用于模型基础对准的基于机器学习的图像产生制造技术

一种用于训练机器学习模型以产生预测的被测量图像的方法，包括：获得(a)与参考设计图案相关联的输入目标图像，和(b)与印制于衬底上的指定设计图案相关联的参考测量图像，其中所述输入目标图像与所述参考测量图像为未对准的图像；和通过硬件计算机系统且使用所述输入目标图像训练所述机器学习模型以产生预测的被测量图像。的被测量图像。的被测量图像。

Machine learning based image generation for model based alignment

【技术实现步骤摘要】
【国外来华专利技术】用于模型基础对准的基于机器学习的图像产生
[0001]相关申请的交叉引用
[0002]本申请要求于2019年11月01日递交的美国申请62/929,605和于2020年4月13日递交的美国申请63/009,036的优先权，这些美国申请的全部内容通过引用并入本文中。


[0003]本文中的描述总体涉及如与用于光刻过程的过程模型一起使用的量测，并且更具体地涉及用于使用机器学习来产生图像以实现图像对准的设备、方法和计算机程序产品。

技术介绍

[0004]光刻投影设备可以用于例如集成电路(IC)的制造中。在这种情况下，图案形成装置(例如，掩模)可以包括或提供与IC的单层对应的图案(“设计布局”)，并且这一图案可以通过诸如穿过图案形成装置上的图案辐射已经涂覆有辐射敏感材料(“抗蚀剂”)层的衬底(例如，硅晶片)上的目标部分(例如，包括一个或更多个的管芯)的方法，被转印到所述目标部分上。通常，单个衬底包括被光刻投影设备连续地、以一次一个目标部分的方式将图案转印到其上的多个相邻目标部分。在一种类型的光刻投影设备中，整个图案形成装置上的图案被一次转印到一个目标部分上；这样的设备通常称作为步进器。在一种替代的设备(通常称为步进扫描设备)中，投影束沿给定的参考方向(“扫描”方向)在图案形成装置上扫描，同时沿与所述参考方向平行或反向平行的方向同步移动衬底。图案形成装置上的图案的不同部分被逐步地转印到一个目标部分上。因为通常光刻投影设备将具有减小比率M(例如，4)，所以衬底被移动的速率F将是投影束扫描图案形成装置的速率的1/M倍。关于光刻装置的更多信息可以在例如以引用的方式并入本文中的US 6,046,792中找到。
[0005]在将所述图案从图案形成装置转印至衬底之前，衬底可能经历各种工序，诸如涂底料、抗蚀剂涂覆以及软焙烤。在曝光之后，衬底可能经历其它工序(“曝光后工序”)，诸如曝光后焙烤(PEB)、显影、硬焙烤以及对所转印的图案的测量/检查。这一系列的工序被用作为制造器件(例如，IC)的单个层的基础。之后衬底可能经历各种过程，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械抛光等，所有的这些过程都旨在最终完成器件的单个层。如果器件需要多个层，则针对每一层重复整个工序或其变形。最终，器件将设置在衬底上的每一目标部分中。之后通过诸如切片或切割等技术，将这些器件互相分开，由此单独的器件可以安装在载体上，连接至引脚等。
[0006]因而，制造器件(诸如半导体器件)通常涉及使用多个制造过程来处理衬底(例如，半导体晶片)以形成器件的各种特征和多个层。这些层和特征通常使用例如沉积、光刻、蚀刻、化学机械抛光、和离子注入来制造和处理。可以在衬底上的多个管芯上制造多个器件，并且然后将该多个器件分成单独的器件。此器件制造过程可以被认为是图案化过程。图案化过程涉及图案形成步骤，诸如在光刻设备中使用图案形成装置的光学和/或纳米压印光刻术，以将图案形成装置上的图案转印到衬底上，并且通常但可选地涉及到一个或更多个相关的图案处理步骤，诸如通过显影设备的抗蚀剂显影、使用烘焙工具的衬底烘焙、使用蚀
刻设备而使用图案进行蚀刻等。
[0007]如提及的，光刻术是制造器件(诸如IC)中的中心步骤，其中，形成于衬底上的图案限定器件的功能元件，诸如微处理器、存储器芯片等。类似的光刻技术也用于形成平板显示器、微机电系统(MEMS)和其它器件。
[0008]随着半导体制造过程继续进步，几十年来，在功能元件的尺寸已经不断地减小的同时，每器件功能元件(诸如晶体管)的量已经在稳定地增加，这遵循着通常称为“摩尔定律”的趋势。在当前的技术状态下，使用光刻投影设备来制造器件的多个层，光刻投影设备使用来自深紫外线照射源的照射将设计布局投影到衬底上，从而形成具有远低于100nm(即，小于来自照射源(例如，193nm照射源)的辐射的波长的一半)的尺寸的单独的功能元件。
[0009]其中具有尺寸小于光刻投影设备的经典分辨率极限的特征被印制的这种过程通常被称为低k1光刻术，它所依据的分辨率公式是CD＝k1×
λ/NA，其中，λ是所采用的辐射的波长(当前大多数情况下是248nm或193mn)，NA是光刻投影设备中的投影光学器件的数值孔径，CD是“临界尺寸”(通常是所印制的最小特征尺寸)以及，k1是经验分辨率因子。通常，k1越小，在衬底上再现类似于由设计者所规划的形状和尺寸以实现特定电学功能性和性能的图案就变得越困难。为了克服这些困难，将复杂的精调步骤应用到光刻投影设备、设计布局或图案形成装置。这些步骤包括例如但不限于：NA和光学相干性设定的优化、自定义照射方案、使用相移图案形成装置、设计布局中的光学邻近效应校正(OPC，有时也称作“光学和过程校正”)，或通常被定义为“分辨率增强技术”(RET)的其它方法。
[0010]如本文中使用的术语“投影光学器件”应该被宽泛地解释为涵盖各种类型的光学系统，包括例如折射型光学器件、反射型光学器件、孔阑和反射折射型光学器件。术语“投影光学器件”也可以包括用于共同地或单个地引导、成形或控制投影辐射束的根据这些设计类型中的任一个来操作的部件。术语“投影光学器件”可以包括光刻投影设备中的任何光学部件，无论光学部件位于光刻投影设备的光学路径上的什么地方。投影光学器件可以包括用于在来自源的辐射通过图案形成装置之前成形、调整和/或投影该辐射的光学部件，或者用于在所述辐射通过图案形成装置之后成形、调整和/或投影所述辐射的光学部件。投影光学器件通常不包括源和图案形成装置。

