【技术实现步骤摘要】
本专利技术涉及一种产生用于控制或监控生产过程的所预测的数据以改进例如可用在通过光刻技术进行的器件制造中感兴趣的参数的方法。本专利技术还涉及相关联的计算机程序和计算机程序产品，以及包括光刻设备和光刻单元的设备。
技术介绍
1、光刻设备是一种将所期望的图案施加到衬底上(通常施加到衬底的目标部分上)的机器。例如，可以将光刻设备用在集成电路(ic)的制造中。在这种情况下，可以将可选地称为掩模或掩模版的图案形成装置用于生成待形成于所述ic的单个层上的电路图案。可以将所述图案转印到衬底(例如，硅晶片)上的目标部分(例如，包括一部分管芯、一个或几个管芯)上。所述图案的转印通常通过将图案成像到设置于衬底上的辐射敏感材料(抗蚀剂)层来进行。通常，单个衬底将包括被连续地形成图案的相邻目标部分的网络。这些目标部分通常被称为“场”。
2、当前在光刻处理期间，产生许多情境数据。该情境数据为与测量和机器/过程设置相关联的一大组变量的值。以由一组性能参数的值组成的所谓的性能数据来表达光刻过程的品质。性能参数可以与临界尺寸(cd)控制、重叠控制(器件中的两个层的对准准确度)或基础参数(例如聚焦和剂量)相关。性能数据是非常受人关注的，这是因为该数据允许控制光刻过程。例如，重叠性能的知识将被用于采取校正性动作(例如通过改变机器设置)。同时，性能数据的知识有助于触发超出范围的情形(例如有助于过程控制且寻找超出范围情形的原因)。
3、常常，归因于获得性能数据所花费的相对大的努力而可得到有限的性能数据。这可能会干涉性能数据应当允许准确且具有鲁棒性
4、常用的策略为利用模型以对性能数据进行插值以便获得与性能参数值的空间或时间分布相关联的较密集的采样方案。
5、常常被部署的另一策略为利用情境数据与性能数据之间的统计关系。由于情境数据的量常常非常大，因此这可以允许产生相当大的一组“虚拟”性能数据；性能数据从关于情境和性能数据的模型导出。
6、然而，问题在于：模型应当足够准确且相关以便使所产生的虚拟性能数据对于用于控制机器设置是最有用的。
7、部分标记的数据集在性能预测性模型化上提出挑战。当结合情境数据来分析产品上的性能测量结果时，产品上的性能测量结果的有限可用性施加使用尽可能少的测量结果的要求。然而，所导出的模型应当为准确的且计算上高效的。
8、性能测量结果对于分析并非具有同等的信息性。一般而言，相似曝光的测量结果可能并未具有那样的信息性，将更有效的是对于其它较有用的测量结果，花费任何剩余的测量时间。
技术实现思路
1、本专利技术人已经设计出一种用于使用情境数据、所预测的数据和/或所测量的性能数据的不确定性和相关性信息使情境对性能的模型是动态的和自学习的方式。例如，该方式可以用于控制生产过程以改进感兴趣的参数，同时避免或至少减轻上文所提及的相关问题中一个或更多个。
2、在第一方面中，本专利技术提供了一种产生用于控制或监控生产过程以改进感兴趣的参数的所预测的数据的方法，所述方法包括以下步骤：
3、获得与所述生产过程的操作相关联的情境数据；
4、获得与所述生产过程的产品的性能相关联的性能数据；
5、提供情境对性能的模型以基于用性能数据对所述情境数据进行标记来产生所预测的性能数据；和
6、使用与所述情境数据的品质相关的预测信息来修改所述情境对性能的模型。
7、所述预测信息包括相关性信息，所述相关性信息与所述所获得的情境数据和/或所述所获得的性能数据与所述感兴趣的参数的相关性相关。可以使用效用模型以产生用于用性能数据对所述情境数据进行所述标记的标记，且所述相关性信息包括所述效用模型的不确定性。
