TWI777357B - 用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質 - Google Patents

用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質 Download PDF

Info

Publication number
TWI777357B
TWI777357B TW110100687A TW110100687A TWI777357B TW I777357 B TWI777357 B TW I777357B TW 110100687 A TW110100687 A TW 110100687A TW 110100687 A TW110100687 A TW 110100687A TW I777357 B TWI777357 B TW I777357B
Authority
TW
Taiwan
Prior art keywords
outlier
training data
pair
data
pairs
Prior art date
Application number
TW110100687A
Other languages
English (en)
Other versions
TW202142859A (zh
Inventor
巴瑞克 布蘭歐里茲
蘭 亞科比
奧費爾 斯拉格曼
伯茲 斯特萊希
Original Assignee
以色列商諾威量測設備股份有限公司
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 以色列商諾威量測設備股份有限公司 filed Critical 以色列商諾威量測設備股份有限公司
Publication of TW202142859A publication Critical patent/TW202142859A/zh
Application granted granted Critical
Publication of TWI777357B publication Critical patent/TWI777357B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G01B11/0625—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating with measurement of absorption or reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70681—Metrology strategies
    • G03F7/706833—Sampling plan selection or optimisation, e.g. select or optimise the number, order or locations of measurements taken per die, workpiece, lot or batch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Textile Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Manufacturing Of Magnetic Record Carriers (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本發明提供一種用於OCD計量的系統和方法，包括接收用於訓練OCD機器學習（ML）模型的訓練資料，包括多對相應的散射資料集和參考參數集。對於每一對，無論給定對是否是離群對，都計算一個或多個相應的離群度量，並應用相應的離群閾值。然後用訓練資料減去離群對，對OCD ML模型進行訓練。

