[发明专利]用于确定图案化过程中的图案的方法

权利要求书

1.一种用于训练图案化过程模型的方法，所述图案化过程模型被配置成预测将形成在图案化过程上的图案，所述方法包括：

获得(i)与期望的图案相关联的图像数据，(ii)衬底的测量图案，所述测量图案与所述期望的图案相关联，(iii)与所述图案化过程的方面相关联的第一模型，所述第一模型包括第一参数集合，和(iv)与所述图案化过程的另一方面相关联的机器学习模型，所述机器学习模型包括第二参数集合；和

迭代地确定所述第一参数集合和所述第二参数集合的值以训练图案化过程模型，其中迭代包括：

使用所述图像数据来执行所述第一模型和所述机器学习模型以协作地预测所述衬底的印制图案；和

基于所述测量图案与所述图案化过程模型的预测图案，修改所述第一参数集合和所述第二参数集合的值。

2.根据权利要求1所述的方法，其中在深度卷积神经网络框架中配置和训练所述第一模型和所述机器学习模型。

3.根据权利要求2所述的方法，其中所述训练包括：

由所述第一模型和所述机器学习模型的输出的前向传播来预测所述印制图案；

确定所述测量图案与所述图案化过程模型的所述预测图案之间的差；

确定所述差的相对于第一参数集合和第二参数集合的差分；和

基于所述差的所述差分,由所述第一模型和所述机器学习模型的输出的后向传播来确定所述第一参数集合和所述第二参数集合的值。

4.根据权利要求1所述的方法，其中所述第一模型被连接至所述机器学习模型呈串联组合或并联组合。

5.根据权利要求4所述的方法，其中所述第一模型和所述机器学习模型的的串联组合包括：

将所述第一模型的输出提供为至所述机器学习模型的输入。

6.根据权利要求4所述的方法，其中所述第一模型和所述机器学习模型的的串联组合包括：

将所述机器学习模型的输出提供为至所述第一模型的输入。

7.根据权利要求4所述的方法，其中所述第一模型和所述机器学习模型的并联组合包括：

向所述第一模型和所述机器学习模型提供相同输入；

组合所述第一模型和所述机器学习模型的输出；和

基于相应模型的组合输出来确定预测印制图案。

8.根据权利要求1所述的方法，其中所述第一模型是抗蚀剂模型、和/或空间图像模型。

9.根据权利要求8所述的方法，其中抗蚀剂模型的第一参数集合对应于以下中的至少一个：

初始酸分布；

酸扩散；

图像对比度；

长程图案加载效应；

长程图案加载效应；

中和之后的酸浓度；

中和之后的碱浓度；

由于高酸浓度所导致的扩散；

由于高碱浓度所导致的扩散；

抗蚀剂收缩；

抗蚀剂显影；或

二维凸曲率效应。

10.根据权利要求1所述的方法，其中所述第一模型是对所述图案化过程的第一方面的物理性质进行建模的经验模型。

11.根据权利要求10所述的方法，其中所述第一模型对应于与所述衬底的曝光之后的酸碱扩散相关的所述第一方面。

12.根据权利要求1所述的方法，其中所述机器学习模型是对所述图案化过程的第二方面进行建模的神经网络。

13.根据权利要求12所述的方法，其中第二参数集合包括：所述神经网络的一个或更多个层的权重和偏差。

14.根据权利要求13所述的方法，其中所述图案化过程模型对应于所述图案化过程的曝光后过程的所述第二方面。

15.根据权利要求14所述的方法，其中所述曝光后过程的所述第一方面和/或所述第二方面包括：抗蚀剂焙烤、抗蚀剂显影、和/或蚀刻。