TWI783220B - 用於半導體晶片表面形貌計量的系統和方法 - Google Patents

用於半導體晶片表面形貌計量的系統和方法 Download PDF

Info

Publication number
TWI783220B
TWI783220B TW109112300A TW109112300A TWI783220B TW I783220 B TWI783220 B TW I783220B TW 109112300 A TW109112300 A TW 109112300A TW 109112300 A TW109112300 A TW 109112300A TW I783220 B TWI783220 B TW I783220B
Authority
TW
Taiwan
Prior art keywords
signal
semiconductor wafer
signals
spectral
interference
Prior art date
Application number
TW109112300A
Other languages
English (en)
Other versions
TW202133289A (zh
Inventor
王思聰
丁小葉
Original Assignee
大陸商長江存儲科技有限責任公司
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 大陸商長江存儲科技有限責任公司 filed Critical 大陸商長江存儲科技有限責任公司
Publication of TW202133289A publication Critical patent/TW202133289A/zh
Application granted granted Critical
Publication of TWI783220B publication Critical patent/TWI783220B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • 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
    • G01B11/0608—Height gauges
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2441—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures using interferometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02015—Interferometers characterised by the beam path configuration
    • G01B9/02029—Combination with non-interferometric systems, i.e. for measuring the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02055—Reduction or prevention of errors; Testing; Calibration
    • G01B9/02056—Passive reduction of errors
    • G01B9/02057—Passive reduction of errors by using common path configuration, i.e. reference and object path almost entirely overlapping
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02055—Reduction or prevention of errors; Testing; Calibration
    • G01B9/0207—Error reduction by correction of the measurement signal based on independently determined error sources, e.g. using a reference interferometer
    • G01B9/02072—Error reduction by correction of the measurement signal based on independently determined error sources, e.g. using a reference interferometer by calibration or testing of interferometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02055—Reduction or prevention of errors; Testing; Calibration
    • G01B9/02075—Reduction or prevention of errors; Testing; Calibration of particular errors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02083—Interferometers characterised by particular signal processing and presentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02083—Interferometers characterised by particular signal processing and presentation
    • G01B9/02084—Processing in the Fourier or frequency domain when not imaged in the frequency domain
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/0209—Low-coherence interferometers
    • 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
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/45—Interferometric spectrometry

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Instruments For Measurement Of Length By Optical Means (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明用於測量半導體晶片的表面形貌的系統和方法包括由至少一個處理器接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個對應於半導體晶片表面上的相應一個位置。由至少一個處理器使用模型將光譜訊號分類成多個類別，其中每個類別對應於半導體晶片的表面上具有相同材料的區域。表面基線與這些類別中的至少一個類別之間的表面高度偏移是由至少一個處理器至少部分地基於與對應於這些類別中的所述至少一個類別的區域相關聯的校準訊號來確定的。半導體晶片的表面形貌由至少一個處理器至少部分地基於表面高度偏移和干涉訊號來表徵。

