【技术实现步骤摘要】
当前公开的主题总体上涉及检查半导体样本的领域，并且更具体地涉及用于工艺监测的基于机器学习的检查。
技术介绍
1、当前对与制造的器件的超大规模集成相关联的高密度和性能的需求需要亚微米特征、增加的晶体管和电路速度、以及提高的可靠性。随着半导体工艺的进步，诸如线宽之类的图案尺寸以及其他类型的临界尺寸不断缩小。这些需求要求以高精度和均匀性形成器件特征，这进而又需要对制造工艺进行仔细监控，包括在器件仍处于半导体晶片形式时对器件进行自动检查。
2、可以在待检查的样本的制造期间或之后使用非破坏性检查工具来提供检查。检查通常涉及通过将光或电子引导至晶片并检测来自晶片的光或电子来生成样本的某些输出(例如，图像、信号等)。作为非限制性示例，各种非破坏性检查工具包括扫描电子显微镜、原子力显微镜、光学检验工具等。
3、检查工艺可以包括多个检查步骤。半导体器件的制造工艺可以包括各种过程，诸如蚀刻、沉积、平坦化、生长(诸如外延生长)、注入等。检查步骤可以执行多次，例如在某些工艺过程之后和/或在制造某些层之后执行等。附加地或替代地，每个检查步...
【技术保护点】
1.一种检查半导体样本的系统，所述系统包括处理器和存储器电路系统(PMC)，所述处理器和存储器电路系统(PMC)被配置为：
2.如权利要求1所述的计算机化系统，其中所述图案变化涉及以下各项中的至少一项：弯曲线、边缘粗糙度、表面粗糙度、临界尺寸(CD)变化、缺失图案以及灰阶变化。
3.如权利要求1所述的计算机化系统，其中所述ML模型先前基于包括多个训练图像的训练集使用无监督学习进行训练，所述多个训练图像中的大多数训练图像表示正常图案行为。
4.如权利要求1所述的计算机化系统，其中所述缺陷度得分是根据表示缺陷特性的缺陷度度量来获得的。<...
【技术特征摘要】
1.一种检查半导体样本的系统，所述系统包括处理器和存储器电路系统(pmc)，所述处理器和存储器电路系统(pmc)被配置为：
2.如权利要求1所述的计算机化系统，其中所述图案变化涉及以下各项中的至少一项：弯曲线、边缘粗糙度、表面粗糙度、临界尺寸(cd)变化、缺失图案以及灰阶变化。
3.如权利要求1所述的计算机化系统，其中所述ml模型先前基于包括多个训练图像的训练集使用无监督学习进行训练，所述多个训练图像中的大多数训练图像表示正常图案行为。
4.如权利要求1所述的计算机化系统，其中所述缺陷度得分是根据表示缺陷特性的缺陷度度量来获得的。
5.如权利要求1所述的计算机化系统，其中所述互相关关系是通过以下操作导出的：从先前检查的样本堆叠收集缺陷数据，基于所述缺陷数据确定所述样本堆叠上有高概率存在缺陷的位置，使用所述ml模型处理所述位置中的至少一些位置的图像以获得异常图及其异常得分，以及将所述异常得分与对应的缺陷数据互相关以导出所述互相关关系。
6.如权利要求1所述的计算机化系统，其中所述样本序列是晶片上的管芯序列，并且分析所述异常得分序列以监测整个所述晶片上的图案变化均匀性。
7.如权利要求1所述的计算机化系统，其中所述样本序列是晶片序列，并且分析所述异常得分序列以监测沿着所述晶片序列的所述制造工艺的工艺变化。
8.如权利要求1所述的计算机化系统，其中所述样本序列包括分别由多个制造工具制造的多个样本子序列，并且所述生成包括生成与所述多个样本子序列相对应的多个异常得分子序列，并且所述分析包括单独地和共同地分析所述多个异常得分子序列以验证由一个或多个异常得分指示的一个或多个图案变化的根本原因。
9.如权利要求1所述的计算机化系统，其中所述异常图包括所述图像中存在图案变化的像素级概率，并且基于所述异常图针对以下各项中的一项导出所述异常得分：所述图像中的一个或多个像素，所述图像中表示的一个或多个结构，或所述图像的整体。
10.如权利要求1所述的计算机化系统，其中所述ml模型是变分自动编码器(vae)，所述vae被配置为将所述图像映射到潜在空间中的一个或多个潜在变量，每个潜在变量表示从所述图像提取的相应特征，并且对每个特征的概率分布进行建模，从而允许使影响所述特征的不同的图案变化等级可视化。
11.如权利要求10所述的计算机化系统，其中所述潜在空间中的至少一个潜在变量表示所述图像中的结构的特定图案变化，并且所述pmc进一步被配置为基于从所述潜在空间提取...
【专利技术属性】
技术研发人员：N·塔尔，B·黎凡特，S·西尼察，B·斯图勒斯，S·约格夫，A·阿里埃勒，L·丘纳，S·普雷斯，
申请(专利权)人：应用材料以色列公司，
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。