定指紋，其可能包含過時資訊。以此方式，針對批次N+1之群組G0校正可基於用於彼群組(亦即，批次N-2)之最後可用的資料，補充有來自群組G0資料不可用的批次N及/或N-1之群組G1及/或群組G2資料。

應瞭解，在移動平均值實施例中，來自經量測群組G1及G2之平均化資訊AV將經歷EWMA。因而，來自群組G1及G2之平均化資訊係用作群組G0之遺漏批次的代理量測並演算EWMA，就好像群組G0之量測沒有遺漏一樣。

平均化步驟AV亦可包含替代資料之處理；例如以處理與此 等群組相關聯之(例如指紋及/或校正)資料以便考量雜訊分量(其與群組G0之雜訊分量相關)之演進。

因而，程序執行緒或群組之間的共同性可用以部分執行組合之指紋判定；例如為了更準確估計而判定遍及群組之共同指紋分量。此將允許較規則地捕捉/更新指紋之共同部分，從而導致較佳時間雜訊抑制。替代地，此方法可用以改良基板捕捉能力：若已知一些參數與其他控制群組相關，則並不需要針對每一批次來判定此等參數。此可允許指紋模型擴展為具有額外參數，同時維持相同的空間雜訊抑制。此方法可藉由識別可遍及群組共用之參數來達成。此方法亦可被視為WLGC之擴展，使得群組分裂成新群組，同時考量共同部分。

在一實施例中，可基於每微影設備來執行任何分組。每一微影設備具有獨特的指紋；然而，遍及多個微影設備之指紋可包含共用分量(例如與非微影設備態樣相關，諸如基板處理、內容脈絡等)。因此，揭示了對於共用分量及微影設備特定分量之部分分解之提議。在另一實施例中，可根據諸如以下各者之階層種類中之一些或全部來分解遍及多個微影設備之指紋：全域分量、微影設備分量、夾盤分量及/或群組及/或內容脈絡分量。

更具體言之，在此處(在一實施例中)提議偏離每組之(單獨)最小化工序；例如如由方程式(1)所描述，且基於對橫越所有群組之度量衡量測之配合，將校正係數分解成群組特定校正係數

、

及共用或全域校正係數a _i ，b _i 。方程式(2)中所展示之數學構架係一實施之實例，但可使用一個或多個其他數學構架：

方程式(2)之第一項(當自左至右考慮時)為尋求提供橫越所有所考慮之M個群組g而共同最佳化的校正係數之資料保真度項(例如每方向x及y)，其中

為包含第i校正基底函數之向量。若認為必要，則可將微影設備(或夾盤)特定項包括於通用係數內。此處，現在按組或按每一群組內之基板來定義疊對向量

、

。第二(可選)項為正則化項，其趨向於懲罰較大校正係數(例如其贊成較簡單/最簡單的解並破壞簡併)，其中矩陣Λ₁可為單位矩陣或可經組態為包括某些校正係數之加權。第三(可選)項為饋送在多個批次之間轉遞之資訊的先前項；舉例而言，此項在判定一或多個後續批次(例如對應於時間t之批次N+1)之微影設備之校正使用對應於先前批次(例如批次N，對應於時間t-1)之先前資訊，以便逐批次動態地更新最佳化。矩陣Λ₂經組態以對校正係數加權使得其趨向於反映該等係數之間的現有相關性。

可視情況隨後例如使用移動平均值(諸如EMWA)來平均化校正係數。

當然，由方程式(2)所描述之構架僅為一實例(僅具有兩個種類：群組特定及全域)。可包括用於其他種類(例如用於先前段落中所提及之階層中之其他種類中的一者或兩者)之校正係數。如先前所提及，亦應清楚的是，每內容脈絡值有可能有一個群組。因而，嚴格來說，實際分組並非必需的，僅應知曉使用哪一內容脈絡來分解或分裂指紋。舉例而言，對於20個蝕刻器，可存在20個群組，而非(例如)僅4個或5個。另外，多個此類分組可重疊或堆疊，每個所關注內容脈絡類型一個分組。舉例而言， 可存在基於共同分組及蝕刻器分組之最佳化，接著是基於針對特定CMP步驟之分組及/或針對特定夾盤之分組的額外最佳化。