Description

用於半導體晶片表面形貌計量的系統和方法
本發明內容的實施例涉及半導體製造中的計量系統和方法。
表面形貌是一種重要的表面性質，並且它影響半導體產品的性能及其製造製程。例如，已經越來越多地在半導體元件中使用晶圓鍵合製程來實現創新的堆疊結構。定義晶圓表面的平坦度的形貌是實現良好鍵合結果的最關鍵因素之一。成功的鍵合製程需要兩個晶圓的超精密對準，以及鍵合介面的平面化。例如，介面形貌缺陷可能在鍵合製程中導致晶圓邊緣模具打開問題，從而導致嚴重的成品率損失或降級率。
本文公開了用於測量半導體晶片的表面形貌的系統和方法的實施例。
在一個示例中，公開了一種用於測量半導體晶片的表面形貌的方法。由至少一個處理器接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個對應於半導體晶片表面上的多個位置中的相應的一個位置。由至少一個處理器使用模型將光譜訊號分類成多個類別。這些類別中的每個類別對應於半導體晶片的表面上具有相同材料的區域。表面基線與這些類別中的至少一 個類別之間的表面高度偏移是由至少一個處理器至少部分地基於與對應於這些類別中的所述至少一個類別的區域相關聯的校準訊號來確定的。半導體晶片的表面形貌由至少一個處理器至少部分地基於表面高度偏移和干涉訊號來表徵。
在另一個示例中，一種用於測量半導體晶片的表面形貌的系統包括干涉儀、光譜儀、掃描探針顯微鏡(SPM)或電子顯微鏡、以及至少一個處理器。干涉儀被配置為提供多個干涉訊號，每個干涉訊號對應於半導體晶片表面上的多個位置中的相應的一個位置。光譜儀被配置為提供多個光譜訊號，每個光譜訊號對應於半導體晶片表面上的多個位置中的相應的一個位置。SPM或電子顯微鏡被配置為提供多個校準訊號。所述至少一個處理器被配置為使用模型將光譜訊號分類成多個類別。這些類別中的每個類別對應於半導體晶片的表面上具有相同材料的區域。所述至少一個處理器還被配置為至少部分地基於與對應於這些類別中的至少一個類別的區域相關聯的校準訊號中的至少一個校準訊號，來確定表面基線與這些類別中的所述至少一個類別之間的表面高度偏移。所述至少一個處理器還被配置為至少部分地基於表面高度偏移和干涉訊號來表徵半導體晶片的表面形貌。
在另一個示例中，一種有形電腦可讀設備具有在其上儲存的指令，當所述指令被至少一個計算設備執行時，使得所述至少一個計算設備執行步驟。這些步驟包括：接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個對應於半導體晶片表面上的多個位置中的相應的一個位置。這些步驟還包括：使用模型將光譜訊號分類成多個類別。這些類別中的每個類別對應於半導體晶片的表面上具有相同材料的區域。這些步驟還包括：至少部分地基於與對應於這些類別中的至少一個類別的區域相關聯的校準訊號，來確定表面基線與這些類別中的所述至少一個類別之間的表面高度偏移。這些步驟還包括：至少部分地基於表面高度偏移和干涉訊號來表徵半導體晶片的形貌。
在另一個示例中，公開了一種用於訓練模型的方法。由至少一個處理器提供用於對光譜訊號進行分類的模型。由至少一個處理器獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的光譜訊號的類別。光譜訊號與半導體晶片表面上的位置相對應，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。由所述至少一個處理器至少部分地基於訓練樣本中的每個訓練樣本中的光譜訊號的標記的類別和分類的類別之間的差異，來調整模型的參數。
在另一個示例中，一種用於訓練模型的系統包括記憶體和操作地耦合到所述記憶體的至少一個處理器。所述至少一個處理器被配置為提供用於對光譜訊號進行分類的模型。所述至少一個處理器還被配置為獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的光譜訊號的類別。光譜訊號與半導體晶片表面上的位置相對應，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。所述至少一個處理器還被配置為至少部分地基於訓練樣本中的每個訓練樣本中的光譜訊號的標記的類別與分類的類別之間的差異，來調整模型的參數。
在另一個示例中，一種有形電腦可讀設備具有在其上儲存的指令，當所述指令被至少一個計算設備執行時，使得所述至少一個計算設備執行步驟。這些步驟包括：提供用於對光譜訊號進行分類的模型。這些步驟還包括：獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的光譜訊號的類別。光譜訊號與半導體晶片表面上的位置相對應，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。這些步驟還包括：至少部分地基於訓練樣本中的每個訓練樣本中的光譜訊號的標記的類別與分類的類別之間的差異，來調整模型的參數。
1-8:類別
100,2100:系統
102,600,1300,1700,2400:計算設備
104,300,301:干涉儀
106,316:光譜儀
108:SPM/EM
110,612:干涉訊號
112,1306,1702,2004:光譜訊號
114,614:校準訊號
116:表面形貌
1202,2008:原始高度圖
1204,2006:分類圖
1206:校準的高度圖
1302:光譜訊號分類器
1304:域變換單元
2002:表面圖案
202,203:半導體晶片
204:透明層
206:白光
208,210:干涉條紋
2102:模型訓練模組
2106:訓練樣本
2108:訓練演算法
2110:目標函數
212:頂表面反射分量
214:基底分量
216:內部反射分量
2402:使用者輸入/輸出介面
2403:使用者輸入/輸出設備
2404:處理器
2406:通訊基礎設施
2408:主記憶體
2410:輔助記憶體
2412:硬碟驅動器
2414:可移動儲存驅動器
2418,2422:可移動儲存單元
2420:介面
2424:通訊介面
2426:通訊路徑
2428:遠程設備、網路、實體
302:光源
304:檢測器
306:樣品架
308:樣品
310:掃描器
312:資料庫
318:分束器
602:干涉訊號分類器
604:校準模組
606:表徵模組
608,1308,2104:模型
610:表面高度計算單元
802,804:區域
806:校準圖案
900,1000,1100,1500,1600,1800,1900,2200,2300:方法
902,904,906,908,1002,1004,1006,1008,1102,1104,1106,1502,1504,1602,1604,1802,1902,2202,2204,2206,2302:步驟
A,B:類別
HA:形貌階梯高度
HI:干涉階梯高度
O:表面高度偏移
w:寬度
被併入本文並形成說明書的一部分的圖式說明了本發明內容的實施例，並且連同描述一起，進一步用於解釋本發明內容的原理，並且使相關領域技術人員能夠製造和使用本發明內容。
圖1根據本發明內容的一些實施例示出了用於測量半導體晶片的表面形貌的示例性系統的示意圖。
圖2A根據本發明內容的一些實施例示出了不具有透明層以及從中獲得的干涉訊號的示例性半導體晶片的橫截面。
圖2B根據本發明內容的一些實施例示出了具有透明層和從中獲得的另一干涉訊號的另一種半導體晶片的橫截面。
圖3A根據本發明內容的一些實施例示出了示例性干涉儀的圖。
圖3B根據本發明內容的一些實施例示出了具有光譜儀的另一種示例性干涉儀的圖。
圖4A根據本發明內容的一些實施例示出了白光光源的示例性組成光。
圖4B根據本發明內容的一些實施例示出了由圖4A中的白光光源的組成光產生的示例性干涉訊號。
圖5A根據本發明內容的一些實施例示出了氙氣(Xe)燈的示例性組成光。
圖5B根據本發明內容的一些實施例示出了由圖5A中的氙氣燈的組成光產生的示例性干涉訊號。
圖6根據本發明內容的一些實施例示出了圖1中的用於測量半導體晶片的表面形貌的系統的示例性計算設備的示意圖。
圖7A示出了根據本發明內容的一些實施例的示例性八個干涉訊號。
圖7B根據本發明內容的一些實施例示出了被分成四個類別的圖7A中的示例性八個干涉訊號。
圖8A和圖8B根據本發明內容的一些實施例示出了表面高度偏移校準和校準的表面高度計算的示例性過程。
圖9是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的示例性方法的流程圖。
圖10是根據本發明內容的一些實施例的用於計算校準的表面高度的示例性方法的流程圖。
圖11是根據本發明內容的一些實施例的用於生成校準的高度圖的示例性方法的流程圖。
圖12示出了根據本發明內容的一些實施例的示例性原始高度圖、分類圖和校準的高度圖。
圖13根據本發明內容的一些實施例示出了圖1中的用於測量半導體晶片的表面形貌的系統的另一種示例性計算設備的示意圖。
圖14A示出了根據本發明內容的一些實施例的示例性12個干涉訊號。
圖14B根據本發明內容的一些實施例示出了從圖14A中的示例性12個干涉訊號變換而來的12個光譜訊號。
圖15是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的另一種示例性方法的流程圖。
圖16是根據本發明內容的一些實施例的用於生成校準的高度圖的另一種示例性方法的流程圖。
圖17根據本發明內容的一些實施例示出了圖1中的用於測量半導體晶片的表面形貌的系統的另一種示例性計算設備的示意圖。
圖18是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的另一種示例性方法的流程圖。
圖19是根據本發明內容的一些實施例的用於生成校準的高度圖的另一種示 例性方法的流程圖。
圖20示出了根據本發明內容的一些實施例的示例性半導體晶片表面圖案、原始高度圖、光譜訊號和分類圖。
圖21根據本發明內容的一些實施例示出了訓練用於表面形貌表徵的模型的示例性系統的示意圖。
圖22是根據本發明內容的一些實施例的用於訓練用於表面形貌表徵的模型的示例性方法的流程圖。
圖23是根據本發明內容的一些實施例的用於訓練用於表面形貌表徵的模型的另一種示例性方法的流程圖。
圖24根據本發明內容的一些實施例示出了示例性計算設備的功能方塊圖。
將參考圖式來描述本發明內容的實施例。
雖然討論了具體的配置和佈置，但應當理解，這僅是出於說明性目的而進行的。相關領域技術人員將認識到，在不脫離本發明內容的精神和範圍的情況下，可以使用其它配置和佈置。對於相關領域技術人員來說顯而易見的是，本發明內容還可以用於各種各樣的其它應用中。
應當注意，說明書中對“一個實施例”、“某個實施例”、“示例性實施例”、“一些實施例”等等的引用，指示所描述的實施例可以包括特定的特徵、結構或特性，但每個實施例可能不必然地包括該特定的特徵、結構或特性。此外，這樣的短語不必然地指代同一實施例。另外，當結合實施例描述特定的特徵、結構或特性時，無論是否被明確地描述，結合其它實施例來實現這樣的特徵、結構或特性將在相關領域技術人員的知識範圍內。
通常，可以至少部分地根據上下文中的使用來理解術語。例如，至 少部分地根據上下文，如本文使用的術語“一個或多個”可以用於以單數意義來描述任何特徵、結構或特性，或者可以用於以複數意義來描述特徵、結構或特性的組合。類似地，諸如“一個(a)”、“一個(an)”或“所述(the)”之類的術語可以被理解為傳達單數用法或者傳達複數用法，其至少部分地取決於上下文。另外，可以將術語“基於”理解為不必然地旨在傳達因素的排他性集合，而是可以至少部分地根據上下文，替代地允許存在不必然明確描述的額外因素。
如本文使用的，術語“基底”指代在其上添加後續材料層的材料。基底本身可以被圖案化。被添加在基底的頂部的材料可以被圖案化或者可以保持不被圖案化。此外，基底可以包括各種各樣的半導體材料，諸如矽、鍺、砷化鎵、磷化銦等等。替代地，基底可以由諸如玻璃、塑膠或藍寶石晶圓之類的非導電材料來製成。
如本文使用的，術語“層”指代包括具有厚度的區域的材料部分。層可以在底層或覆蓋結構的全部之上延伸，或者可以具有比底層或覆蓋結構的範圍更小的範圍。此外，層可以是均勻或不均勻連續結構的區域，其中不均勻連續結構具有比連續結構的厚度更小的厚度。例如，層可以位於連續結構的頂表面和底表面之間或者頂表面和底表面處的任何一對水平平面之間。層可以水平地、垂直地和/或沿錐形表面延伸。基底可以是層，可以在其中包括一層或多層，和/或可以在其上、之上和/或之下具有一層或多層。層可以包含多層。例如，互連層可以包括一個或多個導體和觸點層(其中在觸點層中形成互連線和/或通孔觸點)和一個或多個電介質層。
原子力顯微鏡(AFM)是用於形貌測量的常用方法之一。但是，它受困於低吞吐率，這嚴重地限制了AFM的內聯(inline)使用，並且還限制了故障排除效率和學習週期的頻率。形貌計量的另一類別包括電子顯微鏡(諸如掃 描電子顯微鏡(SEM)或透射電子顯微鏡(TEM))，其受困於長週期時間和晶圓消耗。同樣由於在一些情況下實際形貌可能在100nm之內，但測量範圍可能在微米級別，因此SEM/TEM是不可靠的，這是由於X/Y比率超過1000倍的關係。
與AFM和SEM/TEM相比，白光干涉法(WLI)是一種更實用且高效的形貌表徵方法，其輸送量可以比AFM高100倍以上，並且其還可以實現模具級大面積測量。與基於鐳射的干涉儀不同，WLI在空間域中具有訊號包絡的特徵，以顯示來自某個反射表面的精確且可分辨的高度資訊。然而，用於晶圓表面形貌測量的常規WLI方法的準確度和精確度低於AFM的準確度和精確度。
根據本發明內容的各種實施例提供了適用於半導體晶片大批量生產同時仍保持足夠的準確度和精確度的、具有高輸送量的內聯表面形貌計量的有效系統和方法。根據本發明內容的一些方面，來自光學測量的訊號(諸如干涉訊號或光譜訊號)與機器學習模型相結合，可以在無需不透明的膜沉積和產品晶圓消耗的情況下實現高輸送量、半導體晶片表面形貌的內聯測量。在一些實施例中，將諸如低相干干涉條紋之類的干涉訊號分成若干類別(例如，使用機器學習)，若干類別中的每個類別都被添加有從另一種測量方法(例如，AFM或SEM/TEM)校準的相應的表面高度偏移。結果，可以容易地以高準確度和精確度獲得具有多層的半導體晶片的校準的表面高度(在一些情況下，以及來自其的校準的高度圖)。在一些實施例中，可以直接從光譜儀或者間接地從干涉訊號(例如，使用傅立葉變換)獲得包含樣品的材料和結構資訊的諸如反射譜的光譜訊號，其可以被類似地分成若干類別(例如，使用另一種機器學習模型)，若干類別中的每個類別被添加有其固有的表面高度偏移，其中該偏移是透過例如AFM或SEM/TEM測量校準的。
根據本發明內容的一些方面，可以在對系統的光學元件和檢測器進行最小改變或者不改變的情況下，操縱光源光譜，諸如被擴展到更寬的範圍(例 如，使用Xe燈)。較大的光譜範圍將產生較窄的訊號。因此，可以減小低相干干涉條紋的寬度，從而提高表面形貌測量的信噪比(SNR)和可重複性。結果，由於可以透過擴展的光源光譜降低厚度要求，因此可以擴展測試樣品的無重疊區(即，膜厚度)。
圖1根據本發明內容的一些實施例示出了用於測量半導體晶片的表面形貌的示例性系統100的示意圖。系統100可以包括具有至少一個處理器的計算設備102，所述至少一個處理器實現本文公開的用於測量半導體晶片的表面形貌116的各種功能，諸如使用機器學習模型的分類、表面高度推導和校準、以及訊號變換。系統100還可以包括一種或多種光學測量儀器，其可以提供從半導體晶片的表面採樣的一種或多種類型的訊號，這些訊號被用作由計算設備102對表面形貌進行表徵的輸入訊號。在一些實施例中，系統100的光學測量儀器包括干涉儀104，該干涉儀104被配置為提供多個干涉訊號110，每個干涉訊號110對應於半導體晶片的表面上的多個位置中的相應的一個位置。在一些實施例中，系統100的光學測量儀器還包括光譜儀106，其被配置為提供多個光譜訊號112，每個光譜訊號對應於半導體晶片表面上的多個位置中的相應的一個位置。即，可以對半導體晶片表面上的多個位置進行採樣，並且可以分別透過干涉儀104和光譜儀106獲得從那些位置採樣的干涉訊號110和光譜訊號112。應當理解，在一些實施例中，在系統100中可以不包括光譜儀106。在一個示例中，可以將干涉訊號110而不是光譜訊號112用作計算設備102的輸入訊號。在另一個示例中，可以將干涉訊號110變換成光譜訊號112，並且干涉訊號110和光譜訊號112都可以被用作計算設備102的輸入訊號。
圖2A根據本發明內容的一些實施例示出了不具有透明層以及從中獲得的干涉訊號的示例性半導體晶片202的橫截面。例如，圖1中的系統100的干涉儀104可以使用干涉法，來獲得干涉訊號。干涉法是一種對波(通常是電磁波) 進行疊加，從而引起干涉現象(該現象用於提取資訊)的技術。干涉儀在科學和工業中被廣泛地用於測量小位移、折射率變化和表面不規則性。在干涉儀中，可以將來自單一光源的光分成以不同的光學路徑進行傳播的兩束光，然後對它們再次合併以產生干涉。產生的干涉訊號(諸如干涉條紋)可以提供關於光程長度差異的資訊。作為一種類型的干涉法，低相干干涉法是用於表面形貌測量的非接觸光學方法，其依賴於諸如可見波長光(即，白光)之類的光譜寬頻。低相干干涉法技術利用例如白光的低相干特性，透過使來自樣品表面和參考表面的光反射通過分束器，從而產生干涉波，其中分束器轉而用於基於光程差異來獲取表面輪廓。
