使用机器学习确定基板轮廓特性的制作方法

1.本公开内容的实施方式大致关于制造系统，且更特定地关于确定基板的轮廓(profile)特性。


背景技术：

2.基板轮廓特性是能在基板在制造系统处被处理的期间或处理之后用于评估该基板的度量。典型地，基板轮廓特性是利用计量系统测量的，该计量系统与该制造系统处使用的制造工具分开。为了测量基板轮廓特性，基板从制造工具被移出并在计量系统处被测量。当在该计量系统处获得该基板的测量结果之后，该基板被送回该制造工具以供进一步处理。将基板从制造工具移出以在计量系统处测量该基板是一个昂贵的操作，其导致整体处理效率降低。由于从制造工具移出基板的成本所致，在制造系统处处理的少数基板被测量，导致在该制造系统处处理的全部基板中的低采样率。这些少数基板产生的测量结果被用于对在该制造工具处被处理的未经测量的其他基板进行处理决策。基于对少数基板所产生的测量结果所做出的处理决策会产生基板缺陷，在一些实例中且会产生对制造系统处的设备的破坏。


技术实现要素：

3.所描述的实施方式中的一些涵盖一种用于训练机器学习模型来预测正在制造系统处被处理的当前基板的计量测量结果的方法。该方法包括产生用于该机器学习模型的训练数据。产生该训练数据的步骤包括产生第一训练输入，该第一训练输入包括关联于在该制造系统处被先前处理的先前基板的一部分的历史光谱数据和/或历史非光谱数据。产生该训练数据的步骤进一步包括产生该第一训练输入的第一目标输出，其中该第一目标输出包括关联于在该制造系统处被先前处理的该先前基板的历史计量测量结果。该方法进一步包括提供该数据以在下列两者上训练该机器学习模型：(i)包括该第一训练输入的训练输入集、及(ii)包括该第一目标输出的目标输出集。
4.在一些实施方式中，一种设备包括用于储存经训练的机器学习模型的存储器以及耦合至该存储器的处理装置。该处理装置用于提供关联于正在制造系统处被处理的当前基板的光谱数据和/或非光谱数据，以作为该经训练的机器学习模型的输入。该处理装置进一步用于从该经训练的机器学习模型获得一个或多个输出。该处理装置进一步用于从该一个或多个输出提取正在该制造系统处被处理的该当前基板的计量测量结果。
5.在一些实施方式中，一种非暂时性计算机可读取储存介质包括指令，当这些指令由处理装置执行时，使该处理装置接收关联于在制造系统处被处理的当前基板的输入光谱数据和/或输入非光谱数据。该处理装置进一步用于利用经训练的机器学习模型来处理关联于该当前基板的该输入光谱数据和/或输入非光谱数据。该处理装置进一步用于基于利用该经训练的机器学习模型对关联于该当前基板的该输入光谱数据和/或输入非光谱数据进行的处理，来获得一个或多个输出，该一个或多个输出指示正在该制造系统处被处理的
该当前基板的计量测量结果。
附图说明
6.在附图的各图中，以示例的方式而非限制的方式示出了本公开内容，各图中相似的附图标记表示相似的部件。应当注意，本公开内容中对“一”或“一个”实施方式的不同引用不一定指示同一实施方式，且此种引用意味着至少一个。
7.图1绘示了根据本公开内容多个方面的说明性计算机系统架构。
8.图2是根据本公开内容多个方面的用于训练机器学习模型的方法的流程图。
9.图3是根据本公开内容多个方面的示例制造系统的俯视示意图。
10.图4是根据本公开内容多个方面的基板测量子系统的示意性横截面侧视图。
11.图5示出了根据本公开内容多个方面的为基板收集到的光谱数据。
12.图6是根据本公开内容的多个方面的利用机器学习模型来估计基板的轮廓的计量值的方法流程图。
13.图7a～图7c示出了根据本公开内容的多个方面的示例gui，其用于提供对基板的轮廓的估计计量值的指示。
14.图8描绘了根据本公开内容的一个或多个方面的示例性计算机系统操作的方块图。
具体实施方式
15.基板轮廓(例如包括三维(3d)结构的表面、包括非3d结构的表面、等等)的特性对于最后的经处理的基板的整体性能和/或制造系统处基板的整体制造产量来说是重要的。在一些实例中，可通过在制造系统处的基板处理期间或之后，产生该基板的计量测量结果来监测基板轮廓的特性。计量测量能包括蚀刻速率(即，在处理腔室中沉积在基板表面上的特定材料被蚀刻的速率)、蚀刻速率均匀性(即，在基板的表面的两个或更多个部分处的蚀刻速率的变化)、临界尺寸(即，用于测量基板的诸如线、列、开口、间隔等等的元件尺寸的测量单位)、临界尺寸均匀性(即，整个基板表面上的临界尺寸的变化)、边缘到边缘放置误差(edge to edge placement error,epe)(即，在基板的表面上包括的预期特征与所产生的特征之间的差异)等。
16.本文中描述的实施方式提供用于训练及使用机器学习模型来预测正在制造系统处被处理的当前基板的计量测量结果的方法及系统。可利用针对在制造系统处被处理的先前基板的各个部分所收集的历史光谱数据来训练机器学习模型。光谱数据可对应于检测到的能量波的各个给定波长的检测到的能量波的强度(即，能量的量的强度)。在一些实施方式中，可在测量系统内包括的基板测量子系统处产生光谱数据。在其他的或类似的实施方式中，可在制造系统的另一部分处(例如处理腔室处)产生光谱数据。可将历史光谱数据作为训练输入提供给机器学习模型。也可利用针对先前基板的各个部分所收集的历史非光谱数据来训练机器学习。例如，可针对基板产生涡电流数据、电容数据等等，并将它们作为训练输入提供给机器学习模型。
17.在一些实施方式中，机器学习模型可利用历史光谱数据来被进一步训练，历史光谱数据指示关联于历史光谱数据的先前基板的部分。位置数据可指当基板的一部分的光谱
pod；foup)射频识别(radio frequency identification；rfid)读取器)。在一些实施方式中，计量设备128可以是计量系统的一部分，该计量系统包括计量服务器(例如，计量数据库、计量文件夹等)及计量标识符读取器(例如，用于计量系统的foup rfid读取器)。