如上文所描述之數學構架亦可依據機率來描述；例如，作為用於實施完全機率估計之方法。可將最佳化問題書寫為最大化以下某機率的(例如貝氏)統計問題：參數

、

為用於某一基板群組之最佳校正參數：

其中第一機率P _fit 描述校正參數在橫越群組而共同最佳化時係最佳的機率(此對應於方程式(2)之第一或資料保真度項)；第二機率P _reg 描述校正係數向量在由某一范數約束時係最佳的機率；例如以懲罰大的校正向量(此對應於方程式(2)之第二項或正則化項)；且第三機率P _prior 描述校正參數在考量較早狀態(一或多個較早時間/批次)時係最佳的機率(此對應於方程式(2)之第三或先前項)。

在較廣泛意義上，此構架將使機率途徑能夠以計算方式導出與某一群組/執行緒相關聯的指紋。舉例而言，在一實施例中，第三項(例如第三機率P _prior )藉由促進其他或互補資料或先前資訊之編碼而實現一或多個進一步增強。互補資料可包含選自以下各項中之一或多者：對準資料、位階量測資料、內容脈絡資料、維護動作資料(例如指示關於何時最後執行維護動作)、其他參數資料(例如用於疊對最佳化之CD資料)，或在最佳化中在一個或多個其他層及/或產品上觀測到之行為。替代地或另外，第三機率P _prior 可使用來自多於一個批次(例如緊接在前的批次)之資料；替代地，其可用以編碼來自多個先前的批次之資料；例如以編碼最新批次之歷史。

在另一實施例中，可在不同微影設備(例如掃描器)之間共用群組指紋，例如使得微影設備在起動時已經知曉用於特定程序或處理配置之分組結構。在一些狀況下，可觀測到群組指紋相對穩定，而可觀測到微影設備指紋較不穩定。作為特定說明性實例，當接通微影設備時，可能已經學習了群組指紋。新微影設備具有某未知的共同指紋，但所有群組指紋已經係已知的。此意謂所有已知群組指紋可由新微影設備立即使用，從而較快速改良了用於彼微影設備之疊對。

在一實施例中，可饋送程序監測資料(例如維護動作及其他顯式事件)，例如以標記與特定群組/執行緒/腔室相關聯之指紋可被預期發生改變。

在一實施例中，可基於互補或輔助資料判定信賴數或加權。此信賴數可指示關於一量測或一組量測之可信程度，例如資料描述真參數值/變化之良好程度。舉例而言，互補資料可能表明來自基板之(例如初級)度量衡資料為離群值且並不指示真疊對指紋。可在最佳化中向此度量衡資料給出低(或零)加權以判定用於設備之(例如群組特定)校正。互補資料可包含例如來自此層及/或較早層之對準資料、位階量測資料或內容脈絡資料及/或來自前一層之疊對、CD或焦點資料中的一或多者。以此方式，自例如微影設備獲得之(例如)對準及/或位階量測資料可用以調整共同最佳化中之參數。互補資料之另一用途為判定指紋趨勢，例如判定指紋可能被預期向哪一方向移位。此方法可包含學習用以執行量測之度量衡設備與一或多個健康指示符(例如KPI)之間的關係。該一或多個KPI可包括於模型中以預測量測中之不準確度；基於此預測之機率或加權可接著包括於最佳化中(例如作為方程式(3)中之額外乘積項)。

此互補資料亦可用以預測或判定指紋是否穩定。此可包含基於互補資料(例如對準資料)及歷史模型化指紋之演進，以偵測指紋是改變抑或穩定。此可促進不穩定指紋之提早偵測。當基板到達任何蝕刻器、微影設備及度量衡工具時，漂移蝕刻腔室應為可偵測的。舉例而言，若在多個微影設備之間共用蝕刻器資訊，則當第一微影設備開始漂移時，學習該漂移且將其併入至共用蝕刻器指紋中，該共用蝕刻器指紋接著在第二微影設備上可用，儘管此第二微影設備從未在此新狀態中「看到」蝕刻器。另外，即使不允許在多個蝕刻器之間共用資訊，當第一微影設備觀測到改變時，亦可使負責保持蝕刻器指紋穩定之先驗較弱，從而允許蝕刻器基於其對另一微影設備之明顯不穩定性而較快速地進行調整。

