学习装置、推断装置及学习完成模型制造方法及图纸

一种用于提高制造工艺的仿真精度的学习装置。该学习装置包括：取得部，取得对象物的图像数据和关于针对所述对象物的处理的数据；以及学习部，向学习模型输入所述对象物的图像数据和关于所述处理的数据，并且以使所述学习模型的输出接近所述处理后的所述对象物的图像数据的方式，使所述学习模型进行学习。

【技术实现步骤摘要】
【国外来华专利技术】学习装置、推断装置及学习完成模型
本专利技术涉及一种学习装置、推断装置及学习完成模型。
技术介绍
传统上，半导体制造商通过针对各制造工艺(例如干蚀刻、沉积等)生成物理模型并执行仿真，从而进行最佳配方的探索以及工艺参数的调整等。另一方面，由于半导体制造工艺的动作复杂，因此也存在无法用物理模型表现的现象，在仿真精度上存在极限。因此，最近正在研究应用进行了机器学习的学习完成模型来代替基于物理模型的仿真。
技术实现思路
<本专利技术要解决的问题>在此，在学习完成模型的情况下，具有无需如物理模型般地使用物理方程式等来规定半导体制造工艺的各现象的优点，并且有望实现无法由基于物理模型的仿真实现的仿真精度。本公开的目的在于提高制造工艺的仿真精度。<用于解决问题的手段>本公开的一个实施方式中的学习装置例如具有以下结构。也即，包括：取得部，取得对象物的图像数据和关于针对所述对象物的处理的数据；以及学习部，向学习模型输入所述对象物的图像数据和关于所述处理的数据，并且以使所述学习模型的输出接近所述处理后的所述对象物的图像数据的方式，使所述学习模型进行学习。附图说明图1是示出仿真系统的整体结构的示例的图。图2是示出构成仿真系统的各装置的硬件结构的示例的图。图3是示出学习用数据的示例的图。图4是示出第1实施方式中的学习装置的学习部的功能结构的示例的图。图5是示出第1实施方式中的学习装置的数据构形部的功能结构的示例的图。图6是示出第1实施方式中的学习装置的数据构形部所进行的处理的具体示例的图。图7是示出第1实施方式中的学习装置的干蚀刻用学习模型所进行的处理的具体示例的图。图8是示出学习处理的流程的流程图。图9是示出推断装置的执行部的功能结构的示例的图。图10是示出干蚀刻用学习完成模型的仿真精度的图。图11是示出沉积用学习完成模型的仿真精度的图。图12是示出第2实施方式中的学习装置的数据构形部的功能结构的示例的图。图13是示出第2实施方式中的学习装置的干蚀刻用学习模型所进行的处理的具体示例的图。图14是示出第3实施方式中的学习装置的学习部的功能构成的示例的图。图15是示出第4实施方式中的学习装置的数据构形部的功能结构的示例的图。图16是示出推断装置的应用示例的图。具体实施方式以下，参照附图对各实施方式进行说明。需要说明的是，在本说明书及附图中，针对具有实质上相同的功能结构的构成要素赋予相同的符号并省略重复的说明。[第1实施方式]＜仿真系统的整体结构＞首先，对进行半导体制造工艺的仿真的仿真系统的整体结构进行说明。图1是示出仿真系统的整体结构的示例的图。如图1所示，仿真系统100具有学习装置120和推断装置130。需要说明的是，在仿真系统100中所使用的各种数据、各种信息从半导体制造商或半导体制造装置制造商的数据库等获得。如图1的上部所示，在半导体制造装置110中，通过设定预定的参数数据(详细内容将在后面说明)并且对多个处理前晶圆(对象物)进行搬送，从而执行与各制造工艺(例如干蚀刻、沉积)对应的处理。需要说明的是，多个处理前晶圆之中的一部分处理前晶圆被搬送至测定装置111，在各种位置处由测定装置111进行形状的测定。由此，在测定装置111中，例如生成用于表示处理前晶圆在各位置处的剖面形状的处理前图像数据(二维的图像数据)。需要说明的是，测定装置111包括扫描式电子显微镜(SEM)、长度测量扫描式电子显微镜(CD-SEM)、透射电子显微镜(TEM)、原子力显微镜(AFM)等。另外，假定由测定装置111生成的处理前图像数据与显微镜的放大率等各种元数据关联。在图1的示例中示出了测定装置111生成文件名称＝“形状数据LD001”、“形状数据LD002”、“形状数据LD003”…等处理前图像数据作为处理前图像数据的情况。另一方面，在执行与各制造工艺对应的处理之后，将处理后晶圆从半导体制造装置110中搬出。在半导体制造装置110中，对在针对处理前晶圆执行与各制造工艺对应的处理时的处理期间的环境进行测定，并将其作为环境信息保存。作为处理后晶圆从半导体制造装置110中搬出的多个处理后晶圆之中的一部分处理前晶圆被搬送至测定装置112，在各种位置处由测定装置112进行形状的测定。由此，在测定装置112中，例如生成用于表示处理后晶圆在各位置处的剖面形状的处理后图像数据(二维的图像数据)。需要说明的是，与测定装置111同样，测定装置112包括扫描式电子显微镜(SEM)、长度测量扫描式电子显微镜(CD-SEM)、透射电子显微镜(TEM)、原子力显微镜(AFM)等。在图1的示例中示出了测定装置112生成文件名称＝“形状数据LD001’”、“形状数据LD002’”、“形状数据LD003’”…等处理后图像数据作为处理后图像数据的情况。由测定装置111生成的处理前图像数据、在半导体制造装置110中设定的参数数据及保存的环境信息、以及由测定装置112生成的处理后图像数据作为学习用数据被学习装置120收集。另外，在学习装置120中，将收集的学习用数据储存在学习用数据储存部123中。需要说明的是，在半导体制造装置110中设定的参数数据及保存的环境信息是在半导体制造装置110针对处理前晶圆(对象物)执行与制造工艺对应的处理时的关于该处理的任意的数据。如此一来，通过以执行与制造工艺对应的处理时的关于该处理的任意的数据作为学习用数据，从而能够在机器学习中反映与制造工艺的各现象相关的因素。通过在学习装置120中安装数据构形(datashaping)程序及学习程序，并且执行该程序，从而使学习装置120起到数据构形部121和学习部122的功能。数据构形部121是加工部的示例。数据构形部121将储存在学习用数据储存部123中的学习用数据读出，并且将读出的学习用数据的一部分加工成适合由学习部122向学习模型输入的预定的形式。学习部122使用所读出的学习用数据(包括由数据构形部121所加工的学习用数据)，针对学习模型进行机器学习，并生成半导体制造工艺的学习完成模型。由学习部122所生成的学习完成模型被提供给推断装置130。通过在推断装置130中安装数据构形程序及执行程序，并且执行该程序，从而使推断装置130起到数据构形部131和执行部132的功能。数据构形部131是加工部的示例。数据构形部131取得由测定装置111所生成的处理前图像数据、以及输入至推断装置130的参数数据、环境信息。另外，数据构形部131将取得的参数数据及环境信息加工成适合由执行部132向学习完成模型输入的预定的形式。执行部132通过向学习完成模型输入处理前图像数据、以及在数据构形部131中被加工成预定形式的参数数据及环境信息，并执行仿真，从而输出(推断)处理后图像数据(仿真结果)。推断装置130的用本文档来自技高网...