22.制造设备124可遵循配方或在一段时间内执行运行来生产产品。制造设备124可包括基板测量子系统，该子系统包括嵌入在基板测量子系统内的一个或多个传感器126，传感器126被配置为产生基板的光谱数据和/或位置数据。被配置为产生光谱数据的传感器126(本文称为光谱感测部件)可包括反射计传感器、椭偏传感器、热光谱传感器、电容传感器等。在一些实施方式中，光谱感测部件可包括在基板测量子系统或制造系统的另一部分中。一个或多个传感器126(例如，涡电流传感器等)也可被配置为产生基板的非光谱数据。参考图3及图4提供关于制造设备124及基板测量子系统的进一步细节。
23.在一些实施方式中，传感器126可提供与制造设备124相关联的传感器数据。传感器数据可包括温度(例如，加热器温度)、间距(spacing；sp)、压力、高频射频(high frequency radio frequency；hfrf)、静电夹具(electrostatic chuck；esc)电压、电流、流量、功率、电压等中的一者或多者的值。传感器数据可与制造参数相关联，或指示制造参数，制造参数诸如是硬件参数(诸如制造设备124的设定或部件(例如尺寸、类型等))，或制造设备124的处理参数。可在制造设备124执行制造处理的同时提供传感器数据(例如，处理产品时的设备读数)。对于每个基板，传感器数据142可不同。
24.计量设备128可提供与由制造设备124所处理的基板(例如晶片等)相关联的计量数据。计量数据可包括膜特性数据(例如，晶片空间膜特性)、尺寸(例如，厚度、高度等)、介电常数、掺杂浓度、密度、缺陷等的一者或多者的值。在一些实施方式中，计量数据可进一步包括一个或多个表面轮廓特性数据(例如，蚀刻速率、蚀刻速率均匀性、基板表面上包括的一个或多个特征的临界尺寸、整个基板表面的临界尺寸均匀性、边缘放置误差等)的值。该计量数据可以是成品或半成品。每个基板的计量数据可不同。
25.客户端装置120可包括一计算装置，诸如个人计算机(pc)、膝上型计算机、行动电话、智能电话、平板计算机、上网本计算机、连网电视(“智能tv”)、连网媒体播放器(例如蓝光播放器)、机顶盒、过顶(over-the-top，ott)流媒体装置、操作盒(operator box)等。
26.在一些实施方式中，计量数据可为从客户端装置120接收。客户端装置120能显示图形用户界面(gui)，其中gui使得用户能将计量测量值作为输入提供给在制造系统处被处理的基板。
27.数据存储器140可以是存储器(例如随机存取存储器)、驱动器(例如硬盘驱动器、闪存驱动器)、数据库系统、或能够储存数据的另一类型的部件或装置。数据存储器140可包括跨越多个计算装置(例如多个服务器计算机)的多个储存部件(例如多个驱动器或多个数据库)。数据存储器140可储存光谱数据、非光谱数据、计量数据、及预测数据。光谱数据可包括历史光谱数据(例如，针对在制造系统处被处理的前一个基板所产生的光谱数据)和/或当前光谱(针对正在制造系统处被处理的当前基板所产生的光谱数据)。当前光谱数据可以是为其产生预测数据的数据。尽管本公开内容的实施方式参考用于训练机器学习模型的光谱数据，应注意本公开内容的实施方式也能包括用于训练机器学习模型的非光谱数据。在一些实施方式中，计量数据能包括历史计量数据(例如，针对在制造系统处被处理的先前基板的计量测量值)。数据存储器140可也储存关联于正在制造系统处被处理的基板的上下文
数据(例如配方名称、配方步骤数量、预防性维护指示、操作者等)。
28.在一些实施方式中，数据存储器140可被配置为储存制造系统的用户无法访问的数据。例如，针对正在制造系统处被处理的基板所获得的光谱数据、非光谱数据、和/或位置数据可无法被制造系统的用户访问。在一些实施方式中，在数据存储器140所储存的全部数据可以是制造系统的用户(例如操作者)不能访问的。在其他的或类似的实施方式中，储存于数据存储器140的数据的一部分可以是用户无法访问的，而储存于数据存储器140的数据的另一部分可被用户访问。在一些实施方式中，可利用用户未知的加密机制来加密储存于数据存储器140的数据的一个或多个部分(例如利用私人密钥来加密数据)。在其他的或类似的实施方式中，数据存储器140可包括多个数据存储，其中用户无法访问的数据被储存在一个或多个第一数据存储器中，而用户可以访问的数据被储存在一个或多个第二数据存储器中。
29.在一些实施方式中，预测性系统110包括服务器机器170及服务器机器180。服务器机器170包括训练集产生器172，其能够产生训练数据集(例如一组数据输入及一组目标输出)来训练、验证、和/或测试机器学习模型190。以下参考图2详细说明数据集产生器172的一些操作。在一些实施方式中，数据集产生器172可将训练数据划分成为训练集、验证集、及测试集。在一些实施方式中，预测性系统110产生多个训练数据集。例如第一训练数据集可对应于第一类型的光谱数据(例如反射光谱数据)，而第二训练数据集可对应于第二类型的光谱数据(椭偏光谱数据)。
30.服务器机器180可包括训练引擎182、验证引擎184、选择引擎185和/或测试引擎186。引擎可指硬件(例如，电路系统、专用逻辑、可编程逻辑、微码、处理装置等)、软件(如在处理装置、通用计算机系统或专用机器上运行的指令)、固件、微码或上述各者的组合。训练引擎182能够训练机器学习模型190。机器学习模型190可指由训练引擎182使用包括训练输入及对应目标输出(相应训练输入的正确答案)的训练数据所创建的模型人工制品。训练引擎182可在训练数据中找到将训练输入映像到目标输出(待预测的答案)的模式，并提供捕获这些模式的机器学习模型190。机器学习模型190可使用支持向量机(support vector machine；svm)、径向基函数(radial basis function；rbf)、聚类、监督机器学习、半监督机器学习、无监督机器学习、k-最邻近算法(k-nearest neighbor algorithm；k-nn)、线性回归、随机森林、神经网络(例如人工神经网络)等中的一者或多者。
