用于模拟样本图像的生成对抗网络(GAN)制造技术

本发明专利技术提供用于生成样本的模拟图像的方法及系统。一种系统包含一或多个计算机子系统及由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含使用训练集训练的生成对抗网络(GAN)，例如条件GAN(cGAN)，所述训练集包含经指定为训练输入的一或多个样本的设计数据的部分及经指定为训练输出的所述一或多个样本的对应图像。所述一或多个计算机子系统经配置以通过将样本的设计数据的部分输入到所述GAN中来生成所述样本的模拟图像。像。像。

【技术实现步骤摘要】
【国外来华专利技术】用于模拟样本图像的生成对抗网络(GAN)


[0001]本专利技术大体上涉及用于使用生成对抗网络(GAN)生成样本的模拟图像的方法及系统。

技术介绍

[0002]以下描述及实例不因其包含于本节中而被承认为现有技术。
[0003]制造例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制造过程来处理例如半导体晶片的衬底以形成半导体装置的各种特征及多个层级。例如，光刻涉及将一图案从分划板转印到布置于半导体晶片上的抗蚀剂的半导体制造过程。半导体制造过程的额外实例包含(但不限于)化学机械抛光(CMP)、蚀刻、沉积及离子注入。多个半导体装置可依一布置制造于单个半导体晶片上且接着分离成个别半导体装置。
[0004]在半导体制造过程期间的各种步骤中使用检验过程来检测晶片上的缺陷以促成制造过程的较高良率及因此较高利润。检验始终为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，检验对成功制造可接受半导体装置来说变得更重要，因为更小缺陷可引起装置故障。
[0005]设置大多数检验过程的一个显著障碍是识别足够数目个关注缺陷(DOI)，其接着可用于设置检验过程的各种参数。此类DOI通常为设置例如光学或其它成像参数的硬件参数及例如缺陷分类设置、干扰滤波器参数及其类似者的软件型参数两者所必需的。如果未在一或若干设置样本上找到足够DOI实例，那么所得检验配方对在其它样本上检测及识别所述DOI来说可能为次优的。
[0006]尽管设置此类硬件及软件参数还需要干扰实例，但干扰实例趋向于被轻易及压倒性使用。例如，当设置新检验过程时，可对设置样本执行热扫描，其中缺陷检测的阈值设置为处于系统输出的噪声底限、接近所述噪声底限或甚至在噪声底限内。因此，此扫描可产生比所需多很多的干扰实例，且所述干扰会使识别DOI实例特别困难，因为其需要与所有检测事件(其中大多数系干扰)分离。
[0007]设置检验过程的另一困难是设置样本可能不含一或多个DOI类型的任何实例，其可导致无法检测此(类)DOI类型的检验过程。此困难还可生成于维持已设置检验过程的性能中。例如，如果检验样本上的DOI类型由于某种原因而改变，那么已设置检验过程可能无法检测到新DOI类型。此检验过程甚至会变得不可用以需要使用新设置样本设置全新检验过程。
[0008]缺乏DOI实例会对使用例如深度学习(DL)的复杂技术对光学或其它工具执行干扰减少造成特别问题。因此，检验配方可能受限于手动调谐或基于随机森林的确定树。然而，即使是随机森林型确定树，还需要有时不可用的特定数目个DOI实例用于训练。因此，设置检验及其它配方的一个当前缺点是当无足够实例性DOI可用时，复杂技术无法用于其它检验或质量控制型过程中的干扰减少。
[0009]因此，开发不具有上述一或多个缺点的用于生成样本的模拟图像的系统及方法将
是有利的。

