TWI752305B - 基於製程參數來標示基板之方法 - Google Patents

基於製程參數來標示基板之方法 Download PDF

Info

Publication number
TWI752305B
TWI752305B TW108109466A TW108109466A TWI752305B TW I752305 B TWI752305 B TW I752305B TW 108109466 A TW108109466 A TW 108109466A TW 108109466 A TW108109466 A TW 108109466A TW I752305 B TWI752305 B TW I752305B
Authority
TW
Taiwan
Prior art keywords
data
substrate
processing
metric
substrates
Prior art date
Application number
TW108109466A
Other languages
English (en)
Other versions
TW201945860A (zh
Inventor
瓦希德 巴斯塔尼
亞力山大 伊瑪
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 TW201945860A publication Critical patent/TW201945860A/zh
Application granted granted Critical
Publication of TWI752305B publication Critical patent/TWI752305B/zh

Links

Images

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
    • G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
    • 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
    • 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
    • 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
    • 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
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

本發明揭示一種用於將與經歷一製造製程之一製程步驟之基板相關聯的資料分組之方法。該方法包含：獲得與經受該製程步驟之前的基板相關聯之第一資料；及獲得與經受該製程步驟之後的基板相關聯之第二資料之複數個集合，第二資料之每一集合與該第一資料之一特性之一不同值相關聯。判定描述第二資料之該等集合之間的距離之一量度之一距離度量；及基於該距離度量之一屬性將該第二資料分組。

