[go: up one dir, main page]

TW202516562A - 利用具有cmos陣列下(cua)結構之分類之有效媒體模型之存在cua結構中之計量 - Google Patents

利用具有cmos陣列下(cua)結構之分類之有效媒體模型之存在cua結構中之計量 Download PDF

Info

Publication number
TW202516562A
TW202516562A TW112149919A TW112149919A TW202516562A TW 202516562 A TW202516562 A TW 202516562A TW 112149919 A TW112149919 A TW 112149919A TW 112149919 A TW112149919 A TW 112149919A TW 202516562 A TW202516562 A TW 202516562A
Authority
TW
Taiwan
Prior art keywords
structures
measurement
cua
process step
optical
Prior art date
Application number
TW112149919A
Other languages
English (en)
Inventor
扎西里克 庫德舍夫
超 張
德瑞克 Ａ 蕭葛奈西
浩山姆 舟艾柏
Original Assignee
美商科磊股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202516562A publication Critical patent/TW202516562A/zh

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/706835—Metrology information management or control
    • G03F7/706839—Modelling, e.g. modelling scattering or solving inverse problems
    • G03F7/706841—Machine learning
    • H10P72/0604—
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • G03F7/70504—Optical system modelling, e.g. lens heating models
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • H10P74/203—
    • H10P74/23—
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)

Abstract

本發明係關於一種系統，其可包含一控制器，該控制器經組態以引起處理器藉由以下來實施一量測配方：在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後接收訓練樣本之光學量測資料，其中該等CuA裝置包含具有一不均勻空間分佈之第一結構；基於無監督叢集來將該等第一結構分類成空間連續區域；在一第二程序步驟之後接收該等訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構；開發該等第一結構之有效媒體模型；開發用於判定該等CuA裝置之量測之量測模型；在該第二程序步驟之後接收測試樣本之光學量測資料；及基於該等測試樣本之該光學量測資料及該等量測模型來產生該等第二結構之計量量測之值。

