【技术实现步骤摘要】
【国外来华专利技术】用于多模式检验的基于统计学习模式选择
[0001]本专利技术大体上涉及在半导体技术中用于样品的多模式检验的基于统计学习模式选择的方法及系统。
技术介绍
[0002]以下描述及实例不因其包含于此段落中而被承认是现有技术。
[0003]在半导体制造过程期间的各个步骤使用检验过程以检测晶片上的缺陷以促进制造过程中的更高良率及因此更高利润。检验始终是制造半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得更为重要，这是因为较小缺陷可引起装置故障。
[0004]许多检验工具具有关于工具的许多输出(例如，图像)产生元件的可调整参数。关于一或多个元件(例如能量源、偏光器、透镜、检测器及类似者)的参数可取决于所检验样品的类型及样品上的所关注缺陷(DOI)的特性更改。例如，不同类型的样品可具有显著不同特性，此可引起具有相同参数的相同工具以显著不同方式使样品成像。另外，由于不同类型的DOI可具有显著不同特性，因此适合于检测一个类型的DOI的检验系统参数可能不适合于检测另一类型的DOI。此外...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种经配置用于选择用于检验样品的一或多个模式的系统，其包括：一或多个计算机系统，其经配置用于：统计预测集合中的数据点是否对应于样品上的缺陷或扰乱点，其中所述数据点包括针对所述样品上的离散位置从通过检验系统的两个或更多个模式产生的输出确定的一或多个属性，且其中已在所述离散位置处使用所述两个或更多个模式中的至少一者检测事件；确定所述两个或更多个模式的两个或更多个不同组合中的每一者的定量测量，借此确定不同定量测量，其中所述两个或更多个不同组合中的每一者的所述定量测量是响应于所述两个或更多个不同组合中的一者检测所述缺陷且最小化所述扰乱点的检测的良好程度；及基于经确定定量测量选择用于检验与所述样品的类型相同的样品的所述检验系统的所述两个或更多个模式中的一或多者。2.根据权利要求1所述的系统，其中所述统计预测包括将密度函数拟合到整个所述数据点，确定两个或更多个所述数据点中的每一者的密度值，借此确定所述数据点的密度值，其中所述密度值估计所述数据点对应于所述扰乱点的概率，及确定测量在基于阈值将所述数据点分为二的情况下熵的改变的信息增益分数。3.根据权利要求2所述的系统，其中所述统计预测、确定所述定量测量及选择所述一或多个模式是非监督式的。4.根据权利要求2所述的系统，其中确定所述定量测量包括通过比较针对所述两个或更多个不同组合中的每一者确定的所述信息增益分数而将排名指派到所述两个或更多个不同组合中的每一者，且其中所述排名经指派使得较高排名对应于较高信息增益分数。5.根据权利要求4所述的系统，其中确定所述定量测量进一步包括确定经指派最高排名的所述两个或更多个不同组合中的预定数目者的一或多个性能特性，且其中所述选择所基于的所述经确定定量测量包括经确定一或多个性能特性。6.根据权利要求5所述的系统，其中确定所述一或多个性能特性包括针对所述两个或更多个不同组合中的所述预定数目者中的每一者产生接收器操作特性曲线，及从针对所述两个或更多个不同组合中的所述预定数目者中的每一者的所述接收器操作特性曲线确定扰乱点减少百分比的范围内的平均所关注缺陷保留，且其中所述选择所基于的所述经确定一或多个性能特性包括经确定平均所关注缺陷保留。7.根据权利要求1所述的系统，其中所述统计预测包括将所述数据点输入到随机森林决策树中，所述随机森林决策树经配置用于将所述数据点分离成两个或更多个区域且基于被分离成所述两个或更多个区域的训练样本的最常出现类别而将类别指派到所述数据点。8.根据权利要求7所述的系统，其中所述统计预测、确定所述定量测量及选择所述一或多个模式是监督式的。9.根据权利要求7所述的系统，其中所述两个或更多个区域是由针对所述离散位置确定的所述一或多个属性的值的不同非重叠范围界定的非重叠区域。10.根据权利要求7所述的系统，其中所述一或多个计算机系统进一步经配置用于使用自举训练样本产生初始随机森林决策树，通过每次考虑分离时选取针对所述自举训练样本确定的属性的随机子集而使所述初始随机森林决策树解相关，及选择所述随机子集中的所述属性的最好分离所述类别的属性以供使用，借此确定所述随机森林决策树。
11.根据权利要求7所述的系统，其中所述随机森林决策树进一步经配置以使用基于集成学习的技术。12.根据权利要求7所述的系统，其中确定所述定量测量包括针对所述两个或...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。