【技术实现步骤摘要】
本公开的实施例主要涉及集成电路，并且更具体地，涉及用于半导体器件的仿真方法、电子设备及存储介质。
技术介绍
1、当前对化学机械抛光（chemical mecahnical polishing，简称cmp）后段工艺后的金属层厚度（metal thickness）的预测通常极大程度依赖于cmp模型。
2、传统方案中通过直观的物理机理进行推导得到纯物理模型。但在遇到某些复杂情况和工艺条件时，建模精度有些不足，从而无法准确预测cmp研磨后的情况。
技术实现思路
1、根据本公开的示例实施例，提供了一种用于半导体器件的仿真方案，以至少部分克服上述或者其它潜在缺陷。
2、根据本公开的一个方面，提供了一种半导体器件的仿真方法。该方法包括：基于时间步和相应的研磨速率确定研磨后晶圆的表面高度的仿真值；基于仿真值与目标值的比较确定与研磨速率相关的修正项，以使得对应于修正项的仿真值与目标值的差变小；以及响应于差满足预定条件，将对应于修正项的仿真值确定为研磨后晶圆的表面的高度值。
3、在本公开的第二方面，提供了一种电子设备。该电子设备包括处理器；以及与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作，该动作包括：基于时间步和相应的研磨速率确定研磨后晶圆的表面高度的仿真值；基于仿真值与目标值的比较确定与研磨速率相关的修正项，以使得对应于修正项的仿真值与目标值的差变小；以及响应于差满足预定条件，将对应于修正项的仿真值确定为研磨后晶圆的表面的高
4、在一些实施例中，基于仿真值与目标值的比较确定与研磨速率相关的修正项包括：基于图形特征信息、工艺信息以及用于计算表面高度的初始公式的信息，利用深度学习神经网络确定修正项以对初始公式进行修正。
5、在一些实施例中，修正项至少包括与下列各项之一相关的多项式：晶圆上格点内图形的宽度；图形之间的间隔；以及格点内各图形的周长之和。
6、在一些实施例中，利用深度学习神经网络确定修正项以对初始公式进行修正包括：在神经网络每次迭代的开始时生成随机数；基于随机数与随机概率阈值的比较选择对初始公式进行修正的修正项的来源；以及基于选择利用神经网络确定更新的修正项以对初始公式进行修正。
7、在一些实施例中，基于选择利用神经网络确定更新的修正项以对初始公式进行修正包括：响应于随机数与随机概率阈值的第一比较结果，从符号库选取符号作为修正项以利用神经网络对初始公式进行修正，其中，符号库是对数学符号以及变量库进行笛卡尔积组合而生成的，变量库包含图形特征信息和工艺信息；以及响应于随机数与随机概率阈值的第二比较结果，用神经网络进行预测以生成新的修正项，并且将新的修正项添加到符号库中。
8、在一些实施例中，利用深度学习神经网络确定修正项以对初始公式进行修正包括：基于各个格点的表面高度的仿真值与量测值生成奖励项；以及将初始公式、修正项、更新公式、以及奖励项构成的数组作为训练样本的元素在神经网络中进行迭代以生成新的训练样本的元素。
9、在一些实施例中，基于各个格点的表面高度的仿真值与量测值生成奖励项包括：确定各个格点的表面高度的仿真值的标准差与量测值的标准差之间的第一差值；确定各个格点的表面高度的仿真值的rmse与量测值的rmse之间的第二差值；确定各个格点的表面高度的仿真值与量测值之间的极差；以及基于第一差值、第二差值以及极差生成奖励项。
10、在一些实施例中，迭代包括预测阶段和训练阶段，并且其中：响应于在预测阶段的每轮迭代中生成的元素满足第一预定条件，终止该轮迭代，并且将该轮迭代中的所有元素作为一个轨迹；以及响应于各轮迭代过程中所获得的总轨迹的数量达到预定轨迹阈值，终止预测阶段。
11、在一些实施例中，第一预定条件包括：每轮迭代中生成的元素的数量达到第一预定阈值；或者当前迭代中rmse的值小于第二预定阈值。
12、在一些实施例中，其中利用深度学习神经网络确定修正项以对初始公式进行修正包括：在训练阶段，利用轨迹中的训练样本对神经网络进行训练以确定神经网络的损失函数的梯度；以及基于损失函数的梯度更新神经网络的参数。
13、在一些实施例中，利用轨迹中的训练样本对神经网络进行训练以确定神经网络的损失函数的梯度包括：使用强化学习领域中的策略梯度算法，对训练样本进行反向传播以确定损失函数的梯度。
14、在一些实施例中，利用深度学习神经网络确定修正项以对初始公式进行修正还包括：确定损失函数的值；响应于损失函数的值低于预定阈值，将对应于损失函数的值的神经网络所输出的修正项确定为与研磨速率相关的修正项；以及基于所确定的修正项确定更新公式，以确定表面的高度值。
15、在一些实施例中，练阶段的迭代在满足以下条件时停止：前后两次迭代的损失函数的值的差值小于预定差阈值；前后两次迭代的损失函数的值的比值的绝对值大于预定比率阈值；或者迭代次数或者迭代时间达到最大迭代阈值。
16、在一些实施例中，随机概率阈值在迭代期间由初始的第一概率阈值变为低于第一概率阈值的第二概率阈值。
17、在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
