[发明专利]基于机器学习预测刻蚀工艺后CDSEM图像的方法

说明书

一种基于机器学习预测刻蚀工艺后CDSEM图像的方法，其包括训练集和验证集的生成步骤、在进行模型训练之前将所述空间像‑CDSEM图像对齐步骤、遍历N组所述空间像‑CDSEM图像数据对完成神经网络模型的训练、遍历所述验证集中的空间像数据，对训练完成的所述神经网络模型进行验证、以及神经网络模型应用步骤。因此，本发明在刻蚀之前根据空间像推算出实际刻蚀后的CDSEM图像，以检查是否有缺陷并进行进一步的修正，其优点在于速度快、精度高和成本低。

技术领域

本发明属于半导体集成电路制造工艺技术领域，涉及一种基于机器学习 预测刻蚀工艺后扫描电子显微镜图像(Critical Dimension Scanning Electronic Microscope，CDSEM)的方法。

背景技术

在半导体制造流程中，光刻工艺一直都是最关键的环节。光刻的原理是 在硅片表面覆盖一层具有高度光敏感性光刻胶，再用光线(一般是紫外光、 深紫外光和极紫外光)透过掩模照射在硅片表面，被光线照射到的光刻胶会 发生反应。此后用特定溶剂洗去被照射/未被照射的光刻胶，就实现了电路图 从掩模到硅片的转移，就实现了半导体器件在硅片表面的构建过程。

在半导体集成电路制造工艺技术领域，为保证良率和减少缺陷数量，在 光刻前需要进行光学临近修正(Optical Proximity Correction，OPC)。目 前的OPC验证只检查光刻后的图形质量。由于刻蚀工艺不可逆，对刻蚀后 缺陷的检查目前只能在刻蚀后进行，成本太高，即OPC验证也是只检查光 刻后的图形质量。

然而，在目前先进的半导体节点，使用极紫外光刻(Extreme Ultra-violet， EUV)或多重图案技术时，只检查光刻后的图案，是无法确保刻蚀工艺后的 图案没有缺陷。因此，业界急需一种能够预测刻蚀工艺后CDSEM图像质量 的方法。

发明内容

鉴于以上述现有技术存在的问题，本发明提出了一种基于机器学习预测 刻蚀工艺后CDSEM图像的方法，该预测刻蚀工艺后扫描电子显微镜 CDSEM图像的神经网络模型，用于精准和高效地预测刻蚀工艺后CDSEM 图案。

为实现上述目的，本发明的技术方案如下：

一种基于机器学习预测刻蚀工艺后CDSEM图像的方法，所述方法包括 如下步骤：

步骤S1：训练集和验证集的生成步骤；其包括：

步骤S11：提供晶圆，并预设工艺次数为K次；其中，K为大于等于1 的正整数；

步骤S12：在所述晶圆上完成一次刻蚀工艺流程，使用扫描电子显微镜 在刻蚀后晶圆的M_i处不同坐标进行扫描，得到M_i张CDSEM图像；其中， M_i为大于等于10的正整数，i为1,2,3…K中的一个值；

步骤S13：计算与所述CDSEM图像相同坐标的空间像，将一张所述 CDSEM图与对应的空间像组成一组空间像-CDSEM图像数据对，最终得到 M_i组所述空间像-CDSEM图像数据对；

步骤S14：判断所述空间像-CDSEM图像数据对的组数是否等于N，如 果否，执行步骤S12；如果是，执行步骤S15，其中，

步骤S15：将N组所述空间像-CDSEM图像数据对按比例分成用于模型 训练的训练集和用于验证模型的验证集；其中，所述训练集和验证集的所述 空间像-CDSEM图像数据对的组数比例为N1:N2，N＝N1+N2；

步骤S2：将所述空间像与所述CDSEM图像对齐；