如圖2A中示出的，樣品是半導體晶片202，並且在半導體晶片202的表面上的位置處照射白光206並且該白光從半導體晶片202的表面進行反射。半導體晶片202可以包括邏輯元件晶片，諸如中央處理單元(CPU)、圖形處理單元(GPU)、應用處理器(AP)、可程式設計邏輯元件(PLD)或微控制器單元(MCU)、存放裝置晶片(諸如快閃記憶體、動態隨機存取記憶體(DRAM)或靜態隨機存取記憶體(SRAM))或者任何其它適當的半導體晶片。應當理解，半導體晶片202並不限於最終產品，其可以包括在製造過程期間的任何中間結構或者裸晶圓。例如，半導體晶片202可以包括在鍵合製程(諸如混合鍵合)之前要被鍵合的晶圓。如本文使用的，“晶圓”是在其內和/或之上構建並且在被分離成管芯之前可以經歷各種製造製程的用於半導體元件的一片半導體材料。裸晶圓是在經歷任何製造製程之前的處於原始形式的晶圓。晶圓可以包括矽(例如，單晶矽)、矽鍺(SiGe)、砷化鎵(GaAs)、鍺(Ge)、絕緣體上矽(SOI)或者任何其它適當的材料。在一個示例中，晶圓可以是矽晶圓。但是，根據一些實施例，需要在製造製程之前、之中或之後測量半導體晶片202的表面形貌以進行品質控制。
在一些實施例中，在圖2A中照射白光206的位置處於不透明層中，諸如矽基底的表面或者在矽基底上形成的具有不透明材料的任何層，其中不透明材料包括例如金屬(例如，銅、鎢、鈷等)、多晶矽，僅舉幾個例子。對應於半導體晶片202表面處的不透明層中的位置的干涉訊號包括低相干干涉法的干涉條紋208(還被稱為“訊號包絡”)，根據一些實施例，該干涉條紋208顯示了組成波長的疊加訊號如何在所有模式在相位上都一致的點(所謂的固定相位位置)處產生高條紋對比度。因此，可以從干涉訊號的干涉條紋208中解析並匯出該位置處的表面高度。換句話說，根據一些實施例，干涉訊號與該位置處的原始表面高度相關聯。
更具挑戰性的情況是塗覆有透明薄膜層的樣品。圖2B根據本發明內容的一些實施例示出了具有透明層204以及從中獲得的另一干涉訊號的另一種示例性半導體晶片203的橫截面。應當理解，在一些實施例中，半導體晶片203可以是與半導體晶片202相同的晶片，而在透明層204中的不同位置(諸如玻璃基底的表面或者在矽或玻璃基底上形成的具有包括例如氧化矽或氮化矽的透明材料的任何層)處照射白光206。
如圖2B中示出的，根據一些實施例，在各種介面處(諸如透明層204的頂表面、不透明層的頂表面(例如，基底表面))反射白光206，以及由頂表面與基底表面之間的內部反射產生的回波。結果，對應於半導體晶片203的表面處的透明層204中的位置的另一干涉訊號包括低相干干涉法的另一干涉條紋210。與圖2A中的干涉條紋208不同，干涉條紋210可以包括三個分量：對應於透明層204的頂表面的頂表面反射分量212、對應於半導體晶片203的基底的基底分量214、以及對應於內部反射產生的回波的內部反射分量216。與對應於不透明層中的位置的干涉訊號相比，對應於透明層中的位置的干涉訊號具有更複雜的干涉條紋，不能透過其來準確地和精確地分辨出表面高度。即，對於具有多層 (特別是一個或多個透明層)的半導體晶片，非相干疊加干涉訊號包括：對來自多個層的光強度的干涉貢獻進行求和，這可能不適合從其直接推導出表面高度資訊。如下面詳細描述的，由計算設備102運行的機器學習模型可以在不知道實際結構的情況下，將複雜的輸入訊號(諸如具有多分量干涉條紋的干涉訊號)過濾成一些類別，從而提高表面形貌測量的準確度和精確度。
圖3A根據本發明內容的一些實施例示出了示例性干涉儀300的圖。干涉儀300可以是圖1中的干涉儀104的一個示例(諸如低相干干涉儀)。干涉儀300可以包括光源302、檢測器304、保持樣品308的樣品架306和掃描器310。在一些實施例中，干涉儀300是白光干涉顯微鏡，其將干涉儀與顯微鏡的光學元件(其包括例如鏡筒透鏡、聚光透鏡、分束器、物鏡鏡子等等)組合在一起。掃描器310可以是被配置為垂直地移動物鏡(例如，Mirau物鏡)的準確定位台(例如，壓電致動器)。根據一些實施例，當衝擊到圖元上的光的光程長度對於參考光束和目標光束是相同的時，該圖元的干涉訊號具有最大調製。這樣，當相關圖的調製最大時，該圖元在樣品308的表面上的位置的表面高度對應於掃描器310的z值。應當理解，雖然將干涉儀300示出為具有Mirau物鏡的Mirau干涉儀，但是干涉儀300可以是任何其它適當類型的干涉儀(諸如具有Twyman-Green物鏡的Twyman-Green干涉儀)。還應當理解，在一些實施例中，資料庫312可以連接到檢測器304以儲存干涉訊號或者與干涉訊號相關聯的任何其它資訊(諸如從干涉訊號匯出的原始表面高度)，以用於將來的處理。
光源302可以包括用於低相干干涉法的任何適當的光源。在一些實施例中，光源302包括白光光源，該白光光源包括但不限於白熾燈(例如，鎢鹵素燈)、螢光燈和白光發光二極體(LED)。光源302的光譜的波長範圍可以在大約400nm與大約900nm之間(諸如在400nm與900nm之間)。在一些實施例中，光源302的光譜的波長範圍與白光的光譜(還被稱為“可見光譜”)的波長範圍相 同，例如，在大約400nm與大約700nm之間，諸如在400nm與700nm之間。圖4A示出了根據本發明內容的一些實施例的白光光源的示例性組成光。白光光源的組成光可以包括如圖4A中示出的紅光、綠光和藍光。在一些實施例中，組成光可以進一步包括紫光、青光、黃光和橙光。
圖4B根據本發明內容的一些實施例示出了由圖4A中的白光光源的組成光產生的示例性干涉訊號。在該示例中，白光光源的光譜的波長範圍在400nm與900nm之間，並且x軸和y軸分別表示掃描器的z值和干涉訊號強度。如圖4B中示出的，干涉訊號包括具有約2μm的寬度w的干涉條紋。應當理解，當干涉訊號對應於樣品表面上的透明層中的位置時，干涉條紋的多個分量可以被重疊(疊加)以增加干涉條紋的寬度和/或具有多個峰(例如，圖2B中的干涉條紋210)，與理論的高斯分佈相比，它降低了SNR。對於表面高度的直接匯出和使用機器學習進行分類，干涉訊號中的更窄和更簡單的干涉條紋(例如，具有單個窄峰)是優選的，這是因為它具有更高的SNR、垂直解析度和可重複性，這轉而可以用於測量具有較薄的透明層的半導體晶片的表面形貌。
返回參考圖3A，由於干涉條紋的寬度取決於光源302的光譜寬度，因此光源302的光譜可以被擴展到更寬的範圍，以便減小干涉訊號的干涉條紋的寬度，從而提高干涉訊號的SNR、垂直解析度和可重複性。此外，由於可以相應地減小厚度要求，因此轉而可以擴展無重疊區(例如，透明層的厚度)。在一些實施例中，光源302的光譜大於白光的光譜。例如，光源302的光譜可以進一步包括紫外線(UV)光或紅外線(IR)光中的至少一種。在一些實施例中，光源302的光譜的波長範圍大於在大約400nm與大約700nm之間的範圍(例如，可見光譜)，諸如大於在400nm與700nm之間的範圍。即，光源302的光譜的波長可以小於400nm和/或大於700nm。在一些實施例中，光源302的光譜的波長範圍大於在大約400nm與大約900nm之間的範圍(諸如大於在400nm與900nm之間的 範圍)。即，光源302的光譜的波長可以小於400nm和/或大於900nm。在一個示例中，光源302的光譜的波長範圍可以在大約190nm與大約1100nm之間(諸如在190nm與1100nm之間)。光源302可以包括能夠輻射具有比白光更寬的光譜波長範圍的光的任何適當光源(例如，金屬鹵化物燈)。在一些實施例中，光源302包括Xe燈(諸如氙氣弧光燈或氙氣閃光燈)。
因此，干涉訊號可以包括具有不大於大約2μm的寬度的干涉條紋，諸如不大於2μm(例如，2μm、1.9μm、1.8μm、1.7μm、1.6μm、1.5μm、1.4μm、1.3μm、1.2μm、1.1μm、1μm、0.9μm、0.8μm、0.7μm、0.6μm、0.5μm、0.4μm、0.3μm、0.2μm、0.1μm，以這些值中的任何一個值為下限的任何範圍，或者在這些值中的任何兩個定義的任何範圍內)。在一些實施例中，干涉條紋的寬度為大約1.2μm(諸如1.2μm)。因此，樣品(例如，半導體元件)上的透明層的最小厚度不大於約2μm(諸如不大於2μm(例如，2μm、1.9μm、1.8μm、1.7μm、1.6μm、1.5μm、1.4μm、1.3μm、1.2μm、1.1μm、1μm、0.9μm、0.8μm、0.7μm、0.6μm、0.5μm、0.4μm、0.3μm、0.2μm、0.1μm，以這些值中的任何一個值為下限的任何範圍，或者在這些值中的任何兩個定義的任何範圍內)。在一些實施例中，透明層的最小厚度為約1.2μm(諸如1.2μm)。
圖5A示出了根據本發明內容的一些實施例的氙氣燈的示例性組成光。氙氣燈的組成光可以包括白光中的紅光、綠光和藍光、以及非白光中的UV光和IR光。圖5B根據本發明內容的一些實施例示出了由圖5A中的氙氣燈的組成光產生的示例性干涉訊號。在該示例中，氙氣燈的光譜的波長範圍在190nm與1100nm之間，並且x軸和y軸分別表示掃描器的z值和干涉訊號強度。如圖5B中示出的，干涉訊號包括具有大約1.2μm的寬度w的干涉條紋。即，與圖4B中示出的示例相比，透過擴展光源光譜的波長範圍，可以在圖5B中的干涉訊號中獲得更窄的干涉條紋，其具有更高的SNR、垂直解析度和可重複性。
返回參考圖3A，除了在光源302處的光譜擴展以使干涉訊號的干涉條紋變窄之外，可以以任何其它適當的方式來操縱干涉訊號(例如，透過組合或減去光譜)，以創建期望的訊號形狀以用於將來的處理(諸如訊號分類或直接表面高度匯出)。在一些實施例中，干涉儀300還包括被配置為操縱光源302的光譜的一個或多個光學元件。根據一些實施例，這些光學元件包括濾光器或防反射膜中的至少一種。
在一些實施例中，干涉儀300包括適合於低相干干涉法的檢測器304。根據一些實施例，如果兩個臂的光程長度差異小於光源302的相干長度的一半，則在檢測器304處發生干涉。檢測器304的每個圖元可以對樣品308的表面圖像內的不同位置進行採樣。在一些實施例中，檢測器304包括白光電荷耦合元件(CCD)或白光電荷互補金屬氧化物半導體(CMOS)圖像感測器。白光CCD或白光CMOS圖像感測器可以用於檢測具有白光光譜以及具有氙氣燈光譜(例如，在190nm與1100nm之間)的光源302。即，無論光源302是白光光源還是氙氣燈，都可以將相同的白光CCD或白光CMOS圖像感測器用作檢測器304。
如上面關於圖1描述的，光譜訊號是從光學測量獲得的另一種類型的訊號，其可以揭示表面結構和材料資訊。圖3B根據本發明內容的一些實施例示出了具有光譜儀316的另一種示例性干涉儀301的圖。光譜儀316可以是圖1中的光譜儀106的一個示例，諸如光學光譜儀(還被稱為“分光光度計”或“分光鏡”)。與圖3A中示出的干涉儀300相比，可以向干涉儀301添加另一分束器318和光譜儀316，以能夠提供分別與樣品308(例如，半導體晶片)的表面上的多個位置中的相應的一個位置相對應的干涉訊號和光譜訊號二者。如圖3B中示出的，透過分束器318來分開參考光和反射的物體光，以發送到檢測器304和光譜儀316二者。光譜儀316可以包括任何適當的光譜儀，其根據波長或頻率顯示光強度。光學的光譜儀是用於測量在電磁譜的特定部分上的光的屬性的儀器。在 一些實施例中，由光譜儀316測量的變數包括反射比或反射率，並且由光譜儀316提供的每個光譜訊號包括反射光譜。樣品308的表面的反射比是其反射輻射能的效率，輻射能是在介面處反射的入射電磁功率的一部分。反射光譜可以將反射比表示為波長的函數，該函數與表面結構和材料相關聯。應當理解，在一些實施例中，由光譜儀316提供的光譜訊號也可以被儲存在資料庫312中。
返回參考圖1，在不損壞樣品(例如，半導體晶片)的情況下，與來自常規表面形貌測量儀器(諸如AFM和SEM/TEM)的輸入訊號相比，可以以更高的輸送量來採樣來自系統100的光學測量儀器(例如，干涉儀104和光譜儀106)的輸入訊號(例如，干涉訊號110和光譜訊號112)。為了補償與光學測量相關聯的表面形貌測量的低準確度和精確度，系統100可以進一步包括掃描探針顯微鏡(SPM)或電子顯微鏡(EM)108，其被配置為向計算設備102提供多個校準訊號114以用於表面高度校準。SPM可以包括但不限於AFM或掃描隧道顯微鏡(STM)。EM可以包括但不限於SEM或TEM。SPM/EM 108可以以較高的準確度和精確度提供表面形貌資訊，但是具有較低的輸送量，其適合用作校準訊號而不是輸入訊號。透過將具有較高輸送量的輸入訊號(例如，干涉訊號110或光譜訊號112)與具有較高準確度和精確度的校準訊號114進行組合，系統100可以高效並有效地提供半導體晶片的表面形貌116。
圖6根據本發明內容的一些實施例示出了圖1中的系統100的用於測量半導體晶片的表面形貌的示例性計算設備600的示意圖。計算設備600可以是圖1中的計算設備102的一個示例。計算設備600可以包括由至少一個處理器實現的多個功能模組和單元。在一些實施例中，計算設備600包括干涉訊號分類器602、校準模組604、表徵模組606和表面高度計算單元610。根據一些實施例，干涉訊號分類器602使用由計算設備600運行的用於對干涉訊號進行分類的模型608。如下面詳細描述的，模型608可以是為了分類干涉訊號而訓練的機器學習 模型。根據一些實施例，提供由干涉儀104採樣的多個干涉訊號612(如圖1中示出的)作為計算設備600的輸入，以用於分類和表面高度計算。在一些實施例中，還提供由SPM/EM 108採樣的多個校準訊號614(如圖1中示出的)，作為計算設備600的輸入以用於分類後校準。
在一些實施例中，干涉訊號分類器602被配置為接收多個干涉訊號612，每個干涉訊號612對應於半導體晶片的表面上的多個位置中的相應的一個位置。如上面描述的，可以在採樣區域(例如，整個管芯或其一部分)中按照任何適當的間隔或間距，在各種位置處對半導體晶片的表面(例如，在其上形成半導體元件的頂表面)進行採樣，以獲得干涉訊號612。這樣，每個干涉訊號612可以對應於該表面上的相應採樣位置。如上面描述的，可以從相應的干涉訊號612中解析並匯出每個樣本位置處的表面高度(在本文中被稱為“原始表面高度”)。也就是說，根據一些實施例，每個干涉訊號612與採樣區域中的相應採樣位置處的原始表面高度相關聯。在一些實施例中，每個干涉訊號612包括低相干干涉法的干涉條紋(例如，圖2A中的干涉條紋208和圖2B中的干涉條紋210)。半導體晶片可以包括多層。在一些實施例中，半導體晶片的表面的至少一部分包括透明層，諸如氧化矽層或氮化矽層。在一些實施例中，採樣區域包括透明層。因此，干涉訊號612中的至少一個可以包括低相干干涉法的多分量干涉條紋(例如，圖2B中的干涉條紋210)，即，具有來自多層的光強度的干涉貢獻的非相干疊加訊號。
在一些實施例中，干涉訊號分類器602還被配置為使用模型608將干涉訊號612分類成多個類別。根據一些實施例，多個類別中的每個類別對應於在半導體晶片的表面上具有相同材料的區域。模型608可以包括分類模型。根據一些實施例，分類是預測給定資料點的類別(還被稱為“種類”)的過程。在一些實施例中，由分類演算法實現的分類模型包括：從輸入變數(例如，干涉訊 號612)到離散輸出變數(例如，類別)的映射函數(f)。模型608可以包括但不限於k最近鄰(KNN)、基於實例推理、決策樹、樸素貝葉斯、人工神經網路(ANN)、邏輯回歸、費舍爾線性判別、支援向量機(SVM)或感知器。在模型608包括分類模型的一些實施例中，作為監督學習的一部分，這些類別是已知的並且是預先確定的。例如，每個類別可以對應於半導體晶片的表面上具有相同材料的區域。也就是說，基於半導體晶片的設計(例如，採樣區域中的結構和材料)，可以識別多個類別並將其用作用於訓練的標籤以及用於分類的輸出變數。在一個示例中，第一類別可以對應於氧化矽的第一區域(透明層)，第二類別可以對應於鎢的第二區域(不透明層)，以及第三類別可以對應於半導體晶片表面上的採樣區域中的矽基底(不透明層)的第三區域。
在一些實施例中，模型608包括聚類模型。聚類是以下述這樣的方式對一組物件進行分組的任務：與其它集群中的物件相比，同一組中的物件(被稱為“集群”)彼此之間更相似。模型608可以包括但不限於：連結聚類、k均值聚類、高斯混合模型聚類或基於密度的聚類。在模型608包括聚類模型的一些實施例中，作為無監督學習的一部分，由干涉訊號分類器602使用的類別不是預先確定的。在一些實施例中，干涉訊號分類器602被配置為使用模型608(例如，聚類模型)將干涉訊號612聚類成多個集群，並且至少部分地基於對半導體晶片的設計來對這些集群進行調整以變成由干涉訊號分類器602使用的類別，使得每個類別對應於具有相同材料的相應區域。換句話說，可以首先以無監督方式學習集群，並且可以基於例如採樣區域中的結構和材料，以監督的方式根據集群來確定類別。在一個示例中，可以忽略不與在採樣區域中具有相同材料的區域相對應的集群。在另一個示例中，可以合併與具有相同材料的相同區域相對應的或者與具有相同材料的不同區域相對應的多個集群。
在一些實施例中，干涉訊號分類器602可以將任何適當的特徵選擇和 特徵提取方法應用於干涉訊號612，以從每個干涉訊號612中選擇和/或提取特徵(例如，特徵向量)(無論是潛在特徵還是專利特徵)，從而降低複雜度並提高分類過程的效率。在一個示例中，模型608可以包括KNN，並且可以從每個干涉訊號612中提取10維特徵向量，以透過干涉訊號分類器602使用KNN模型進行分類。
