CN1732372A

CN1732372A - 复杂层结构的厚度分解的方法及设备

Info

Publication number: CN1732372A
Application number: CNA2003801077373A
Authority: CN
Inventors: O·杜－诺尔; V·鲁宾斯泰恩
Original assignee: Tevet Process Control Technologies Ltd
Current assignee: Tevet Process Control Technologies Ltd
Priority date: 2002-10-28
Filing date: 2003-10-28
Publication date: 2006-02-08
Anticipated expiration: 2023-10-28
Also published as: EP1556668A2; WO2004038321A2; WO2004038321A3; US6885467B2; CN1329710C; AU2003276649A1; US20040080761A1; AU2003276649A8; KR20050083844A; JP2006504092A

Abstract

一种厚度测量设备，用于对半导体晶片的已构图区域测量层厚度，包括：频谱分析仪，用于获取从已构图区域提取的反射数据并从其中获取频谱；峰值检测器，用于搜索频谱以便查找所述频谱中的峰值频率，搜索限制到与先前学习阶段中找到的峰值频率对应的区域；频率滤波器，与峰值检测器关联，用于对有关所述峰值频率的频谱进行滤波；以及最大似然拟合器，用于采用在学习阶段中得到的参数来执行对所述已滤波频谱的最大似然拟合，以便获得预期层厚度。通过采用预先在高分辨率非实时学习阶段中得到的参数来执行最大似然拟合，能够实时提供高分辨率结果。

Description

复杂层结构的厚度分解的方法及设备

发明领域

本发明涉及用于测量复杂层结构的物理参数的方法及设备。

发明背景

半导体装置以及诸如平板显示器、MEMS和存储盘等的类似产品的制造过程涉及在其中对层进行淀积、蚀刻、涂层和抛光磨蚀的大量过程步骤。为了控制在生产线上运行的每个单元的过程步骤性能，重要的是监测相应过程步骤之前、之中和之后的层的物理参数。部分过程步骤涉及层的选择性蚀刻或淀积，以便在晶片上形成图案，例如金属线、电介质或Si沟槽光刻胶图案等。

测量层厚度的方法是众所周知的，其中可包括：

反射法，在其中，来自层的顶面的反射光与层的底部界面之间的干扰可追溯到层厚度、折射率和消光系数，以及

椭圆光度法，在其中，从顶部与底面界面反射的光线之间的极性差异可追溯到层物理参数。

对样本实现最精确的测量，在其中，层参数、即厚度、折射率和消光系数在测量光束点区域内是恒定的。在过程中生产的单元、如半导体装置从极复杂的图案结构中构成，其中在装置的不同位置具有不同的层厚度。图案的空间和宽度不同，但可小于0.1微米，以及技术的需求不断要求更小的特征。

在生产线上用于监测过程性能的常用方法没有包含测量已构图区域上的生产单元，而是采用没有预先构图的样本，它们通过此过程，然后采用单层测量技术的传统方法来测量。

避免复杂图案结构的另一种方式是在测量工具中包括复杂的校准机制，它利用视觉系统来描绘装置，利用模式识别算法来查找装置中大的非已构图区域，以及利用高精度装置把测量点导航到非已构图区域。该方法要求测量点足够小，以适合生产单元内的非已构图区域。一旦校准完成，则利用传统方法对非已构图区域进行测量。在这里参照图1b的测量在制造过程中在晶片的非已构图区域之间选择的点的一个实例，从其中可得到厚度D。

以上方法在用于生产线时具有限制。对明显样本或者对非已构图区域的测量没有始终与出现不同物理现象的已构图区域之上的层的确切厚度相关。产生测试样本所需的特殊运行具有减小使用机器的实际生产时间的效果，消耗附加原料。另一方面，采用校准技术测量实际生产单元花费时间，要求复杂的硬件，并且无法在处理室内执行以便实时监测过程。

PCT专利申请No.WO0012958描述了一种称作TMS的测量系统，它利用从已构图装置表面的层中反射的宽点光束对透明层、具体为SiO₂层的厚度的横向变化进行测量。与现有方法不同，它甚至可用于如图1c所示的晶片的大量已构图区域。反射系数通常被转化为频域，从其中能够通过把与其相关的信息与来自具有不同参数的层的信息分隔开，来确定SiO₂层物理参数。

伴随TMS方法的一个缺点在于，对测量的分辨率存在限制。随着晶片层变得更小，就更难以利用TMS来分辨层，并且更高的分辨精度要求更密集的计算。更密集的计算损害了TMS的主要优点-能够实时工作。

发明内容

根据本发明的第一方面，因此提供一种用于测量半导体晶片的已构图区域上的层厚度的厚度测量设备，该设备包括：

频谱分析仪，用于获取从已构图区域提取的反射数据，并从其中获取频谱。

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，峰值检测器可用于把搜索限制到与学习阶段找到的峰值频率对应的区域，

