微加工装置的自动操作控制制造方法及图纸

微加工装置，例如扫描电子显微镜或聚焦离子束显微镜等，提供图像。使用依顺序耦合的第一机器学习算法(151)和第二机器学习算法(152)。第一机器学习算法(151)基于与工作流程相关联的图像中的特征识别来决定预定义工作流程中的进度，而第二机器学习算法(152)根据预定义工作流程中的进度来预测微加工装置的操作参数的设定。操作参数的设定。操作参数的设定。

【技术实现步骤摘要】
【国外来华专利技术】微加工装置的自动操作控制


[0001]各种示例一般来说关于微加工装置的自动操作控制。更具体地，各种示例关于使用机器学习算法的自动操作控制。

技术介绍

[0002]微加工装置促进了与微观或次微观样品(例如半导体装置、晶片、生物样品、微光学件等)的相互作用。举例来说，相互作用可包含样品的微观成像。微加工装置可依靠的成像模式的示例包含扫描电子显微镜(SEM)、原子力显微镜(AFM)、X射线成像、聚焦离子束(FIB)成像等。相互作用也可包含样品的微观操作。示例包含FIB铣削、使用光刻工具的抗蚀剂曝光、隧道电子显微镜(TEM)薄层的制备、材料沉积等。
[0003]这种微加工装置的操作参数通常具有很大空间的可用设定。换句话说：选择操作参数的合适设定的自由度很大。此外，通常会观察到参数漂移，因此设定需要在一段时间内进行调整。
[0004]这通常使微加工装置的操作成为复杂且易于出错的任务。举例来说，在操作微加工装置时，可能需要熟练的人员来执行复杂的工作流程。
[0005]因此，已经发现，微加工装置的操作具有各种限制和缺点。举例来说，对熟本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种控制微加工装置(90)的操作的方法，包含：获得图像(101
‑
104)的时间序列(100)，所述图像是在使用该微加工装置(90)的操作参数的一个或多个第一设定(131)时所获取的，将所述图像(101
‑
104)的该时间序列(100)的每一图像(101
‑
104)提供给一个或多个第一算法(151)，并从该一个或多个第一算法(151)获得所述图像(101
‑
104)中所包含的预定义特征(210)的一个或多个特性(201
‑
202)的时间序列(209)，将该一个或多个特性(201
‑
202)的该时间序列(209)提供给第二算法(152)，并从该第二算法(152)获得对该微加工装置(90)的操作参数的第二设定(132)的预测，以及根据所述操作参数的该第二设定(132)来控制该微加工装置(90)的操作。2.如权利要求1的方法，还包含：从该一个或多个第一算法(151)获得该预定义特征(210)的状态(110)，以及基于该状态(110)从多个候选算法中选择该第二算法(152)。3.如权利要求2的方法，其中基于在该时间序列(100)的所述图像(101
‑
104)中的该预定义特征(210)的取向(121)或定位的其中至少一个，进一步从该多个候选算法中选择该第二算法(152)。4.如权利要求2或3的方法，还包含：监视该预定义特征(210)的该状态(110)，以及基于该监视，根据该第二设定选择性地触发对该微加工装置的操作的所述控制。5.如权利要求2至4中任一项的方法，其中该状态(110)包含该预定义特征(210)的健康状态。6.如权利要求5的方法，其中该健康状态指示以下的一或多项：该预定义特征(210)在相应图像中的可见性；该预定义特征(210)的前驱物在相应图像中的可见性。7.如前述权利要求中任一项的方法，其中该预定义特征(210)的该一个或多个特性(201
‑
202)包含以下中的至少一个：该预定义特征(210)的清晰度或对比度等级；该预定义特征(210)的定位；或该预定义特征(210)的几何结构。8.如前述权利要求中任一项的方法，还包含：将所述图像(101
‑
104)的时间序列(100)的至少一些图像(101
‑
104)提供给第三算法(153)，并获得在所述至少一些图像(101
‑
104)中的该预定义特征(210)的取向(121)或定位的其中至少一个，以及提供该预定义特征(210)的取向(121)或定位的其中至少一个给该第二算法(152)。9.如前述权利要求中任一项的方法，还包含：从人机界面(93)接收该微加工装置(90)的操作参数的第三设定(133)，进行在该第二设定(132)和该第三设定(133)之间的比较，以及基于该比较来训...

【专利技术属性】
技术研发人员：R皮丘马尼，A莫林，D德莱登，C帕克，
申请(专利权)人：卡尔蔡司SMT有限责任公司，
类型：发明
国别省市：