圖5說明本文中所描述之概念的變化，其中根據一或多個準則來分類及/或順位群組，且根據此分類/順位對度量衡動作進行排程，同時使用如所描述之構架以補償錯過或跳過之度量衡動作。與在先前實施例中一樣，該構架基本上係貝氏構架以用於在多個群組之間混合資訊。分析歷史資料HD(例如基於內容脈絡及/或其他度量衡資料)且將群組識別及分類為例如與對校正(例如小振幅及/或穩定校正剖面)之適度需求相關聯之第一「低風險」群組LRG及兩個「高風險」群組HRG(例如需要較強校正及/或證實每批次較快速波動)。可接著基於此分類進行度量衡排程使得例如低風險群組具有較不頻繁度量衡MET，從而導致不執行度量衡MET之一或多個跳過批次NM。如所描述使用貝氏估計BE，其藉由組合來自其他群組及(視情況)來自多個批次之資料來補償跳過批次NM。

歷史資料HD可包含例如隨著時間推移時間相關性之量度，其可基於自其他度量衡導出之一或多個不確定性度量。此歷史資料HD可 與方差或雜訊資料保持平衡。此方法可使用例如基於其他度量衡以及學習之漂移時間預測高方差事件的方差模型。

應特別注意，若兩個群組展示相同趨勢，則可推斷出另一群組(例如未量測之群組)亦將展示相同趨勢。貝氏構架藉由以已經描述之方式遍及所有群組共同最佳化來利用此情形，使得共用趨勢將反映於針對未量測之(例如低風險)群組判定之校正中。由於貝氏估計BE程序本質上使與量測相關聯之雜訊達到平均數(類似於使用卡爾曼濾波器)，因此可達成較大雜訊抑制，而利用不同群組之間的雜訊係相關的事實。

當然，任何分類皆可能具有多於兩個種類(例如包括中等風險群組)或可依據風險對群組進行順位。度量衡排程可與所展示之度量衡排程不同，其中自風險種類及/或順位判定跳過批次之數目。

代替所描述之貝氏方法，亦可使用用於共用批次及/或群組之間的資訊之替代方法。一個此類方法為維納濾波器，其在給出第一及第二群組的情況下能夠基於第二群組之量測資料預測第一群組之資料，且反之亦然。

圖6說明以此方式使用維納濾波器。最初，執行訓練階段，其中使用關於若干批次之歷史資料以演算針對個別每一群組及在每一對群組之間的自相關資料及交叉相關資料。接著使用此自相關資料及交叉相關資料AC/CC以針對所考慮之每對群組訓練維納濾波器WF1以便產生一或多個濾波器參數。維納濾波器以每個參數為基礎描述若干對群組之對應參數之間的關係。可接著使用經組態/經訓練之維納濾波器WF1以基於與其他群組相關聯之可用資料預測未被量測的群組之特性。在所說明之實例中，經訓練維納濾波器WF1用以基於來自第一群組之經量測資料MG1來推斷 第二群組MG2(批次N)之經預測資料PG2。以此方式，經訓練維納濾波器可用於使用經量測群組信號預測未量測之群組信號，以便提供每群組回饋控制。理想地應週期性地再生/再訓練自相關/交叉相關以更新一或多個維納濾波器參數。

維納濾波器途徑使能夠基於關於多個批次之歷史資料預測未量測之群組。維納濾波器途徑除了追蹤不同群組指紋以外，亦有助於追蹤單獨的微影設備指紋。

在以下編號條項之清單中揭示其他實施例：

1.一種用於判定一設備之一校正之方法，該方法包含：獲得與待由一微影設備處理之基板之指紋之一處理歷史及/或相似性相關聯的一群組結構；獲得與該群組結構內之複數個群組相關聯的度量衡資料，其中該度量衡資料在該等群組之間係相關的；及判定對出自該複數個群組之一群組之一校正，該校正係使用至少一群組特定校正分量及一共同校正分量予以判定。

