结构特性预测系统、成像器系统及相关方法技术方案

一种预测晶片批次的虚拟计量数据的方法包含：从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；从计量设备接收与所述至少一个第一晶片批次有关的所测量计量数据；向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；以及利用所述至少一个产生的预测性模型产生所述第一晶片批次的第一虚拟计量数据或第一虚拟单元度量数据中的至少一个。

【技术实现步骤摘要】
【国外来华专利技术】结构特性预测系统、成像器系统及相关方法优先权要求本申请要求2018年8月10日提交的第16/100,729号美国专利申请“结构特性预测系统、成像器系统及相关方法(SYSTEMFORPREDICTINGPROPERTIESOFSTRUCTURES,IMAGERSYSTEM,ANDRELATEDMETHODS)”的提交日的权益。
本公开大体上涉及基于图像数据经由机器学习技术产生和预测晶片的虚拟计量数据及虚拟单元度量数据的方法。本公开还涉及一种用于平衡来自光源的颜色强度的图像系统。
技术介绍
半导体装置和其它微电子装置通常在配置为晶片或其它包括半导体材料且在主动表面上的阵列中具有大量单独的裸片位置的块状衬底的工件上制造。每个晶片都要经历几个不同的过程来构建开关、电容器、导电互连件和装置的其它组件。例如，晶片使用光刻、植入、蚀刻、沉积、平坦化、退火及其它重复以构建微观结构形式的高密度特征的过程来处理。制造微电子装置的一个方面是评估工件，以确保每个裸片位置的微观结构符合所需的规格。例如，工艺工程师必须能够准确测量此类表面特征以及包括裸片位置的晶片整个主动表面上的表面凹部的各种临界尺寸(“CD”)和厚度，以微调制造工艺并确保所需的装置几何结构。散射测量法是一种评估微观结构的若干参数(如临界尺寸和厚度)的技术。举例来说，散射测量法是反射测量法的一种，它是一种非破坏性的光学技术，记录和分析从周期性散射表面反射的光强度的变化。通过测量和分析从图案化周期性样本衍射的光，可以测量周期性结构的尺寸。在某些类型的散射测量中，具有宽光谱组成的光可以以固定角度照射到工件上，并且光的强度随波长的变化而变化。对于半导体装置，散射测量法用于评估膜厚度、线间距、沟槽深度、沟槽宽度和微观结构的其它方面。例如，许多半导体晶片在各个裸片之间的划道中包含光栅，以提供可使用现有散射测量设备评估的周期性结构。一种现有的散射测量工艺包含在工件上照射这样的周期性结构，并获得从周期性结构返回的散射辐射的表示。然后分析返回辐射的表示，以估计微观结构的一或多个参数。已经开发了若干种不同的散射计和方法来评估不同类型衬底上微观结构和/或膜的不同方面。一些散射测量系统包含接收反射光的光学中继系统和对反射光成像的传感器阵列。第WO2005/026707号国际公开案以及第6,804,001号、第6,556,284号、第5,880,845号和第5,703,686号美国专利公开了不同代的散射计。椭圆偏振测量法是另一种评估微观结构参数(例如，临界尺寸和厚度)的技术。如本领域所知，椭圆偏振测量法是一种用于研究薄膜的介电特性(复折射率或介电函数)的光学技术。椭圆偏振测量法测量反射或透射时偏振的变化，并将其与模型进行比较。具体地说，椭圆偏振测量法可用于表征组成、粗糙度、厚度(深度)、结晶性质、掺杂浓度、电导率和其它材料特性。椭圆偏振测量法对入射辐射的光学响应变化非常敏感，入射辐射与被研究的材料相互作用。当使用椭圆偏振测量法时，测量信号是入射辐射(在已知状态下)与所关注材料结构(反射、吸收、散射或透射)相互作用时偏振的变化。偏振变化通过振幅比和相位差来量化。此外，由于信号与厚度和材料特性有关，所以椭圆偏振测量法是一种无接触确定膜厚度和光学常数的通用工具。使用散射测量法和/或椭圆偏振测量法评估微观结构的一个挑战是，只能在划线中专门设计的散射箱(scatterbox)上进行测量。此外，这些工艺通常相对较慢，并且由于划线中的处理损坏，来自散射箱的数据可能会偏离活裸片。另外，例如，所需的计算时间可能需要几分钟，使得工件(例如，晶片)通常离线评估，而不是在工艺工具内原位评估。例如，如所属领域的技术人员将理解的，通过散射计和/或椭偏仪收集计量数据相对耗时，并且因此，收集计量数据所需的时间无法实现可以收集多少计量数据并且仍然保持成本效益。因此，对于给定晶片批次内的有限数目的晶片，通常仅收集相对较少数目的数据点。换句话说，在常规处理中，并不是通过散射计和/或椭偏仪来分析一个晶片批次中的每个晶片。另外，如本领域所知，还利用各种形式的成像器来评估晶片的微观结构参数。典型地，发光二极管(“LED”)光被用作光源并且在晶片处发射。反射光通常由互补金属氧化物(“CMOS”)成像器收集。CMOS成像器捕获晶片的合成图像以及RGB图像(例如，真彩色图像)。利用CMOS成像器提供相对快速的数据收集，并提供整个晶片的图像。然而，尽管通过RGB图像获得的RGB比对厚度和临界尺寸相对敏感，但是通过CMOS成像器获得的数据尚未用于以传统计量工具(例如，散射测量和/或椭圆偏振测量)的精度提取临界尺寸和厚度数据。单元或探针度量是在半导体裸片上执行以量化参数的电测量，例如，1)裸片的中值阈值电压，2)裸片内阈值电压的变化，3)裸片的操作电压窗口，4)读取/写入周期的耐久性，5)裸片的寿命，6)存储器的持久性，和7)裸片的产品等级。通常，只有在完成所有处理步骤之后才能实现这些测量，在某些情况下，这可能需要几个月的时间。上述参数在晶片之间或相同晶片的裸片之间的变化可能是由诸如厚度和CD之类的工艺变化引起的。
技术实现思路
本公开的一或多个实施例包含一种预测晶片批次的虚拟计量数据的方法。所述方法可包含：从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；从计量设备接收与所述至少一个第一晶片批次有关的所测量计量数据；向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；以及利用所述至少一个产生的预测性模型产生所述第一晶片批次的第一虚拟计量数据或第一虚拟单元度量数据中的至少一个。本公开的一些实施例包含一种预测晶片批次的虚拟计量数据的方法。所述方法可包含：从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；从计量设备接收所述至少一个第一晶片批次的所测量计量数据；利用所述图像数据和所述所测量计量数据训练机器学习模型；以及向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；从所述成像器系统接收第二图像数据，所述第二图像数据与至少一个第二晶片批次有关；以及经由所述至少一个产生的预测性模型基于所述第二图像数据产生所述第二晶片批次的第二虚拟计量数据或第二虚拟单元度量数据中的至少一个。本公开的一或多个实施例包含一种预测晶片批次的虚拟计量数据的方法。所述方法可包含：从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关，以及在不接收与所述至少一个第一晶片批次有关的任何所测量计量数据的情况下，基于所述第一图像数据，利用至少一个产生的用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型来产生所述第一晶片批次的第一虚拟计量数据或第一虚拟单元度量数据中的至少一个。本公开的额外实施例包含一种成像器系统。所述成像器系统可包含可调本文档来自技高网...