Description

用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質
本發明總體上關於積體電路晶片圖案的光學檢查領域，尤其關於用於測量晶片圖案參數的演算法。
積體電路(IC)通過沉積、改變和去除積聚在晶片上堆疊結構中的薄層的多個步驟在半導體晶片上生產。這些堆疊結構(或“堆疊”)通常以重複圖案形成，該重複圖案像繞射光柵一樣具有光學特性。用於測量這些圖案的關鍵尺寸(CD)和材料屬性的現代計量學方法利用了這些光學特性。下文中，CD和材料屬性也被稱為“圖案參數”，或簡稱為“參數”。這些參數可以包括堆疊的高度、寬度和間距。如Dixit等人在“使用基於Mueller矩陣光譜的橢偏儀的光學關鍵尺寸計量方法對28nm間距的矽鰭片進行靈敏度分析和線邊緣粗糙度確定”中所述，J.Micro/Nanolith.MEMS MOEMS。14(3)，031208(2015)(通過引用併入本文)中，圖案參數還可包括：側壁角度(SWA)，間隔物寬度，間隔物下拉，外延接近度，立腳/底切，2維(HKMG)的過填充/底填充，3維輪廓(FinFET)和線邊緣粗糙度(LER)的分佈。
光學關鍵尺寸(OCD)計量採用散射法來測量散射資料，即反射光輻射，它表示圖案的光學特性。散射資料的測量集(也可稱為散射特徵碼)可以包括反射輻照度與輻射入射角的資料點(可能是零級測量)。可替代地或附加地，散射資料可以包括光譜圖，該光譜圖是在一定波長或頻率範圍內反射輻射強度的計量。本領域已知的其他類型的散射資料也可應用於OCD計量學中。
通過引用併入本文的Scheiner和Machavariani的美國專利第6,476,920號“用於測量圖案結構的方法和裝置”描述了“光學模型”(也稱為“物理模型”)的開發，該光學模型是定義反射輻射和晶片物理結構之間關係的函數(即一組演算法)。也就是說，光學模型是基於光學物理定律的理論模型，用於確定光如何從具有已知參數的圖案反射。因此，可以將這種光學模型應用於從一組已知的圖案參數中估計散射資料，該散射資料將在光譜測試期間測量。光學模型也可以被設計為執行相反的(或“逆”)函數，即根據測量的散射資料預測(即，“估計”)圖案參數。實際中使用的光學模型通常經過調整以符合測量資料。
光學模型通常應用於IC生產程式中的OCD計量，基於散射測量來測量是否使用正確的參數製造晶片圖案。可以測量給定晶片的每個圖案，以確定每個圖案的參數與設計規範或平均值的變化程度。
作為光學建模的替代方法，機器學習(ML)技術可用於基於散射資料的圖案參數預測。例如，如通過引用併入本文的Rothstein等人的PCT專利申請WO 2019/239380中所述，可以通過下述方法訓練機器學習模型以識別測量的散射資料和測量的參考參數之間的對應關係。在訓練了ML模型以從散射資料預測參數之後，可以將其應用於IC生產期間進行此類參數預測。
用於測量(獲取)散射資料(例如光譜圖)的示例性散射測量工具可包括光譜橢圓儀(SE)、光譜反射儀(SR)、偏振光譜反射儀以及其他光學關鍵尺寸(OCD)計量工具。此類工具已被納入到目前可用的OCD計量系統中。一種這樣的OCD計量系統是NOVA T600®改進的OCD計量工具，可從以色列雷霍沃特的Nova測量儀器有限公司購買，用於測量可能在指定測試地點或“模內”的圖案參數。測量關鍵尺寸(CD)的其他方法包括干涉法、X射線拉曼光譜法光譜分析(XRS)、X射線繞射(XRD)和泵探頭工具等。專利US 10,161,885、US 10,054,423、US 9,184,102和US 10,119,925中公開了此類工具的一些示例，和國際申請專利出版物WO2018/211505中，所有這些專利均轉讓給申請人，並通 過引用整體併入本文。
不依賴於上述光學模型的高精度圖案參數測量方法包括使用諸如CD掃描電子顯微鏡(CD-SEM)、原子力顯微鏡(AFM)、橫截面隧道電子顯微鏡(TEM)或X射線計量工具等設備進行晶片測量。
ML建模的缺點是依賴於測得的訓練資料，該訓練資料被假定為準確反映在後續生產中將遇到的資料的特徵。OCD設備或系統校準方面的問題可能會導致不可重複且不易識別的異常和測量錯誤。在這種情況下，訓練資料將導致訓練具有不指示實際資料特徵的ML模型。
如下文所公開的本發明的實施方式有助於克服這些缺點。
本發明的實施方式提供了一種用於OCD計量的系統和方法，其提供包括接收訓練資料的步驟，用於訓練OCD機器學習(ML)模型，其中所述訓練資料包括多對相應的輸入和輸出訓練資料。每對的輸入資料包括從晶片圖案測量的一組散射資料，並且每對的輸出資料包括從相同晶片圖案測量的參考參數。對於對的每對，通過計算以下項中的一項或多項可計算一個或多個相應的離群度量：1)參考參數與從相應的散射資料集預測的相應預測參數之間的差；2)散射資料集的價值函數與價值函數分佈的偏差之間的差；以及3)參考參數與參考參數的平均值或中位數之間的差。對於對的每對中的一個或多個離群度量的每一個，可將相應的離群閾值應用到離群度量，以確定對是否為離群對，以確定訓練資料中的一個或多個離群對。OCD ML模型接下來可用訓練資料減去一個或多個離群對來訓練。訓練教OCD ML模型根據新的散射資料預測各自的新預測參數。
