基于模型的度量及过程模型的经整合使用

摘要

本发明揭示用于基于整合基于度量的目标模型及基于过程的目标模型的测量模型来执行测量的方法及系统。采用经整合测量模型的系统可用于测量一或多个目标的结构及材料特性，且还可用于测量过程参数值。可按若干不同方法将基于过程的目标模型与基于度量的目标模型整合。在一些实例中，基于所述基于过程的目标模型来确定对度量模型参数的值的范围的约束。在一些其它实例中，所述经整合测量模型包含由所述基于过程的目标模型所约束的所述基于度量的目标模型。在一些其它实例中，基于所述过程模型，依据其它度量模型参数来表示一或多个度量模型参数。在一些其它实例中，将过程参数代入所述度量模型。

说明书

相关申请案的交叉参考

本专利申请案根据35U.S.C.§119主张2012年12月18日提交的名为“用于基于模 型度量及过程模型的经整合使用的方法(Method for Integrated Use of Model-based  Metrology and a Process Model)”的第61/738,760号美国临时专利申请案的优先权，所述 申请案的标的物以全文引用的方式并入本文中。

技术领域

所描述的实施例涉及度量系统及方法，且更特定来说涉及用于经改善参数测量的方 法及系统。

背景技术

通常通过应用到样品的一连串处理步骤制造例如逻辑及存储器装置的半导体装置。 通过这些处理步骤形成半导体装置的多种特征及多个结构层。举例来说，光刻尤其为涉 及在半导体晶片上产生图案的半导体制造过程。半导体制造过程的额外实例包含(但不限 于)化学机械抛光、蚀刻、沉积及离子植入。多个半导体装置可在单一半导体晶片上制造 且接着分离成个别半导体装置。

在半导体制造过程期间的各种步骤中使用度量过程以检测晶片上的缺陷以促进更 高良率。光学度量技术提供高生产量的可能性而无样品破坏的风险。通常使用包含散射 测量及反射测量实施方案的若干基于光学度量的技术及相关联的分析算法来表征临界 尺寸、膜厚度、组成及纳米结构的其它参数。

传统地，在由薄膜及/或重复周期结构组成的目标上执行光学度量。在装置制造期间， 这些膜及周期结构通常表示实际装置几何形状及材料结构或中间设计。当装置(例如，逻 辑及存储器装置)朝向更小的纳米比例尺寸移动时，表征变得更困难。并有复杂三维几何 形状及具有多种物理性质的材料的装置造成表征困难。

举例来说，现代存储器结构通常为使光学辐射难以穿透到底层的高宽高比三维结 构。另外，表征复杂结构(例如，FinFET)所需的参数的逐渐增加的数目导致逐渐增加的 参数相关性。因此，表征目标的测量模型参数通常无法可靠地解耦合。

响应于这些挑战，已开发更复杂光学工具。测量在大范围的若干机器参数(例如，波 长、入射的方位及角度等)上执行且通常同时执行。因此，测量时间、计算时间及产生可 靠结果的总时间(包含测量配方)显著增加。另外，在大波长范围上的光强度的扩展减小 在任何特定波长处的照明强度且增加在所述波长处执行的测量的信号不确定性。

归因于逐渐增加的小分辨率要求、多参数相关性、日益复杂的几何结构及非透明材 料的逐渐增加的使用，进一步度量应用提出对于度量的挑战。因此，需要用于改善的测 量的方法及系统。

发明内容

本发明呈现用于基于整合基于过程的目标模型及基于度量的目标模型来训练测量 模型的方法及系统。通过整合基于度量的目标模型及基于过程的目标模型，改善了度量 模型及过程模型中的一者或两者的预测性结果。

在一个方面中，使用采用经整合测量模型的系统来测量一或多个目标的结构及材料 特性(例如，材料组成、结构及膜的尺寸特性等)。在另一方面中，使用采用经整合测量 模型的测量系统来直接测量过程参数值。

基于过程的目标模型可与基于度量的目标模型整合以按若干不同方式产生经整合 测量模型。

在一些实例中，基于基于过程的目标模型确定对度量模型参数的值的范围的约束。 更具体来说，基于过程模型参数的可实现值的范围确定所述约束。

在一些其它实例中，经整合测量模型包含通过基于过程的目标模型约束的基于度量 的目标模型。这减小与经整合测量模型相关联的解空间的大小。以此方式，对基于度量 的目标模型参数的基于过程的约束组通过基于过程的目标模型而界定且经应用到基于 度量的目标模型。

在一些其它实例中，基于过程模型根据其它度量模型参数表示一或多个度量模型参 数。这减小经整合测量模型的浮动参数的总数目且减小参数相关性。归因于限于由制造 过程允许的目标变化的较小搜索空间，这还增加拟合引擎(例如，回归引擎)的效率及稳 健性。

在一些其它实例中，将过程参数代入度量模型。接着使用经整合测量模型将这些过 程参数解出为测量数据的分析的部分。以此方式，经整合测量模型的参数化包含基于过 程的变量且直接从测量信号确定过程参数值。

在一些实例中，经整合测量模型用于连续测量过程参数值。经整合测量模型包含用 作测量分析的部分的基于度量的目标模型以从测量数据确定几何参数值。经整合测量模 型还包含基于过程的模型以从所述几何参数值确定过程参数值。

在另一方面中，可基于度量模型改善过程模型。在一些实例中，使用从度量模型获 得的信息改善过程模型的校准。在一个实例中，几何轮廓与过程变化之间的预表征关系 可用于过程配方产生。另外，可按训练度量模型的方式校准过程模型。

在又一方面中，可从基于过程的目标模型完全或部分组装经整合测量模型。

在又一方面中，可在多目标模型化的背景中采用所揭示的方法及系统。在一些实例 中，经整合测量模型允许多个目标的组合分析，其中使用度量模型参数解决一些目标同 时使用过程参数解决其它目标。另外，可使用从过程模型导出的约束来使不同目标的参 数关联。

在又一方面中，跨晶片过程变化模型可与目标结构的基于过程的模型组合。

在又一方面中，可使用经整合测量模型以提供主动反馈到处理工具(例如，光刻工具、 蚀刻工具、沉积工具等)。举例来说，使用经整合测量模型确定的深度值及聚焦参数可传 达到光刻工具以调整光刻系统以实现所需输出。以类似方式，蚀刻参数(例如，蚀刻时间、 扩散率等)或沉积参数(例如，时间、浓度等)可包含于经整合测量模型中以分别提供主动 反馈到蚀刻工具或沉积工具。

上文为概述且因此必须包含细节的简化、一般化及省略；因此，所属领域的技术人 员将了解所述概述仅为说明性而非以任何方式进行限制。在本文中描述的装置及/或过程 的其它方面、发明特征及优势将在本文中阐述的非限制性具体实施方式中变得显而易 见。

附图说明

图1为说明通过光刻过程模拟软件模型化的模拟3×3接触孔洞阵列的俯视图10的 图式。

图2为说明图1中说明的接触孔洞阵列的单一孔洞的侧视图20的图式。

图3为说明各自与曝光及聚焦深度参数值的不同组合相关联的接触孔洞轮廓阵列的 侧视图30的图式。

图4为说明图3中说明的接触孔洞阵列的俯视图40的图式。

图5为说明与图3到4中说明的与聚焦曝光矩阵结果中的每一者相关联的临界尺寸 值的等值线图50。

图6为说明与图3到4中说明的聚焦曝光矩阵结果中的每一者相关联的侧壁角度值 的等值线图60。

图7为说明与图3到4中说明的聚焦曝光矩阵结果中的每一者相关联的抗蚀剂损失 值的等值线图70。

图8为说明聚焦与曝光之间及临界尺寸、高度与侧壁角度之间的相关性的表80。

图9为说明在经受由二维光束轮廓反射计(2-D BPR)系统进行的测量的氧化物层中 的孔洞的简化度量模型的图式90。

图10为说明与2-D BPR测量相关联的CD与SWA之间的相关性的表100。

图11为说明与2-D BPR测量相关联的聚焦与曝光之间的相关性的表110。

图12A到C分别说明指示抗蚀剂损失、SWA及CD的2-D BPR测量的跟踪性能的 图式120、130及140。测量模型由抗蚀剂损失、SWA及CD参数化。

图13A到C分别说明指示抗蚀剂损失、SWA及CD的2-D BPR测量的跟踪性能的 图式150、160及170。测量模型由抗蚀剂损失、SWA及CD参数化且由过程模型约束。

图14A到14B分别说明指示与聚焦及曝光的2-D BPR测量关联的跟踪性能的图式 180及190。测量模型由聚焦及曝光参数化。

图15为说明由离散10陷阱模型模型化以捕获由过程变化引起的形状变化的结构的 图式200。

图16为说明图15中说明的结构的聚焦曝光矩阵模拟结果的图式210。

图17A为说明用作存在于过程变化(聚焦及曝光)中的过程信息内容的指示的主要成 分分析的结果的图表220。

图17B为说明用作存在于测量信号(例如，α、β)中的过程信息内容的指示的主要成 分分析的结果的图表230。

图18为说明用于根据本文中呈现的示范性方法测量样品的特性的系统300的图式。

图19为说明适合于通过本发明的度量系统300实施的示范性方法400的流程图。

图20为说明适合于通过本发明的度量系统300实施的示范性方法500的流程图。

具体实施方式

现在将详细参考背景技术实例及本发明的一些实施例，在附图中说明本发明的实 例。呈现用于基于整合基于过程的目标模型及基于度量的目标模型来训练测量模型的方 法及系统。通过整合基于度量的目标模型及基于过程的目标模型，改善了度量模型及过 程模型中的一者或两者的预测性结果。

一般来说，光学度量技术为测量在检验下的样品的物理性质的非直接方法。在大多 数情况中，经测量的光学信号不可用于直接确定所关注的物理性质。传统地，测量过程 由用公式表达试图基于度量目标及特定度量系统的交互的模型预测经测量的光学信号 的度量模型组成。基于度量的目标模型包含根据所关注的测量目标的物理性质(例如，膜 厚度、临界尺寸、折射率、光栅间距等)的结构的参数化。另外，基于度量的目标模型包 含测量工具自身(例如，波长、入射角、偏振角等)的参数化。

机器参数(P_machine)为用于表征度量工具自身的参数。示范性机器参数包含入射角 (AOI)、分析角(A₀)、偏振角(P₀)、照明波长、数值孔径(NA)等。样品参数(P_specimen)为用 于表征样品的几何及材料性质的参数。对于薄膜样品，示范性样品参数包含折射率、电 介质函数张量、所有层的标称层厚度、层序列等。

出于测量目的，将机器参数作为已知固定参数处理且将样品参数或样品参数的子集 作为未知浮动参数处理。通过产生理论预测与经测量数据之间的最佳拟合的拟合过程(例 如，回归、库匹配等)解出浮动参数。改变未知样品参数P_specimen且计算模型输出值直到 确定导致模型输出值与经测量值之间的紧密匹配的一组样品参数值。

在许多情况中，样品参数高度相关联。这可导致基于度量的目标模型的不稳定性。 在一些情况中，这可通过固定某些样品参数来解决。然而，这通常导致剩余参数的估计 中的显著错误。举例来说，下伏层(例如，半导体晶片上的半导体材料堆的氧化物基层) 在晶片的表面上方不是均匀厚度的。然而，为了减小参数相关性，构造将这些层处理为 在晶片的表面上方具有固定厚度的测量模型。不幸地，这可导致其它参数的估计中的显 著错误。

在一个方面中，使用采用经整合测量模型的系统来测量一或多个目标的结构及材料 特性(例如，材料组成、结构及膜的尺寸特性等)。经整合测量模型是基于整合基于过程 的目标模型及基于度量的目标模型。

在另一方面中，使用采用经整合测量模型的测量系统来直接测量过程参数值。所述 经整合测量模型是基于整合基于过程的目标模型及基于度量的目标模型。

基于过程的目标模型根据过程变量预测样品的结构性质(例如，几何性质、材料性质 等)。适合于与基于度量的目标模型整合的基于过程的目标模型预测结构及/或材料性质， 光学度量工具对所述性质敏感。

图1到2通过非限制性实例说明来自基于过程的目标模型的模拟结果。图1到2说 明使用可从加利福尼亚(美国)米尔皮塔斯的科磊公司(KLA-Tencor Corporation)购得的正 性抗蚀剂光学光刻(PROLITH)模拟软件所产生的接触孔洞阵列的极紫外线(EUV)光刻模 型。虽然此示范性光刻过程模型使用PROLITH软件产生，但一般来说，在此专利文献 的范围内可考虑任何过程模型化技术或工具。图1说明通过PROLITH软件模型化的模 拟3×3接触孔洞阵列的俯视图10。图2说明所述阵列的单一孔洞的侧视图20。从所述 侧视图说明若干几何参数。举例来说，说明孔洞的高度(H)、侧壁角度(SWA)及临界尺寸 (CD)。在所说明的实例中，临界尺寸为孔洞的底部上方五纳米的孔洞直径的量度。

进行聚焦曝光矩阵(FEM)模拟实验以产生类似于图2中说明的孔洞轮廓的一组孔洞 轮廓。图3说明各自与聚焦参数值的曝光及深度的不同组合相关联的接触孔洞轮廓阵列 的侧视图30。图3中说明的结果是从通过PROLITH软件运行的一系列模拟实验产生。 图4说明图3中说明的相同接触孔洞阵列的俯视图40。以此方式，通过基于过程的目标 模型根据过程变量(即，聚焦及曝光)表示样品的几何性质(即，CD、H、SWA)。

图5到7分别说明CD的等值线图50、SWA的等值线图60及抗蚀剂损失的等值线 图70。所述等值线图中的每一者与图3到4中说明的FEM实验结果相关联。抗蚀剂损 失为从接触孔洞的标称高度减去的实际高度且因此为高度的量度。图5到7以图形说明 从基于过程的目标模型导出的过程参数与度量参数之间的关系且因此表示对度量参数 的基于过程的约束。由此，可使用这些约束以关联基于过程的模型及基于度量的模型以 产生经整合测量模型。

方程式(1)说明通过两个基于过程的模型参数(即，聚焦深度F及曝光E)约束三个基 于度量的模型参数(即，CD、H及SWA)的一组方程式。

CD＝-90+130F＋1.22E-417F²-0.448FE-0.0025E²

Ht＝-223-189F＋4.16E-354F²＋1.76FE-0.0158E²            (1)

SWA＝56.5＋37.4F＋0.431E-230F²-0.1222FE-0.0019E²

在由方程式(1)说明的实例中，基于过程的约束基于应用到图3到7中说明的FEM 模拟结果的简化拟合函数(例如，多项式)来用公式表达。在其它实例中，基于过程的约 束可基于基于过程的基函数来用公式表达，例如由2006年3月7日授予科磊技术公司 (KLA-Tencor Technologies Corporation)的第7,009,704号美国专利所描述的所述基函数， 所述专利的标的物的以其全文并入本文中。

基于过程的目标模型可与基于度量的目标模型整合以按若干不同方式产生经整合 测量模型。

在一些实例中，基于基于过程的目标模型确定对度量模型参数的值的范围的约束。 更具体来说，基于基于过程的参数的可实现值的范围确定所述约束。

举例来说，如图3及4中所说明，聚焦及曝光参数值的一些组合不产生函数接触孔 洞。举例来说，如图3中所说明，在基于过程的模型结果的矩阵的区域31内突出显示 的结构不能形成孔洞。类似地，如图4中所说明，在基于过程的模型结果的矩阵的区域 41内突出显示的结构不能形成孔洞。类似地，如图5到7中所说明，在空白区域51、 61及71中的聚焦及曝光参数值的组合分别指示不能形成函数结构，因为特定参数(即， CD、SWA及抗蚀剂损失)无法解出。换句话说，基于基于过程的目标模型的结果确定聚 焦及曝光参数值的某些范围无法产生函数结构。将基于过程的模型参数值的这些范围映 射到基于度量的模型参数值的范围以限制在随后测量分析中采用的基于度量的模型参 数值的范围。这通过将度量参数值范围限制到如由基于过程的模型确定的可能的函数结 构而减小与经整合测量模型相关联的计算时间。通过非限制性实例，可使用方程式(1) 以将基于过程的模型参数值的范围映射到基于度量的模型参数值的范围。

在一些其它实例中，经整合测量模型包含由基于过程的目标模型约束的基于度量的 目标模型。在一个实例中，经执行以解出度量参数(例如CD、H及SWA)的测量分析由 方程式(1)限制。换句话说，在测量分析中仅考虑遵循约束方程式(1)的对于CD、H及SWA 的解。这减小与整合测量模型相关联的解空间的大小。以此方式，对基于度量的目标模 型参数的基于过程的约束组由基于过程的目标模型界定且应用到基于度量的目标模型。

在一些其它实例中，基于过程模型根据其它度量模型参数表示一或多个度量模型参 数。在一个实例中，基于方程式(1)将SWA表示为CD及H的函数。这减小经整合测量 模型的浮动参数的总数目且减小参数相关性。归因于限制于由制造过程允许的目标变化 的较小搜索空间，这还增加拟合引擎(例如，回归引擎)的效率及稳健性。

在一些其它实例中，将过程参数代入度量模型。接着使用经整合测量模型将这些过 程参数解出为测量数据的分析的部分。以此方式，经整合测量模型的参数化包含基于过 程的变量(例如，聚焦及曝光)且从测量信号直接确定过程参数值。举例来说，可通过使 用方程式(1)用过程参数F及E取代度量模型参数CD、H及SWA来用公式表达经整合 测量模型。在基于测量数据求解F及E之后，可从方程式(1)计算对应度量参数CD、H 及SWA。

此方法可优选用于减小在测量数据的分析中涉及的参数之间的相关性。举例来说， 如图8中描绘的表80中所说明，聚焦与曝光之间的相关性比CD、H及SWA之间的相 关性低得多。

图9为说明在经受由二维光束轮廓反射计(2-D BPR)系统进行的测量的氧化物层中 的孔洞的简化度量模型的图式90。实验设计(DOE)模拟结果证实CD与SWA之间的高 度相关性，如图10的表100中所说明。因此，预期2-D BPR测量系统不有效区分两个 度量参数。这在图12A到12C中进一步证实。图12A说明指示采用通过抗蚀剂损失、 SWA及CD参数化的度量模型的抗蚀剂损失的2-D BPR测量的跟踪性能的图式120。线 121指示其中经估计的参数值与实际参数值相同的完美跟踪。线122为表示所说明的数 据点之间的最佳拟合的线。如图12A中所说明，对于抗蚀剂损失的跟踪性能较好。图 12B说明指示采用通过抗蚀剂损失、SWA及CD参数化的度量模型的CD的2-D BPR测 量的跟踪性能的图式130。线131指示其中经估计的参数值与实际参数值相同的完美跟 踪。线132为表示经说明的数据点之间的最佳拟合的线。如图12B中所说明，对于CD 的跟踪性能较差。图12C说明指示采用通过抗蚀剂损失、SWA及CD参数化的度量模型 的SWA的2-D BPR测量的跟踪性能的图式140。线141指示其中经估计的参数值与实 际参数值相同的完美跟踪。线142为表示经说明的数据点之间的最佳拟合的线。如图12C 中所说明，对于SWA的跟踪性能较差。

图13A到13C分别说明与采用经整合测量模型的抗蚀剂损失、CD及SWA的2-D  BPR测量相关联的跟踪性能，其中由抗蚀剂损失、CD及SWA参数化的所述度量模型由 过程模型限制(即，抗蚀剂损失、CD及SWA由聚焦及曝光限制)。图13A说明指示采用 通过抗蚀剂损失、SWA及CD参数化的经整合测量模型的抗蚀剂损失的2-D BPR测量 的跟踪性能的图式150。线151指示其中经估计的参数值与实际参数值相同的完美跟踪。 线152为表示所说明的数据点之间的最佳拟合的线。如图13A中所说明，对于抗蚀剂损 失的跟踪性能较好。图13B说明指示采用通过抗蚀剂损失、SWA及CD参数化的经整合 测量模型的CD的2-D BPR测量的跟踪性能的图式160。线161指示其中经估计的参数 值与实际参数值相同的完美跟踪。线162为表示所说明的数据点之间的最佳拟合的线。 如图13B中所说明，对于CD的跟踪性能与图12B中说明的跟踪性能相比经改善。图 13C说明指示采用通过抗蚀剂损失、SWA及CD参数化的经整合测量模型的SWA的2-D  BPR测量的跟踪性能的图式170。如图13C中所说明，对于SWA的跟踪性能保持较差。

图14A到14B分别说明当采用其中经整合测量模型由聚焦及曝光参数化的所述模型 时与聚焦及曝光的2-D BPR度量相关联的跟踪性能。图14A说明指示采用通过聚焦及 曝光参数化的经整合测量模型的聚焦的2-D BPR测量的跟踪性能的图式180。线181指 示其中经估计的参数值与实际参数值相同的完美跟踪。线182为表示所说明的数据点之 间的最佳拟合的线。如图14A中所说明，对于聚焦的跟踪性能较好。类似地，图14B 说明指示采用通过聚焦及曝光参数化的经整合测量模型的曝光的2-D BPR测量的跟踪 性能的图式190。线191指示其中经估计的参数值与实际参数值相同的完美跟踪。线192 为表示所说明的数据点之间的最佳拟合的线。如图14B中所说明，对于曝光的跟踪性能 较好。如图11中的表110中所说明，聚焦与曝光之间的相关性显著小于SWA与CD之 间的相关性。因此，2-D BPR测量能够比CD及SWA更成功地解决聚焦及曝光。

以此方式，使用经整合测量模型以精确测量所关注的过程参数(例如，聚焦深度、曝 光、蚀刻时间、沉积时间等)。此方法显著增加在测量信号与经测量的过程参数之间传送 的信息，改善精确性及测量时间。

在另一实例中，基于过程模拟结果建构经整合测量模型。通常，基于度量的目标模 型为实际目标的简单近似法。举例来说，用于抗蚀剂线测量的度量模型通常为其中SWA、 CD及H经测量的简单梯形。这是归因于过程变化(例如，聚焦及曝光中的变化)的目标 几何的实际变化的显著近似。结果，基于来自高度简化度量模型的测量结果表征聚焦及 曝光的试图可证实是无结果的，这是因为不同过程参数值的实际几何影响未由测量捕 获。

通过实例，图16说明具有聚焦曝光矩阵中的复杂侧壁形状的目标轮廓。如果使用 高度简化度量模型，那么损失图16中说明的过程变化信息的一部分。然而，在一些实 例中，包含更复杂几何参数化的经整合测量模型有效捕获过程引起的形状轮廓。以此方 式，可有效分析测量信号以确定过程参数值。

图15说明用于捕获过程变化引起的形状变化的离散10陷阱(12DOF)模型。所述模 型包含在不同高度的11个CD。经测量的CD反映过程变动且可比通过CD、SWA及HT 参数化的单一梯形几何模型更精确预测聚焦深度及曝光。以此方式，经整合测量模型为 基于图16中说明的过程模型模拟结果建构的图15中说明的度量模型。然而，侧壁形状 变化在图16中经说明且由图15中说明的模型捕获，可考虑其它形状变化(例如，抗蚀剂 线拓扑改变等)。

在一些实例中，使用经整合测量模型以连续测量过程参数值。经整合测量模型包含 用作测量分析的部分以确定来自测量数据的几何参数值的基于度量的目标模型。经整合 测量模型还包含基于过程的模型以确定来自几何参数值的过程参数值。

在一个实例中，通过在维拉·潘德夫(Stilian Pandev)的第2013/0110477号美国专利公 开案中描述的基于过程的主要成分分析(PCA)参数化而参数化基于度量的目标模型，所 述案的标的物以全文引用的方式并入本文中。基于过程的PCA参数化有效减小基于度 量的模型的自由度的数目，使得可从测量数据有效解出模型参数而无测量信息的过度损 失。在一个实例中，执行模型减小以约束过程变化空间内的图15中说明的几何离散模 型。将经测量的几何形状(例如，图15的CD)提供为到预测聚焦及曝光的过程模型的输 入。在一个实例中，将神经网络用作过程模型。神经网络模型基于经测量的CD预测聚 焦及曝光参数值。

在进一步方面中，通过过程模型数据训练神经网络模型。更具体来说，使用通过 PROLITH模拟器(例如图16中说明的所述模拟器)产生的形状轮廓训练神经网络模型。 以此方式，将聚焦及曝光参数值表示为侧壁形状参数CD1…CDn及HT的函数，允许由 神经网络模型捕获更多过程信息。与利用具有三个参数(即，CD、SWA及HT)的单梯形 模型相比，这减小从目标测量到聚焦及曝光估计测量的信息损失。

图17A说明用作存在于过程变化(聚焦及曝光)中的过程信息内容的指示的主要成分 分析的结果。图17A说明过程变化信息经传送到12DOF几何模型且信息由两个或三个 PCA成分有效捕获。

图17B说明用作存在于测量信号(例如，α、β)中的过程信息内容的指示的主要成分 分析的结果。传送到信号或几何模型的信息越多，度量/过程模型可越好提取且分离过程 参数(例如，聚焦及曝光)。

在一些实例中，使用经整合测量模型以从测量信号直接测量过程参数值。

举例来说，如上文中所讨论，可将过程参数代入基于度量的目标模型。以此方式， 从测量数据直接解出过程参数值。

在一些其它实例中，经整合测量模型为接收测量信号且直接确定聚焦及曝光参数值 的神经网络模型。使用通过过程模型产生的形状轮廓(例如，通过PROLITH产生的且在 图16中说明的形状参数)及通过测量模型产生的对应测量光谱训练神经网络模型。在神 经网络训练期间，使用过程模拟器(例如，PROLITH)以针对给定过程变动产生目标轮廓。 通过RCWA引擎产生对应于各个形状轮廓的测量光谱。使用经产生的光谱训练神经网 络。对所产生的光谱执行PCA以减小自由度的数目。

在测量期间，通过分析引擎接收测量光谱且通过在训练期间使用的PCA转换将经 测量的光谱转换到主要成分(PC)。经训练的神经网络模型接收PC且直接确定聚焦及曝 光参数。

在另一实例中，可基于来自DOE(FEM)晶片的经测量的光谱训练神经网络。在此实 例中，不需要过程模拟器或模块。这减小来自RCWA引擎及过程模拟器的错误但增加对 于DOE晶片中的过程变化的需要。

通过采用经整合测量模型以从测量信号直接测量过程参数值，通过消除中间模型(例 如，几何、材料或估计测量系统的其它模型)而减小信息损失。另外，通过消除回归操作 减小测量时间。

在另一方面中，可基于度量模型改善过程模型。在一些实例中，使用从度量模型获 得的信息改善过程模型的校准。在一个实例中，几何轮廓与过程变动之间的预表征关系 可用于过程配方产生。另外，可按训练度量模型的方式校准过程模型。

甚至更一般来说，过程及度量模型的使用与一个模型完全整合，所述模型提供输入 到另一模型。

在又一方面中，可在多目标模型化的内容中采用所揭示的方法及系统。在一些实例 中，经整合测量模型允许对多个目标的组合分析，其中使用测量模型参数解决一些目标 同时使用过程参数解决其它目标。另外，可使用从过程模式导出的约束以使不同目标的 参数关联。

虽然在前文中参考光刻过程模型及相关联的聚焦及曝光度量来描述若干实例，但本 文中描述的方法及系统可涉及其它过程模型(例如，蚀刻或沉积制造)及其它度量(例如， 蚀刻及沉积度量)。本文中描述的方法及系统还可涉及其它参考度量技术(例如，SEM、 TEM、AFM、X光)。此外，在本文中描述的方法及系统是参考光学度量系统(例如，光 谱椭圆偏光计、反射计、BPR系统等)论述也但可应用到其它基于模型的度量(例如，重 叠、CD-SAXS、XRR等)。

在又一方面中，跨晶片过程变化模型可与目标结构的基于过程的模型组合。通常过 程影响产生跨晶片过程特定图案的整个晶片。在一个实例中，通常观察到膜沉积过程通 常导致具有跨晶片的径向对称图案的膜厚度。

在一些实例中，跨晶片过程信息与编码于单一目标中的过程变化信息组合使用，以 建立精确的经整合测量模型。在一个实例中，下伏膜的一或多个跨晶片膜模块与基于通 过PROLITH建立的过程变化参数化的10陷阱模型组合。通过约束光栅到过程空间中的 变化且约束下伏膜到预期对称膜而显著减小光栅到膜相关性且改善测量精确性。

在又一实施例中，可使用经整合测量模型以提供有源反馈到过程工具(例如，光刻工 具、蚀刻工具、沉积工具等)。举例来说，使用经整合测量模型确定的深度值及聚焦参数 可传达到光刻工具以调整光刻系统以实现所要输出。以类似方式，蚀刻参数(例如，蚀刻 时间、扩散率等)或沉积参数(例如，时间、浓度等)可包含于经整合测量模型中，以分别 提供有源反馈到蚀刻工具或沉积工具。

图18说明用于根据本文中呈现的示范性方法测量样品的特性的系统300。如图18 中所展示，系统300可用于执行样品301的一或多个结构的光谱椭圆偏光计测量。在此 方面中，系统300可包含配备有照明器302及光谱仪304的光谱椭圆偏光计。系统300 的照明器302经配置以产生经选择波长范围(例如，150-850nm)的照明且将所述照明引 导到安置于样品301的表面上的结构。接着，光谱仪304经配置以接收从样品301的表 面反射的照明。进一步注意，使用偏光状态产生器307偏光从照明器302出现的光以产 生偏光照明光束306。由安置于样品301上的结构反射的辐射通过偏光状态分析器309 且到光谱仪304。关于偏光状态分析由收集光束308中的光谱仪接收的辐射，从而允许 通过由分析器传送的辐射的光谱仪的光谱分析。将这些光谱311传送到计算系统330进 行结构分析。

如图18中所描绘，系统300包含单一测量技术(即，SE)。然而，一般来说，系统 300可包含任何数目的不同测量技术。通过非限制性实例，系统300可经配置为光谱椭 圆偏光计(包含缪勒矩阵椭圆偏光计)、光谱反射计、光谱散射计、重叠散射计、角度分 辨光束轮廓反射计、偏光分辨光束轮廓反射计、光束轮廓反射计、光束轮廓偏光计、任 何单一或多个波长偏光计或其任何组合。此外，一般来说，通过不同测量技术收集且根 据本文中描述的方法分析的测量数据可从多个工具而非整合多个技术的一个工具收集。

在进一步实施例中，系统300可包含经采用以根据本文中描述的方法基于整合测量 模型执行测量的一或多个计算系统330。一或多个计算系统330可通信耦合到光谱仪 304。在一个方面中，一或多个计算系统330经配置以接收与样品301的结构的测量相 关联的测量数据311。

在进一步实施例中，一或多个计算系统330经配置以采用实时临界尺寸(RTCD)实时 存取模型参数或其可根据本文中描述的方法存取预计算模型的数据库以确定整合测量 模型。

应认识到，贯穿本发明描述的多种步骤可通过单一计算机系统330或替代地多个计 算机系统330实施。此外，系统300的不同子系统(例如光谱椭圆偏光计304)可包含适 合于实施本文中描述的步骤的至少一部分的计算机系统。因此，不应将前文提及的描述 解释为对本发明的限制而仅为说明。此外，一或多个计算系统330可经配置以执行本文 中描述的任何方法实施例的任何其它(若干)步骤。

另外，计算机系统330可按所述技术中已知的任何方式通信耦合到光谱仪304。举 例来说，一或多个计算系统330可耦合到与光谱仪304相关联的计算系统。在另一实例 中，可通过耦合到计算机系统330的单一计算机系统直接控制光谱仪304。

度量系统300的计算机系统330可经配置以通过可包含有线及/或无线部分的传输媒 体从系统的子系统(例如，光谱仪304及类似者)接收及/或获取数据或信息。以此方式， 传输媒体可作为计算机系统330及系统300的其它子系统之间的数据链路。

经整合度量系统300的计算机系统330可经配置以通过可包含有线及/或无线部分的 传输媒体从其它系统接收及/或获取数据或信息(例如，测量结果、模型化输入、模型化 结果等)。以此方式，传输媒体可作为计算机系统330及其它系统(例如，存储器板上度 量系统300、外部存储器、参考测量源320或其它外部系统)之间的数据链路。举例来说， 计算系统330可经配置以经由数据链路从存储媒体(即，存储器332或外部存储器)接收 测量数据。举例来说，使用光谱仪304获得的光谱结果可存储于永久或半永久存储器装 置(例如，存储器332或外部存储器)中。在此方面，光谱结果可从板上存储器或从外部 存储器系统输入。此外，计算机系统330可经由传输媒体发送数据到其它系统。举例来 说，通过计算机系统330确定的整合测量模型或样品参数340可传达且存储于外部存储 器中。在此方面，测量结果可输出到另一系统。

计算系统330可包含(但不限于)个人计算机系统、主计算机系统、工作站、图像计 算机、并行处理器或所述技术中已知的任何其它装置。一般来说，可广泛定义术语“计 算系统”以涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。

可通过例如有线、电缆或无线传输链路的传输媒体传输实施方法(例如本文中描述的 所述方法)的程序指令334。举例来说，如图19中所说明，通过总线333将存储于存储 器332中的程序指令334传输到处理器331。程序指令334存储于计算机可读媒体(例如， 存储器332)中。示范性计算机可读媒体包含只读存储器、随机存取存储器、磁盘或光盘 或磁带。

图19说明适合于通过本发明的度量系统300实施的方法400。在一个方面中，认识 到可经由通过计算系统330的一或多个处理器执行的预编程算法而实施方法400的数据 处理块。虽然在度量系统300的内容中呈现以下描述，但在本文中认识到度量系统300 的特定结构方面不表示限制且应解释为仅为说明性。

在框401中，通过计算系统(例如，计算系统330)接收一定量的测量数据。使测量 数据与通过度量工具(例如，系统300)对目标结构的测量相关联。

在框402中，基于所述量的测量数据到所述目标结构的整合测量模型的拟合确定表 征所述目标结构的一组参数值。所述整合测量模型是基于基于过程的目标模型及基于度 量的目标模型。

在框203中，将所述组参数值存储于存储器中。可将所述第二组参数值存储于板上 测量系统300(例如)存储器332中或可将所述第二组参数值(例如，经由输出信号340)传 达到外部存储器装置。

图20说明适合于通过本发明的度量系统300实施的方法500。在一个方面中，认识 到可经由通过计算系统330的一或多个处理器执行的预编程算法而实施方法500的数据 处理块。虽然在度量系统500的内容中呈现以下描述，但在本文中认识到度量系统500 的特定结构方面不表示限制且应解释为仅为说明性。

在框501中，通过计算系统(例如，计算系统330)接收一定量的测量数据。使测量 数据与通过度量工具(例如，系统300)对目标结构的测量相关联。

在框502中，基于所述量的测量数据及所述目标结构的经整合测量模型确定表征用 以产生所述目标结构的过程的一或多个过程参数值。

在框503中，将所述一或多个过程参数值存储于存储器中。可将参数值存储于板上 测量系统300(例如)存储器332中或可将参数值(例如，经由输出信号340)传达到外部存 储器装置。

一般来说，本文中描述的系统及方法可作为为了脱机或工具上测量准备经整合测量 模型的过程的部分实施。另外，测量模型及任何预参数化测量模型两者可描述一或多个 目标结构及测量位置。

如本文中所描述，术语“临界尺寸”包含结构的任何临界尺寸(例如，底部临界尺寸、 中部临界尺寸、顶部临界尺寸、侧壁角度、光栅高度等)、任何两个或两个以上结构之间 的临界尺寸(例如，两个结构之间的距离)及两个或两个以上结构之间的移位(例如，重叠 光栅结构之间的重叠移位等)。结构可包含三维结构、图案化结构、重叠结构等。

如本文中所描述，术语“临界尺寸应用”或“临界尺寸测量应用”包含任何临界尺 寸测量。

如本文中所描述，术语“度量系统”包含经采用至少部分以在包含例如临界尺寸度 量、重叠度量、聚焦/剂量度量及组成度量的测量应用的任何方面中表征样品的任何系统。 然而，此类技术术语不限制如本文中描述的术语“度量系统”的范围。另外，度量系统 100可经配置以用于图案化晶片及/或未图案化晶片的测量。度量系统可经配置为LED 检验工具、边缘检验工具、背侧检验工具、宏观检验工具或多模式检验工具(涉及同时来 自一或多个平台的数据)及基于临界尺寸数据从系统参数的校准获益的任何其它度量或 检验工具。

针对可用于处理样品的半导体处理系统(例如，检验系统或光刻系统)在本文中描述 多种实施例。在本文中使用术语“样品”以指晶片、分划板(reticle)或可通过所述技术中 已知的方法处理(例如，印刷或检验缺陷)的任何其它样品。

如本文中所使用，术语“晶片”一般指由半导体或非半导体形成的衬底。实例包含 (但不限于)单晶硅、砷化镓及磷化铟。通常可在半导体制造设施中发现及/或制造此类衬 底。在一些情况中，晶片可仅包含衬底(即，裸晶片)。替代地，晶片可包含形成于衬底 上的一或多层不同材料。形成于晶片上的一或多层可经“图案化”或“未经图案化”。 举例来说，晶片可包含具有可重复图案特征的多个裸片。

“分划板”可为在分划板制造过程的任何阶段处的分划板或可或不可经释放以用于 半导体制造设施内的经完成分划板。分划板或“掩模”一般经定义为具有形成于其上且 在图案中经配置的实质上非透明区域的实质上透明衬底。衬底可包含(例如)例如非晶 SiO₂的玻璃材料。分划板可在光刻过程的曝光步骤期间安置于抗蚀剂覆盖晶片上方使得 分划板上的图案可转印到抗蚀剂。

形成于晶片上的一或多层可为经图案化或未经图案化。举例来说，晶片可包含多个 裸片，每一裸片具有可重复图案特征。此类材料层的形成及处理可最终导致经完成装置。 许多不同类型的装置可形成于晶片上，且如本文中使用的术语晶片希望涵盖晶片，在所 述技术中已知的任何类型的装置在所述晶片上经制造。

在一或多个示范性实施例中，可以硬件、软件、固件或其任何组合实施经描述的功 能。如果以软件实施，功能可作为一或多个指令或代码存储于计算机可读媒体中或通过 计算机可读媒体传输。计算机可读媒体包含计算机存储媒体及包含促进计算机程序从一 位置到另一位置的传输的任何媒体的传达媒体两者。存储媒体可为可由通用或专用计算 机存取的任何可用媒体。通过实例且非限制，此类计算机可读媒体可包括RAM、ROM、 EEPROM、CD-ROM或其它光学磁盘存储装置、磁盘存储装置或其它磁性存储装置或可 用于载送或存储呈指令或数据结构的形式的所要程序代码且可由通用或专用计算机或 通用或专用处理器存取的任何其它媒体。另外，将任何连接适当称为计算机可读媒体。 举例来说，如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或例如红外线、 无线电及微波的无线技术的其它远程源从网站传输软件，那么同轴电缆、光纤电缆、双 绞线、DSL或例如红外线、无线电及微波的无线技术包含于媒体的定义中。如本文中所 使用的磁盘及光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、 软盘及蓝光光盘，其中磁盘通常磁性再生数据而光盘使用激光光学再生数据。上文的组 合也应包含于计算机可读媒体的范围中。

虽然为了指示性目的在上文中描述某些特定实施例，但此专利文献的教示具有一般 可应用性且不限于上文中描述的特定实施例。因此，可在不脱离如所附权利要求书中阐 述的本发明的范围的情况下进行所描述的实施例的多种特征的多种修改、调适及组合。