2.如條項1之方法，其中除了該群組特定校正分量及該共同校正分量以外，進一步提供一微影設備分量及/或一夾盤分量。

3.如條項1或條項2之方法，其中該判定該校正包含將一模型施加至該度量衡資料，該模型包含至少該群組特定校正分量及該共同校正分量。

4.如條項3之方法，其中該模型包含一或多個群組特定校正參數及一或多個共同校正參數。

5.如條項4之方法，其中該一或多個群組特定校正參數及該一或 多個共同校正參數為表示該校正之一空間特性的基底函數之係數。

6.如條項4或條項5之方法，其中該判定該校正包含執行一最佳化，該最佳化相對於該度量衡資料最佳化該一或多個群組特定校正參數及該一或多個共同校正參數。

7.如條項6之方法，其中該最佳化包含一堆疊最佳化，該堆疊最佳化包含多個該等最佳化。

8.如條項6或條項7之方法，其中該最佳化包含最小化該度量衡資料與基底函數之一組合之間的一成本函數，其中該一或多個群組特定校正參數及該一或多個共同校正參數用作加權因子。

9.如條項8之方法，其中該最小化包含最小化一差之一最小和平方以使該模型擬合至該度量衡資料。

10.如條項6或條項7之方法，其中該最佳化包含該一或多個群組特定校正參數及該一或多個共同校正參數之一完全機率估計。

11.如條項10之方法，其中該最佳化最大化該一或多個群組特定校正參數及該一或多個共同校正參數相對於該度量衡資料最佳的一機率。

12.如條項3至11中任一項之方法，其中該模型經正則化以偏好接近於先前經判定之校正參數的校正參數。

13.如條項12之方法，其中該等先前經判定之校正參數與來自一目前批次及/或一或多個先前批次的一或多個基板相關。

14.如條項3至13中任一項之方法，其中該模型經正則化以偏好具有一小的絕對值之校正參數。

15.如條項3至14中任一項之方法，其中該模型經正則化以避免該擬合之解之簡併。

16.如條項1或條項2之方法，其中該判定該校正係藉由將一維納濾波器應用至對應於除正判定該校正之該群組之外的一群組之度量衡資料來執行。

17.如條項16之方法，其包含訓練一或多個維納濾波器，每一維納濾波器對應於該複數個群組之一對特定群組。

18.如條項17之方法，其中該訓練包含個別地且在每一對群組之間，演算用於對應於每一群組之度量衡資料之自相關資料及交叉相關資料，該自相關資料及該交叉相關資料用以產生用於該維納濾波器之一或多個濾波器參數。

19.如條項16至18中任一項之方法，其包含除了追蹤對應於該等群組中之每一者之不同群組指紋以外，亦追蹤與一特定微影設備相關之一指紋。

20.如任一前述條項之方法，其中該度量衡資料包含遍及一或多個先前批次所量測之資料，其中一批次包含一或多個基板，且特定用於該一或多個先前批次中之至少一者的該度量衡資料不包含與該等群組中之一或多者相關之度量衡資料。

21.如條項20之方法，其中該等群組包含根據校正需求分類及/或順位之群組，且用於獲得該度量衡資料之度量衡係根據該分類及/或該順位予以排程。

22.如任一前述條項之方法，其包含基於互補資料判定一信賴數，該信賴數指示關於一或多個量測之可信度。

23.如條項22之方法，其中該互補資料包含選自以下各項中之一或多者：對準資料、位階量測資料、內容脈絡資料、維護動作資料，及/或 與除由來自一目前層及/或一早先層之該度量衡資料所描述之參數之外的一參數相關的其他參數資料，及/或與由來自一先前層之該度量衡資料所描述之該參數相關的參數資料。

24.如任一前述條項之方法，其包含學習用以獲得該度量衡資料之一度量衡設備與指示一量測之不準確度之一或多個健康指示符之間的一關係，且在判定一校正時使用該一或多個健康指示符。

25.如任一前述條項之方法，其中該度量衡資料包含獲自多個基板之量測資料，該多個基板已穿過多個不同微影設備，該等微影設備中之每一者對該基板強加一不同指紋，且該共同校正分量與一共同指紋分量至少部分地相關。

