[發明專利]一種基于光學衍射的套刻誤差提取方法

有效

• 申請號: 201910581646.6
• 申請日: 2019-06-30
• 公開（公告）號: CN110347017B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 石雅婷;李曠逸;陳修國;劉世元
• 申請（專利權）人: 華中科技大學
• 主分類號: G03F9/00
• 分類號: G03F9/00;G03F7/20;G06N3/08;G06N3/04
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 尚威;李智

1.一種基于光學衍射的套刻誤差提取方法，其特征在于，包括如下步驟：

(1)確定套刻標記結構及材料光學常數：

該套刻標記包括兩個套刻標記單元，分別用于提取X方向和Y方向的套刻誤差，兩個套刻標記單元剖面結構相同，從上至下第一層至第四層依次為掩膜光柵層、掩膜薄膜層、光刻光柵與薄膜材料混合層、氧化薄膜層；各層材料的光學常數包括折射率n和消光系數k；套刻標記結構參數包括：

掩膜光柵與光刻光柵的周期Λ，掩膜光柵與光刻光柵的線寬CD₁、CD₂，套刻標記第一層至第四層的高度H₁、H₂、H₃、H₄，光刻光柵的左右側壁角LSWA、RSWA，以及套刻誤差的理論值δ；

(2)根據步驟(1)確定的套刻標記結構參數、材料光學常數，結合預設的測量條件建立套刻標記正向光學特性模型，獲得套刻誤差的光學表征量；

(3)根據步驟(1)確定的套刻標記結構參數及步驟(2)建立的套刻標記正向光學特性模型，通過在指定偏差范圍內對套刻標記結構參數進行隨機取值，生成包含光學表征量和套刻誤差理論值δ的多個訓練樣本；

(4)確定神經網絡結構，將光學表征量作為該神經網絡的輸入層，套刻誤差作為該神經網絡的輸出層；輸出層輸出的結果為套刻誤差的提取值δ'；

(5)建立表征套刻誤差的提取值δ'與套刻誤差的理論值δ之間偏差的損失函數，將全部訓練樣本的光學表征量輸入神經網絡一次并得到相應的輸出，視為完成一次迭代；迭代指定次數或迭代至損失函數值達到預設范圍內或損失函數值穩定時，終止迭代，得到訓練好的神經網絡；

(6)將待測套刻標記實測獲得的光學表征量輸入訓練好的神經網絡，提取套刻誤差。

2.如權利要求1所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(2)中的光學表征量為反射率、橢偏參數，或者穆勒矩陣中的任意一種；測量條件包括入射角θ、方位角波長λ、入射光電場矢量Ε和偏振角Ψ。

3.如權利要求2所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(2)中獲取的光學表征量為穆勒矩陣，所述穆勒矩陣是變化單個測量條件得到的一維套刻誤差光學表征譜，或者變化兩個測量條件得到的二維套刻誤差光學表征矩陣，或者變化多個測量條件得到的高維數據。

4.如權利要求1所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(4)建立的網絡結構為全連接網絡、卷積神經網絡或循環神經網絡。

5.如權利要求4所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(4)建立的網絡結構為全連接網絡，表達式如下：

其中，M_i表示穆勒光譜中第i個數據，w_i,j表示第i個接口與第j個神經元的連接權值，b_j和h_j分別表示第j個神經元的偏置及該神經元與輸出層δ的連接權值，LR是每一神經元的激活函數。

6.如權利要求5所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，訓練之前先對w_i,j、h_j和b_j在±0.001的范圍內進行隨機初始化。

7.如權利要求1～6任意一項所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(5)中的損失函數為均方差損失函數、交叉熵損失函數或指數損失函數。

8.如權利要求7所述的一種基于光學衍射的套刻誤差提取方法，其特征在于，步驟(5)中的損失函數為均方誤差損失函數，表達式如下：

其中，δ_n、δ′_n分別表示第n個訓練樣本的套刻誤差理論值和套刻誤差提取值，MSE是均方誤差，X₀為訓練樣本總數。