轮廓概率预测方法与流程

本发明构思涉及半导体工艺，并且更具体地，涉及概率上预测形成在晶片(wafer)上的图案的轮廓的方法。

背景技术：

1、近来，由于存储器单元的大小已经针对信息和通信设备的高度集成而减小，因此用于半导体设备操作的操作电路和电气连接变得复杂。因此，在半导体设备的制造中，极紫外(extreme ultraviolet，euv)光刻工艺被应用于实现精细尺寸加工。然而，在euv光刻工艺中，单位面积的光子数量相比于深紫外(deep ultraviolet，duv)图案化减少到1/14，从而由于光子的随机分布而易于受到不良图案化的影响。

技术实现思路

1、本发明构思提供了一种概率上预测通过图案化过程形成的轮廓(contour)的方法。

2、本发明构思的技术思想要解决的任务不限于上述任务，并且本领域普通技术人员可以从根据下描述清楚地理解未提及的其他任务。

3、根据本发明构思的一个方面，提供了一种概率上预测轮廓的轮廓概率预测训练方法，该轮廓概率预测训练方法包括：获取针对已经根据设计图像对其执行了工艺的晶片的图像的多个轮廓图像；从该多个轮廓图像确定轮廓平均和轮廓标准偏差；基于该轮廓平均和该轮廓标准偏差，生成表示概率分布的概率分布图像；以及使用该设计图像和该概率分布图像作为概率预测模型的输入，深度学习训练该概率预测模型。

4、此外，根据本发明构思的另一个方面，提供了一种用于概率上预测轮廓的轮廓概率预测方法，该轮廓概率预测方法包括：获取针对已经根据设计图像对其执行了工艺的晶片的图像的多个轮廓图像；从该多个轮廓图像确定轮廓平均和轮廓标准偏差；基于该轮廓平均和该轮廓标准偏差生成表示概率分布的概率分布图像；使用该设计图像的至少一部分和与该设计图像的至少一部分相对应的概率分布图像的至少一部分作为概率预测模型的输入，深度学习训练该概率预测模型；在深度学习训练之后，通过将该晶片的设计图像输入到该概率预测模型来生成针对该设计图像的晶片概率预测图像；以及当所生成的晶片概率预测图像中包括的多个目标图案中的每一个的、与缺陷图案形成的概率相对应的概率值等于或大于阈值时，输出对应的目标图案作为热点(hotspot)，其中，该与缺陷图案相对应的概率值是表示该多个目标图案中的每一个偏离有效标准的概率的值。

5、此外，根据本发明构思的另一个方面，提供了一种概率上预测轮廓的轮廓概率预测方法，该轮廓概率预测方法包括：在晶片的显影后检查adi检查状态或清洗后检查aci状态中的至少一种状态下获取针对已经根据设计图像对其执行了极紫外(euv)光刻工艺的该晶片的一部分的多个轮廓图像；从该多个轮廓图像确定轮廓平均和轮廓标准偏差；基于该轮廓平均和该轮廓标准偏差生成表示概率分布的概率分布图像；使用该设计图像的至少一部分和与该设计图像的至少一部分相对应的概率分布图像的至少一部分作为概率预测模型的输入，深度学习训练该概率预测模型；在深度学习训练之后，通过将该晶片的设计图像输入到概率预测模型来生成针对该设计图像的晶片概率预测图像；以及当所生成的晶片概率预测图像中包括的多个目标图案中的每一个的、与缺陷图案形成的概率相对应的概率值等于或大于阈值时，输出对应的目标图案作为热点，其中，该与缺陷图案相对应的概率值是表示该多个目标图案中的每一个偏离有效标准的概率的值。

技术特征：

1.一种用于概率上预测轮廓的轮廓概率预测训练方法，所述轮廓概率预测训练方法包括：

2.根据权利要求1所述的方法，其中，获取多个轮廓图像包括：在对所述晶片的显影之后在显影后检查adi状态下获取针对所述晶片的图像的多个轮廓图像、或者在对所述晶片的清洗之后在清洗后检查aci状态下获取针对所述晶片的图像的多个轮廓图像中的至少一项。

3.根据权利要求1所述的方法，还包括：

4.根据权利要求3所述的方法，其中，在所述图像的生成中，所述设计图像对应于已经对其执行了所述工艺的所述晶片的整体。

5.根据权利要求1所述的方法，其中，所述多个轮廓图像对应于所述晶片的一部分。

6.根据权利要求1所述的方法，其中，所述多个轮廓图像包括十个或更少的图像。

7.根据权利要求2所述的方法，其中，所述adi和aci是用于检查所述晶片的缺陷、粒子或临界尺寸cd中的至少一个的检查工艺。

8.根据权利要求3所述的方法，其中，生成晶片概率预测图像包括：通过根据所述概率预测模型表示所述轮廓平均和所述轮廓标准偏差来生成晶片概率预测图像。

9.根据权利要求8所述的方法，其中，所述概率分布包括高斯分布。

10.根据权利要求2所述的方法，其中，对所述晶片执行的工艺包括极紫外euv光刻工艺。

11.根据权利要求8所述的方法，还包括：

12.根据权利要求11所述的方法，其中，所述与缺陷图案相对应的概率值是表示所述多个目标图案中的每一个偏离有效标准的概率的值。

13.根据权利要求11所述的方法，其中，缺陷图案可能出现的阈值是0.006％至0.3％之间的值。

14.根据权利要求1所述的方法，其中，所述概率预测模型是生成对抗网络gan。

15.一种用于概率上预测轮廓的轮廓概率预测方法，所述轮廓概率预测方法包括：

16.根据权利要求15所述的轮廓概率预测方法，其中，所述概率预测模型被配置为预测由暴露于极紫外euv而引起的缺陷的概率。

17.根据权利要求15所述的轮廓概率预测方法，其中，所述多个轮廓图像是扫描电子显微镜sem图像，并且所述设计图像的内容是设计布局、抗蚀剂图像、空间图像、斜率图、密度图或光子图之一。

18.根据权利要求15所述的轮廓概率预测方法，其中，所述多个轮廓图像包括十个或更少的图像。

19.一种概率上预测轮廓的轮廓概率预测方法，所述轮廓概率预测方法包括：

20.根据权利要求19所述的轮廓概率预测方法，其中，在多个轮廓图像的获取中，所述多个轮廓包括十个或更少的图像，

技术总结提供了一种概率上预测轮廓的轮廓概率预测方法，该轮廓概率预测方法包括：获取针对已经根据设计图像对其执行了工艺的晶片的图像的多个轮廓图像；根据该多个轮廓图像确定轮廓平均和轮廓标准偏差；基于该轮廓平均和该轮廓标准偏差，生成利用概率分布计算的概率分布图像；以及通过将该设计图像和该概率分布图像输入到概率预测模型，来深度学习训练概率预测模型。技术研发人员：李赫,梁宰圆,许建受保护的技术使用者：三星电子株式会社技术研发日：技术公布日：2024/9/12