[發(fā)明專利]用于缺陷分類器訓(xùn)練的主動(dòng)學(xué)習(xí)

有效

• 申請(qǐng)?zhí)枺?/td>: 201980037055.0
• 申請(qǐng)日: 2019-06-04
• 公開(kāi)（公告）號(hào): CN112219270B
• 公開(kāi)（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 張晶;董宇杰;B·達(dá)菲;R·威靈福德;M·達(dá)伊諾;K·巴哈斯卡爾
• 申請(qǐng)（專利權(quán)）人: 科磊股份有限公司
• 主分類號(hào): H01L21/67
• 分類號(hào): H01L21/67;H01L21/66;G03F7/20
• 代理公司: 北京律盟知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11287
• 代理人: 劉麗楠

本發(fā)明提供用于執(zhí)行用于缺陷分類器的主動(dòng)學(xué)習(xí)的方法及系統(tǒng)。一種系統(tǒng)包含經(jīng)配置用于執(zhí)行用于訓(xùn)練缺陷分類器的主動(dòng)學(xué)習(xí)的一或多個(gè)計(jì)算機(jī)子系統(tǒng)。所述主動(dòng)學(xué)習(xí)包含將采集函數(shù)應(yīng)用于樣品的數(shù)據(jù)點(diǎn)。所述采集函數(shù)基于與所述數(shù)據(jù)點(diǎn)相關(guān)聯(lián)的不確定性估計(jì)而選擇所述數(shù)據(jù)點(diǎn)中的一或多者。所述主動(dòng)學(xué)習(xí)還包含獲取所選擇的所述一或多個(gè)數(shù)據(jù)點(diǎn)的標(biāo)記及生成包含所選擇的所述一或多個(gè)數(shù)據(jù)點(diǎn)及所獲取的所述標(biāo)記的標(biāo)記數(shù)據(jù)集。所述計(jì)算機(jī)子系統(tǒng)還經(jīng)配置用于使用所述標(biāo)記數(shù)據(jù)集來(lái)訓(xùn)練所述缺陷分類器。所述缺陷分類器經(jīng)配置用于使用由成像子系統(tǒng)生成的圖像對(duì)所述樣品上檢測(cè)到的缺陷進(jìn)行分類。

技術(shù)領(lǐng)域

本發(fā)明大體上涉及用于執(zhí)行用于訓(xùn)練缺陷分類器的主動(dòng)學(xué)習(xí)的方法及系統(tǒng)。

背景技術(shù)

以下描述及實(shí)例不因其包含于此章節(jié)中而被認(rèn)為是現(xiàn)有技術(shù)。

制造例如邏輯及存儲(chǔ)器裝置的半導(dǎo)體裝置通常包含使用大量半導(dǎo)體制造過(guò)程處理例如半導(dǎo)體晶片的襯底以形成半導(dǎo)體裝置的各種特征及多個(gè)層級(jí)。舉例來(lái)說(shuō)，光刻是涉及將圖案從分劃板轉(zhuǎn)印到布置于半導(dǎo)體晶片上的抗蝕劑的半導(dǎo)體制造過(guò)程。半導(dǎo)體制造過(guò)程的額外實(shí)例包含(但不限于)化學(xué)機(jī)械拋光(CMP)、蝕刻、沉積及離子植入。多個(gè)半導(dǎo)體裝置可制造為單個(gè)半導(dǎo)體晶片上的布置，且接著分離成個(gè)別半導(dǎo)體裝置。

在半導(dǎo)體制造過(guò)程期間的各個(gè)步驟使用檢驗(yàn)過(guò)程來(lái)檢測(cè)晶片上的缺陷以促進(jìn)制造過(guò)程中的較高良率及因此較高利潤(rùn)。檢驗(yàn)始終是制造半導(dǎo)體裝置的重要部分。然而，隨著半導(dǎo)體裝置的尺寸減小，檢驗(yàn)對(duì)于可接受半導(dǎo)體裝置的成功制造而言變得甚至更重要，這是因?yàn)檩^小缺陷可導(dǎo)致裝置故障。

任何成功的基于機(jī)器學(xué)習(xí)的檢驗(yàn)過(guò)程需要特定量的訓(xùn)練。訓(xùn)練包含選擇用于使樣品成像(或以其它方式生成樣品的輸出)的一或多個(gè)參數(shù)及/或選擇用于處理圖像(或其它輸出)以檢測(cè)樣品上的缺陷及/或執(zhí)行樣品的其它功能的一或多個(gè)參數(shù)。用于使樣品成像的(若干)參數(shù)通常可為檢驗(yàn)系統(tǒng)的成像硬件的參數(shù)而用于處理圖像的(若干)參數(shù)可為用于從圖像確定關(guān)于樣品的有用信息的計(jì)算機(jī)系統(tǒng)及/或算法的參數(shù)。

發(fā)現(xiàn)用于檢驗(yàn)過(guò)程的適當(dāng)參數(shù)的一個(gè)困難產(chǎn)生于發(fā)現(xiàn)可用于設(shè)置檢驗(yàn)過(guò)程的樣品上的實(shí)際缺陷的適合實(shí)例的有時(shí)繁瑣及/或困難性質(zhì)。舉例來(lái)說(shuō)，尤其與樣品上檢測(cè)到的擾亂事件(nuisance event)的數(shù)目相比較，樣品上的實(shí)際令人關(guān)注的所關(guān)注缺陷(DOI)的數(shù)目可能相對(duì)較小。然而，通常需要在一或多個(gè)設(shè)置樣品上發(fā)現(xiàn)適合DOI實(shí)例且使用那些DOI實(shí)例來(lái)設(shè)置檢驗(yàn)配方以發(fā)現(xiàn)可在其它樣品上檢測(cè)到那些DOI的檢驗(yàn)配方參數(shù)。因此，發(fā)現(xiàn)DOI及/或新DOI類型對(duì)于成功檢驗(yàn)過(guò)程設(shè)置而言可能相對(duì)困難但為必要的。

從算法角度，已在具有啟發(fā)式采集函數(shù)的樹(shù)或隨機(jī)森林缺陷分類模型上構(gòu)建缺陷發(fā)現(xiàn)的一些嘗試。從系統(tǒng)角度，全部缺陷發(fā)現(xiàn)嘗試已集中于單個(gè)工具類型，例如，僅一個(gè)類型的檢驗(yàn)工具。

因此，用于設(shè)置檢驗(yàn)過(guò)程的當(dāng)前使用方法及系統(tǒng)具有若干缺點(diǎn)。舉例來(lái)說(shuō)，現(xiàn)存方法無(wú)法支持深度及廣泛模型(例如，深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等)或模型的組合。在另一實(shí)例中，現(xiàn)存方法中使用的啟發(fā)式采集函數(shù)不具有理論基礎(chǔ)且不具有下限性能保證。在額外實(shí)例中，本發(fā)明擾亂過(guò)濾器模型預(yù)測(cè)無(wú)法提供不確定性估計(jì)。在又另一實(shí)例中，現(xiàn)存方法集中于單個(gè)工具類型，其不支持例如本文中描述的其它工具類型。

因此，開(kāi)發(fā)不具有上文描述的缺點(diǎn)中的一或多者的用于執(zhí)行用于訓(xùn)練缺陷分類器的主動(dòng)學(xué)習(xí)的系統(tǒng)及方法將為有利的。

發(fā)明內(nèi)容

各個(gè)實(shí)施例的以下描述絕不應(yīng)被解釋為限制隨附技術(shù)方案的標(biāo)的物。