31.验证引擎184能够使用来自训练集产生器172的验证集的对应特征集来验证经训练的机器学习模型190。验证引擎184可基于验证集的对应特征集来确定每个经训练的机器学习模型190的精度。验证引擎184可丢弃精度不满足阈值精度的经训练机器学习模型190。在一些实施方式中，选择引擎185能够选择精度满足阈值精度的经训练机器学习模型190。在一些实施方式中，选择引擎185能够选择经训练机器学习模型190中具有最高精度的经训练机器学习模型190。
32.测试引擎186能够使用来自数据集产生器172的测试集的对应特征集来测试经训练的机器学习模型190。例如，使用训练集的第一特征集训练的第一经训练机器学习模型190可通过使用测试集的第一特征集进行测试。测试引擎186可基于测试集来在所有经训练的机器学习模型中确定具有最高精度的经训练机器学习模型190。
33.预测服务器112包括预测部件114，其能够将正在制造系统处被处理的当前基板的
一部分的光谱数据和/或非光谱数据作为输入提供给经训练的机器学习模型190，并且能够在该输入上运行经训练的机器学习模型190以获得一个或多个输出。如以下参考图4所详细说明的，在一些实施方式中，预测部件114也能够从经训练机器学习模型190的输出提取数据，并利用置信数据来估计基板的一部分的计量测量结果。
34.置信数据可包括或指示计量值对应于与当前光谱数据和/或光谱数据相关联的基板的一个或多个特性的置信水平。在一个示例中，置信水平是在0到1之间(含0与1)的实数，其中0表示不相信计量值对应于与当前光谱数据相关联的基板的一个或多个特性，而1表示绝对相信计量值对应于与当前光谱数据先关联的基板的一个或多个特性。在一些实施方式中，系统100可使用预测系统110来确定正在制造系统处理的基板的计量值，而不是利用计量设备128来确定被测量的计量值。
35.客户端装置120、制造设备124、传感器126、计量设备128、预测服务器112、数据储存器140、服务器机器170及服务器机器180可经由网络130彼此耦合。在一些实施方式中，网络130是公共网络，其向客户端装置120提供对预测服务器112、数据储存器140及其他公共可用计算装置的访问。在一些实施方式中，网络130是私有网络，其向客户端装置120提供对制造设备124、计量设备128、数据储存器140及其他私有可用计算装置的访问。网络130可包括一个或多个广域网(wide area network；wan)、局域网(local area network；lan)、有线网络(例如以太网)、无线网络(例如802.11网络或wi-fi网络)、蜂窝网络(例如长期演进网络(long term evolution；lte))、路由器、集线器、交换机、服务器计算机、云端计算网络和/或上述各者的组合。
36.应当注意，在一些其他实施方式中，服务器机器170及180及预测服务器112的功能可由更少数量的机器提供。例如，在一些实施方式中，服务器机器170及180可被整合至单个机器中，而在一些其他或类似的实施方式中，服务器机器170及180及预测服务器112可被整合至单个机器中。
37.一般来说，在一个实施方式中描述为由服务器机器170、服务器机器180和/或预测服务器112执行的功能也能在客户端装置120上执行。此外，归属于一个特定部件的功能性能由一起操作的不同或多个部件来执行。
38.在实施方式中，“用户”可表示为单个个体。然而，本公开内容的其他实施方式包含的“用户”是由多个用户和/或自动化源控制的实体。例如，作为一组管理员联合的一组个人用户可被视作“用户”。
39.图2是根据本公开内容多个方面的用于训练机器学习模型的方法200的流程图。方法200由可包括硬件(电路系统、专用逻辑等)、软件(如在通用计算机系统或专用机器上运行的软件)、固件或上述各者的某种组合的处理逻辑来执行。在一个实施方式中，方法200可由计算机系统执行，如图1的计算机系统架构100。在其他或类似的实施方式中，方法200的一个或多个操作可由图中未示出的一个或多个其他机器来执行。在一些方面中，方法200的一个或多个操作可由服务器机器170的训练集产生器172来执行。
40.为了解释简单，将这些方法绘示及描述为一系列的动作。然而，根据本公开内容的动作可以以各种顺序和/或同时地发生，及与本文未显示及描述的其他动作一起发生。此外，实施根据所公开主题的方法并非要执行所有示出的动作。此外，本领域技术人员将理解及认识到，这些方法可替代地通过状态图或事件表示成一系列相互关联的状态。此外，应理
解，本说明书中公开的方法能够被储存在制品上，以便于将这些方法传输及转移至计算装置。本文使用的术语制品意欲包括可从任何计算机可读装置或储存介质访问的计算机程序。
41.于方块210，处理逻辑将训练集t初始化为空集(例如{})。于方块220，处理逻辑接收正在制造系统处被处理的基板的数据(例如光谱数据、非光谱数据等)。在一些实施方式中，该数据可从与制造系统整合的基板测量子系统接收。在其他的或类似的实施方式中，该数据可从在制造系统的另一部分处(例如处理腔室、装载锁定、传送腔室等)的一个或多个传感器接受。应注意，在一些其他实施方式中，数据可以通过一些其他方式接收，而可不是从制造系统的一部分接收。
42.于方块230，处理逻辑可选地接收正在制造系统处被处理的基板的位置数据。在一些实施方式中，位置数据可连同数据从基板测量子系统一起接收。在其他的或类似的实施方式中，数据可从位于制造系统的另一部分处的一个或多个传感器接收。应注意，在一些其他实施方式中，位置数据可以通过一些其他方式接收，而可不是从制造系统的一部分接收。
