本发明专利技术公开了一种用于光学散射测量的基于拟合误差插值的库匹配方法，包括：确定样品待测结构参数的变化范围并对其执行离散化处理，将所获得的离散网格点及其对应理论光谱值储存到光谱库中；获得待测样品的测量光谱并计算出离散网格点对应的测量光谱值与理论光谱值之间的拟合误差，然后将其同样储存到光谱库中；为拟合误差设定阈值并执行粗搜索，利用搜索出的拟合误差所对应的离散网格点来构建候选参数集，并对拟合误差执行多维插值处理获得相应的拟合误差插值函数；基于拟合误差插值函数细搜索找出全局最优点，其所对应的参数值即为最终确定的结构参数。通过本发明专利技术，能够提高库匹配过程的测量分辨率和准确度，并具备快速和便于操作的优点。
【技术实现步骤摘要】
本专利技术属于光学测量
，更具体地，涉及。
技术介绍
光学散射测量方法(optical scatterometry),也称为光学关键尺寸测量(optical critical dimension metrology)法,其基本原理是将一束特殊偏振状态的偏振光投射至待测样品表面，通过测量待测样品的零级衍射光，由此获得不同偏振态下的反射光强或者偏振光在反射前后比偏振状态的变化，进而从中提取出待测样品的结构参数例如光刻、刻蚀以及纳米压印图形中光栅结构的线宽、线高、侧壁角、套刻误差等信息。与采用扫描电子显微镜或原子力显微镜的方式相比，光学散射测量方法具有速度快、成本低、无接触，非破坏和易于在线集成等优点，因而在先进工艺监测与优化控制领域获得了广泛应用。 除了测量设备本身之外，光学散射测量方法还取决于以下两个方面的关键技术一是正向光学特性建模；二是逆向参数提取。正向光学特性建模可以采用严格耦合波分析(RCffA)法、有限元法(FEM)、边界元法(BEM)、有限时域差分法(FDTD)等方法实现；逆向参数提取可以采用的方法包括非线性回归法和基于库匹配的参数提取方法等。其中，由于基于非线性回归的参数提取方法在每次迭代过程中都需要调用正向的光学特性模型，而正向特性模型的计算是一个相对耗时的过程，尤其是对于复杂的三维周期结构，因此难以满足在线测量过程的要求；对于基于库匹配的参数提取方法，虽然光谱库的建立是一个非常耗时的过程，好在整个建库的过程可以离线进行，一旦光谱库建好之后，剩下的参数提取过程仅相当于一个数据库查询问题，可以保证参数提取在相当短的时间内完成，因此该方法在光学散射测量过程中获得了广泛的应用。在建立光谱库的过程中，必须对待测样品的结构参数进行离散化处理。离散化过程中所采用的步长大小直接决定了光谱库最终的测量分辨率(measurement resolution)和测量准确度(measurement accuracy)。一般而言,步长越小,库匹配方法最终的测量分辨率和测量准确度就越高。然而，步长越小，光谱库的规模也会随之呈几何级数倍的增长，这样就会需要更多的时间和内存空间来创建和存储光谱库。因此，如何在不增加额外的存储空间以及不过多影响测量时间的前提下，提高库匹配过程的测量分辨率和测量准确度是一个非常有挑战性的问题。针对这一问题，国内外研究者提出了一些解决方法，例如可以采用线性回归模型来代替正向的光学特性模型，并通过例如主成分分析、判别分析或者偏最小二乘回归等多元统计分析的方法获得线性回归模型；然而，该方法往往只能在非常有限的参数范围内使用，一旦超出此范围，就容易导致较大的测量误差，而且所获得的线性回归模型往往不能准确拟合校准数据。张传维等人在“Improved model-based infraredreflectrometry for measuring deep trench structures，，的论文中提出了一种基于人工神经网络结合Levenberg-Marquardt算法的方法用于光学散射测量过程中的参数提取,该组合算法虽然可以用于提高光谱库的测量准确度，但由于在算法迭代过程中需要多次调用正向光学特性建模，从而难以满足在线测量过程中对测量时效等方面的要求。此外，US6768967B2、US7043387B2中公开了一种对光谱进行插值的方法，其中建立光谱库来对光谱插值模型进行校准，这样事先没有存储在光谱库中的光谱可以通过对光谱库中已存的光谱进行插值得到；正向光学特性模型被光谱插值模型所取代，并用于非线性回归过程中计算结构参数对应的光谱，其中能够与测量光谱最匹配的插值光谱所对应的结构参数即为最终测量结果。然而，在该方法中，为了获得一条完整的光谱曲线，对于波长分辨型的光谱信号需要对每个波长逐一进行插值，对于角度分辨型的光谱信号需要对每个角度逐一进行插值；尤其是，如果光谱信号的输出形式是Stokes向量或者Mueller矩阵，则需要对向量或矩阵中的每个元素逐一进行插值，因此综合来看这种方法的插值过程非常复杂，造成实际测量过程的操作不便
技术实现思路