频率滤波器，与峰值检测器关联，用于对关于峰值频率的频谱进行滤波，

以及最大似然拟合器，用于采用在学习阶段得到的参数来执行对已滤波频谱的最大似然拟合，以便至少获得层厚度。

反射数据最好是从已构图区域的多色光照射来获取。

频谱分析仪最好包括分光计、色散校正器、波数变换器和傅立叶变换器。

在学习阶段发现的峰值频率最好对应于初始样本的层厚度。

初始样本的层厚度最好是通过采用光谱分析来构建比频谱分析仪所得到的分辨率更高的分辨率的频谱。

频率滤波器最好可用于查找各峰值的任一侧的最小值，以及通过对最小值所定义的范围进行滤波来执行各峰值的滤波。

根据本发明的第二方面，提供一种用于测量半导体晶片的已构图区域上的层厚度的厚度测量设备，该设备包括：

a)输入频谱分析仪，用于从半导体晶片的相应已构图区域获取反射频谱，

b)学习模式单元，包括：

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，峰值检测器可用于把搜索限制到与已构图区域中的层的预计厚度对应的区域，

高分辨率频谱分析仪，用于从已滤波频谱中获取参数，用于最大似然拟合，以及

最大似然拟合器，用于采用参数来执行对已滤波频谱的最大似然拟合，以便获得学习模式层厚度；以及

c)运行模式单元，包括：

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，峰值检测器可用于把搜索限制到与学习模式单元所找到的峰值频率对应的区域，

以及最大似然拟合器，用于采用学习模式单元所得到的参数来执行对已滤波频谱的最大似然拟合，以便获得层厚度。

高分辨率频谱分析仪可用于通过构建比输入频谱分析仪所得到的分辨率更高的分辨率的新频谱，来得到参数。

根据本发明的第三方面，提供一种用于测量半导体晶片的已构图区域上的层厚度的方法，该方法包括：

获取从已构图区域提取的反射数据，

从其中获取频谱，

搜索频谱以查找频谱中的峰值频率，该搜索限制到与学习阶段中找到的峰值频率对应的区域，

对有关峰值频率的频谱进行滤波，

以及采用在学习阶段得到的参数来执行对已滤波频谱的最大似然拟合，以便获得层厚度。

反射数据最好是从已构图区域的多色光照射来获取。

获取频谱的步骤最好包括测量反射数据的频谱，校正色散，变换波数以及执行傅立叶变换。

在学习阶段发现的峰值频率最好对应于初始样本的层厚度。

初始样本的层厚度最好是通过采用光谱分析来构建比频谱分析仪所得到的分辨率更高的分辨率的频谱，在学习阶段中确定。

对频谱的滤波最好包括查找各峰值的任一侧的最小值，以及执行对最小值所定义的范围上的各峰值的滤波。

根据本发明的第四方面，提供一种用于测量半导体晶片的已构图区域上的层厚度的方法，包括：

a)从半导体晶片的相应已构图区域获取反射频谱的阶段，

b)学习阶段，包括：

搜索频谱以查找频谱中的峰值频率，同时把搜索限制到与已构图区域中的层的预计厚度对应的区域，

对有关峰值频率的频谱进行滤波，

从已滤波频谱中获取参数，用于最大似然拟合，以及

采用参数来执行对已滤波频谱的最大似然拟合，以便获得学习模式层厚度；以及

c)运行阶段，包括：

搜索频谱以查找频谱中的峰值频率，同时把搜索限制到与学习阶段中找到的峰值频率对应的区域，

对有关峰值频率的频谱进行滤波，以及

采用在学习阶段得到的参数来执行对已滤波频谱的最大似然拟合，以便获得层厚度。

从已滤波频谱中获取用于最大似然拟合的阶段包括构建所得反射频谱的更高分辨率形式。

根据本发明的第五方面，提供用于控制半导体晶片生产线的设备，生产线具有多个站，连续站用于对晶片执行连续过程，以便向晶片添加特征，站的至少一个具有测量单元，用于对相应晶片的已构图表面部分提供层的测量，测量单元包括：

光谱分析仪，用于获取从已构图区域提取的反射数据，并从其中获取频谱。

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，同时把搜索限制到与学习阶段中找到的峰值频率对应的区域，

以及最大似然拟合器，用于采用在学习阶段得到的参数来执行对已滤波频谱的最大似然拟合，以便获得层厚度。

反射数据最好是从已构图区域的多色光照射来获取。

频谱分析仪包括分光计、色散校正器、波数变换器和傅立叶变换器。

在学习阶段发现的峰值频率最好对应于初始样本的层厚度。

测量单元最好设置为在给定站的处理过程之前、之中和之后进行厚度测量。厚度测量则可用来提供对晶片生产过程的控制。

根据本发明的第六方面，提供用于控制半导体晶片生产线的设备，生产线具有多个站，连续站用于对晶片执行连续过程，以便向晶片添加特征，站的至少一个具有测量单元，用于对相应晶片的已构图表面部分提供层的测量，测量单元包括：

b)学习模式单元，包括：

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，同时把搜索限制到与已构图区域中的层的预计厚度对应的区域，

