一种对准标记工艺扰动的评估方法和装置与流程
本发明涉及半导体制造,尤其是涉及一种对准标记工艺扰动的评估方法和装置。
背景技术:
1、半导体制造过程中对准标记的工艺稳定性是保证光刻设备对准精度的基础,直接影响芯片制造的套刻精度。在芯片制造过程中,对准标记经历了薄膜沉积、光刻胶涂覆、光刻曝光、刻蚀、化学机械抛光等复杂工艺步骤。由于机器参数漂移或工艺波动,对准标记的几何结构(如侧壁倾角、膜层厚度)会发生非预期的微小变化(即工艺扰动),工艺扰动造成对准标记光栅结构参数的变化,从而影响了光刻设备中对准传感器接收的衍射信号,最终造成测量得到的位置精度误差。
2、衡量对准标记工艺稳定性的性能指标主要包括晶圆质量wq和对准位置偏差apd。wq和apd的常规评估方式是以工艺扰动等参数为输入,采用严格耦合波rcwa等光学方法,获得wq 和apd的估计值;或者通过晶圆反射率等测量值直接计算wq和apd。然而,这种正向模型虽然能够得到apd进而修正对准传感器的测量结果,但造成apd的工艺扰动无法获得,对工艺过程中产生工艺扰动的原因无法溯源。
技术实现思路
1、本发明的目的在于提供一种对准标记工艺扰动的评估方法和装置,能够以高精度获取对准标记工艺扰动量。
2、本发明提供一种对准标记工艺扰动的评估方法,包括如下步骤:
3、s1:建立工艺扰动评估模型;
4、s2:获取数据集并利用数据集对工艺扰动评估模型进行训练;
5、s3:向工艺扰动评估模型输入测量参数,获得工艺扰动量。
6、工艺扰动评估模型训练所用的数据集可以包括如下不同来源的数据信息:数据集包括对准标记评价指标、对准标记几何参数、工艺叠层参数、对准传感器参数和工艺扰动量中的至少一种;其中,工艺扰动评估模型的输入包括:对准标记评价指标、对准标记几何参数、工艺叠层参数和对准传感器参数的至少一种,工艺扰动评估模型的输出为工艺扰动量。
7、对准标记评价指标用于评价标记在不同工艺条件下测量性能的参数,主要包括晶圆质量wq和对准位置偏差apd等;可选择对准标记评价指标集合中的某一项或几项作为该评价指标的取值。
8、对准标记几何结构主要为光栅结构;对应地,描述对准标记几何结构的对准标记几何参数主要包括结构类型、标记尺寸、周期和占空比中的至少一种。光栅结构的栅线可以进行进一步的细分,包括:水平方向细分,垂直方向细分,水平和垂直方向同时的二维细分。晶圆x和y方向分别对应独立的一组光栅结构,共同组成对准标记。以上所述部分或所有的对准标记几何参数都可以作为工艺扰动评估模型的训练输入信息;可以理解,用于工艺扰动评估模型的对准标记几何参数包括但不限于上述参数。
9、工艺叠层参数是描述上述不同工艺阶段的各种参数,包括工艺类型、材料类型、工艺层厚度、材料光学n值和k值中的至少一种。晶圆加工过程中需要进行不同的工艺处理,一个光刻曝光周期中典型的工艺过程包括:沉积、涂胶、曝光、显影、刻蚀、抛光。对准标记处于不同的工艺阶段,会经历多个光刻曝光周期,每个光刻曝光周期对应一个标记层,标记层所包含的工艺层的类型、数量和参数可以不同。以上所述部分或所有的工艺叠层参数都可以作为工艺扰动评估模型的训练输入信息;可以理解,用于工艺扰动评估模型的工艺叠层参数包括但不限于上述参数。
10、适用于上述对准标记测量设备的功能是测量并计算获得标记的评价指标结果。对准传感器产生入射光束,接收经过对准标记形成的衍射光束的各个衍射级次,然后根据衍射光束的幅值、频率和相位信息计算各项评价指标。
11、对准传感器参数包括入射光波长、入射光入射角和入射光偏振态中的至少一种。入射光入射角是入射光与对准标记表面法线的夹角。入射光偏振态可设置为0度或90度。为了提高工艺适应性,对准传感器采用多个不同波长和偏振态的入射光,对应于每个波长和偏振态都可以计算独立的评价指标,从而组成该评价指标的集合。以上所述部分或所有的对准传感器参数都可以作为工艺扰动评估模型的训练输入信息;可以理解,用于工艺扰动评估模型的对准传感器参数包括但不限于上述参数。
12、工艺扰动量是对准标记在经历一系列工艺后其形状产生的变化量,包括刻蚀侧壁倾角、叠层厚度、顶部或底部倾角中的至少一种。以上所述部分或所有的工艺扰动量都可以作为工艺扰动评估模型的训练输入信息;可以理解,用于工艺扰动评估模型的工艺扰动量包括但不限于上述指标。对应于对准标记x方向和y方向的一项或几项工艺扰动,可以通过工艺扰动评估模型同时获得。