在一些實施方式中，計算一個或多個離群度量包括計算庫克距離，所述庫克距離包括計算參考參數和相應的預測參數之間的平方差，並將平方差乘以槓桿係數。該槓桿係數表示平方差對庫克距離的影響。從該庫克距離確定 給定的一對是離群對之後，可從訓練資料中去除給定離群對，然後可計算新的庫克距離。
價值函數的分佈可能是訓練資料中的所有散射資料集的價值函數的分佈，並且給定的散射測量資料集Si的價值函數可能是通過Euclidian距離、Minikowski距離、Chebyshev距離、以及Si和訓練資料中所有散射資料集之間的Mahalonbis距離中的一個或多個來計算的。離群閾值可能是偏斜的箱形圖閾值，並且該偏斜的箱形圖閾值的上閾值W3可能是所述形式的函數：W3=a(IQR)eb MC，其中IQR是分佈的四分位間距，a和b是1到5範圍內的常數，MC是分佈的medcouple函數。
在進一步的實施方式中，一個或多個離群度量可能被計算為參考參數和訓練資料集中的所有參考參數的平均值之間的差，並且離群閾值可能是箱形圖閾值。
參考參數可能是在訓練資料中接收到的和與一組給定的散射資料相應的多個參考參數之一。多個參考參數和相應的散射資料集中的每一個可能包括一對相應的輸入和輸出訓練資料。在一些實施方式中，確定一對訓練資料是離群對可能包括確定散射資料集的其他訓練資料對也是離群對。
在一些實施方式中，通過將光學模型或先前生成的ML模型應用於相應的散射資料集來預測該預測參數。參考參數可能是通過一個或多個CD掃描電子顯微鏡(CD-SEM)、原子力顯微鏡(AFM)、橫截面隧道電子顯微鏡(TEM)或X射線計量工具進行高精度計量來測量的。訓練資料可能是從位於一個或多個晶片上的多個晶片圖案測量的。
在進一步的實施方式中，還提供了一種或多種在其上儲存有指令的非暫時性機器可存取的儲存介質，這些指令在由機器執行時使機器實現上述過程。
10:系統
12:晶片
14、14a:圖案
20:光源
22:光束
24:反射光或散射光
26:分光光度檢測器
30:計量系統
32:散射資料(集)
34:圖形資料
36:離群值濾波器
40:ML建模系統
44:參考參數
200:程式
214、222、224、232、234、242、244、250、260:步驟
220、230、240:濾波器
300:曲線圖
400:神經網路
420:輸入層
430:隱藏層
440:輸出層
為了更好地理解本發明的各個實施方式並示出如何可以實現相同的實施方式，參考圖式作為示例。示出本發明的結構細節以提供對本發明的基本理解，結合圖式進行的描述使本領域技術人員顯而易見知道如何在實踐中體現本發明的幾種形式。在圖式中：圖1是根據本發明的實施方式，具有離群值預處理的，用於OCD計量的機器學習模型的系統的示意圖；圖2是一個流程圖，描述了根據本發明的實施方式，利用離群值預處理的來生成用於OCD計量的機器學習模型的程式；圖3是根據本發明實施方式的用於離群值預處理的閾值設置的箱形圖形式的示意圖；以及圖4是根據本發明的實施方式的在離群濾波之後訓練的示例性神經網路的示意圖。
本發明的實施方式提供了通過用於生成機器學習(ML)模型以進行光學關鍵尺寸(OCD)監測的系統和方法，其中對訓練資料進行了離群值預處理。
圖1是本發明實施例的系統10的示意圖，系統10利用離群值預處理生成用於OCD計量的機器學習模型。
系統10可在生產線(未示出)內運行，以生產和監控晶片12。如圖所示，晶片12包括圖案14。如在放大圖案14a中所示出的，這些圖案具有諸如高度(“h”)、寬度(“w”)和間距(“p”)等參數，以及在上述背景技術中描述的其它參數。通常，晶片有設計成具有相同圖案的多個區域、段、或“管芯”(即，使用相同圖案設計來製造所有圖案)，儘管製造可變性可能導致這些圖案中的微小變化。通常將上述機器學習模型設計為從各種圖案幾何形狀預測圖案參數。對於每個圖案，可以測量一組多個參數，以下稱為“參考參數”。應當理解， 在關於從給定圖案測量單個參考參數描述以下方法的情況下，該方法可以擴展為針對給定圖案測量一組多個參考參數的情況。
系統10包括光源20，該光源生成預定波長範圍的光束22。光束22從晶片圖案14(示出為反射或“散射”光24)向分光光度檢測器26反射。在一些配置中，光源和分光光度檢測器包括在OCD計量系統30中(例如，橢偏儀或分光光度計)。計量系統30的構造和操作可以是任何已知的類型，例如，US 5,517,312、US 6,657,736、和US 7,169,015公開的，以及在國際申請專利出版物WO2018/211505中，全部分配給申請人並通過引用將其全部併入本文中。通常，計量系統30包括未示出的附加元件，例如導光光學器件，其可包括具有物鏡、分束器和反射鏡的光束偏轉器。這種系統的附加部件可以包括成像透鏡、偏光透鏡、可變光圈孔徑和馬達。這些元件的操作通常由電腦控制器自動執行，電腦控制器可以包括I/O設備，並且還可以配置為執行資料處理任務，例如生成散射資料32。