18、在本公开的第四方面中，提供了一种仿真模型，被配置为执行根据本公开的第一方面的方法。
19、在本公开的第五方面中，提供了一种神经网络，包括：多个输入层，被配置为接收晶圆上图形的特征信息、工艺信息以及用于计算研磨后晶圆的表面高度的初始公式；中间层，被配置为执行根据本公开的第一方面的方法方法，以确定用于计算表面高度的仿真值的更新公式；以及输出层，被配为输出更新公式。
20、在本公开的第五方面中，提供了一种神经网络模型的训练方法，包括：由神经网络模型基于输入数据进行预测以生成训练样本，其中输入数据包括图形特征信息、工艺信息以及用于确定研磨后晶圆的表面高度的初始公式；利用训练样本对神经网络模型进行训练以确定神经网络模型的损失函数的梯度；基于损失函数的梯度更新神经网络模型的参数；以及响应于训练满足预定条件，将对应于相应的所更新的神经网络模型的参数的神经网络模型确定为经训练的神经网络模型，其中经训练的神经网络模型输出用于确定表面高度的增强的公式。
21、在一些实施例中，由神经网络模型基于输入数据进行预测以生成训练样本包括：由神经网络模型基于初始公式以及初始修正项进行预测以生成更新公式以及奖励项，其中奖励项表示基于神经网络模型对研磨后晶圆的表面高度进行仿真的仿真值与目标值的差异而生成的反馈值；将初始公式、初始修正项、更新公式、以及奖励项构成的数组作为第一训练样本；以及基于第一训练样本在神经网络模型中进行迭代以生成多个训练样本。
22、在一些实施例中，奖励项通过以下方式生成：确定晶圆上各个格点的表面高度的仿真值的标准差与目标值的标准差之间的第一差值；确定各个格点的表面高度的仿真本文档来自技高网...
【技术保护点】
1.一种用于半导体器件的仿真方法，包括：
2.根据权利要求1所述的方法，其中基于所述仿真值与目标值的比较确定与所述研磨速率相关的修正项包括：
3.根据权利要求2所述的方法，其中所述修正项至少包括与下列各项之一相关的多项式：
4.根据权利要求2所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正包括：
5. 根据权利要求4所述的方法，其中基于所述选择利用所述神经网络确定更新的修正项以对所述初始公式进行修正包括：
6. 根据权利要求2所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正包括：
7.根据权利要求6所述的方法，其中基于晶圆上各个格点的表面高度的仿真值与量测值生成奖励项包括：
8. 根据权利要求6所述的方法，其中所述迭代包括预测阶段和训练阶段，并且其中：
9. 根据权利要求8所述的方法，其中第一预定条件包括：
10. 根据权利要求8所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正包括：
12.根据权利要求10所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正还包括：
13.根据权利要求10所述的方法，其中所述训练阶段的迭代在满足以下条件时停止：
14.根据权利要求4或5所述的方法，其中所述随机概率阈值在所述迭代期间由初始的第一概率阈值变为低于所述第一概率阈值的第二概率阈值。
15.一种仿真模型，被配置为执行根据权利要求1至14中任一项所述的方法。
16.一种神经网络，包括：
17.一种电子设备，包括：
18.一种计算机可读存储介质，所述计算机可读存储介质上存储有机器可执行指令，当所述机器可执行指令在被处理器执行时，使得所述处理器实现根据权利要求1至14中任一项所述的方法。
...【技术特征摘要】
1.一种用于半导体器件的仿真方法，包括：
2.根据权利要求1所述的方法，其中基于所述仿真值与目标值的比较确定与所述研磨速率相关的修正项包括：
3.根据权利要求2所述的方法，其中所述修正项至少包括与下列各项之一相关的多项式：
4.根据权利要求2所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正包括：
5. 根据权利要求4所述的方法，其中基于所述选择利用所述神经网络确定更新的修正项以对所述初始公式进行修正包括：
6. 根据权利要求2所述的方法，其中利用深度学习神经网络确定所述修正项以对所述初始公式进行修正包括：
7.根据权利要求6所述的方法，其中基于晶圆上各个格点的表面高度的仿真值与量测值生成奖励项包括：
8. 根据权利要求6所述的方法，其中所述迭代包括预测阶段和训练阶段，并且其中：
9. 根据权利要求8所述的方法，其中第一预定条件包括：
10. 根据权利要求8所述的方法，...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：全芯智造技术有限公司，
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。