System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本专利技术的各个方面可以实现为系统、方法或程序产品。因此,本专利技术的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。下面参照图16来描述根据本专利技术的这种实施方式的电子设备1600。图16显示的电子设备1600仅仅是一个示例,不应对本专利技术实施例的功能和使用范围带来任何限制。如图16所示,电子设备1600以通用计算设备的形式表现。电子设备1600的组件可以包括但不限于:上述至少一个处理单元1610、上述至少一个存储单元1620、连接不同系统组件(包括存储单元1620和处理单元1610)的总线1630。其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1610执行,使得所述处理单元1610执行本说明书上述“示例性方法”部分中描述的根据本专利技术各种示例性实施方式的步骤。例如,所述处理单元1610可以执行如图1中所示的提供晶圆,并预设刻蚀工艺次数为n次,其中,n为大于或等于1的正整数,在所述晶圆上完成一次光刻工艺流程,采集晶圆表面的光刻后图像样本,对光刻后的晶圆完成n次刻蚀工艺流程,采集进行n次刻蚀工艺后晶圆表面的第n刻蚀后图像样本;根据所述光刻后图像样本和所述第n刻蚀后图像样本,训练第一待训练神经网络模型;若不满足第一训练停止条件,则根据所述光刻后图像样本和所述第n刻蚀后图像样本,得到第n聚合物侧壁保护模式图像样本和第n物理化学性刻蚀模式图像样本;根据所述光刻后图像样本和所述第n聚合物侧
...【技术保护点】
1.一种刻蚀模型建立方法,其特征在于,包括:
2.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述根据所述光刻后图像样本和所述第n刻蚀后图像样本,得到第n聚合物侧壁保护模式图像样本和第n物理化学性刻蚀模式图像样本,包括:
3.根据权利要求2所述的刻蚀模型建立方法,其特征在于,所述根据所述光刻后图像样本和所述第n聚合物侧壁保护模式图像样本训练聚合物侧壁保护模式神经网络模型,包括:
4.根据权利要求3所述的刻蚀模型建立方法,其特征在于,所述根据所述聚合物侧壁保护模式神经网络模型和所述物理化学性刻蚀模式神经网络模型构建第二待训练神经网络模型,包括:
5.根据权利要求2所述的刻蚀模型建立方法,其特征在于,所述第n物理化学性刻蚀模式图像样本包括第n离子轰击模式图像样本和第n各向同性刻蚀模式图像样本;
6.根据权利要求5所述的刻蚀模型建立方法,其特征在于,所述物理化学性刻蚀模式神经网络模型包括离子轰击模式神经网络模型和各向同性刻蚀模式神经网络模型;
7.根据权利要求6所述的刻蚀模型建立方法,其特征在于,所述根据所述
8.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述方法还包括:
9.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述第二待训练神经网络模型包括第i神经网络模型,其中,i为大于或等于1且小于或等于n的正整数;
10.根据权利要求9所述的刻蚀模型建立方法,其特征在于,所述根据所述第i-1刻蚀后图像样本和第i刻蚀后图像样本,得到第i聚合物侧壁保护模式图像样本和第i物理化学性刻蚀模式图像样本,包括:
11.根据权利要求10所述的刻蚀模型建立方法,其特征在于,所述根据所述第i-1刻蚀后图像样本和所述第i聚合物侧壁保护模式图像样本训练第i聚合物侧壁保护模式神经网络模型,包括:
12.根据权利要求11所述的刻蚀模型建立方法,其特征在于,所述根据所述第i聚合物侧壁保护模式神经网络模型和所述第i物理化学性刻蚀模式神经网络模型构建第i待训练神经网络模型,根据所述第i待训练神经模型重新构建所述第二待训练神经网络模型,包括:
13.根据权利要求10所述的刻蚀模型建立方法,其特征在于,所述第i物理化学性刻蚀模式图像样本包括第i各向同性刻蚀模式图像样本和第i离子轰击模式图像样本,
14.根据权利要求13所述的刻蚀模型建立方法,其特征在于,所述第i物理化学性刻蚀模式神经网络模型包括第i离子轰击模式神经网络模型和第i各向同性刻蚀模式神经网络模型;