针对现有技术的缺陷和技术需求，本专利技术的目的在于提供。该方法首先基于已建立的光谱库和所获得的测量光谱来构建拟合误差插值函数，进而将散射测量过程中逆问题的求解转换为求解拟合误差插值函数的最优值问题，而最优值处所对应的结构参数即为与测量光谱所对应的待测结构参数。通过本专利技术，可以在不受光谱具体输出形式影响及光谱库中离散网格分辨率限制等的情况下，更为准确、快速地提取待测参数，并特别适用于在线测量过程。按照本专利技术，提供了，该方法包括下列步骤(a)根据工艺条件确定待测样品结构参数的变化范围，对该数值范围按照预设的步长S执行离散化处理以获得多个离散网格点，并将这些离散网格点及其各自对应的理论光谱值储存到光谱库中；(b)利用光学散射测量装置对待测样品进行测量以获得测量光谱，计算出所述离散网格点各自对应的测量光谱值与理论光谱值之间的拟合误差，然后将这些拟合误差同样储存到光谱库中；(C)为步骤(b)所计算出的拟合误差设定阈值，将光谱库中落入该阈值的拟合误差搜索出来，并利用这些搜索出的拟合误差所对应的离散网格点来构建候选参数集；此外，对所述拟合误差执行多维插值处理并获得相应的拟合误差插值函数，由此为待测样品结构参数与拟合误差之间建立函数对应关系；(d)基于所述拟合误差插值函数进行搜索以找出其全局最优点，该全局最优点所对应的参数值即为最终确定的待测样品结构参数，所述找出全局最优点的过程具体通过以下两种方式之一来实现(dl)以步骤(C)所构建的候选参数集中的离散网格点为中心且半径不超出所述预设步长δ作为搜索范围，在该搜索范围内以与所述步长δ相比更小的步长δ，执行离散化处理，由此获得多个新的离散网格点并求出其对应的拟合误差，其中拟合误差中的最小值所对应的点即为全局最优点；或者(d2)将步骤(C)所构建的候选参数集中的离散网格点作为初始迭代值，并采用约束优化算法直接求出全局最优点。作为进一步优选地，在步骤(b)中，通过均方根误差算法计算出所述离散网格点各自对应的测量光谱值与理论光谱值之间的拟合误差。作为进一步优选地，在步骤(C)中，所述构建候选参数集的具体过程包括为储存在光谱库中的拟合误差设定拟合误差阈值，然后将光谱库中所对应拟合误差小于该设定阈值的所有离散网格点用于构建候选参数集 ；或者计算光谱库中所有局部最优点的不确定度并设定相应的不确定度阈值，然后将光谱库中所对应的不确定度不小于所设定阈值的所有离散网格点用于构建候选参数集。作为进一步优选地，在步骤(C)中，采用多维线性或多维样条的方式来执行所述多维插值处理。作为进一步优选地，在步骤(dl)中，以所述离散网格点为中心且半径不超出所述预设步长S的1/2作为搜索范围。作为进一步优选地，在步骤(d2)中，所述约束优化算法包括有效集方法、内点法或者序列二次规划法。作为进一步优选地，所述样品的待测结构参数包括线宽、线高、侧壁角、套刻误差坐寸ο作为进一步优选地，所述光谱库所存储的光谱信号为反射率、椭偏参数、Stokes向量或者Mueller矩阵。总体而言，按照本专利技术的基于拟合误差插值的库匹配方法与现有技术相比，主要具备以下的优点I、由本文档来自技高网...
【技术保护点】
一种用于光学散射测量的基于拟合误差插值的库匹配方法，该方法包括下列步骤：（a）根据工艺条件确定待测样品结构参数的变化范围，对该范围按照预设的步长δ执行离散化处理以获得多个离散网格点，并将这些离散网格点及其各自对应的理论光谱值储存到光谱库中；（b）利用光学散射测量装置对待测样品进行测量以获得测量光谱，计算出所述离散网格点各自对应的测量光谱值与理论光谱值之间的拟合误差，然后将这些拟合误差同样储存到光谱库中；（c）为步骤（b）所计算出的拟合误差设定阈值，将光谱库中落入该阈值的拟合误差搜索出来，并利用这些搜索出的拟合误差所对应的离散网格点来构建候选参数集；此外，对所述拟合误差执行多维插值处理并获得相应的拟合误差插值函数，由此为待测样品结构参数与拟合误差之间建立函数对应关系；（d）基于所述拟合误差插值函数进行搜索以找出其全局最优点，该全局最优点所对应的参数值即为最终确定的待测样品结构参数，所述找出全局最优点的过程具体通过以下两种方式之一来实现：（d1）以步骤（c）所构建的候选参数集中的离散网格点为中心且半径不超出所述预设步长δ作为搜索范围，在该搜索范围内以与所述步长δ相比更小的步长δ′执行离散化处理，由此获得多个新的离散网格点并求出其对应的拟合误差，其中拟合误差中的最小值所对应的点即为全局最优点；或者（d2）将步骤（c）所构建的候选参数集中的离散网格点作为初始迭代值，并采用约束优化算法直接求出全局最优点。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘世元，陈修国，张传维，朱金龙，
申请(专利权)人：华中科技大学，
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。