圖7A根據本發明內容的一些實施例示出了示例性八個干涉訊號。如圖7A中示出的，這八個干涉訊號中的每個干涉訊號包括多分量干涉條紋，其對應於樣品表面上的採樣區域中的透明層中的相應位置。圖7B根據本發明內容的一些實施例示出了被分成四個類別的圖7A中的示例性八個干涉訊號。這四個類別中的每個類別對應於採樣區域中具有相同材料的相應區域。這些類別可以是預先確定的，或者是從使用聚類模型確定的多個集群調整的。根據一些實施例，干涉訊號分類器602使用模型608將八個干涉訊號分類成四個類別。如圖7B中示出的，每個類別包括具有基本相似的干涉條紋的干涉訊號，其中相似的干涉條紋指示在相應採樣位置處的相同的材料和/或結構。
返回參考圖6，在一些實施例中，校準模組604被配置為至少部分地基於與對應於這些類別中的至少一個類別的區域相關聯的校準訊號614，來確定表面基線與這些類別中的所述至少一個類別之間的表面高度偏移。也就是說，可以基於用於校準的相同表面基線將相應的表面高度偏移添加到每個類別，以增加表面形貌的準確度和精確度。作為第一類型的輸入，干涉訊號分類器602可以將類別和被分類成每個類別的干涉訊號612提供給校準模組604。作為第二類型的輸入，例如SPM/EM 108(圖1中示出的)可以向校準模組604提供校準訊號614。校準訊號614是在指示樣品的表面高度資訊方面，大概可以比干涉訊號612提供更高的準確度和精確度的訊號，但是具有較低的輸送量或者可能損壞樣品。在一些實施例中，每個校準訊號614與由SPM或電子顯微鏡確定的形貌高度 相關聯。根據提供校準訊號614的特定儀器，校準訊號614可以包括來自AFM的AFM訊號、來自SEM的SEM訊號、或者來自TEM的TEM訊號。
在一些實施例中，表面高度計算單元610基於干涉訊號612，向校準模組604提供第三類型的輸入(原始表面高度)。如上面描述的，根據一些實施例，每個干涉訊號612與相應位置處的原始表面高度相關聯，並且表面高度計算單元610被配置為透過解析對應的干涉訊號612來匯出採樣區域中的相應位置處的原始表面高度。例如，當相關圖的調製最大時(透過干涉條紋中的峰值來表示)，由該圖元成像的表面上的位置的z值(其表示原始表面高度)可以對應於定位台(例如，圖3A和圖3B中的掃描器310)的z值。
可以將表面基線預先設置為任何適當的值(諸如0)。在一些實施例中，為了確定表面高度偏移，校準模組604被配置為將表面基線指定為與類別之一相對應的基線區域。在一個示例中，校準模組604可以選擇採樣區域中的與具有最大數量的干涉訊號612的類別相對應的區域作為基線區域，並且可以將表面基線(例如，0)指定為基線區域的表面高度偏移。在另一個示例中，校準模組604可以選擇在採樣區域中具有與基線區域相同的材料的最大區域，並且將表面基線(例如，0)指定為基線區域的表面高度偏移。在另一個示例中，校準模組604可以選擇採樣區域中具有特定材料的區域(例如，矽基底區域)，並且將表面基線(例如，0)指定為基線區域的表面高度偏移。
在一些實施例中，為了確定表面高度偏移，校準模組604被配置為接收校準訊號614和對應於基線區域的基線訊號。在一些實施例中，基線訊號是從採樣區域中的基線區域(例如，最大區域或者矽基底區域)獲得的那些校準訊號614。例如，SPM/EM 108可以跨半導體晶片表面上的採樣區域中的多個區域(其包括基線區域)來測量校準訊號614，並且可以將與基線區域相對應的一個或多個校準訊號614用作基線訊號。可以在採樣區域中，按照校準圖案來執行該 校準。也就是說，跨採樣區域中的包括基線區域的多個區域，以校準圖案(例如，線或面積)來測量包括基線訊號的校準訊號614。根據一些實施例，類似於其它校準訊號614，每個基線訊號與由SPM或電子顯微鏡確定的形貌高度相關聯。
在一些實施例中，為了確定表面高度偏移，校準模組604被配置為至少部分地基於校準訊號614、基線訊號和干涉訊號612來確定表面高度偏移。如果接收到一個以上基線訊號或者一個以上校準訊號614，則多個基線訊號的平均值或者多個校準訊號614的平均值可以用於確定對應區域(以及與該區域相關聯的類別)的表面高度偏移。應當理解，基於多個基線訊號或校準訊號614確定的任何其它適當的值(諸如中值、最大值或最小值)，也可以用於確定對應區域的表面高度偏移。使用與校準圖案中的位置相對應的干涉訊號612來進行校準，例如，確定表面高度偏移。類似地，如果接收到一個以上干涉訊號612，則多個干涉訊號612的平均值可以用於確定對應區域(以及與該區域相關聯的類別)的表面高度偏移。應當理解，基於多個干涉訊號612確定的任何其它適當的值(諸如中值、最大值或最小值)，也可以用於確定對應區域的表面高度偏移。
圖8A和8B根據本發明內容的一些實施例示出了表面高度偏移校準和校準的表面高度計算的示例性過程。如圖8A中示出的，可以將干涉訊號612分類成兩個類別A和B，每個類別對應於半導體元件表面上的採樣區域中的相應的區域802或804。由於區域802大於區域804和/或由於區域802是矽基底區域，因此可以將類別A指定為基線區域。例如，可以使用AFM按照校準圖案806(例如，跨區域802和804二者的直線)來執行校準。可以對校準圖案806中的多個位置進行採樣以獲得包括區域802中的基線訊號在內的多個AFM訊號。可以對區域804中的AFM訊號進行平均以獲得區域804的校準訊號(類別B)，並且可以對區域802中的AFM訊號進行平均以獲得區域802的基線訊號(類別A)。可以分別基於平均 校準訊號和平均基線訊號來確定區域802的形貌高度和區域804的形貌高度。
如圖8B中示出的，然後可以獲得形貌高度(類別A)與形貌高度(類別B)之間的差，即，形貌階梯高度HA。例如，圖6中的表面高度計算單元610可以基於與校準圖案806中的位置相對應的干涉訊號，來確定原始表面高度(類別A)與原始表面高度(類別B)之間的差(即，干涉階梯高度HI)。透過將區域802設置為表面基線等於0的基線區域，可以根據以下公式確定區域804的表面高度偏移O，即O=HA-HI。因此，與類別B相關聯的表面高度偏移為HA-HI，並且與類別A相關聯的表面高度偏移為0(即，表面基線的值)。應當理解，如果分類了兩個以上的類別，則可以以相同的方式來確定彼此的類別的表面高度偏移。
返回參考圖6，表徵模組606被配置為至少部分地基於表面高度偏移和干涉訊號612，來表徵半導體晶片的表面形貌。在一些實施例中，為了表徵半導體晶片的表面形貌，表徵模組606還被配置為至少部分地基於對應的原始表面高度和表面高度偏移來計算在半導體晶片的表面上的位置之一處的校準的表面高度。也就是說，對於半導體晶片表面上的任何特定位置，可以由表面高度計算單元610從對應干涉訊號612中匯出其原始表面高度，並且可以由干涉訊號分類器602如上面描述地分類成以上類別之一。如上面描述的，可以透過校準模組604確定對特定位置進行分類的類別的表面高度偏移。因此，可以透過將表面高度偏移添加到其原始表面高度，來計算特定位置的校準的表面高度，其中該校準的表面高度大概具有較高的準確度和精確度。可以以相同的方式來計算半導體晶片的表面上任何期望數量的位置的校準的表面高度，以便以任何適當的形式(諸如下面詳細描述的半導體晶片表面的校準的高度圖)來表徵半導體晶片的表面形貌。結果，透過基於干涉訊號612和模型608來使用干涉訊號分類器602，可以以高輸送量來表徵半導體晶片的表面形貌。透過基於校準訊號614來使用校準模組604，可以將半導體晶片的表面形貌的準確度和精確度維持在期望 的水平。
圖9是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的示例性方法900的流程圖。可以執行方法900的步驟的設備的示例包括圖6中描繪的計算設備600。應當理解，方法900中示出的步驟不是窮舉的，並且也可以在所示出的步驟中的任何步驟之前、之後或之間執行其它步驟。此外，步驟中的一些步驟可以同時地執行，或者可以以與圖9中示出的不同的順序來執行。
參照圖9，方法900開始於步驟902處，在步驟902中，接收多個干涉訊號，每個干涉訊號對應於半導體晶片的表面上的多個位置中的相應的一個位置。例如，計算設備600的干涉訊號分類器602可以接收干涉訊號612。在一些實施例中，每個干涉訊號包括低相干干涉法的干涉條紋，並且與相應位置處的原始表面高度相關聯。在一些實施例中，半導體晶片包括多層，並且半導體晶片的表面的至少一部分包括透明層(諸如氧化矽層或氮化矽層)。
如圖9中示出的，方法900轉到步驟904，在步驟904中，使用模型將干涉訊號分類成多個類別。多個類別中的每個類別可以對應於半導體晶片表面上具有相同材料的區域。例如，計算設備600的干涉訊號分類器602可以使用模型608將干涉訊號612分類成多個類別。在一些實施例中，該模型包括分類模型，並且這些類別是基於半導體晶片的設計而預先確定的，使得每個類別對應於具有相同材料的相應的區域。在一些實施例中，該模型還包括聚類模型，並且首先使用聚類模型將干涉訊號聚類成多個集群。根據一些實施例，然後至少部分地基於對半導體晶片的設計對這些集群進行調整以變成類別，使得每個類別對應於具有相同材料的相應的區域。
如圖9中示出的，方法900轉到步驟906，在步驟906中，至少部分地基於與對應於多個類別中的至少一個類別的區域相關聯的校準訊號來確定表面 基線與多個類別中的所述至少一個類別之間的表面高度偏移。例如，可以由計算設備600的校準模組604基於校準訊號614，來確定由干涉訊號分類器602分類的每個類別的表面高度偏移。如圖9中示出的，方法900轉到步驟908，在步驟908中，至少部分地基於表面高度偏移和干涉訊號來表徵半導體晶片的表面形貌。例如，可以由計算設備600的表徵模組606基於由校準模組604和干涉訊號612確定的表面高度偏移來表徵半導體晶片的表面形貌。在一些實施例中，為了表徵半導體晶片的表面形貌，在半導體晶片的表面上的位置之一處計算校準的表面高度。
圖10是根據本發明內容的一些實施例的用於計算校準的表面高度的示例性方法1000的流程圖。參照圖10，方法1000開始於步驟1002處，在步驟1002中，將表面基線指定為對應於類別之一的基線區域。根據一些實施例，基線區域是最大區域。如圖10中示出的，方法1000轉到步驟1004，在步驟1004中，接收校準訊號和與基線區域相對應的基線訊號。根據一些實施例，校準訊號和基線訊號中的每個與由SPM或電子顯微鏡跨區域在校準圖案中確定的形貌高度相關聯。如圖10中示出的，方法1000轉到步驟1006，在步驟1006中，至少部分地基於校準訊號、基線訊號和與校準圖案中的位置相對應的干涉訊號來確定表面高度偏移。如圖10中示出的，方法1000轉到步驟1008，在步驟1008中，至少部分地基於從對應的干涉訊號和該對應的干涉訊號被分類到的類別的表面高度偏移匯出的對應的原始表面高度，來計算半導體晶片表面上的位置之一處的校準的表面高度。
如上面描述的，可以以任何適當的形式(諸如校準的高度圖)來呈現半導體晶片的表面形貌的表徵。圖11是根據本發明內容的一些實施例的用於生成校準的高度圖的示例性方法1100的流程圖。參照圖11，方法1100開始於步驟1102處，在步驟1102中，至少部分地基於所接收的干涉訊號來生成原始高度圖。 例如，如圖12中示出的，可以基於干涉訊號612生成原始高度圖1202。原始高度圖1202表示半導體晶片的表面上的採樣區域(在300μm乘300μm的區域中)中的原始表面高度(例如，在-10nm與10nm之間)。可以由表面高度計算單元610從相應的干涉訊號612中解析並匯出採樣區域中的每個位置處的原始表面高度。可以以高輸送量但是低準確度和精確度來生成原始高度圖1202。
參照圖11，方法1100轉到步驟1104，在步驟1104中，至少部分地基於分類的干涉訊號和類別，將原始高度圖變換成分類圖。例如，如圖12中示出的，可以由干涉訊號分類器602基於分類的干涉訊號612和類別，將原始高度圖1202變換成分類圖1204。分類圖1204表示半導體晶片的表面上的採樣區域中的8個類別(例如，類別1至類別8)。採樣區域中的每個位置的類別可以是與相應位置相對應的干涉訊號612被分類到的類別。類別可以對應於在半導體晶片的表面上具有相同材料的區域。例如，類別4可以是矽基底，它還是採樣區域中的最大區域。可以對一些類別進行合併，這是因為它們對應於具有相同材料的區域。例如，可以將類別5-8合併成一個類別。
參照圖11，方法1100轉到步驟1106，在步驟1106中，至少部分地基於表面高度偏移和分類圖，從原始高度圖生成校準的高度圖。例如，如圖12中示出的，可以由校準模組604和表徵模組606基於表面高度偏移和分類圖1204，從原始高度圖1202生成校準的高度圖1206。校準的高度圖1206代表半導體晶片表面上的採樣區域中的校準的表面高度(例如，在-10nm與10nm之間)。可以選擇這些區域之一作為基線區域，並且可以將表面基線(例如，0)指定為對應的類別。例如，可以將表面基線0指定為類別4。可以相對於表面基線來確定分類圖1204中的每個類別的表面高度偏移，並用於透過將對應的表面高度偏移添加到原始高度圖1202中的每個位置處的相應的原始表面高度來生成校準的高度圖1206。與原始高度圖1202相比，校準的高度圖1206具有更高的準確度和精確度。
圖13根據本發明內容的一些實施例示出了圖1中的系統100的用於測量半導體晶片的表面形貌的另一種示例性計算設備1300的示意圖。計算設備1300可以是圖1中的計算設備102的另一個示例。計算設備1300可以包括由至少一個處理器實現的多個功能模組和單元。與圖6中的包括被配置為對干涉訊號612進行分類的干涉訊號分類器602的計算設備600不同，根據一些實施例，計算設備1300包括被配置為將干涉訊號612變換成光譜訊號1306的域變換單元1304，並且還包括被配置為使用用於對光譜訊號1306進行分類的模型1308對光譜訊號1306進行分類的光譜訊號分類器1302。根據一些實施例，類似於圖6中的計算設備600，計算設備1300還包括校準模組604、表徵模組606和表面高度計算單元610。應當理解，在下面沒有重複計算設備600和1300二者中的相似模組或單元(例如，輸入、輸出、功能等等)的細節。
在一些實施例中，光譜訊號分類器1302被配置為接收多個光譜訊號1306，每個光譜訊號與半導體晶片的表面上的多個位置中的相應的一個位置相對應。如上面描述的，根據一些實施例，光譜訊號1306是可以使用具有高輸送量的機器學習過程來分類以進行表面形貌表徵的另一種類型的訊號。如圖13中示出的，光譜訊號1306可以是由域變換單元1304從干涉訊號612變換的。域變換單元1304可以在兩個域(諸如時間域、時域、空間域、頻域等)之間對訊號進行變換。在一些實施例中，域變換單元1304被配置為將干涉訊號612(在空間域中)變換成光譜訊號1306(在頻域中)，每個光譜訊號分別對應於半導體表面上的位置中的相應的一個位置。在一個示例中，干涉訊號612可以由域變換單元1304使用傅立葉變換被變換成光譜訊號1306。傅立葉變換可以將時間的函數(訊號)分解成其組成頻率。因此，採樣區域中的每個位置都可以與相應的干涉訊號612以及相應的光譜訊號1306相關聯。光譜訊號1306可以包含樣品的材料和結構資訊。根據一些實施例，每個光譜訊號1306包括反射光譜。
圖14A根據本發明內容的一些實施例示出了示例性12個干涉訊號。這12個干涉訊號中的每個干涉訊號可以包括低相干干涉法的干涉條紋。干涉條紋中的至少一些干涉條紋可以是與樣品表面上的採樣區域中的一個或多個透明層相對應的多分量干涉條紋。圖14B根據本發明內容的一些實施例示出了從圖14A中的示例性12個干涉訊號變換而來的12個光譜訊號。這12個光譜訊號中的每個光譜訊號可以包括反射光譜，該反射光譜表示提供12個干涉訊號的干涉儀的光源光譜的波長範圍中的反射率變化。如上面描述的，干涉儀的光源光譜的波長範圍可以適合於任何低相干干涉法(諸如在白光範圍內或者延伸超過白光範圍)，這也可能影響變換的反射光譜。
返回參考圖13，根據一些實施例，光譜訊號分類器1302使用由計算設備1300運行的用於對光譜訊號進行分類的模型1308。如下面詳細描述的，模型1308可以是為了對光譜訊號進行分類而訓練的機器學習模型。應當理解，用於對光譜訊號進行分類的模型1308和圖6中的用於對干涉訊號進行分類的模型608可以是包括分類模型(例如，KNN)的相同類型的機器學習模型，但是使用不同類型的訓練樣本進行訓練，即，光譜訊號作為用於模型1308的訓練樣本，而干涉訊號作為用於模型608的訓練樣本。
在一些實施例中，光譜訊號分類器1302還被配置為使用模型1308將光譜訊號1306分類成多個類別。根據一些實施例，這些類別中的每個類別對應於在半導體晶片的表面上具有相同材料的區域。模型1308可以包括諸如KNN、基於實例推理、決策樹、樸素貝葉斯、ANN、邏輯回歸、費舍爾線性判別、SVM或感知器之類的分類模型。在模型1308包括分類模型的一些實施例中，作為監督學習的一部分，類別是已知的並且是預先確定的。例如，每個類別可以對應於在半導體晶片的表面上具有相同材料的區域。也就是說，基於對半導體晶片的設計(例如，採樣區域中的結構和材料)，可以將多個類別識別為用於訓練的 標籤以及用於分類的輸出變數。在一個示例中，第一類別可以對應於氧化矽的第一區域(透明層)，第二類別可以對應於鎢的第二區域(不透明層)，以及第三類別可以對應於半導體晶片表面上的採樣區域中的矽基底的第三區域(不透明層)。
