[發(fā)明專利]半導體樣品的基于深度學習的檢查的方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201980006809.6
• 申請日: 2019-02-07
• 公開（公告）號: CN111512324A
• 公開（公告）日: 2020-08-07
• 發(fā)明（設計）人: O·肖比;D·蘇哈諾夫;A·阿斯巴格;B·科恩
• 申請（專利權）人: 應用材料以色列公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/03;G06K9/46;G06K9/62;G06T7/00;G01N21/95
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 侯穎媖;張鑫

1.一種檢查半導體樣品的方法，所述方法包括：

在通過計算機獲得在半導體制造工藝內針對給定的檢查相關的應用來訓練的深度神經網絡(DNN)之后，使用經訓練的所述DNN以處理制造工藝(FP)樣本，其中所述FP樣本包括：從一個或多個第一檢查模態(tài)接收到的一個或多個第一FP圖像和從一個或多個第二檢查模態(tài)接收到的一個或多個第二FP圖像，所述一個或多個第二檢查模態(tài)與所述第一檢查模態(tài)不同，并且其中經訓練的所述DNN與所述一個或多個第二FP圖像分開地處理所述一個或多個第一FP圖像；以及

通過所述計算機，來通過經訓練的所述DNN來處理所述一個或多個第一FP圖像和所述一個或多個第二FP圖像的至少單獨處理的結果以獲得檢查相關的數據，所述檢查相關的數據特定于給定的應用并且表征經處理的所述FP圖像中的至少一個。

2.如權利要求1所述的方法，其中所述FP樣本進一步包括與在所述FP樣本中的所述FP圖像相關聯的數值數據，所述方法進一步包括：

通過經訓練的所述DNN來與處理所述一個或多個第一FP圖像和處理所述一個或多個第二FP圖像分開地處理所述數值數據的至少部分；以及

經由通過經訓練的所述DNN來處理所述一個或多個第一FP圖像和所述一個或多個第二FP圖像的單獨處理的結果、以及對所述數值數據的至少部分進行處理的結果，來獲得特定于所述給定的應用的所述檢查相關的數據。

3.如權利要求1所述的方法，其中所述FP樣本進一步包括與在所述FP樣本中的所述FP圖像相關聯的數值數據，所述方法進一步包括：

通過經訓練的所述DNN來與處理所述一個或多個第一FP圖像與處理所述一個或多個第二FP圖像分開地處理所述數值數據的至少部分；以及

通過經訓練的所述DNN來匯聚所述一個或多個第一FP圖像和所述一個或多個第二FP圖像的單獨處理的結果，從而產生匯聚的圖像數據；以及

經由通過經訓練的所述DNN來處理所述匯聚的圖像數據、以及單獨處理數值數據的至少部分的結果來獲得特定于所述給定的應用的所述檢查相關的數據。

4.如權利要求1所述的方法，其中所述檢查特定的應用是從包括以下項的群組中選出的：檢測在所述半導體樣品中的缺陷；對于在所述半導體樣品中的缺陷進行分類；在至少兩個制造工藝(FP)圖像之間進行配準；分割至少一個FP圖像，所述至少一個FP圖像是從包括所述半導體樣品的高分辨率圖像、所述半導體樣品的低分辨率圖像、以及所述半導體樣品的基于設計數據的圖像的所述群組中選出的；基于回歸地重建與通過不同的檢查模態(tài)獲得的數據相對應的FP圖像以及基于回歸地重建圖像特性。

5.如權利要求1所述的方法，其中所述一個或多個第一檢查模態(tài)通過以下項中的至少一個而與所述一個或多個第二檢查模態(tài)有所不同：檢查工具、相同的檢查工具的通道、相同的檢查工具和/或通道的操作參數、與相應的FP圖像相對應的所述半導體樣品的層、獲得所述FP圖像的性質和應用至捕獲到的圖像的導出技術。

6.如權利要求1所述的方法，其中所述一個或多個第一FP圖像是低分辨率圖像，并且所述一個或多個第二FP圖像是高分辨率圖像。

7.如權利要求2所述的方法，其中所述數值數據包括元數據和/或手工構建的屬性。

8.如權利要求1所述的方法，其中所述DNN是使用針對來自所有制造階段的所有類型的層和產物所收集到的FAB數據來訓練的。

9.如權利要求1所述的方法，其中所述DNN在與所述FAB數據不同的數據集上進行粗略的訓練，并且進一步地在所述FAB數據的至少一部分上針對特定的檢查相關的應用進行精細的訓練。

10.如權利要求1所述的方法，其中所述檢查特定的應用是對在所述半導體樣品中的缺陷進行分類，并且其中特定于所述給定的應用的所述檢查相關的數據是分類相關的屬性和/或表征待分類的至少一個缺陷的分類標記。