基于学习的数字校正以补偿具有多成像单元的光刻系统的变化的制作方法

1.本公开内容的实施方式总体上涉及无掩模光刻技术(maskless lithography)，并且更具体地涉及基于学习的数字校正以补偿多成像单元数字光刻工具(digital lithography tools,dlts)中的成像单元位置的变化。


背景技术：

2.微光刻技术(microlithography techniques)通常用于在基板上产生电学特征。光敏光刻胶(light
‑
sensitive photoresist)通常施加至基板的至少一个表面上。在无掩模光刻(maskless photolithography)中，图案产生器将光敏光刻胶的选定区域曝光成图案的一部分。光导致选定区域中的光敏光刻胶发生化学变化，以制备这些选定区域来用于随后的材料去除和/或材料添加工艺以产生电学特征。电学特征在基板上的精确放置确定了电互连(electrical interconnections)的质量。
3.在多成像单元dlt中，成像单元(又称为“眼”(eyes))用于向基板赋予图案，其中每个眼在基板的一个区域上进行印刷。成像单元保持固定，而例如平台在其下方移动。成像单元可组装在单一横杆(又称为“桥接器”(bridge))上，或例如组装在多个桥接器上。每个眼印刷到特定印刷区域。通过一次从所有眼印刷，在基板的每个印刷区域中产生不同(或相同，如果需要的话)的图案。为了确保每个眼仅在其印刷区域内进行印刷，这些成像单元需要放置在一起以作为单一单元，其中桥接器上的这些眼之间具有恒定距离，并且对于多桥接器系统而言，这些桥接器沿着它们各自的长度在这些桥接器之间具有恒定距离。这些限制通常在机械和热方面都具有挑战性，因此，由于眼或桥接器相对于平台坐标系的位置偏移，成像单元可能从其标准位置偏移。由于例如热效应引起的位置测量系统(例如编码器)上的偏移，这种偏移也可能是有效的偏移。
4.用于这样的多成像单元系统的监控数据已示出在桥接器上的眼的位置随着时间而变化，这可能是由于热效应和/或机械地偏移部件引起的。因此，在本领域中需要补偿这种成像单元的偏移。


技术实现要素：

5.本公开内容的实施方式大致涉及在包括多成像单元的扫描dlt之前进行的针对成像单元(眼)偏移的数字补偿或校正。
6.在一个实施方式中，公开了一种用于产生预测模型的方法。定位多成像单元数字光刻工具(dlt)的平台，以使设置在基板上的组对准记号位于dlt的一组眼的下方，基板耦接至平台。针对此组对准记号中的每个对准记号，在第一时间使用照相机获得第一图像，照相机耦接至该对准记号上方的眼，以及从第一图像获得照相机的fov内的对准记号的第一位置，以确定第一测量位置。在多个随后时间时获得对准记号的一个或多个额外图像，并确定一个或多个对应的随后测量位置。分别计算后测量位置的连续测量位置之间的多个差
异。至少部分地基于针对此组对准记号所计算出的差异，产生预测模型以校正此组眼的眼中心偏移。
7.在另一实施方式中，在dlt的每次扫描开始之前，使用预测模型将数字校正应用于要在扫描中印刷的图案。
8.在另一实施方式中，公开了一种用于针对多成像单元dlt的一组多成像单元来产生模型的方法。定位基板，以使基板的一组对准记号位于多成像单元dlt的一组眼的下方。针对此组对准记号中的每个对准记号，使用照相机获得对准记号的图像，照相机耦接至该对准记号上方的眼，获得照相机的视场(fov)内的对准记号的位置，并确定其测量位置，及计算其测量位置与其标准位置之间的差异。至少部分地基于这些差异，产生最佳化对准模型以将对准记号的标准位置转换成它们的测量位置。
9.在另一实施方式中，一种系统包括处理器和存储器。存储器包括配置成执行操作的应用程序，操作用于基于历史数据输出针对多成像单元dlt的眼的眼中心变化的预测。操作包括获得针对最近n个印刷板的眼的历史眼中心变化数据，将历史眼中心变化数据输入至用于dlt的预测模型中，接收作为模型的输出的用于眼的校正预测，以及将用于眼的校正预测应用于dlt中的当前正在印刷的板中的眼的印刷区域。
附图说明
10.为了可详细地理解本公开内容的上述特征，可通过参考实施方式来获得上文所简要概述的本公开内容的更详细的描述，其中一些实施方式在附图中示出。然而，应注意的是，附图仅示出示例性实施方式，因此不应被认为是对其范围的限制，并可允许其他等效实施方式。
11.图1绘示根据本文公开的实施方式的具有多成像单元的示例性dlt。
12.图2绘示根据本文公开的实施方式的印刷运行的开始时的图1的示例性dlt。
13.图3绘示眼偏移和桥接器偏移对图1和图2的示例性dlt的影响。
14.图4绘示根据本文公开的实施方式的示例性多成像单元dlt，其中每个印刷区域使用四个对准记号。
15.图5绘示根据本文公开的实施方式的具有九(9)个眼的示例性dlt。