由計量系統30生成的散射資料32通常包括各種類型的圖形資料34，其可以用向量形式表示(例如光譜圖，其資料點是在不同波長處反射光強度的測量，或者反射輻照度與入射角的映射)。如上所述，散射資料集之間的變化表示不同的圖案參數。在典型的OCD計量中，所測量光的範圍可能包括可見光譜，也可能包括紫外線和紅外線區域的波長。用於OCD計量的典型光譜圖輸出可能具有245個資料點，覆蓋200至970nm的波長範圍。
在本發明的實施方式中，來自各個晶片圖案14的散射資料集32和來自相同的各個晶片圖案的相應的多組參考參數44被獲取為用於機器學習(ML)的一對相應的輸入和輸出訓練資料。散射資料集32通常是輸入資料，每個與形成輸出資料的一組相應參考參數44配對。
在執行ML建模之前，可以使用預處理離群值濾波器36來去除具有異常特徵的訓練資料對。下文描述了多種預處理離群值濾波方法。在一些實施 方式中，使用多種並行方法來確定訓練資料對是否是離群值對，使得如果任何一個或多個方法指示一對訓練資料對是離群值，則可以將該對確定為離群值。
在預處理後，包括本領域已知的ML工具的電腦系統(本文中稱為ML建模系統40)，可配置為訓練用於OCD計量的ML模型。如上所述，輸入資料通常包括散射資料集34，其對應於參考參數44可以用作ML訓練的目標輸出。可通過本領域已知的高精度手段(例如，CD-SEM、AFM、TEM、X射線計量或依賴於光學建模的高精度OCD光譜學)從一個或多個晶片圖案中獲取參考參數。在訓練之後，ML模型用於基於散射資料集來預測圖案參數，例如，可以應用於晶片生產的監控中。
ML建模系統40和預處理離群值濾波器可以獨立於計量系統30運行，或者該系統可以集成到單個計算平台中。
圖2是一個流程圖，描述了根據本發明的一個實施方式，用於生成具有離群值預處理的用於OCD計量的機器學習模型的程式200。程式200可以由如上所述的用於OCD計量的系統10實現，並且特別是由預處理離群值濾波器36和ML建模系統40來實現。
第一步驟214包括接收訓練資料，該訓練資料將用於OCD計量的機器學習(ML)模型的後續訓練。如上所述，對於每個晶片圖案，接收一對輸入和輸出訓練資料，該輸入資料是一組散射資料，而輸出資料是一個或多個參考參數。下述離群值方法是針對每對訓練資料獲取單個參考參數。如果對於給定的一組散射資料(即，相對於給定的晶片圖案)獲取了額外的參考參數，則可以通過考慮多個參考參數中的每一個以及其相應的散射資料集作為一對不同的訓練資料來實施以下描述的方法。(然而，在一些實施方式中，如果將包括給定的一組散射資料的一對確定為離群對，則可將與該組散射資料相關聯的所有對確定為離群對。或者，對於離群值處理，可以單獨處理這些對。)
在步驟214的資料獲取之後，可以將三種類型的離群值濾波器應用 於訓練資料對。每種類型的濾波器都會針對訓練資料對確定各自的離群度量。然後將各個方法的離群度量與各個離群閾值進行比較。在一些實施方式中，平行作業一個或多個離群值濾波器，並且如果任何離群值濾波器確定其為離群值對(即，即使根據一些離群值濾波器，該對不是離群值)，則將訓練對確定為離群值對。
第一離群值濾波器220基於將參考參數與預測參數進行比較來確定離群值。在濾波器的第一步驟222，將諸如光學模型或ML模型之類的預測模型應用於所獲取的散射資料的每組，以生成預測參數。(如果所獲取的散射資料的每組與多個參考參數相關聯，則可以在S222生成多個預測參數。)
在離群值濾波器的第二步驟224處，應用離群度量和隨後的離群閾值來確定相應參考參數和預測參數之間的差異是否指示相應的訓練資料對(即，參考參數和相應的散射資料)是一個離群對。
關於參考參數和預測參數之間的差異確定離群度量的一種方法是將離群度量計算為庫克距離。庫克距離通常用於測量回歸模型中的離群值。對於回歸模型中給定資料點i的庫克距離Di(即離群度量)的公式計算如下：
Figure 110100687-A0305-02-0010-1
為了在成對的參考和預測參數的情況下應用庫克距離，庫克距離的項可定義如下。
平方誤差項ei 2可以設置為：
Figure 110100687-A0305-02-0010-2
也就是說，將ei 2設置為參考參數和預測參數之間的平方差。
項“A”是歸一化常數，其可以設置為，例如1。
項hii是一個槓桿項，表示在計算庫克距離時給定資料點的權重(即參數對的權重)。項hii是對角矩陣H的項，可以根據以下公式進行設置： H=S(S T S) -1 S T
其中S是所有散射資料集的矩陣(即，對於n組資料，k個資料點中的每一個，S是n x k矩陣)。用於確定資料點是否為離群值的典型閾值為Di>1。 可以使用介於1到3之間的閾值範圍，這取決於離群閾值對於給定環境應有多嚴格的限制。可替代地，可以使用F-分佈根據百分值將Di確定為離群值。超過50的百分位數可用作閾值。
作為庫克距離的替代或補充，可在沒有槓桿函數的情況下針對參考參數和預測參數之間的平方差設置離群度量。例如，可以生成所有對的平方差的分佈，並且可以將任意一對的平方差與該分佈的度量之差用作離群度量。例如，分佈的度量可以以分佈的四分位元數為單位，閾值由Tukey箱形圖閾值設置，如圖3的曲線圖300所示。可以將離群值確定為不在四分位數之間範圍(IQR)，即小於Q1或大於Q3。箱形圖可能包括“晶鬚”W1和W3，延伸到相應的Q1和Q3四分位數之外。如圖所示，對於偏斜分佈，確定離群值的主要關注區域是當平方差大於W3時。下面關於離群值濾波器230描述設置這種閾值的示例。