Description

基於製程參數來標示基板之方法
本發明係關於處理用於生產例如半導體器件之基板。
微影裝置為經建構以將所要圖案施加至基板上之機器。微影裝置可用於(例如)積體電路(IC)之製造中。微影裝置可例如將圖案化器件(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，微影裝置可使用輻射。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365 nm(i線)、約248 nm、約193 nm及約13 nm。與使用例如具有約193 nm之波長之輻射的微影裝置相比，使用具有在4 nm 至20 nm之範圍內(例如6.7 nm或13.5 nm)之波長之極紫外線(EUV)輻射的微影裝置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裝置之經典解析度極限的特徵。在此製程中，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為微影裝置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裝置及/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器件、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，用於控制微影裝置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。
微影裝置之控制之有效性可取決於個別基板之特性。舉例而言，在藉由微影裝置(或製造製程之任何其他製程步驟，在本文中一般被稱作製造製程步驟)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裝置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。
通常對於基板，可得到預處理資料(與在某一所關注製造製程步驟之前執行之製造製程步驟相關聯的資料)及後處理資料(與在已經受該所關注製造製程步驟之後對基板執行之量測相關聯的資料)。舉例而言，需要基於預處理資料之知識而控制該所關注製造製程，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製程之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製程之控制設定如何影響後處理資料。舉例而言，微影製程內之所施加劑量設定可能對與在執行微影製程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製程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。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，當僅蝕刻腔室之識別(ID)用作與待處理基板相關聯的預處理資料時，可直接建立後處理資料之某一叢集與包含於該預處理資料內之參數之值之間的關係。然而，在更一般狀況下，許多預處理參數及與此等參數相關聯之潛在值可經暫存用於許多處理工具，且可潛在地出於以內容脈絡為基礎之控制目的而使用。如何叢集後處理資料且隨後將此等叢集指派至包含於預處理(例如內容脈絡)資料內之某一參數(值)子空間變得不明確。將預處理資料分割成較小集合(子集)之可能組態的量簡直過大。
提議產生一種用於藉由分析與內容脈絡資料相關聯之物件資料來分割該內容脈絡資料之可靠的方法。基於包含於內容脈絡資料內之參數(值)之共同性來將物件資料分組。每群組地處理物件資料以獲得代表性物件資料集之集合，每一集合與包含於內容脈絡資料內之參數之共同值相關聯。舉例而言，該處理可為平均化運算，從而產生(每內容脈絡參數)平均物件資料指紋之集合。可例如在與經處理物件資料之集合相關聯的鄰接矩陣之頻譜域中進一步分析該等經處理物件資料集，以傳達與內容脈絡資料相關聯之結構。此結構可接著用以將內容脈絡資料劃分成群組(例如分割內容脈絡資料、標示內容脈絡資料、將程式碼提供至內容脈絡資料等)。
在一態樣中，提供一種用於將與經歷一製造製程之一製程步驟之基板相關聯的資料分組之方法，該方法包含：獲得與經受該製程步驟之前的基板相關聯之第一資料；獲得與經受該製程步驟之後的基板相關聯之第二資料之複數個集合，第二資料之每一集合與該第一資料之一特性之一不同值相關聯；判定描述第二資料之該等集合之間的距離之一量度之一距離度量；及基於該距離度量之一屬性將該第二資料分組。
在一實施例中，揭示一種將資料分組之方法，該方法包含：獲得與一製造製程相關聯的內容脈絡資料；獲得與該內容脈絡資料相關聯的物件資料；及基於該物件資料及該內容脈絡資料利用一頻譜叢集方法以將該內容脈絡資料分組成叢集。
在本發明之另一態樣中，提供一種電腦程式，其包含可操作以在經執行於一合適裝置上時執行該第一態樣之該方法之程式指令。
圖1示意性地描繪微影裝置LA。該微影裝置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器件(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器件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器件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，以在圖案化器件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。
微影裝置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。
此實例中之微影裝置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，若裝置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裝置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裝置中。
除了具有一或多個基板支撐件以外，微影裝置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/或清潔器件。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。清潔器件可經配置以清潔微影裝置之部分，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上之圖案化器件(例如光罩) MA上，且係由該圖案化器件而圖案化。在已橫穿圖案化器件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 (例如干涉器件、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器件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。可使用圖案化器件對準標記M1、M2及基板對準標記P1、P2來對準圖案化器件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器件MA上之情形中，圖案化器件對準標記可位於該等晶粒之間。
該裝置進一步包括控制微影裝置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裝置控制單元LACU。控制單元LACU亦包括用以實施與裝置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，每一子單元處置裝置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。裝置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，且與微影製造製程中涉及之其他裝置通信。
如圖2中所展示，微影裝置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執行曝光前製程及曝光後製程之裝置。通常，此等裝置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、在不同製程裝置之間移動基板W且將基板W遞送至微影裝置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器件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而控制微影裝置LA。
為了正確且一致地曝光由微影裝置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，尤其是在同一批量或批次之其他基板W仍待曝光或處理之前進行檢測的情況下。
亦可被稱作度量衡裝置或度量衡工具之檢測裝置MET用以判定基板W之一或多個屬性，且詳言之，判定不同基板W之一或多個屬性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如何在層與層之間變化。該檢測裝置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，或可整合至微影裝置LA中，或可甚至為單機器件。該檢測裝置可量測潛影(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產品之工業製造設施之內容背景中的微影裝置LA及微影製造單元LC。在微影裝置(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裝置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以供裝置200圖案化。在裝置200之輸出側處，提供烘烤裝置BK 210及顯影裝置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處所說明之其他處理裝置。廣範圍之處理步驟係藉由典型製造設施中之各種裝置來實施。出於實例起見，此實施例中之裝置222為蝕刻站，且裝置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裝置226，等。可需要眾多類型之操作以製造實際器件，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，裝置226可表示在一或多個裝置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製程步驟的半導體製造製程僅為其中可應用本文中所揭示之技術的工業製程之一個實例。半導體製造製程包括一系列圖案化步驟。每一圖案化製程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。
