用于分类半导体晶片的方法技术

披露了用于分类半导体晶片的方法和设备。所述方法包括：使用模型基于与半导体晶片集合的一个或更多个参数相对应的参数数据将所述半导体晶片集合分类成多个子集，其中子集中的半导体晶片的参数数据包括一个或更多个共同特性；基于一个或更多个半导体晶片被正确地分配至子集的概率来识别所述子集内的所述一个或更多个半导体晶片；将所识别的所述一个或更多个半导体晶片的参数数据与参考参数数据进行比较；和基于所述比较重新配置所述模型。所述比较由人进行以提供针对所述模型的约束。所述设备被配置成进行所述方法。述设备被配置成进行所述方法。述设备被配置成进行所述方法。

【技术实现步骤摘要】
【国外来华专利技术】用于分类半导体晶片的方法
[0001]相关申请的交叉引用
[0002]本申请要求于2020年7月17日递交的美国申请63/053,304和于2020年7月30日递交的欧洲申请20188698.3的优先权，并且这些申请的全部内容通过引用并入本文中。


[0003]本专利技术涉及用于分类半导体晶片的方法和相关联的设备。更具体地，本专利技术可以涉及分类半导体晶片以用于诊断、监测和/或预测未来制作性能的方法。

技术介绍

[0004]光刻设备是被构造成将期望的图案施加至衬底上的机器。光刻设备可以用于例如集成电路(IC)的制造中。光刻设备可以例如将图案形成装置(例如掩模)处的图案(也常常被称为“设计布局”或“设计”)投影至被设置在衬底(例如晶片)上的辐射敏感材料(抗蚀剂)层上。
[0005]为了将图案投影于衬底上，光刻设备可以使用电磁辐射。这种辐射的波长确定可以形成在衬底上的特征的最小大小。当前在使用中的典型波长是365nm(i线)、248nm、193nm和13.5nm。与使用例如具有193nm的波长的辐射的光刻设备相比，使用具有在4nm至20nm的范围内(例如6.7nm或13.5nm)的波长的极紫外(EUV)辐射的光刻设备可以用于在衬底上形成较小特征。
[0006]低k1光刻可以用于处理尺寸小于光刻设备的经典分辨率极限的特征。在这样的过程中，可以将分辨率公式表示为CD＝k1×
λ/NA，其中λ是所使用的辐射的波长、NA是光刻设备中的投影光学器件的数值孔径、CD是“关键尺寸”(通常是所印制的最小特征大小，但在这种情况下是半节距)且k1是经验分辨率因子。通常，k1越小，则在衬底上再现类似于由电路设计者规划的形状和尺寸以便实现特定电功能性和性能的图案变得越困难。为了克服这些困难，可以将复杂的微调步骤应用至光刻投影设备和/或设计布局。这些步骤包括例如但不限于：NA的优化、自定义照射方案、相移图案形成装置的使用、设计布局的各种优化，诸如设计布局中的光学邻近效应校正(OPC，有时也被称为“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。替代地，用于控制光刻设备的稳定性的严格控制回路可以用于改善在低k1下的图案的再现。
[0007]在光刻过程中，期望频繁地对所产生的结构进行测量，例如，以用于过程控制和验证。用于进行这样的测量的各种工具是众所周知的，包括常常用于测量关键尺寸(CD)的扫描电子显微镜，和用于测量重叠(装置中两个层的对准准确度)的专用工具。近来，已开发供光刻领域中使用的各种形式的散射仪。此外，可以在半导体晶片的特定区域上，例如在多个单独的管芯上进行产率测试。通常，以连续方式应用一系列单独的产率测试。
[0008]测量和/或产率测试可以提供用于晶片的参数数据。可以使用机器学习算法的模型可以接着基于参数数据将晶片集合分类成多个子集，这可以允许实现制作过程的诊断、监测和性能预测。

