【技术实现步骤摘要】
【国外来华专利技术】
本文的描述涉及图像检查装置领域，并且更具体地，涉及基于机器学习模型的检查样品缺陷检测。
技术介绍
1、图像检查装置(例如带电粒子束装置或光束装置)能够通过检测由与检查装置相关联的源所生成的束(例如带电粒子束或光束)撞击晶圆衬底表面时产生的粒子(例如光子、二次电子、背散射电子、镜像电子或其他类型的电子)来产生晶圆衬底的二维(2d)图像。在半导体工业中，各种图像检查装置被使用在半导体晶圆上，用于各种目的，诸如晶圆处理(例如电子束直写光刻系统)、过程监控(例如临界尺寸扫描电子显微镜(cd-sem))、晶圆检查(例如电子束检查系统)或缺陷分析(例如缺陷审查sem或称为dr-sem、以及聚焦离子束系统或称为fib)。
2、为了控制晶圆衬底上制造的结构的质量，可以分析晶圆衬底的2d图像以检测晶圆衬底中的潜在缺陷。在一些应用中，可以将晶圆衬底的裸片的2d图像与晶圆衬底的另一裸片(例如，相邻裸片)的2d图像进行比较以进行缺陷检测，这可以被称为裸片到裸片(“d2d”)检查。在一些应用中，可以将晶圆衬底的裸片的2d图像与裸片的设计布局(例如，图形设计系统或“gds”布局)的2d渲染的图像进行比较以进行缺陷检测，这可以被称为裸片到数据库(“d2db”)检查。在一些应用中，可以将晶圆衬底的裸片的2d图像与裸片的模拟图像进行比较。可以使用裸片的设计布局作为输入，通过被配置为模拟由图像检查装置测量的图像的模拟技术来生成模拟图像。缺陷检查方法对噪声的敏感性可能是对这些应用的性能、成本和准确性的重要因素。
技术实现思路<
1、本公开的实施例提供了训练用于缺陷检测的机器学习模型的系统和方法、训练用于缺陷检测的多个机器学习模型的系统和方法以及缺陷检测的系统和方法。在一些实施例中，非暂时性计算机可读介质可以存储指令集，该指令集可由装置的至少一个处理器执行以使该装置执行方法。该方法可以包括获得训练数据，该训练数据包括制造的集成电路(ic)的检查图像和ic的设计布局数据。该方法还可以包括使用训练数据训练机器学习模型。机器学习模型可以包括第一自动编码器和第二自动编码器。第一自动编码器可以包括第一编码器和第一解码器。第二自动编码器可以包括第二编码器和第二解码器。第二解码器可以被配置为获得由第一编码器输出的第一码。第一解码器可以被配置为获得由第二编码器输出的第二码。
2、在一些实施例中，非暂时性计算机可读介质可以存储指令集，该指令集可由装置的至少一个处理器执行以使该装置执行一种方法。该方法可以包括：获得第一数据，该第一数据包括制造的第一集成电路(ic)的第一检查图像和第一ic的第一设计布局数据。该方法还可以包括使用第一数据训练第一机器学习模型。该方法还可以包括获得第二数据，该第二数据包括制造的第二ic的第二检查图像和第二ic的第二设计布局数据。该方法还可以包括通过调整第二设计布局数据的多边形来生成调整后的设计布局数据。该方法还可以包括使用第二检查图像和调整后的设计布局数据训练第二机器学习模型。
3、在一些实施例中，非暂时性计算机可读介质可以存储指令集，该指令集可由装置的至少一个处理器执行以使该装置执行一种方法。该方法可以包括获得制造的集成电路(ic)的检查图像和ic的设计布局数据。该方法还可以包括将检查图像和设计布局数据输入到经训练的机器学习模型以生成缺陷图，其中经训练的机器学习模型包括第一交叉自动编码器，并且第一交叉自动编码器包括被配置为获得检查图像作为输入的第一自动编码器和被配置为获得设计布局数据作为输入的第二自动编码器。该方法还可以包括基于缺陷图来检测检查图像中的潜在缺陷。
4、在一些实施例中，系统可以包括被配置为扫描样品并生成在样品上制造的集成电路(ic)的检查图像的图像检查装置，以及包括电路装置的控制器。控制器可以配置为获得包括ic的检查图像和ic的设计布局数据的训练数据。控制器还可以被配置为使用训练数据训练机器学习模型。机器学习模型可以包括第一自动编码器和第二自动编码器。第一自动编码器可以包括第一编码器和第一解码器。第二自动编码器可以包括第二编码器和第二解码器。第二解码器可以被配置为获得由第一编码器输出的第一码。第一解码器可以被配置为获得由第二编码器输出的第二码。
5、在一些实施例中，系统可以包括图像检查装置，该图像检查装置被配置为扫描样品并生成在样品上制造的集成电路(ic)的检查图像，以及包括电路装置的控制器。控制器可以被配置为获得第一数据，该第一数据包括制造的第一ic的第一检查图像和第一ic的第一设计布局数据。控制器还可以被配置为使用第一数据训练第一机器学习模型。控制器还可以被配置为获得第二数据，该第二数据包括制造的第二ic的第二检查图像和第二ic的第二设计布局数据。控制器还可以被配置为通过调整第二设计布局数据的多边形来生成调整后的设计布局数据。控制器还可以被配置为使用第二检查图像和调整后的设计布局数据训练第二机器学习模型。
6、在一些实施例中，系统可以包括图像检查装置，该图像检查装置被配置为扫描样品并生成在样品上制造的集成电路(ic)的检查图像，以及包括电路装置的控制器。控制器可以被配置为获得ic的检查图像和ic的设计布局数据。控制器还可以被配置为将检查图像和设计布局数据输入到经训练的机器学习模型以生成缺陷图，其中经训练的机器学习模型包括第一交叉自动编码器，并且第一交叉自动编码器包括被配置为获得检查图像作为输入的第一自动编码器和被配置为获得设计布局数据作为输入的第二自动编码器。控制器还可以被配置为基于缺陷图来检测检查图像中的潜在缺陷。
7、在一些实施例中，训练用于缺陷检测的机器学习模型的计算机实现的方法可以包括获得包括制造的集成电路(ic)的检查图像和ic的设计布局数据的训练数据。该方法还可以包括使用训练数据训练机器学习模型。机器学习模型可以包括第一自动编码器和第二自动编码器。第一自动编码器可以包括第一编码器和第一解码器。第二自动编码器可以包括第二编码器和第二解码器。第二解码器可以被配置为获得由第一编码器输出的第一码。第一解码器可以被配置为获得由第二编码器输出的第二码。
8、在一些实施例中，用于训练多个机器学习模型以进行缺陷检测的计算机实现的方法可以包括：获得第一数据，该第一数据包括制造的第一集成电路(ic)的第一检查图像和第一ic的第一设计布局数据。该方法还可以包括使用第一数据训练第一机器学习模型。该方法还可以包括获得第二数据，该第二数据包括制造的第二ic的第二检查图像和第二ic的第二设计布局数据。该方法还可以包括通过调整第二设计布局数据的多边形来生成调整后的设计布局数据。该方法还可以包括使用第二检查图像和调整后的设计布局数据训练第二机器学习模型。
9、在一些实施例中，缺陷检测的计算机实现的方法可以包括获得制造的集成电路(ic)的检查图像和ic的设计布局数据。该方法还可以包括：将检查图像和设计布局数据输入到经训练的机器学习模型以生成缺陷图，其中经训练的机器学习模型包括第一交叉自动编码器，并且第一交叉自动编码器包括被配置为获得检查图像本文档来自技高网...