半導體器件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器件結構。現代器件製造製程可包含例如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中或在另一裝置中完全地被處理之基板。相似地，取決於所需處理，基板在離開裝置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製程步驟，且用於每一層處之裝置可在類型方面完全不同。另外，即使在待由裝置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(裝置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裝置來實施。亦可在較大裝置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製程，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裝置中執行先前及/或後續製程，且可甚至在不同類型之微影裝置中執行先前及/或後續製程。舉例而言，器件製造製程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中亦展示度量衡裝置(MET) 240，其經提供以用於在製造製程中之所要階段對產品參數進行量測。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裝置222中之蝕刻之前在220處之經顯影基板的一或多個屬性。使用度量衡裝置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，來自裝置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，可應用度量衡裝置240及/或一或多個其他度量衡裝置(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。
通常微影裝置LA中之圖案化製程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)連接至度量衡裝置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「製程窗」，且提供一或多個嚴格控制迴路以有助於確保由微影裝置LA執行之圖案化保持在製程窗內。該製程窗定義特定製造製程產生所界定結果(例如功能半導體器件)的複數個製程參數(例如選自劑量、焦點、疊對等之兩者或多於兩者)之值範圍--通常為微影製程或圖案化製程中之製程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器件佈局及微影裝置設定達成圖案化製程之最大總體製程窗(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裝置LA之圖案化可能性。電腦系統CL亦可用以偵測在製程窗內微影裝置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裝置LA以識別例如微影裝置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(晶圓或其他基板)或產品單元批次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裝置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。因此，電腦系統250可存取歷史效能資料PDAT且歷史效能資料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裝置中之任一者。運用新基板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製程步驟、哪些個別裝置已用於彼等步驟之執行中，及哪些參數係由彼等裝置應用(例如，當在蝕刻裝置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，或在工業製程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裝置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之微影裝置之圖案化器件對準標記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器件(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，亦即後處理資料。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被展示為源自個別裝置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，個別基板可在製造製程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，有可能在製造製程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，在複雜製造製程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。通常在微影製程中，同一基板之不同例項將與器件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製程參數之預測。另外，機器學習技術可用以指導使用者選擇出於製程控制之目的而最有用的資料。
由於(半導體)製造製程涉及多個處理裝置(微影裝置、一或多個蝕刻站等)，故可有益的是整體上最佳化製程，例如考量與個別處理裝置相關聯的特定校正能力。此導致如下觀點：第一處理裝置之控制可(部分地)基於第二處理裝置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裝置與圖案化器件之密度剖面及/或微影裝置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。
在一些製程控制情形下，控制目標可為例如「規格中之晶粒數目」--其通常為為了獲得每經處理基板批量之最大數目個功能產品之良率驅動之製程控制參數(通常產品與基板上之晶粒相關聯，因此以良率為基礎之製程控制常常被稱作基於「規格中之晶粒」準則)。為了獲得良好的以良率為基礎之製程控制，用於度量衡量測之取樣方案可受益於在被預期對良率最具決定性的及/或可對於判定良率是否受影響在統計上最相關的部位處、部位上或附近執行之量測。除了量測產品特徵之一或多個屬性以外，亦可量測缺陷之發生以進一步輔助為了最佳良率而最佳化製程(參考缺陷檢測)。可在全文係以引用方式併入本文中之歐洲專利申請案EP16195819.4中找到關於以良率為基礎之控制之更多資訊。
如所論述，可出於製程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製程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(與經歷某一所關注製程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，常常直接建立關於後處理資料之某一叢集之基板的叢集與包含於預處理資料內之參數的值之間的關係。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，與腔室2之先前處理相關聯的基板可例如與徑向疊對指紋聯結，而與腔室5之先前處理相關聯之基板可例如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，可調整製程(控制)以藉由將適當疊對校正應用於製程(例如，應用於微影製程)來補償鞍形疊對指紋。
然而，一般而言，預處理資料通常包含許多參數。在現代半導體製造設施(通常被簡稱作「廠房」或「晶圓廠房」中)，許多參數及與此等參數相關聯之潛在值可經暫存用於許多處理工具，且可潛在地出於以內容脈絡為基礎之控制目的而使用。在此類狀況下，如何採用先前所描述之方法以叢集後處理資料且隨後向此等叢集指派包含於預處理(例如，內容脈絡)資料內之某一參數(值)子空間係較不顯而易見的。將預處理資料分割成較小集合(子集)之可能組態之數目簡直過大。
本發明提議採用用於包含眾多相關聯參數之預處理資料之大集合的不同途徑。在具有與基板集合相關聯之預處理資料及後處理資料的情況下，部署決策樹演算法，例如遞歸決策樹演算法。實際上，遞歸決策樹演算法搜遍藉由應用複數個分割規則以細分由預處理資料之參數定義的參數空間而將基板分割成子集的許多組態。分割規則基本上係用於將資料集分割成子集之配方。舉例而言，分割規則可為將預處理資料集分裂成兩個子集之決策；對於一個子集，參數「蝕刻腔室」等於「A」，且對於另一子集，蝕刻腔室不同於「A」(非A)。當然，可定義涉及多個參數、數學運算及/或參數檢查之更複雜分割規則。參數可包括「分類」參數(例如，是否拋光；是否為腔室A)或連續可變參數。在後一狀況下，可根據參數是否具有在來自一組非重疊數值區間之數值區間內的值而分割資料集。在利用遞歸決策樹演算法之狀況下，一系列決策步驟或節點處之分割規則定義決策。
遞歸決策樹演算法之目標為最後獲得決策樹之每一步驟(分支點)將預處理資料參數空間分裂成兩個子空間，且因此將其相關聯基板集合分裂成兩個或多於兩個子集(群組)，該等子集的特徵在於至少一個基板群組在根據其相關聯後處理資料而檢視時展現某一(通常所要)特性。以此方式，預處理資料空間之子集與後處理資料之某一特性聯結。接著有效地一次性解決尋找基板之最佳分組(叢集)且預測後處理資料之何特性群組與每一基板群組相關聯(僅基於預處理資料)的問題。與預處理資料之所要分割相關聯之分割規則接著充當用於對基板進行分組且向每一基板群組指派其後處理資料之相關聯特性的方式。
圖4描繪此原理之實施例。在此簡化實例中，可自與一或多個待處理基板之預處理歷史相關聯的內容脈絡資料判定疊對係數。應理解，疊對僅係微影製造製程之效能參數的一個實例，且可應用相似方法以處理其他效能參數，例如CD。在402處示意性地表示基板集合。預處理資料404包含內容脈絡資料，例如關於在何工具中、在工具之何腔室中(倘若工具具有多於一個腔室，比如蝕刻器)及/或在工具之何狹槽中處理何基板(晶圓)之資訊。決策樹演算法(在說明之實例中，決策清單)包含決策步驟410、412、414，其形成決策樹之節點。每一決策步驟基於預處理資料404中之參數之值應用節點分割規則。決策清單係遞歸決策樹之實例，意謂可在多於一個決策步驟中檢查相同參數。藉由基於預處理資料執行遞歸二元決策樹演算法，將由預處理資料定義之參數空間劃分成四個子空間。藉助於訓練(在下文進一步描述)，此等子空間中之每一者與後處理資料(在此狀況下橫越基板之疊對資料)之某一特性相關聯。對於具有預處理資料404之基板集合402，參數空間之分割具有定義任何給定基板集合之子集的效應。基板集合402因此劃分成在圖4中標示為G1至G4之子集，每一子集係關於具有遵守所應用分割規則之相關聯預處理資料的基板。應注意，每一節點可具有分割規則，且所得樹亦可被稱作定義作為節點之分割規則之組合效應的分割規則。如本文中所提及，「選擇分割規則」係指選擇決策樹，其可為單節點分割規則，但更可能為形成較大決策樹之一系列節點。
在步驟420中，使用決策樹以向每一基板指派特定子集或「儲倉(bin)」G1至G4。自此，在步驟422中，使用基板之訓練集之對應子集中所觀測到的後處理資料之特性以定義經輸出之指紋，作為對製程步驟之校正。此校正對於圖4中示意性地展示之每一子集G1至G4係特定的，且被標示為COR1至COR4。在處理基板集合時，可因此藉由電腦系統CL控制微影工具LA以應用此等校正，且微影工具LA可改良關於訓練集之製造製程之疊對效能。
對於基於參數表示蝕刻腔室或其類似者中之步驟的預處理資料之決策樹，將預期場間指紋及校正，且此在圖4中示意性地說明。在其他實施例中，節點分割規則中之一些或全部可係關於與場內指紋相關聯之參數，且可產生場內校正。
圖5係由電腦系統CL基於圖4中所說明之原理實施以基於基板之訓練集502訓練決策樹且接著應用彼訓練以在後續基板之處理時應用校正之方法的流程圖。相應地標示圖3之製造設施之在該方法中起作用的元件。
在圖5之底部展示回饋控制器500，其經實施於電腦系統CL內及/或微影裝置控制單元LACU (圖1至圖3)內。待經由微影工具200處理基板集合402。回饋控制器500儲存定義決策樹以處理預處理資料CTX之參數之參數空間的分割規則506，且儲存針對由決策樹定義之參數空間之不同子空間之製程校正508。在藉由微影工具LA處理每一基板之前，控制器500使用與當前基板相關聯之預處理資料來選擇針對當前基板之適當製程校正PC。在控制系統允許其的情況下，可每基板地選擇及應用製程校正，或可視需要每批次地應用製程校正。