c)运行模式单元，包括：

峰值检测器，与频谱分析仪关联，用于搜索频谱以便查找频谱中的峰值频率，同时把搜索限制到与学习模式单元所找到的峰值频率对应的区域，

测量单元最好设置为在给定站的处理过程之前、之中和之后进行厚度测量。测量则可用来提供对过程的控制。

附图简介

为了更好地理解本发明以及说明如何实现相同的方法，下面仅作为实例，参照附图来进行说明。

现在具体参照详细附图，要强调的是，所述详细情况作为实例，仅用于对本发明的优选实施例的说明性论述，并且提出的目的是为了提供被认为是对本发明的原理及概念方面的最有用且易于理解的描述。在这方面，无意更详细地说明基本了解本发明所需情况之外的结构细节，结合附图的说明使本领域的技术人员清楚地知道实际上体现本发明的若干形式。附图包括：

图1A是没有任何图案的分层产品晶片产品的简化图，

图1B是带有基础图案、如金属线的分层产品晶片的简化图。晶片还具有非已构图区域，在其中仍然可执行厚度测量的传统方法，

图1C是与图1B相似的、但在整个晶片上引入了图案的分层晶片的简化图，并表示对已构图区域执行的测量，

图2是简化射线图，说明光反射如何可用于采用TMS系统来获取分层晶片产品中的层厚度的信息，

图3是简化框图，表示根据本发明的第一优选实施例的两部分层厚度测量设备，

图4是简化框图，更详细地表示图3的学习模式单元，

图5是简化流程图，表示与图3的学习模式单元配合使用的学习模式过程，

图6是简化流程图，表示用于在学习模式计算高分辨率频谱的过程，

图7是简化流程图，表示对学习以及运行模式两者的最大似然拟合的方法，

图8是简化框图，更详细地表示图3的运行模式单元，以及

图9是简化流程图，表示与图8的运行模式单元配合使用的过程。

优选实施例说明

本实施例描述两级系统，它采用PCT专利申请No.WO0012958的TMS系统，其内容通过引用完整地结合于此。在第一学习级中，对给定制造阶段进行半导体晶片产品的典型样本的基于TMS的层表征。采用这类技术进行比以前更高分辨率频谱的估算，以尽量精确地执行这个阶段。这类技术是高计算密集的，因此目前不适合于实时处理过程。高分辨率频谱的估算用来产生最大似然拟合的起始点。在第二级，采取对到达给定级的实际半导体产品的测量，以及确定层厚度相对样本的偏差。第二级还采用最大似然拟合，但是，在第二级中，最大似然估算通过从第一级得到的参数来确立。因此，在第二级，第一级的高分辨率估算最好被保留，即使计算所需的资源最好被减少。

在详细说明本发明的至少一个实施例之前，应理解本发明不限于它在以下描述中阐述或者在附图中所示的构造的详细情况以及组件的配置的应用。本发明适用于其它实施例或者以各种方式被实施或执行。另外，应理解本文所用的用语和术语是为了便于描述而不应当被视作限制。

作为对本发明的介绍，详细论述PCT专利申请No.WO0012958的TMS测量方法。

现在参照图1A，这是一个简化图，表示在生产过程中的中间级的硅片的截面。硅片2具有连接到其中的光阻层4。在图1A中，光阻层4是均匀的，以及简单测量是确定层的厚度D所需的全部。

现在参照图1b，这是一个简化图，显示在另一个中间处理级的硅层，在其中，开始进行构图以便向芯片提供特征。更明确地说，金属结构6由二氧化硅(SiO₂)层10覆盖。如图所示，可在表面的非已构图部分选取一个点，同样只需要进行简单测量，以便获得厚度D。

现在参照图1c，这是一个简化图，表示在生产过程中的另一个中间级的另一个硅片的截面。在图1c中，晶片2包括由SiO₂层10覆盖的一系列金属线结构6。下面将会更详细说明的TMS测量系统极适合于测量透明或半透明薄膜的厚度。在当前情况下，SiO₂层10因金属线结构6而在不同位置上具有厚度差异。因此，在典型的晶片中可能存在已标识的三个不同层厚度D1-D3。上述厚度差异在传统的测量系统中是不可精确测量的。但是，TMS系统能够测量被涂敷的晶片层或被移去的层中的这类厚度变化，此外，测量在原位并且实时达到一定的分辨率限度。TMS过程的操作的基本理论的以下描述将有助于理解这是如何实现的。

现在参照图2，这是一个简化射线图，表示以某个角度到具有不同折射率的一系列层的光的入射。

在图2中，包含三个透明层0、1和2的材料受到光束照射。入射线12到达第一层边界14，从而被分离成反射线16和折射线18。折射线18到达第二层边界20，并再次被分离。这时仅表示了反射线22。当折射线22到达第一边界14时，再次被折射，从而包含第三折射线24。

对于采用通过利用多波长光所得到的反射图案来测量透明薄膜的厚度，若干方法是已知的。当图2所示的光束为单色(单波长)光束并到达透明薄膜时，光束的一部分从顶面(第0层/第1层分界面)反射，以及一部分从底面(第1层/第2层分界面)反射。