在一些實施例中，模型1308包括聚類模型，諸如連結聚類、k均值聚類、高斯混合模型聚類或基於密度的聚類。在模型1308包括聚類模型的一些實施例中，作為無監督學習的一部分，光譜訊號分類器1302使用的類別不是預先確定的。在一些實施例中，光譜訊號分類器1302被配置為使用模型1308(例如，聚類模型)將光譜訊號1306聚類成多個集群，並且至少部分地基於對半導體晶片的設計，對這些集群進行調整以變成類別，使得每個類別對應於具有相同材料的相應的區域。換句話說，可以首先以無監督的方式學習集群，並且可以基於例如採樣區域中的結構和材料，以監督的方式從這些集群中確定類別。在一個示例中，可以忽略與在採樣區域中具有相同材料的區域不相對應的集群。在另一個示例中，可以合併與具有相同材料的相同區域相對應或者與具有相同材料的不同區域相對應的多個集群。
在一些實施例中，光譜訊號分類器1302可以將任何適當的特徵選擇和特徵提取方法應用於光譜訊號1306，以從每個光譜訊號1306中選擇和/或提取特徵(例如，特徵向量)(無論潛在特徵還是專利特徵)，從而降低複雜度並提高分類過程的效率。在一個示例中，模型1308可以包括KNN，並且可以從每個干涉訊號1306中提取10維特徵向量，以透過光譜訊號分類器1302使用KNN模型進行分類。
在一些實施例中，校準模組604被配置為至少部分地基於與對應於多個類別中的至少一個類別的區域相關聯的校準訊號614，來確定表面基線與來自光譜訊號分類器1302的多個類別中的所述至少一個類別之間的表面高度偏移， 如上面關於圖6詳細描述的。也就是說，可以基於相同的表面基線將相應的表面高度偏移添加到每個類別以進行校準，從而提高表面形貌的準確性和精確度。
在一些實施例中，表徵模組606被配置為至少部分地基於表面高度偏移和干涉訊號612來表徵半導體晶片的表面形貌，如上面關於圖6詳細描述的。在一些實施例中，為了表徵半導體晶片的表面形貌，表徵模組606還被配置為至少部分地基於對應的原始表面高度和表面高度偏移，來計算半導體晶片的表面上的位置之一處的校準的表面高度。也就是說，對於半導體晶片表面上的任何特定位置，其原始表面高度可以由表面高度計算單元610從對應的干涉訊號612中匯出，並且可以由光譜訊號分類器1302分類成類別之一，如上面詳細描述的。結果，透過基於變換後的光譜訊號1306和模型1308來使用光譜訊號分類器1302，可以以高輸送量來表徵半導體晶片的表面形貌。透過基於校準訊號614來使用校準模組604，可以將半導體晶片的表面形貌的準確度和精確度維持在期望水平。
圖15是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的另一種示例性方法1500的流程圖。可以執行方法1500的步驟的設備的示例包括圖13中描繪的計算設備1300。應當理解，方法1500中示出的步驟不是窮舉的，並且也可以在所示出的步驟中的任何步驟之前、之後或之間執行其它步驟。此外，步驟中的一些步驟可以同時地執行，或者可以以與圖15中示出的不同的順序來執行。應當理解，方法1500中的一些步驟與圖9中的方法900裡的其相應步驟基本相同，並且因此，下面可以不重複方法900和1500二者中基本相同的步驟的細節。
參照圖15，方法1500開始於步驟902處，在步驟902中，接收多個干涉訊號，每個干涉訊號對應於半導體晶片的表面上的多個位置中的相應的一個位置。例如，計算設備1300的域變換單元1304可以接收干涉訊號612。在一些實 施例中，每個干涉訊號包括低相干干涉法的干涉條紋，並且與相應位置處的原始表面高度相關聯。在一些實施例中，半導體晶片包括多層，並且半導體晶片的表面的至少一部分包括透明層(諸如氧化矽層或氮化矽層)。
如圖15中示出的，方法1500轉到步驟1502，在步驟1502中，將干涉訊號變換成多個光譜訊號，每個光譜訊號對應於半導體晶片的表面上的位置中的相應的一個位置。例如，計算設備1300的域變換單元1304可以將干涉訊號612變換成光譜訊號1306。在一些實施例中，光譜訊號中的每個光譜訊號包括反射光譜。在一些實施例中，使用傅裡葉變換將干涉訊號變換成光譜訊號。
如圖15中示出的，方法1500轉到步驟1504，在步驟1504中，使用模型將光譜訊號分類成多個類別。這些類別中的每個類別可以對應於半導體晶片的表面上具有相同材料的區域。例如，計算設備1300的光譜訊號分類器1302可以使用模型1308將光譜訊號1306分類成多個類別。在一些實施例中，該模型包括分類模型，並且這些類別是基於對半導體晶片的設計而預先確定的，使得每個類別對應於具有相同材料的相應的區域。在一些實施例中，模型還包括聚類模型，並且根據一些實施例，首先使用聚類模型將干涉訊號聚類成多個集群。然後至少部分地基於對半導體晶片的設計對這些集群進行調整以變成類別，使得每個類別對應於具有相同材料的相應的區域。
如圖15中示出的，方法1500轉到步驟906，在步驟906中，至少部分地基於與對應於多個類別中的至少一個類別的區域相關聯的校準訊號，來確定表面基線與多個類別中的所述至少一個類別之間的表面高度偏移。例如，可以由計算設備1300的校準模組604基於校準訊號614來確定由光譜訊號分類器1302分類的每個類別的表面高度偏移。如圖15中示出的，方法1500轉到步驟908，在步驟908中，至少部分地基於表面高度偏移和干涉訊號來表徵半導體晶片的表面形貌。例如，計算設備1300的表徵模組606可以基於由校準模組604和干涉訊號 612確定的表面高度偏移，來表徵半導體晶片的表面形貌。在一些實施例中，為了表徵半導體晶片的表面形貌，計算半導體晶片的表面上的位置之一處的校準的表面高度。上面關於圖10描述了計算校準的表面高度的一個示例，並且因此，為了便於描述起見，不進行重複。
如上面描述的，可以以任何適當的形式(諸如校準的高度圖)來呈現半導體晶片的表面形貌的特性。圖16是根據本發明內容的一些實施例的用於生成校準的高度圖的另一種示例性方法1600的流程圖。應當理解，方法1600中的一些步驟與圖11中的方法1100裡的其相應步驟基本相同，並且因此，下面可以不重複方法1100和1600二者中基本相同的步驟的細節。
參照圖16，方法1600開始於步驟1102處，在步驟1102中，至少部分地基於所接收的干涉訊號來生成原始高度圖。如圖16中示出的，方法1600轉到步驟1602，在步驟1602中，至少部分地基於變換後的光譜訊號來生成光譜圖。如圖16中示出的，方法1600轉到步驟1604，在步驟1604中，至少部分地基於分類的光譜訊號和類別，將光譜圖變換成分類圖。如圖16中示出的，方法1600轉到步驟1106，在步驟1106中，至少部分地基於表面高度偏移和分類圖，從原始高度圖中生成校準的高度圖。
圖17根據本發明內容的一些實施例示出了圖1中的系統100的用於測量半導體晶片的表面形貌的另一種示例性計算設備1700的示意圖。計算設備1700可以是圖1中的計算設備102的另一個示例。計算設備1700可以包括由至少一個處理器實現的多個功能模組和單元。與圖13中的計算設備1300不同(在圖13中，光譜訊號1306是由域變換單元1304從干涉訊號612變換的)，根據一些實施例，圖17中的光譜訊號1702是由光譜訊號分類器1302從光譜儀(例如，圖1中的光譜儀106和圖3B中的光譜儀316)接收的。即，計算設備1700可以不包括域變換單元1304。類似於圖13中的計算設備1300，根據一些實施例，計算設備1700 還包括光譜訊號分類器1302、用於對光譜訊號進行分類的模型1308、校準模組604、表徵模組606以及表面高度計算單元610。應當理解，下面可以不重複計算設備1300和1700二者中的相似模組或單元(例如，輸入、輸出、功能等等)的細節。
在一些實施例中，光譜訊號分類器1302被配置為接收多個光譜訊號1702，每個光譜訊號與半導體晶片的表面上的多個位置中的相應的一個位置相對應。如上面描述的，根據一些實施例，光譜訊號1702是可以使用具有高輸送量的機器學習過程來分類以進行表面形貌表徵的另一種類型的訊號。可以直接從光譜儀(諸如光學光譜儀)獲得光譜訊號1702。光譜訊號1702可以包含樣品的材料和結構資訊。根據一些實施例，每個光譜訊號1702包括反射光譜。
在一些實施例中，光譜訊號分類器1302還被配置為使用模型1308將光譜訊號1702分類成多個類別。根據一些實施例，這些類別中的每個類別對應於在半導體晶片的表面上具有相同材料的區域。模型1308可以包括分類模型，諸如KNN、基於案例推理、決策樹、樸素貝葉斯、ANN、邏輯回歸、費舍爾線性判別、SVM或感知器。在一些實施例中，模型1308包括聚類模型，諸如連結聚類、k均值聚類、高斯混合模型聚類或者基於密度的聚類。光譜訊號分類器1302可以將任何適當的特徵選擇和特徵提取方法應用於光譜訊號1702，以從每個光譜訊號1702中選擇和/或提取特徵(例如，特徵向量)(無論潛在特徵還是專利特徵)，從而降低複雜度並提高分類過程的效率。在一個示例中，模型1308可以包括KNN，並且可以從每個光譜訊號1702中提取10維特徵向量，以透過光譜訊號分類器1302使用KNN模型進行分類。
在一些實施例中，校準模組604被配置為至少部分地基於與對應於多個類別中的至少一個類別的區域相關聯的校準訊號614，來確定表面基線與來自光譜訊號分類器1302的多個類別中的所述至少一個類別之間的表面高度偏移， 如上面關於圖6詳細描述的。也就是說，可以基於相同的表面基線將相應的表面高度偏移添加到每個類別以進行校準，從而提高表面形貌的準確度和精確度。
在一些實施例中，表徵模組606被配置為至少部分地基於表面高度偏移和干涉訊號612來表徵半導體晶片的表面形貌，如上面關於圖6詳細描述的。對於半導體晶片表面上的任何特定位置，其原始表面高度可以由表面高度計算單元610從對應的干涉訊號612中解析和匯出，並且可以由光譜訊號分類器1302分類成類別之一，如上面詳細描述的。結果，透過基於接收的光譜訊號1702和模型1308來使用光譜訊號分類器1302，可以以高輸送量來表徵半導體晶片的表面形貌。透過基於校準訊號614來使用校準模組604，可以將半導體晶片的表面形貌的準確度和精確度維持在期望水平。
圖18是根據本發明內容的一些實施例的用於測量半導體晶片的表面形貌的另一種示例性方法1800的流程圖。可以執行方法1800的步驟的設備的示例包括圖17中描繪的計算設備1700。應當理解，方法1800中示出的步驟不是窮舉的，並且也可以在所示出的步驟中的任何步驟之前、之後或之間執行其它步驟。此外，步驟中的一些步驟可以同時地執行，或者可以以與圖18中示出的不同的順序來執行。應當理解，方法1800中的一些步驟與圖15中的方法1500裡的其相應步驟基本相同，並且因此，下面可以不重複方法1800和1500二者中基本相同的步驟的細節。
參照圖18，方法1800開始於步驟1802處，在步驟1802中，接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個可以對應於半導體晶片的表面上的多個位置中的相應的一個位置。即，可以從採樣區域中的相同位置，對一對干涉訊號和光譜訊號進行採樣。例如，光譜訊號分類器1302可以接收光譜訊號1702，以及計算設備1700的表面高度計算單元610可以接收干涉訊號612。在一些實施例中，每個干涉訊號包括低相干干涉法的干涉條紋，並且與相 應位置處的原始表面高度相關聯，以及每個光譜訊號包括反射光譜。在一些實施例中，半導體晶片包括多層，並且半導體晶片的表面的至少一部分包括透明層(諸如氧化矽層或氮化矽層)。
如圖18中示出的，方法1800轉到步驟1504，在步驟1504中，使用模型將光譜訊號分類成多個類別。這些類別中的每個類別可以對應於半導體晶片表面上具有相同材料的區域。例如，可以由計算設備1700的光譜訊號分類器1302使用模型1308將光譜訊號1702分類成多個類別。在一些實施例中，該模型包括分類模型，並且這些類別是基於對半導體晶片的設計而預先確定的，使得每個類別對應於具有相同材料的相應的區域。在一些實施例中，模型還包括聚類模型，並且首先使用聚類模型將干涉訊號聚類成多個集群。根據一些實施例，然後至少部分地基於對半導體晶片的設計對這些集群進行調整以變成類別，使得每個類別對應於具有相同材料的相應區域。
如圖18中示出的，方法1800轉到步驟906，在步驟906中，至少部分地基於與對應於多個類別中的至少一個類別的區域相關聯的校準訊號，來確定表面基線與多個類別中的所述至少一個類別之間的表面高度偏移。例如，可以由計算設備1700的校準模組604基於校準訊號614來確定由光譜訊號分類器1302分類的每個類別的表面高度偏移。如圖18中示出的，方法1800轉到步驟908，在步驟908中，至少部分地基於表面高度偏移和干涉訊號來表徵半導體晶片的表面形貌。例如，計算設備1700的表徵模組606可以基於由校準模組604和干涉訊號612確定的表面高度偏移，來表徵半導體晶片的表面形貌。在一些實施例中，為了表徵半導體晶片的表面形貌，計算半導體晶片的表面上的位置之一處的校準的表面高度。上面關於圖10描述了計算校準的表面高度的一個示例，並且因此，為了便於描述起見，不進行重複。
如上面描述的，可以以任何適當的形式(諸如校準的高度圖)來呈 現半導體晶片的表面形貌的特徵。圖19是根據本發明內容的一些實施例的用於生成校準的高度圖的另一種示例性方法1900的流程圖。應當理解，方法1900中的一些步驟與圖16中的方法1600裡的其相應步驟基本相同，並且因此，下面可以不重複方法1900和1600二者中基本相同的步驟的細節。
參照圖19，方法1900開始於步驟1102處，在步驟1102中，至少部分地基於所接收的干涉訊號來生成原始高度圖。例如，如圖20中示出的，可以基於所接收的與半導體晶片表面圖案2002對應的干涉訊號來生成原始高度圖2008。參照圖19，如圖19中示出的，方法1900轉到步驟1902，在步驟1902中，至少部分地基於所接收的光譜訊號生成光譜圖。例如，如圖20中示出的，可以從光學光譜儀接收與半導體晶片表面圖案2002對應的光譜訊號2004，其中光學光譜儀可以用於生成光譜圖。參考圖19，如圖19中示出的，方法1900轉到步驟1604，在步驟1604中，至少部分地基於分類的光譜訊號和類別，將光譜圖變換成分類圖。例如，如圖20中示出的，分類圖2006可以是基於分類的光譜訊號和類別從光譜圖變換的。分類圖2006表示3個類別，每個類別對應於半導體晶片表面圖案2002中具有相同材料的區域(諸如鎢垂直互連接入(VIA)、銅層和矽基底)。參考圖19，如圖19中示出的，方法1900轉到步驟1106，在步驟1106中，校準的高度圖是至少部分地基於表面高度偏移和分類圖從原始高度圖生成的。
圖21根據本發明內容的一些實施例示出了用於對用於表面形貌表徵的模型2104進行訓練的示例性系統2100的示意圖。模型2104可以是本文公開的任何機器學習模型，諸如用於對干涉訊號進行分類的模型608或者用於對光譜訊號進行分類的模型1308。系統2100可以包括：由至少一個處理器實現的多個功能模組和單元。在一些實施例中，系統2100包括模型訓練模組2102，該模型訓練模組2102被配置為訓練模型2104，以便使用訓練演算法2108，基於目標函數2110(還被稱為“損失函數”)，透過一組訓練樣本2106(包括干涉訊號或光譜 訊號)對干涉訊號或光譜訊號進行分類。模型訓練模組2102可以根據訓練樣本2106的類型(干涉訊號或光譜訊號)提供用於對干涉訊號或光譜訊號進行分類的模型2104。模型2104可以包括諸如KNN、基於案例推理、決策樹、樸素貝葉斯、ANN、邏輯回歸、費舍爾線性判別、SVM或感知器之類的分類模型。
為了訓練用於對干涉訊號進行分類的模型2104，模型訓練模組2102還可以獲得訓練樣本，每個訓練樣本包括干涉訊號和標記的干涉訊號的類別。根據一些實施例，干涉訊號對應於半導體晶片的表面上的位置，並且標記的類別對應於在半導體晶片的表面上具有相同材料的區域。例如，可以使用多個預先確定的類別之一來手動地、自動地或半自動地標記每個訓練干涉訊號，每個類別對應於半導體晶片的表面上具有相同材料的區域，諸如矽基底、銅層、鎢VIA、氧化矽層、氮化矽層，僅舉幾個例子。在一些實施例中，半導體晶片的表面的至少一部分包括透明層(諸如氧化矽層)，並且類別中的至少一個類別對應於透明層。在一些實施例中，訓練干涉訊號包括低相干干涉法的干涉條紋，其可以用作標記訓練干涉訊號的特徵。
為了訓練用於對光譜訊號進行分類的模型2104，模型訓練模組2102還可以獲得訓練樣本，每個訓練樣本包括光譜訊號和標記的光譜訊號的類別。根據一些實施例，光譜訊號對應於半導體晶片的表面上的位置，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。例如，可以使用多個預先確定的類別之一來手動地、自動地或半自動地標記每個訓練光譜訊號，每個類別對應於半導體晶片的表面上具有相同材料的區域(諸如矽基底、銅層、鎢VIA、氧化矽層、氮化矽層，僅舉幾個例子)。在一些實施例中，半導體晶片的表面的至少一部分包括透明層(諸如氧化矽層)，並且類別中的至少一個類別對應於透明層。在一些實施例中，訓練光譜訊號包括反射光譜，其可以用作用於標記訓練光譜訊號的特徵。
為了訓練用於對干涉訊號或光譜訊號進行分類的模型2104，模型訓練模組2102可以進一步至少部分地基於訓練樣本2106中的每個訓練樣本2106中的干涉訊號或光譜訊號的標記的類別和分類的類別之間的差異來調整模型2104的一個或多個參數。在一些實施例中，模型2104包括一個或多個參數(例如，KNN中的“k”)，當模型訓練模組2102被提供有訓練樣本2106時，可以聯合地調整這些參數。模型訓練模組2102可以聯合地調整模型2104的參數，以使用訓練演算法2108來透過訓練樣本2106最小化目標函數2110。可以基於要訓練的模型2104的特定類型，來選擇任何適當的目標函數2110和訓練演算法2108。例如，對於KNN模型，模型訓練模組2102可以結合KNN分類訓練演算法來使用基於均方誤差(MSE)的目標函數。應當理解，可以以反覆運算方式來執行對模型2104的訓練(例如，對參數的調整)。
