随机性光致抗蚀剂厚度缺陷的预测及计量制造技术

能够将半导体装置的掩模图案用作输入以使用机器学习模块来确定光致抗蚀剂厚度概率分布。例如，所述机器学习模块能够确定Z高度的概率图。此能够用于确定半导体装置的光致抗蚀剂厚度的随机性变化。能够在X方向及Y方向上的坐标处计算所述Z高度。坐标处计算所述Z高度。坐标处计算所述Z高度。

【技术实现步骤摘要】
【国外来华专利技术】随机性光致抗蚀剂厚度缺陷的预测及计量
[0001]相关申请案的交叉参考
[0002]本申请案主张2020年10月28日申请且被指定为第63/106,356号美国申请案的临时专利申请案的优先权，所述申请案的公开内容特此以引用的方式并入。


[0003]本公开涉及半导体晶片上的光致抗蚀剂的计量。

技术介绍

[0004]半导体制造产业的演进对良率管理且尤其对计量及检验系统提出更高要求。临界尺寸继续缩小，而产业需要减少用于实现高良率、高价值生产的时间。最小化从检测到良率问题到解决所述问题的总时间最大化半导体制造商的投资回报率。
[0005]可在集成电路(IC)的制造中使用光刻投影设备。在此情况中，图案化装置(例如，掩模)可提供对应于IC的个别层的电路图案(“设计布局”)，且可通过例如通过图案化装置上的电路图案辐射目标部分的方法将此电路图案转印到涂覆有辐射敏感光致抗蚀剂层的晶片上的目标部分(例如，包括一或多个裸片)上。一般来说，单个晶片含有多个邻近目标部分，电路图案通过光刻投影设备一次一个目标部分地连续转印到所述多个邻近目标部分。在本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，其包括：将半导体装置的掩模图案输入到机器学习模块中；及基于所述掩模图案来确定所述半导体装置的光致抗蚀剂厚度概率分布。2.根据权利要求1所述的方法，其中所述机器学习模块经配置以操作一般线性模型、神经网络、贝叶斯推理、贝叶斯神经网络、深度神经网络、卷积神经网络，或支持向量机器。3.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定光致抗蚀剂厚度的概率图。4.根据权利要求1所述的方法，其中所述厚度概率分布提供X方向及Y方向上的坐标的光致抗蚀剂厚度信息。5.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定所述X方向及所述Y方向上的坐标的局部强度。6.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定所述X方向及所述Y方向上的坐标的图像对比度。7.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定所述X方向及所述Y方向上的坐标的图像梯度。8.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定所述X方向及所述Y方向上的坐标的图像对数斜率。9.根据权利要求1所述的方法，其中所述机器学习模块进一步经配置以确定所述X方向及所述Y方向上的坐标的正规化图像对数斜率。10.根据权利要求1所述的方法，其中将所述厚度概率分布确定为约1ppb的准确度水平。11.根据权利要求1所述的方法，其中所述机器学习模块包含第一模型、第二模型及第三模型，其中所述第一模型鉴于光栅化掩模图像来预测掩模衍射图案，其中所述第二模型鉴于所述掩模衍射图案来预测光致抗蚀剂中的图像，且其中所述第三模型鉴于光...

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