用于基于库的临界尺寸CD计量的精确和快速的神经网络训练制造技术

本申请涉及用于基于库的临界尺寸CD计量的精确和快速的神经网络训练。描述了用于基于库的临界尺寸(CD)计量的精确神经网络训练的方法。还描述了用于基于库的临界尺寸(CD)计量的快速神经网络训练的方法。

【技术实现步骤摘要】
用于基于库的临界尺寸CD计量的精确和快速的神经网络训练本申请是优先权日为2011年3月4日，申请日为2012年2月28日，申请号为“201280010987.4”，而专利技术名称为“用于基于库的临界尺寸CD计量的精确和快速的神经网络训练”的申请的分案申请。
本专利技术的实施方式为光学计量领域，更具体地，涉及用于基于库的临界尺寸(CD)计量的精确和快速的神经网络训练。
技术介绍
光学计量技术一般是指如散射测量一样在制造过程中提供表征工件参数的可能性。在实践中，将光直接照射在形成于工件的周期光栅上并且测量和分析反射光的光谱来表征该光栅参数。特征化参数可以包括影响材料的反射率和折射率的临界尺寸(CD)，侧壁(sidewall)角(SWA)和特性高度(HT)等。光栅的特征化因而可以表征工件也可以具有在光栅和工件的形成中利用的制造过程的特征。在过去的几年，严格耦合波方法(RCWA)和类似算法已广泛用于衍射结构的研究和设计。在RCWA方法中，周期性结构的轮廓由给定数量的足够薄的平面光栅板来近似。具体来说，RCWA包含三个主要操作，即，光栅内的场的傅里叶展开、表征衍射信号的恒定系数矩阵的特征值和特本文档来自技高网...

【技术保护点】
一种用于光栅结构的基于库的临界尺寸计量的快速神经网络训练的方法，该方法包括：为第一神经网络提供训练目标；训练所述第一神经网络，该训练包括以第一数量的神经元开始并迭代增加神经元的数量，直至使用第二、更大数量的神经元达到所述训练目标，其中所述第一神经网络的所述训练包括当下列情况发生时停止用于所述第一神经网络的所述训练的迭代：用于所述第一神经网络的所述训练的计算代价函数的值小于预定的值，或所述计算代价函数的所述值没有由于特定数量的连续迭代而减少预定的百分比；基于所述训练和所述第二数量的神经元产生第二神经网络；基于所述第二神经网络提供光谱库，所述光谱库包括用于所述光栅结构的仿真频谱。

【技术特征摘要】
2011.03.04 US 13/041,2531.一种用于光栅结构的基于库的临界尺寸计量的快速神经网络训练的方法，该方法包括：为第一神经网络提供训练目标；训练所述第一神经网络，该训练包括以第一数量的神经元开始并迭代增加神经元的数量，直至使用第二、更大数量的神经元达到所述训练目标，其中所述第一神经网络的所述训练包括当下列情况发生时停止用于所述第一神经网络的所述训练的迭代：用于所述第一神经网络的所述训练的计算代价函数的值小于预定的值，或所述计算代价函数的所述值没有由于特定数量的连续迭代而减少预定的百分比；基于所述训练和所述第二数量的神经元产生第二神经网络；基于所述第二神经网络提供光谱库，所述光谱库包括用于所述光栅结构的仿真频谱。2.根据权利要求1所述的方法，其中迭代增加神经元的数量直至达到所述训练目标包括使用改进的列文伯格-马夸尔特方法。3.根据权利要求1所述的方法，其中迭代增加神经元的数量包括增加所述第一神经网络的隐藏层中神经元的数量。4.根据权利要求1所述的方法，其中所述光谱库包括仿真频谱，该方法还包括：比较所述仿真频谱和样本频谱。5.根据权利要求1所述的方法，其中所述第一神经网络的所述训练进一步包括当下列情况发生时停止用于所述第一神经网络的所述训练的迭代：迭代的数量达到预定的迭代的最大数量。6.根据权利要求1所述的方法，其中所述第一神经网络的所述训练进一步包括验证数据集的使用，且进一步包括当下列情况发生时停止用于所述第一神经网络的所述训练的迭代：验证数据的错误由于预定的迭代的数量增加...

【专利技术属性】
技术研发人员：金文，V·永，鲍君威，李列泉，L·波斯拉夫斯基，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：美国,US