圖22是根據本發明內容的一些實施例的用於對用於表面形貌表徵的模型進行訓練的示例性方法2200的流程圖。可以執行方法2200的步驟的系統的示例包括圖21中描繪的系統2100。應當理解，方法2200中示出的步驟不是窮舉的，並且也可以在所示出的步驟中的任何步驟之前、之後或之間執行其它步驟。此外，步驟中的一些步驟可以同時地執行，或者可以以與圖22中示出的不同的順序來執行。
參照圖22，方法2200開始於步驟2202處，在步驟2202中，提供了用於對干涉訊號進行分類的模型。該模型可以包括分類模型。例如，可以向系統2100的模型訓練模組2102提供模型2104。如圖22中示出的，方法2200轉到步驟2204，在步驟2204中，獲得多個訓練樣本，每個訓練樣本包括干涉訊號和標記的干涉訊號的類別。根據一些實施例，干涉訊號對應於半導體晶片的表面上的位置，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。干涉訊號可以包括低相干干涉法的干涉條紋，並且半導體晶片的表面的至少一部分 包括透明層。例如，模型訓練模組2102可以獲得訓練樣本2106。如圖22中示出的，方法2200轉到步驟2206，在步驟2206中，至少部分地基於訓練樣本中的每個訓練樣本中的干涉訊號的標記的類別和分類的類別之間的差異，來調整模型的參數。例如，模型訓練模組2102可以透過訓練樣本2106來調整模型2104的一個或多個參數。
圖23是根據本發明內容的一些實施例的用於對用於表面形貌表徵的模型進行訓練的另一種示例性方法2300的流程圖。可以執行方法2300的步驟的系統的示例包括圖21中描繪的系統2100。應當理解，方法2300中示出的步驟不是窮舉的，並且也可以在所示出的步驟中的任何步驟之前、之後或之間執行其它步驟。此外，步驟中的一些步驟可以同時地執行，或者可以以與圖23中示出的不同的順序來執行。
參照圖23，方法2300開始於步驟2302處，在步驟2302中，提供了用於對光譜訊號進行分類的模型。該模型可以包括分類模型。例如，可以向系統2100的模型訓練模組2102提供模型2104。如圖23中示出的，方法2300轉到步驟2304，在步驟2304中，獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的光譜訊號的類別。根據一些實施例，光譜訊號對應於半導體晶片的表面上的位置，並且標記的類別對應於半導體晶片的表面上具有相同材料的區域。光譜訊號可以包括反射光譜，並且半導體晶片的表面的至少一部分包括透明層。例如，模型訓練模組2102可以獲得訓練樣本2106。如圖23中示出的，方法2300轉到步驟2306，在步驟2306中，至少部分地基於訓練樣本中的每個訓練樣本中的光譜訊號的標記的類別和分類的類別之間的差異，來調整模型的參數。例如，模型訓練模組2102可以透過訓練樣本2106來調整模型2104的一個或多個參數。
可以例如使用一個或多個計算設備(諸如圖24中示出的計算設備2400)來實現各種實施例。一個或多個計算設備2400可以是圖1中的計算設備102 的示例，並且可以用於例如實現圖9的方法900、圖10的方法1000、圖11的方法1100、圖15的方法1500、圖16的方法1600、圖18的方法1800和圖19的方法1900。例如，計算設備2400可以在表面形貌計量中執行各種功能，諸如干涉訊號和/或光譜訊號分類、表面高度偏移校準、校準的表面高度計算、以及校準的高度節點生成。一個或多個計算設備2400還可以是圖21中的系統2100的示例，並且可以用於例如實現圖22的方法2200和圖23的方法2300。例如，計算設備2400可以在模型訓練中執行各種功能。計算設備2400可以是能夠執行本文描述的功能的任何電腦。
計算設備2400可以包括一個或多個處理器(還被稱為中央處理單元或CPU)，諸如處理器2404。根據一些實施例，處理器2404連接到通訊基礎設施2406(或匯流排)。一個或多個處理器2404可以各自是GPU。在一些實施例中，GPU是被設計為處理數學密集型應用的專用電子電路的處理器。GPU可以具有並行結構，該並行結構對於並行處理大資料塊(諸如對於電腦圖形應用、圖像、視頻等通用的數學密集型資料)非常有效。
計算設備2400還可以包括諸如監視器、鍵盤、指向設備等等之類的使用者輸入/輸出設備2403，它們透過使用者輸入/輸出介面2402與通訊基礎設施或匯流排2406進行通訊。
計算設備2400還可以包括主記憶體或主要記憶體2408，諸如隨機存取記憶體(RAM)。主記憶體2408可以包括一級或多級快取記憶體。根據一些實施例，主記憶體2408中已經儲存有控制邏輯(即，電腦軟體)和/或資料。
計算設備2400還可以包括一個或多個輔助儲存設備或輔助記憶體2410。輔助記憶體2410可以包括例如硬碟驅動器2412和/或可移動儲存設備或可移動儲存驅動器2414。可移動儲存驅動器2414可以是軟碟驅動器、磁帶驅動器、壓縮光碟驅動器、光學儲存設備、磁帶備份設備和/或任何其它儲存設備/驅動器。
可移動儲存驅動器2414可以與可移動儲存單元2418進行交互。根據一些實施例，可移動儲存單元2418包括其上儲存有電腦軟體(控制邏輯)和/或資料的電腦可用或可讀儲存設備。可移動儲存單元2418可以是軟碟、磁帶、壓縮光碟、DVD、光儲存碟和/或任何其它電腦資料儲存設備。可移動儲存驅動器2414可以以眾所周知的方式從可移動儲存單元2418進行讀取和/或向其寫入。
根據一些實施例，輔助記憶體2410可以包括用於允許電腦程式和/或其它指令和/或資料被計算設備2400訪問的其它手段、工具或其它方法。這些手段、工具或其它方法可以包括例如可移動儲存單元2422和介面2420。可移動儲存單元2422和介面2420的示例可以包括程式盒式記憶體和盒式介面(諸如在視頻遊戲裝置中找到的介面)、可移動儲存晶片(諸如EPROM或PROM)和相關聯的插槽、儲存棒和USB埠、記憶卡和相關聯的記憶卡插槽、和/或任何其它可移動儲存單元和相關聯的介面。
計算設備2400還可以包括通訊介面2424(或網路介面)。根據一些實施例，通訊介面2424使計算設備2400能夠與遠端設備、遠端網路、遠端實體等等的任意組合進行通訊和交互(由圖式標記2428個別地和共同地引用)。例如，通訊介面2424可以允許計算設備2400透過通訊路徑2426與遠端設備2428進行通訊，該通訊路徑2426可以是有線的和/或無線的，並且可以包括LAN、WAN、互聯網等等的任意組合。可以經由通訊路徑2426，向計算設備2400發送控制邏輯和/或資料，以及從計算設備2400接收控制邏輯和/或資料。
在一些實施例中，包括在其上儲存有控制邏輯(軟體)的有形電腦可用或可讀介質的有形裝置或製品，在本文中還被稱為電腦程式產品或程式儲存設備。這包括但不限於計算設備2400、主記憶體2408、輔助記憶體2410和可移動儲存單元2418和2422、以及體現前述的任意組合的有形製品。當由一個或多個資料處理設備(諸如計算設備2400)執行時，這樣的控制邏輯使這樣的資 料處理設備如本文描述地操作。
基於本發明內容中包含的教導，對於相關領域技術人員來說，如何使用不同於圖24中示出的資料處理設備、電腦系統和/或電腦架構的資料處理設備、電腦系統和/或電腦架構來製造和使用本發明內容的實施例將是顯而易見的。具體而言，實施例可以使用除本文描述的那些之外的軟體、硬體和/或作業系統實現來操作。
根據本發明內容的一個方面，公開了一種用於測量半導體晶片的表面形貌的方法。由至少一個處理器接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個對應於所述半導體晶片表面上的多個位置中的相應的一個位置。由所述至少一個處理器使用模型將所述光譜訊號分類成多個類別。所述多個類別中的每個類別對應於所述半導體晶片的所述表面上具有相同材料的區域。表面基線與所述多個類別中的至少一個類別之間的表面高度偏移是由所述至少一個處理器至少部分地基於與對應於多個類別中的所述至少一個類別的所述區域相關聯的校準訊號來確定的。由所述至少一個處理器至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的所述表面形貌。
在一些實施例中，所述干涉訊號中的每個干涉訊號包括低相干干涉法的干涉條紋，以及所述光譜訊號中的每個光譜訊號包括反射光譜。
在一些實施例中，所述半導體晶片的所述表面的至少一部分包括透明層。
在一些實施例中，所述干涉訊號中的每個干涉訊號與在所述相應的位置處的原始表面高度相關聯。
在一些實施例中，為了表徵所述半導體晶片的所述表面形貌，至少部分地基於對應的原始表面高度和所述表面高度偏移，計算所述半導體晶片的所述表面上的所述位置之一處的校準的表面高度。
在一些實施例中，所述模型包括分類模型。
在一些實施例中，為了對所述多個光譜訊號進行分類，將所述多個光譜訊號聚類成多個集群，並且至少部分地基於對所述半導體晶片的設計，對所述多個集群進行調整以變成所述多個類別，使得所述多個類別中的每個類別對應於具有相同材料的所述相應的區域。
在一些實施例中，為了確定所述表面高度偏移，將所述表面基線指定為與所述多個類別之一對應的基線區域，接收所述校準訊號和與所述基線區域對應的基線訊號，以及至少部分地基於所述校準訊號、所述基線訊號和所述干涉訊號，來確定所述表面高度偏移。
在一些實施例中，所述校準訊號和所述基線訊號中的每個與由SPM或電子顯微鏡確定的形貌高度相關聯。
在一些實施例中，至少部分地基於所接收到的干涉訊號來生成原始高度圖，至少部分地基於所接收到的光譜訊號來生成光譜圖，至少部分地基於所述分類的光譜訊號和所述多個類別，將所述光譜圖變換成分類圖，以及至少部分地基於所述表面高度偏移和所述分類圖，從所述原始高度圖生成校準的高度圖。
根據本發明內容的另一個方面，一種用於測量半導體晶片的表面形貌的系統包括干涉儀、光譜儀、掃描探針顯微鏡(SPM)或電子顯微鏡、以及至少一個處理器。所述干涉儀被配置為提供多個干涉訊號，每個干涉訊號對應於所述半導體晶片表面上的多個位置中的相應的一個位置。所述光譜儀被配置為提供多個干涉光譜，每個干涉光譜對應於所述半導體晶片表面上的多個位置中的相應的一個位置。所述SPM或電子顯微鏡被配置為提供多個校準訊號。所述至少一個處理器被配置為使用模型將所述光譜訊號分類成多個類別。所述多個類別中的每個類別對應於所述半導體晶片的所述表面上具有相同材料的區 域。所述至少一個處理器還被配置為至少部分地基於與對應於所述多個類別中的至少一個類別的所述區域相關聯的所述校準訊號中的至少一個校準訊號，來確定表面基線與多個類別中的所述至少一個類別之間的表面高度偏移。所述至少一個處理器還被配置為至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的所述表面形貌。
在一些實施例中，所述干涉儀包括低相干干涉儀，並且所述干涉訊號中的每個干涉訊號包括低相干干涉法的干涉條紋，以及所述光譜儀包括反射光譜儀，並且所述光譜訊號中的每個光譜訊號包括反射光譜。
在一些實施例中，所述半導體晶片的所述表面的至少一部分包括透明層。
在一些實施例中，所述干涉訊號中的每個干涉訊號與在所述相應的位置處的原始表面高度相關聯。
在一些實施例中，為了表徵所述半導體晶片的所述表面形貌，所述至少一個處理器還被配置為：至少部分地基於對應的原始表面高度和所述表面高度偏移，計算所述半導體晶片的所述表面上的所述位置之一處的校準的表面高度。
在一些實施例中，所述模型包括分類模型。
在一些實施例中，為了對所述多個光譜訊號進行分類，所述至少一個處理器還被配置為：將所述多個光譜訊號聚類成多個集群；並且至少部分地基於對所述半導體晶片的所述設計，對所述多個集群進行調整以變成所述多個類別，使得所述多個類別中的每個類別對應於具有相同材料的所述相應的區域。
在一些實施例中，為了確定所述表面高度偏移，所述至少一個處理器還被配置為：將所述表面基線指定為與所述多個類別之一相對應的基線區域；接收所述校準訊號和所述校準訊號的與所述基線區域相對應的基線訊號； 以及至少部分地基於所述校準訊號、所述基線訊號和所述干涉訊號，來確定所述表面高度偏移。
在一些實施例中，所述校準訊號中的每個校準訊號與形貌高度相關聯。
在一些實施例中，所述至少一個處理器還被配置為：至少部分地基於所述接收到的干涉訊號來生成原始高度圖；至少部分地基於所述接收到的光譜訊號來生成光譜圖；至少部分地基於所述分類的光譜訊號和所述多個類別，將所述光譜圖變換成分類圖；以及至少部分地基於所述表面高度偏移和所述分類圖，從所述原始高度圖生成校準的高度圖。
根據本發明內容的另一個方面，一種有形電腦可讀設備具有在其上儲存的指令，當所述指令被至少一個計算設備執行時，使得所述至少一個計算設備執行步驟。這些步驟包括：接收多個干涉訊號和多個光譜訊號。干涉訊號和光譜訊號中的每個對應於半導體晶片表面上的多個位置中的相應的一個位置。這些步驟還包括：使用模型將所述光譜訊號分類成多個類別。所述多個類別中的每個類別對應於所述半導體晶片的所述表面上具有相同材料的區域。這些步驟還包括：至少部分地基於與對應於所述多個類別中的至少一個類別的所述區域相關聯的校準訊號，來確定表面基線與所述多個類別中的所述至少一個類別之間的表面高度偏移。這些步驟還包括：至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的形貌。
根據本發明內容的另一個方面，公開了一種用於訓練模型的方法。由至少一個處理器提供用於對光譜訊號進行分類的模型。由所述至少一個處理器獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的所述光譜訊號的類別。所述光譜訊號與半導體晶片表面上的位置相對應，以及所述標記的類別對應於所述半導體晶片的所述表面上具有相同材料的區域。由所述至少一個處理 器至少部分地基於所述訓練樣本中的每個訓練樣本中的所述光譜訊號的所述標記的類別和分類的類別之間的差異，來調整所述模型的參數。
在一些實施例中，所述干涉訊號包括反射光譜。
在一些實施例中，所述半導體晶片的所述表面的至少一部分包括透明層。
在一些實施例中，所述模型包括分類模型。
根據本發明內容的另一個方面，一種用於訓練模型的系統包括記憶體和操作地耦合到所述記憶體的至少一個處理器。所述至少一個處理器被配置為提供用於對光譜訊號進行分類的模型。所述至少一個處理器還被配置為獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的所述光譜訊號的類別。所述光譜訊號與半導體晶片表面上的位置相對應，以及所述標記的類別對應於所述半導體晶片的所述表面上具有相同材料的區域。所述至少一個處理器還被配置為至少部分地基於所述訓練樣本中的每個訓練樣本中的所述光譜訊號的所述標記的類別和分類的類別之間的差異，來調整所述模型的參數。
在一些實施例中，所述干涉訊號包括反射光譜。
在一些實施例中，所述半導體晶片的所述表面的至少一部分包括透明層。
在一些實施例中，所述模型包括分類模型。
根據本發明內容的另一個方面，一種有形電腦可讀設備具有在其上儲存的指令，當所述指令被至少一個計算設備執行時，使得所述至少一個計算設備執行步驟。這些操作包括：提供用於對光譜訊號進行分類的模型。這些步驟還包括：獲得多個訓練樣本，每個訓練樣本包括光譜訊號和標記的所述光譜訊號的類別。所述光譜訊號與半導體晶片表面上的位置相對應，以及所述標記的類別對應於所述半導體晶片的所述表面上具有相同材料的區域。這些步驟還 包括：至少部分地基於所述訓練樣本中的每個訓練樣本中的所述光譜訊號的所述標記的類別和分類的類別之間的差異，來調整所述模型的參數。
前述的具體實施例的描述將如此揭示本發明內容的一般性質，使得在不脫離本發明內容的一般概念的情況下，其它人可以透過應用本領域技術範圍內的知識，容易地針對各種應用修改和/或調整這樣的特定實施例，而無需過度的實驗。因此，基於本文給出的教導和指導，這樣的調整和修改旨在落入所公開的實施例的等同物的含義和範圍內。應當理解，本文中的措辭或術語是用於描述目的而非做出限制，使得本說明書的術語或措辭將由熟練的技術人員根據教導和指導來解釋。
上面借助於用於示出特定功能的實現以及其關係的功能構建塊，來描述了本發明內容的實施例。為了便於描述起見，本文任意規定了這些功能構建塊的邊界。只要適當地執行指定的功能以及其關係，就可以規定替代的邊界。
發明內容和摘要部分可以闡述如由發明人預期的本發明內容的一個或多個但不是所有示例性實施例，並且因此，其並不旨在以任何方式對本發明內容和所附發明申請專利範圍進行限定。
本發明內容的寬度和範圍不應受到上面描述的示例性實施例中的任何實施例的限制，而應當僅根據所附發明申請專利範圍及其等同物來限定。
以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
1700:計算設備
612:干涉訊號
1702:光譜訊號
614:校準訊號
1302:光譜訊號分類器
604:校準模組
606:表徵模組
1308:模型
610:表面高度計算單元