26.如任一前述條項之方法，其中該度量衡資料包含選自以下各項中之一或多者：疊對資料、焦點資料及/或CD資料。

27.一種電腦程式，其包含可操作以在執行於一合適設備上時執行如任一前述條項之方法的程式指令。

28.一種非暫時性電腦程式載體，其包含如條項27之電腦程式。

29.一種處理裝置，其可操作以執行如條項27之電腦程式。

30.一種可操作以在一基板上曝光一圖案之微影設備，其包含如條項29之處理裝置且該微影設備可進一步操作以使用該校正來校正一或多個後續基板上之一曝光。

本文中所描述之任何度量衡資料可包含與提供至基板之一或多個特徵相關聯的後處理資料或效能資料。舉例而言，此效能資料可係關於選自以下各項中之一或多者：層之間的疊對、藉由多重圖案化步驟在單層中施加之圖案之間的疊對、焦點品質、一或多個特徵之CD、一或多 個特徵之邊緣置放誤差、一或多個特徵之一或多個電特性及/或與包含一或多個特徵之功能裝置之相對量有關的基板之良率。

儘管可在本文中特定地參考在IC製造中微影設備之使用，但應理解，本文中所描述之微影設備可具有其他應用。可能之其他應用包括製造整合式光學系統、用於磁疇記憶體之導引及偵測圖案、平板顯示器、液晶顯示器(LCD)、薄膜磁頭等。在彼方面，根據所製造產品之類型，經處理「基板」可為半導體基板，或其可為其他基板。

儘管可在本文中特定地參考在微影設備之內容背景中之本發明之實施例，但本發明之實施例可用於其他設備中。本發明之實施例可形成圖案化裝置檢測設備、度量衡設備或量測或處理諸如基板(或其他基板)或光罩(或其他圖案化裝置)之物件之任何設備的部件。此等設備通常可被稱作微影工具。此微影工具可使用真空條件或環境(非真空)條件。

在本發明文件中，術語「輻射」及「光束」用以涵蓋所有類型之輻射，包括紫外線輻射(例如具有為365nm、248nm、193nm、157nm或126nm之波長)及極紫外線(EUV輻射，例如具有在約5nm至100nm之範圍內之波長)。

如本文中所使用之術語「倍縮光罩」、「光罩」或「圖案化裝置」可被廣泛地解譯為係指可用以向入射輻射光束賦予經圖案化橫截面之通用圖案化裝置，該經圖案化橫截面對應於待在基板之目標部分中產生之圖案。在此內容背景中，亦可使用術語「光閥」。除經典光罩(透射或反射；二元、相移、混合式等)以外，其他此類圖案化裝置之實例包括可程式化鏡面陣列及可程式化LCD陣列。

儘管上文可特定地參考在光學微影之內容背景中對本發明 之實施例之使用，但應瞭解，本發明在內容背景允許之情況下不限於光學微影且可用於其他應用(例如壓印微影)中。

如本文中所使用之術語「最佳化(optimizing/optimization)」係指或意謂調整設備(例如微影設備)、程序等使得結果及/或程序具有更合乎需要的特性，諸如設計圖案於基板上之較高投影準確度、較大程序窗等。因此，如本文所使用之術語「最佳化(optimizing/optimization)」係指或意謂識別用於一或多個參數之一或多個值的程序，該一或多個值相比於用於彼等一或多個參數之一或多個值之初始集合提供在至少一個相關度量方面的改良，例如局部最佳。應相應地解釋「最佳」及其他相關術語。在一實施例中，可反覆地應用最佳化步驟，以提供一或多個度量之進一步改良。

本發明之態樣可以任何方便形式予以實施。舉例而言，一實施例可由一或多個適當電腦程式實施，該一或多個適當電腦程式可攜載於可為有形載體媒體(例如，磁碟)或無形載體媒體(例如，通信信號)之適當載體媒體上。可使用可特定地採取可程式化電腦之形式的合適設備來實施本發明之實施例，該可程式化電腦執行經配置以實施如本文所描述之方法之電腦程式。

在方塊圖中，所說明之組件被描繪為離散功能區塊，但實施例不限於本文中所描述之功能性如所說明來組織之系統。由組件中之每一者提供之功能性可由軟體或硬體模組提供，該等模組以與目前所描繪之方式不同之方式組織，例如，可交織、結合、複寫、分解、分配(例如，在資料中心內或按地區)，或另外以不同方式組織此軟體或硬體。本文中所描述之功能性可由執行儲存於有形的、非暫時性機器可讀媒體上之程式 碼之一或多個電腦之一或多個處理器提供。在一些狀況下，第三方內容遞送網路可主控經由網路傳達之資訊中的一些或全部，在此狀況下，在據稱供應或以其他方式提供資訊(例如內容)之狀況下，可藉由發送指令以自內容遞送網路擷取彼資訊來提供該資訊。