【技术保护点】
1.一种方法，其包括：/n从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；/n从计量设备接收与所述至少一个第一晶片批次有关的所测量计量数据；/n向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；以及/n利用所述至少一个产生的预测性模型产生所述至少一个第一晶片批次的第一虚拟计量数据或第一虚拟单元度量数据中的至少一个。/n

【技术特征摘要】
【国外来华专利技术】20180810 US 16/100,7291.一种方法，其包括：
从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；
从计量设备接收与所述至少一个第一晶片批次有关的所测量计量数据；
向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；以及
利用所述至少一个产生的预测性模型产生所述至少一个第一晶片批次的第一虚拟计量数据或第一虚拟单元度量数据中的至少一个。


2.根据权利要求1所述的方法，其进一步包括：
从所述成像器系统接收第二图像数据，所述第二图像数据与至少一个第二晶片批次有关；
经由所述至少一个产生的预测性模型基于所述第二图像数据产生所述第二晶片批次的第二虚拟计量数据或第二虚拟单元度量数据中的至少一个。


3.根据权利要求2所述的方法，其进一步包括不接收所述第二晶片批次的所测量计量数据。


4.根据权利要求2或3中任一权利要求所述的方法，其中经由所述预测性模型产生所述第二晶片批次的第二虚拟计量数据或所述第二虚拟单元度量数据中的所述至少一个包括在不接收与所述至少一个第二晶片批次有关的所测量计量数据的情况下，产生所述第二虚拟计量数据或所述第二虚拟单元度量数据中的至少一个。


5.根据权利要求4所述的方法，其进一步包括：
接收与所述至少一个第二晶片批次有关的所测量计量数据；以及
利用与所述至少一个第二晶片批次有关的所述所测量计量数据验证所述至少一个产生的预测性模型。


6.根据权利要求1、2或3中任一权利要求所述的方法，其进一步包括将所述至少一个第一晶片批次的所述所测量计量数据筛选到训练计量数据和验证计量数据中。


7.根据权利要求1、2或3中任一权利要求所述的方法，其进一步包括将与所述至少一个第一晶片批次有关的所述第一图像数据筛选到训练图像数据、验证图像数据和无计量图像数据中。


8.一种方法，其包括：
从成像器系统接收第一图像数据，所述第一图像数据与至少一个第一晶片批次有关；
从计量设备接收所述至少一个第一晶片批次的所测量计量数据；
利用所述第一图像数据和所述所测量计量数据训练机器学习模型；
向所述第一图像数据和所述所测量计量数据应用一或多个机器学习技术以产生至少一个用于预测晶片批次的虚拟计量数据或虚拟单元度量数据中的至少一个的预测性模型；
从所述成像器系统接收第二图像数据，所述第二图像数据与至少一个第二晶片批次有关；以及
经由所述至少一个产生的预测性模型基于所述第二图像数据产生所述第二晶片批次的第二虚拟计量数据或第二虚拟单元度量数据中的至少一个。


9.根据权利要求8所述的方法，其中所述一或多个机器学习技术选自由以下组成的列表：二次回归分析、逻辑回归分析、支持向量机、高斯过程回归、集合模型、任何其它回归分析、决策树学习、回归树、增强树、梯度增强树、多层感知器、一对一、朴素贝叶斯、k最近邻、关联规则学习、神经网络、深度学习和图案辨识。


10.根据权利要求8或9中任一权利要求所述的方法，其中所述第二虚拟计量数据包括与所述至少一个第二晶片批次内的晶片的特征的厚度和临界尺寸有关的数据。


11.根据权利要求8或9中任一权利要求所述的方法，其中所述第二虚拟单元度量数据包括与以下有关的数据：给定裸片的中值阈值电压、给定裸片内阈值电压的变化、给定裸片的操作电压窗口、对给定裸片的读取和/或写入周...

【专利技术属性】
技术研发人员：A·马宗达，刘茜岚，P·拉马钱德兰，S·D·利奥史密斯，S·K·麦坎德利斯，T·L·泰勒，A·N·诺埃曼恩，G·A·哈勒，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：美国;US