16.图6绘示根据本文公开的实施方式的一组示例性模型训练数据和示例性滑动预测窗口，其用于基于历史数据来预测多成像单元dlt的眼的眼中心变化。
17.图7绘示根据本文公开的实施方式的针对图5中所标记的两个示例性眼的实际和预测的眼中心变化的图。
18.图8绘示根据本文公开的实施方式的用于第一层印刷的示例性基于机器学习的校正的对准记号的放置。
19.图9绘示根据本文公开的实施方式的一实施方式，其涉及产生全局对准模型的方法。
20.图10a绘示根据本文公开的实施方式的实施方式，其涉及收集全局对准模型残差数据并训练模型以预测当前印刷板的眼印刷区域的校正的方法。
21.图10b绘示根据本文公开的实施方式的实施方式，其涉及下述方法：从由dlt印刷的最后k个板输入历史残余对准数据，获得用于dlt的眼的校正预测，并且在印刷当前板时
应用此校正预测。
22.图11绘示根据本文公开的实施方式的实施方式，其涉及机器学习和预测系统的高级方块图，用以产生和应用用于校正多成像单元dlt中的眼中心移动的模型。
23.为了便于理解，在可能的情况下使用了相同的附图标记来表示附图共有的相同元素。可以预期的是，一个实施方式的元素和特征可以有益地并入到其他实施方式中，而无需进一步赘述。
具体实施方式
24.在以下描述中，许多具体细节被阐述以提供对本公开内容的更透彻的理解。然而，对于本领域技术人员显而易见的是，在不脱离本材料的范围的情况下，可使用不同配置以实现各种改变。在其他情况下，没有叙述已知的特征，以避免模糊此材料的重点。因此，本公开内容不限于说明书中所示的特定示例性实施方式，以及随附权利要求书的范围旨在包括所有这样的替代实施方式。
25.图1绘示示例性多成像单元dlt 100中的数字对准。系统100具有多成像单元115(又称为“眼”(eyes))，其用于使用光源(未绘示)在基板103上印刷光刻图案。基板103在图1中显示为阴影，而基板103上方的眼115部分显示为透明。在dlt 100中，多成像单元115是固定的，基板103放置于可移动的平台140上且基板103固定至可移动的平台140，可移动的平台140垂直地和水平地移动基板103以印刷图案，如二维箭头150所示。
26.请继续参照图1，眼115分别地安装在两个垂直杆(又称为桥接器(bridges))110和113的每一者上。在此示例性dlt中，每个桥接器具有四个眼。桥接器110和113安装在基板103上方，八个眼中的每一者在下方的基板上限定出眼的印刷区域130。为了确保眼115能适当地对准基板103，基板103在每个印刷区域130中设置两个对准记号120、121。对准记号120示出于每个印刷区域130的左侧，以及对准记号121示出于每个印刷区域130的右侧。如图所示，在桥接器110和113的所示位置处，对准记号120分别地位于桥接器110和113的眼115的下方。
27.对准记号120和121在平台140的坐标系中具有已知位置，基板103附接至平台140。因此，通过使用眼115获得对准记号120和121的图像，并在所获得的图像内确定它们的位置，dlt 100的眼115的位置相对于可移动的平台140的坐标是特定的。在此方式中，这些眼位置相对于可移动的平台校准，以及相对于彼此校准。然而，如上所述，随着时间流逝，据信由于热条件和/或机械变化(例如偏移部件)，观察到每个桥接器上的眼位置随着时间而变化。在实施方式中，追踪并数字地补偿这些眼位置的变化。为此，如图1所示，平台140移动至设计的记号位置，从而使对准记号120位于眼115的下方。眼115使用耦接的照相机(coupled camera)分别拍摄置于其下方的对准记号的照片。针对对准记号121重复此过程。
28.值得注意的是，在一些实施方式中，为了最小化对准时间，如果每个眼的对准记号的数量限于两个记号，则可在两个步骤中捕获所有记号。举例而言，请继续参照图1，在第一步骤中，这些对准记号120(对于桥接器110和113中的每一者)可各自地被全部并行捕获(respectively all captured in parallel)。然后在第二步骤中，随后可捕获所有对准记号121。如果每个眼要添加更多的对准记号，则也需添加额外的对准步骤，每个额外的对准步骤都涉及平台移动并增加了时间。
29.图2绘示根据本文公开的实施方式的在印刷运行的开始阶段的图1的示例性dlt。图1和图2之间唯一差异在于相对于基板103的眼115的位置，在图2中，基板103被布置成开始印刷运行，因此眼115位于其各自的印刷区域130的左上方。在一个实施方式中，请参照箭头150，当从眼115印刷到基板103的印刷区域130上时，平台140在水平方向上向右移动(又称为“扫描”)，直到眼位于其印刷区域130的右端。平台140停止于此处，在垂直方向上向下移动增量距离(incremental distance)(又称为“步进”)，随后在另一次扫描中沿着水平方向向左移动，直到眼115再次位于其印刷区域130的左端。图案通过扫描和步进的这种蜿蜒运动来印刷。平台140的运动是固定的，与任何对准校正无关。在一个实施方式中，针对未对准的校正以数字方式实现，在每次印刷运行开始之前，基于全局对准模型(如下所述来产生)将全局数字校正应用于待印刷的图案。在一个实施方式中，额外的眼特定线性位置校正(eye