【技术保护点】
1.一种学习装置，包括：/n取得部，取得对象物的图像数据和关于针对所述对象物的处理的数据；以及/n学习部，向学习模型输入所述对象物的图像数据和关于所述处理的数据，并且以使所述学习模型的输出接近所述处理后的所述对象物的图像数据的方式，使所述学习模型进行学习。/n

【技术特征摘要】
【国外来华专利技术】20180903 JP 2018-1649311.一种学习装置，包括：
取得部，取得对象物的图像数据和关于针对所述对象物的处理的数据；以及
学习部，向学习模型输入所述对象物的图像数据和关于所述处理的数据，并且以使所述学习模型的输出接近所述处理后的所述对象物的图像数据的方式，使所述学习模型进行学习。


2.根据权利要求1所述的学习装置，还包括：
加工部，将关于所述处理的数据加工成与所述对象物的图像数据对应的形式，
其中，所述学习部向所述学习模型输入所述加工后的数据。


3.根据权利要求1或2所述的学习装置，其中，
输入所述学习模型的所述对象物的图像数据具有与所述对象物中包含的材料对应的多个通道，各通道具有与各材料的组成比或含量比对应的值。


4.根据权利要求1至3中任一项所述的学习装置，其中，
所述处理为与半导体制造工艺对应的处理。


5.根据权利要求4所述的学习装置，其中，
关于所述处理的数据包括半导体制造装置执行与所述半导体制造工艺对应的处理时的表示处理条件的参数。


6.根据权利要求4或5所述的学习装置，其中，
关于所述处理的数据包括半导体制造装置执行与所述半导体制造工艺对应的处理时测定的环境信息。


7.根据权利要求5所述的学习装置，其中，
所述参数至少包括在所述半导体制造装置中设定的设定值、以及所述半导体制造装置的硬件形状中的任意一种。


8.根据权利要求6所述的学习装置，其中，
所述环境信息至少包括在所述半导体制造装置中测定的关于电流的数据、关于电压的数据、关于光的数据、关于温度的数据、关于压力的数据中的任意一种。


9.根据权利要求2所述的学习装置，其中，
所述加工部将关于所述处理的数据加工成与所述图像数据的纵向尺寸和横向尺寸对应的二维排列的形式。


10.根据权利要求1所述的学习装置，其中，
所述学习部包括：
比较部，对所述学习模型的输出与所述处理后的所述对象物的图像数据进行比较；以及
变更部，基于通过所述比较部的比较所得到的差值信息来更新所述学习模型的模型参数。


11.一种推断装置，包括：
存储部，用于对学习完成模型进行存储，所述学习完成模型以使当被输入第一对象物的图像数据和关于针对所述第一对象物的第一处理的数据时的输出接近所述第一处理后的所述第一对象物的图像数据的方式进行...

【专利技术属性】
技术研发人员：中乡孝祐，本木大资，渡部正树，小松智希，茂木弘典，本田昌伸，加藤隆彦，新关智彦，
申请(专利权)人：首选网络株式会社，东京毅力科创株式会社，
类型：发明
国别省市：日本;JP