[发明专利]用于OCD数据解释的自我监督表征学习

说明书

提供了一种用于OCD计量的系统和方法，包括：接收多个第一组散射数据，将每个组分为k个子向量，并且以自我监督的方式训练，将k个子向量中的每个映射到彼此的k²个自动编码器神经网络。随后，接收多组各自的参考参数和多个相应的第二组散射数据，并训练转移神经网络(NN)。初始层包括k²个编码器神经网络的并行排列。转移NN训练的目标输出设置为多组参考参数，特征输入设置为多个相应的第二组散射数据，以使转移NN被训练以从随后测量的散射数据集中估计新的晶片图案参数。

技术领域

本发明总体上涉及集成电路晶片图案的光学检查领域，尤其涉及用于测量晶片图案参数的算法。

背景技术

集成电路(IC)通过沉积、改变和去除积聚在晶片上堆叠结构中的薄层的多个步骤在半导体晶片上生产。这些堆叠结构(或“堆叠”)通常以重复图案形成，该重复图案像衍射光栅一样具有光学特性。用于测量这些图案的关键尺寸(CD)和材料属性的现代计量学方法利用了这些光学特性。下文中，CD和材料属性也被称为“图案参数”，或简称为“参数”。这些参数可以包括堆叠的高度、宽度和间距。如Dixit等人在“使用基于Mueller矩阵光谱的椭偏仪的光学关键尺寸计量方法对28nm间距的硅鳍片进行灵敏度分析和线边缘粗糙度确定”中所述，J.Micro/Nanolith.MEMS MOEMS.14(3)，031208(2015)(通过引用并入本文)中，图案参数还可包括：侧壁角度(SWA)、间隔物宽度、间隔物下拉、外延接近度、立脚/底切、2维(HKMG)的过填充/底填充、3维轮廓(FinFET)和线边缘粗糙度(LER)的分布。

光学关键尺寸(OCD)计量采用散射法来测量散射数据，即反射光辐射，其表示图案的光学特性。散射数据的测量集(也可称为散射特征码)可以包括反射辐照度与辐射入射角的数据点(可能是零级测量)。可替代地或附加地，散射数据可以包括光谱图，该光谱图是在一定波长或频率范围内反射辐射强度的计量。本领域已知的其他类型的散射数据也可应用于OCD计量学中。

通过引用并入本文的Scheiner和Machavariani的美国专利6,476,920“用于测量图案结构的方法和装置”描述了“光学模型”(也称为“物理模型”)的开发。光学模型是定义反射辐射和晶片物理结构之间关系的函数(即一组算法)。也就是说，光学模型是用于确定光如何从具有已知参数的图案反射的理论模型。因此，可以将这种光学模型应用于从一组已知的图案参数中估计散射数据，该散射数据将在光谱测试期间测量。光学模型也可以被设计为执行相反的(或“逆”)函数，即根据测量的散射数据估计图案参数。

光学模型通常应用于IC生产程序中的OCD计量，基于散射测量来测量是否使用正确的参数制造晶片图案。可以测量给定晶片的每个图案，以确定每个图案的参数与设计规范或平均值的变化程度。

作为光学建模的替代方法，机器学习(ML)技术可用于基于散射数据的图案参数估计。例如，如通过引用并入本文的Rothstein等人的PCT专利申请WO 2019/239380中所述，可以通过下述方法训练机器学习模型以识别测量的散射数据和测量的参考参数之间的相应关系。在训练了ML模型以从散射数据估计参数之后，可以将其应用于IC生产期间进行此类参数估计。

用于测量(获取)散射数据(例如光谱图)的示例性散射测量工具可包括光谱椭圆仪(SE)、光谱反射仪(SR)、偏振光谱反射仪以及其他光学关键尺寸(OCD)计量工具。此类工具已被纳入到目前可用的OCD计量系统中。一种这样的OCD计量系统是NOVA改进的OCD计量工具，可从以色列雷霍沃特的Nova测量仪器有限公司购买，用于测量可能在指定测试地点或“模内”的图案参数。测量关键尺寸(CD)的其他方法包括干涉法、X射线拉曼光谱法光谱分析(XRS)、X射线衍射(XRD)和泵探头工具等。专利US 10,161,885、US 10,054,423、US9,184,102和US 10,119,925中公开了此类工具的一些示例，和国际申请专利出版物WO2018/211505中，所有这些专利均转让给申请人，并通过引用整体并入本文。