除非另外特定陳述，否則如自論述顯而易見，應瞭解，貫穿本說明書，利用諸如「處理」、「計算」、「演算」、「判定」或其類似者之術語的論述係指諸如專用電腦或相似專用電子處理/計算裝置之特定設備的動作或程序。

讀者應瞭解，本申請案描述若干發明。已將此等發明分組成單一文件，而非將彼等發明分離成多個單獨的專利申請案，此係因為該等發明之相關主題在應用程序中有助於經濟發展。但不應合併此等發明之相異優點及態樣。在一些狀況下，實施例解決本文中所提及之所有缺陷，但應理解，該等發明係獨立地有用，且一些實施例僅解決此等問題之子集或提供其他未提及之益處，該等益處對於檢閱本發明之熟習此項技術者將顯而易見。歸因於成本約束，目前可不主張本文中所揭示之一些發明，且可在稍後申請案(諸如接續申請案或藉由修正本技術方案)中主張該等發明。相似地，歸因於空間約束，本發明文件之[發明摘要]及[發明內容]章節皆不應被視為含有所有此等發明之全面清單或此等發明之所有態樣。

應理解，本說明書及圖式並不意欲將本發明限於所揭示之特定形式，而正相反，意欲涵蓋屬於如由所附申請專利範圍界定之本發明之精神及範疇的所有修改、等效者及替代方案。

鑒於本說明書，本發明之各種態樣之修改及替代實施例對於熟習此項技術者而言將顯而易見。因此，本說明書及圖式應被理解為僅 為說明性的且係出於教示熟習此項技術者進行本發明之一般方式之目的。應理解，本文中所展示且描述之本發明之形式應被視為實施例之實例。元件及材料可替代本文中所說明及描述之元件及材料，部分及程序可被反轉或被省略，可獨立利用某些特徵，且可組合實施例或實施例之特徵，此皆如對熟習此項技術者在獲得本說明書之益處之後將顯而易見的。可在不脫離如在以下申請專利範圍中所描述之本發明之精神及範疇的情況下對本文中所描述之元件作出改變。本文中所使用之標題係僅出於組織之目的，且不意欲用以限制本說明書之範疇。

如貫穿本申請案所使用，詞語「可」係在許可之意義(亦即，意謂有可能)而非強制性之意義(亦即，意謂必須)下予以使用。詞語「包括(include/including/includes)」及其類似者意謂包括但不限於。如貫穿本申請案所使用，單數形式「a/an/the」包括複數個參照物，除非內容另有明確地指示。因此，舉例而言，對「元件(an element/a element)」之參考包括兩個或多於兩個元件之組合，儘管會針對一或多個元件使用其他術語及片語，諸如「一或多個」。除非另有指示，否則術語「或」係非獨占式的，亦即，涵蓋「及」與「或」兩者。描述條件關係之術語，例如「回應於X，而Y」、「在X後，即Y」、「若X，則Y」、「當X時，Y」及其類似者涵蓋因果關係，其中前提為必要的因果條件，前提為充分的因果條件，或前提為結果的貢獻因果條件，例如，「在條件Y獲得後，即出現狀態X」對於「僅在Y後，才出現X」及「在Y及Z後，即出現X」為通用的。此等條件關係不限於即刻遵循前提而獲得之結果，此係由於可延遲一些結果，且在條件陳述中，前提連接至其結果，例如，前提係與出現結果之可能性相關。除非另有指示，否則複數個特質或功能經映射至複數個物 件(例如，執行步驟A、B、C及D之一或多個處理器)之陳述涵蓋所有此等特質或功能經映射至所有此等物件及特質或功能之子集經映射至特質或功能之子集兩者(例如，所有處理器各自執行步驟A至D，及其中處理器1執行步驟A，處理器2執行步驟B及步驟C之一部分，且處理器3執行步驟C之一部分及步驟D之狀況)。另外，除非另有指示，否則一個值或動作係「基於」另一條件或值之陳述涵蓋條件或值為唯一因數之情況與條件或值為複數個因數當中之一個因數之情況兩者。除非另有指示，否則某一集合之「每一」例項具有某一屬性之陳述不應被解讀為排除較大集合之一些以其他方式相同或相似成員不具有該屬性(亦即，每一者未必意謂每個都)之狀況。對自範圍之選擇之參考包括該範圍之端點。