與濾波器220並行，濾波器230和240可以應用於離群值預處理中，後者的濾波器可以在不生成額外的相應預測參數的情況下實現。
濾波器230針對散射資料集計算離群度量。每組散射資料可表示為向量Si(例如，對於給定波長範圍的輻照度值向量)。集合中的每個元素k(即，對應於波長的資料點)可表示為Ski。所有Ski值的平均值可以表示為Sk。對於每個Si，離群度量(步驟232)可計算為到多組散射資料的代表性分佈或向量的距離。這樣的距離在本文中也稱為“價值函數”。
計算這種價值函數的各種方法如下。
1. Euclidian距離(以集合Si的每個元素與所有集合的平均值之差衡量)：
Figure 110100687-A0305-02-0012-3
2. Minikowski距離：
Figure 110100687-A0305-02-0012-4
，其中p
Figure 110100687-A0305-02-0012-14
1
3. Chebyshev距離：
Figure 110100687-A0305-02-0012-5
4. Mahalonbis距離：
Figure 110100687-A0305-02-0012-6
如上所述，其中S是所有散射資料集的矩陣。
上述離群度量的各種示例是“偏斜”分佈，如圖3所示。單側箱形圖可用於設置閾值(步驟234)，即其中W1設置為最小距離(即零)的箱形圖，從而僅在閾值W3以上檢測到離群值。閾值W3可根據Brys等人在"A robust measure of skewness," Journal of Computational and Graphical Statistics,13(4)：996-1017(2004)中描述的“medcouple”(MC)函數進行設置。這種設置的示例形式可是以下形式：W3=a(IQR)e b MC ，其中IQR是分佈的四分位數範圍，a和b是1到5範圍內的常數，MC是medcouple函數。
medcouple函數的計算公式為：MC=h(x i ,x j )，具有以下限制：
Figure 110100687-A0305-02-0012-8
其中Q2是樣本中值，其中對於所有xi≠xj，核函數h由以下公式得出：
Figure 110100687-A0305-02-0013-9
濾波器240計算關於訓練資料的參考參數的離群度量。在步驟242，可確定直接的離群度量，其是給定參考參數與所有參考參數的平均值或中位數之間的歸一化距離。與圖3的曲線圖300的偏斜分佈相反，可以預期諸如這樣的分佈更加對稱。然後可在步驟244處設置箱形圖閾值，以確定作為離群值的訓練資料對。箱形圖中的“晶鬚”可能會延伸到Q1和Q3四分位數之外，例如，可以在任意方向上設置為3 x(IQR)。對於超出此範圍的參考參數，相應的訓練資料對將被視為離群值對。
在並存執行上述離群值濾波器的一個或多個步驟之後，在步驟250，在訓練ML模型之前，將離群值對從訓練資料中移除。然後將在步驟260處執行訓練。將從剩餘的訓練資料中訓練ML模型，例如下面關於圖4描述的神經網路。最終生產的ML模型將用於根據新的散射資料預測新圖案的參數。
圖4是根據本發明的一個實施方式的示例性ML模型的示意圖，例如在離群濾波之後訓練的神經網路400。在訓練過程中，以監督學習的方式提供了未作為離群值去除的訓練資料對。輸入資料，即散射資料集S，被饋送到輸入層420，隨後被饋送到隱藏層430。輸出層440的節點數量等於對應的參考參數的數量，即，如果存在多於一組大於“對”為每個晶片圖案測量。這些參考參數可以如圖1所示，例如，給定晶片疊層的高度、寬度和間距。實際上，訓練ML模型會創建一個映射，該映射隨後可應用於新的散射資料集以對應新的預測參數。訓練通常根據標準ML訓練方法執行，該方法可以包括例如L2正則化。通常，NN被訓練為最小化的損失函數是均方誤差(MSE)損失函數。較佳地，驗證將在訓練之後進行，其中驗證資料集使用從不同晶片獲取的資料集，而不是用於獲取訓練資料集的資料。上述離群濾波的方法也可以應用於驗證資料的預處理。
應當理解，根據常規技術，本文所示或所述的處理元件較佳地在非 暫時性電腦可讀介質中的電腦硬體和/或電腦軟體中的一個或多個電腦來實施，例如通過電腦匯流排或其他連接設備耦合的電腦處理器，記憶體，I/O設備和網路介面。
除非另有說明，本文所使用的術語“處理器”或“設備”旨在包括任何處理設備，諸如包括中央處理單元(CPU)和/或其他處理電路的設備(例如GPU)，另外，術語“處理器”或“設備”可以指多於一個的處理設備。與處理設備相關聯的各種元件可以被其他處理設備共用。
本文所使用的術語“記憶體”旨在包括與處理器或CPU相關聯的記憶體，例如RAM、ROM、固定記憶體設備(例如，硬碟驅動器)、卸除式存放裝置器設備(例如，軟碟、磁帶)、快閃記憶體等。這樣的記憶體可以認為是電腦可讀儲存介質。