数学表达如图2所示：

λ为光的波长；

Φ₀是入射光(以及从第0层/第1层分界面反射的光线)的相位角；

Φ₀+Φ₁是从第1层/第2层分界面反射的光线的相位角；

r₀₁是第0层/第1层分界面的菲涅尔反射系数；

r₁₂是第1层/第2层分界面的菲涅尔反射系数；以及

t₀₁是第0层/第1层分界面的菲涅尔透射系数；

t₁₀是第1层/第0层分界面的菲涅尔透射系数；

I为入射光的强度

I＝Io cos(2πct/λ+φ_o) (等式1)

其中，I₀为最大强度幅度，以及c为光速。

对于垂直于薄膜表面到达的光线，来自顶面和底面的反射系数为：

r₀₁＝(n₁-n₀)/(n₁+n₀) (等式2a)

r₁₂＝(n₂-n₁)/(n₂+n₁) (等式2b)

t₀₁＝2n₀/(n₁+n₀) (等式2c)

t₁₀＝2n₁/(n₁+n₀) (等式2d)

其中，n₀、n₁、n₂分别是第0层、第1层和第2层的折射率。

从顶面反射的光干扰从底面反射的光，给出整体反射系数(R)，它是层厚度与层折射率的函数。这种反射可通过众所周知的菲涅尔方程来描述，如下所示：

R＝(r₀₁ ²+r₁₂ ²+2r₀₁r₁₂cos2Φ₁)/(1+r₀₁ ²r₁₂ ²+2r₀₁r₁₂cos2Φ₁) (等式3)

其中：

Φ₁＝2πn₁d₁/λ (等式4)

其中：

d₁-层厚度。

采用多波长光(白光)照射薄膜以及以每个波长(λ)测量反射率，给出R，作为λ的函数，即R(λ)。

以大的多波长光点照射具有复合(即横向变化)分布的产品晶片产生反射光束，它是单独取出的厚度的每个独立反射的合成。

R(λ，d₁，...，d_n)＝∑i(r_(i-1)，i ²+r_i(i+1) ²+2r_(i-1)，ir_i(i+1)cos2Φ_i)/(1+r_(i-1)，i ²r_i(i+1) ²+2r_(i-1)，ir_i(i+1)cos2Φ_i) (等式5a)

要注意，等式5应用于多层的情况。对于横向的情况，即在厚度的横向变化的情况下，可写为

R(λ，d₁，...，d_n)＝∑_iR(λ，d_i) (等式5b)

通过简单数学运算，能够把反射系数表达为：

R(λ，d₁，..d_n)＝∑_i[1-A_i/(1+B_iCos(2Φ_i))]*G_i (等式6)

其中：

A_i＝(1-r_(i-1)，i ²)(1-r_i(i+1) ²)/(1+r_(i-1)，i ²r_i(i+1) ²)； (等式6a)

B_i＝2r_(i-1)，ir_i(i+1)/(1+r_(i-1)，i ²r_i(i+1) ²) (等式6b)以及

G_i是描述具有厚度di的给定层对多厚度结构的总反射的相对影响的因子。

应用反射系数的频率分解的多个方法中的任一种可提供每个变元(Φ_i)，以及从等式3和等式4，能够确定层厚度，假定层的折射率为已知。或者，如果层厚度为已知，则能够确定层折射率。

有若干方式来执行频率分解，其中的一部分如以下所建议：

数学分解

1)正交变换方法的系列，例如傅立叶变换，

2)基于最大似然原理的方法的系列，

3)基于参数模型的方法的系列

4)子空间分解方法的系列。

电分解

电频率滤波器广泛用于电气系统和电子系统。这类滤波器用于定义频域中的窗口，以及输出窗口的范围内的输入信号的成分的幅度。通过一组滤波器或者具有可变频率的单滤波器传递反射信号(被转换为电信号)提供预期分解。

上述方法即所列数学方法和电分解方法的每一种在单独使用时，在诸如硅芯片生产线等的实施环境的状态中有其自身的限制。正交变换、尤其是傅立叶变换是快速且易于使用的，但限制于所提供的分辨率等级。众所周知的关系，瑞利极限规定，对有限变元T1...Tn执行的傅立叶变换具有最小频率分辨率Df_min＝1/(Tn-T1)。在光线处于UV-可见范围内、例如从300nm至1000nm的白光，并且介电层是例如具有折射率1.45的SiO₂的情况下，最小厚度分辨率大约为148nm，它在一些情况下对于预期要控制的横向厚度变化的等级是不够的。

利用最大似然原理的方法包括采用层数和物理参数(d，n和k)作为变量来拟合反射系数数据与理论反射系数，并改变那些变量，直到实现最佳拟合。在实际生产线上，对相干变量的必要先验知识可能受到限制，并且只可通过广泛分析来发现，它对于被测试样本可能是破坏性的。没有对变量的先验知识，拟合算法过于复杂而无法提供准确结果，耗费长时间进行计算，并且在一些情况下可能导致无效结果。基于最大似然的方法对于过程监测和控制所需的实时测量的种类是不可行的。

