一种可微电磁极紫外形貌反演方法、装置和电子设备

本技术属于半导体制造、极紫外散射计量以及纳米结构形貌参数测量，更具体地，涉及一种可微电磁极紫外形貌反演方法、装置和电子设备。

背景技术：

1、随着集成电路制造工艺持续向先进节点发展，器件特征尺寸不断缩小，结构形貌不断复杂化。关键尺寸、结构高度、侧壁角、左右侧壁角、圆角、沟槽深度、膜层厚度以及非对称形貌参数的微小偏差，均可能影响器件电学性能、工艺窗口和产品良率。因此，发展快速、准确、非破坏性并适合在线集成的纳米结构形貌参数测量技术，是先进半导体制造过程控制中的关键环节。

2、光学散射计量具有非接触、非破坏和高通量等优点，已广泛应用于半导体关键尺寸测量和工艺监控。其基本原理是测量待测纳米结构在特定照明条件下产生的远场散射或衍射信号，并结合电磁前向模型和参数反演算法提取结构形貌参数。随着待测结构尺寸进一步减小，可见光散射计量和深紫外散射计量受到工作波长和高阶衍射信息的限制，对纳米尺度形貌扰动的灵敏度逐渐降低，且在复杂三维形貌结构中容易出现参数耦合、反演多解和非凸优化等情形。极紫外散射计量利用更短的工作波长和更丰富的高阶衍射响应，为先进节点纳米结构的高精度计量提供了新的技术途径。

3、极紫外散射计量中的形貌参数反演仍面临较大困难。一方面，待测结构的关键尺寸、结构高度、侧壁角和非对称形貌参数之间往往存在强耦合关系，不同形貌参数组合可能产生相近的衍射强度分布，使得反演问题具有明显的病态性和多解性。另一方面，极紫外光源通量有限，光学系统传输效率较低，样品和材料吸收较强，探测器接收到的有效光子数受到限制，实际测量信号中常包含光子散粒噪声、暗电流噪声、读出噪声、背景噪声以及光源强度波动等干扰，这些噪声和扰动会进一步加剧反演的不稳定性。

4、在极紫外散射计量中，电磁响应对结构参数的依赖关系高度非线性，反演目标函数常呈现非凸、多谷和局部平坦特征。当初始参数偏离真实结构较远时，局部优化算法容易收敛到错误解；当采用遗传算法、粒子群算法等无导数全局优化方法时，又需要大量前向电磁计算，对在线计量的计算效率提出了较高要求。因此，针对极紫外散射计量中非线性、多参数、强耦合的形貌参数反演场景，如何实现将深度学习的全局定位能力与严格电磁前向模型的物理一致性相结合，从而兼顾反演精度、系统偏差、稳定性和计算效率，是本领域亟待解决的技术问题。

技术实现思路

1、针对现有技术的缺陷，本技术的目的在于实现将深度学习的全局定位能力与严格电磁前向模型的物理一致性相结合，从而兼顾反演精度、系统偏差、稳定性和计算效率。

2、为实现上述目的，第一方面，本技术提供一种可微电磁极紫外形貌反演方法，包括：

3、将强度归一化后的多通道极紫外衍射测量数据输入物理先验深度初始化模型，获取待测纳米结构形貌参数的初始估计；

4、以形貌参数初始估计为初始点，基于待测纳米结构形貌参数和测量配置，调用可微电磁前向模型，获取理论衍射响应；

5、基于理论衍射响应与实测衍射响应之间的差异，构造反演目标函数，并沿可微电磁前向模型对应的可微计算图，通过自动微分、伴随求导或者解析求导，获取反演目标函数关于形貌参数的解析梯度；

6、基于解析梯度，采用梯度优化算法对形貌参数迭代精修，直至满足预设停止条件，输出物理一致的形貌参数反演结果。

7、可以理解的是，本技术提供的可微电磁极紫外形貌反演方法，将反演过程划分为物理先验深度初始化与可微电磁模型约束精修两个相互衔接的阶段，以实现深度学习全局定位能力与严格电磁前向模型物理一致性的结合。

8、在初始化阶段，将强度归一化后的多通道极紫外衍射测量数据输入物理先验深度初始化模型；该强度归一化处理使输入数据对光源功率漂移、曝光时间波动和探测器增益变化等整体尺度因子近似不敏感，初始化模型据此提取与待测纳米结构形貌相关的相对空间频率特征和衍射级次分布特征，输出接近真实物理状态的形貌参数初始估计，从而利用深度学习模型的全局定位能力使初始点落入真实参数附近的收敛区域，同时规避纯数据驱动方法直接输出最终测量结果所带来的系统偏差。

9、在精修阶段，以该初始估计为起点，基于待测纳米结构形貌参数和测量配置调用可微电磁前向模型，获取理论衍射响应；该前向模型将结构参数化、介电常数分布构建、傅里叶展开、特征模求解、层间场传播、远场衍射变换、倾斜投影、探测器采样和强度归一化等物理过程均构造成可微运算，形成完整的可微计算图。基于理论衍射响应与实测衍射响应之间的差异构造反演目标函数后，沿该可微计算图通过自动微分、伴随求导或者解析求导获得反演目标函数关于形貌参数的解析梯度，从而规避有限差分求导所依赖的扰动步长及其带来的截断误差和步长敏感问题。进而，基于该物理一致的解析梯度，采用梯度优化算法对形貌参数进行迭代精修，直至满足预设停止条件，输出物理一致的形貌参数反演结果。

