[发明专利]基于过程变化度的空间特性对不合格的预测

权利要求书

1.一种用于确定概率模型的方法，所述概率模型被配置为预测受图案化过程的衬底上的图案的特性，所述方法包括：

获取与所述衬底上的所述图案的所述特性相对应的残差的分布的空间图；

经由计算系统基于在所述空间图内的所述残差的所述分布的变化来确定所述空间图的区域；以及

经由所述计算系统基于所述区域和所述区域内的所述衬底上的所述残差的值的所述分布或所述图案的所述特性的值的所述分布来确定所述概率模型。

2.根据权利要求1所述的方法，其中确定所述区域包括：

确定所述残差的所述分布的所述变化是否超过预定的阈值；以及

响应于超过所述预定的阈值，限定不同的区域。

3.根据权利要求1所述的方法，其中确定所述区域是迭代过程，其中基于所述残差的所述分布的所述变化来获取多个区域，使得所述多个区域中的第一区域具有所述残差的所述分布的第一变化并且所述多个区域中的第二区域具有所述残差的所述分布的第二变化。

4.根据权利要求3所述的方法，其中所述确定所述区域的迭代包括：

以所述残差的所述分布的所述空间图作为输入来执行分类算法，所述分类算法基于残差中的所述变化来提供一组或多组所述残差；以及

标识围绕所述一组或多组残差中的每组残差的边界，其中所述区域是所述边界内的区。

5.根据权利要求3所述的方法，其中确定所述区域的所述迭代还包括：

经由量测工具获取在所述第一区域和所述第二区域中与所述衬底上的所述图案的所述特性相对应的量测数据，其中所述第一区域和所述第二区域被所述第一区域与所述第二区域之间的第一边界隔开，并且所述第二区域由第二边界标识；以及

基于所述量测数据来修改围绕所述残差的所述第一区域的所述第一边界。

6.根据权利要求4所述的方法，其中所述分类算法是机器学习模型，所述机器学习模型被训练为基于所述残差的所述分布的所述变化或已印刷的所述衬底上的所述图案的所述特性的所述变化来标识区域。

7.根据权利要求4所述的方法，其中所述分类算法涉及基于以下至少之一的聚类分析：

k最近均值；

均值漂移；

朴素贝叶斯和反向传播神经网络；

具有噪声的应用的基于密度的空间聚类；

高斯混合模型；或者

分层聚类。

8.根据权利要求1所述的方法，其中确定所述区域包括：

基于所述残差的所述分布的所述变化在径向方向上、角度方向上或其组合上超过预定的阈值，来确定径向边界和所述径向边界的角度跨度。

9.根据权利要求1所述的方法，其中所述区域是根据距所述衬底的中心的径向距离来限定的。

10.根据权利要求1所述的方法，其中所述区域包括跨越所述衬底的特定角度区并且在径向方向上不规则的闭合的边界。

11.根据权利要求1所述的方法，其中确定所述概率模型包括：

获取所述区域内的所述衬底上的所述图案的所述特性的值；以及

基于所述图案的所述特性的值或与所述区域内的所述图案的所述特性相对应的所述残差的值，来确定所述概率模型的统计参数。

12.根据权利要求10所述的方法，其中所述概率模型的所述统计参数包括平均值和标准差值。

13.根据权利要求11所述的方法，其中所述概率模型是高斯分布。