‑
specific linear positional corrections)或其他局部数字校正也在扫描时应用。
30.此处需注意的是，在图1和图2的示例性dlt 100中，以及在图3、图4、图6和图8的每一者的示例性数字光刻工具中，眼、桥接器、对准记号和眼的印刷区域被配置成仅用于说明的目的。因此，举例而言，根据各种实施方式的其他示例性数字成像系统可包括更多或更少数量的眼、更多或更少数量的桥接器、更多或更少数量的对准记号、桥接器上的眼之间的不同间距、以及多个桥接器之间的不同间距。
31.图3绘示眼和桥接器位置偏移对图1和图2的示例性dlt 100的影响。在图3中，示例性dlt 100与图2的dlt 100相同，在桥接器113旋转后，且发生了眼115偏移至位置315。这些位置变化说明了热条件和/或机械变化的影响，由于dlt用于在基板上连续地印刷大量板(plates)，因此可能会随着时间流逝而产生上述影响。虽然图1和图2的dlt 100中桥接器110和113相互平行，作为图3中所示的位置变化所带来的结果，图3的示例中桥接器113已逆时针旋转，且不再与桥接器110平行。因此，桥接器113的所有眼325的实际位置已改变。如上所指出，桥接器110的底部的眼已从虚线所示的其原始位置向上并向右侧偏移到以粗体轮廓示出的其目前实际位置315。
32.在dlt 100中，桥接器及其各自的眼安装在基板103上方，基板103的位置并没有改变。然而，由于针对给定眼的基板103上的印刷区域由该眼的位置所界定，因此原始的印刷区域130(以虚线轮廓示出)则不再准确，实际的印刷区域以粗体轮廓示出，如针对桥接器113上的眼的印刷区域330、335和337以及用于桥接器110的底部眼的印刷区域327。对于桥接器110的顶部三个眼而言，因为它们的位置并没有偏移，因此原始的印刷区域131和133并没有受到影响。然而，由于桥接器110的底部眼的眼中心向上偏移至新的位置315，因此相关的印刷区域327向上和向右移动相同的量，并且现在与印刷区域133的底部重叠，以及与印刷区域335的左下角和印刷区域337的左侧重叠。此外，现在印刷区域327的底部具有间隙。
33.由于由桥接器113的眼325所定义的印刷区域现在为两个顶部的印刷区域330和两个底部的印刷区域335和337，因此已产生了图案放置误差以及眼印刷边界中的拼接误差。由于新的印刷区域330从其原始位置(由原始的印刷区域130示出)向左移动，因此它们现在与桥接器110的两个顶部的印刷区域(即印刷区域325)重叠，此导致拼接误差。类似地，桥接器113的底部的印刷区域335(现在移至其原始位置的右侧)会导致在其最左边缘和印刷区域133的最右边缘之间产生间隙。尽管两个印刷区域327和337都已向右侧移动，印刷区域327稍微更加向右移动，因此与桥接器313的印刷区域337重叠。
34.一般而言，在dlt中，眼可以随时间水平地、垂直地移动或旋转。如上所述，据信是由于对热和机械效应的响应。在实施方式中，通过产生全局对准模型(下面参照图4描述)，对dlt中眼中心偏移和桥接器位置偏移在所有眼上的集体效应(collective effects)进行数字校正。
35.图4绘示根据本文所公开的实施方式的示例性多成像单元dlt 400，其中每个印刷区域430使用四个对准记号，两个对准记号420位于印刷区域的左侧，额外的两个对准记号421位于印刷区域的右侧。图4的示例性dlt具有两个桥接器410和413，并且在每个桥接器上具有四个眼415。因此，除了每个眼使用两个额外的对准记号之外，图4的示例性dlt可实质上相同于图1和图2的示例性dlt。在实施方式中，每个眼使用多于两个的对准记号允许更精确地获得眼中心偏移和桥接器位置偏移，因为每个眼获得二维的数据点。在一些实施方式中，为了生成全局对准模型，每个眼至少定义两个对准记号。
36.在一些实施方式中，使用来自每个眼的至少两个对准记号的对准记号数据，使用对准建模残差(alignment modeling residuals)来估计每个眼中心的移动。此移动随后作为校正应用至dlt的每个眼。在一个实施方式中，可如下产生全局线性对准模型。dlt的平台被移动以使一组对准记号位于dlt的眼的下方。举例而言，参照图4，平台440被移动以使对准记号420在桥接器410和413中的每一者上的眼415的下方。每个眼耦接至照相机或包括照相机，照相机用于获得位于眼的下方的对准记号的图像。在一些实施方式中，一个或多个图像处理算法用以获得照相机的fov内的对准记号的位置，并计算对准记号与其标准位置的偏差。平台被进一步地移动(视需要)以将所有剩余的对准记号置于眼的下方并获得其各自的图像，例如通过将平台440移动至图4的左侧，从而使对准记号421分别被桥接器410和413上的眼415获得。