技术实现思路

[0010]各种实施例的以下描述不依任何方式解释为限制随附技术方案的标的物。
[0011]一个实施例涉及一种系统，其经配置以生成样本的模拟图像。所述系统包含一或多个计算机子系统及由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含使用训练集训练的生成对抗网络(GAN)，所述训练集包含指定为训练输入的一或多个样本的设计数据的部分及指定为训练输出的所述一或多个样本的对应图像。所述一或多个计算机子系统经配置以通过将样本的设计数据的部分输入到所述GAN中来生成所述样本的模拟图像。所述系统可如本文所描述般进一步配置。
[0012]另一实施例涉及一种用于生成样本的模拟图像的计算机实施方法。所述方法包含通过将样本的设计数据的部分输入到GAN中来生成所述样本的模拟图像。所述输入由一或多个计算机子系统执行。一或多个组件由所述一或多个计算机子系统执行。所述一或多个组件包含所述GAN。所述GAN使用训练集训练，所述训练集包含指定为训练输入的一或多个样本的设计数据的部分及指定为训练输出的所述一或多个样本的对应图像。
[0013]所述方法的步骤中的每一者可如本文进一步描述般进一步执行。所述方法可包含本文所描述的任何其它方法的任何其它步骤。所述方法可由本文所描述的系统中的任何者执行。
[0014]另一实施例涉及一种非暂时性计算机可读媒体，其存储可在一或多个计算机系统上执行以执行用于生成样本的模拟图像的计算机实施方法的程序指令。所述计算机实施方法包含上述方法的步骤。所述计算机可读媒体可如本文所描述般进一步配置。所述计算机实施方法的步骤可如本文进一步描述般执行。另外，所述程序指令可执行的所述计算机实施方法可包含本文所描述的任何其它方法的任何其它步骤。
附图说明
[0015]所属领域的技术人员将因受益于优选实施例的以下详细描述且在参考附图之后明白本专利技术的其它优点，其中：
[0016]图1及1a是说明如本文所描述般配置的系统的实施例的侧视图的示意图；
[0017]图2到4是说明可由本文所描述的实施例执行的步骤的流程图；
[0018]图5是说明可包含于生成对抗网络(GAN)的实施例中的生成器的一个实例的示意图；
[0019]图6是说明可包含于GAN的实施例中的鉴别器的一个实例的示意图；及
[0020]图7是说明存储用于引起计算机系统执行本文所描述的计算机实施方法的程序指令的非暂时性计算机可读媒体的一个实施例的框图。
[0021]尽管本专利技术可接受各种修改及替代形式，但其具体实施例依举例方式展示于图式中且在本文中详细描述。图式可不按比例绘制。然而，应理解，图式及其详细描述不希望使本专利技术受限于所公开的特定形式，而是相反地，本专利技术将涵盖落入由随附权利要求书界定的本专利技术的精神及范围内的所有修改、等效物及替代方案。
具体实施方式
[0022]本文中可互换使用的术语“设计”、“设计数据”及“设计信息”一般是指IC或其它半导体装置的物理设计(布局)及通过复杂模拟或简单几何及布尔(Boolean)运算从物理设计导出的数据。设计可包含共同拥有的扎法(Zafar)等人于2009年8月4日发布的第7,570,796号美国专利及库尔卡尼(Kulkarni)等人于2010年3月9日发布的第7,676,077号美国专利中所描述的任何其它设计数据或设计数据代理，所述两个专利以宛如全文陈述引用的方式并入本文中。另外，设计数据可为标准单元库数据、集成布局数据、一或多个层的设计数据、设计数据的衍生物及完全或部分芯片设计数据。此外，本文所描述的“设计”、“设计数据”及“设计信息”是指由半导体装置设计者在设计过程中生成的信息及数据且因此完全可在例如分划板及晶片的任何物理样本上印刷设计之前用于本文所描述的实施例中。
[0023]本文所使用的术语“干扰”(其有时可与“干扰缺陷”或“干扰事件”互换使用)一般界定为用户不关心的缺陷及/或在样本上检测到但事实上并非样本上的实际缺陷的事件。实际上并非缺陷的干扰可被检测为归因于样本上的非缺陷噪声源(例如样本上的金属线中的晶粒、来自样本上的下伏层或材料的信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，其经配置以生成样本的模拟图像，所述系统包括：一或多个计算机子系统；及一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括使用训练集训练的生成对抗网络，所述训练集包括经指定为训练输入的一或多个样本的设计数据的部分及经指定为训练输出的所述一或多个样本的对应图像；且其中所述一或多个计算机子系统经配置以通过将样本的设计数据的部分输入到所述生成对抗网络中来生成所述样本的模拟图像。2.根据权利要求1所述的系统，其中所述生成对抗网络经配置为条件生成对抗网络。3.根据权利要求1所述的系统，其中所述模拟图像包括合成缺陷的扩增缺陷图像。4.根据权利要求3所述的系统，其中能够由检验系统在所述一或多个样本及所述样本上检测到的数个实际缺陷不足以用于训练机器学习模型。5.根据权利要求3所述的系统，其中所述一或多个计算机子系统经进一步配置以通过使用所述合成缺陷修改所述样本的原始设计数据来生成输入到所述生成对抗网络的所述样本的所述设计数据的所述部分。6.根据权利要求5所述的系统，其中所述一或多个计算机子系统经进一步配置以基于在所述一或多个样本上检测到的一或多个缺陷来确定所述合成缺陷的一或多个特性。7.根据权利要求5所述的系统，其中所述一或多个计算机子系统经进一步配置以在无需在所述一或多个样本或所述样本上检测到的一或多个实际缺陷的信息的情况下确定所述合成缺陷的一或多个特性。8.根据权利要求5所述的系统，其中所述合成缺陷是第一类型的关注缺陷，其中所述一或多个计算机子系统经进一步配置以通过使用额外合成缺陷修改所述样本的所述原始设计数据来生成所述样本的所述设计数据的额外部分，其中所述额外合成缺陷是不同于所述第一类型的第二类型的关注缺陷，且其中所述一或多个计算机子系统经进一步配置以通过将所述设计数据的所述额外部分输入到所述生成对抗网络中来生成所述样本的额外模拟图像。9.根据权利要求5所述的系统，其中所述一或多个计算机子系统经进一步配置以基于在一或多个额外样本上检测到的一或多个缺陷来确定所述合成缺陷的一或多个特性，其中所述一或多个额外样本在一或多个过程步骤中形成，其中在使用所述一或多个过程步骤来形成所述样本之前，发生所述一或多个过程步骤的改变，其中机器学习模型经训练以对所述一或多个额外样本执行一或多个功能，且其中所述一或多个计算机子系统经进一步配置以使用所述模拟图像来重新训练所述机器学习模型。10.根据权利要求1所述的系统，其中所述一或多个样本的所述对应图像由成像系统的第一模式生成，其中所述...

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