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】
本专利技术涉及光刻工艺,特别是一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法及系统。
技术介绍
1、光刻(lithography)作为集成电路制造中的关键工艺之一,需要确保同一掩模版(mask)上的图案具有足够的工艺窗口(process window)。光刻工艺窗口指的是能满足所需关键尺寸(critical dimension,cd)和套刻误差(overlay)的曝光能量和聚焦值范围。实际曝光时,光刻机中能量和聚焦值都会在一定范围内浮动,想要在此范围内提供符合要求的关键尺寸,就必须完成聚焦能量矩阵(focus-energy matrix,fem)分析,即曝光能量以固定步长沿晶圆x方向变化,曝光聚焦值以固定步长沿晶圆y方向变化,显影后测量光刻胶图形的关键尺寸,最终计算出能将浮动范围控制在工艺窗口之内的参数。
2、传统fem分析过程如下:光刻工程师首先需要查看每个关键尺寸数据对应的量测图片,将其中量测失败或错误的数据剔除,对剩下的数据进行关键尺寸-曝光能量、关键尺寸-聚焦值拟合,求出聚焦值深度(depth of focus,dof)、曝光宽容度(exposurelatitude,el)、最佳聚焦值(best focus)和最佳能量(best energy),标注出工艺窗口。
3、传统的fem分析严重依赖于工程师的经验,分析结果受到主观因素影响可能会得到错误的工艺窗口,进而影响制造工艺的整体稳定性。在产线上,光刻部门每天需要完成大量fem分析,一个训练有素的工程师若使用基于excel的数据拟合方法大约需要
4、kla-tencor prolith和synopsys s-litho等光刻模拟软件对量测的光刻胶图形关键尺寸拟合形成泊松曲线,去除不合理的光刻胶图形量测数据对应的聚焦能量矩阵分析结果,进而确定光刻的公共工艺窗口。其缺点是仍需依靠人工比对扫描电子显微镜量测图像,筛选出错误的图像和数据;且作为专业的数据分析软件,价格昂贵。
技术实现思路
1、专利技术目的:本专利技术的目的是提供一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法及系统,从而统一量测图像的评判标准,减少人为因素的影响,快速剔除异常图像及错误数据以完成聚焦能量矩阵分析,进而准确寻找工艺窗口,提高光刻质量和效率。
2、技术方案:本专利技术所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,包括以下步骤:
3、(1)处理光刻胶图形图像数据集,得到包含单一特征的切分图像数据集:输入关键尺寸扫描电子显微镜量测的光刻胶图形图像数据集,根据图案的类型按不同的切分方法预处理成包含单一特征的切分图像,检查并修正部分图像的标签,得到切分图像数据集。
4、(2)处理切分图像数据集,得到归一化后的训练集和测试集:输入包含单一特征的切分图像数据集,对输入的带标签光刻胶图形图案数据集进行归一化处理,并按比例将其划分为训练集和测试集。
5、(3)构建卷积神经网络:搭建一个卷积神经网络,该网络的输入为经过归一化处理后的光刻胶图形图像数据集,输出为对应光刻胶图形图像的分类结果。
6、(4)训练并输出最优的模型,利用验证数据集评估模型的分类准确率:利用归一化处理后的训练集训练模型,并在归一化处理后的测试集上测试模型对光刻胶图形图案的分类准确率,计算训练准确率、训练损失、测试准确率和测试损失,保存最优的模型;使用训练集以外的数据集对模型进行验证,评估模型的分类准确率。
7、(5)利用训练好的模型对光刻胶图形图案进行分类:加载卷积神经网络,调用训练好的模型,输入经过预处理后的光刻胶图形图像,结合其切分图像分类结果输出光刻胶图形图像的分类结果。
8、(5.1)处理光刻胶图形图像,得到包含单一特征的切分图像:输入关键尺寸扫描电子显微镜量测的光刻胶图形图像,根据图案的类型按不同的切分方法预处理成包含单一特征的切分图像;
9、(5.2)加载卷积神经网络,调用模型,对切分图像进行分类:加载构建的卷积神经网络,调用训练好的模型,分类每一张切分图像,并保存分类结果;
10、(5.3)通过切分图像的分类结果,输出光刻胶图形图像的分类结果:检查保存的切分图像分类结果,如果切分图像全部分类为显影正常图像,则将光刻胶图形图像分类为显影正常图像,否则,将光刻胶图形图像分类为显影异常图像。
11、所述的切分采用的方法具体为:
12、(1)对于线(line)或空间(space)类型的密集图案(dense pattern),分为量测图像左右两端位于间距(pitch)内和位于关键尺寸线条(critical dimension bar,cd bar)内的情况;
13、①对于量测图像左右两端位于间距内的情况,分为量测图像中心位于间距内和位于关键尺寸线条内的情况;
14、i.对于量测图像中心位于间距内的情况,已知量测图像是边长(像素)为v的正方形图像,关键尺寸线条宽度值对应像素为c,间距宽度值对应像素为p,中心间距的每一侧各有n条关键尺寸线条,n为正整数,则将原始图像从左上角(a点)开始沿x方向切分为2n段,y方向切分为段,切分图像为(c+p)像素的正方形图像;
