[發明專利]一種基于遷移學習確定EUV掩膜版缺陷尺寸的方法

有效

• 申請號: 201911388193.1
• 申請日: 2019-12-30
• 公開（公告）號: CN111145162B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 陳穎;董立松;陳睿;吳睿軒;粟雅娟;韋亞一
• 申請（專利權）人: 南京誠芯集成電路技術研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/08
• 代理公司: 南京中盟科創知識產權代理事務所(特殊普通合伙) 32279
• 代理人: 江冬萍

本發明的一種基于遷移學習確定EUV掩膜版缺陷尺寸的方法，包括以下步驟，S1：針對兩種缺陷，在已知的、不同的缺陷尺寸的情況下，通過光刻機投影得到空間像分布，分別收集大量bump樣本和少量pit樣本；S2：整理兩種樣本數據，分別分出名為訓練集和測試集兩部分數據；S3：針對bump樣本，利用機器學習算法和訓練集中的樣本數據，建立并調試EUV掩膜版缺陷尺寸檢測模型；S4：采用測試集中的bump樣本數據，對EUV掩膜版缺陷尺寸檢測模型進行測試，若測試失敗則返回步驟S3，若測試通過進入下一步；S5：在S3和S4訓練出的EUV掩膜版缺陷尺寸檢測模型的基礎上，采用pit樣本的訓練集數據，進一步調試EUV掩膜版缺陷尺寸檢測模型，并采用pit樣本測試集中的樣本數據，對EUV掩膜版缺陷尺寸檢測模型進行測試。

技術領域

本發明涉及半導體制造和參數檢測技術領域，具體涉及一種基于遷移學習確定EUV掩膜版缺陷尺寸的方法。

背景技術

在圖形轉移光刻工藝中，掩膜版上存在的缺陷，會對最終光刻投影結果造成影響。掩膜版的缺陷類型主要為bump(隆塊)缺陷以及pit(凹坑)缺陷。目前，已經發展到采用極紫外光刻技術(EUV)進行光刻。EUV采用的是短達13.5nm波長的光源，光學系統和掩模版均被迫采用反射式，且投影物鏡也采用物方非遠心的形式，受到缺陷的影響更為嚴重。在EUV掩膜版的制造過程中，缺陷的存在是不可避免的，缺陷的檢測也一直是需要重點研究的問題。

現有技術的檢測精度依賴昂貴的測試機臺以及額外的工藝步驟進行輔助檢測，會增加檢測成本。

發明內容

為了克服現有技術中的不足，本發明提出一種基于遷移學習確定EUV掩膜版缺陷尺寸的方法，其通過現有的計算機算法建立數學模型，分別對bump樣本以及pit樣本分量測試數學模型，精確pit樣本以及對bump樣本的缺陷尺寸。

為了實現上述目的，本發明的一種基于遷移學習確定EUV掩膜版缺陷尺寸的方法，其特征在于，包括以下步驟，S1：針對兩種類型的EUV掩膜版缺陷，在已知的、不同的缺陷尺寸的情況下，通過光刻機投影得到空間像分布，分別收集大量bump樣本和少量pit樣本；S2：整理兩種樣本數據，針對bump樣本和pit樣本，分別分出名為訓練集和測試集兩部分數據；S3：針對bump樣本，利用機器學習算法和訓練集中的樣本數據，建立并調試EUV掩膜版缺陷尺寸檢測模型；S4：采用測試集中的bump樣本數據，對EUV掩膜版缺陷尺寸檢測模型進行測試，若測試失敗則返回步驟S3，若測試通過進入下一步；S5：在S3和S4訓練出的EUV掩膜版缺陷尺寸檢測模型的基礎上，采用pit樣本的訓練集數據，進一步調試EUV掩膜版缺陷尺寸檢測模型，并采用pit樣本測試集中的樣本數據，對EUV掩膜版缺陷尺寸檢測模型進行測試。

進一步的，S1中，在EUV掩膜版光板上分別設計bump和pit兩種缺陷，并分別設置不同的缺陷尺寸大小，通過光刻機投影，收集在焦平面位置的空間像分布。

進一步的，S1中，共收集bump樣本2000個，采用隨機抽樣的方式，選取1600個結果作為訓練集，選取400個結果作為測試集；收集pit樣本197個，采用隨機抽樣的方式，選取158個結果作為訓練集，選取39個結果作為測試集。

進一步的，S4中，bump樣本測試失敗為,標準定義的檢測值與真值的平均偏差率在5％以上，標準定義的檢測值是利用數學模型，光刻空間像結果下得到的模型預測值；真值是該光刻空間像對應的真實缺陷尺寸。

進一步的，S5中，針對pit樣本進行訓練時，是在步驟S3和S4中得到的針對bump樣本的尺寸預測模型的基礎上，進行的調試訓練，模型架構一致，初始參數為bump樣本預測模型的參數。

進一步的，機器學習算法采用卷積神經網絡實現，直接將空間像作為網絡的輸入，自動提取特征進行訓練，卷積神經網絡包括輸入層、卷積層、池化層、全連接和輸出層；輸入層為訓練集中的二維空間像結果，輸出層為輸入層二維結果所對應的掩膜版缺陷尺寸。