一种用于确定半导体工艺的工艺极限的方法技术

取得同一管芯区域的图像的数据集作为方法的起始点。该数据集之中的图像对应于一个或多个工艺参数的不同设置。来自该数据集的一个或多个图像被用作无监督生成式机器学习算法的训练图像。该算法创建特征向量空间，其包括允许该算法合成大量合成图像的特征向量。该方法接着将来自该数据集的一个或多个图像呈现为针对该算法的查询图像，并且基于查询图像与来自该数据集的一组对象图像中的相应对象图像之间的距离将一分数归于该一组对象图像，所述距离在特征向量空间中被确定。根据本发明专利技术，该分数表示图像的一个或多个特性。这允许直接从分数值中，而非从图像的手动比较中，提取工艺极限。

【技术实现步骤摘要】
一种用于确定半导体工艺的工艺极限的方法专利
本专利技术涉及半导体工艺处理，尤其涉及一个或多个参数的工艺极限的确定，该一个或多个参数诸如在光刻工艺中应用的曝光剂量和聚焦。
技术介绍
诸如集成电路芯片之类的半导体器件按照数百个工艺步骤的一序列来被生成。这些工艺步骤中的许多工艺步骤需要光刻掩模，二维图案通过该光刻掩模被压印在光抗蚀层上，之后是用于以在半导体晶片或晶片上的各个层的材料形成的三维特征的形式产生图案的一个或多个蚀刻工艺。此类光刻掩模的设计在如今涉及在将光学、抗蚀以及蚀刻现象纳入考虑的情况下的印刷图案的预测，而光学、抗蚀以及蚀刻现象发生在掩模特征的尺寸及以下尺寸。这些效应导致印刷图案相对于设计意图的不可避免的偏离。所谓的“电子设计自动化”(EDA)工具，诸如“光学邻近度校正”(OPC)软件，被用于确定预期初始掩模设计并对其进行纠正以给出对于印刷晶片上的设计意图的最佳可能近似。OPC优化基于用于对给定现象进行补偿的初始设计边缘的分段，并且依赖于准确的建模以预测印刷特征的模拟轮廓。基于OPC的解决方案的审阅通过输出许多特征的模拟可印刷窗口来进行。窗口在光刻工具的聚焦和曝光剂量设置方面定义可印刷性性能极限，在该极限内图案的可靠印刷是可被获得的。出于各种原因，诸如设计几何形状、OPC建模的准确性等等，一些图案可具有比其他图案更大的可印刷窗口。模拟窗口随后通过实验，通过制造测试掩模并用其在光敏抗蚀层的多个管芯区域上印刷各种图案特征来被验证。每一管芯区域通过聚焦和曝光条件的变动的值来被印刷。实验窗口通过测量多个管芯区域上的特征来被确定。实验窗口与模拟窗口之间的差异被评估，并且可能使得对掩模设计的进一步的基于OPC的优化成为必要。已知用于分析印刷管芯的不同测量技术。光学检查可以被使用，但是随着特征尺寸收缩至低于32nm的临界尺寸，这些技术并不足够精确，因为光学工具无法解析结构。因此，诸如CD-SEM(临界尺寸扫描电子显微镜)之类的电子光束工具被用于获得详细图像，并且从这些图像的手动检查中导出可印刷窗口。然而，这是耗时费力的，并且这代表了减缓掩模发展进程的瓶颈。在可印刷窗口内，可确定与例如特定缺陷(即，在剂量和聚焦在工艺窗口极限之外时出现的缺陷)有关的较窄的工艺窗口。该窄工艺窗口的确定如今主要通过CD-SEM图像的手动比较来进行，并且因此是同样劳动密集和耗时费力的。可印刷窗口和缺陷相关的工艺窗口是用于评估基于OPC的掩模设计和/或用于在半导体晶片上正确印刷给定特征集所需的工艺极限的示例。工艺极限不仅在光刻工艺中应用的剂量和聚焦方面被确定，而且还因变于各种其他工艺参数，诸如蚀刻参数或者与沉积或平面化工艺有关的参数。如今，这些工艺极限的确定同样要求主要对CD-SEM图像进行手动分析。一般来说，上述问题与在半导体工艺所获得的管芯区域的不同图像之间进行区分的难度有关，其中不同图像通过改变一个或多个工艺参数而获得。尤其对于在如今所应用的小器件尺寸并且肯定地对于更小的投影尺寸，没有允许在不需要大量时间和人力的情况下作出此类区分的可用的可靠技术。
技术实现思路
