使用机器学习的工具漂移补偿制造技术

公开了用于预测性地确定数字光刻工具中的工具漂移以进行预警，和/或原位调整工具以减轻漂移的影响的方法及系统。在制造期间尤其通过测量从眼到眼、桥到桥的对准标记来测量漂移。所测量的漂移被分解成三个分量：趋势—随时间推移的趋向于漂移；增量—随时间推移的漂移变化率；以及剩余—漂移、趋势与增量之间的差值。将每个分量提供给机器学习引擎，该机器学习引擎预测每个分量的下一个测量值。可以将预测的测量值提供给工具以用作调整参数来修改眼睛模块如何将图案投射到基板上，和/或当预测参数在期望的处理参数窗口外部时用作预警。警。警。

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习的工具漂移补偿


[0001]本公开内容的实施方式一般涉及数字光刻系统，并且更特定言之涉及用于补偿数字光刻系统中的漂移的方法及系统。

技术介绍

[0002]在半导体处理工具诸如数字光刻系统中，当工具与预期设计不同时，在基板上制造的设备以及连接这些设备的电路系统可能会受到影响。在此类工具的正常操作期间，多种因素可能影响在形成所需结构中材料沉积的精度及准确度。由于工具的操作和/或工具操作所处的环境，温度、湿度、压力及气流的波动会随着时间推移而变化。这些波动可表现为工具漂移。
[0003]在现有的方法中，为了解工具漂移的影响，将使用基板样品进行计量测量，并对所提供的工具进行调整以补偿所测量的工具漂移。进行计量测量并随后调整工具是一个麻烦的过程，除了识别事后的问题之外，还需要很多任务时。
[0004]需要用于克服现有方法所呈现的问题的方法及系统，以预测性地确定工具漂移并执行原位工具调整。