37.在一些实施方式中，可产生全局线性对准模型，其将标准对准记号位置转换成实际对准记号位置。全局模型在x轴和y轴中皆包含位移、缩放比例和旋转项(shift,scale,and rotation terms)。为了计算全局对准模型，形成了评价函数(merit function)，此评价函数计算实际记号位置与模型预测位置之间的总均方根(root mean square，rms)误差。最佳化算法可搜索x和y位移、x和y缩放比例以及x和y旋转参数的全局集合，以使评价函数最小化。可将模型保存在存储器中，并用于在印刷当前板(current plate)之前进行校正。在实施方式中，可执行此处理以用于试印(pilot)和生产印刷运行两者。
38.此外，在一些实施方式中，如以下结合图6至图7所述，历史残差数据(historical residual data)可用于产生针对上述线性对准校正的额外校正，以补偿更多的局部眼或桥接器偏移，或补偿上述两者。值得注意的是，如果每个眼印刷区域获得超过两个对准记号的位置，则可使用类似方法来补偿由任何机制引起的任何局部偏移。
39.如上所述，可通过全局线性对准模型来获得和补偿任何全局线性板间变化(global linear plate to plate variation)。
40.在一些实施方式中，可基于试印运行(pilot runs)的逐点平均值(pointwise average)来应用重叠校正反馈(overlay correction feedback)，以补偿与工艺相关的位置误差或补偿对准与重叠之间的差异。在实施方式中，此校正回馈可在光刻印刷和显影处理完成之后基于计量工具上的重叠测量来执行。
41.在一个实施方式中，通过每个眼使用四个对准记号，如图4的示例所示，可产生每
个眼的基于历史的线性预测模型。此模型可预测要应用于每个眼的额外的比例缩放、旋转和正交校正。
42.接下来描述相对于常规位置校正方法，根据本文公开的实施方式的数字位置校正的一些优点。最初要注意的是，在基于常规光刻的掩模中，通过机械地对准晶片(或玻璃板)和掩模对准记号来完成重叠。这需要机械地移动成像单元，并涉及静态校正。相反地，无掩模光刻系统中的数字校正不需要任何机械对准。成像单元不移动，并且可基于预测变化针对每次扫描进行动态校正。此外，数字位置校正可应用更高阶的校正，因为其不依赖于成像单元配置。
43.图5示出示例性九眼dlt 500，每个眼定义有两个对准记号。此示例性系统包括桥接器510。在每个桥接器的端部的两个眼被标记为眼66 515和眼82517。它们被如此标记以跟踪图7(如下所述)的眼中心变化图中呈现的示例结果，并反映出使用偶数从下至上对眼进行标记的编号方案。因此，从眼66开始，在此示例dlt中，将中间的眼命名为眼68、眼70、眼72、眼74、眼76、眼78和眼80。每个眼定义有印刷区域(例如在印刷区域525处示出的示例)，并且在每个印刷区域内的在基板上具有两个对准记号。以上文针对图1至图4的示例性系统所述的方式，数据可从图5的示例性dlt的操作及所计算的全局线性对准模型中来收集。此外，对于此相同的示例性系统，如接下来参照图6所述，可产生机器学习模型，其将预测窗口内的给定眼的历史数据(来自先前的印刷板)作为输入，并输出用于当前印刷板的眼中心变化的预测。接下来将描述此情形。
44.在实施方式中，可使用不同类型的基于机器学习(ml)的模型。举例而言，可在每个眼的基础上使用经典统计预测模型来预测眼中心的移动，或举例而言，在每个对准记号的基础上使用经典统计预测模型来预测局部校正。或者，举例而言，统计机器学习模型：除了考虑每个单独的传感器(在本案中：记号位置)之外，还考虑每个传感器之间的交互作用，以预测所需的局部校正。使用大量数据来训练模型，其中模型的输入是预测窗口内的部分数据集。
45.图6绘示根据本文公开的实施方式的一组示例性历史模型训练的数据620和示例性滑动的预测窗口610、640，用以训练模型以预测多成像单元dlt的一组眼的眼中心变化。图6中所示的示例性数据从九眼dlt获得，类似于图5所示的示例性dlt。因此，在图6中示出九眼中的每个眼的单独绘图(plot)，每个眼的绘图使用不同的符号。在桥接器的两端的眼(类似于图5的眼66和眼82)示出此训练数据集中最大平均残余变化(largest average residual variance)，并且在图6中分别被记号为眼630和635。