43.于方块240，处理逻辑接收基板的一个或多个计量测量结果。能在与制造系统分开的计量测量系统(即，外部计量测量系统)处为基板获得计量测量结果。在一些实施方式中，外部计量测量系统可通信耦合至制造系统(例如通过图1的网络130)。在此类实施方式中，处理逻辑能经由网络从外部计量测量系统接收基板的一个或多个计量测量结果。在其他实施方式中，能在外部计量测量系统处产生计量测量结果并经由客户端装置将计量测量结果提供给制造系统。例如，连接至制造系统的客户端装置能向制造系统的用户(例如操作者)提供图形用户界面(gui)。当基板在外部计量子系统处被测量后，用户能将计量测量值经由gui提供给客户端装置。响应于接收被提供的计量测量值，客户端装置能将计量测量值储存在数据存储器(像是制造系统的数据存储器140)处。
44.于方块250，处理逻辑产生输入/输出映射。该输入/输出映射指的是包括(或是基于)基板的数据的训练输入，及针对训练输入的目标输出，其中目标输出识别基板的计量测量值，而其中训练输入关联于(或映射至)目标输出。于方块260，处理逻辑将输入/输出映射加至训练集t。
45.于方块270，处理逻辑确定训练集(t)是否包括足够的训练数据量来训练机器学习模型。应注意，在一些实施方式中，训练集t的足够程度可仅简单地基于训练集中的输入/输出映射的个数来确定，而在一些其他实施方式中，作为输入/输出映射的个数的补充或替代，训练集t的足够程度可基于一个或多个其他准则(例如，训练示例的多样性的度量等)来确定。响应于确定了训练集(t)包括足够的训练数据量来训练机器学习模型，处理逻辑提供训练集(t)来训练机器学习模型。响应于确定训练集未包括足够的训练数据量来训练机器学习模型，方法200回到方块220。
46.于方块280，处理逻辑提供训练集t来训练机器学习模型。在一实施方式中，训练集t被提供至服务器机器180的训练引擎182来进行训练。举例来说，在神经网络的情况中，给定输入/输出映射的输入值(例如前一基板的光谱数据)被输入至神经网络，而输入/输出映射的输出值被储存在神经网络的输出节点中。神经网络中的连接权重(connection weights)接着根据学习算法(例如反向传播等)被调整，且针对训练集t中的其他输入/输出映射重复此程序。在方块280之后，机器学习模型190能被用于估计在制造系统处处理的未
来基板的计量值(例如，按照下面说明的图6的方法600)。
47.图3是根据本公开内容的多个方面的示例例制造系统300的俯视示意图。制造系统300可在基板302上进行一个或多个处理。基板302可以是适合用于在其上制造电子器件或电路部件的任何适当的刚性、固定尺寸、平坦的物体，像是(例如)含硅的盘或晶片、图案化的晶片、玻璃板或类似者。
48.制造系统300可包括处理工具304及耦接至处理工具304的工厂界面306。处理工具304可包括外壳308，该外壳308中具有传送腔室310。传送腔室310可包括设置在其周围并与其耦接的一个或多个处理腔室(也称为处理腔室)314、316、318。处理腔室314、316、318可通过各自的端口(诸如狭缝阀或类似者)耦接至传送腔室310，像是。传送腔室310可也包括传送腔室机器人312，其被配置为在处理腔室314、316、318、装载锁定320等之间传送基板302。传送腔室机器人312可包括一个或多个手臂，其中各手臂包括位于各手臂的末端处的一个或多个端效器。端效器可被配置为搬运特定物体，像是晶片。
49.处理腔室314、316、318可被调适为在基板302上实施任意数量的处理。可在各处理腔室314、316、318中进行相同或不同的基板处理。基板处理可包括原子层沉积(ald)、物理气相沉积(pvd)、化学气相沉积(cvd)、蚀刻、退火、固化、预清洁、金属或金属氧化物移除、或类似者。在一些实施方式中，基板处理可包括原子层沉积(ald)、物理气相沉积(pvd)、化学气相沉积(cvd)、蚀刻、退火、固化、预清洁、金属或金属氧化物移除、或类似者中两者或更多者的组合。可在其中在基板上实施其他处理。处理腔室314、316、318可各自包括一个或多个传感器，该一个或多个传感器被配置为在基板处理之前、之后、或期间提取基板302的数据和/或处理腔室314、316、318之内的环境的数据。在一些实施方式中，一个或多个传感器可被配置为提取基板302的一部分的光谱数据和/或非光谱数据。
50.装载锁定320可也耦接至外壳308及传送腔室310。装载锁定320可被配置为在一侧上接合、并耦接至传送腔室310，以及接合、并耦接至工厂界面306。在一些实施方式中，装载锁定320可有环境受控的大气，该环境受控的大气可从真空环境(其中基板可在与传送腔室310之间往来传送)改变成位于大气压力或接近大气压力的惰性气体环境(其中基板可在与工厂界面306之间往来传送)。
51.工厂界面306可以是任何适当的封闭体，像是(例如)设备前端模块(efem)。工厂界面306可被配置为从对接于工厂界面306的各个装载端口324处的基板载体322(例如前开式标准舱(front opening unified pods，foup))接收基板302。工厂界面机器人326(以虚线显示)可被配置为在基板载体(也称为容器)322与装载锁定320之间传送基板302。在其他和/或类似实施方式中，工厂界面306可被配置为从替换零件储存容器322接收替换零件。
52.制造系统300可也连接至被配置为向用户(例如操作者)提供有关制造系统300的信息的客户端装置(未图示)。在一些实施方式中，客户端装置可经由一个或多个图形用户界面(gui)向制造系统300的用户提供信息。例如，客户端装置可经由gui提供有关与要对用于基板302的处理配方进行的一个或多个修改的信息。
53.制造系统300也可包括系统控制器328。系统控制器328可以是和/或包括计算装置，诸如个人计算机、服务器计算机、可编程逻辑控制器(plc)、微控制器等。系统控制器328可包括一个或多个处理装置，该一个或多个处理装置可以是通用用途处理装置，诸如微处理器、中央处理单元、或类似者。更特定地，处理装置可以是复杂指令集计算(cisc)微处理
