用于半导体衬底的临界尺寸测量的基于深度学习的自适应关注区域制造技术

本发明专利技术揭示一种计量系统。在一个实施例中，所述系统包含经配置以获取样本的一或多个图像的特性化子系统。在另一实施例中，所述系统包含控制器，其经配置以：从所述特性化子系统接收样本的一或多个训练图像；在所述一或多个训练图像内接收一或多个训练关注区域ROI选择；基于所述一或多个训练图像及所述一或多个训练ROI选择来产生机器学习分类器；从所述特性化子系统接收样本的一或多个产品图像；使用所述机器学习分类器来产生一或多个经分类关注区域；及在所述一或多个经分类关注区域内确定所述样本的一或多个测量。定所述样本的一或多个测量。定所述样本的一或多个测量。

【技术实现步骤摘要】
【国外来华专利技术】用于半导体衬底的临界尺寸测量的基于深度学习的自适应关注区域
[0001]相关申请案的交叉参考
[0002]本申请案依据35 U.S.C.
§
119(e)主张名叫阿皮特
·
亚蒂(Arpit Yati)的专利技术者在2018年11月21日申请的题为“用于半导体衬底的临界尺寸测量的基于深度学习的自适应关注区域(DEEP LEARNING BASED ADAPTIVE REGIONS OF INTEREST FOR CRITICAL DIMENSION MEASUREMENTS OF SEMICONDUCTOR SUBSTRATES)”的序列号为62/770,712的美国临时申请案的权益，所述案的全部内容以引用的方式并入本文中。本申请案还主张名叫阿皮特
·
亚蒂的专利技术者在2018年8月10日申请的题为“用于半导体结构的临界尺寸测量的基于深度学习的自适应关注区域(DEEP LEARNING BASED ADAPTIVE REGIONS OF INTEREST FOR CRITICAL DIMENSION MEASUREMEN本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，其包括：特性化子系统，其经配置以获取样本的一或多个图像；及控制器，其包含经配置以执行存储于存储器中的程序指令集的一或多个处理器，所述程序指令集经配置以引起所述一或多个处理器：从所述特性化子系统接收样本的一或多个训练图像；在所述一或多个训练图像内接收一或多个训练关注区域ROI选择；基于所述一或多个训练图像及所述一或多个训练ROI选择来产生机器学习分类器；从所述特性化子系统接收样本的一或多个产品图像；使用所述机器学习分类器来产生一或多个经分类关注区域；及在所述一或多个经分类关注区域内确定所述样本的一或多个测量。2.根据权利要求1所述的系统，其中所述机器学习分类器经配置以基于所述一或多个训练图像及所述一或多个训练ROI选择来识别样本的一或多个关注测量。3.根据权利要求1所述的系统，其中使用所述机器学习分类器来产生一或多个经分类关注区域包括：在所述一或多个产品图像内接收一或多个产品ROI选择；使用所述机器学习分类器来自适应修改所述一或多个产品ROI选择的一或多个特性以产生所述一或多个经分类关注区域。4.根据权利要求3所述的系统，其中从用户经由用户接口接收至少一产品ROI选择。5.根据权利要求3所述的系统，其中使用所述机器学习分类器来自适应修改所述一或多个产品ROI选择的一或多个特性包括：使用所述机器学习分类器来自适应修改至少一产品ROI选择的大小或形状中的至少一者。6.根据权利要求3所述的系统，其中使用所述机器学习分类器来自适应修改所述一或多个产品ROI选择的一或多个特性包括：使用所述机器学习分类器来自适应修改至少一产品ROI选择的定向以产生已相对于所述至少一产品ROI选择旋转的经分类关注区域。7.根据权利要求1所述的系统，其中使用所述机器学习分类器来产生一或多个经分类关注区域包括：在所述一或多个产品图像内接收一或多个产品关注图案POI选择；及基于所述一或多个产品POI选择来产生所述一或多个经分类关注区域8.根据权利要求1所述的系统，其中所述一或多个测量包括所述一或多个经分类关注区域内的临界尺寸测量。9.根据权利要求1所述的系统，其中所述特性化子系统包括扫描电子显微镜SEM子系统或光学特性化子系统中的至少一者。10.根据权利要求1所述的系统，其中从用户经由用户接口接收至少一训练ROI选择。11.根据权利要求1所述的系统，其中所述机器学习分类器包括深度学习分类器、卷积神经网络CNN、集成学习分类器、随机森林分类器或人工神...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：