46.在一个实施方式中，如下所述，可产生并训练用于预测眼中心偏移的预测模型。最初，可为dlt中的所有眼收集对准模型残差数据620以及重叠误差数据。如上所述，并且如下面结合图10a的方块1025所述，重叠误差数据包括每个板的所需校正向量。如以上进一步指出，模型残差数据是从全局对准模型所获得的用于眼的全局对准预测与眼的实际位置之间的差异。针对给定的印刷或板，此差异又称为此眼的“残留数据”。
47.继续参照图6，预测窗口针对示例性预测模型来定义。预测窗口确定多少个先前印刷板n用于当前板的眼中心变化的预测，且因此是应用所需校正的预测。举例而言，对于n＝5，使用最近的五个板。在一些实施方式中，预测窗口为3到5之间的整数。在其他实施方式中，在长期影响更大的情况下，n可以更大。
48.对于示例值n＝5，将预测窗口内的所有模型残差数据用作“特征向量”x
i
，其中i＝n
‑
5、n
‑
4、n
‑
3、n
‑
2和n
‑
1。将用于第n个板(例如，图6中的当前板640)的所需校正定义为y
i
，并且确定将x
i
映射到y
i
向量的模型函数g。因此，在一个或多个实施方式中，针对每个眼计算单独的g。然而，在替代实施方式中，平均或共同函数g可整体上用于所有眼。
49.在一个或多个实施方式中，通过一次一步地滑动预测窗口640通过所有数据(如箭头613所示)，获得多个x
i
和y
i
数据集。在例如dlt印刷处理的前几板之类的还没有完整的n次运行历史数据的情况下，则使用可取得的数据。举例而言，对于第一板而言，使用当前板数据，对于第二板而言，使用第一板数据和当前板数据，以此类推。
50.在一个或多个实施方式中，一旦训练了模型参数(例如，函数g的参数)，此模型就被储存于dlt中，并用于基于任何眼的先前n个印刷的剩余中心偏移来预测校正以应用于当前印刷板的该眼。在实施方式中，模型可离线训练，且训练数据不需要储存于dlt中。在一些实施方式中，将试印刷运行(pilot print runs)的对准数据储存于dlt主服务器上的文本文件中，并且还储存在存储器中以便于访问。在实施方式中，对于制程处理，可仅储存由预测窗口的尺寸定义的有限数量的历史对准数据。如所指出的，在一些实施方式中，这来自三个至五个历史比对数据文件。在一些实施方式中，这些历史数据文件可储存于dlt主服务器上，并且还保存在存储器中以便于访问。在一个实施方式中，先进先出(first
‑
in
‑
first
‑
out，fifo)方法用于将文件储存在服务器上和存储器中，以便最小化需要储存的数据量。
51.在一个或多个实施方式中，可实施用于预测模型的数据的各种组合。举例而言，在一个统计预测实施方式中，可使用在预测窗口内使用所有板的每个眼的平均值(每个板具有相等的贡献)。或者，举例而言，在第一替代实施方式中，可计算加权平均值，而不是相等的加权平均值，其中例如，应用于更新的板中的眼位置残差的加权比应用于更早的时间的板中的残差的加权具有更重的加权。因此，举例而言，来自板n
‑
1的数据具有比板n
‑
2更大的权重，以此类推。在一个示例中，可使用指数加权。在这两个实施方式(统计预测和加权统计预测)的每一者中，均不使用重叠数据。
52.在第二替代实施方式中，使用记录有对准数据的先前运行来确定使用ml模型的加权函数，并对所有板测量重叠率。在这样的实施方式中，每个dlt和/或制造设施可具有不同的ml模型。在这样的实施方式中，随着获得越来越多的对准和重叠数据，可随着时间改良模型，重叠数据用于训练模型，且还可连续地收集以改良模型。
53.在实施方式中，组合全局线性模型和例如结合图6所述的ml模型并作为校正应用于每次印刷。由于校正是以数字方式应用的(例如，dlt的眼和桥接器未移动)，因此可在组合校正中对这两个校正进行数字组合。在这样的实施方式中，ml模型是基于全局线性对准模型的残差，因此其涵盖了来自全局线性模型中的剩余的局部变化。举例而言，在这样的实施方式中，可产生全局线性模型。随后可计算用于每个记号的模型拟合的残差，其中如上所述，残差是模型预测与对准记号的实际测量位置之间的差异。在这样的实施方式中，通过使用预测窗口内的残差数据，可针对每个眼产生额外的线性模型，并且可将每个眼的ml模型缩放比例校正添加至全局对准缩放比例校正，以确定此眼的整体缩放比例校正。在这样的实施方式中，可对位移和旋转进行相同的校正。(如上所指出，可通过找到最小化评价函数的x和y位移、x和y缩放比例以及x和y旋转参数的全局集合，从而使全局对准模型最佳化以最小化总rms误差。)
54.图7是比较图5及图6(眼66和82)中所示的两个示例性眼的预测数据和实际数据的绘图。这些眼中的每个眼的预测使用如上文所述结合图6所述训练的模型来产生，类似于图6所示的训练数据，它们显示42次实际印刷运行的数据。每个眼的第0次印刷运行代表初始试印运行(initial pilot run)，因此，所有四个曲线730、731、740和741在此印刷运行时均为零数值，其是衡量后续的眼中心变化的基准。在一个实施方式中，模型被储存在dlt中，并且被用于基于预定的先前扫描次数的实际眼中心变化输入数据来产生当前印刷板720的预测。在一个实施方式中，所预测的眼中心变化用于数字地校正此眼正在印刷的图案。