另外，本文所使用的“輸入/輸出設備”或“I/O設備”可能包括一個或多個向處理單元輸入資料的輸入裝置(例如，鍵盤、滑鼠、掃描器、HUD等)，和/或一個或多個輸出設備(例如揚聲器、顯示器、印表機、HUD、AR、VR等)，用於顯示與處理單元相關的結果。
本發明的實施方式可包括系統、方法和/或電腦程式產品。電腦程式產品可包括一個電腦可讀儲存介質(或多個電腦可讀儲存介質)，該電腦可讀儲存介質中存有使處理器運行本發明的電腦可讀程式指令。
所述電腦可讀儲存介質可以是能夠保留和儲存指令以供指令執行設備使用的有形設備。電腦可讀儲存介質可以但不限於是，例如電子存放裝置、磁存放裝置、光存放裝置、電磁存放裝置、半導體存放裝置或上述設備任何適當組合。電腦可讀儲存介質的更具體示例的非窮舉清單包括以下內容：可擕式電腦軟碟、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可擦可程式設計唯讀記憶體(EPROM或快閃記憶體)、靜態隨機存取記憶體(SRAM)、可擕式光碟唯讀記憶體(CD-ROM)、數位多功能磁片(DVD)、藍光、磁帶、 全息記憶體記憶棒、軟碟、機械編碼設備(例如打孔卡或凹槽中的凸起結構，上面存有指令)，以及上述設備任何適當組合。如本文所使用的，電腦可讀儲存介質不應被解釋為暫態訊號本身，例如無線電波或其他自由傳播的電磁波、通過波導或其他傳輸介質傳播的電磁波(例如，通過光纖電纜的光脈衝)、或通過電線傳輸的電訊號。
所述電腦可讀程式指令可經由網路(例如，互聯網、局域網、廣域網路和/或無線網路)從電腦可讀儲存介質下載到各個計算/處理設備或下載到外部電腦或外部存放裝置。該網路可包括銅傳輸電纜、光傳輸光纖、無線傳輸、路由器、防火牆、交換機、閘道電腦和/或邊緣伺服器。每個計算/處理設備中的網路介面卡卡或網路介面從網路接收電腦可讀程式指令，轉發電腦可讀程式指令以儲存在相應的計算/處理設備內的電腦可讀儲存介質中。
用於執行本發明的操作的電腦可讀程式指令可以是組合語言程式指令、指令集架構(ISA)指令、機器指令、機器相關指令、微代碼、固件指令、狀態設置資料，或以一種或多種程式設計語言(包括物件導向的程式設計語言，例如Java、Smalltalk、C++等，以及常規面向過程的程式設計語言，例如C語言或類似的程式設計語言)的任意組合編寫的原始程式碼或目標代碼。電腦可讀程式指令可以全部在使用者電腦上、部分在使用者電腦上、作為獨立套裝軟體執行、部分在使用者電腦上部分在遠端電腦上、完全在遠端電腦或伺服器上執行。在後一種情況下，遠端電腦可以通過任何類型的網路(包括局域網(LAN)或廣域網路(WAN))連接到使用者電腦，或者可以與外部電腦建立連接(例如，通過使用互聯網服務提供者的互聯網)。在一些實施方式中，電子電路(包括例如可程式設計邏輯電路、現場可程式設計閘陣列(FPGA)、可程式設計邏輯陣列(PLA))可以通過利用電腦可讀程式指令的狀態資訊來執行電腦可讀程式指令個性化電子電路來執行本發明。
此處，根據本發明實施方式的方法、裝置(系統)和電腦程式產品 的流程圖和/或框圖描述了本發明的各個方面，應當理解，流程圖和/或框圖每個塊，以及流程圖和/或框圖的每個框的組合都可以通過電腦可讀程式指令來實施。
這些電腦可讀程式指令可提供給通用電腦、專用電腦或其他可程式設計資料處理設備的處理器，來產生機器，以使經由電腦的處理器或其他可程式設計資料處理設備的處理器執行的指令來創建方法，從而實施流程圖和/或框圖中指定的功能/動作。該電腦可讀程式指令還可以儲存在電腦可讀儲存介質中，該電腦可讀儲存介質可以指導電腦、可程式設計資料處理裝置和/或其他設備以特定方式工作，這樣其中存有指令的電腦可讀儲存介質包括製造物品，該製造物品包括實施流程圖和/或框圖中指定的功能/動作方面的指令。
也可以將所述電腦可讀程式指令載入到電腦、其他可程式設計資料處理裝置或其他設備上，以使得在電腦、其他可程式設計裝置或其他設備上執行一系列操作步驟，來產生電腦實施的流程，以使在電腦、其他可程式設計裝置或其他設備上執行的指令實施流程圖和/或框圖中指定的功能/動作。
本文中包括的任何流程圖和框圖描述了根據本發明的各個實施方式的系統、方法和電腦程式產品的可能實施的架構、功能和操作。就這點而言，流程圖或框圖中的每個框可以表示指令的模組、片段或一部分，包括用於實施指定的邏輯功能的一個或多個可執行指令。在一些替代實施方式中，框中示出的功能可以不按其中示出的順序發生。例如，實際上，根據所涉及的功能，基本上可以同時執行連續示出的兩個框，或者可以以相反的循序執行這些框。還應注意，框圖和/或流程圖的每個框以及框圖和/或流程圖框的組合可以由執行指定功能或動作的基於專用硬體的系統來實施，或執行指定功能的硬體和電腦指令的組合來實施。
對本發明各實施方式的描述僅為說明目的，並且不旨在排除或限制所披露的實施方式。在不脫離所描述的實施方式的範圍和精神的情況下，許多修改和變化對於本領域普通技術人員是顯而易見的。選擇本文使用的術語旨在 最好地解釋實施例的原理、對於市場中出現的技術的實際應用或技術改進，或者使本領域的普通技術人員能夠理解本文中公開的實施例。
200:程式
220、230、240:濾波器
214、222、224、232、234、242、244、250、260:步驟

