【技术实现步骤摘要】
本公开大体上涉及叠加计量，且更特定来说，涉及目标特征焦点的机器学习。
技术介绍
1、基于图像的叠加计量通常可包含基于不同所关注层中的叠加目标的特征的相对经成像位置来确定样本上的两个或更多个层之间的相对偏移。因此，叠加测量的准确度可对与每一样本层上的经成像特征相关联的图像质量敏感，图像质量可基于例如平面(例如，焦点位置)相对于样本的景深或位置的因素而变化。因此，叠加计量程序通常包含特定样本层处的图像质量与处理量之间的权衡。例如，情况可为基于每一样本层的单独图像的叠加测量可提供叠加目标特征的最高质量图像。然而，每目标捕获多个图像可降低处理量。通过另一实例，基于捕获多个层上的特征的单个图像的叠加测量可提供相对较高处理量，但可需要基于外部工具的参考测量或全晶片测量来提供所要测量准确度。因此，期望提供一种用于解决例如上文所识别的缺陷的缺陷的系统及方法。
技术实现思路
1、根据本公开的一或多个实施例，公开一种计量系统。在一个实施例中，所述计量系统包含通信地耦合到一或多个离焦(through-focus)成像计量子系统的控制器，其中所述控制器包含经配置以执行存储于存储器中的程序指令集的一或多个处理器，且其中所述程序指令集经配置以致使所述一或多个处理器：接收在一或多个焦点位置处捕获的多个训练图像，所述多个训练图像包含训练样品的一或多个训练特征；基于在一或多个焦点位置处捕获的所述多个训练图像产生机器学习分类器；接收针对一或多个目标叠加测量的对应于目标样品的一或多个目标特征的一或多个目标特征选择；使用
2、根据本公开的一或多个实施例，公开一种计量系统。在一个实施例中，所述计量系统包含一或多个离焦成像计量子系统。在另一实施例中，所述计量系统包含通信地耦合到所述一或多个计量子系统的控制器，其中所述控制器包含经配置以执行存储于存储器中的程序指令集的一或多个处理器，且其中所述程序指令集经配置以致使所述一或多个处理器：接收在一或多个焦点位置处捕获的多个训练图像，所述多个训练图像包含训练样品的一或多个训练特征；基于在一或多个焦点位置处捕获的所述多个训练图像产生机器学习分类器；接收针对一或多个目标叠加测量的对应于目标样品的一或多个目标特征的一或多个目标特征选择；使用所述机器学习分类器来基于所述一或多个目标特征选择确定一或多个目标焦点位置；接收在所述一或多个目标焦点位置处捕获的一或多个目标图像，所述一或多个目标图像包含所述目标样品的所述一或多个目标特征；及基于所述一或多个目标图像确定一或多个叠加测量。
3、根据本公开的一或多个实施例，公开一种使用一或多个离焦成像计量子系统测量叠加的方法。在一个实施例中，所述方法包含接收在一或多个焦点位置处捕获的多个训练图像，所述多个训练图像包含训练样品的一或多个训练特征。在另一实施例中，所述方法包含基于在一或多个焦点位置处捕获的所述多个训练图像产生机器学习分类器。在另一实施例中，所述方法包含接收针对一或多个目标叠加测量的对应于目标样品的一或多个目标特征的一或多个目标特征选择。在另一实施例中，所述方法包含使用所述机器学习分类器来基于所述一或多个目标特征选择确定一或多个目标焦点位置。在另一实施例中，所述方法包含接收在所述一或多个目标焦点位置处捕获的一或多个目标图像，所述一或多个目标图像包含所述目标样品的所述一或多个目标特征。在另一实施例中，所述方法包含基于所述一或多个目标图像确定一或多个叠加测量。
4、应理解，前文一般描述及下文具体实施方式两者仅为示范性的及说明性的，且不一定限制如所主张的本专利技术。并入于本说明书中且构成本说明书的一部分的所附图式说明本专利技术的实施例且连同一般描述一起用于说明本专利技术的原理。
本文档来自技高网...【技术保护点】
1.一种系统，其包括：
2.根据权利要求1所述的系统，其中所述一或多个离焦成像计量子系统包括以下中的至少一者：基于光学的计量子系统或基于散射测量的计量子系统。
3.根据权利要求1所述的系统，其中所述一或多个焦点位置包括在焦点训练范围内的多个焦点位置。