55.在图7的示例中，使用长度为n＝4的预测窗口705，因此模型的输入(对于所示的两个眼中的每个眼)是印刷运行n
‑
1、n
‑
2、n
‑
3、n
‑
4的实际眼中心变化，其中n为当前板。如图所示，对于眼66 713，其预测的眼中心变化730的曲线略小于印刷编号1
‑
15的实际眼中心变化731，几乎与印刷运行16
‑
20的实际眼中心变化匹配，且然后是印刷运行21
‑
42的近似平均值。相似结果可见于眼82 715的预测的曲线740中和实际眼中心变化的曲线741中，除了眼82 715的情况下，作为实际眼中心变化的曲线741的近似平均值的预测的曲线740的部分开始于印刷编号20。
56.在图7的示例中，使用简单等加权移动平均模型。在其他实施方式中，可应用其他形式的移动平均模型，例如加权平均或类似者。参考图7的曲线730、731、740和741，由于简单的移动平均线用作预测模型，因此可观察到预测图的下述行为。最初，因为实际变化正在增加，因此预测眼中心变化的曲线730、740比实际眼中心变化的曲线731、741延迟。在印刷编号20上有一拐点，在那里眼中心变化停止增加并开始减小，然后平均地趋于平稳。由于预测模型为移动平均，因此可减缓两次连续印刷之间的变化，如图所示。
57.参照图8，接下来描述根据一个实施方式的用于第一层印刷的基于学习的校正方法。图8的方法解决了第一印刷层的问题，其中在基板上没有设置对准记号。因此，在实施方式中，可将永久对准记号放置在dlt的固定部分(例如平台)或耦接至平台的卡盘(chuck)上。眼放置在这些“非基板”对准记号的上方，它们的图像是通过与眼耦接的照相机所获得，并产生眼偏移的预测模型。
58.图8绘示出具有桥接器810和820的示例性dlt 800。dlt 800为十八眼系统，其两个桥接器的每一者上具有九个眼。因此，桥接器810和820分别地具有眼811和821。基板830示出每个眼的印刷区域，总共十八个印刷区域。因为这是第一层印刷，所以在基板830的玻璃板上没有对准记号。为了跟踪眼中心变化，对准记号设置于卡盘上或将附接在平台840上。这些对准记号示出为在基板830顶部的对准记号827的线上、基板830底部的对准记号829的第二线上、以及邻近于基板830左端的对准记号825的线上。
59.在一个实施方式中，为了预测眼中心变化，其可包括例如获得桥接器间的变化(bridge to bridge variation)和/或获得眼之间的桥接器内的变化(inter
‑
bridge variation)(举例而言，类似于图3中所绘示，如上所述)，平台840被移动多次，以便整体上将永久对准记号放置在每个眼811、821下方。作为第一步骤，平台840被移动以通过眼821获得对准记号825。在第二步骤中，平台840被移动以通过眼811获得对准记号825。以这种方式，每个眼获得至少一个对准记号的图像，并且图像处理可用于获得对准记号在照相机fov内的位置，并由此确定在执行第一层试印刷之前由每个眼获得的对准记号的第一测量位置。在一个实施方式中，在不进行任何校正的情况下执行试印刷。在一个实施方式中，所有
眼的第一对准记号位置的集合可被指定为参考记号位置。在一个或多个实施方式中，如果需要满足总间距规格，则可在总间距计量工具中测量这种第一试运行印刷。在这样的实施方式中，基于这样的测量，可应用数字总间距校正。需要注意的是，“总间距”有时可意指在给定的显示器制造工业中采用的失真测量。
60.在一个或多个实施方式中，在每个第一层印刷之前，可以像在上述试运行中一样重复整个记号位置寻找处理。在这样的实施方式中，可从每个眼的当前对准记号位置分别减去在试运行中测量的对准记号位置，以计算对准记号位置相对于试运行的偏移。在这样的实施方式中，这些相对偏移可用于估计每个眼的中心的移动。然后，可将此移动作为校正分别应用于此印刷的dlt 800的每个眼中。如果总间距校正(例如，全局对准预测)从试运行来确定，则也可应用此校正。如此，即使眼中心出现偏移，所有板都以相同的方式印刷。
61.此外，在一个或多个实施方式中，可使用历史偏移数据来产生预测模型，然后将其储存于dlt中。预测模型可用以将校正应用于当前正在印刷的第一层。在一个实施方式中，可在每个眼的基础上使用经典统计预测模型来预测生产期间每个板的眼中心运动。在一个或多个实施方式中，预测模型可以是要应用于当前板的预测窗口的内的平均偏移或加权平均偏移。替代地，在其他实施方式中，机器学习模型可用于定义加权方案，其中使用对准偏移的历史数据和对应的总间距测量来训练此模型。