本专利技术的目的在于提供一种不遭受上述问题的用于确定工艺极限的方法。通过根据所附权利要求书的方法达到该目的。根据本专利技术，同一管芯区域的详细图像(优选地是CD-SEM图像)的数据集被取得，作为允许在没有手动干预的情况下确定工艺极限的方法的起始点。该数据集之中的图像对应于一个或多个工艺参数(例如，光刻工艺中所应用的不同剂量和聚焦设置)的不同设置。来自该数据集的一个或多个图像被用作无监督生成式机器学习算法的训练图像。该算法创建特征向量空间，其包括允许该算法合成大量合成图像的特征向量。该方法接着将来自该数据集的一个或多个图像呈现为针对该算法的查询图像，并且基于查询图像与来自该数据集的一组对象图像中的相应对象图像之间的距离将一分数归于该一组对象图像，所述距离在特征向量空间中确定。根据本专利技术，该分数表示图像的一个或多个特性，诸如出现在图像中的一个或多个二维或三维特征的临界尺寸。这允许直接从分数值中，而非从图像的手动比较中，提取工艺极限。获得表示给定图像特性的分数值是通过对查询图像和对象图像中的一者或多者的有针对性的选择和/或通过将分数确定为从相对于一组不同查询图像获得的分数中计算的聚集分数值来实现的。该聚集分数可以是例如相对于一组查询图像获得的对象图像的分数的最大值或平均值。本专利技术尤其涉及一种用于确定半导体工艺的一个或多个参数的工艺极限的方法。该方法包括以下步骤：-提供包括多个管芯区域的一个或多个测试基板，-在该一个或多个测试基板的不同管芯区域上应用工艺，其中该一个或多个工艺参数从这些参数在管芯区域之一处的一设定值开始并且在其他管芯区域中分步骤增大和/或减小一个或多个参数来被递增，-获得通过应用不同参数值处理而得的不同管芯区域的同一部分的图像的数据集，-通过一方法步骤序列来确定工艺极限，该方法步骤序列包括：通过在该数据集的一个或多个图像的基础上训练无监督生成式机器学习算法来创建特征向量空间，从该图像数据集之中选择一个或多个查询图像，-对于每一查询图像，确定在该特征向量空间中从该查询图像到来自该数据集的多个图像的距离，此处的多个图像在之后被称为对象图像，-基于所述多个对象图像与一个或多个查询图像之间的距离来将一分数归于所述对象图像中的每一者，其中查询图像、对象图像以及分数的定义按照使得该分数表示至少在图像的一个或多个特性的给定范围内的一个或多个特性的方式来被选择，-从该分数与一个或多个工艺参数之间的关系中提取工艺极限。根据一实施例，单个查询图像被选择，并且其中该分数是所述距离或所述距离的线性函数。根据一实施例，多个查询图像被选择，并且其中该分数是基于每一对象图像的分数总和的聚集分数。该聚集分数可以是对象图像中的每一者的分数的最大值。根据一实施例，该聚集分数是对象图像中的每一者的分数的平均值。根据一实施例，由该算法生成的一个或多个合成图像被添加到该数据集，并且其中所述合成图像中的一者或多者被用作查询图像。根据一实施例，查询图像中的至少一者和/或对象图像中的至少一者是离群图像，即，不对应于位于所述一个或多个特性的预定义兴趣范围中的一个或多个特性的值的图像。该机器学习算法可以是生成式对抗网络(GAN)或变分自编码器(Var-AE)型的算法。根据一实施例，该工艺是光刻工艺，其中该方法被用于确定在该光刻工艺中应用的剂量和聚焦方面的可印刷窗口，并且其中该可印刷窗口的极限通过确定该分数与剂量和/或聚焦之间的关系中的阶跃来检测。该方法可被用于确定该工艺的一个或多个参数的工艺窗口，其中工艺窗口确定是基于分数与图像的所述一个或多个特性之间的预定义已知关系的。该预定义已知关系可以基于在执行该方法之前执行的一个或多个校准步骤。根据一实施例，该图像的一个或多个特性包括出现在图像中的一个或多个二维或三维图案特征的临界尺寸。本专利技术同样涉及一种用于根据本专利技术的方法来确定工艺极限的装置本文档来自技高网...