Claims (23)

  1. 一種用於光學關鍵尺寸(OCD)計量的方法，包括以下步驟：接收用於訓練OCD機器學習(ML)模型的訓練資料，其中所述訓練資料包括多對相應的輸入訓練資料和輸出訓練資料，其中每對的所述輸入訓練資料包括從晶片圖案測量的一組散射資料，並且其中每對的所述輸出訓練資料包括從相同的晶片圖案測量的參考參數；對於所述對的每對，通過計算以下項中的一項或多項來計算一個或多個相應的離群度量：1)所述參考參數與從所相應的散射資料集預測的相應預測參數之間的差，2)所述散射資料集的價值函數與價值函數分佈的偏差之間的差，以及3)所述參考參數與參考參數的平均值或中位數之間的差；對於所述對的每對中的一個或多個所述離群度量的每一個，將相應的離群閾值應用到所述離群度量，以確定所述對是否為離群對，以確定所述訓練資料中的一個或多個離群對；以及用所述訓練資料減去一個或多個所述離群對來訓練所述OCD ML模型，以訓練所述OCD ML模型根據新的散射資料預測各自的新預測參數。
  2. 如請求項1所述之方法，其中，計算一個或多個所述離群度量包括計算庫克距離，所述庫克距離包括計算所述參考參數和相應的所述預測參數之間的平方差，並將所述平方差乘以槓桿係數，其中，所述槓桿係數表示所述平方差對所述庫克距離的影響。
  3. 如請求項2所述之方法，其進一步包括從所述庫克距離確定給定的一對是離群對，從所述訓練資料中回應地去除所給定的離群對，並計算新的庫克距離。
  4. 如請求項1所述之方法，其中，所述價值函數的分佈是所述訓練資料中的所有散射資料集的價值函數的分佈，並且其中給定的散射測量資料集Si的所述價值函數是通過Euclidian距離、Minikowski距離、Chebyshev距離、 以及Si和所述訓練資料中所有散射資料集之間的Mahalonbis距離中的一個或多個來計算的。
  5. 如請求項4所述之方法，其中，所述離群閾值是偏斜的箱形圖閾值，並且所述偏斜的箱形圖閾值的上閾值W3是以下形式的函數：W3=a(IQR)eb MC，其中IQR是所述分佈的所述四分位間距，a和b是1到5範圍內的常數，MC是所述分佈的medcouple函數。
  6. 如請求項1所述之方法，其中，一個或多個所述離群度量被計算為所述參考參數和所述訓練資料中的所有參考參數的平均值之間的差，並且其中所述離群閾值是箱形圖閾值。
  7. 如請求項1所述之方法，其中，所述參考參數是在所述訓練資料中接收到的與一組散射資料相應的多個參考參數之一，並且其中所述多個參考參數和相應的所述散射資料集中的每一個包括一對相應的輸入訓練資料和輸出訓練資料。
  8. 如請求項7所述之方法，其中，所述確定一對訓練資料是離群對包括確定包括所述散射資料集的其他訓練資料對也是離群對。
  9. 如請求項1所述之方法，其中，通過將光學模型或先前生成的ML模型應用於相應的所述散射資料集來預測所述預測參數。
  10. 如請求項1所述之方法，其中，所述參考參數是通過一個或多個CD掃描電子顯微鏡(CD-SEM)、原子力顯微鏡(AFM)、橫截面隧道電子顯微鏡(TEM)或X射線計量工具進行高精度計量來測量的。
  11. 如請求項1所述之方法，其中，所述訓練資料是從位於一個或多個晶片上的多個晶片圖案測量的。
  12. 一種用於光學關鍵尺寸(OCD)計量的系統，包括具有非暫態記憶體的處理器，所述記憶體包括指令，所述處理器執行指令時實現以下步驟： 接收用於訓練OCD機器學習(ML)模型的訓練資料，其中所述訓練資料包括多對相應的輸入訓練資料和輸出訓練資料，其中每對的所述輸入訓練資料包括從晶片圖案測量的一組散射資料，並且其中每對的所述輸出訓練資料包括從相同的晶片圖案測量的參考參數；對於所述對的每對，通過計算以下項中的一項或多項來計算一個或多個相應的離群度量：1)所述參考參數與從所相應的散射資料集預測的相應預測參數之間的差，2)所述散射資料集的價值函數與價值函數分佈的偏差之間的差，以及3)所述參考參數與參考參數的平均值或中位數之間的差；對於所述對的每對中的一個或多個所述離群度量的每一個，將相應的離群閾值應用到所述離群度量，以確定所述對是否為離群對，以確定所述訓練資料中的一個或多個離群對；以及用所述訓練資料減去一個或多個所述離群對來訓練所述OCD ML模型，以訓練所述OCD ML模型根據新的散射資料預測各自的新預測參數。
  13. 如請求項12所述之系統，其中，計算一個或多個所述離群度量包括計算庫克距離，所述庫克距離包括計算所述參考參數和相應的所述預測參數之間的平方差，並將所述平方差乘以槓桿係數，其中，所述槓桿係數表示所述平方差對所述庫克距離的影響。
  14. 如請求項13所述之系統，其進一步包括從所述庫克距離確定給定的一對是離群對，從所述訓練資料中回應地去除所給定的離群對，並計算新的庫克距離。
  15. 如請求項12所述之系統，其中，所述價值函數的分佈是所述訓練資料中的所有散射資料集的價值函數的分佈，並且其中給定的散射測量資料集Si的所述價值函數是通過Euclidian距離、Minikowski距離、Chebyshev距離、以及Si和所述訓練資料中所有散射資料集之間的Mahalonbis距離中的一個或多個來計算的。
  16. 如請求項15所述之系統，其中，所述離群閾值是偏斜的箱形圖閾值，並且所述偏斜的箱形圖閾值的上閾值W3是以下形式的函數：W3=a(IQR)eb MC，其中IQR是所述分佈的所述四分位間距，a和b是1到5範圍內的常數，MC是所述分佈的medcouple函數。
  17. 如請求項12所述之系統，其中，一個或多個所述離群度量被計算為所述參考參數和所述訓練資料中的所有參考參數的平均值之間的差，並且其中所述離群閾值是箱形圖閾值。
  18. 如請求項12所述之系統，其中，所述參考參數是在所述訓練資料中接收到的與一組散射資料相應的多個參考參數之一，並且其中所述多個參考參數和相應的所述散射資料集中的每一個包括一對相應的輸入訓練資料和輸出訓練資料。
  19. 如請求項18所述之系統，其中，所述確定一對訓練資料是離群對包括確定所述散射資料集的其他訓練資料對也是離群對。
  20. 如請求項12所述之系統，其中，通過將光學模型或先前生成的ML模型應用於相應的所述散射資料集來預測所述預測參數。
  21. 如請求項12所述之系統，其中，所述參考參數是通過一個或多個CD掃描電子顯微鏡(CD-SEM)、原子力顯微鏡(AFM)、橫截面隧道電子顯微鏡(TEM)或X射線計量工具進行高精度計量來測量的。
  22. 如請求項12所述之系統，其中，所述訓練資料是從位於一個或多個晶片上的多個晶片圖案測量的。
  23. 一種非暫時性機器可存取的儲存介質，在其上儲存了指令，所述指令在由機器執行時，使所述機器執行以下步驟：接收用於訓練關鍵尺寸(OCD)機器學習(ML)模型的訓練資料，其中所述訓練資料包括多對相應的輸入訓練資料和輸出訓練資料，其中每對的所述輸入訓練資料包括從晶片圖案測量的一組散射資料，並且其中每對的所述輸出訓 練資料包括從相同的晶片圖案測量的參考參數；對於所述對的每對，通過計算一下項中的一項或多項來計算一個或多個相應的離群度量：1)所述參考參數與從所相應的散射資料集預測的相應預測參數之間的差，2)所述散射資料集的價值函數與價值函數分佈的偏差之間的差，以及3)所述參考參數與參考參數的平均值或中位數之間的差；對於所述對的每對中的一個或多個所述離群度量的每一個，將相應的離群閾值應用到所述離群度量，以確定所述對是否為離群對，以確定所述訓練資料中的一個或多個離群對；以及用所述訓練資料減去一個或多個所述離群對來訓練所述OCD ML模型，以訓練所述OCD ML模型根據新的散射資料預測各自的新預測參數。
TW110100687A 2020-01-07 2021-01-07 用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質 TWI777357B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202062957825P 2020-01-07 2020-01-07
US62/957,825 2020-01-07