技术实现思路

[0009]本专利技术人已了解，当模型正将晶片分类成子集时，较大的准确度是期望的。另外，参数数据(例如产率数据)可以用于研究可以作为所关注的晶片的特定特征和/或区域和/或制作过程的特征。本文中所披露的方法和设备可以针对解决那些问题和/或将是本领域技术人员所已知的本领域中的其它问题。
[0010]根据本专利技术，在一方面中，提供一种用于分类半导体晶片的方法，所述方法包括：使用模型基于与半导体晶片集合的一个或更多个参数相对应的参数数据将所述半导体晶片集合分类成多个子集，其中子集中的半导体晶片的参数数据包括一个或更多个共同特性；基于一个或更多个半导体晶片被正确地分配至子集的概率来识别所述子集内的所述一个或更多个半导体晶片；将所识别的所述一个或更多个半导体晶片的参数数据与参考参数数据进行比较；和基于所述比较重新配置所述模型。
[0011]可选地，所述方法还包括基于经重新配置的模型来重新分类所述半导体晶片集合的至少一部分。
[0012]可选地，所述参考参数数据包括与所述子集相关联的参数数据的所述共同特性和/或所述半导体晶片集合的一个或更多个另外的半导体晶片的参数数据。
[0013]可选地，所述参考数据包括与所述子集相关联的参数数据的所述共同特性，并且其中所述比较包括识别所识别的半导体晶片的参数数据的一部分，所述参数数据的所述部分与所述参数数据的至少一个另外的部分相比提供所识别的半导体晶片应被分配至所述子集或不应被分配至所述子集的更强指示。
[0014]可选地，晶片参数数据的提供更强指示的所述部分包括：必须存在于待分配至所述子集的所识别的半导体晶片的参数数据中的部分；和/或必须不存在于待分配至所述子集的所识别的半导体晶片的参数数据中的部分。
[0015]可选地，识别所述参数数据的所述部分包括从人接收指示是否应将所识别的半导体晶片分配至所述子集的输入。
[0016]可选地，所述参考数据包括所述半导体晶片集合中的两个另外的半导体晶片的参数数据。
[0017]可选地，所述比较包括确定所识别的所述一个或更多个半导体晶片中的至少一个半导体晶片的参数数据的子集与所述两个另外的半导体晶片的参数数据的相对应子集之间的分离度。
[0018]可选地，所述比较包括确定所识别的所述一个或更多个半导体晶片中的所述至少一个半导体晶片的参数数据的所述子集与所述两个另外的半导体晶片的参数数据的所述相对应子集之间的相对分离度。
[0019]可选地，所识别的所述一个或更多个半导体晶片中的所述至少一个半导体晶片的参数数据的所述子集与半导体晶片的所关注的区和/或特征相关。
[0020]可选地，所述比较包括从人接收所述两个另外的半导体晶片的参数数据的哪个子集更接近于所识别的所述一个或更多个半导体晶片中的至少一个半导体晶片的参数数据的所述子集的指示。
[0021]可选地，所述方法还包括确定所述一个或更多个半导体晶片被正确地分配至所述子集的概率。
[0022]可选地，确定所述概率包括确定半导体晶片的参数数据的至少一部分与所述子集的所述共同特性的分离度。
[0023]可选地，所述子集包括另外的子集。
[0024]可选地，所述参数数据包括与所述半导体晶片集合上的多个区域相关联的产率数据。
[0025]可选地，所述产率数据已通过对所述多个区域连续地进行多个测试来确定。
[0026]可选地，所述产率数据包括指示所述多个区域已通过和/或未通过所述多个测试中的哪个测试的数据。
[0027]可选地，所述产率数据包括指示所述多个区域中的一个或更多个区域通过所述多个测试中的一个或更多个测试的修复密度的数据。
[0028]可选地，所述共同特性包括关于所述半导体晶片的至少一部分上的所述多个区域的共同产率数据图案。
[0029]可选地，所述共同产率数据图案对应于所述半导体晶片集合的至少阈值数目的产率数据图案。
[0030]可选地，如果所述共同产率数据图案与所述半导体晶片集合中的半导体晶片的产率数据图案的分离度小于阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于分类半导体晶片的方法，所述方法包括：使用模型基于与半导体晶片集合的一个或更多个参数相对应的参数数据将所述半导体晶片集合分类成多个子集，其中子集中的半导体晶片的参数数据包括一个或更多个共同特性；基于一个或更多个半导体晶片被正确地分配至子集的概率来识别所述子集内的所述一个或更多个半导体晶片；将所识别的所述一个或更多个半导体晶片的参数数据与参考参数数据进行比较；和基于所述比较重新配置所述模型。2.根据权利要求1所述的方法，还包括基于经重新配置的模型来重新分类所述半导体晶片集合的至少一部分。3.根据权利要求1的方法，其中，所述参考参数数据包括与所述子集相关联的参数数据的所述共同特性和/或所述半导体晶片集合的一个或更多个另外的半导体晶片的参数数据。4.根据权利要求3所述的方法，其中，所述参考数据包括与所述子集相关联的参数数据的所述共同特性，并且其中所述比较包括识别所识别的半导体晶片的参数数据的一部分，所述参数数据的所述部分与所述参数数据的至少一个另外的部分相比提供所识别的半导体晶片应被分配至所述子集或不应被分配至所述子集的更强指示。5.根据权利要求4所述的方法，其中，晶片参数数据的提供更强指示的所述部分包括：必须存在于待分配至所述子集的所识别的半导体晶片的参数数据中的部分；和/或必须不存在于待分配至所述子集的所识别的半导体晶片的参数数据中的部分。6.根据权利要求4的方法，其中，识别所述参数数据的所述部分包括从人接收指示是否应将所识别的半导体晶片分配至所述子集的输入。7.根据权利要求3...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：ASML荷兰有限公司，
类型：发明
国别省市：