器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器，或实施其他指令集的处理器或是实施指令集的组合的处理器。处理装置可可以是一个或多个特殊用途处理装置，诸如专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)、网络处理器、或类似者。系统控制器328可包括数据储存装置(例如一个或多个驱动器和/或固态驱动器)、主存储器、静态存储器、网络接口、和/或其他部件。系统控制器328可执行指令已执行本文中所描述的方法和/或实施方式中的任一者或多者。在一些实施方式中，系统控制器328可执行指令以根据处理配方在制造系统300处进行一个或多个操作。指令可被储存在计算机可读取储存介质上，其可包括主存储器、静态存储器、辅助储存和/或处理装置(在指令的执行期间)。
54.系统控制器328可从包括在制造系统300的各个部分(例如处理腔室314、316、318、传送腔室310、装载锁定320等)之上或之内的传感器接收数据。系统控制器328所接收的数据可包括基板302的一部分的光谱数据和/或非光谱数据。出于本说明书的目的，系统控制器328被描述为从包括在处理腔室314、316、318内的传感器接收数据。然而，系统控制器328可从制造系统300的任何部分接收数据，且可根据本文中所述实施方式来使用从该部分接收的数据。在一个说明性示例中，系统控制器328可在处理腔室314、316、318处的基板处理之前、之后、或期间从处理腔室314、316、318的一个或多个传感器接收光谱数据。从制造系统300的各个部分的传感器接收的数据可被储存在数据存储器350中。数据存储器350可作为系统控制器328内的部件而被包括，或者可以是与系统控制器328分开的部件。在一些实施方式中，数据存储器350可以是参考图1所述的数据存储器140。
55.制造系统300可进一步包括基板测量子系统340。基板测量子系统340可在制造系统300处理基板302之前或之后获得基板302的一个或多个部分的光谱测量。在一些实施方式中，基板测量子系统340可响应于从系统控制器328接收到对光谱测量的请求，来获得基板302的一个或多个部分的光谱测量。基板测量子系统340可整合在制造系统300的一部分中。在一些实施方式中，基板测量子系统340可整合在工厂接口306内。在其他或类似的实施方式中，基板测量子系统340可不与制造系统300的任何部分整合，而替代地可以是独立的部件。在此类实施方式中，在基板测量子系统340处测量的基板302可在制造系统300处理基板302之前或之后传送至制造系统300的一部分，或从制造系统300的一部分传送出。
56.基板测量子系统340可通过产生基板302的一部分的光谱数据和/或光谱，来获得基板302的该部分的光谱测量。在一些实施方式中，基板测量子系统340被配置为产生基板302的光谱数据、非光谱数据、位置数据、及其他基板特性数据(例如，基板302的厚度、基板302的宽度等)。在产生基板302的数据之后，基板测量子系统340可将产生的数据传输至系统控制器328。响应于从基板测量子系统340接收到数据，系统控制器328可将数据储存在数据储存器350中。
57.图4是根据本公开内容多个方面的基板测量子系统400的示意性横剖面侧视图。基板测量子系统400可被配置为在处理腔室中处理基板(诸如图3的基板302)之前或之后，获得基板302的一个或多个部分的测量结果。基板测量子系统400可通过产生关联于基板302的一部分的数据(例如，光谱数据、非光谱数据等)来获得基板302的该部分的光谱测量。在一些实施方式中，基板测量子系统400可被配置为产生与基板302相关联的光谱数据、非光谱数据、位置数据、和/或其他特性数据。基板测量子系统400可包括控制器430，控制器430
被配置为执行一个或多个指令，以用于产生关联于基板302的一部分的数据。
58.基板测量子系统400可检测到基板302已经传送至基板测量子系统400。响应于检测到基板302已经传送至基板测量子系统400，基板测量子系统400可确定基板302的位置和/或定向。基板302的参考位置的识别确定基板302的位置和/或定向。参考位置可以是基板302的一部分，其包括与基板302的特定部分相关联的识别特征。控制器328可基于为基板302确定的识别信息，来确定与基板302的特定部分相关联的识别特征。
59.控制器430可使用一个或多个被配置为捕获基板302的图像数据的照相机部件450，来识别基板302的参考位置。照相机部件450可产生用于基板302的一个或多个部分的图像数据，并将图像数据传输至控制器430。控制器430可分析图像数据以识别关联于基板302的参考位置的识别特征。控制器430可进一步基于已识别的基板302识别特征来确定图像数据中绘示的基板302的位置和/或定向。控制器430可基于已识别的基板302识别特征以及在图像数据中绘示的基板302的已确定的位置和/或定向，来确定基板302的位置和/或定向。响应于确定基板302的位置和/或定向，控制器430可产生关联于基板302的一个或多个部分的位置数据。在一些实施方式中，位置数据可包括一个或多个坐标(例如，笛卡尔坐标、极坐标等，每个坐标都与基板302的一部分相关联，其中每个坐标都是基于与基板302的参考位置的距离来确定的。
60.基板测量子系统400可包括用于测量基板302的一个或多个测量部件。在一些实施方式中，基板测量子系统400可包括一个或多个光谱感测部件420，其被配置为产生基板302之一个或多个部分的光谱数据。如先前讨论的，对于检测到的波的每个波长，光谱数据可对应于检测到的能量波的强度(即，强度或能量)。参看图5提供关于所收集的光谱数据的进一步细节。
61.光谱感测部件420可被配置为检测从基板302的一部分反射的能量波，并产生与检测到的波相关联的光谱数据。光谱感测部件420可包括波产生器422及反射波接收器424。在一些实施方式中，波产生器422可为光波产生器，其被配置为产生朝向基板302的一部分的光束。在此类实施方式中，反射波接收器424可被配置为从基板302的一部分接收反射光束。波产生器422可被配置为产生能量流426(例如，光束)并将能量流426传输至基板302的一部分。反射能量波428可从基板302的该部分反射，并被反射波接收器424接收。尽管图3a示出了从基板302的表面反射的单个能量波，但多个能量波可从基板302的表面反射并被反射波接收器424接收。
62.响应于反射波接收器424从基板302的一部分接收到反射能量波428，光谱感测部件420可测量反射能量波428中包括的每个波的波长。光谱感测部件420可进一步测量每个所测量的波长的强度。响应于测量每个波长及每个波长强度，光谱感测部件420可产生基板302的该部分的光谱数据。光谱感测部件420可将产生的光谱数据传输至控制器430。控制器430可响应于接收到产生的光谱数据，产生接收到的光谱数据与基板302的测量部分的位置数据之间的映射。
63.基板测量子系统400可被配置为基于在基板测量子系统400处待被获得的测量类型来产生特定类型的光谱数据。在一些实施方式中，光谱感测部件420可为第一光谱感测部件，其被配置为产生一种类型的光谱数据。例如，光谱感测部件420可被配置为产生反射光谱数据、椭偏光谱数据、高光谱成像数据、化学成像数据、热光谱数据、或传导光谱数据。在
此种实施方式中，第一光谱感测部件可从基板测量子系统400移除，并被替换为第二光谱感测部件，该第二光谱感测部件被配置为产生不同类型的光谱数据(例如，反射光谱数据、椭偏光谱数据、高光谱成像数据、化学成像数据、涡电流光谱数据、热光谱数据、或传导光谱数据)。
64.在一些实施方式中，一个或多个测量部件(诸如光谱感测部件420)可以是基板测量子系统400内的固定部件。在此类实施方式中，基板测量子系统400可包括一个或多个定位部件440，其被配置为相对于光谱感测部件420修改基板302的位置和/或定向。在一些实施方式中，定位部件440可被配置为相对于光谱感测部件420沿着第一轴和/或第二轴平移基板302。在其他或类似的实施方式中，定位部件440可被配置为相对于光谱感测部件420围绕第三轴旋转基板302。
65.当光谱感测部件420产生基板302的一个或多个部分的光谱数据时，定位部件440可根据基板302待测量的一个或多个确定部分来修改基板302的位置和/或定向。例如，在光谱感测部件420产生基板302的光谱数据之前，定位部件440可将基板302定位在笛卡尔坐标(0，0)，而光谱感测部件420可产生基板302在笛卡尔坐标(0，0)的第一光谱数据。响应于光谱感测部件420在笛卡尔坐标(0，0)产生基板302的第一光谱数据，定位部件440可沿着第一轴平移基板302，使得光谱感测部件420被配置为在笛卡尔坐标(0，1)产生基板302的第二光谱数据。响应于光谱感测部件420在笛卡尔坐标(0，1)产生基板302的第二光谱数据，控制器430可沿着第二轴旋转基板302，使得光谱感测部件420被配置为在笛卡尔坐标(1，1)产生基板302的第三光谱数据。该处理可发生多次，直到产生了基板302的每个确定部分的光谱数据。
66.在一些实施方式中，基板302的表面上可包括材料的一个或多个层412。一个或多个层412可包括蚀刻材料、光刻胶材料、掩模材料、沉积材料等。在一些实施方式中，一个或多个层412可包括将要根据在处理腔室中执行的蚀刻处理来蚀刻的蚀刻材料。根据先前公开的实施方式，在此种实施方式中，可收集沉积在基板302上的层412的未蚀刻的蚀刻材料的一个或多个部分的光谱数据。在其他或类似的实施方式中，一个或多个层412可包括已经根据处理腔室中的蚀刻处理而被蚀刻的蚀刻材料。在此种实施方式中，一个或多个结构特征(例如，线、柱、开口等)可被蚀刻到基板302的一个或多个层412中。在此类实施方式中，可收集蚀刻到基板302的一个或多个层412中的一个或多个结构特征的光谱数据。
67.根据本文所述的实施方式，响应于接收到基板302的光谱数据、位置数据、或特性数据中的至少一者，控制器430可将接收到的数据传输至系统控制器328以进行处理及分析。
68.图5图示根据本公开内容的多个方面的为基板所收集的光谱数据500。根据本公开内容的多个方面，光谱数据可从图4的基板测量子系统400、或处理腔室(诸如图3的处理腔室314、316、318)的传感器所接收的反射能量产生。如图所示，基板测量子系统400所接收的反射能量波中可包括多个波长。各反射能量波可关联于基板302的不同部分。在一些实施方式中，可针对基板测量子系统400所接收的各反射能量波测量强度。如图5中所见，能针对基板测量子系统400所接收的反射能量波的各个波长测量各强度。各强度与各波长之间的关联能够是形成光谱数据500的基础。在一些实施方式中，一个或多个波长可能关联于在强度值期望范围外部的强度值。例如，线510可能关联于在强度值期望范围(如线520所描绘)外
部的强度值。在此类实施方式中，在强度值期望范围外的强度值可能是在基板302的一部分处存在缺陷的指示。根据先前所述实施方式，基于基板302的该部分处的缺陷的指示，可对用于基板302的处理配方做出修改。
69.图6是根据本公开内容的多个方面的用于利用机器学习模型来估计基板的轮廓的计量值的方法600的流程图。方法600由处理逻辑执行，该处理逻辑可包括硬件(电路系统、专用逻辑等)、软件(诸如在通用用途计算机或专用机器上运行的软件)、固件，或以上的某种组合。在一些实施方式中，可利用图1的预测服务器112及经训练的机器学习模型190来执行方法600。在其他的或类似的实施方式中，图6的一个或多个方块可由图1中没有描绘的一个或多个其他机器来执行。
70.于方块610，处理逻辑接收正在制造系统处被处理的基板的光谱数据。在一些实施方式中，根据先前描述的实施方式，光谱数据能够从制造系统的基板测量子系统或另一部分接收。
71.于方块620，处理逻辑提供基板的光谱数据，以作为经训练的机器学习模型的输入。于方块630，处理逻辑从机器学习模型获得输出。于方块640，处理逻辑从在方块630处获得的输出提取置信数据。在一些实施方式中，该置信数据包括基板的轮廓关联于计量值的置信水平。在一个示例中，该置信水平是在0与1之间(包含0与1)的实数。应注意，置信水平不一定是概率。例如，全部计量值的置信水平的总和可不等于1。
72.于方块650，处理逻辑利用置信数据来估计正在制造系统处被处理的基板的计量值。在一些实施方式中，若计量值的置信水平满足阈值条件，则基板被识别为关联于该计量值。于方块660，处理逻辑可选地向制造系统的用户提供估计计量值的指示。
73.在一些实施方式中，在制造系统的多个部分中包括的一个或多个传感器够是与在制造系统的另一部分中包括的传感器相同类型(或类似类型)的传感器。例如，基板测量子系统中包括的被配置为产生基板的光谱数据的一个或多个传感器与处理腔室中所包括的也被配置为产生基板的光谱数据的传感器是相同类型(或类似类型)。在此类实施方式中，根据先前描述的实施方式，能利用基板测量子系统抑或处理腔室中的传感器产生的光谱数据来训练机器学习模型。从基板测量子系统抑或处理腔室收集的光谱数据可被用作经训练的机器学习模型的训练输入。根据先前描述的实施方式，来自经训练的机器学习模型的输出可被使用于提取关联于基板的计量测量值。如此，在一些实施方式中，利用从基板测量子系统收集的光谱数据所训练的机器学习模型可被用来利用从处理腔室获得的输入光谱数据来确定计量测量值。
74.图7a～图7c描绘根据本公开内容的多个方面的示例gui 700，其用于提供基板的一部分的计量测量的指示。在一些实施方式中，可经由制造系统的客户端装置向制造系统的用户显示gui 700。
75.gui 700可包括第一部分710，其显示一个或多个互动式组件。第一部分710可包括腔室选择组件，其让用户能选择制造系统的处理腔室的标识符。响应于处理腔室标识符被选择，可经由gui 700的其他部分显示在所选择腔室处所处理的基板的数据。在一些实施方式中，该腔室选择组件能包括下拉式选单，其提供可供用户选择的制造系统的一个或多个处理腔室的列表。在其他的或类似的实施方式中，腔室选择组件能包括可促进用户对处理腔室标识符进行选择的任何其他类型组件。
76.第一部分710可进一步包括配方选择组件，其让用户能选择基板处理配方的操作的标识符。响应于操作标识符被选取，可经由gui 700的其他部分显示关联于处理配方的被选择操作的数据。在一些实施方式中，配方选择组件能包括下拉式选单，其提供可供用户选择的一个或多个处理配方操作的列表。在其他的或类似的实施方式中，配方选择组件能包括可促进用户对操作标识符进行选择的任何其他类型组件。
77.第一部分710可进一步包括时间段选择组件，其让用户能选择制造系统处执行的处理的时间段。响应于时间段被选择，可经由gui 700的其他部分显示关联于在所选择时间段内在制造系统处所处理的基板的数据。在一些实施方式中，时间段选择组件能包括日历组件，其提供指示在制造系统处进行了基板处理的特定日期和/或时间的日历。制造系统的用户能经由gui 700的第一部分710的时间段选择组件来选择第一日期和/或时间及第二日期和/或时间。所选择的第一日期和/或时间及所选择的第二日期和/或时间可界定所选时间段。在其他的或类似的实施方式中，时间段选择组件能包括可促进用户对时间段进行选择的任何其他类型组件。
78.第一部分710可进一步包括一个或多个额外组件，以让用户能选择或提供关联于制造系统处进行的处理的额外设定。例如，第一部分710可包括控制下限组件和/或控制上限组件，其让用户能提供关联于处理的控制下限和/或控制上限。另一例中，第一部分710可包括阈值组件，其让用户能提供关联于处理的阈值。可在第一部分710中包括可促进用户选择或提供关联于处理的额外设定的任何其他类型的组件。
79.gui 700可进一步包括第二部分712，其提供关联于在制造系统处处理的基板的计量数据。在一些实施方式中，计量数据能关联于制造系统处处理的两个或更多个基板。在此类实施方式中，计量数据能以图形化格式显示，诸如相关于图7所描绘的图。在其他的或类似的实施方式中，计量数据能以适合用于显示计量数据的任何其他格式进行显示。
80.gui 700可进一步包括第二部分714，其提供关联于制造系统处处理的基板的等高线图(contour map)。等高线图可向用户提供基板的一部分的一个或多个计量测量结果的视觉表示。例如，等高线图能向用户提供关联于基板的薄膜厚度或蚀刻速率的视觉表示。
81.在一些实施方式中，在制造系统处可处理各种类型的基板。例如，可在制造系统处理毯式晶片(blanket wafer)或图案化晶片(patterned wafer)。gui 700可提供一个或多个窗口以显示关联于制造系统处被处理的各不同类型基板的数据。gui 700的第三部分可包括窗口选择器716，其促进在经由gui 700显示的不同窗口之间的过渡。用户可经由窗口选择器716选择一个选项，以使关联于一种类型的基板的不同窗口经由gui 700被显示。例如，响应于用户选择窗口选择器716的“毯式(blanket)”选项(如图7a中所描绘)，关联于毯式晶片的数据可经由gui 700被显示。响应于用户选择窗口选择器716的“图案化(patterned)”选项，关联于图案化晶片的数据可经由gui 700被显示。
82.在一些实施方式中，取决于窗口选择器716所选择的选项，可经由gui700向用户显示不同类型的计量数据。如图7b中所描绘，响应于用户选择窗口选择器716的“图案化(patterned)”选项，则提供关联于在制造系统处被处理的一个或多个图案化晶片的数据。在一些实施方式中，响应于用户选择窗口选择器716的“图案化(patterned)”选项，关联于一个或多个基板的临界尺寸(称为cd指数)的数据可经由gui 700的第二部分712被显示。在其他的或类似的实施方式中，关联于另一计量测量(例如蚀刻速率、蚀刻速率均匀性、临界
尺寸均匀性、边缘到边缘放置误差等)的数据可经由812的第二部分被显示。
83.在一些实施方式中，用户可通过选择窗口选择器716的“原始数据(raw data)”选项来查看被用于产生gui 700的一个或多个组件(例如第二部分712中提供的图)的数据。如图7c中描绘的，响应于用户选择窗口选择器716的“原始数据(raw data)”选项，可提供关联于制造系统处被处理的一个或多个基板的原始数据720。原始数据720可包括何时针对基板产生测量的时间戳记、包括基板的批次(lot)的标识符、基板的标识符、用于基板的处理配方的操作、处理配方的循环(即，两个或更多个重复的操作)的标识符、关联于基板的位置数据、及基板的模型厚度。
84.在一些实施方式中，无论经由gui 700所提供的窗口为何，可显示gui700的第一部分710。在其他的或类似的实施方式中，对于gui 700所提供的各个不同窗口，第一部分710可不被显示。
85.图8描绘根据本公开内容的一个或多个方面所操作的示例性计算机系统800的方块图。在替代实施方式中，机器可被连接(例如，被连网)至局域网络(lan)、内部网络、外部网络、或互联网络中的其他机器。机器可以在客户端-服务器网络环境中以服务器或客户端机器的身份来操作，或者在点对点(或分散式)网络环境中作为对等机器来操作。机器可以是个人计算机(pc)、平板计算机、机顶盒(stb)、个人数字助理(pda)、手机、网络家电、服务器、网络路由器、交换机或桥接器，或任何能够执行(连续或其他方式)指定将由机器采取的动作的一组指令的机器。进一步，尽管只图示了单个机器，用语“机器“也应被认为包括个别地或一起执行一组(或多组)指令的机器(例如计算机)的任何集合，以进行本文中讨论的方法的一者或多者。在实施方式中，计算装置1100可对应于图3的系统控制器328或图4的控制器430。
86.示例计算装置800包括处理装置802、主存储器804(例如只读存储器(rom)、闪存、诸如同步dram(sdram)的动态随机存取存储器(dram)等)、静态存储器806(例如闪存、静态随机存取存储器(sram)等)、及辅助存储器(例如数据储存装置828)，其经由总线808来彼此通信。
87.处理装置802可代表一个或多个通用用途处理器，诸如微处理器、中央处理单元或类似者。更特定地，处理装置802可以是复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器，实施其他指令集的处理器、或是实施指令集的组合的处理器。处理装置802也可以是一个或多个特殊用途处理装置，诸如专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)、网络处理器、或类似者。处理装置802也可以是(或包括)片上系统(soc)、可编程逻辑控制器(plc)、或其他类型的处理装置。处理装置802被配置为执行处理逻辑来进行本文中讨论的操作及步骤。
88.计算装置800可进一步包括网络接口装置822，以用于与网络864通信。计算装置800也可包括视频显示单元810(例如液晶显示器(lcd)或阴极射线管(crt))、字母数字输入装置812(例如键盘)、光标控制装置814(例如鼠标)、及信号产生装置820(例如扬声器)。
89.数据储存装置828可包括机器可读取储存介质(或更特定地，是非暂时性计算机可读取储存介质)824，在机器可读取储存介质上储存有一个或多个组指令826，其体现本文中所述方法或功能中任一者或多者。其中非暂时性储存介质指的是储存介质而非载波。在由计算机装置800执行指令826期间，指令826可也驻存(完全地或至少部分地)在主存储器804
和/或处理装置802内，主存储器804及处理装置802也构成计算机可读取储存介质。
90.计算机可读取储存介质824可也被用于储存模型190及用于训练模型190的数据。计算机可读取储存介质824可也储存软件库，其包含调用模型190的方法。尽管计算机可读取储存介质824在示例实施方式中被显示为单一介质，用语“计算机可读取储存介质“应被理解为包括储存一个或多个指令集的单一介质或多个介质(例如集中式或分散式数据库，和/或相关联的缓存及服务器)。用语“计算机可读取储存介质”也应被理解为包括任何能够储存或编码供机器运行并使机器执行本公开内容的方法中任一者或多者的一组指令的介质。用语“计算机可读取储存介质”因此应被理解为包括(但不限于)固态存储器、及光学及磁性介质。
91.以上说明阐述了数种特定细节，像是特定系统、组件、方法、等等的示例，以提供对本公开内容的数个实施方式的良好理解。然而，本领域技术人员将显而易见的是，可在没有这些特定细节下实施本公开内容的至少一些实施方式。在其他实例中，已知的组件或方法未被详细描述或是以简单方块图的形式呈现，以避免不必要地模糊了本公文本文。因此，被阐述的特定细节仅为示例性的。特定实施方式可能与这些示例性细节有差异，而仍可被设想为落入本公开内容的范围内。
92.本说明书全文中对“一个实施方式”或“一实施方式”的引用表示关联于该实施方式所描述的特定特征、结构、或特性被包括在至少一个实施方式中。因此，说明书全文中不同地方出现的短语“在一个实施方式中”或“在一实施方式中”不必然全部指示同一实施方式。此外，用语“或”本意为表示包含性的“或”而非排他性的“或”。当本文中使用用语“大约”或“大致”时，这意味着表示所呈现的标称值精确至
±
10％的范围内。
93.尽管本文中的方法操作以特定顺序显示及说明，各方法的操作的顺序可被更改使得某些操作可以以相反顺序执行，使得某些操作至少部分地可与其他操作同时地执行。在另一实施方式中，不同操作的指令或子操作可以以间歇和/或交替的方式执行。
94.将理解，以上描述旨在是示例性的而非限制性的。在阅读与理解以上描述后，许多其他实施方式对于本领域技术人员而言将是显而易见的。因此，本公开内容的范围应当参照随附权利要求书以及这些权利要求所享有的等效物的完整范围来确定。