【技术保护点】
1.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质存储指令集，所述指令集能够由装置的至少一个处理器执行，以使所述装置执行一种方法，所述方法包括：
2.根据权利要求1所述的非暂时性计算机可读介质，其中所述设计布局数据包括基于所述IC的图形设计系统(GDS)剪辑数据而渲染的图像。
3.根据权利要求2所述的非暂时性计算机可读介质，其中能够由所述装置的至少一个处理器执行的所述指令集使所述装置进一步执行：
4.根据权利要求1所述的非暂时性计算机可读介质，其中能够由所述装置的至少一个处理器执行的所述指令集使所述装置进一步执行：
5.根据权利要求1所述的非暂时性计算机可读介质，其中用于训练所述机器学习模型的损失函数包括第一分量，所述第一分量表示由所述第一编码器输出的第一码与由所述第二编码器输出的第二码之间的差异。
6.根据权利要求5所述的非暂时性计算机可读介质，其中所述损失函数还包括第二分量和第三分量，所述第二分量表示所述检查图像与由所述第一解码器输出的经解码的检查图像之间的差异，所述第三分量表示所述设计布局数据与由所述第二解
7.根据权利要求6所述的非暂时性计算机可读介质，其中所述损失函数是所述第一分量、所述第二分量和所述第三分量的总和。
8.根据权利要求6所述的非暂时性计算机可读介质，其中能够由所述装置的至少一个处理器执行的所述指令集使所述装置进一步执行：
9.根据权利要求5所述的非暂时性计算机可读介质，其中所述第一分量还包括参数，并且其中使用所述训练数据训练所述机器学习模型包括：
10.一种系统，包括：
11.根据权利要求10所述的系统，其中所述设计布局数据包括基于所述IC的图形设计系统(GDS)剪辑数据而渲染的图像。
12.根据权利要求11所述的系统，其中所述控制器包括还被配置为执行以下操作的电路装置：
13.根据权利要求10所述的系统，其中控制器包括还被配置为执行以下操作的电路装置：
14.根据权利要求10所述的系统，其中用于训练所述机器学习模型的损失函数包括第一分量，所述第一分量表示由所述第一编码器输出的所述第一码与由所述第二编码器输出的所述第二码之间的差异。
15.根据权利要求14所述的系统，其中所述损失函数还包括第二分量和第三分量，所述第二分量表示所述检查图像与所述第一解码器输出的经解码的检查图像之间的差异，所述第三分量表示所述设计布局数据与所述第二解码器输出的经解码的设计布局数据之间的差异。
...【技术特征摘要】
【国外来华专利技术】
1.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质存储指令集，所述指令集能够由装置的至少一个处理器执行，以使所述装置执行一种方法，所述方法包括：
2.根据权利要求1所述的非暂时性计算机可读介质，其中所述设计布局数据包括基于所述ic的图形设计系统(gds)剪辑数据而渲染的图像。
3.根据权利要求2所述的非暂时性计算机可读介质，其中能够由所述装置的至少一个处理器执行的所述指令集使所述装置进一步执行：
4.根据权利要求1所述的非暂时性计算机可读介质，其中能够由所述装置的至少一个处理器执行的所述指令集使所述装置进一步执行：
5.根据权利要求1所述的非暂时性计算机可读介质，其中用于训练所述机器学习模型的损失函数包括第一分量，所述第一分量表示由所述第一编码器输出的第一码与由所述第二编码器输出的第二码之间的差异。
6.根据权利要求5所述的非暂时性计算机可读介质，其中所述损失函数还包括第二分量和第三分量，所述第二分量表示所述检查图像与由所述第一解码器输出的经解码的检查图像之间的差异，所述第三分量表示所述设计布局数据与由所述第二解码器输出的经解码的设计布局数据之间的差异。
7.根据权利要求6所述的非暂时性计算机可读介质，其中所述损失函数是所述第一...
【专利技术属性】
技术研发人员：浦凌凌，左宏权，
申请(专利权)人：ASML荷兰有限公司，
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。