15.根据权利要求14所述的刻蚀模式建立方法,其特征在于,所述根据所述第i聚合物侧壁保护模式神经网络模型和所述第i物理化学性刻蚀模式神经网络模型构建第i待训练神经网络模型,包括:
16.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述方法还包括:
17.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述光刻后图像样本和所述第n刻蚀后图像样本包括用于模型训练的训练集和用于验证模型的验证集,所述训练集和所述验证集按照预设比例划分。
18.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述目标神经网络模型包括卷积神经网络模型或全神经网络模型,使用线性整流函数为激活函数。
19.根据权利要求18所述的刻蚀模型建立方法,其特征在于,当所述目标神经网络模型包括卷积神经网络模型时,所述卷积神经网络模型包括输入层、输出层以及连接在所述输入层和所述输出层之间的多个隐藏层,所述隐藏层的结构相同,所述输入层进行卷积和激活操作,所述输出层进行卷积操作。
20.一种刻蚀后图像预测方法,其特征在于,包括:
21.一种刻蚀模型建立装置,刻蚀工艺包括提供晶圆,并预设刻蚀工艺次数为n次,其中,n为大于或等于1的正整数;其特征在于,所述装置包括:
22.一种刻蚀工艺图像预测装置,刻蚀工艺包括提供晶圆,并预设刻蚀工艺次数为n次,其中,n为大于或等于1的正整数;其特征在于,所述装置包括:
23.一种电子设备,其特征在于,包括:
24.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-19任意一项所述的刻蚀模型建立方法,或者,实现权利要求20所述的刻蚀后图像预测方法。
...【技术特征摘要】
1.一种刻蚀模型建立方法,其特征在于,包括:
2.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述根据所述光刻后图像样本和所述第n刻蚀后图像样本,得到第n聚合物侧壁保护模式图像样本和第n物理化学性刻蚀模式图像样本,包括:
3.根据权利要求2所述的刻蚀模型建立方法,其特征在于,所述根据所述光刻后图像样本和所述第n聚合物侧壁保护模式图像样本训练聚合物侧壁保护模式神经网络模型,包括:
4.根据权利要求3所述的刻蚀模型建立方法,其特征在于,所述根据所述聚合物侧壁保护模式神经网络模型和所述物理化学性刻蚀模式神经网络模型构建第二待训练神经网络模型,包括:
5.根据权利要求2所述的刻蚀模型建立方法,其特征在于,所述第n物理化学性刻蚀模式图像样本包括第n离子轰击模式图像样本和第n各向同性刻蚀模式图像样本;
6.根据权利要求5所述的刻蚀模型建立方法,其特征在于,所述物理化学性刻蚀模式神经网络模型包括离子轰击模式神经网络模型和各向同性刻蚀模式神经网络模型;
7.根据权利要求6所述的刻蚀模型建立方法,其特征在于,所述根据所述聚合物侧壁保护模式神经网络模型和所述物理化学性刻蚀模式神经网络模型构建第二待训练神经网络模型,包括:
8.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述方法还包括:
9.根据权利要求1所述的刻蚀模型建立方法,其特征在于,所述第二待训练神经网络模型包括第i神经网络模型,其中,i为大于或等于1且小于或等于n的正整数;
10.根据权利要求9所述的刻蚀模型建立方法,其特征在于,所述根据所述第i-1刻蚀后图像样本和第i刻蚀后图像样本,得到第i聚合物侧壁保护模式图像样本和第i物理化学性刻蚀模式图像样本,包括:
11.根据权利要求10所述的刻蚀模型建立方法,其特征在于,所述根据所述第i-1刻蚀后图像样本和所述第i聚合物侧壁保护模式图像样本训练第i聚合物侧壁保护模式神经网络模型,包括:
12.根据权利要求11所述的刻蚀模型建立方法,其特征在于,所述根据所述第i聚合物侧壁保护模式神经网络模型和所述第i物理化学性刻蚀模式神经网络模型构建第i待训练神经网络模型,根据所述第i待训练...
【专利技术属性】
技术研发人员:刘忠明,于业笑,孔忠,
申请(专利权)人:长鑫存储技术有限公司,
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。