62.在一个或多个实施方式中，可基于偏移转变行为来确定记号测量的频率。在一个或多个实施方式中，这可被实施以改善生产中的节拍时间(tact time)。因此，举例而言，如果偏移快速变化，则需要更频繁的记号测量。类似地，在这样的实施方式中，如果偏移是缓慢的，则可在每n个板执行测量，而不是在每个板印刷之前测量记号位置，其中n为整数。在这样的实施方式中，可应用计算的校正，直到下一组记号测量为止。因此，在这样的实施方式中，先前计算的校正应用于没有记号位置测量的所有板。举例而言，板n 1、n 2、
…
、2n
‑
1的每一者都使用来自板n的校正。
63.图9绘示根据本文公开的实施方式的产生全局线性对准模型的方法900的实施方式。此方法所绘示的实施方式包括方块910至970。在其他实施方式中，方法900的方法可具有更多或更少的方块。
64.在方块910中，通过dlt的平台来定位基板，以将设置在基板上的一组对准记号放置于多成像单元dlt的一组眼下方。在实施方式中，通过移动附接有基板的平台来定位基板。这样的示例示出于图1中，其中平台140被移动以将对准记号120放置在每个桥接器110和113的眼115下方。在方块920中，针对此组中的每个对准记号，使用对准记号上方的dlt的眼的照相机获得对准记号的图像。举例而言，照相机可集成到眼中，或者例如可与之耦接。在方块930中，针对此组中的每个对准记号，获得对准记号在照相机视场(fov)内的位置。在实施方式中，该位置是通过图像处理(例如，相关性或边缘检测、或同时由dlt的处理器或控制器所执行结合的混合方法)以确定对准记号的测量位置来获得的。在实施方式中，对准记号的测量位置是根据平台的坐标系、或易于转换成平台坐标的一者，例如基板坐标系。
65.在询问方块940中，确定在该组眼的每个眼的印刷区域中是否存在额外的对准记号。这可例如由dlt的处理器或控制器执行，该处理器或控制器跟踪设置在正被印刷的基板上的对准记号的数量以及已经成像的对准记号的数量和哪些对准记号已经被成像。在一些实施方式中，询问方块940将返回“是”，因为如上所述，每个眼优选定义至少两个对准记号。
举例而言，如图1所示，每个印刷区域130具有两个对准记号120和121，或如图4所示，每个印刷区域430具有四个对准记号，或如图5所示，每个印刷区域525具有两个对准记号。如果询问方块940返回“是”，则该方法移至方块910，并且针对另一组对准记号重复方块910至930，此处理将持续执行直到已经获得基板上的所有对准记号的图像并确定其测量位置为止。
66.当询问方块940返回“否”时，则在方块950中，针对每个图像的对准记号，计算其测量位置与其标准位置之间的差异。举例而言，如果标准位置和测量位置都以平台的二维坐标表示，则可由dlt的处理器使用距离函数的计算来确定差异。在方块960中，至少部分地基于所有成像的对准记号的差异，产生全局对准模型以将对准记号的标准位置转换成其测量位置。举例而言，全局对准模型可以由运行机器学习和预测模块或程序(例如图11的机器学习、建模和预测模块112)的dlt的处理器来产生。在方块970中，在执行基板的扫描之前，基于全局对准模型，对要在扫描中印刷的一组图案进行全局数字校正。
67.在一些实施方式中，如上所述，全局对准模型在x和y中皆包含位移、缩放比例和旋转项，其中x和y是dlt基板的维度。在这样的实施方式中，为了计算全局对准模型，可形成评价函数并可应用最佳化算法，评价函数计算实际记号位置和模型预测位置之间的总均方根(rms)误差，最佳化算法可搜索x和y位移、x和y缩放比例以及x和y旋转参数的全局集合，以使评价函数最小化。在这样的实施方式中，可将全局对准模型保存在存储器中，并用于在印刷当前板之前进行校正。在这样的实施方式中，此处理均可针对试印(pilot)和生产印刷运行执行。
68.图10a绘示根据本文公开的实施方式的方法1000a的实施方式，方法1000a收集全局对准模型残差数据并使用其来训练预测模型以预测用于当前板的眼印刷区域的校正。该方法所绘示的实施方式包括方块1010至1040。在其他实施方式中，方法1000a方法可具有更多或更少的方块。
69.在方块1010中，收集多成像单元dlt中的一组眼的对准模型残差数据。举例而言，用于图6的九眼dlt的数据620。在方块1015中，定义尺寸为k的预测窗口，其中k为整数。在一些实施方式中，k为3与5之间。在其他实施方式中，k大于5。在方块1020中，将预测窗口的k次印刷内的所有模型残差数据定义为特征向量xi，其中i为从1到k的整数序列。举例而言，对于给定的眼，对于尺寸k＝5的预测窗口，当前印刷板n上的特征向量包括针对板(n
‑
5)、(n
‑
4)、(n
‑
3)、(n
‑
2)和(n
‑
1)的该眼的剩余数据(例如，来自预测窗口内的该眼的近似水平图的数据)。