現在參看圖5之上部部分，在訓練階段中，遞歸二元樹決策樹演算法基於基板之訓練集502之預處理資料256及後處理資料252而搜尋由預處理資料定義的參數空間。更特定言之，機器學習途徑可用以反覆地搜尋預處理資料之參數空間內之適當決策樹操作使得其用於將基板分割成子集，每一子集合乎需要地具有例如預期後處理特性(諸如疊對CD、焦點、EPE等)之最小變化。取決於內容脈絡資料之格式，可使用諸如ID3、C4.5、CART、C5.0、CHAID、QUEST、CRUISE等之機器學習演算法來完成尋找用於分割未來基板之適當(或合乎需要地：最佳)決策樹。
圖5在步驟510至516中示意性地說明此訓練製程。應理解，可取決於所選演算法及所選實施方案而以不同方式執行此等步驟。可部分地及反覆地執行該等步驟，如由迴路路徑518說明。在概念上，在步驟510中，產生多個候選決策樹512，其以不同方式分割參數空間。對於每一候選決策樹，可演算對應指紋集合514，且基於此等指紋或基於等效資料，可在不同模型之間判斷效能之預測品質。接著選擇分割規則之「最佳」集合，且在回饋控制器500中將其儲存為分割規則506。將校正COR1至CORn之對應集合在回饋控制器500中儲存為校正508。
參看圖6，應瞭解，出於尋找最佳決策樹及表達所得校正兩者之目的，可以任何適合之形式表達指紋。圖6說明可以加權方式組合以定義多種場間及/或場內指紋的一組指紋分量。可接著將每一指紋或校正COR1至CORn表達為用於對此等分量指紋進行加權之一組係數。對於場間變化，可例如經由任尼克多項式定義分量602。對於場內變化，說明九個不同分量，比如標示為604之分量。此等場內分量僅在圖6之尺度上示意性地表示，且圖6展現低取樣解析度之假影。熟習此項技術者將理解此，且將亦能夠設想用於模型化指紋之其他實例方案。
一旦已建立決策樹，其就可用以分割新的基板集合402，如所描述。通常，此新基板集合並非用以使用遞歸決策樹演算法來判定決策樹之基板集合502的部分。然而，如由虛線資料路徑520及522展示，來自新近處理基板之預處理資料及/或後處理資料可添加至資料庫252、256、260，且接著重複步驟510至518以在連續或規則或不規則基礎上更新決策樹。
為了判斷分割規則之「最佳」集合(步驟516)，可考慮多種效能度量(關鍵效能指示符或KPI)。作為一項實例，可使用預測性殘差減小(PRR)。為說明此，將疊對誤差之量測值認為係橫越基板集合之效能特性。橫越橫越所有基板之所有量測位置，量測之統計分佈將展現某一平均值m及某一標準偏差。(通常在X方向及Y方向上分離地量測疊對，且統計分佈將對於每一方向而不同)。效能度量「m3s」可被定義為平均誤差加三倍標準偏差。應理解，在一種情形下，疊對誤差可相對較大(大平均值，低標準偏差)，而在另一情形下，平均誤差可為零，但樣本可廣泛地變化(零平均值，大標準偏差)。效能度量m3s將此等情形組合成一個可相當的值。應理解，在第二情形下，待應用之校正將並非顯而易見的。然而，藉由應用決策樹分析以區分引起特定樣本(特定基板及/或橫越基板之特定位置及/或每一曝光場內之特定位置)中之偏差的不同內容脈絡參數，適於基板之不同子集之校正可有希望改良效能。
在應用決策樹及校正之前，接著考慮作為具有#w數目個基板之樣本集之平均值m3s的值m3s0 ： m3s0 =平均值({m3s(wi )}, i = 1, … #w) 其中wi 表示橫越單個基板所量測之疊對值集合，且#w為樣本集中之基板之數目。
候選決策樹512中之任一者連同其相關聯校正集合514構成疊對效能之預測模型M。在應用此預測模型M之後，基板之殘差平均值m3s可被稱為m3sM ： m3sM =平均值({m3s(wi - wiM )}, i = 1, … #w) 其中wiM 為根據彼特定預測模型M將應用於每一個別基板之校正。此殘差平均值m3s為為了最佳校正而應最小化之模型的效能量度。
亦可針對模型M例如藉由以下公式定義正規化「預測性殘差減小」(PRR)量度： PRR(M) = (m3s0 - m3sM ) / (m3s0 ) PRR量測相對於原始基板上之誤差，疊對誤差之多少分數或百分比係由預測模型M校正。由於量度PRR隨著m3sM 減小而增大，故PRR為為了最佳校正而應最大化之量度。因此，提供預測性模型之適合的KPI或效能度量，其可用以在不同候選決策樹之間進行選擇。
雖然在步驟510至518中示意性地定義之訓練製程可完全自動化且以「蠻力」執行，但可在自動化及/或人類專家步驟中應用各種改進及約束，以改良所要應用程式中之總體效能。
作為一個改進，可對預處理資料執行一或多個預備步驟510a。一個預備步驟可為濾波步驟，以移除冗餘且減小應在其中搜尋決策樹之參數空間之維度的數目。濾波步驟可為自動化及/或手動導引的。舉例而言，當在聚集所有訓練集502之內容脈絡資料之後時，某些資料欄位可能會遍及集合不完全，且可自動被排除。某些資料欄位將具有對每一基板唯一的值，且可被排除。某些資料欄位將具有遍及所有基板恆定的值，且此等資料欄位可被排除。某些資料欄位將100%與諸如批次ID之其他參數相關。
另一選項係由人類及/或自動化地辨識後處理資料之變化之某些模式來對預處理資料進行濾波。基於製程知識，變化或指紋之某些模式可指向其根本原因。彼知識可接著用以對預處理資料進行預濾波以向預處理資料之與彼根本原因有關且更可能相關之子集給出額外權重。製程知識可在自動化機器專家中編碼或由人類干預與機器輔助之組合應用。
亦可將預處理資料之一些變換執行為預備步驟510a。預處理資料不必定義於對應於包含於原始預處理資料內之個別參數的參數空間內。舉例而言，線性或非線性參數組合可用以更有效地表示預處理資料(用於例如減少問題之維度的方法中)。
可對後處理資料(效能資料)執行預備步驟510b。熟習此項技術者將能夠設想廣泛範圍之有用預備步驟，包括例如離群濾波及/或應用相關變換及/或投影至不同參數空間中。此類變換及投影可增強分割，且僅僅作為實例，可包括使用參數化模型之模型化、獨熱編碼(One-hot encoding)及/或主成份分析(PCA)。來自PCT專利申請公開案第WO 2017/060080號之技術例如可適於此目的。
可使用K折交叉驗證方法來進行學習演算法之進一步最佳化。此等方法可用以最佳化學習演算法之超參數，諸如終端節點數目、樹深度等。此之原理將在下文參看圖7予以說明。
必要時，可在已定義決策樹之後進行子空間(基板子集)之合併，以緩解歸因於學習演算法中之遞歸二元分裂策略而過於顆粒地分裂成子集。可藉由機器程式化(叢集)及/或藉由人類干預進行此合併。
另外，學習決策樹可由專家操控以考量未包括於學習階段中使用之預處理(內容脈絡)資料中之後處理變化的源。可使用「保持(hold-out)」資料集來驗證改變之效應。保持資料可為尚未在訓練及交叉驗證中使用之任何資料。
另外，應注意，所提議分割實際上提供內容脈絡資料域中之分組(分類)。內容脈絡資料可為在執行與製程或控制策略相關聯之動作之前可用的任何資料。決策樹隨後用以在執行動作之前導出基板特定控制動作。出於此目的之內容脈絡資料可因此包括自個別基板量測之物件資料，即使在該個別基板已被裝載至微影工具LA中之後亦如此。當然，此資料可為參數化的而非以原始形式使用。
現在檢閱新(待處理)基板上之操作，如上文所解釋，首先進行基於與新基板相關聯之可用預處理資料的分割。對於每一分區(其亦可被稱作總新基板集合內之子集/儲倉/群組/叢集)，可判定後處理資料之某一特性且可導出適當製程校正。此後處理指紋之實例為：疊對指紋、CD指紋、良率指紋、焦點指紋及/或EPE指紋。
可基於使預處理資料與後處理資料相關(及因此與製程校正特性相關)之決策樹的可用性而採用各種控制策略。
首先，可實施基板位階控制類型(WLC)，其中每個別基板應用製程校正(基板位階控制原理)。由於在製程開始之前可得到預處理資料，故在運作中可判定及應用每基板之製程校正。
第二類型之控制策略被稱作「批次」控制。在此狀況下，在執行製程步驟之後，經處理基板上之量測及/或製程資料分析被執行，且用以最佳化隨後處理之基板的處理。在此狀況下，由決策樹建立之基板分組可用以在批次控制中選擇適當校正。可使用新批次之預處理及後處理資料以藉由對經更新預處理資料集使用遞歸決策樹演算法來進一步增強決策樹之品質。然而，當使用資料時應當謹慎不藉由將相同資料用作決策樹演算法及批次校正之輸入來進行雙重校正。
圖7示意性地說明用以判定PRR效能度量之穩固程度(換言之，其將對於不同於用於訓練之樣本集的樣本集起作用之良好程度)之候選模型的交叉驗證(CV)。圖8說明交叉驗證之結果如何可用以自動地或在人類指導下選擇待對決策樹學習應用之最佳約束。
在圖7中，在502處表示訓練樣本(基板)之完整集合，與在圖5中相同。可藉由將預處理及後處理(訓練)資料分割成子集且至少在不用以建立模型之一個集合上驗證模型來驗證決策樹之品質。舉例而言，將訓練集劃分成10個子集，將該等子集中之九個子集用作訓練資料702來執行決策樹學習，且接著針對其能力進行評估以預測及校正第十子集704中之誤差。將此操作重複10次，以得到針對同一決策樹演算法之10個不同的效能度量PRR 1至PRR 10。可接著例如藉由簡單平均而組合此等效能度量，以提供針對決策樹演算法整體上之經交叉驗證效能度量PRR(CV)。應理解，在與基板之訓練集相關聯的預處理資料及後處理資料之域中完全執行劃分成子集。交叉驗證製程不需要實體地處理基板。交叉驗證可用作用以評估不同決策樹演算法及用以作為決策樹演算法內之步驟516之部分(例如作為步驟516a)評估候選決策樹兩者的技術。
現在參看圖8，使用不同決策樹演算法之經交叉驗證效能度量允許調整區域參數及演算法自身之約束。此等參數可例如被稱作「超參數」。作為決策樹演算法之超參數的一特定實例，參數#min定義應在決策樹之「葉節點」處保持的最小基板數目。亦即，若決策導致含有少於#min個基板之分支，則彼決策將不包括於決策樹中且決策樹將替代地在葉節點處終止。
圖8中之圖展示在對特定基板集合執行圖7之交叉驗證方法的情況下，針對#min之多個不同值的經交叉驗證效能度量PRR(CV)。基板之數目可為幾百或甚至數千。#min之值範圍介於該圖之左側處的五至右側處的大於30。在所使用之特定量度中，增大PRR之值指示較好模型。又，不僅標繪效能度量之平均值，而且標繪不同訓練子集702與驗證子集704之間的效能度量之偏差範圍。在圖8之說明中，高於值PRR1至PRR10之效能度量的偏差範圍係由「誤差條」806表示。可看到，若#min設定過高，比如高於25，則決策樹演算法不會得到最高可能效能。另一方面，使最小葉節點大小減小到低於20僅得到微小的效能改良(若存在任何效能改良)。在圖8之尺度上太小而無法看到，在此實例資料集合中運用等於13之#min (點線箭頭802)達成絕對最佳效能。
另一方面，隨著葉節點之大小變得小於最佳值，候選模型當中的變化範圍可增大。在圖8之尺度上太小而無法看到，在此實例資料集合中運用等於20之#min (實線箭頭804)達成所有經測試選項當中的最窄變化範圍。此最小變化指示特定演算法自訓練樣本一般化至生產環境的良好能力。因此，在一項實施中，針對步驟510至518，將參數#min設定為20。在其他實施中，可作為反覆製程之部分調整此等超參數之設定，且不時地修訂此等超參數之設定以維持最佳效能。
在所提供之許多實例中，預處理資料包含分類資料，諸如內容脈絡資料，亦即為用以處理基板之工具A。已知當使用決策樹演算法或相似技術來分割分類資料時，每一節點處之可能分區之數目為2( M - 1 ) -1，其中M為類別或群組之數目。因此應瞭解，對於大量類別，每一節點處之可能分區之數目變得非常大。此使得難以判定最佳分割結構(例如使用直接搜尋途徑)。此有可能對上述方法對大容量製造應用之適用性方面造成相當大的限制。
在以上描述中，描述用於對後處理資料(效能資料)執行之選用預備步驟510b。獨熱編碼及/或主成份分析(PCA)為針對此預備步驟510b所提供之實例。在多輸出決策樹演算法中，獨熱編碼可用以將分類的內容脈變數變換成二元指示符。然而，在存在大量內容脈絡變數之狀況下，此類演算法可遭受大量的可能決策節點組態。另外，由於在將內容脈絡變數轉換成二元決策時僅可達成所有可能決策節點之子集，故分割可為次佳的。在目標變數為純量值或二元類別的情況下，亦有可能基於對應目標變數之平均值判定次序。然而，在目標值為向量值的情況下，正如例如目標值為疊對時之狀況，以此方式判定次序係非平凡的。