Claims (20)

  1. 一種用於測量半導體晶片的表面形貌的方法，包括：由至少一個處理器接收多個干涉訊號和多個光譜訊號，其中，所述干涉訊號和所述光譜訊號中的每一個與所述半導體晶片的表面上的多個位置中的相應的一個位置相對應；由所述至少一個處理器使用模型將所述光譜訊號分類成多個類別，其中，所述多個類別中的每個類別與所述半導體晶片的所述表面上具有相同材料的區域相對應；由所述至少一個處理器至少部分地基於與對應於所述多個類別中的至少一個類別的區域相關聯的校準訊號來確定表面基線與所述多個類別中的所述至少一個類別之間的表面高度偏移；以及由所述至少一個處理器至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的所述表面形貌。
  2. 如請求項1所述的方法，其中，所述干涉訊號中的每個干涉訊號包括低相干干涉法的干涉條紋，以及所述光譜訊號中的每個光譜訊號包括反射光譜。
  3. 如請求項1所述的方法，其中，所述半導體晶片的所述表面的至少一部分包括透明層。
  4. 如請求項1所述的方法，其中，所述干涉訊號中的每個干涉訊號與在相應的位置處的原始表面高度相關聯。
  5. 如請求項4所述的方法，其中，表徵所述半導體晶片的所述表面形貌包括：至少部分地基於對應的原始表面高度和所述表面高度偏移，計算所述半導體晶片的所述表面上的所述位置中的一個位置處的校準的表面高度。
  6. 如請求項1所述的方法，其中，所述模型包括分類模型。
  7. 如請求項1所述的方法，其中，對所述多個光譜訊號進行分類包括：將所述多個光譜訊號聚類成多個集群；以及至少部分地基於對所述半導體晶片的設計，對所述多個集群進行調整以變成所述多個類別，使得所述多個類別中的每個類別與具有所述相同材料的相應的區域相對應。
  8. 如請求項1所述的方法，其中，確定所述表面高度偏移包括：將所述表面基線指定為與所述多個類別中的一個類別相對應的基線區域；接收所述校準訊號和與所述基線區域相對應的基線訊號；以及至少部分地基於所述校準訊號、所述基線訊號和所述干涉訊號，來確定所述表面高度偏移。
  9. 如請求項8所述的方法，其中，所述校準訊號和所述基線訊號中的每個與由掃描探針顯微鏡(SPM)或電子顯微鏡確定的形貌高度相關聯。
  10. 如請求項1所述的方法，還包括：至少部分地基於所接收的干涉訊號來生成原始高度圖； 至少部分地基於所接收的光譜訊號來生成光譜圖；至少部分地基於所分類的光譜訊號和所述多個類別，將所述光譜圖變換成分類圖；以及至少部分地基於所述表面高度偏移和所述分類圖，從所述原始高度圖生成校準的高度圖。
  11. 一種用於測量半導體晶片的表面形貌的系統，包括：干涉儀，其被配置為提供多個干涉訊號，每個干涉訊號與所述半導體晶片的表面上的多個位置中的相應的一個位置相對應；光譜儀，其被配置為提供多個光譜訊號，每個光譜訊號與所述半導體晶片的所述表面上的所述多個位置中的相應的一個位置相對應；掃描探針顯微鏡(SPM)或電子顯微鏡，其被配置為提供多個校準訊號；以及至少一個處理器，其被配置為：使用模型將所述光譜訊號分類成多個類別，其中，所述多個類別中的每個類別與所述半導體晶片的所述表面上具有相同材料的區域相對應；至少部分地基於與對應於所述多個類別中的至少一個類別的區域相關聯的所述校準訊號中的至少一個校準訊號，來確定表面基線與所述多個類別中的所述至少一個類別之間的表面高度偏移；以及至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的所述表面形貌。
  12. 如請求項11所述的系統，其中， 所述干涉儀包括低相干干涉儀，並且所述干涉訊號中的每個干涉訊號包括低相干干涉法的干涉條紋；以及所述光譜儀包括反射光譜儀，並且所述光譜訊號中的每個光譜訊號包括反射光譜。
  13. 如請求項11所述的系統，其中，所述干涉訊號中的每個干涉訊號與在相應的位置處的原始表面高度相關聯。
  14. 如請求項13所述的系統，其中，為了表徵所述半導體晶片的所述表面形貌，所述至少一個處理器還被配置為：至少部分地基於對應的原始表面高度和所述表面高度偏移，計算所述半導體晶片的所述表面上的所述位置中的一個位置處的校準的表面高度。
  15. 如請求項11所述的系統，其中，所述模型包括分類模型。
  16. 如請求項11所述的系統，其中，為了對所述多個干涉訊號進行分類，所述至少一個處理器還被配置為：將所述多個光譜訊號聚類成多個集群；以及至少部分地基於對所述半導體晶片的設計，對所述多個集群進行調整以變成所述多個類別，使得所述多個類別中的每個類別與具有所述相同材料的相應的區域相對應。
  17. 如請求項11所述的系統，其中，為了確定所述表面高度偏移，所述至少一個處理器還被配置為： 將所述表面基線指定為與所述多個類別中的一個類別相對應的基線區域；接收所述校準訊號和所述校準訊號中的與所述基線區域相對應的基線訊號；以及至少部分地基於所述校準訊號、所述基線訊號和所述干涉訊號，來確定所述表面高度偏移。
  18. 如請求項11所述的系統，其中，所述校準訊號中的每個校準訊號與形貌高度相關聯。
  19. 如請求項11所述的系統，其中，所述至少一個處理器還被配置為：至少部分地基於所接收的干涉訊號來生成原始高度圖；至少部分地基於所接收的光譜訊號來生成光譜圖；至少部分地基於所分類的光譜訊號和所述多個類別，將所述原始高度圖變換成分類圖；以及至少部分地基於所述表面高度偏移和所述分類圖，從所述原始高度圖生成校準的高度圖。
  20. 一種在其上儲存有指令的有形電腦可讀設備，當所述指令被至少一個計算設備執行時，使得所述至少一個計算設備執行包括以下各項的步驟：接收多個干涉訊號和多個光譜訊號，其中，所述干涉訊號和所述光譜訊號中的每一個與半導體晶片的表面上的多個位置中的相應的一個位置相對應；使用模型將所述光譜訊號分類成多個類別，其中，所述多個類別中的每個 類別與所述半導體晶片的所述表面上具有相同材料的區域相對應；至少部分地基於與對應於所述多個類別中的至少一個類別的區域相關聯的校準訊號，來確定表面基線與所述多個類別中的所述至少一個類別之間的表面高度偏移；以及至少部分地基於所述表面高度偏移和所述干涉訊號來表徵所述半導體晶片的表面形貌。
TW109112300A 2020-02-24 2020-04-13 用於半導體晶片表面形貌計量的系統和方法 TWI783220B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/CN2020/076432 WO2021168612A1 (en) 2020-02-24 2020-02-24 Systems and methods for semiconductor chip surface topography metrology
WOPCT/CN2020/076432 2020-02-24