70.在方块1025中，将第n个板的所需校正定义为向量yi，并且找到将特征向量xi映射到校正向量yi的模型函数g。在实施方式中，校正向量yi可包括两个维度，以表示眼的标准位置和实际位置之间的水平和垂直距离。在方块1030中，预测窗口一次一个板地向前步进通过训练数据，以产生多个x(输入)和y(输出)数据组，并且在方块1035中，模型在如此产生的所有x和y数据组上进行了训练，使得每个x特征向量都映射到对应的y校正向量。然后将模型保存在dlt的存储器中。
71.如上参照图6所述，在一个实施方式中，方块1010至1035中的操作可由机器学习模型和训练装置的处理器离线执行，并且一旦经训练后就不需要通过使用该模型的dlt执行。如果方块1010至1035的操作是离线执行的，则在方块1035中，可将模型储存在dlt的存储器中，以便使用。在其他实施方式中，模型可储存在可由网络连接装置访问的网络储存器中。
72.在方块1040中，在通过dlt印刷当前板的处理中，使用该模型预测要应用于每个眼的校正。
73.图10b绘示根据本文公开的实施方式的方法1000b的实施方式，该方法1000b输入来自由dlt印刷的最后k个板的历史残余对准数据，获得用于数字光刻系统的眼的校正预测，并且在印刷当前板时将校正预测应用于该眼。该方法所示的实施方式包括方块1050至1065。在其他实施方式中，方法1000b方法可具有更多或更少的方块。
74.在方块1050中，获得多成像单元dlt的眼的最后n个先前板的历史眼中心变化数据。举例而言，如果dlt正在印刷第20个板，则此数据包括先前印刷的第19个至第15个板的眼中心变化数据。在一个实施方式中，该数据被储存在dlt的存储器的缓冲器(例如图11的先进先出(fifo)缓冲器1109)中，且其被从缓冲器加载到dlt的处理器的预测模块(例如图11的机器学习、建模和预测模块1112)。
75.在方块1055中，将获得的历史眼中心变化数据输入到预测模型中，该预测模型已经针对dlt的对准模型残差数据(例如图6的数据620)进行了训练。预测模型例如是如上所述的图10a的方法1000a的方块1035中的保存于dlt的存储器中的模型。在一个实施方式中，模型保存于dlt的处理器的预测模块中，例如图11的机器学习、建模和预测模块1112。在其他实施方式中，模型储存在包括dlt的网络连接装置可访问的网络储存器中。
76.在方块1060中，接收将在印刷当前板时应用的眼的校正预测，以作为预测模型的输出，并且在方块1065中，将接收到的校正数字地施加至将要印刷于当前板的系统印刷区域的图案中。
77.图11绘示根据本文公开的实施方式的用于产生和应用模型以校正多成像单元数字光刻工具(dlt)中的眼中心运动的机器学习和预测系统1100的高级方块图的实施方式。举例而言，机器学习和预测系统1100适合用于执行图9、图10a和图10b的方法。机器学习和预测系统1100包括处理器1110以及用于储存控制程序等的存储器1104。
78.在各个实施方式中，存储器1104还包括产生基于机器学习的模型的程序，用以校正多成像单元dlt中的对准，用以预测dlt的单个眼的眼中心移动，以及用以将用于眼的这种预测的校正应用于当前印刷板的眼印刷区域中印刷的图案。在一些实施方式中，存储器504包括用于控制平台(例如，如图1至图2所示的平台140或图4所示的平台440)的运动的程序(未绘示)，以作为眼的预测校正的一部分。
79.处理器1110与例如电源、时钟电路、高速缓存存储器等的常规支持电路1108以及有助于执行储存在存储器1104中的软件程序1106的电路协作。可从储存装置(例如，光盘驱动器、软盘驱动器、磁盘驱动器等)加载本文讨论为软件处理的处理步骤，并在存储器1104内实现并由处理器1110操作。因此，本公开内容的各种步骤和方法可储存在计算机可读介质。机器学习和预测系统1100还包含输入输出电路1102，其形成与机器学习和预测系统通信的各种功能元件之间的接口。
80.尽管图11绘示根据本公开的被编程以执行各种控制功能的机器学习、建模和预测系统1100，术语“计算机”不仅限于本领域中称为计算机的那些集成电路，而是广泛地指代计算机、处理器、微控制器、微型计算机、可编程逻辑控制器、专用集成电路和其他可编程电路，这些术语在本文中可互换使用。此外，尽管描述了机器学习和预测系统1100，但是该描述仅是为了简洁而说明。应当理解的是，本文所述的每种方法可通过软件改变而用于单独
的系统或同一系统中。
81.尽管在本文中已将各方面描述为利用通过减少对准记号的实际位置中的测量误差来增加层对准的准确性的方法和系统，但是这些描述无意于以任何方式限制本文所述的内容的范围。
82.尽管前述内容针对本发明的实施方式，但是在不脱离本发明的基本范围的情况下，可设计本发明的其他和进一步的实施方式，并且本发明的范围由所附权利要求书所确定。