為了解決此問題，提議上文所描述之分割方法的替代分割方法及/或預備步驟510b。此步驟可包含用於判定一或多個初始分割規則之特徵編碼步驟；例如以對預處理資料強加有序度。編碼步驟之結果可為經頻譜寫碼之預處理(分類內容脈絡)資料，可接著基於頻譜碼分割該資料。詳言之，頻譜碼可用以判定一或多個初始分割規則(決策)。
所提議方法使用頻譜圖分析以判定針對分類內容脈絡變數中之每一者的目標值(例如諸如疊對之向量目標值)之較低維度表示(例如較低維度近接圖)。可接著使用來自較低維度表示之座標(例如作為實向量值)以編碼分類值。頻譜圖分析為對圖之屬性與同該圖相關聯的矩陣(諸如其鄰接矩陣或拉普拉斯(Laplacian)矩陣)之特性多項式、特徵值及特徵向量之關係的研究。
圖9為描述所提議方法之流程圖。在步驟910處，獲得第一資料或預處理資料及相關聯第二資料或後處理資料。後處理資料可為已經提供之實例中的任一者(例如以下各者中之一或多者：疊對資料、對準資料、CD資料、EPE資料、位階量測資料及/或基板高度圖資料)。在一實施例中，後處理資料可包含向量值資料，例如疊對資料。如已經描述，後處理資料與預處理資料相關聯；例如：內容脈絡資料(例如蝕刻裝置之腔室ID)。
在步驟920處，判定每內容脈絡資料特性之代表性後處理資料度量。舉特定實例而言，彙總(例如平均化)每分類值(例如蝕刻腔室ID)之疊對資料圖或指紋以獲得每分類值之彙總或平均疊對指紋。然而，平均化僅為處理後處理資料以判定代表性後處理資料度量之一個實例。其他方法包含以下各者中之一或多者：後處理資料之平均化、求和、減法、乘法、濾波或任何彙總。此步驟之輸出為後處理資料之複數個群組，每一群組具有一對應的代表性後處理資料度量。
在步驟930處，判定距離度量，該距離度量描述根據包含於複數個群組中之每個群組對之對應的代表性後處理資料度量而在每個群組對之間的距離。在一實施例中，距離度量可包含成對距離矩陣D，其中列及行係由每一分類值定義且每一輸入項描述針對彼對分類值之對應的代表性後處理資料度量之間的距離。舉例而言，距離度量可以歐幾里得(Euclidean)或餘弦為基礎。
在步驟940處，基於群組對之間的距離或鄰接度，且因此基於距離矩陣或其變換而判定完全連接圖。在一實施例中，距離度量可首先經變換成鄰接度量，該鄰接度量描述包含於複數個群組中之每一對群組之間的鄰接之量度。鄰接度量可包含軟鄰接矩陣，其具有表示兩個節點鄰接之程度的介於0與1之間的值之元素。因而，該變換將距離(在[0 ∞)中之正值，展示節點之間的相異性)變換成區間(0, 1]，其中1指示完全相同，其中值隨著相異性增大而減小。在一特定實例中，可根據下式演算鄰接矩陣：
Figure 02_image001
其中
Figure 02_image003
為鄰接矩陣A之個別元素，
Figure 02_image005
為距離矩陣D之對應個別元素且λ為常數。
在步驟950處，基於完全連接圖而判定頻譜碼，使得分類變數(及因此後處理資料之群組)中之每一者被指派(編碼有)一頻譜碼值。此步驟之目的為以稀疏方式寫碼距離(鄰接)矩陣表示。如熟習此項技術者將顯而易見，此可以多種方式達成。此處所描述之途徑經由特徵向量之子集達成此。
因而，所描述途徑可包含自鄰接矩陣A演算拉普拉斯，及自拉普拉斯演算特徵向量(V0，V1，V2…等)。前幾個非恆定特徵向量(V1，V2，…Vn；n ＜ k，其中k為類別/群組之數目)係用作用於由每一圖節點表示之對應分類變數之頻譜碼。在一實施例中，判定且排名拉普拉斯矩陣之特徵向量，且基於其特徵值選擇經排名特徵向量之子集且隨後將其用於內容脈絡資料之分組。圖之拉普拉斯之非恆定特徵向量顯露頻譜域中之資訊；例如，表達指示後處理資料(例如疊對)對分類值改變之回應之平滑程度的圖之不變量。
在步驟960處，基於內容脈絡資料(及因此對應的後處理資料)在頻譜碼空間中之相對近接度來將內容脈絡資料分組(例如根據對應於每一群組之頻譜碼值之接近性，指示較大鄰接度)。至少根據初始決策或分割規則，可向彼此接近之群組指派例如同一內容脈絡資料群組。此為目標為基於與內容脈絡資料相關聯的後處理資料之特性來分割內容脈絡資料之實施例的實例。舉例而言，叢集演算法可用以執行此分組步驟。
圖10說明步驟960之實例。其展示六個群組，各自由代表性後處理資料度量或平均疊對指紋1010a至1010f表示，且各自具有由頻譜碼空間之標繪圖中之點1020a至1020f表示的對應頻譜碼。頻譜碼可用以根據頻譜碼上之頻譜叢集進行分組。在此處之特定實例中，可判定決策邊界1030之第一側上之點1020b及1020d在第一經頻譜寫碼之群組1040a中進行分組，且決策邊界1030之第二側上之點1020a、1020c、1020e及1020f在第二經頻譜寫碼之群組1040b中進行分組。該方法例如可接著用以在執行先前所描述之分割資料之方法之前將內容脈絡資料進行預分組(例如作為預備步驟510b之部分)。使用特定說明性實例，其中每一平均疊對指紋1010a至1010f及對應點1020a至1020f與特定蝕刻腔室A至F有關(其中指紋1010a對應於腔室A等)，決策樹之第一決策可經判定為：「是否使用蝕刻腔室B或D中之一者？--是/否」。
所揭示之用以將內容脈絡資料分組之方法可基於使用如在圖9及隨附描述中所描述之方法來進行內容脈絡資料之頻譜編碼。另外，可基於頻譜叢集之方法將內容脈絡資料分組。頻譜叢集之方法係基於後處理資料及其相關聯內容脈絡資料。
在一實施例中，揭示一種將資料分組之方法，該方法包含：獲得與製造製程相關聯之內容脈絡資料；獲得與該內容脈絡資料相關聯之後處理資料；及基於該後處理資料及該內容脈絡資料利用頻譜叢集方法以將該內容脈絡資料分組成叢集。
在一實施例中，執行使用應用於經分組之內容脈絡資料之決策樹演算法來分割經分組之內容脈絡資料之後續步驟。
在以下編號實施例清單中揭示另外實施例，該等實施例係關於分割規則(例如決策樹)之判定： 1. 一種用於分割與經歷一製造製程之一製程步驟之基板相關聯的資料之方法，該方法包含： 獲得與經受該製程步驟之前的基板相關聯之第一資料； 獲得與經受該製程步驟之後的基板相關聯之第二資料； 將複數個分割規則應用於該第一資料以獲得該第一資料之子集的複數個組態；及 基於與藉由將該分割規則應用於該第一資料所獲得的該第一資料之該等子集相關聯的該第二資料之子集之一特性來選擇一分割規則。 2. 如實施例1之方法，其中利用一決策樹訓練演算法以執行應用該複數個分割規則及選擇該分割規則之步驟。 3. 如實施例2之方法，其中該訓練演算法為用以執行應用該複數個分割規則及選擇該分割規則之該等步驟的一遞歸二元決策樹演算法。 4. 如實施例3之方法，其中使用諸如ID3、C4.5、CART、C5.0、CHAID、QUEST及/或CRUISE之一或多個決策樹訓練演算法來訓練該決策樹演算法。 5. 如實施例2至4中任一項之方法，其進一步包含例如在一二元決策樹演算法選擇諸如終端節點數目及/或樹深度之參數的狀況下使用交叉驗證來評估該訓練演算法，且根據該評估選擇該訓練演算法之參數。 6. 如任一前述實施例之方法，其進一步包含由一專家操作員操控該第一及/或第二資料以考量未包括於該第一資料中之一變化源。 7. 如任一前述實施例之方法，其進一步包含在應用該等分割規則之前預處理該第一資料以應用一變換或投影。 8. 如任一前述實施例之方法，其進一步包含合併該第一資料之兩個或多於兩個子集。 9. 一種基於與經受一製程步驟之前的基板相關聯之資料而分割基板的方法，該方法包含： - 使用藉由如任一前述實施例之方法選擇之一分割規則來分割該資料；及 - 將該等基板分割成子集，其中每一子集與藉由該分割獲得之該資料的一子集相關聯。 10. 如實施例9之方法，其進一步包含判定與該等基板之一子集相關聯的一製程控制特性。 11. 如實施例10之方法，其進一步包含基於針對每一基板屬於之該子集判定之該製程控制特性而對彼基板執行該製程步驟。 12. 如任一前述實施例之方法，其中該第一資料包含參數及與該等相關聯之值，其係關於選自以下各項中之一或多者： - 一對準標記之一屬性； - 一基板之一高度圖； - 一基板之一表面之一屬性； - 用於在該製程步驟之前處理基板之一工具的一設定； - 用於在該製程步驟之前處理基板之一工具的識別；及/或 - 用於在該製程步驟之前處理基板之一工具的一特性。 13. 如任一前述實施例之方法，其中該第二資料包含參數及與該等參數相關聯之值，其係關於選自以下各項中之一或多者： - 一對準標記之一屬性； - 一基板之一高度圖； - 一基板之一表面之一屬性； - 與被提供至基板之一特徵相關聯的效能資料，該效能資料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一單層中施加之圖案之間的疊對、焦點品質、該特徵之CD、該特徵之邊緣置放誤差、該特徵之一電特性、及/或與包含該特徵之起作用器件之一相對量有關的基板良率。 14. 如實施例12或實施例13之方法，其中該分割規則包括至少一個決策操作，該至少一個決策操作經組態以基於包含於該第一資料內之一參數之一值來劃分該第一資料。 15. 如實施例11至13中任一項之方法，其中該分割規則定義包含一連串決策步驟之一決策樹。 結論 總之，本發明提議一種用於將與經歷製造製程之製程步驟之基板相關聯的資料分組之方法，該分組係基於與基板相關聯的第二資料(內容脈絡資料)之複數個集合之間的鄰接或距離，第二資料之每一集合與第一資料之特性之不同值相關聯。
當用作決策樹演算法中之處理步驟之部分時，因為分組在決策樹中係隱含的使得例如最小化群組內變化，所以不需要建立指紋叢集之明確概念。與後處理參數(「指紋空間」之維度)及內容脈絡空間之維度(預處理資料參數)之變化數目相比，此允許運用相對較小數目個產品單元應用該方法。
執行交叉驗證且分裂每內容脈絡變數之參數空間之能力實務上促使該方法之良好一般化。與已知方法相比，該方法亦可更大程度地擴展至大容量製造。可包括分類變數與連續值內容脈絡變數之混合。
群組之數目不會隨個別內容脈絡變數之維度而以指數方式生長。此與先前途徑形成對比，在先前途徑中可針對諸如蝕刻腔室ID之每一內容脈絡值建立例如單獨回饋迴路(「控制執行緒」)。決策樹分類器將僅挑選導致顯著指紋變化之腔室及工具之彼等組合。不相關的內容脈絡將被自動忽略。
代替二元決策樹演算法，亦可使用其他方法。此處顯著的是，演算法產生複數個分割規則，每一分割規則基於基板之預處理資料定義基板之不同分區。可例如隨機產生該複數個分割規則。選擇(適當或甚至最佳)分割規則係基於評估與如藉由應用所關注分割規則所獲得的預處理資料之子集相關聯的後處理資料之特性。舉例而言，大量分割規則可基於使用以基於預處理資料而將基板劃分成子集之參數發生變化。舉例而言，第一分割規則可基於所利用蝕刻腔室而劃分基板，且第二分割規則可基於與所執行沈積製程相關聯之溫度。在此狀況下，第二分割規則可基於包含於預處理資料內之參數的值，例如，第一分割規則選擇與第一溫度範圍相關聯之預處理資料，且第二分割規則選擇與第二溫度範圍相關聯之預處理資料。
在基於預處理資料定義基板之子集之後，判定與基板之至少一個子集相關聯的後處理資料之特性。舉例而言，與已通過某一蝕刻腔室且已在某一溫度範圍下經受沈積製程之基板相關聯的疊對資料與後處理(在此狀況下疊對)資料之全集隔離。判定與彼特定集合相關聯之疊對資料之特性。此特性可與橫越特定集合之後處理資料之可變性量度，諸如(疊對之)方差有關。可考慮一或多個其他特性：經預測良率，或將後處理資料映射至代表特定基板集合之所要屬性之純量的任何其他成本函數。在該特性係疊對資料之方差的狀況下，可基於觀測到之可變性特性之最小值來選擇分割規則，此意謂與如藉由分割規則劃分之預處理資料之子集相關聯的基板全部共用相似的疊對特性。
預處理資料可包含參數及與該等參數相關聯之值，其係關於選自以下各項中之一或多者：一或多個對準標記之一或多個屬性；一或多個基板之一或多個高度圖；一或多個基板之表面的一或多個屬性；用於在製程步驟之前處理基板之一或多個工具的一或多個設定；用於在製程步驟之前處理基板之一或多個工具的識別；及/或用於在製程步驟之前處理基板之一或多個工具的一或多個特性。一般而言，在執行所關注製程步驟之前，與先前層及先前製程步驟相關聯之資料係已知的(至少在監視此資料之製程就位時如此)。在微影製程之狀況下，與諸如基板之對準及位階量測之曝光前度量衡步驟相關聯的資料可為可用的，且因此包含於預處理資料內。