8、所述预测信息可以包括模型不确定性信息，所述模型不确定性信息与所产生的所预测的性能数据的不确定性相关。使用机器学习算法以执行所述标记，且所述模型不确定性信息包括所述机器学习算法的不确定性。
9、在第二方面中，本专利技术提供了一种包括计算机可读指令的计算机程序，所述计算机可读指令当在合适的计算机设备上运行时使得所述计算机设备执行所述第一方面所述的方法。
10、在第三方面中，本专利技术提供了一种计算机程序产品，包括第二方面所述的计算机程序。
11、在第四方面中，本专利技术提供了一种设备，其被特定调适以执行第一方面所述的方法的所述步骤。所述设备可以被特定配置成用作可操作以执行光刻生产过程的光刻设备。所述设备可以被特定配置用作可操作以执行光刻生产过程的光刻单元。
本文档来自技高网...【技术保护点】
1.一种产生用于控制或监控生产过程以改进感兴趣的参数的所预测的性能数据的方法，所述方法包括以下步骤：
2.如权利要求1所述的方法，其中所述情境对性能的模型能够通过执行以下步骤来修改：
3.如权利要求1所述的方法，其中所述情境对性能的模型能够通过基于所述相关性信息选择用于模型化的情境数据来修改。
4.如权利要求1所述的方法，其中所述情境对性能的模型能够通过基于所述相关性信息用所预测的性能数据对情境数据进行所述标记来修改。
5.如权利要求4所述的方法，其中自动地执行所述标记，其中基于由用户输入的相关性信息训练自动标记。
6.如权利要求1所述的方法，进一步包括基于将与第一组情境数据相关联的所预测的性能数据的不确定性和与第二组情境数据相关联的所预测的性能数据的不确定性进行比较，来确定与所述第一组情境数据相关联的所述相关性信息的步骤。
7.如权利要求1所述的方法，进一步包括以下步骤：
8.如权利要求7所述的方法，其中所述控制信号包括用于引起新的性能测量的信号。
9.如权利要求1所述的方法，其中所
10.如权利要求1所述的方法，进一步包括基于所述模型不确定性信息来识别除了所述所获得的情境数据以外的额外的情境数据的步骤，所述识别额外的情境数据的步骤：
11.如权利要求1至10中任一项所述的方法，其中所述情境对性能的模型包括执行半监督标记的学习机器。
12.一种存储介质，所述存储介质包括计算机可读指令，所述计算机可读指令当在合适的计算机设备上运行时使得所述计算机设备执行如权利要求1所述的方法。
13.一种被调适以执行如权利要求1所述的方法的所述步骤的设备，其中所述设备被配置成用作能够操作以执行光刻生产过程的光刻设备。
...【技术特征摘要】
1.一种产生用于控制或监控生产过程以改进感兴趣的参数的所预测的性能数据的方法，所述方法包括以下步骤：
2.如权利要求1所述的方法，其中所述情境对性能的模型能够通过执行以下步骤来修改：
3.如权利要求1所述的方法，其中所述情境对性能的模型能够通过基于所述相关性信息选择用于模型化的情境数据来修改。
4.如权利要求1所述的方法，其中所述情境对性能的模型能够通过基于所述相关性信息用所预测的性能数据对情境数据进行所述标记来修改。
5.如权利要求4所述的方法，其中自动地执行所述标记，其中基于由用户输入的相关性信息训练自动标记。
6.如权利要求1所述的方法，进一步包括基于将与第一组情境数据相关联的所预测的性能数据的不确定性和与第二组情境数据相关联的所预测的性能数据的不确定性进行比较，来确定与所述第一组情境数据相关联的所述相关性信息的步骤。
...
【专利技术属性】
技术研发人员：A·伊普玛，D·格科鲁，G·齐萝扬尼斯，托马斯·利奥·玛丽亚·胡根鲍姆，R·J·F·范哈恩，
申请(专利权)人：ASML荷兰有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。