10、由此，本技术以初始化模型提供全局定位能力，降低对人工初值的依赖并规避局部最优陷阱；以可微电磁前向模型的解析梯度替代有限差分梯度，减少前向模型调用次数并消除步长依赖，最终兼顾反演精度、系统偏差、稳定性和计算效率。

11、在一种可能的实现方式中，物理先验深度初始化模型是引入动态噪声增强训练获取的；

12、动态噪声增强包括利用可微电磁前向模型生成不同结构参数对应的衍射数据，并随机加入光子散粒噪声、暗电流噪声、读出噪声、背景噪声、增益波动以及曝光扰动中的一项或多项，以及针对不同训练批次随机设置不同的光子数、满阱容量、曝光时间或者噪声强度。

13、在一种可能的实现方式中，调用可微电磁前向模型，获取理论衍射响应，包括：

14、将待测结构沿高度方向离散为多个子层，并对各子层的介电常数沿周期方向进行傅里叶展开，获取各子层的托普利兹介电常数矩阵；

15、基于麦克斯韦方程在傅里叶空间中的表达，求解各子层的特征模和传播常数，并采用散射矩阵、传输矩阵或者增强透射矩阵完成层间电磁场连续性匹配和场传播，获取近场电磁场；

16、基于近场电磁场，进行远场传播、倾斜投影、探测器采样和强度归一化，获取理论衍射响应；

17、其中，结构参数化、介电常数分布构建、傅里叶展开、特征模求解、层间场传播、远场变换、倾斜投影、探测器采样和强度归一化均构造成可微运算。

18、在一种可能的实现方式中，构造反演目标函数，包括基于以下公式获取反演目标函数：

19、；

20、其中，表示反演目标函数；表示待测纳米结构的形貌参数向量；表示测量通道的数量；表示第个测量通道下的理论衍射响应；表示第个测量通道下的实测衍射响应；表示第个测量通道的噪声权重矩阵；表示测量配置；表示物理先验约束项；表示物理先验约束项的权重。

21、在一种可能的实现方式中，噪声权重矩阵取各像素或者衍射级次的总噪声方差的倒数，总噪声方差基于以下公式获取：

22、；

23、其中，表示第个通道中第个像素或者衍射级次的总噪声方差；表示光子散粒噪声方差；表示暗电流噪声方差；表示读出噪声方差；表示背景噪声方差。

24、在一种可能的实现方式中，获取反演目标函数关于形貌参数的解析梯度，包括利用反向自动微分沿可微电磁计算图回传梯度，基于以下公式获取解析梯度：

25、；

26、其中，表示反演目标函数关于形貌参数的梯度；表示第个测量通道下理论衍射响应关于形貌参数的雅可比矩阵；表示物理先验约束项关于形貌参数的梯度。

27、在一种可能的实现方式中，基于解析梯度，采用梯度优化算法对形貌参数迭代精修，包括基于以下公式获取迭代更新后的形貌参数：

28、；

29、其中，表示第次迭代的形貌参数；表示第次迭代的形貌参数；表示梯度优化算子。

30、在一种可能的实现方式中，预设停止条件包括损失函数变化量小于对应阈值、参数变化量小于对应阈值、梯度范数小于对应阈值，以及迭代次数达到最大迭代次数；当满足任一停止条件时，终止迭代精修。

31、第二方面，本技术提供一种可微电磁极紫外形貌反演装置，包括：

32、初始化模块，用于将强度归一化后的多通道极紫外衍射测量数据输入物理先验深度初始化模型，获取待测纳米结构形貌参数的初始估计；

33、前向计算模块，用于以形貌参数初始估计为初始点，基于待测纳米结构形貌参数和测量配置，调用可微电磁前向模型，获取理论衍射响应；

34、梯度计算模块，用于基于理论衍射响应与实测衍射响应之间的差异，构造反演目标函数，并沿可微电磁前向模型对应的可微计算图，通过自动微分、伴随求导或者解析求导，获取反演目标函数关于形貌参数的解析梯度；

35、精修输出模块，用于基于解析梯度，采用梯度优化算法对形貌参数迭代精修，直至满足预设停止条件，输出物理一致的形貌参数反演结果。

36、第三方面，本技术提供一种电子设备，包括：存储器以及一个或多个处理器；

37、存储器与一个或多个处理器耦合，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令；

38、一个或多个处理器调用计算机指令以使得电子设备执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

39、总体而言，通过本技术所构思的以上技术方案与现有技术相比，具有以下有益效果。

40、（1）本技术能够将深度学习的全局定位能力与严格电磁模型的物理一致性相结合，使初始化模型仅用于提供接近真实物理状态的全局初始点，而不直接作为最终测量结果，并利用前向模型提供物理一致的解析梯度进行闭环精修，从而降低数据驱动反演的系统偏差。

41、（2）本技术通过在输入端引入强度归一化并在训练过程中引入动态噪声增强，使初始化模型的输入特征对光源功率漂移、曝光时间波动和探测器增益变化具有不敏感性，并使初始化模型在不同光子数和探测器噪声条件下输出稳定的形貌参数初值，提高了初始化模型在实际测量条件下的鲁棒性。

42、（3）本技术将结构参数化、介电常数分布构建、傅里叶展开、特征模求解、层间场传播、远场衍射变换、倾斜投影和强度归一化等物理过程构造成可微计算图，能够通过自动微分、伴随求导或者解析求导获得衍射响应关于形貌参数的解析梯度，避免有限差分求导的步长依赖和截断误差，减少传统物理优化对人工初值和有限差分梯度的依赖。