经由流形学习的图像重建的制作方法

摘要: 本发明大体上涉及用于图像重建的方法及系统。某些实施例涉及经由流形学习的图像重建。背景技术:1、以下描述及实例不因其包含于此章节中而被认为是现有技术。2、制造例如...
经由流形学习的图像重建的制作方法

本发明大体上涉及用于图像重建的方法及系统。某些实施例涉及经由流形学习的图像重建。

背景技术:

1、以下描述及实例不因其包含于此章节中而被认为是现有技术。

2、制造例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制造过程处理例如半导体晶片的衬底以形成半导体装置的各种特征及多个层级。例如,光刻是涉及将图案从倍缩光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制造过程。半导体制造过程的额外实例包含但不限于化学机械抛光(cmp)、蚀刻、沉积及离子植入。可在单个半导体晶片上的布置中制造多个半导体装置,且接着将其分离为个别半导体装置。

3、在半导体制造过程期间的各个步骤使用检验过程来检测样品上的缺陷以驱动制造过程的更高产量及因此更高利润。检验始终为制造半导体装置的重要部分。然而,随着半导体装置的尺寸减小,检验对于成功制造可接受半导体装置变得更为重要,这是因为较小缺陷可能导致装置故障。

4、缺陷检视通常涉及再检测本身由检验过程检测到的缺陷,及使用高放大率光学系统或扫描电子显微镜(sem)以较高分辨率产生关于缺陷的额外信息。因此,在样品上已通过检验检测到缺陷的离散位置处执行缺陷检视。通过缺陷检视产生的缺陷的较高分辨率数据更适合于确定缺陷的属性,例如轮廓、粗糙度、更准确大小信息等。与检验相比,基于通过缺陷检视确定的信息,可大体上将缺陷更准确地分类为缺陷类型。

5、还在半导体制造过程期间的各个步骤使用计量过程来监测及控制过程。计量过程不同于检验过程,因为不同于其中在样品上检测缺陷的检验过程,计量过程是用于测量无法使用当前使用的检验工具确定的样品的一或多个特性。例如,计量过程是用于测量样品的一或多个特性(例如在过程期间形成于样品上的特征的尺寸(例如,线宽、厚度等)),使得可从一或多个特性确定过程的性能。另外,如果样品的一或多个特性是不可接受的(例如,在所述特性的预定范围之外),那么可使用样品的一或多个特性的测量来更改过程的一或多个参数,使得通过所述过程制造的额外样品具有可接受特性。

6、计量过程也不同于缺陷检视过程,因为不同于其中在缺陷检视中再访问通过检验检测到的缺陷的缺陷检视过程,可在尚未检测到缺陷的位置处执行计量过程。换句话说,不同于缺陷检视,在样品上执行计量过程的位置可与在样品上执行的检验过程的结果无关。特定来说,可独立于检验结果来选择执行计量过程的位置。另外,由于可独立于检验结果来选择在样品上执行计量的位置,因此不同于其中无法确定样品上待执行缺陷检视的位置直到样品的检验结果已产生且可供使用的缺陷检视,可在已对样品执行检验过程之前确定执行计量过程的位置。

7、通常通过首先找到用于产生样品的图像、数据、测量、信号等的最佳可能硬件配置来开发用于执行上文描述的产量相关过程的方法及系统。一旦已建立硬件配置,便选择对于过程来说最佳的硬件的参数。硬件参数选择可极大地影响图像、数据、测量、信号等对样品的响应程度以及其可用于确定样品的信息的程度。

8、有时,即使最佳可能硬件配置及相关联参数仍无法产生对于确定样品的信息来说理想(或甚至足够好)的输出。例如,在上文描述的过程的情况下,最佳可能硬件配置及参数仍可能产生对于检测或再检测样品上的缺陷、确定缺陷的信息、测量样品上的经图案化特征的特性等来说低于最优的图像。因此,尤其是在工具达到其最大性能能力时,越来越多的努力被花费在尝试在通过此类工具产生图像之后改进图像。

9、用于改进图像的一些当前使用的方法及系统经设计以将图像解模糊(deblur)。一种此方法使用盲解卷积(blind deconvolution)算法。当不知道关于失真的信息时,使用此方法。其试图同时复原图像及点散布函数(psf)。另一方法使用露西-理查德德森(lucy-richardson)算法作为迭代过程用于复原已通过已知的空间不变psf模糊的图像。用于图像解模糊的不同方法包含正则化滤波器。此方法将正则化项添加到解卷积过程以处置噪声。用于图像解模糊的又一方法使用维纳(wiener)滤波器。此方法是假定知道原始图像及噪声的频谱性质的统计方法。

10、然而,用于图像解模糊的当前使用方法及系统存在若干重要缺点。例如,图像增强及还原的任务通常为“不适定(ill-posed)问题”,此意味着其涉及复原已在劣化(图像获取)期间丢失的图像信息。需要依赖先前知识或图像模型来正则化解决方案,而使稳定算法的实施变得实质上困难。另外,迭代算法本质上执行缓慢,借此限制其实际上可用于的应用。

