[发明专利]用于预测衬底图像的方法和设备

权利要求书

1.一种方法，包括：

获得训练数据集合，所述训练数据集合包括(i)用于对衬底的印制图案进行测量的量测工具的量测数据，和(ii)用于将所述印制图案成像到所述衬底上的掩模图案；以及

基于所述训练数据集合来训练机器学习模型，所述机器学习模型能够操作以基于成本函数来预测如由所述量测工具所测量的所述衬底的衬底图像，其中所述衬底图像对应于如经由所述量测工具所测量的所述衬底的所述印制图案；

其中所述成本函数包括预测衬底图像与所述量测数据之间的关系。

2.根据权利要求1所述的方法，其中所述量测数据包括：

经由所述量测工具所捕获的所述衬底上的所述印制图案的图像；和/或

在所述衬底上的所述印制图案的测量期间所使用的所述量测工具的量测选配方案。

3.根据权利要求2所述的方法，其中所述量测工具是扫描电子显微镜并且所述图像是扫描电子显微镜图像，并且所述扫描电子显微镜的所述量测选配方案包括以下中的至少一个：

电子束强度；

入射角；和

取样部位信息。

4.根据权利要求1所述的方法，其中由所述机器学习模型所产生的所述预测衬底图像包括分段式图像。

5.根据权利要求4所述的方法，其中所述分段式图像与被分配给所述印制图案的特征的多个类别标签相关联。

6.根据权利要求5所述的方法，其中所述预测图像是像素化图像，其中基于每个像素属于所述多个类别标签中的特定类别的概率来向所述像素分配所述多个类别标签中的类别标签。

7.根据权利要求5所述的方法，其中所述多个类别标签中的每个类别标签对应于一灰度水平，所述灰度水平包括一个或更多个灰度值。

8.根据权利要求7所述的方法，其中所述一个或更多个灰度值基于如下各项被分组至所述灰度水平：

均匀分组；

与所述印制图案的特定特征相对应的像素；和/或

加权像素分组。

9.根据权利要求11所述的方法，其中所述机器学习模型是卷积神经网络，其中训练所述机器学习模型包括迭代过程，所述迭代过程的迭代包括：

基于所述量测数据和所述掩模图案来确定所述卷积神经网络的模型参数的值；和

调整所述模型参数的值以改善所述卷积神经网络的成本函数。

10.根据权利要求1所述的方法，还包括：

基于所述预测衬底图像来确定所述衬底的所述印制图案的特性，其中所述特性包括临界尺寸、所述特征的轮廓、和/或边缘放置误差。

11.根据权利要求1所述的方法，其中所述训练数据还包括：

图案化过程的一个或更多个参数的值，其中所述图案化过程的所述一个或更多个参数包括剂量、焦距、强度、或照射模式中的至少一个。

12.根据权利要求1所述的方法，还包括：

经由所述量测工具获取在所述图案化过程期间或之后的额外量测数据，

基于在所述图案化过程期间所使用的掩模图案和/或所述额外量测数据来更新经训练的机器学习模型。

13.根据权利要求1所述的方法，还包括：

获得图案化过程的另一掩模图案、以及经训练的机器学习模型；和

经由使用所述另一掩模图案作为输入的所述经训练的机器学习模型来预测源自所述量测工具的另一衬底图像。