把基于参数模型的方法与子空间分解进行比较，后者提供更好的光谱分辨率。另一方面，相应的计算费用大致相等。此外，可用的参数模型方法主要用于随机类型信号。相反，在本发明中所考虑的信号的种类通常是确定性的并且形式为正弦的。(参见等式3)

子空间分解的方法一般专用于独立信号源的光谱分析。然而，如果说在晶片层结构中，信号源、即层边界实际上能够胜任独立源，这是不正确的。每个层边界确实产生其自身的信号。例如，在金属线图案之上的介电层的淀积中，金属线之上的电介质的厚度以及金属线之间的电介质厚度是两个不同的厚度，它们必需被单独处理，但它们并不是彼此无关的，因为淀积层厚度的变化同时改变它们两者。尽管上述缺点，但如果对适当数据正确执行，则子空间分解技术能够以比傅立叶变换更好的分辨率来分离这些层。但是，生产线环境中固有的限制以及子空间混合的问题限制了结果的精度和稳定性。子空间分解方法在用于测量晶片厚度时，通常倾向于提供带系统偏移的结果。

现在参照图3，这是一个简化图，表示根据本发明的一个实施例的两级测量系统。学习模式单元30执行TMS结果的傅立叶分析、高分辨率分析以及最大似然拟合，并设置成与运行模式单元32关联，它对实时TMS结果执行傅立叶分析和最大似然拟合。如上所述，利用最大似然方法的主要困难在于获取拟合过程的初始值的方面。因此，本实施例执行对样本的非实时分析，以及非实时分析的结果用作实时最大似然拟合的起始点。在学习模式中，高分辨率频谱被构建，最好是通过子空间分解方法，如下面将要说明的那样，以便得到最大似然拟合的起始点。该方法从一组试验样本中查找极精确的结果，这些结果然后用作确立实时测量模式的参数，它包含最大似然过程，但没有计算高分辨率频谱。因此，学习模式从一组试验样本中得到精确的厚度数据，样本是对过程的完全反映。学习模式最好在每次制造新图案结构时、每当不同的材料被加入或者每当不同的厚度范围被加入时来执行，使得它始终是过程的完全反映。学习模式结果则最好是以对于产品类型、过程类型和材料所指定的标签存储在计算机存储器中。

运行模式单元32随后每当要求测量来控制层淀积过程时用于实时分析。运行模式采用来自‘学习模式’的数据作为初始参数或初始估算，以便确立基于最大似然的过程，然后继续进行计算，直到取得最终结果。因此，该系统克服了如上所述的最大似然以及高分辨率(子空间分解)两种方法的缺点。由于极精确的先验知识从学习模式中获得，因此最大似然估算能够实时提供稳定且准确的结果。

在以下附图中，更详细地考虑了学习和运行阶段。

1)学习模式

现在参照图4，这是一个简化框图，表示根据本发明的一个实施例、用于执行上述学习模式的设备。同时参照图5，这是一个流程图，表示学习模式中涉及的过程。

操作的第一部分在学习和运行两种模式中相同。

在两种情况下，初始频谱通过分光计42取自样本40的已构图表面。

利用层折射率的先验数据，采用折射率色散(N[λ(i)])的波长轴的校正在连接到分光计42的下游的色散校正器44中执行。校正最好通过分析公式根据层材料的类型来执行，从而得：

λcor(i)＝λ(i)/N[λ(i)]，其中i＝1∶n。

其中，λcor(i)为经校正波长，

λ(i)为第i个波长，以及

N[λ(i)]表示在波长λ的折射率N的色散函数。这时在经校正波长λcor中为均匀的信号最好利用线性内插被变换为在x＝2π/λcor中是均匀的。变换在连接到色散校正器46的下游的波数变换器48中执行。

波数变换器48连接到傅立叶变换单元50，它对反射系数y＝R(x)执行傅立叶变换，从而给出

S(f)＝FT[y]

预计厚度52的值52根据应用的先前知识以及根据特定过程和产品来定义。与后续运行模式相比，预计值不可能特别精确。

连接到傅立叶变换单元的下游的是标准峰值选择器54。应记得TMS信号包含与层边界对应的峰值，以及“标准”光谱峰值是分配给已变换信号中的有效峰值的名称，它最接近与相应预计厚度对应的频率值。标准峰值选择器52采用预计厚度来得出信号中的起始点，并由此查找标准峰值。

用于厚度与频率之间的变换的系数可由下列恒等式来定义：

厚度＝0.5*n/(1/λmin-1/λmax)*频率

其中，n为信号中的点数；

λmin、λmax分别是已校正波长λcor的最小和最大波长

因此，系数为：

0.5*n/(1/λmin-1/λmax)

阵列可从已经在已变换信号中标识的所有标准峰值中选取。这种阵列在本文中称作“VecPeak”，它表示构成来自晶片的反射图案的所有厚度。

标准峰值选择器54的下游是频谱滤波器56。频谱滤波器的用途是查找预计厚度周围的各种光谱或标准峰值的频率界限。最好是通过查找引起与预计厚度对应的标准频率峰值的频率来获得频率界限。

