特征尺寸参数提取方法、系统、终端设备以及存储介质技术方案

技术编号:43895489 阅读:12 留言:0更新日期:2025-01-03 13:09
一种特征尺寸参数提取方法、系统、终端设备以及存储介质,方法包括:提供待测特征的多个特征尺寸及特征尺寸对应的仿真光谱;将特征尺寸与仿真光谱作为神经网络模型的数据集,对神经网络模型进行训练,直至神经网络模型的训练误差小于预设阈值,确定神经网络模型完成训练;采用测量设备测量待测特征的测量光谱;根据测量光谱以及完成训练的神经网络模型对待测特征的特征尺寸进行预测,得到特征尺寸的预测尺寸范围;对测量光谱与预测尺寸范围内对应的仿真光谱进行拟合,得到与测量光谱最佳拟合的仿真光谱,并提取最佳拟合的仿真光谱对应的理论特征尺寸作为最终的特征尺寸。本申请可以快速实现对待测的特征尺寸的测量,满足在线测量的需求。

【技术实现步骤摘要】

本专利技术涉及特征尺寸检测,具体涉及一种基于神经网络的特征尺寸参数提取方法、系统、终端设备以及存储介质


技术介绍

1、现有的半导体制造领域中,需要对半导体内的纳米结构的特征尺寸进行测量,例如,在基于光学散射测量法的半导体纳米结构特征尺寸量测领域中,椭偏仪是一种常见的特征尺寸测量设备。从椭偏仪测量得到的光谱中反演提取出纳米结构待测参数的过程是一个典型的逆问题求解过程光学散射测量中逆问题的求解是关键技术之一。传统的求解逆问题方法主要为非线性拟合和库匹配方法。

2、一般都需要采用数值求解算法(如严格耦合波分析法(rcwa)等复杂的模拟算法)来构建光学特性模型来进行仿真,得到仿真光谱后再与测量光谱拟合,每一次拟合都需要光学特性模型仿真一次,直至得到最佳拟合的结果,再根据拟合结果得到特征尺寸,需要占用较长的时间与计算量,无法实现在线测量特征尺寸。


技术实现思路

1、本专利技术主要解决的技术问题是现有的测量方法,无法实现特征尺寸的在线测量。

2、根据第一方面,一种实施例中提供一种基于神经网络的特本文档来自技高网...

【技术保护点】

1.一种基于神经网络的特征尺寸参数提取方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述提供待测特征的多个特征尺寸及特征尺寸对应的仿真光谱,包括:

3.如权利要求2所述的方法,其特征在于,所述根据所述测量参数构建光学特性模型,包括:

4.如权利要求3所述的方法,其特征在于,所述数值求解算法为严格耦合波分析算法、有限元法、有限差分时域法或有限差分频域法。

5.如权利要求1所述的方法,其特征在于,所述对所述测量光谱与预测尺寸范围内对应的所述仿真光谱进行拟合,包括:

6.如权利要求5所述的方法,其特征在于,所述曲线...

【技术特征摘要】

1.一种基于神经网络的特征尺寸参数提取方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述提供待测特征的多个特征尺寸及特征尺寸对应的仿真光谱,包括:

3.如权利要求2所述的方法,其特征在于,所述根据所述测量参数构建光学特性模型,包括:

4.如权利要求3所述的方法,其特征在于,所述数值求解算法为严格耦合波分析算法、有限元法、有限差分时域法或有限差分频域法。

5.如权利要求1所述的方法,其特征在于,所述对所述测量光谱与预测尺寸范围内对应的所述仿真光谱进行拟合,包括:

6.如权利要求5所述的方法,其特征在于,所述曲线拟合算法为非线性回归算法、最小二乘法算法、多项式拟合算法或核函数回归算法。

7.如权利要求1所述的方法,其特征在于,所述神经网络模型为前馈神经网络模型、递归神经网络模型或卷积神经网络模型。

...

【专利技术属性】
技术研发人员:陈鲁马翔宇温朗枫龚荣马砚忠张嵩
申请(专利权)人:深圳中科飞测科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1