技术实现思路

[0011]一种用于训练机器学习模型以产生预测的被测量图像的方法，包括：获得(a)与参考设计图案相关联的输入目标图像，和(b)与印制于衬底上的指定设计图案相关联的参考测量图像，其中所述输入目标图像与所述参考测量图像为未对准的图像；和通过硬件计算机系统且使用所述输入目标图像训练所述机器学习模型以产生预测的被测量图像。
[0012]在一些实施例中，训练所述机器学习模型是迭代过程，其中迭代包括：经由执行所述机器学习模型的第一生成器模型，从所述输入目标图像产生所述预测的被测量图像；经由所述机器学习模型的第一鉴别器模型，确定所述预测的被测量图像和所述参考测量图像为真或假，其中如果第一图像满足与指定测量图像有关的第一阈值，则所述第一鉴别器模型确定所述第一图像为真，所述指定测量图像与印制于衬底上的指定设计图案相关联，并且其中如果所述第一图像不满足所述第一阈值，则所述第一鉴别器模型确定所述第一图像
为假；经由执行所述机器学习模型的第二生成器模型，从所述参考测量图像产生预测目标图像；以及经由所述机器学习模型的第二鉴别器模型，确定所述预测目标图像和所述输入目标图像为真或假，其中如果第二图像满足与输入设计图案有关的第二阈值，则所述第二鉴别器模型确定所述第二图像为真，并且其中如果所述第二图像不满足所述第二阈值，则所述第二鉴别器模型确定所述第二图像为假。
[0013]在一些实施例中，所述迭代包括：计算与所述第一鉴别器模型相关联的作为以下各项的函数的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种非暂时性计算机可读介质，在所述非暂时性计算机可读介质上记录有指令，所述指令在由计算机执行时实施对准被测量图像的方法，所述方法包括：获得(a)与衬底上的设计图案相关联的被测量图像，和(b)从与所述设计图案相关联的目标图像产生的预测的被测量图像；以及基于所述被测量图像与所述预测的被测量图像之间的偏移来对准所述被测量图像与所述预测的被测量图像。2.根据权利要求1所述的非暂时性计算机可读介质，其中对准所述被测量图像包括：基于所述被测量图像与所述预测的被测量图像的交叉相关性确定所述偏移。3.根据权利要求2所述的非暂时性计算机可读介质，其中确定所述偏移包括：确定与所述预测的被测量图像相关联的、所述交叉相关性的量度超过指定阈值的位置的坐标。4.根据权利要求1所述的非暂时性计算机可读介质，其中所述偏移是基于所述被测量图像与所述预测的被测量图像在频域中的归一化交叉相关性被确定的。5.根据权利要求3所述的非暂时性计算机可读介质，其中确定所述偏移还包括：基于所述被测量图像与所述预测的被测量图像在频域中的归一化交叉相关性来确定所述偏移。6.根据权利要求1所述的非暂时性计算机可读介质，其中获得所述预测的被测量图像包括：通过使用机器学习模型获得所述预测的被测量图像，所述机器学习模型被训练以从所述目标图像产生所述预测的被测量图像。7.根据权利要求6所述的非暂时性计算机可读介质，其中从所述机器学习模型获得所述预测的被测量图像包括：获得多个图像对，其中每个图像对包括a)与所述设计图案相关联的训练用目标图像，和b)从图像采集装置获得且与所述训练用目标图像对准的训练用被测量图像，以及通过将所述多个图像...

【专利技术属性】
技术研发人员：张强，郭蕴博，曹宇，王祯祥，卢彦文，陈丹武，阳鹏程，梁浩毅，陈志超，浦凌凌，
申请(专利权)人：ASML荷兰有限公司，
类型：发明
国别省市：