Publications (2)

Publication Number Publication Date
TW202133289A TW202133289A (zh) 2021-09-01
TWI783220B true TWI783220B (zh) 2022-11-11

Family

ID=71414916

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109112300A TWI783220B (zh) 2020-02-24 2020-04-13 用於半導體晶片表面形貌計量的系統和方法

Country Status (4)

Country Link
US (2) US11562919B2 (zh)
CN (1) CN111406198B (zh)
TW (1) TWI783220B (zh)
WO (1) WO2021168612A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111356897B (zh) 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN111386441B (zh) * 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统
CN111406198B (zh) 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN111356896B (zh) 2020-02-24 2021-01-12 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN114543688A (zh) * 2022-01-17 2022-05-27 中国电子科技集团公司第十三研究所 台阶高度标准样块、制备方法以及白光干涉仪校准方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201643414A (zh) * 2015-05-11 2016-12-16 克萊譚克公司 具有小照明光斑尺寸之光學計量
TW201907228A (zh) * 2017-05-26 2019-02-16 美商克萊譚克公司 用於測量穿過一層之光的相位及振幅之裝置及方法
TW201940833A (zh) * 2013-12-23 2019-10-16 美商克萊譚克公司 多重圖案化參數之量測

Family Cites Families (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8608288D0 (en) * 1986-04-04 1986-05-08 Pa Consulting Services Noise compensation in speech recognition
JP3852557B2 (ja) 2000-09-08 2006-11-29 オムロン株式会社 膜厚測定方法およびその方法を用いた膜厚センサ
US7557929B2 (en) 2001-12-18 2009-07-07 Massachusetts Institute Of Technology Systems and methods for phase measurements
US7869057B2 (en) * 2002-09-09 2011-01-11 Zygo Corporation Multiple-angle multiple-wavelength interferometer using high-NA imaging and spectral analysis
JP4791354B2 (ja) 2003-03-06 2011-10-12 ザイゴ コーポレーション 走査干渉分光を用いた複雑な表面構造のプロファイリング
US7271918B2 (en) 2003-03-06 2007-09-18 Zygo Corporation Profiling complex surface structures using scanning interferometry
US7324214B2 (en) 2003-03-06 2008-01-29 Zygo Corporation Interferometer and method for measuring characteristics of optically unresolved surface features
EP1604169B1 (en) 2003-03-06 2020-05-06 Zygo Corporation Method for profiling complex surface structures using scanning interferometry
US6999180B1 (en) * 2003-04-02 2006-02-14 Kla-Tencor Technologies Corporation Optical film topography and thickness measurement
US7289225B2 (en) 2003-09-15 2007-10-30 Zygo Corporation Surface profiling using an interference pattern matching template
JP4133753B2 (ja) * 2003-11-11 2008-08-13 フジノン株式会社 迂曲面の光波干渉測定方法および迂曲面測定用の干渉計装置
JP2006170847A (ja) 2004-12-16 2006-06-29 Canon Inc 形状と材質の測定方法
GB0502677D0 (en) 2005-02-09 2005-03-16 Taylor Hobson Ltd Apparatus for and a method of determining a surface characteristic
TWI394930B (zh) 2005-05-19 2013-05-01 Zygo Corp 取得薄膜結構資訊之低同調干涉信號的分析方法及裝置
KR101321861B1 (ko) 2005-11-15 2013-10-25 지고 코포레이션 광학적으로 분석되지 않은 표면 형상의 특징을 측정하는방법 및 간섭계
US8265375B2 (en) * 2006-06-16 2012-09-11 Shirley Lyle G Method and apparatus for remote sensing of objects utilizing radiation speckle
US7602501B2 (en) 2006-07-10 2009-10-13 The Board Of Trustees Of The University Of Illinois Interferometric synthetic aperture microscopy
TWI452617B (zh) 2006-07-26 2014-09-11 Freiberger Compound Mat Gmbh 平滑化第三族氮化物基材之方法
US20080080670A1 (en) 2006-09-29 2008-04-03 Ge Security, Inc. Systems and methods for classifying a substance
DE102007018048A1 (de) 2007-04-13 2008-10-16 Michael Schwertner Verfahren und Anordnung zur optischen Abbildung mit Tiefendiskriminierung
EP2232195B1 (en) 2007-12-14 2015-03-18 Zygo Corporation Analyzing surface structure using scanning interferometry
US20100316150A1 (en) 2009-06-05 2010-12-16 Broadcom Corporation Mixed mode operations within multiple user, multiple access, and/or MIMO wireless communications
WO2012044300A1 (en) 2010-09-30 2012-04-05 Empire Technology Development Llc Projecting patterns for high resolution texture extraction
EP2482031A1 (en) 2011-01-26 2012-08-01 Mitutoyo Research Center Europe B.V. Method and apparatus for performing film thickness measurements using white light scanning interferometry
DE102011051146B3 (de) 2011-06-17 2012-10-04 Precitec Optronik Gmbh Prüfverfahren zum Prüfen einer Verbindungsschicht zwischen waferförmigen Proben
US8587789B2 (en) 2011-12-21 2013-11-19 Mitutoyo Corporation Chromatic point sensor compensation including workpiece material effects
US9810643B1 (en) 2012-09-25 2017-11-07 Applied Materials Israel Ltd. System and method for defect detection using multi-spot scanning
US10219163B2 (en) 2013-03-15 2019-02-26 DGS Global Systems, Inc. Systems, methods, and devices for electronic spectrum management
CN103267494B (zh) 2013-05-20 2015-11-04 湖北工业大学 一种表面形貌干涉测量的方法及装置
FR3006048A1 (fr) * 2013-05-24 2014-11-28 Commissariat Energie Atomique Procede de caracterisation de la topographie d'une surface
US10935893B2 (en) * 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
CN105900016B (zh) 2013-12-05 2018-02-13 Asml荷兰有限公司 用于测量衬底上的结构的方法和设备、用于误差校正的模型、用于实施这样的方法和设备的计算机程序产品
US9494410B2 (en) 2013-12-05 2016-11-15 National Taiwan University Method for measuring characteristics of sample
US9389064B2 (en) 2014-03-28 2016-07-12 Intel Corporation Inline inspection of the contact between conductive traces and substrate for hidden defects using white light interferometer with tilted objective lens
JP6269334B2 (ja) 2014-06-12 2018-01-31 株式会社東京精密 多点距離測定装置及び形状測定装置
US10215559B2 (en) 2014-10-16 2019-02-26 Kla-Tencor Corporation Metrology of multiple patterning processes
CN105632956B (zh) 2014-11-07 2018-04-06 中国科学院微电子研究所 一种化学机械抛光后芯片表面形貌评测方法及系统
KR101653908B1 (ko) 2015-02-25 2016-09-02 부경대학교 산학협력단 광섬유 압력 센서 및 이를 이용한 압력 측정방법
US10495446B2 (en) 2015-06-29 2019-12-03 Kla-Tencor Corporation Methods and apparatus for measuring height on a semiconductor wafer
US10488184B2 (en) * 2015-07-13 2019-11-26 Nanometrics Incorporated Interferometric characterization of surface topography
JP6553967B2 (ja) 2015-07-14 2019-07-31 株式会社ミツトヨ 瞬時位相シフト干渉計
CN105526874B (zh) * 2015-12-03 2019-09-20 重庆三峡学院 一种基于光谱特征参数的油膜厚度识别方法
CN108700816A (zh) 2015-12-17 2018-10-23 Asml荷兰有限公司 散射测量中的偏振调谐
CN105674911A (zh) 2016-01-27 2016-06-15 淮安普瑞精仪科技有限公司 非接触式微纳三维测量方法及其装置
FR3050023B1 (fr) 2016-04-11 2020-02-14 Unity Semiconductor Procede et systeme d'inspection et de mesure optique d'une face d'un objet
KR20230135690A (ko) 2016-10-04 2023-09-25 케이엘에이 코포레이션 반도체 디바이스 제조 중 분광 측정의 촉진
US10234402B2 (en) 2017-01-05 2019-03-19 Kla-Tencor Corporation Systems and methods for defect material classification
JP2018124184A (ja) * 2017-02-01 2018-08-09 株式会社豊田自動織機 ハーネス認識装置、及びハーネス認識方法
CN107144235A (zh) 2017-05-03 2017-09-08 佛山科学技术学院 一种物品表面形貌检测方法及装置
WO2019011608A1 (en) 2017-07-13 2019-01-17 Asml Netherlands B.V. INSPECTION TOOL, LITHOGRAPHIC APPARATUS, LITHOGRAPHIC SYSTEM, INSPECTION METHOD, AND DEVICE MANUFACTURING METHOD
CN109387155B (zh) 2017-08-10 2020-09-22 上海微电子装备（集团）股份有限公司 形貌检测装置与形貌检测方法
EP3477252A1 (de) 2017-10-25 2019-05-01 Unity Semiconductor GmbH Anordnung zur erfassung des oberflächenprofils einer objektoberfläche mittels interferometrischer abstandsmessung
US10810408B2 (en) 2018-01-26 2020-10-20 Viavi Solutions Inc. Reduced false positive identification for spectroscopic classification
CN108061529B (zh) 2018-02-23 2020-03-31 西南科技大学 基于干涉图像自相关值曲率特征的表面粗糙度测量方法
TWI794416B (zh) 2018-02-28 2023-03-01 美商賽格股份有限公司 多層堆疊結構之計量方法及干涉儀系統
EP3540514A1 (en) 2018-03-13 2019-09-18 ASML Netherlands B.V. Inspection tool, lithographic apparatus, and inspection method
CN108875072B (zh) 2018-07-05 2022-01-14 第四范式（北京）技术有限公司 文本分类方法、装置、设备以及存储介质
CN108844492B (zh) 2018-08-31 2020-04-03 苏州大学 一种基于光谱调制度深度编码的微结构形貌测量方法及其装置
CN109373918B (zh) 2018-12-18 2020-08-28 哈尔滨工业大学 一种用于二维材料薄膜厚度测量的高效光学测量方法
CN109781633A (zh) 2019-03-13 2019-05-21 山东大学 一种可获得光谱信息的白光显微干涉测量系统及方法
CN109916330B (zh) * 2019-03-18 2021-02-23 长春理工大学 一种覆切削液的工件表面微观形貌测量装置及测量方法
CN109932708B (zh) 2019-03-25 2022-09-23 西北工业大学 一种基于干涉条纹和深度学习的水面水下分类目标的方法
CN110207609B (zh) * 2019-04-25 2021-03-23 合刃科技（武汉）有限公司 基于多种光谱的主动光的三维成像方法、装置及存储介质
CN110285771A (zh) 2019-05-15 2019-09-27 淮阴师范学院 基于白光干涉的嵌入式三维形貌测量模块
CN110260814B (zh) 2019-06-13 2020-12-11 大连理工大学 一种白光扫描干涉测量法高频形貌补偿方法
CN110487205B (zh) 2019-07-31 2020-10-13 北京理工大学 结合色散共焦定位的非球面参数误差干涉测量方法
CN110686166B (zh) * 2019-10-21 2021-11-05 上海大学 Sagnac分布光纤传感系统的离散化定位方法
CN110779464B (zh) 2019-11-18 2021-06-18 重庆邮电大学 一种时域频域联合分析宽光谱相干测量方法及系统
CN111406198B (zh) 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN111356896B (zh) 2020-02-24 2021-01-12 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN111356897B (zh) * 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统和方法
CN111386441B (zh) * 2020-02-24 2021-02-19 长江存储科技有限责任公司 用于半导体芯片表面形貌计量的系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201940833A (zh) * 2013-12-23 2019-10-16 美商克萊譚克公司 多重圖案化參數之量測
TW201643414A (zh) * 2015-05-11 2016-12-16 克萊譚克公司 具有小照明光斑尺寸之光學計量
TW201907228A (zh) * 2017-05-26 2019-02-16 美商克萊譚克公司 用於測量穿過一層之光的相位及振幅之裝置及方法

Also Published As

Publication number Publication date
CN111406198A (zh) 2020-07-10
US20230144331A1 (en) 2023-05-11
US20210265185A1 (en) 2021-08-26
CN111406198B (zh) 2021-02-19
TW202133289A (zh) 2021-09-01
WO2021168612A1 (en) 2021-09-02
US11562919B2 (en) 2023-01-24

Similar Documents

Publication Publication Date Title
TWI783220B (zh) 用於半導體晶片表面形貌計量的系統和方法
TWI732522B (zh) 用於半導體晶圓表面形貌計量的系統和方法
CN113008160B (zh) 用于半导体芯片表面形貌计量的系统和方法
TWI772778B (zh) 具有帶有擴展光譜的光源以用於半導體晶圓表面形貌計量的系統
JP5502491B2 (ja) 表面特徴の特性測定のための装置および方法
US7177030B2 (en) Determination of thin film topography
US10937705B2 (en) Sample inspection using topography
TWI417518B (zh) 干涉儀及量測光學解析下表面特徵之特性的方法
US9025162B2 (en) Interferometry for lateral metrology
CN112384749B (zh) 用于半导体芯片孔几何形状度量的系统和方法
Wang et al. VIA dishing metrology for novel 3D NAND using neural network assisted white light interferometry