用于控制样本参数的测量的系统和方法技术方案

本发明专利技术提供了一种用于控制各种样本的参数的测量的系统和方法。该系统包括被配置为计算机系统的控制单元，该计算机系统包括数据输入和输出实用程序、存储器和数据处理器，并且被配置为与测量数据提供器通信，以接收指示对样本的测量的测量数据。数据处理器被配置为利用至少一个预定模型对测量数据执行基于模型的处理，并且对于样本的一个或多个感兴趣的参数的一个或多个测量中的每个测量，确定单独测量的误差值的估计上限，并且生成指示该估计上限的输出数据。限的输出数据。限的输出数据。

【技术实现步骤摘要】
【国外来华专利技术】用于控制样本参数的测量的系统和方法
[0001]
和
技术介绍

[0002]本专利技术属于基于模型的样本检查/测量的领域，并且涉及用于控制各种样本参数的测量的系统和方法。本专利技术特别适用于测量图案化结构(例如半导体结构)的各种特征，这对于控制这种结构的制造过程以及控制测量系统的操作参数是有用的。
[0003]诸如集成电路的半导体结构在图案参数的尺寸和形状方面变得更加复杂。因此，越来越需要提供这种参数的精确测量，这也使得测量能够应用于在生产线上进行的结构，即图案化结构的自动检测/测量(计量、缺陷检测、过程控制等)。
[0004]随着半导体结构尺寸的缩小，需要高灵敏度的计量工具和数据分析来监控半导体结构的性质。计量工具通常利用光学临界尺寸(OCD)测量技术(也称为散射测量)，该技术可有效测量图案化(周期性)结构的参数，如层厚度、临界尺寸(CD)、线间距、线宽、壁深、壁轮廓等。结构参数的测量通常是使用拟合程序执行的基于模型的测量，并且在相对于测量数据处于最佳拟合条件下从模型中提取结构参数。
[0005]例如在以下专利公开中描述了各种基于模型的测量技术：US 20130124141；US 9,904,993；US 10,295,329；全部转让给本申请的受让人。

技术实现思路

[0006]需要一种经由测量(例如OCD计量测量)中的误差估计来控制/验证样本/结构的各种参数的测量的新颖方法。
[0007]在适用的质量标准下，特定样本和/或特定样本制造过程的可接受性可能取决于根据特定标准限定的度量(与质量保证相关的指标)，并且如果样本具有不可接受的度量，可能被拒绝和/或它的制造过程的一个或多个参数可以被改变(优化)。典型地，测量数据分析是利用机器学习技术的基于模型的类型。
[0008]当今半导体制造工艺的尺寸缩小和日益增长的复杂性正在将此类工艺的计量推向极限，并且使得很难将计量工具保持在严格的工艺限制所需的规格内。计量结果的准确性、过程鲁棒性、精密度、匹配性等不确定性是现有方法难以实现的。此外，其他度量，如吞吐量(TPT)、WIW采样率的限制，正面临着由工艺控制规定的具有挑战性的要求。最后，设计与计量精度密切相关的质量优点的困难是社区在过去十年中面临的另一日益出现的挑战。这样的优点是与推理模型的准确性合理地相关联；易于计算；并且，理想情况下，是无监督的(这意味着它们的可用性不取决于推理模型外部引用的可用性)。此外，这些优点是易于在训练时间校准(当参考可用时)，并且校准是稳定的。
[0009]本专利技术提供了用于利用经测量的数据的基于模型的分析来控制/验证样本参数的测量，以及评估/确定测量误差的新颖技术。在这方面，应该强调的是，本专利技术的技术为样本参数的每个单独测量提供误差范围估计，而不是不依赖于单独测量的特性(信号)的通常的误差估计。由本专利技术的技术提供的误差估计取决于单独测量的样本的特性。更具体地，本专利技术提供了单独地对每个测量的误差界限的估计，即，对来自被测量样本中的一个或多个感兴趣参数的每个参数的误差界限限的估计，而不是由基于基于价值函数的方法的测量工
具/系统提供的经测量的数据的通常误差。
[0010]测量系统通常提供测量数据(例如，以签名的形式，例如，光谱签名)，将受样本参数影响并因此指示样本参数的多个信号的集合嵌入其中。本专利技术提供了一种处理这种测量数据并提供输出数据的技术，该输出数据指示关于一个或多个感兴趣参数中的每个参数的单独地对每个测量的测量误差的估计出的上限。这使得能够考虑特定参数的测量误差，以确定由特定测量工具(测量方案和测量通道)和/或基于特定模型的经测量的数据分析提供的测量对于样本的特定参数是否足够；以及能够考虑一个参数相对于一个或多个其他感兴趣参数的测量误差的测量误差，以决定用于数据分析的最佳模型。
[0011]本专利技术利用机器学习推理过程的通常原理，该推理过程在被训练后应用于模型(通过将指定的数据子集运行到模型中)。本专利技术提供了对数据分析的训练和推理测试阶段的新颖修改，使得能够从测量数据中提取每个测量的误差界限。该模型可以是机器学习模型或机器学习和物理模型组合的混合模型。
[0012]因此，根据本专利技术的一个广泛的方面，它提供了一种用于控制各种样本参数的各种测量的系统，该系统包括：控制系统，该控制系统被配置为计算机系统，该计算机系统包括数据输入和输出实用程序、存储器和数据处理器，并且被配置为与测量数据提供器通信以接收从样本收集的测量数据，其中，数据处理器被配置为利用至少一个预定模型对测量数据执行基于模型的处理，并且对于样本的一个或多个感兴趣的参数的每个测量，确定单独测量误差的估计上限值，并且生成指示该估计上限值的输出数据。
[0013]应当注意的是，这里使用的术语“样本”应该被广泛地解释，也包括结构中的测量点(例如，包括多个测量点)。
[0014]测量数据(测量信号，例如，光谱)可以由N
f
个分量/元素的多维向量表示。
[0015]数据处理器可以被配置为执行如下基于模型的处理：将训练阶段应用于至少一个预定模型以获得对应的至少一个训练模型，并且使用训练模型来确定在测量数据与相应单独测量的误差上限之间的函数关系；以及通过将函数关系应用于测量数据来执行推断测试阶段，以将相应的单独测量的估计误差上限与被测量样本的一个或多个参数相关联。
[0016]在一些实施例中，基于模型的处理的训练阶段包括：
[0017]当使用测量数据和训练集来训练至少一个预定模型时，确定信号参数空间中的距离度量D
F
，并获得训练模型；
[0018]利用训练模型的预测模型参数来确定误差参数空间中的距离度量D
E
，用于相对于训练集的预测测量误差；以及
[0019]确定在单独测量的误差上限与所述距离度量D
E
之间的关系，从而限定测量数据和每个单独测量的误差上限之间的所述函数关系。
[0020]应当理解，与评估回归误差的常见方法(根据该方法，训练结果用于从训练(交叉验证)方案获得每个参数的平均误差，然后将该数值设置为用于推断阶段的一般误差估计)相反，本专利技术以能够为每个新样本获得不同误差估计的方式利用距离度量D
F
。
[0021]函数关系的限定基于几何考虑，这些几何考虑使得能够从距离度量D
E
推断出被测量的一个或多个参数中的每个参数的每次测量的误差上限。这种几何考虑是基于由多维误差向量的多个误差分量的分布来限定的几何形状的假设。
[0022]例如，误差函数的形状可以看作误差参数空间中的超椭球；并且因此误差由包含
这种超椭球的矩形限定。
[0023]基于模型的处理的训练阶段可以进一步包括：确定距离度量D
F
与距离度量D
E
的关系，从而能够根据为测量数据确定的距离度量D
F
来直接确定距离度量D
E
。
[0024]距离度量D
F
和距离度量本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于控制各种样本参数的测量的系统，所述系统包括：控制单元，所述控制单元被配置为计算机设备，所述计算机设备包括数据输入和输出实用程序、存储器和数据处理器，并且被配置为与测量数据提供器通信以接收指示对样本测量的测量数据，其中，所述数据处理器被配置为利用至少一个预定模型对所述测量数据执行基于模型的处理，并且对于所述样本的一个或多个感兴趣参数的一个或多个测量中的每个测量，确定单独测量的误差值的估计上限，并且生成指示所述估计上限的输出数据。2.根据权利要求1所述的系统，其中，所述测量数据指示受所述样本的一个或多个参数影响的测量信号，所述数据处理器被配置为通过N
f
个分量的多维向量来表示所述测量数据。3.根据权利要求1所述的系统，其中，所述至少一个预定模型包括来自以下的至少一者：机器学习模型和作为机器学习模型和物理模型的组合的混合模型。4.根据权利要求1所述的系统，其中，所述数据处理器被配置为执行所述基于模型的处理包括：将训练阶段应用于至少一个预定模型以获得对应的至少一个训练模型，并且使用所述训练模型来确定所述测量数据与影响所述测量数据的每个相应样本的参数的每个测量的误差上限之间的函数关系；以及通过将所述函数关系应用于所述测量数据来执行推断测试阶段，以将单独估计的所述误差值的上限与被测样本的所述一个或多个参数中的每个单独地相关联。5.根据权利要求4所述的系统，其中，所述基于模型的处理的所述训练阶段包括：当使用所述测量数据和训练集来训练所述至少一个预定模型时，确定信号参数空间中的距离度量D
F
，并获得训练模型；利用所述训练模型的预测模型参数来确定误差参数空间中的距离度量D
E
，用于相对于模型训练集的预测测量误差；以及确定所述样本参数的所述误差上限与所述距离度量D
E
之间的关系，从而限定测量信号和所述误差上限之间的所述函数关系。6.根据权利要求5所述的系统，其中，所述基于模型的处理的所述训练阶段进一步包括：确定所述距离度量D
F
与所述距离度量D
E
之间的关系，从而能够根据为所述测量数据确定的所述距离度量D
F
来直接确定所述距离度量D
E
。7.根据权利要求6所述的系统，其中，对所述关系的所述确定包括限定所述距离度量D
F
和所述距离度量D
E
各自的两个预定函数之间的相关条件。8.根据权利要求5所述的系统，其中，所述数据处理器被配置为通过执行以下操作执行所述误差参数空间中的所述距离度量D
E
的所述确定：确定多维误差向量，所述多维误差向量包括分别用于所述样本的N
p
个所述预测模型参数的值的N
p
个误差分量；以及利用所述多维误差向量和所确定的所述信号参数空间中的所述距离度量D
F
来确定所述误差参数空间中的所述距离度量D
E
。9.根据权利要求5所述的系统，其中，所述数据处理器被配置为确定所述误差参数空间中的所述距离度量D
E
和误差向量的N
p
个误差分量的每个单独误差分量的上限之间的关系。10.根据权利要求5所述的系统，其中，所述推断测试阶段包括：通过将所述测量信号和所述误差上限之间的所述函数关系应用于测量数据，由所述训练模型执行对被测样本的所
述测量数据的推断；以及确定每个单独参数的所述误差上限，形成所述样本的N
p
个参数。11.根据权利要求1所述的系统，进一步包括误差分析器实用程序，所述误差分析器实用程序被配置并能够操作以分析所述一个或多个感兴趣参数中的每个参数的测量误差，并且在识别出所述测量误差能够高于特定值时，生成相应的警报数据。12.根据权利要求11所述的系统，其中，所述特定值是预定精度阈值。13.根据权利要求11所述的系统，其中，所述特定值基于为所述样本的至少两个不同参数确定的测量误差之间的关系来确定。14.根据权利要求1所述的系统，进一步包括测量系统，所述测量系统被配置为执行样本的测量，并生成和存储所述测量数据，从而作为所述测量数据提供器操作，以将所述测量数据传送到所述控制单元。15.根据权利要求4所述的系统，其中：所述训练阶段包括：当使用所述测量数据和训练集来训练所述至少一个预定模型时，确定...

【专利技术属性】
技术研发人员：巴瑞克，
申请(专利权)人：诺威有限公司，
类型：发明
国别省市：