具有已校正变元(R(λcor))的原始信号则由频谱滤波器56进行滤波，从而只保留信号的标准峰值部分，因为它处于上面找到的边界之内。

频谱滤波器56之后跟随高分辨率光谱分析仪58，在本文中又称作高分辨率频谱构造器。已滤波光谱信号这时进入推导具有比初始输入频谱更高分辨率的频谱的数学过程。高分辨率光谱分析如图6所示，这是一个简化流程图，表示用于产生高分辨率频谱的分析的阶段。

在第一级S1，第四阶累积量取自已滤波信号。

对于给定信号，自相关矩阵(T)在级S2中从第四阶累积量构建。

在自相关矩阵形成之后，在级S3从自相关矩阵执行SVD(单值分解)，因此

T＝U*E*V⁺，

其中，T是如上所述的自相关矩阵；

E是以降序的自相关矩阵的本征值的对角矩阵；

U是矩阵T的相应本征向量的矩阵；V⁺是V的共轭转置矩阵；

V是T’的相应本征向量的矩阵；以及

T’是T的转置矩阵。

在以上过程中，级S4查找模型的阶(p)，它是等于最大本征值的数目的数量。该过程搜索与直接后继本征值显著不同的本征值，因而(E(p，p)＞＞E(p+1，p+1))。因此，在级S5，以上定义的模型的阶能够把关联本征向量分为两组，即跨越信号子空间Us的本征向量以及跨越正交噪声子空间Un的本征向量：U＝{Us|Un}。在级S6，高分辨率频谱被创建，如下所述：

对于所得模型的阶p以及数据集，计算高分辨率频谱，如下所示：

S_HR(f)＝1/[W(f)*W(f)^*]，

其中W(f)是频率f的向量w的傅立叶变换；

其中，w＝{1|(1-up x up^T)^-1Up^*x up}；

up和Up分别是第一行向量以及矩阵Us的其余部分。

标号“^*”表示共轭向量或矩阵；

标号“^T”表示转置向量或矩阵。

S_HR(f)的最大值的位置这时可被认为是初始厚度值(Dini)。

现在回到图4，高分辨率频谱分析仪58的下游是最大似然拟合器60。拟合器采用初始厚度值(Dini)来拟合已滤波数据集与等式(6)所定义的曲线。

其它参数Gini、Aini和Bini通过预先估算过程来获得。拟合过程最好采用等式(6)的近似值1/(1+z)～1-z，并根据以下操作序列来获取初始参数的分析决策，如图7所示：

首先在S10，执行搜索以确定所测量数据中的极值点xExt(m)、yExt(m)的坐标；

第二，在S11，进行对数据yAver上的平均值的估算；

第三，在S12，进行对系统的系数的计算：

Cn＝Vxz，(等式7)

其中，Cn＝yExt(m)-yAver；

以及V＝{V1|V2|V3...}-为系统矩阵，它由下式定义的列向量Vi组成：

yAverxcos[4πxxExt(m)xD(nD)]for i＝1；

Vi＝{

cos[4πxxExt(m)xD(i-1)]-cos[4πxxExt(m)xD(nD)]fori＝2∶nD；

nD是所搜索厚度(Dini)的数量

系统由等式(7)确定；即

z＝V^-1xCn

以及在步骤S13中进行对值A、G的确定，如下所述：

A_ini＝z(1)/[z(1)+1]；

z(i+1)/A for i＝2∶nD-1；

G_ini(i)＝{

[z(1)xyAver-∑z(k)]/A for i＝nD.

k＝2∶nD

Bini＝const。

以上估算的参数Aini、Bini、Gini和Dini是对最大似然拟合的初始猜测。这个拟合的结果又包含学习模式的结果。在级S14，对于所找到的每个厚度，所确定的A、B、G和D的值最后存储在数据库72中。

2)运行模式

现在参照图8，这是图3的运行单元32的简化框图。非常清楚，运行模式单元与学习模式单元30相似但不是完全相同。

运行模式单元30对于其操作要求由学习模式从已经通过相同处理过程的样本得到参数。

在运行模式中，如学习模式中那样，样本40被照射，以及反射信息由分光计42获得并分析。色散校正器44按照前面所述采用色散分析功能46。根据材料等的类型采用参数来执行校正。

在波数变换器48，当前在波长λ中均匀的信号到2n/λ中均匀的变换采用线性内插来执行。

如前面所述，信号通过傅立叶变换器50被变换为频域。但是，当它到达标准峰值选择器’70时，采用已经在学习过程中得到的频带(或厚度)72作为起始点来进行选择，从其中找到实际的标准峰值，以便产生标准频谱。标准峰值选择器’70的操作基于以下假设：所测量的当前厚度与在学习阶段发现的厚度不同，但这种不同不是很明显的。因此，对于围绕预计厚度的小范围的检验应当找出实际标准峰值，它可在预计厚度和偏移ΔD方面来描述。这样，预计厚度对于给定过程是共同的，而偏移则是单独晶片的属性，并达到单独厚度的更小程度。应理解根本没有检测到可辨别峰值也是可能的，在这种情况下，相应的厚度以及对应的层被假定为不存在。

随后，频谱滤波器56可执行对于学习过程所得到的、随后相对实际标准频谱校正的频带内的信号的带通滤波。

在运行模式中，没有高分辨率频谱分析仪。相反，拟合阶段所需的参数直接从学习模式的数据库72中取出。

最后，最大似然拟合器60利用在学习模式中找到的初始Gi、Ai、Bi作为优化参数以及利用以上结合标准峰值选择器所述的偏移校正器过程所校正的Di+ΔD，来执行如以上在学习模式中说明的拟合。

当取得最佳拟合时，各种厚度Di的最终结果以及当前样本的区域比率Gi最好适当地存储在控制系统数据库中，和/或发送给系统的输出单元，例如屏幕等的主机通信、过程工具通信等，以便构成预期的过程的控制。

这样，实现了精确、高分辨率的厚度测量系统，它实时工作，并且可用于提供晶片生产过程控制的测量。

虽然优选实施例已经描述成用于晶片制造，但是应当知道，该测量系统适用于需要薄膜或透明或半透明层的高分辨率实时厚度测量的任何情况。

应当知道，为了清楚起见本发明的某些特征是在独立的实施例环境下进行描述的，但它们也可结合在单个实施例中进行。相反，为了简洁起见，本发明的许多特征是在单个实施例环境中进行描述的，但它们也可单独或者在任何适当的再组合中进行。

除另有说明之外，本文所使用的所有科技术语具有与本发明所属领域的技术人员普遍理解的同样的含义。虽然与本文所述的类似或等效的方法可用于实践或本发明的测试，但本文描述了适合的方法。

本文所提到的所有发行物、专利申请、专利及其它参考均通过引用完整地结合于此。在冲突的情况下，将以专利申请、包括定义为准。另外，材料、方法和实例只是说明性的，而不是意在限制。

本领域的技术人员将会知道，本发明并不仅限于上文中表示和描述的实例。本发明的范围而是由所附权利要求书来定义，并包括上文所述各种特征的组合及再组合，以及包括本领域的技术人员在阅读以上说明时所想到的变更及修改。

Claims

1.一种厚度测量设备，用于对半导体晶片的已构图区域测量层厚度，所述设备包括：

频谱分析仪，用于获取从已构图区域提取的反射数据，并从其中获取频谱；

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，所述峰值检测器可用于把所述搜索限制到与学习阶段找到的峰值频率对应的区域，

频率滤波器，与所述峰值检测器关联，用于对关于所述峰值频率的所述频谱进行滤波，

以及最大似然拟合器，用于采用在所述学习阶段得到的参数来执行对所述已滤波频谱的最大似然拟合，以便至少获得所述层厚度。

2.如权利要求1所述的设备，其特征在于，所述反射数据从所述已构图区域的多色光照射中获得。

3.如权利要求1所述的设备，其特征在于，所述频谱分析仪包括分光计、色散校正器、波数变换器和傅立叶变换器。

4.如权利要求1所述的设备，其特征在于，在所述学习阶段找到的所述峰值频率对应于初始样本的层厚度。

5.如权利要求4所述的设备，其特征在于，所述初始样本的所述层厚度通过采用光谱分析来构建比所述频谱分析仪所得到的分辨率更高的分辨率的频谱，在所述学习阶段中确定。

6.如权利要求1所述的设备，其特征在于，所述频率滤波器可用于查找各峰值的任一侧的最小值，以及通过对所述最小值所定义的范围进行滤波来执行各峰值的滤波。

7.一种厚度测量设备，用于对半导体晶片的已构图区域测量层厚度，所述设备包括：

b)学习模式单元，包括：

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，所述峰值检测器可用于把所述搜索限制到与所述已构图区域中的层的预计厚度对应的区域，

高分辨率频谱分析仪，用于从所述已滤波频谱中获得参数，用于最大似然拟合，以及

最大似然拟合器，用于采用所述参数来执行对所述已滤波频谱的最大似然拟合，以便至少获得学习模式层厚度；以及

c)运行模式单元，包括：

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，所述峰值检测器可用于把所述搜索限制到与所述学习模式单元所找到的峰值频率对应的区域，

以及最大似然拟合器，用于采用所述学习模式单元所得到的所述参数来执行对所述已滤波频谱的最大似然拟合，以便获得所述层厚度。

8.如权利要求7所述的设备，其特征在于，所述高分辨率频谱分析仪可用于通过构建比所述输入频谱分析仪所得到的分辨率更高的分辨率的新频谱，来获得所述参数。

9.一种用于对半导体晶片的已构图区域测量层厚度的方法，所述方法包括：

获取从已构图区域提取的反射数据，

从其中获取频谱，

搜索所述频谱以查找所述频谱中的峰值频率，所述搜索限制到与学习阶段中找到的峰值频率对应的区域，

对有关所述峰值频率的所述频谱进行滤波，

以及采用在所述学习阶段得到的参数来执行对所述已滤波频谱的最大似然拟合，以便获得所述层厚度。

10.如权利要求9所述的方法，其特征在于，所述反射数据从所述已构图区域的多色光照射中获得。

11.如权利要求9所述的方法，其特征在于，获取所述频谱的步骤包括测量所述反射数据的频谱，校正色散，变换波数以及执行傅立叶变换。

12.如权利要求9所述的方法，其特征在于，在所述学习阶段找到的所述峰值频率对应于初始样本的层厚度。

13.如权利要求12所述的方法，其特征在于，所述初始样本的所述层厚度通过采用光谱分析来构建比所述频谱分析仪所得到的分辨率更高的分辨率的频谱，在所述学习阶段中确定。

14.如权利要求9所述的方法，其特征在于，对所述频谱的所述滤波包括查找各峰值的任一侧的最小值，以及执行对所述最小值所定义的范围上的各峰值的滤波。

15.一种用于对半导体晶片的已构图区域测量层厚度的方法，包括：

a)从半导体晶片的相应已构图区域获取反射频谱的阶段，

b)学习阶段，包括：

搜索所述频谱以查找所述频谱中的峰值频率，同时把所述搜索限制到与所述已构图区域中的层的预计厚度对应的区域，

对有关所述峰值频率的所述频谱进行滤波，

从所述已滤波频谱中获取参数，用于最大似然拟合，以及

采用所述参数来执行对所述已滤波频谱的最大似然拟合，以便获得学习模式层厚度；以及

c)运行阶段，包括：

搜索所述频谱以查找所述频谱中的峰值频率，同时把所述搜索限制到与所述学习阶段中找到的峰值频率对应的区域，

对有关所述峰值频率的所述频谱进行滤波，以及

采用在所述学习阶段得到的所述参数来执行对所述已滤波频谱的最大似然拟合，以便获得所述层厚度。

16.如权利要求15所述的方法，其特征在于，从所述已滤波频谱中获取用于最大似然拟合的所述阶段包括构建所述所得反射频谱的更高分辨率形式。

17.一种用于控制半导体晶片生产线的设备，所述生产线具有多个站，连续站用于对晶片执行连续过程，以便向所述晶片添加特征，所述站的至少一个具有测量单元，用于对相应晶片的已构图表面部分提供层的测量，所述测量单元包括：

频谱分析仪，用于获取从已构图区域提取的反射数据，并从其中获取频谱，

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，同时把所述搜索限制到与学习阶段找到的峰值频率对应的区域，

以及最大似然拟合器，用于采用在所述学习阶段得到的参数来执行对所述已滤波频谱的最大似然拟合，以便获得所述层厚度，所述层厚度可作为所述晶片生产线的控制信号。

18.如权利要求17所述的设备，其特征在于，所述反射数据从所述已构图区域的多色光照射中获得。

19.如权利要求17所述的设备，其特征在于，所述频谱分析仪包括分光计、色散校正器、波数变换器和傅立叶变换器。

20.如权利要求17所述的设备，其特征在于，在所述学习阶段找到的所述峰值频率对应于初始样本的层厚度。

21.如权利要求17所述的设备，其特征在于，所述初始样本的所述层厚度通过采用光谱分析来构建比所述频谱分析仪所得到的分辨率更高的分辨率的频谱，在所述学习阶段中确定。

22.如权利要求17所述的设备，其特征在于，所述频率滤波器可用于查找各峰值的任一侧的最小值，以及通过对所述最小值所定义的范围进行滤波来执行各峰值的滤波。

23.如权利要求17所述的设备，其特征在于，所述测量单元设置为在给定站的处理过程之前、之中和之后进行厚度测量。

24.一种用于控制半导体晶片生产线的设备，所述生产线具有多个站，连续站用于对晶片执行连续过程，以便向所述晶片添加特征，所述站的至少一个具有测量单元，用于对相应晶片的已构图表面部分提供层的测量，所述测量单元包括：

b)学习模式单元，包括：

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，同时把所述搜索限制到与所述已构图区域中的层的预计厚度对应的区域，

最大似然拟合器，用于采用所述参数来执行对所述已滤波频谱的最大似然拟合，以便获得学习模式层厚度；以及

c)运行模式单元，包括：

峰值检测器，与所述频谱分析仪关联，用于搜索所述频谱以便查找所述频谱中的峰值频率，同时把所述搜索限制到与所述学习模式单元找到的峰值频率对应的区域，

以及最大似然拟合器，用于采用所述学习模式单元所得到的所述参数来执行对所述已滤波频谱的最大似然拟合，以便获得所述层厚度，所述层厚度可作为所述晶片生产线的控制信号。

25.如权利要求24所述的设备，其特征在于，所述高分辨率频谱分析仪可用于通过构建比所述输入频谱分析仪所得到的分辨率更高的分辨率的新频谱，来获得所述参数。

26.如权利要求24所述的设备，其特征在于，所述测量单元设置为在给定站的处理过程之前、之中和之后进行厚度测量。