一种聚焦离子束辅助加工方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及半导体加工领域，公开了一种聚焦离子束辅助加工方法、装置、设备及计算机可读存储介质，采用深度学习方法训练至少与一离子束参数对应的神经网络模型，采用训练好的神经网络模型预测二维图形铣削后的SEM图像，以模拟特定目标介质特征类型的FIB铣削任务。本发明专利技术可以通过不同离子束参数对应的不同神经网络模型预测不同离子束参数对样品铣削后SEM图像造成的影响；也可将对二值图像采用离子束参数对应颜色特征编码后生成的彩色二维图像，输入神经网络模型预测不同离子束参数下的SEM图像。本发明专利技术所提供的方法、装置、设备及计算机可读存储介质，通过神经网络模型对FIB系统铣削后的SEM图像进行有效预测，可减少对FIB系统及半导体样品的损耗。及半导体样品的损耗。及半导体样品的损耗。

【技术实现步骤摘要】
一种聚焦离子束辅助加工方法、装置、设备及存储介质


[0001]本专利技术涉及半导体制造领域，特别是涉及一种聚焦离子束辅助加工方法、装置、设备以及计算机可读存储介质。

技术介绍

[0002]在聚焦离子束FIB加工系统中，来自离子束(通常为液态离子源)经加速、质量分析、整形等处理后聚焦，在样品表面的聚焦的离子束斑直径目前已可达到几个纳米。通过计算机控制束扫描器和消隐组件来加工特定的图案将高能离子束聚焦在样品表面逐点轰击，进而实现半导体加工。
[0003]聚焦离子束的加工参数(例如，离子束的强度、停留时间、电流等)对样品表面加工的影响，越来越受到关注。离子束参数对刻蚀结果的影响仅存在于理论阶段，在实际操作中，测试人员需要根据理论记载调整离子束参数，也无法实现操作上的再现性。
[0004]因此，利用聚焦离子束对样品表面进行加工前，仅通过理论记载的实验数据及测试人员的经验，无法对样品加工特定图案后生成的实际刻蚀图像进行有效的预测。在投入实际生产前，利用聚焦离子束系统对少量样品进行刻蚀以观测FIB刻蚀图像，不仅会对聚焦离子束系统造成损耗，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚焦离子束辅助加工方法，其特征在于，包括：根据预设计的目标图像对应的二维图像，以及聚焦离子束双束系统根据目标图像对样品进行铣削后的实际SEM图像，构建神经网络模型的训练集；将所述训练集中的二维图像输入所述神经网络模型，输出与二维图像对应的预测SEM图像，根据二维图像对应的实际SEM图像与预测SEM图像之间的相似度，调整所述神经网络模型的参数，直至所述神经网络模型的损失函数收敛，得到完成训练的神经网络模型；利用所述完成训练的神经网络模型，预测聚焦离子束双束系统在根据待加工图像对样品进行铣削后的预测SEM图像；其中，所述神经网络模型至少与一离子束参数对应。2.如权利要求1所述的辅助加工方法，其特征在于，所述二维图像包括黑白二维图像和彩色二维图像。3.如权利要求2所述的辅助加工方法，其特征在于，当所述二维图像为黑白二维图像时，构建神经网络模型的训练集包括：在多种离子束参数中，选取对目标介质类型样品的聚焦离子束的加工结果影响最大的离子束参数，作为目标离子束参数；根据单一变量原则，针对目标介质类型样品，确定除目标离子束参数外的其他离子束参数对应的最优值；将除目标离子束参数外的其他离子束参数固定为对应的最优值，分别获取聚焦离子束双束系统在不同目标离子束参数值下根据目标图像的二值图像对样品进行铣削后的实际SEM图像；将不同目标离子束参数值下的二值图像与实际SEM图像对，分别作为与不同目标离子束参数值对应的第一神经网络模型的训练集，对与不同目标离子束参数值对应的第一神经网络模型进行训练；其中，每一个目标离子束参数值至少对应一个第一神经网络模型。4.如权利要求3所述的辅助加工方法，其特征在于，得到完成训练的神经网络模型后包括：将待加工图像对应的二值图像分别输入不同目标离子束参数值对应的完成训练的第一神经网络模型，输出聚焦离子束双束系统在不同目标离子束参数值下根据所述待加工图像对样品进行铣削后的预测SEM图像。5.如权利要求2所述的辅助加工方法，其特征在于，当所述二维图像为彩色二维图像时，构建神经网络模型的训练集包括：采集预设计的目标图像对应的二值图像，以及聚焦离子束双束系统在不同离子束参数下根据目标图像对样品进行铣削后的实际SEM图像；为不同离子束参数设定对应不同的颜色特征，利用不同离子束参数对应的颜色特征对目标图像的二值图像进行编码，得到编码后的彩色二维图像，以便将不同离子束参数下二值图像
‑
实际SEM图像对...

【专利技术属性】
技术研发人员：韩娜，赵高锋，
申请(专利权)人：江苏第三代半导体研究院有限公司，
类型：发明
国别省市：