11、因此,发展出不具有上文描述的缺点中的一或多者的用于图像重建的系统及方法将为有利的。

技术实现思路

1、各种实施例的以下描述不应以任何方式解释为限制所附权利要求书的标的物。

2、一个实施例涉及一种经配置用于图像重建的系统。所述系统包含成像子系统,其经配置用于用能量源照明样品且响应于此而产生图像。所述样品具有形成于其上的基于半导体装置的设计的重复图案,所述半导体装置是用所述样品形成。所述系统还包含计算机系统,其经配置用于将所述图像分离成小于所述图像的图块图像。另外,所述系统包含神经网络(nn),其由所述计算机系统执行且经配置用于在所述计算机系统将所述图块图像中的一者输入到所述神经网络中时,将所述图块图像中的所述一者投影到包含从训练图像学习的特征向量的流形,所述训练图像的图像质量满足或超过预定准则。所述神经网络还经配置用于从所述图块图像中的所述一者在所述流形上所对准到的所述特征向量重建所述图块图像中的所述一者,借此产生具有比所述图块图像中的所述经输入一者更佳的一或多个图像质量的经重建图块图像。所述系统可如本文中描述般进一步配置。

3、另一实施例涉及一种用于图像重建的计算机实施方法。所述方法包含运用成像子系统用能量源照明样品,且响应于此而产生图像。所述样品是如上文描述般配置。所述方法还包含上文描述的分离、投影及重建。所述分离是通过计算机系统执行,且所述投影及重建是通过用所述计算机系统执行的nn执行。上文描述的所述方法的步骤中的每一者可如本文中进一步描述般执行。所述方法可包含本文中描述的任何其它方法的任何其它步骤。所述方法可通过本文中描述的系统中的任何者来执行。

4、另一实施例涉及一种非暂时性计算机可读媒体,其存储可在计算机系统上执行以用于执行用于图像重建的计算机实施方法的程序指令。所述计算机实施方法包含上文描述的方法的步骤。所述计算机可读媒体可如本文中描述般进一步配置。所述计算机实施方法的步骤可如本文中进一步描述般执行。另外,可针对其执行所述程序指令的所述计算机实施方法可包含本文中描述的任何其它方法的任何其它步骤。

1.一种经配置用于图像重建的系统,其包括:

2.根据权利要求1所述的系统,其中所述流形是所述训练图像的低维表示,其保留所述训练图像中的数据点之间的关系。

3.根据权利要求1所述的系统,其中所述神经网络进一步经配置用于通过无监督学习来学习所述特征向量。

4.根据权利要求1所述的系统,其中所述训练图像是通过所述成像子系统用所述成像子系统的最佳已知参数产生。

5.根据权利要求1所述的系统,其中所述经重建图块图像的所述一或多个图像质量包括比所述图块图像中的所述经输入一者更少的模糊。

6.根据权利要求1所述的系统,其中所述经重建图块图像的所述一或多个图像质量包括比所述图块图像中的所述经输入一者更少的噪声。

7.根据权利要求1所述的系统,其中所述计算机系统进一步经配置用于将所述经重建图块图像对准到所述设计。

8.根据权利要求1所述的系统,其中所述计算机系统进一步经配置用于基于所述经重建图块图像的一或多个特性来分割所述经重建图块图像。

9.根据权利要求1所述的系统,其中所述计算机系统进一步经配置用于基于所述经重建图块图像与所述图块图像中的所述经输入一者之间的差异来自动校准所述成像子系统。

10.根据权利要求1所述的系统,其中所述计算机系统进一步经配置用于在用所述成像子系统对所述样品执行过程时,基于所述经重建图块图像与所述图块图像中的所述经输入一者之间的差异来自动校准所述成像子系统。

11.根据权利要求1所述的系统,其中针对所述样品上的一或多个第一裸片产生所述训练图像,其中对针对所述样品上的第二裸片产生的额外图块图像执行所述投影及重建,借此产生对应经重建额外图块图像,且其中所述计算机系统进一步经配置用于基于所述额外图块图像与其对应经重建额外图块图像之间的差异来确定用于产生所述额外图块图像的所述成像子系统的模式的信息。

12.根据权利要求1所述的系统,其中针对所述样品上的一或多个第一裸片产生所述训练图像,其中用所述成像子系统的多个模式对针对所述样品上的第二裸片产生的额外图块图像执行所述投影及重建,借此针对所述第二裸片及所述多个模式的不同组合产生对应经重建额外图块图像,且其中所述计算机系统进一步经配置用于基于所述额外图块图像与其对应经重建额外图块图像之间的差异来为用所述成像子系统对所述样品执行的过程选择所述多个模式中的一或多者。

13.根据权利要求1所述的系统,其中针对所述样品上的一或多个第一裸片产生所述训练图像,其中对针对所述样品上的第二裸片产生的额外图块图像执行所述投影及重建,借此产生对应经重建额外图块图像,且其中所述计算机系统进一步经配置用于基于所述额外图块图像与其对应经重建额外图块图像之间的差异来确定所述样品的特性的跨样品变动。

14.根据权利要求1所述的系统,其中所述计算机系统进一步经配置用于通过识别所述图块图像中的所述经输入一者与所述经重建图块图像之间的差异及基于所述经识别差异检测所述图块图像中的所述一者中的缺陷来对所述样品执行单裸片缺陷检测。

15.根据权利要求1所述的系统,其中所述训练图像是通过不同成像子系统产生,且其中所述计算机子系统进一步经配置用于基于所述图块图像中的所述经输入一者与所述经重建图块图像之间的差异来调整所述成像子系统的一或多个参数以匹配所述不同成像子系统。

16.根据权利要求1所述的系统,其中所述能量源是光源。

17.根据权利要求1所述的系统,其中所述能量源是电子束源。

18.根据权利要求1所述的系统,其中所述成像子系统进一步配置为检验子系统。

19.一种非暂时性计算机可读媒体,其存储可在计算机系统上执行以用于执行用于图像重建的计算机实施方法的程序指令,其中所述计算机实施方法包括:

20.一种用于图像重建的计算机实施方法,其包括: