[發(fā)明專利]一種用于識(shí)別半導(dǎo)體納米結(jié)構(gòu)形貌的方法

有效

• 申請?zhí)枺?/td>: 201210178809.4
• 申請日: 2012-06-01
• 公開（公告）號(hào): CN102735183A
• 公開（公告）日: 2012-10-17
• 發(fā)明（設(shè)計(jì)）人: 劉世元;朱金龍;張傳維;陳修國
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G01B11/24
• 分類號(hào): G01B11/24
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 曹葆青

技術(shù)領(lǐng)域

本發(fā)明屬于半導(dǎo)體散射光學(xué)測量領(lǐng)域，具體涉及一種基于支持向量機(jī)的納米結(jié)構(gòu)形貌識(shí)別方法，它適用于對(duì)半導(dǎo)體納米結(jié)構(gòu)的形貌特征進(jìn)行快速、精確地識(shí)別。

背景技術(shù)

在基于光學(xué)原理的半導(dǎo)體納米結(jié)構(gòu)特征尺寸測量領(lǐng)域中，光學(xué)散射儀(Scatterometry)是一種最為常見的特征尺寸測量設(shè)備。其測量過程包括正向光學(xué)特性建模和逆向求取兩個(gè)部分。正向光學(xué)特性建模是通過正向光學(xué)特性建模程序?qū)Υ郎y納米結(jié)構(gòu)的幾何模型進(jìn)行光學(xué)散射場仿真，獲取仿真光譜。逆向求取部分則包括將測量光譜與仿真光譜不斷進(jìn)行對(duì)比，在一定的評(píng)價(jià)函數(shù)下相似度最高的仿真光譜對(duì)應(yīng)的模型結(jié)構(gòu)參數(shù)即認(rèn)為是待測納米結(jié)構(gòu)的參數(shù)值。

在進(jìn)行逆向參數(shù)提取過程前，待測納米結(jié)構(gòu)的真實(shí)形貌特征（形貌特征是指納米結(jié)構(gòu)的外形輪廓）必須確認(rèn)。這是由于在半導(dǎo)體納米結(jié)構(gòu)制造過程中，由于工藝、環(huán)境等的影響，難免會(huì)導(dǎo)致部分制造中的納米結(jié)構(gòu)偏離其名義上的設(shè)計(jì)形貌特征，而正向光學(xué)特性建模過程中的建模對(duì)象是按照名義上的設(shè)計(jì)形貌特征展開光譜仿真的，這樣，即便通過逆向參數(shù)提取方法找到一個(gè)和這種偏離了設(shè)計(jì)形貌特征的待測結(jié)構(gòu)在光譜上最相似的仿真模型（一個(gè)仿真模型是一種納米結(jié)構(gòu)形貌特征的一個(gè)實(shí)際的對(duì)象，它具有唯一的形貌參數(shù)值如形貌的高度、寬度和側(cè)壁角等，或者唯一的材料參數(shù)值如反射率、消光系數(shù)等），這個(gè)模型所包含的形貌參數(shù)值或者材料參數(shù)值也是無意義的，無法代表真實(shí)的形貌參數(shù)值或者材料參數(shù)值。因此，在開展逆向參數(shù)提取過程之前，必須采用可靠的、嚴(yán)格的形貌特征識(shí)別方法，來對(duì)待測納米結(jié)構(gòu)的外形輪廓進(jìn)行準(zhǔn)確的分類與識(shí)別。

法國杰瑞吉等人(I.Gereige?et?al.,J.Opt.Soc.Am.A,Vol.25(7),pp.1661-1667,2008)提出了采用人工神經(jīng)網(wǎng)絡(luò)的方法來對(duì)納米結(jié)構(gòu)的形貌特征進(jìn)行識(shí)別與分類。在神經(jīng)網(wǎng)絡(luò)分類識(shí)別器中，分類識(shí)別器的輸入為不同形貌特征的納米結(jié)構(gòu)（如正弦光柵、梯形光柵）對(duì)應(yīng)著的仿真光譜，分類識(shí)別器的輸出為代表每一類具有不同形貌特征的納米結(jié)構(gòu)的數(shù)字向量，如[10]代表正弦光柵，[11]代表梯形光柵。神經(jīng)網(wǎng)絡(luò)分類識(shí)別器采用三層神經(jīng)網(wǎng)絡(luò)模型構(gòu)建，即包含輸入層神經(jīng)元、中間隱層神經(jīng)元和輸出層神經(jīng)元。一旦神經(jīng)網(wǎng)絡(luò)分類識(shí)別器訓(xùn)練完畢，將未知待測結(jié)構(gòu)對(duì)應(yīng)的測量光譜作為輸入向量輸入到分類識(shí)別器中，經(jīng)過分類識(shí)別器的分類識(shí)別，在輸出端輸出待測結(jié)構(gòu)的形貌特征。通過合理的設(shè)置相關(guān)參數(shù)，這種方法能夠達(dá)到相當(dāng)高的識(shí)別正確率。但是，神經(jīng)網(wǎng)絡(luò)是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理來設(shè)計(jì)的，這種先天涉及不足導(dǎo)致了其泛化能力的缺失，也就是說，當(dāng)待測結(jié)構(gòu)的真實(shí)形貌參數(shù)范圍超出訓(xùn)練光譜對(duì)應(yīng)的結(jié)構(gòu)參數(shù)取值范圍時(shí)，分類識(shí)別正確率將無法得到保證。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于識(shí)別半導(dǎo)體納米結(jié)構(gòu)形貌特征的方法，該方法能夠?qū)崿F(xiàn)不同類型不同大小的納米結(jié)構(gòu)形貌特征的區(qū)分與識(shí)別，且該方法實(shí)現(xiàn)流程簡單。

本發(fā)明提供的一種用于識(shí)別半導(dǎo)體納米結(jié)構(gòu)形貌特征的方法，包括以下步驟：

第1步給待識(shí)別的不同形貌特征的納米結(jié)構(gòu)均分配惟一的一個(gè)代表數(shù)字；

第2步對(duì)每一種不同形貌特征的納米結(jié)構(gòu)分別生成后續(xù)訓(xùn)練支持向量機(jī)的輸入數(shù)據(jù)，即訓(xùn)練光譜，支持向量機(jī)的輸出數(shù)據(jù)對(duì)應(yīng)于第1步中的代表數(shù)字；并確定支持向量機(jī)的核函數(shù)與訓(xùn)練方式；以及生成用于測試支持向量機(jī)的測試光譜；

第3步生成多種具有不同設(shè)置參數(shù)的支持向量機(jī)，利用測試光譜對(duì)所有支持向量機(jī)進(jìn)行特征形貌識(shí)別準(zhǔn)確率測試，找出識(shí)別準(zhǔn)確率、訓(xùn)練光譜數(shù)目和核函數(shù)之間的關(guān)系，作為支持向量機(jī)訓(xùn)練的第一指導(dǎo)原則；

第4步對(duì)第2步中生成的測試光譜添加不同量級(jí)的噪聲影響，將含有不同量級(jí)噪聲的測試光譜用于第3步中生成的多個(gè)支持向量機(jī)中進(jìn)行測試，找到在能保證正確識(shí)別率滿足實(shí)際需求情形下所能添加的最大噪聲量級(jí)，該最大噪聲量級(jí)作為支持向量機(jī)訓(xùn)練的第二指導(dǎo)原則；

第5步利用第3步和第4步中的兩個(gè)指導(dǎo)原則，訓(xùn)練得到最優(yōu)的支持向量機(jī)；

第6步利用該支持向量機(jī)對(duì)真實(shí)待識(shí)別結(jié)構(gòu)對(duì)應(yīng)的測量光譜進(jìn)行映射，從而識(shí)別其形貌。