在PCT專利申請公開案第WO 2017/060080號之術語中，基於實際基板之量測的預處理資料可被稱作「物件資料」。在此狀況下，在曝光之前可得到之「物件資料」可以與被稱作「內容脈絡資料」的其他類型之預處理資料相同的方式來看待。後處理資料對應於PCT專利申請公開案第WO 2017/060080號中之「效能資料」，此係由於其在每一基板之內容背景中係關於實際上藉由微影處理步驟達成的結果。
後處理資料可包含參數及與該等參數相關聯之值，其係關於選自以下各項中之一或多者：一或多個對準標記之一或多個屬性；一或多個基板之一或多個高度圖；一或多個基板之表面的一或多個屬性；及/或與在製程步驟期間及/或在製程步驟之後被提供至基板之一或多個特徵相關聯的效能資料。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起作用器件之相對量有關的基板良率。
儘管可在本文中特定地參考在IC製造中微影裝置之使用，但應理解，本文中所描述之微影裝置可具有其他應用。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」可為半導體晶圓，或其可為其他基板。
儘管可在本文中特定地參考在微影裝置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裝置中。本發明之實施例可形成圖案化器件檢測裝置、度量衡裝置或量測或處理諸如晶圓(或其他基板)或光罩(或其他圖案化器件)之物件之任何裝置的部件。此等裝置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365 nm、248 nm、193 nm、157 nm或126 nm之波長)及極紫外線(EUV輻射，例如具有在約5 nm至100 nm之範圍內之波長)。
如本文中所使用之術語「倍縮光罩」、「光罩」或「圖案化器件」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器件，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，其他此類圖案化器件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)」係指或意謂調整裝置(例如微影裝置)、製程等使得結果及/或製程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、較大製程窗等。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製程，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裝置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，可摻和、結合、複寫、解散、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/計算器件之特定裝置的動作或製程。
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製程中有助於經濟發展。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，部分及製程可被反轉或被省略，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，流程圖中之任何製程、描述或區塊應被理解為表示程式碼之模組、區段或部分，其包括用於實施該製程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。
下文之經編號實施例清單中揭示本發明之另外實施例： 1. 一種用於將與經歷一製造製程之一製程步驟之基板相關聯的資料分組之方法，該方法包含： 獲得與經受該製程步驟之前的基板相關聯之第一資料； 獲得與經受該製程步驟之後的基板相關聯之第二資料之複數個集合，第二資料之每一集合與該第一資料之一特性之一不同值相關聯； 判定描述第二資料之該等集合之間的距離之一量度之一距離度量；及 基於該距離度量之一屬性將該第二資料分組。 2. 如實施例1之方法，其包含判定用於第二資料之每一集合之一代表性後處理資料度量，及判定用以描述該代表性後處理資料度量之間的距離之一量度之距離度量。 3. 如實施例2之方法，其中該代表性後處理資料度量包含第二資料之每一集合中之該第二資料之值的一彙總。 4. 如實施例3之方法，其中該距離度量為描述該等代表性後處理資料度量之各別對之間的距離之一量度之一距離矩陣。 5. 如實施例4之方法，其中在該分組步驟之前，將該距離矩陣變換成描述該等代表性後處理資料度量之各別對之間的鄰接之一量度之一鄰接矩陣。 6. 如任一前述實施例之方法，其包含自該距離度量判定一完全連接圖。 7. 如實施例6之方法，其包含基於該完全連接圖判定用於第二資料之每一集合之一各別頻譜碼，且基於該頻譜碼將該第二資料分組。 8. 如實施例7之方法，其中該頻譜碼係自該完全連接圖之一矩陣表示之特徵向量予以判定。 9. 如實施例8之方法，其中該完全連接圖之該矩陣表示包含一拉普拉斯矩陣。 10. 如實施例8或9之方法，其中該頻譜碼係自該等特徵向量之一子集予以判定。 11. 如實施例10之方法，其中判定該頻譜碼包含根據該等特徵向量之相關聯特徵值將該等特徵向量進行排名，且基於其排名選擇該子集。 12. 如實施例11之方法，其中該分組包含基於該頻譜碼執行一叢集步驟。 13. 如任一前述實施例之方法，其中該第一資料為與用於該製造製程中之一或多個裝置相關聯的使用資料。 14. 如實施例13之方法，其中該特性與該一或多個裝置之一識別相關聯。 15. 如任一前述實施例之方法，其中該第二資料係選自以下各項中之一或多者：與經受該製造製程之一基板相關聯的對準、位階量測、CD、疊對、電壓對比度、電特性、EPE及/或焦點資料。 16. 如任一前述實施例之方法，其中該距離度量以歐幾里得或餘弦為基礎。 17. 如任一前述實施例之方法，其進一步包含使用應用於該經分組之第二資料之一決策樹演算法來分割該經分組之第二資料。 18. 如實施例17之方法，其中該分割包含將複數個分割規則應用於該第一資料以獲得該第一資料之子集之複數個組態；及 基於與藉由將該分割規則應用於該第一資料所獲得的該第一資料之該等子集相關聯的該第二資料之子集之一特性來選擇一分割規則。 19. 如實施例18之方法，其中利用一決策樹訓練演算法以執行應用該複數個分割規則及選擇該分割規則之步驟。 20. 如實施例19之方法，其中該訓練演算法為用以執行應用該複數個分割規則及選擇該分割規則之該等步驟的一遞歸二元決策樹演算法。 21. 一種電腦程式，其包含可操作以在經執行於一合適裝置上時執行如實施例1至20中任一項之方法的程式指令。 22. 一種非暫時性電腦程式載體，其包含如實施例21之電腦程式。
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。
200‧‧‧微影工具/微影裝置 202‧‧‧量測站MEA 204‧‧‧曝光站EXP 206‧‧‧控制單元LACU 208‧‧‧塗佈裝置SC 210‧‧‧烘烤裝置BK 212‧‧‧顯影裝置DE 220‧‧‧經圖案化基板 222‧‧‧處理裝置/蝕刻裝置 224‧‧‧處理裝置 226‧‧‧處理裝置 230‧‧‧傳入基板 232‧‧‧經處理基板 234‧‧‧經處理基板 240‧‧‧度量衡裝置(MET) 250‧‧‧電腦系統CL 252‧‧‧儲存器/後處理資料/資料庫 254‧‧‧箭頭/內容脈絡資料 256‧‧‧儲存器/預處理資料/資料庫 260‧‧‧資料庫/物件資料儲存器 402‧‧‧基板集合 404‧‧‧預處理資料 410‧‧‧決策步驟 412‧‧‧決策步驟 414‧‧‧決策步驟 420‧‧‧步驟 422‧‧‧步驟 500‧‧‧回饋控制器 502‧‧‧基板之訓練集 506‧‧‧分割規則 508‧‧‧製程校正 510‧‧‧步驟 510a‧‧‧預備步驟 510b‧‧‧預備步驟 512‧‧‧步驟/候選決策樹 514‧‧‧步驟/指紋集合 516‧‧‧步驟 516a‧‧‧步驟 518‧‧‧迴路路徑/步驟 520‧‧‧虛線資料路徑 522‧‧‧虛線資料路徑 602‧‧‧分量 604‧‧‧分量 702‧‧‧訓練資料/訓練子集 704‧‧‧第十子集/驗證子集 802‧‧‧點線箭頭 804‧‧‧實線箭頭 806‧‧‧誤差條 910‧‧‧步驟 920‧‧‧步驟 930‧‧‧步驟 940‧‧‧步驟 950‧‧‧步驟 960‧‧‧步驟 1010a‧‧‧平均疊對指紋 1010b‧‧‧平均疊對指紋 1010c‧‧‧平均疊對指紋 1010d‧‧‧平均疊對指紋 1010e‧‧‧平均疊對指紋 1010f‧‧‧平均疊對指紋 1020a‧‧‧點 1020b‧‧‧點 1020c‧‧‧點 1020d‧‧‧點 1020e‧‧‧點 1020f‧‧‧點 1030‧‧‧決策邊界 AS‧‧‧對準感測器 B‧‧‧輻射光束 BD‧‧‧光束遞送系統 BK‧‧‧烘烤板 C‧‧‧目標部分 CDAT‧‧‧內容脈絡資料 CH‧‧‧冷卻板 CL‧‧‧電腦系統 COR1‧‧‧校正 COR2‧‧‧校正 COR3‧‧‧校正 COR4‧‧‧校正 CORn‧‧‧校正 CTX‧‧‧預處理資料 DE‧‧‧顯影器 EXP‧‧‧曝光站 G1‧‧‧子集 G2‧‧‧子集 G3‧‧‧子集 G4‧‧‧子集 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‧‧‧微影裝置 LACU‧‧‧微影裝置控制單元 LB‧‧‧裝載匣 LC‧‧‧微影製造單元 LS‧‧‧位階感測器 M1‧‧‧圖案化器件對準標記 M2‧‧‧圖案化器件對準標記 MA‧‧‧圖案化器件 MEA‧‧‧量測站 MET‧‧‧檢測裝置/度量衡工具 MT‧‧‧支撐件/支撐結構 ODAT‧‧‧物件資料 P1‧‧‧基板對準標記 P2‧‧‧基板對準標記 PC‧‧‧製程校正 PDAT‧‧‧歷史效能資料 PM‧‧‧第一定位器 PRR1‧‧‧效能度量 PRR2‧‧‧效能度量 PRR3‧‧‧效能度量 PRR10‧‧‧效能度量 PRR(CV)‧‧‧經交叉驗證效能度量 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 SC1‧‧‧第一標度盤 SC2‧‧‧第二標度盤 SC3‧‧‧第三標度盤 SCS‧‧‧監督控制系統 SO‧‧‧輻射源 TCU‧‧‧塗佈顯影系統控制單元 W‧‧‧基板 WTa‧‧‧基板支撐件/基板台 WTb‧‧‧基板支撐件/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描繪微影裝置之示意性綜述；
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之微影裝置及微影製造單元連同形成用於例如半導體器件之製造設施之一個或多個其他裝置的使用，該設施包括實施製造最佳化技術之控制裝置；
圖4描繪根據本發明之一實施例之決策樹；
圖5示意性地說明在圖3之製造設施中應用圖4中所說明之決策樹之原理的回饋控制器及訓練方法；
圖6描繪可用以在圖5之方法中定義指紋及校正的場間及場內分量；
圖7示意性地說明基於決策樹之候選預測模型的交叉驗證(CV)；
圖8說明交叉驗證之結果如何可用以自動地或在人類指導下選擇待對決策樹學習應用之約束；
圖9為根據本發明之一實施例之方法的流程圖；及
圖10為說明圖9之方法之最終步驟的頻譜標繪圖及相關聯資料。
402‧‧‧基板集合
404‧‧‧預處理資料
410‧‧‧決策步驟
412‧‧‧決策步驟
414‧‧‧決策步驟
420‧‧‧步驟
422‧‧‧步驟
COR1‧‧‧校正
COR2‧‧‧校正
COR3‧‧‧校正
COR4‧‧‧校正
G1‧‧‧子集
G2‧‧‧子集
G3‧‧‧子集
G4‧‧‧子集