4.根据权利要求1所述的系统，其中通过使所述计量子系统的一或多个部分沿着一或多个调整轴平移而在所述一或多个焦点位置处捕获所述多个训练图像。
5.根据权利要求4所述的系统，其中所述程序指令集进一步经配置以致使所述一或多个处理器：
6.根据权利要求5所述的系统，其中所述一或多个控制信号经配置以致使所述一或多个离焦成像计量子系统的所述一或多个部分居中。
7.根据权利要求1所述的系统，其中基于所述一或多个目标特征的所述一或多个目标图像确定所述一或多个叠加测量包括：
8.根据权利要求1所述的系统，其中用于所述一或多个叠加测量的所述一或多个目标特征选择由用户经由用户接口提供。
9.根据权利要求1所述的系统，其中所述程序指令集进一步经配置以致使所述一或
10.根据权利要求1所述的系统，其中所述机器学习分类器包括深度学习分类器、卷积神经网络、集成学习分类器、随机森林分类器或人工神经网络中的至少一者。
11.一种系统，其包括：
12.一种使用一或多个离焦成像计量子系统进行叠加测量的方法，其包括：
13.根据权利要求12所述的方法，其中通过所述一或多个离焦成像计量子系统来捕获所述多个训练图像及所述一或多个目标图像，所述一或多个离焦成像计量子系统包括以下中的至少一者：基于光学的计量子系统或基于散射测量的计量子系统。
14.根据权利要求12所述的方法，其中所述一或多个焦点位置包括在焦点训练范围内的多个焦点位置。
15.根据权利要求13所述的方法，其中通过使所述计量子系统的一或多个部分沿着一或多个调整轴平移而在所述一或多个焦点位置处捕获所述多个训练图像。
16.根据权利要求15所述的方法，其进一步包括：
17.根据权利要求16所述的方法，其中所述一或多个控制信号经配置以致使所述一或多个离焦成像计量子系统的所述一或多个部分居中。
18.根据权利要求12所述的方法，其中基于所述一或多个目标特征的所述一或多个目标图像确定所述一或多个叠加测量包括：
19.根据权利要求12所述的方法，其中用于所述一或多个叠加测量的所述一或多个目标特征选择由用户经由用户接口提供。
20.根据权利要求12所述的方法，其进一步包括：
21.根据权利要求12所述的方法，其中所述机器学习分类器包括深度学习分类器、卷积神经网络、集成学习分类器、随机森林分类器或人工神经网络中的至少一者。
...【技术特征摘要】
1.一种系统，其包括：
2.根据权利要求1所述的系统，其中所述一或多个离焦成像计量子系统包括以下中的至少一者：基于光学的计量子系统或基于散射测量的计量子系统。
3.根据权利要求1所述的系统，其中所述一或多个焦点位置包括在焦点训练范围内的多个焦点位置。
4.根据权利要求1所述的系统，其中通过使所述计量子系统的一或多个部分沿着一或多个调整轴平移而在所述一或多个焦点位置处捕获所述多个训练图像。
5.根据权利要求4所述的系统，其中所述程序指令集进一步经配置以致使所述一或多个处理器：
6.根据权利要求5所述的系统，其中所述一或多个控制信号经配置以致使所述一或多个离焦成像计量子系统的所述一或多个部分居中。
7.根据权利要求1所述的系统，其中基于所述一或多个目标特征的所述一或多个目标图像确定所述一或多个叠加测量包括：
8.根据权利要求1所述的系统，其中用于所述一或多个叠加测量的所述一或多个目标特征选择由用户经由用户接口提供。
9.根据权利要求1所述的系统，其中所述程序指令集进一步经配置以致使所述一或多个处理器：
10.根据权利要求1所述的系统，其中所述机器学习分类器包括深度学习分类器、卷积神经网络、集成学习分类器、随机森林分类器或人工神经网络中的至少一者。
11.一种系统，其包括：
12.一种使...
【专利技术属性】
技术研发人员：E·拉维特，A·玛纳森，Y·西蒙，D·桑科，A·萨夫兰尼，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。