15、ii.对于量测图像中心位于关键尺寸线条内的情况,已知量测图像是边长(像素)为v的正方形图像,关键尺寸线条宽度值对应像素为c,间距宽度值对应像素为p,中心关键尺寸线条的每一侧各有n条关键尺寸线条,n为正整数,则将原始图像从左上角(a点)开始沿x方向切分为(2n+1)段,y方向切分为段,切分图像为(c+p)像素的正方形图像;
16、②对于量测图像左右两端位于关键尺寸线条内的情况,已知量测图像是边长(像素)为v的正方形图像,关键尺寸线条宽度值对应像素为c,间距宽度值对应像素为p,只需将量测图像中心位于间距内的情况切分时的起始点a从左上角右移至第一段间距内,即所有切分点的x坐标加上的偏置,其余切分方式分别与量测图像左右两端位于间距内的两种情况保持一致;
17、(2)对于线(line)或空间(space)类型的稀疏图案(isolated pattern),已知量测图像是边长(像素)为v的正方形图像,关键尺寸线条宽度值对应像素为c,直接进行归一化处理;
18、(3)对于直径(diameter)或孔(hole)类型的密集图案(dense pattern),已知量测图像是边长(像素)为v的正方形图像,其中每行有h个孔,每列有t个孔,将原始图像从左上角(a点)开始沿x方向均匀切分为h段,y方向均匀切分为t段,切分图像为长宽(或宽长)分别为像素和像素的矩形;
19、(4)对于直径(diameter)或孔(hole)类型的稀疏图案(isolated pattern),已知量测图像是边长(像素)为v的正方形图像,直接进行归一化处理。
20、一种计算机存储介本文档来自技高网...
【技术保护点】
1.一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(1)具体为:输入关键尺寸扫描电子显微镜量测的光刻胶图形图像数据集,根据图案的类型按不同的切分方法预处理成包含单一特征的切分图像,检查并修正部分图像的标签,得到切分图像数据集。
3.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(2)具体为:输入包含单一特征的切分图像数据集,对输入的带标签光刻胶图形图案数据集进行归一化处理,并按比例将其划分为训练集和测试集。
4.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(3)具体为:搭建一个卷积神经网络,该网络的输入为经过归一化处理后的光刻胶图形图像数据集,输出为对应光刻胶图形图像的分类结果。
5.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(4)具体为:利用归一化处理
6.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(5)具体为:加载卷积神经网络,调用训练好的模型,输入经过预处理后的光刻胶图形图像,结合其切分图像分类结果输出光刻胶图形图像的分类结果。
7.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(5)包括以下分步骤:
8.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述的切分采用的方法具体为:
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法。
10.一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法。
...【技术特征摘要】
1.一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(1)具体为:输入关键尺寸扫描电子显微镜量测的光刻胶图形图像数据集,根据图案的类型按不同的切分方法预处理成包含单一特征的切分图像,检查并修正部分图像的标签,得到切分图像数据集。
3.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(2)具体为:输入包含单一特征的切分图像数据集,对输入的带标签光刻胶图形图案数据集进行归一化处理,并按比例将其划分为训练集和测试集。
4.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(3)具体为:搭建一个卷积神经网络,该网络的输入为经过归一化处理后的光刻胶图形图像数据集,输出为对应光刻胶图形图像的分类结果。
5.根据权利要求1所述的一种基于图像切分和卷积神经网络的光刻工艺窗口分析方法,其特征在于,所述步骤(4)具体为:利用归一化处理后的训练集训练模型,并在归一化处理后的测试集上测试模型对光刻胶图形图案的分...
【专利技术属性】
技术研发人员:陈泽阳,周国栋,刘攀,黄天昊,高大为,
申请(专利权)人:浙江大学,
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。