Publications (2)

Publication Number Publication Date
TW202142859A TW202142859A (zh) 2021-11-16
TWI777357B true TWI777357B (zh) 2022-09-11

Family

ID=76787875

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110100687A TWI777357B (zh) 2020-01-07 2021-01-07 用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質

Country Status (6)

Country Link
US (1) US12038271B2 (zh)
KR (1) KR20220123303A (zh)
CN (2) CN114930154B (zh)
IL (1) IL294556B2 (zh)
TW (1) TWI777357B (zh)
WO (1) WO2021140515A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202405371A (zh) * 2022-04-07 2024-02-01 以色列商諾威股份有限公司 用於光學臨界尺寸量測的方法、用於光學臨界尺寸量測的系統以及非暫時性機器可存取儲存媒體
CN118260690B (zh) * 2024-03-26 2024-09-24 兰州理工大学 一种精准识别风功率异常值的清洗方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192914A1 (en) * 2004-03-01 2005-09-01 Timbre Technologies, Inc. Selecting a profile model for use in optical metrology using a machine learining system
US20120323356A1 (en) * 2011-06-20 2012-12-20 Dziura Thaddeus G Method of optimizing an optical parametric model for structural analysis using optical critical dimension (ocd) metrology
US20140079312A9 (en) * 2010-06-17 2014-03-20 Nova Measuring Instruments Ltd. Method and system for optimizing optical inspection of patterned structures
US20150323316A1 (en) * 2014-05-09 2015-11-12 Kla-Tencor Corporation Signal Response Metrology For Scatterometry Based Overlay Measurements
TW201827785A (zh) * 2016-10-20 2018-08-01 美商克萊譚克公司 用於經圖案化晶圓特性化之混合度量

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002095534A2 (en) * 2001-05-18 2002-11-28 Biowulf Technologies, Llc Methods for feature selection in a learning machine
US20120323556A1 (en) 2011-06-15 2012-12-20 Chen Ti-Chih System and method for using pinyin and a dynamic memory state for modifying a hanyu vocabulary test
TWI600895B (zh) * 2012-08-15 2017-10-01 諾發測量儀器股份有限公司 原位控制製程的方法及設備
US11175589B2 (en) * 2013-06-03 2021-11-16 Kla Corporation Automatic wavelength or angle pruning for optical metrology
US10502694B2 (en) * 2013-08-06 2019-12-10 Kla-Tencor Corporation Methods and apparatus for patterned wafer characterization
US10482464B1 (en) * 2015-12-30 2019-11-19 Wells Fargo Bank, N.A. Identification of anomalous transaction attributes in real-time with adaptive threshold tuning
US10732516B2 (en) * 2017-03-01 2020-08-04 Kla Tencor Corporation Process robust overlay metrology based on optical scatterometry
US10598617B2 (en) * 2017-05-05 2020-03-24 Kla-Tencor Corporation Metrology guided inspection sample shaping of optical inspection results
US10504693B2 (en) * 2017-09-18 2019-12-10 Applied Materials Israel Ltd. Evaluating an object
US11067389B2 (en) * 2018-03-13 2021-07-20 Kla Corporation Overlay metrology system and method
CN109409528A (zh) * 2018-09-10 2019-03-01 平安科技（深圳）有限公司 模型生成方法、装置、计算机设备及存储介质
US11094053B2 (en) * 2018-10-08 2021-08-17 Kla Corporation Deep learning based adaptive regions of interest for critical dimension measurements of semiconductor substrates

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192914A1 (en) * 2004-03-01 2005-09-01 Timbre Technologies, Inc. Selecting a profile model for use in optical metrology using a machine learining system
US20140079312A9 (en) * 2010-06-17 2014-03-20 Nova Measuring Instruments Ltd. Method and system for optimizing optical inspection of patterned structures
US20120323356A1 (en) * 2011-06-20 2012-12-20 Dziura Thaddeus G Method of optimizing an optical parametric model for structural analysis using optical critical dimension (ocd) metrology
US20150323316A1 (en) * 2014-05-09 2015-11-12 Kla-Tencor Corporation Signal Response Metrology For Scatterometry Based Overlay Measurements
TW201827785A (zh) * 2016-10-20 2018-08-01 美商克萊譚克公司 用於經圖案化晶圓特性化之混合度量

Also Published As

Publication number Publication date
IL294556A (en) 2022-09-01
CN116880134A (zh) 2023-10-13
IL294556B1 (en) 2023-01-01
KR20220123303A (ko) 2022-09-06
US20230017097A1 (en) 2023-01-19
US12038271B2 (en) 2024-07-16
CN114930154B (zh) 2023-08-01
WO2021140515A1 (en) 2021-07-15
CN114930154A (zh) 2022-08-19
TW202142859A (zh) 2021-11-16
IL294556B2 (en) 2023-05-01

Similar Documents

Publication Publication Date Title
US11874605B2 (en) Verification metrology targets and their design
TWI760309B (zh) 用於校正計量工具之系統、方法及計算機程式產品
JP5959648B2 (ja) プロセス認識メトロロジー
TWI615909B (zh) 用於產生半導體量測模型之方法及系統
KR102254033B1 (ko) 광학 측정 방법 및 광학 측정 시스템
JP6924261B2 (ja) パターニングされたウェハの特性評価のためのハイブリッド計量
TWI804793B (zh) 用於光學關鍵尺寸計量的方法及系統
TWI772278B (zh) 用於快速自動判定用於高效計量之信號之系統、方法及電腦程式產品
TWI777357B (zh) 用於光學關鍵尺寸計量的方法和系統及機器可存取的儲存介質
US7742177B2 (en) Noise-reduction metrology models
TW201508240A (zh) 用於光學度量衡之自動波長或角度修剪
TW201606259A (zh) 用於度量之程式庫擴展系統，方法及電腦程式產品
TWI777353B (zh) 用於光學關鍵尺寸計量之方法及系統
TW202405371A (zh) 用於光學臨界尺寸量測的方法、用於光學臨界尺寸量測的系統以及非暫時性機器可存取儲存媒體

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent