用于光学或其它模式选择的深度生成模型的制作方法

本发明一般来说涉及用于选择用于对样品执行的工艺的工具的模式的方法及系统。

背景技术：

1、以下描述及实例并不由于其包含于此章节中而被认为是现有技术。

2、制作例如逻辑及存储器装置等半导体装置通常包含使用大量半导体制作工艺来处理例如半导体晶片等衬底以形成所述半导体装置的各种特征及多个层级。举例来说，光刻是涉及将图案从光罩转印到布置于半导体晶片上的抗蚀剂的半导体制作工艺。半导体制作工艺的额外实例包含但不限于化学机械抛光(cmp)、蚀刻、沉积及离子植入。可将多个半导体装置制作于单个半导体晶片上的布置中，且然后将其分离成个别半导体装置。

3、在半导体制造工艺期间在各个步骤处使用检验工艺来检测晶片上的缺陷以推动在所述制造工艺中的合格率变高且因此利润变高。检验始终是制作半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于成功制造出可接受的半导体装置变得更加重要，这是因为较小缺陷可能会导致装置出故障。

4、设置大多数检验工艺的一个重大障碍是识别充足数目个所关注缺陷(doi)，所述充足数目个所关注缺陷然后可用来设定检验工艺的各种参数。举例来说，旧方法依赖于doi的可用性；然而，在许多情形中，doi实例的数目大体上受限制，而且例如在基于印刷检查的缺陷应用的情形中可通过数据收集过程容易地损坏所述doi实例。通常需要此类doi来设定硬件参数(例如光学或其它成像参数)及软件类型参数(例如缺陷分类设定、滋扰滤波器参数等等)两者。当光学或其它检验工具更改缺陷及/或晶片时或当缺陷是不可用的时，不可能进行恰当光学模式选择。以此方式，如果可能未在一或若干设置样品上找到足够doi实例，那么所得检验处方对于检测及识别其它样品上的那些doi可为次优的。

5、虽然滋扰实例对于设置此类硬件及软件参数也可为有用的，但滋扰实例往往是极其容易地可用的。举例来说，当设置新检验工艺时，可对设置样品执行热扫描，其中用于缺陷检测的阈值设定在检验系统输出的噪声基底处、所述噪声基底附近或甚至所述噪声基底中。因此，此扫描可产生比所需要的多得多的滋扰实例，且那些滋扰可使识别doi实例特别困难，这是因为所述doi实例需要与所有所检测事件分离，大部分所述所检测事件是滋扰。

6、因此，开发用于选择用于对样品执行的工艺的工具的模式的系统及方法将是有利的，所述方法及系统不具有上文所描述的缺点中的一或多者。

技术实现思路

1、对各种实施例的以下描述不应以任何方式解释为限制所附权利要求书的标的物。

2、一个实施例涉及一种经配置以选择用于对样品执行的工艺的工具的模式的系统。所述系统包含一或多个计算机子系统及由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含生成对抗网络(gan)。一或多个计算机子系统经配置以用于修改样品的设计数据的一部分以产生所述设计数据的人为缺陷部分。所述一或多个计算机子系统还经配置以用于通过将所述设计数据的所述部分及所述设计数据的所述人为缺陷部分输入到所述gan中而产生所述样品的经模拟图像。另外，所述一或多个计算机子系统经配置以用于确定所述经模拟图像的一或多个特性且基于所述一或多个所确定特性而选择用于对所述样品执行的工艺的工具的模式。所述系统可按照本文中的描述来进一步配置。

3、另一实施例涉及一种用于选择用于对样品执行的工艺的工具的模式的计算机实施方法。所述方法包含上文所描述的修改、产生、确定及选择步骤，所述步骤由一或多个计算机系统执行。可按照本文中的详尽描述来进一步执行所述方法的所述步骤中的每一者。所述方法可包含本文中所描述的任何其它方法的任何其它步骤。所述方法可由本文中所描述的所述系统中的任一者执行。

4、另一实施例涉及一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在一或多个计算机系统上执行以执行用于选择用于对样品执行的工艺的工具的模式的计算机实施方法。所述计算机实施方法包含上文所描述的方法的步骤。所述计算机可读媒体可按照本文中的描述来进一步配置。可按照本文中的详尽描述来执行所述计算机实施方法的所述步骤。另外，其中可执行所述程序指令的所述计算机实施方法可包含本文中所描述的任何其它方法的任何其它步骤。

技术特征：

1.一种经配置以选择用于对样品执行的工艺的工具的模式的系统，其包括：

2.根据权利要求1所述的系统，其中所述生成对抗网络被配置为条件生成对抗网络。

3.根据权利要求1所述的系统，其中利用由所述工具所生成的所述样品或与所述样品相同类型的另一样品的图像以及所述样品或所述另一样品的所述设计数据来训练所述生成对抗网络。

4.根据权利要求1所述的系统，其中所述生成对抗网络经训练以针对所述工具的第一模式生成所述经模拟图像，且其中生成所述样品的所述经模拟图像包括将所述设计数据的所述部分及所述设计数据的所述人为缺陷部分输入到额外生成对抗网络中，所述额外生成对抗网络经训练以针对所述工具的第二模式生成所述经模拟图像。

5.根据权利要求1所述的系统，其中所述生成对抗网络经训练以针对所述工具的不同模式生成所述经模拟图像。

6.根据权利要求1所述的系统，其中针对所述工具的不同模式生成所述经模拟图像，其中针对为所述工具的所述不同模式生成的所述经模拟图像确定所述一或多个特性，且其中基于所述一或多个所确定特性而选择所述工具的所述模式包括对针对为所述工具的所述不同模式生成的所述经模拟图像而确定的所述一或多个特性进行比较。

7.根据权利要求1所述的系统，其中选择所述工具的所述模式包括基于所述一或多个所确定特性而为所述工艺选择所述工具的多于一个模式。

8.根据权利要求1所述的系统，其中确定所述一或多个特性包括：从针对所述设计数据的所述人为缺陷部分生成的所述经模拟图像中的一者减去针对所述设计数据的所述部分生成的所述经模拟图像中的一者，借此生成差异图像；以及确定所述差异图像的一或多个特性。

9.根据权利要求8所述的系统，其中所述差异图像的所述一或多个所确定特性包括所述差异图像的信噪比值。

10.根据权利要求1所述的系统，其中可在所述样品上检测到的实际缺陷的数目对于为所述工艺选择所述模式是不充足的。

11.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于在不具有在所述样品上检测到的一或多个实际缺陷的信息的情况下确定所述设计数据的所述人为缺陷部分的一或多个特性。

12.根据权利要求1所述的系统，其中基于所述样品上的所关注缺陷的信息而执行修改所述样品的所述设计数据的所述部分，且其中在修改所述设计数据的所述部分之前在由所述工具执行的设置扫描中未能在所述样品上检测到所述所关注缺陷的实际实例。

13.根据权利要求1所述的系统，其中基于已知由所述工具通过重复成像而更改的所述样品上的所关注缺陷的信息而执行修改所述样品的所述设计数据的所述部分。

14.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于修改所述设计数据的额外部分以生成所述设计数据的额外人为缺陷部分，基于所述样品上的第一所关注缺陷的信息而确定所述设计数据的所述人为缺陷部分的一或多个特性，且基于所述样品上的第二所关注缺陷的信息而确定所述设计数据的所述额外人为缺陷部分的一或多个特性，且其中生成所述经模拟图像包括将所述设计数据的所述额外部分及所述设计数据的所述额外人为缺陷部分输入到所述生成对抗网络或额外生成对抗网络中。

15.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于修改所述设计数据的额外部分以生成所述设计数据的人为滋扰部分且基于所述样品上的滋扰的信息而确定所述设计数据的所述人为滋扰部分的一或多个特性，且其中生成所述经模拟图像包括将所述设计数据的所述额外部分及所述设计数据的所述人为滋扰部分输入到所述生成对抗网络或额外生成对抗网络中。

16.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于利用由所述工具生成的额外样品的图像来重新训练所述生成对抗网络，借此生成经重新训练的生成对抗网络，其中所述样品与所述额外样品是同一类型，且其中所述一或多个计算机子系统进一步经配置以用于通过将所述设计数据的所述部分及所述设计数据的所述人为缺陷部分输入到所述经重新训练的生成对抗网络中而生成所述额外样品的额外经模拟图像，确定所述额外经模拟图像的一或多个特性，且基于所述额外经模拟图像的所述一或多个所确定特性而选择用于对所述额外样品执行的所述工艺的所述工具的模式。

17.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于在已有意地改变对所述样品及所述额外样品执行的制作工艺之后执行所述重新训练。

18.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以用于在已对预定数目个样品执行对所述样品执行的制作工艺之后执行所述重新训练。

19.根据权利要求1所述的系统，其中所述工具是基于光的检验工具。

20.根据权利要求1所述的系统，其中所述工具是基于电子的检验工具。

21.根据权利要求1所述的系统，其中所述样品是晶片。

22.一种存储程序指令的非暂时性计算机可读媒体，所述程序指令可在一或多个计算机系统上执行以执行用于选择用于对样品执行的工艺的工具的模式的计算机实施方法，其中所述计算机实施方法包括：

23.一种用于选择用于对样品执行的工艺的工具的模式的计算机实施方法，其包括：

技术总结
本发明提供用于选择用于对样品执行的工艺的工具的模式的方法及系统。一种系统包含一或多个计算机子系统及由所述一或多个计算机子系统执行的一或多个组件。所述一或多个组件包含生成对抗网络(GAN)，例如条件GAN(cGAN)。所述计算机子系统经配置以用于修改样品的设计数据的一部分以生成所述设计数据的人为缺陷部分，且通过将所述设计数据的所述部分及所述设计数据的所述人为缺陷部分输入到所述GAN中而产生所述样品的经模拟图像。所述计算机子系统还经配置以用于确定所述经模拟图像的一或多个特性，且基于所述一或多个所确定特性而选择用于对所述样品执行的工艺的工具的模式。

技术研发人员：B·布拉尔
受保护的技术使用者：科磊股份有限公司
技术研发日：
技术公布日：2024/1/13