【技术保护点】
1.一种用于确定半导体工艺的一个或多个参数的工艺极限的方法，所述方法包括以下步骤：/n-提供包括多个管芯区域(1)的一个或多个测试基板，/n-在所述一个或多个测试基板的不同管芯区域上应用工艺，其中所述一个或多个工艺参数从这些参数在管芯区域之一处的一设定值开始并且在其他管芯区域中分步骤增大和/或减小一个或多个参数来被递增，/n-获得通过应用不同参数值处理而得的所述不同管芯区域的同一部分的图像的数据集(3a、3b、3c)，/n-通过一方法步骤序列来确定所述工艺极限，所述方法步骤序列包括：通过在所述数据集的一个或多个图像的基础上训练无监督生成式机器学习算法来创建特征向量空间，/n-从图像数据集之中选择一个或多个查询图像，/n-对于每一查询图像，确定在所述特征向量空间中从所述查询图像到来自所述数据集的多个图像的距离，此处的多个图像在之后被称为对象图像，/n-基于所述多个对象图像与所述一个或多个查询图像之间的距离来将一分数归于所述对象图像中的每一者，其中所述查询图像、所述对象图像以及所述分数的定义按照使得所述分数表示至少在所述图像的一个或多个特性的给定范围内的一个或多个特性的方式来被选择，/n-从所述分数与所述一个或多个工艺参数之间的关系中提取所述工艺极限。/n...

【技术特征摘要】
20190917 EP 19197794.11.一种用于确定半导体工艺的一个或多个参数的工艺极限的方法，所述方法包括以下步骤：
-提供包括多个管芯区域(1)的一个或多个测试基板，
-在所述一个或多个测试基板的不同管芯区域上应用工艺，其中所述一个或多个工艺参数从这些参数在管芯区域之一处的一设定值开始并且在其他管芯区域中分步骤增大和/或减小一个或多个参数来被递增，
-获得通过应用不同参数值处理而得的所述不同管芯区域的同一部分的图像的数据集(3a、3b、3c)，
-通过一方法步骤序列来确定所述工艺极限，所述方法步骤序列包括：通过在所述数据集的一个或多个图像的基础上训练无监督生成式机器学习算法来创建特征向量空间，
-从图像数据集之中选择一个或多个查询图像，
-对于每一查询图像，确定在所述特征向量空间中从所述查询图像到来自所述数据集的多个图像的距离，此处的多个图像在之后被称为对象图像，
-基于所述多个对象图像与所述一个或多个查询图像之间的距离来将一分数归于所述对象图像中的每一者，其中所述查询图像、所述对象图像以及所述分数的定义按照使得所述分数表示至少在所述图像的一个或多个特性的给定范围内的一个或多个特性的方式来被选择，
-从所述分数与所述一个或多个工艺参数之间的关系中提取所述工艺极限。


2.根据权利要求1所述的方法，其中单个查询图像被选择，并且其中所述分数是所述距离或所述距离的线性函数。


3.根据权利要求1所述的方法，其中多个查询图像被选择，并且其中所述分数是基于每一对象图像的分数总和的聚集分数。


4.根据权利要求3所述的方法，其中所述聚集分数是所述对象图像中的每一者的分数的最大值。


5.根据权利要求3所述的方法，其中所述聚集分数是所述对象图像中的每一者的分数的平均值。


6.根据权利要求3至5中任一项所述的方法，其中由所述算法生成的一个或多个合成图像被添加到所述数据集，并且其中所述合成图像中的一者或多者被用作查询图像。

【专利技术属性】
技术研发人员：S·霍尔德，B·戴伊，D·瑟布，
申请(专利权)人：IMEC非营利协会，
类型：发明
国别省市：比利时;BE