在以上描述中，流程圖中之任何程序、描述或區塊應被理解為表示程式碼之模組、區段或部分，其包括用於實施該程序中之特定的邏輯功能或步驟之一或多個可執行指令，且替代實施方案包括於本發明進展之例示性實施例之範疇內，其中功能可取決於所涉及之功能性不按照所展示或論述之次序執行，包括大體上同時或以相反次序執行，如熟習此項技術者應理解。

雖然上文已描述本發明之特定實施例，但應瞭解，可以與所描述方式不同之其他方式來實踐本發明。以上描述意欲為說明性，而非限制性的。因此，對於熟習此項技術者將顯而易見，可在不脫離下文所闡明之申請專利範圍之範疇的情況下對所描述之本發明進行修改。

AV:平均化資訊

G0:群組

G1:群組

G2:群組

N:批次

N+1:批次

N-1:批次

N-2:批次

Claims (14)

1. 一種用於判定用於在圖案化基板之一程序中所使用之一設備之一校正的方法，該方法包含：獲得與待處理基板之一處理歷史(processing history)及/或指紋之相似性相關聯的一群組結構(group structure)；獲得與該群組結構內之複數個群組相關聯的度量衡資料，其中該度量衡資料在該等群組之間係相關的(correlated)；及藉由將一模型施加至該度量衡資料而判定對出自該複數個群組之一群組之該校正，該模型包含至少一群組特定校正分量(group-specific correction component)及一共同校正分量(common correction component)，其中該模型包含一或多個群組特定校正參數及一或多個共同校正參數，其中該等參數為表示該校正之一空間特性(spatial characteristic)的基底函數(base functions)之係數(coefficients)。
2. 如請求項1之方法，其中該模型進一步包含一設備分量(apparatus component)。
3. 如請求項1之方法，其中該判定該校正包含：執行一最佳化，該最佳化相對於該度量衡資料最佳化該一或多個群組特定校正參數及該一或多個共同校正參數。
4. 如請求項3之方法，其中該最佳化包含：最小化該度量衡資料與基底函數之一組合之間的一成本函數，其中該一或多個群組特定校正參數及該一或多個共同校正參數用作該等基底函數之加權因子(weighting factors)。
5. 如請求項3之方法，其中該最佳化包含：最佳化該一或多個群組特定校正參數及/或該一或多個共同校正參數相對於該度量衡資料最佳的一機率。
6. 如請求項1之方法，其中該模型經正則化(regularized)以：i)偏好接近於先前經判定之校正參數及/或具有一小絕對值(small absolute value)的校正參數，或ii)避免該最佳化之一解之簡併(degeneracy)。
7. 如請求項1之方法，其中該判定該校正包含：將一維納濾波器(Weiner filter)應用至對應於除正判定該校正之該群組之外的一群組之度量衡資料。
8. 如請求項7之方法，其包含訓練一或多個維納濾波器，每一維納濾波器對應於該複數個群組之一對特定群組。
9. 如請求項1之方法，其中該度量衡資料包含遍及一或多個先前批次(lots)所量測之資料，其中一批次包含一或多個基板，且特定用於該一或多個先前批次中之至少一者的該度量衡資料不包含與該等群組中之一或多 者相關之度量衡資料。
10. 如請求項9之方法，其中該等群組包含根據校正需求分類(categorized)及/或順位(ranked)之群組，且用於獲得該度量衡資料之度量衡係根據該分類及/或該順位予以排程(scheduled)。
11. 如請求項1之方法，其中該度量衡資料包含獲自多個基板之量測資料，該多個基板已穿過多個不同微影設備，該等微影設備中之每一者對該基板強加(impose)一不同指紋，且該共同校正分量與一共同指紋分量至少部分地相關。
12. 如請求項1之方法，其中該度量衡資料包含選自以下各項中之一或多者：疊對資料、焦點資料及/或CD資料。
13. 一種電腦程式，其包含可操作以在經執行於一合適設備上時執行如請求項1之方法的程式指令。
14. 一種非暫時性電腦程式載體，其包含如請求項13之電腦程式。

Images