[发明专利]用于使用半导体制造工艺中的深度学习预测缺陷及临界尺寸的系统及方法

权利要求书

1.一种用于预测缺陷站点及临界尺寸测量的方法，其包括：

使用检验工具扫描晶片；

使用缺陷重检工具确认至少一个缺陷的存在，其中所述确认包括对缺陷进行采样；

将参数输入到深度学习模型中，其中所述参数包含所述缺陷相对于设计、关注区或设计片段中的一或多者的位置，且其中所述参数进一步包括以下中的一或多者：

焦点；

曝光；

所述缺陷的类型；

相邻设计位点；及

层类型；

在所述输入之后，基于所述深度学习模型而使用控制器预测缺陷位点；

收集由所述深度学习模型预测的所述缺陷站点的图像；

验证所述缺陷位点，其中所述验证包括确认所述图像中的所述缺陷站点处的至少一个缺陷的存在；及

使用来自所述验证的晶片数据重新训练所述深度学习模型，其中重复所述预测、所述验证及所述重新训练直到所述深度学习模型达到检测准确度阈值。

2.根据权利要求1所述的方法，其中所述扫描是热扫描。

3.根据权利要求1所述的方法，其中所述缺陷重检工具是扫描电子显微镜。

4.根据权利要求1所述的方法，其中所述参数进一步包含光学接近性校正。

5.根据权利要求1所述的方法，其进一步包括产生所述缺陷位点的热图。

6.根据权利要求1所述的方法，其进一步包括使用所述深度学习模型预测新晶片上的缺陷。

7.根据权利要求1所述的方法，其进一步包括使用所述深度学习模型针对新半导体制造工艺预测所述晶片上的缺陷。

8.一种非暂时性计算机可读媒体，其存储经配置以指示处理器执行根据权利要求1所述的方法的程序。

9.一种用于预测缺陷站点及临界尺寸测量的方法，其包括：

使用扫描电子显微镜扫描晶片；

使用控制器计算样本位点处的跨越所述晶片的临界尺寸变动；

将参数输入到深度学习模型中，其中所述参数包含相对于设计、关注区或设计片段中的一者测量临界尺寸的位置，且其中所述参数进一步包含以下中的一或多者：

焦点；

曝光；

相邻设计位点；及

层类型；

在所述输入之后，基于所述深度学习模型而使用所述控制器预测跨越所述晶片的位点处的所述临界尺寸；

收集来自所述深度学习模型的站点的图像；

验证所述位点处的所述临界尺寸，其中所述验证包括确认所述图像中的所述位点处的所述临界尺寸；及

使用来自所述验证的晶片数据重新训练所述深度学习模型，其中重复所述预测、所述验证及所述重新训练直到所述深度学习模型达到检测准确度阈值。

10.根据权利要求9所述的方法，其中所述参数进一步包含光学接近性校正。

11.根据权利要求9所述的方法，其进一步包括产生临界尺寸变动的热图。

12.根据权利要求9所述的方法，其进一步包括使用所述深度学习模型预测新晶片上的临界尺寸。

13.根据权利要求9所述的方法，其进一步包括使用所述深度学习模型针对新半导体制造工艺预测所述晶片上的临界尺寸。

14.一种非暂时性计算机可读媒体，其存储经配置以指示处理器执行根据权利要求9所述的方法的程序。