技术实现思路

[0005]本公开内容一般涉及用于预测性地确定数字光刻工具中的工具漂移并原位调整工具以减轻漂移影响的方法及系统。在制造期间尤其通过测量从眼到眼、桥到桥的对准标记来测量漂移。所测量的漂移被分解成三个分量：趋势—随时间推移的趋向于漂移；增量—随时间推移的漂移变化率；以及剩余—漂移、趋势与增量之间的差值。将每个分量提供给机器学习引擎，该机器学习引擎预测每个分量的下一个测量值。将所预测的测量值提供给工具以用作调整参数，来修改眼睛模块如何将图案投射到基板上。
[0006]在一个实施方式中，公开了一种用于数字光刻工具中的漂移补偿的方法，该方法包括接收历史传感器数据；接收与历史传感器数据相关的历史漂移数据；以及通过使用历史传感器数据及历史漂移数据训练机器学习模型来生成经训练的机器学习模型。实施方式进一步包括使用数字光刻工具处理基板，该数字光刻工具包括被配置为产生传感器数据的传感器，及眼睛模块；测量数字光刻工具的漂移；将传感器数据及测量的漂移提供给经训练的机器学习模型；从经训练的机器学习模型接收预测的工具漂移；以及基于预测的工具漂移调整眼睛模块。
[0007]在另一个实施方式中，公开了一种计算机可读介质，该计算机可读介质包含用于数字光刻工具中的漂移补偿方法的计算机可读指令，该方法包括接收历史传感器数据；接收与历史传感器数据相关的历史漂移数据；以及通过使用历史传感器数据及历史漂移数据训练机器学习模型来生成经训练的机器学习模型。实施方式进一步包括使用数字光刻工具处理基板，该数字光刻工具包括被配置为产生传感器数据的传感器，及眼睛模块；测量数字光刻工具的漂移；将传感器数据及测量的漂移提供给经训练的机器学习模型；从经训练的
机器学习模型接收预测的工具漂移；以及基于预测的工具漂移调整眼睛模块。
[0008]在另一个实施方式中，公开了一种用于数字光刻的系统，该系统包括处理器，该处理器被配置为进行用于数字光刻工具中的漂移补偿的方法，该方法包括接收历史传感器数据；接收与历史传感器数据相关的历史漂移数据；以及通过使用历史传感器数据及历史漂移数据训练机器学习模型来生成经训练的机器学习模型。实施方式进一步包括使用数字光刻工具处理基板，该数字光刻工具包括被配置为产生传感器数据的传感器，及眼睛模块；测量数字光刻工具的漂移；将传感器数据及测量的漂移提供给经训练的机器学习模型；从经训练的机器学习模型接收预测的工具漂移；以及基于预测的工具漂移实时调整眼睛模块。
附图说明
[0009]为了能够详细理解本公开内容的上述特征，可以参考实施方式对以上简要概述的本公开内容进行更特别的描述，实施方式中的一些实施方式在附图中图示。然而，应当注意的是，附图仅图示了示例性实施方式，并且因此不应被视为是对其范围的限制，并且可以允许其他同等有效的实施方式。
[0010]图1描绘了根据所公开的实施方式的数字光刻工具。
[0011]图2描绘了根据所公开的实施方式的用于数字光刻系统中的工具漂移补偿的系统。
[0012]图3是根据所公开的实施方式的用于预测数字光刻系统中的工具漂移补偿的机器学习模型。
[0013]图4描绘了根据所公开的实施方式的数字光刻系统的漂移数据的实例。
[0014]图5描绘了根据所公开的实施方式的用于工具漂移预测的分量的示例性计算方法。
[0015]图6描绘了根据所公开的实施方式的漂移数据、趋势数据、增量数据及剩余数据的实例。
[0016]图7描绘了根据所公开的实施方式的用于工具漂移补偿的方法。
[0017]图8描绘了根据所公开的实施方式的用于工具漂移补偿的计算机系统。
[0018]为了促进理解，在可能的情况下，使用相同的附图标记来表示附图中共享的元件。预期一个实施方式的元件和特征可以有益地结合到其他实施方式中，而无需进一步叙述。
具体实施方式
[0019]为了能够详细理解本公开内容的上述特征，可以参考实施方式对以上简要概述的本公开内容进行更特别的描述，实施方式中的一些实施方式在附图中图示。然而，应当注意的是，附图仅图示了本公开内容的典型实施方式，因此不应被认为是对其范围的限制，因为本公开内容可以允许其他同等有效的实施方式。
[0020]本公开内容一般涉及用于预测性地确定数字光刻系统中的工具漂移，并原位调整该系统以减轻漂移影响的方法及系统。在实施方式中，在制造期间尤其例如通过测量从眼到眼、桥到桥的对准标记的位置来测量工具漂移。所测量的漂移被分解成三个分量：趋势—测量随时间推移的趋向于漂移；增量—测量随时间推移的漂移变化率；以及剩余—测量漂移、趋势及增量之间的差值。将每个分量提供给机器学习引擎并预测每个分量的下一个测
量值。将预测的测量值聚集并提供给工具以用作调整参数，所述参数将调整眼睛模块如何将图案投射到基板上。
[0021]图1描绘了可以受益于本文所公开的实施方式的系统100的透视图。系统100包括基础框架110、平板(slab)120、工作台130及处理装置160。基础框架110可以搁置在制造设施的地板上，并且可以支撑平板120。被动空气隔离器112可以位于基础框架110与平板120之间。平板120可以是整块花岗岩，并且工作台130可以设置在平板120上。基板140可以由工作台130支撑。多个孔(未图示)可以形成在工作台130中以用于允许多个升降销(未图示)延伸穿过该多个孔中。升降销可以上升至延伸位置以接收基板140，例如从传送机器人(未图示)接收基板。传送机器人可以将基板140定位在升降销上，并且此后升降销可以缓慢地将基板140降低到工作台130上。
[0022]基板140可以例如由石英制成，并用作平板显示器的一部分。在其他实施方式中，基板140可以由其他材料制成。在一些实施方式中，基板140可以具有形成在基板上的光刻胶层。光刻胶对辐射敏感并且可以是正性光刻胶或负性光刻胶，此意谓着在图案被写入光刻胶之后，光刻胶的暴露于辐射的部分将分别可溶于或不溶于施加至光刻胶的光刻胶显影剂。光刻胶的化学组成决定了光刻胶本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于数字光刻工具中的漂移补偿的方法，包括以下步骤：接收训练传感器数据；接收与所述训练传感器数据相关的训练漂移数据；通过使用所述训练传感器数据及所述训练漂移数据训练机器学习模型来生成经训练的机器学习模型；使用数字光刻工具处理基板，所述数字光刻工具包括传感器，所述传感器被配置为产生传感器数据，及眼睛模块；测量所述数字光刻工具的漂移；将所述传感器数据及所测量的漂移提供给所述经训练的机器学习模型；从所述经训练的机器学习模型接收预测的工具漂移；和基于所述预测的工具漂移来调整所述眼睛模块。2.如权利要求1所述的方法，其中所述传感器数据包括温度、湿度及压力中的一者。3.如权利要求1所述的方法，其中测量所述漂移的步骤包括以下步骤：测量所述基板上的第一对准标记和第二对准标记的位置。4.如权利要求3所述的方法，其中测量所述第一对准标记和第二对准标记的所述位置的步骤是使用所述眼睛模块和第二眼睛模块中的一者执行的。5.如权利要求1所述的方法，进一步包括以下步骤：基于所述预测的工具漂移提供警告，所述警告包括更新用户显示及改变所述工具的所述操作。6.如权利要求1所述的方法，其中所述机器学习模型包括：ML趋势模型，所述ML趋势模型接收测量的漂移，并被配置为生成未来漂移的趋势预测；ML增量模型，所述ML增量模型接收所测量的漂移的变化率，并被配置为生成未来漂移的增量预测；和ML剩余模型，所述ML剩余模型接收所测量的漂移及所述未来漂移的趋势预测与所述未来漂移的增量预测之间的差值，并被配置为生成预测剩余值，所述预测剩余值包括未来漂移、所述未来漂移的趋势预测与所述未来漂移的增量预测之间的预测差值。7.如权利要求6所述的方法，其中所述ML趋势模型、所述ML增量模型及所述ML剩余模型中的一者包括线性回归模型。8.一种用于数字光刻工具中的漂移补偿的方法，包括以下步骤：使用数字光刻工具处理基板，所述数字光刻工具包括传感器，所述传感器被配置为产生传感器数据，以及眼睛模块；测量所述数字光刻工具的漂移；将所述传感器数据及所测量的漂移提供给使用训练传感器数据及与所述训练传感器数据相关的训练漂移数据训练的经训练的机器学习模型；从所述机器学习模型接收预测的工具漂移；和基于所述预测的工具漂移来调整所述眼睛模块。9.如权利要求8所述的方法，其中所述传感器数据包括温度、湿度和压力中的一者。10.如权利要求8所述的方法，其中测量所述漂移包括测量所述基板上的第一对准标记和第二对准标记的位置。11.如权利要求10所述的方法，其中测量所述第一对准标记和第二对准标记的所述位
置的步骤是使用所述眼睛模块...

【专利技术属性】
技术研发人员：林彥硕，塔纳，
申请(专利权)人：应用材料公司，
类型：发明
国别省市：