13、在本发明中,采用机器学习方法建立工艺扰动评估模型,机器学习方法包括神经网络、决策树、随机森林、支持向量回归、高斯过程回归和k临近回归中的至少一种。
14、进一步地,神经网络包括多层感知器(mlp)、残差神经网络(rnn)、卷积神经网络(cnn)、循环神经网络(rnn)和深度神经网络(dnn)中的至少一种。
15、采用机器学习方法建立的工艺扰动评估模型的输入参数包括对准标记评价指标、对准标记几何参数、工艺叠层参数、对准传感器参数等,可采用其中的部分或者全部参数信息。
16、工艺扰动评估模型的计算机程序可以存储在数据存储介质内,由计算机装置实现数据的读入、计算和存储,计算机装置包括处理器、存储器和输入输出硬件模块等结构部件。
17、本发明还提供一种对准标记工艺扰动的评估装置,用于执行上述评估方法,评估装置包括:
18、存储器:用于存储数据集;
19、处理器:用于建立工艺扰动评估模型并利用数据集对工艺扰动评估模型进行训练;
20、输入硬件模块:用于输入测量参数;
21、输出硬件模块:用于输出工艺扰动量。
22、鉴于对准标记工艺扰动的物理过程极其复杂,难以通过解析方法建立逆向模型;本发明提出一种基于深度学习的对准标记关键性能参数的逆向模型,用于对影响对准标记评价指标的工艺扰动进行定量评估,该逆向模型以对准标记评价指标、对准标记几何参数、工艺叠层参数、对准传感器参数为输入参数,以工艺扰动量为输出参数,通过对准标记评价指标正向模型或实验数据建立的数据集对模型进行训练,进而对工艺扰动进行定量评估;上述方式能够估计各种工艺扰动的大小,进而对工艺过程进行问题定位和误差溯源,从而提高光刻设备的套刻精度。
23、本发明的基于机器学习方法的逆向模型建立方法,不依赖对准标记工艺扰动的精确物理模型,可以通过正向模型仿真或实验数据训练获得;基于机器学习的工艺扰动评估模型,原理上能够通过数据驱动建立对准标记评价指标、对准标记几何参数、工艺叠层参数和对准传感器参数与工艺扰动量之间的逆向非线性映射,能够以高精度计算对准标记工艺扰动量,具有较高的评估精度;此外,基于机器学习的工艺扰动评估模型可以根据大量测试数据训练获得,随着训练数据集的不断增大,工艺扰动评估模型能够进行持续训练和升级,从而获得更高精度的评估结果;上述方法适用于半导体制造设备和软件,尤其适用于光刻技术相关的eda软件。
1.一种对准标记工艺扰动的评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的评估方法,其特征在于,所述数据集包括对准标记评价指标、对准标记几何参数、工艺叠层参数、对准传感器参数和工艺扰动量中的至少一种。
3.根据权利要求2所述的评估方法,其特征在于,所述对准标记评价指标包括晶圆质量和对准位置偏差中的至少一种。
4.根据权利要求2所述的评估方法,其特征在于,所述对准标记几何参数包括结构类型、标记尺寸、周期和占空比中的至少一种。
5.根据权利要求2所述的评估方法,其特征在于,所述工艺叠层参数包括工艺类型、材料类型、工艺层厚度、材料光学n值和k值中的至少一种。
6.根据权利要求2所述的评估方法,其特征在于,所述对准传感器参数包括入射光波长、入射光入射角、入射光偏振态、衍射光级次中的至少一种。
7.根据权利要求1所述的评估方法,其特征在于,所述工艺扰动量包括刻蚀侧壁倾角、叠层厚度、顶部倾角和底部倾角中的至少一种。
8.根据权利要求1所述的评估方法,其特征在于,建立工艺扰动评估模型,包括:采用机器学习方法建立工艺扰动评估模型,机器学习方法包括神经网络、决策树、随机森林、支持向量回归、高斯过程回归和k临近回归中的至少一种。
9.根据权利要求8所述的评估方法,其特征在于,所述神经网络包括多层感知器、残差神经网络、卷积神经网络、循环神经网络和深度神经网络中的至少一种。
10.一种对准标记工艺扰动的评估装置,其特征在于,用于执行权利要求1-9任一所述的评估方法,评估装置包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com