Claims (20)

  1. 一種用於將與經歷一製造製程之一製程步驟之基板相關聯的資料分組之方法，該方法包含：獲得與經受該製程步驟之前的基板相關聯之第一資料；獲得與經受該製程步驟之後的基板相關聯之第二資料之複數個集合，第二資料之每一集合與該第一資料之一特性之一不同值相關聯；判定描述第二資料之該等集合之間的距離之一量度之一距離度量；及基於該距離度量之一屬性將該第二資料分組。
  2. 如請求項1之方法，其包含：判定用於第二資料之每一集合之一代表性後處理資料度量；及判定用以描述該代表性後處理資料度量之間的距離之一量度之距離度量。
  3. 如請求項2之方法，其中該代表性後處理資料度量包含第二資料之每一集合中之該第二資料之值的一彙總。
  4. 如請求項3之方法，其中該距離度量為描述該等代表性後處理資料度量之各別對之間的距離之一量度之一距離矩陣。
  5. 如請求項4之方法，其中在該分組步驟之前，將該距離矩陣變換成描述該等代表性後處理資料度量之各別對之間的鄰接之一量度之一鄰接矩 陣。
  6. 如請求項1之方法，其進一步包含自該距離度量判定一完全連接圖。
  7. 如請求項6之方法，其包含基於該完全連接圖判定用於第二資料之每一集合之一各別頻譜碼，且基於該頻譜碼將該第二資料分組。
  8. 如請求項7之方法，其中該頻譜碼係自該完全連接圖之一矩陣表示之特徵向量予以判定。
  9. 如請求項8之方法，其中該完全連接圖之該矩陣表示包含一拉普拉斯矩陣。
  10. 如請求項8之方法，其中該頻譜碼係自該等特徵向量之一子集予以判定。
  11. 如請求項10之方法，其中判定該頻譜碼包含根據該等特徵向量之相關聯特徵值將該等特徵向量進行排名，且基於其排名選擇該子集。
  12. 如請求項11之方法，其中該分組包含基於該頻譜碼執行一叢集步驟。
  13. 如請求項1之方法，其中該第一資料為與用於處理於該製造製程中所 使用之該等基板之一或多個裝置相關聯的使用資料。
  14. 如請求項13之方法，其中該特性與用於處理於該製造製程中所使用之該等基板之該一或多個裝置之一識別(identification)相關聯。
  15. 如請求項1之方法，其中該距離度量以歐幾里得或餘弦為基礎。
  16. 如請求項1之方法，其進一步包含使用應用於該經分組之第二資料之一決策樹演算法來分割該經分組之第二資料。
  17. 如請求項16之方法，其中該分割包含將複數個分割規則應用於該第一資料以獲得該第一資料之子集之複數個組態；及基於與藉由將該分割規則應用於該第一資料所獲得的該第一資料之該等子集相關聯的該第二資料之子集之一特性來選擇一分割規則。
  18. 如請求項17之方法，其中利用一決策樹訓練演算法以執行應用該複數個分割規則及選擇該分割規則之步驟。
  19. 一種電腦程式，其包含可操作以在經執行於一可程式化電腦上時執行如請求項1之方法之程式指令。
  20. 一種非暫時性電腦程式載體，其包含如請求項19之電腦程式。
TW108109466A 2018-04-27 2019-03-20 基於製程參數來標示基板之方法 TWI752305B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862663866P 2018-04-27 2018-04-27
US62/663,866 2018-04-27
EP18182594.4A EP3594749A1 (en) 2018-07-10 2018-07-10 Method to label substrates based on process parameters
EPEP18182594 2018-07-10

Publications (2)

Publication Number Publication Date
TW201945860A TW201945860A (zh) 2019-12-01
TWI752305B true TWI752305B (zh) 2022-01-11

Family

ID=62909411

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108109466A TWI752305B (zh) 2018-04-27 2019-03-20 基於製程參數來標示基板之方法

Country Status (5)

Country Link
US (1) US11320743B2 (zh)
EP (2) EP3594749A1 (zh)
KR (1) KR102493658B1 (zh)
CN (1) CN112088337B (zh)
TW (1) TWI752305B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6766103B2 (ja) * 2018-07-31 2020-10-07 株式会社日立製作所 分析方法及び計算機
US10930531B2 (en) * 2018-10-09 2021-02-23 Applied Materials, Inc. Adaptive control of wafer-to-wafer variability in device performance in advanced semiconductor processes
US11774869B2 (en) * 2019-04-10 2023-10-03 Asml Netherlands B.V. Method and system for determining overlay
TWI709054B (zh) * 2019-12-05 2020-11-01 財團法人資訊工業策進會 預測模型的建立裝置、建立方法與產品品質監控系統

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030029912A1 (en) * 2001-08-08 2003-02-13 Kun-Pei Li Lithography rework analysis method and system
DE102012207335A1 (de) * 2012-05-03 2013-03-28 Carl Zeiss Smt Gmbh Lithographieverfahren und projektionsbelichtungsanlage mit einem abbildungsfehler korrigierenden retikel und verfahren zur herstellung eines entsprechenden retikels
CN104865799A (zh) * 2015-05-14 2015-08-26 中国科学院光电技术研究所 一种光刻投影物镜偏振仿真分析方法
US20170336716A1 (en) * 2016-05-19 2017-11-23 Nikon Corporation Euv lithography system for dense line patterning
TW201802614A (zh) * 2016-06-20 2018-01-16 尼康股份有限公司 用於密集的線路圖案化的極短紫外光微影系統

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3977324B2 (ja) 2002-11-12 2007-09-19 エーエスエムエル ネザーランズ ビー．ブイ． リソグラフィ装置
US7250237B2 (en) * 2003-12-23 2007-07-31 Asml Netherlands B.V. Optimized correction of wafer thermal deformations in a lithographic process
US10079183B2 (en) 2013-06-26 2018-09-18 Kla-Tenor Corporation Calculated electrical performance metrics for process monitoring and yield management
WO2017060080A1 (en) 2015-10-08 2017-04-13 Asml Netherlands B.V. Methods & apparatus for controlling an industrial process
WO2017067748A1 (en) 2015-10-19 2017-04-27 Asml Netherlands B.V. Method and apparatus to reduce effects of nonlinear behavior
KR102439450B1 (ko) 2016-02-23 2022-09-01 에이에스엠엘 네델란즈 비.브이. 패터닝 프로세스 제어 방법, 리소그래피 장치, 계측 장치 리소그래피 셀 및 연관된 컴퓨터 프로그램
KR20190053269A (ko) * 2016-10-21 2019-05-17 에이에스엠엘 네델란즈 비.브이. 패터닝 프로세스용 보정 결정 방법
US10802408B2 (en) 2016-10-26 2020-10-13 Asml Netherlands B.V. Method for optimization of a lithographic process

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030029912A1 (en) * 2001-08-08 2003-02-13 Kun-Pei Li Lithography rework analysis method and system
DE102012207335A1 (de) * 2012-05-03 2013-03-28 Carl Zeiss Smt Gmbh Lithographieverfahren und projektionsbelichtungsanlage mit einem abbildungsfehler korrigierenden retikel und verfahren zur herstellung eines entsprechenden retikels
CN104865799A (zh) * 2015-05-14 2015-08-26 中国科学院光电技术研究所 一种光刻投影物镜偏振仿真分析方法
US20170336716A1 (en) * 2016-05-19 2017-11-23 Nikon Corporation Euv lithography system for dense line patterning
TW201802614A (zh) * 2016-06-20 2018-01-16 尼康股份有限公司 用於密集的線路圖案化的極短紫外光微影系統

Also Published As

Publication number Publication date
US20210116818A1 (en) 2021-04-22
EP3785077B1 (en) 2022-05-04
US11320743B2 (en) 2022-05-03
EP3785077A1 (en) 2021-03-03
EP3594749A1 (en) 2020-01-15
TW201945860A (zh) 2019-12-01
KR102493658B1 (ko) 2023-01-30
KR20200138328A (ko) 2020-12-09
CN112088337B (zh) 2023-07-11
CN112088337A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
KR102411813B1 (ko) 디바이스 제조 프로세스의 수율의 예측 방법
US12045555B2 (en) Method to label substrates based on process parameters
CN113406865B (zh) 确定图案化过程的校正的方法
TWI752305B (zh) 基於製程參數來標示基板之方法
TWI737261B (zh) 判定微影設備之校正之方法
TWI726483B (zh) 用於判定一半導體製造程序事件之根本原因之方法、電腦程式、及非暫時性電腦程式載體
TWI722699B (zh) 用於判定與半導體製程的效能度量有關之校正之方法、獲得用於判定與微影程序之效能度量有關的校正之至少一個經訓練模型的方法、電腦程式、及相關聯之非暫時性電腦程式載體及處理裝置
WO2019206498A1 (en) Method to label substrates based on process parameters
US11709432B2 (en) Method to characterize post-processing data in terms of individual contributions from processing stations