[发明专利]用于重复结构的光测量优化

权利要求书

1.一种使用光测量模型确定在晶片上形成的重复结构的轮廓参数的方法，所述光测量模型具有与所述结构的顶视图相关联的轮廓参数和与所述结构的横截面视图相关联的轮廓参数，该方法包括：

a)表征所述结构的顶视图轮廓，所述结构的轮廓具有轮廓参数；

b)选择所述轮廓参数来代表所述结构的所述顶视图轮廓的变化；

c)选择与所述结构的横截面视图轮廓相关联的轮廓参数；

d)将代表所述结构的所述顶视图轮廓和所述横截面视图轮廓的选定的轮廓参数集成到光测量模型中；

e)优化所述光测量模型；

f)使用优化的光测量模型来创建轮廓参数和仿真衍射信号的集合；

g)使用创建的仿真衍射信号集合和一个或多个测得衍射信号来提取最佳匹配仿真衍射信号；

h)当所述最佳匹配仿真衍射信号和所述一个或多个测得衍射信号在一个或多个匹配标准内不匹配时，修改对轮廓参数的表征和/或选择；以及

i)重复a)、b)、c)、d)、e)、f)、g)和h)，直到所述最佳匹配仿真衍射信号和所述测得衍射信号在所述一个或多个匹配标准内匹配。

2.如权利要求1所述的方法，其中表征结构的轮廓包括：

定义所述重复结构的单位单元，单位单元具有一个或多个特征；以及

表征所述单位单元的所述一个或多个特征的顶视图轮廓。

3.如权利要求2所述的方法，其中表征所述单位单元的所述一个或多个特征的所述顶视图轮廓包括：

用一个或多个基本形状配合所述单位单元的所述一个或多个特征的所述顶视图轮廓；

识别所述一个或多个基本形状的参数；以及

确定所述一个或多个基本形状的识别出的参数的变化。

4.如权利要求3所述的方法，其中所述基本形状包括椭圆和/或多边形。

5.如权利要求4所述的方法，其中所述一个或多个基本形状的识别出的参数包括椭圆短轴、椭圆长轴，或多边形的一个或多个边的长度。

6.如权利要求3所述的方法，其中确定所述识别出的参数的变化包括：

收集所述单位单元的所述一个或多个特征的顶视图轮廓样本；

确定被用来配合所述单位单元的所述一个或多个特征的所述顶视图轮廓的所述一个或多个基本形状的识别出的参数的范围。

7.如权利要求6所述的方法，其中收集顶视图轮廓样本包括：

收集从下述方法获得的顶视图样本：使用工艺仿真器仿真所述重复结构的制作，用测量设备测量所述单位单元的所述一个或多个特征的顶视图轮廓，或者访问半导体应用的所述重复结构的经验形状数据，所述经验形状数据包括所述单位单元的所述一个或多个特征的顶视图轮廓。

8.如权利要求6所述的方法，其中选择所述轮廓参数来代表所述重复结构的所述轮廓的变化包括：

选择具有最大的值范围的被用来配合所述单位单元的所述一个或多个特征的所述顶视图轮廓的所述一个或多个基本形状的一个或多个识别出的参数。

9.如权利要求1所述的方法，其中使用所述优化的光测量模型创建所述轮廓参数和仿真衍射信号的集合包括：

创建仿真衍射信号和相关联的轮廓参数的库，所述仿真衍射信号是通过使用数字分析技术解Maxwell方程生成的。

10.如权利要求9所述的方法，其中所述数字分析技术是严格耦合波分析、模态分析、积分方法、Green函数、Fresnel方法或有限元方法。

11.如权利要求1所述的方法，其中使用所述光测量模型创建所述轮廓参数和仿真衍射信号的集合包括：

创建被训练来基于输入轮廓参数生成仿真衍射信号的机器学习系统；以及

使用轮廓参数的集合作为输入来创建所述仿真衍射信号的集合。

12.如权利要求11所述的方法，其中所述机器学习系统是

后向传播、径向基函数、支持向量，或者核回归。