Description

利用具有CMOS陣列下(CUA)結構之分類之有效媒體模型之存在CUA結構中之計量
本發明大體上係關於光學計量，且更特定言之，係關於包含埋設CMOS結構之記憶體結構之光學計量。
用於滿足記憶體裝置(例如3D記憶體裝置)之提高效能之需求同時維持或減小實體大小之一個方法係在記憶體陣列結構下方製造CMOS電路系統(例如邏輯電路系統)。此方法通常指稱一互補金屬氧化物半導體(CMOS)陣列下(CuA)技術。然而，CuA技術面臨用於程序控制之計量系統之獨特挑戰，因為下伏CMOS電路系統可影響記憶體陣列結構之量測。因此，需要開發用於解決上述挑戰之系統及方法。
揭示根據本發明之一或多個說明性實施例之一種系統。在實施例中，該系統包含一控制器，其包含一或多個處理器，該控制器經組態以執行程式指令以引起該一或多個處理器藉由以下來實施一量測配方：在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後接收一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構；基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域；在用於製造該等CuA裝置之一第二程序步驟之後接收該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構；開發該等第一結構之該等空間連續區域之有效媒體模型；基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型；在用於製造該等CuA裝置之該第二程序步驟之後接收一或多個測試樣本之光學量測資料；及基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之一或多個計量量測之值。
揭示根據本發明之一或多個說明性實施例之一種系統。在實施例中，該系統包含一光學特徵化系統。在實施例中，該系統包含與該光學特徵化系統通信地耦合之一控制器，包含一或多個處理器之該控制器經組態以執行程式指令以引起該一或多個處理器藉由以下來實施一量測配方：在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後自該光學特徵化系統接收一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構；基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域；在用於製造該等CuA裝置之一第二程序步驟之後自該光學特徵化系統接收該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構；開發該等第一結構之該等空間連續區域之有效媒體模型；基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型；在用於製造該等CuA裝置之該第二程序步驟之後自該光學特徵化系統接收一或多個測試樣本之光學量測資料；及基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之值。
揭示根據本發明之一或多個說明性實施例之一種方法。在實施例中，該方法包含在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後產生一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構。在實施例中，該方法包含基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域。在實施例中，該方法包含在用於製造該等CuA裝置之一第二程序步驟之後產生該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構。在實施例中，該方法包含開發該等第一結構之該等空間連續區域之有效媒體模型。在實施例中，該方法包含基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型。在實施例中，該方法包含在用於製造該等CuA裝置之該第二程序步驟之後產生一或多個測試樣本之光學量測資料。在實施例中，該方法包含基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之值。
應理解，以上一般描述及以下詳細描述兩者僅供例示及說明且未必限制所主張之本發明。併入於本說明書中且構成本說明書之一部分之附圖繪示本發明之實施例且與一般描述一起用於解釋本發明之原理。
現將詳細參考附圖中所繪示之所揭示標的。已相對於特定實施例及其具體特徵來特別展示及描述本發明。本文中所闡述之實施例應被視為說明而非限制。一般技術者應易於明白，可在不背離本發明之精神及範疇之情況下作出形式及細節之各種改變及修改。
本發明之實施例係針對用於互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之光學計量之系統及方法，該光學計量係基於CMOS結構(例如邏輯結構)之空間變動之識別、CMOS結構之不同空間區域之有效媒體模型化及不同CMOS結構對光學量測資料之影響之模型化。本文中所揭示之系統及方法可提供記憶體陣列結構之高度準確量測，其考量存在下伏空間變動CMOS結構。
一CuA結構(例如一CuA記憶體結構)一般可包含邏輯電路系統(例如CMOS邏輯電路系統或其類似者)，其經實體定位於記憶體陣列結構(例如3維(3D)記憶體堆疊、3D NAND (「反及」)結構或其類似者)下方。如本文中所使用，術語「CuA結構」可涵蓋邏輯及記憶體陣列結構之各種設計。依此方式，本發明不受限於任何特定CuA架構。
光學計量通常用於半導體程序控制，因為其可提供相對較高量測處理量且通常係非破壞性的。在光學計量中，用光來照明一樣本且基於自樣本發出之對應光來產生一量測。亞表面特徵之光學計量通常需要光傳播穿過樣本之至少上部分而到達關注亞表面特徵。因此，光學計量系統通常利用具有相對較低吸收率經選擇以傳播穿過關注結構之光波長。
然而，就CuA結構而言，入射光可依可能損及產生記憶體陣列結構之隔離量測之能力之一方式與記憶體陣列結構及埋設CMOS結構兩者相互作用。在本文中應考量，既有光學計量技術可能不足以準確特徵化CuA結構，尤其當尺寸縮小且裝置複雜度增大時。例如，一些技術可依賴在關注記憶體陣列結構之一透明窗中但可由下伏邏輯電路系統至少部分吸收之光波長。作為一說明，一些邏輯電路系統可利用多晶矽層，其吸收具有大於約450奈米(nm)之波長之光。在此情況中，使用低於約450 nm之波長之光學計量可產生記憶體陣列結構之隔離量測。然而，此一技術可受限於選擇併入此等吸收材料之CuA設計，可提供深結構之有限敏感度，且可進一步提供受益於多波長資料之寬頻光學量測方法之有限值。作為另一實例，一些技術依賴使用具有透過額外量測方法產生之標記之光學量測資料來監督式訓練人工智慧神經網路。然而，此等技術可具有各種限制，諸如(但不限於)地面實況參考資料之高取樣之一要求、產生用於訓練之充分標記所需之大量時間、深埋設結構之有限效能、對程序改變不敏感及一般不適用於訓練資料集外部之CuA結構。
在本發明之一些實施例中，使用基於物理之模型(諸如(但不限於)嚴格耦合波分析(RCWA))來執行CuA結構之光學計量，其可需要被特徵化之一樣本上之週期性特徵。就CuA結構而言，記憶體陣列結構通常係週期性的且因此適合於此等基於物理模型，但下伏CMOS結構可能不適合。在一些實施例中，對此限制之一變通法係將CMOS結構進一步模型化為一週期性膜堆疊以提供具有對應於CMOS結構之性質之性質之一有效媒體。
然而，在本文中應考量，CMOS結構可為空間變動的(例如，可跨樣本變動)，使得其可能不足以將CMOS結構模型化為一均勻1D有效媒體。
在一些實施例中，無監督分類用於識別CMOS結構之空間變動區域，使得可針對CMOS結構之不同區域開發不同有效媒體模型。例如，一無監督叢集技術(例如一k最近鄰技術、一支援向量機(SVM)技術、一神經網路技術或其類似者)可應用於來自包含製造記憶體陣列結構之前的CMOS結構之訓練樣本之光學量測資料。此等訓練樣本可包含僅CMOS結構或包含CMOS結構加上模結構(例如充當完全製造之記憶體陣列結構之前驅物之一系列未圖案化膜)之樣本。因此，無監督叢集技術可識別不同地影響光學量測資料之CMOS結構之不同空間區域(例如叢集)。接著可開發不同區域之不同有效媒體模型。
隨後，可開發各種區域之全基於物理模型。在一些實施例中，在製造記憶體陣列結構之後(例如在製造全CuA結構之後)產生來自訓練樣本之額外光學量測資料可用於開發各種區域之全基於物理模型。在開發基於物理之模型之後，其可用於一生產線中新製造之CuA結構(例如測試CuA結構)之光學計量。
在本文中應進一步考量，本文中所揭示之系統及方法可適合於各種CuA設計。在測試CuA結構共用與測試CuA結構相同之下伏CMOS結構之設計之情況中，CMOS結構之空間變動區域(例如叢集)之佈局係不變的且各種區域之適當基於物理之模型之應用可易於應用。然而，測試CuA結構未必在所有應用中具有相同於下伏CMOS結構之設計。在此情況中，需要判定哪個基於物理之模型應該用於一測試樣本上之各位置之光學計量。在一些實施例中，用全CuA結構之光學量測資料及自無監督叢集步驟產生之標記來訓練一監督式機器學習演算法。此一監督式機器學習演算法接著可判定適合用於一測試CuA結構之各區域之量測模型。
現參考圖1A至圖3，更詳細描述根據本發明之一或多個實施例之用於特徵化CuA結構之系統及方法。
圖1A係根據本發明之一或多個實施例之一量測系統100之一方塊圖。在一些實施例中，量測系統100包含用於使用光學技術來產生一樣本104之量測資料之一特徵化子系統102及用於基於量測資料來產生一或多個量測之一控制器106。
特徵化子系統102可包含適合於產生一樣本104上之量測資料之任何組件或組件組合。
在一些實施例中，特徵化子系統102包含一光學特徵化子系統102，其用於基於樣本104與光之相互作用來產生量測資料。例如，特徵化子系統102可包含(但不限於)一光譜橢偏儀(SE)、具有多個照明角之一SE、量測穆勒(Mueller)矩陣元素(例如使用(若干)旋轉補償器)之一SE、一單波長橢偏儀、一射束輪廓橢偏儀(角解析橢偏儀)、一射束輪廓反射計(角解析反射計)、一寬頻反射光譜儀(光譜反射計)、一單波長反射計、一角解析反射計、一成像系統及一散射計(例如斑紋分析器)或其等之任何組合。
在一些實施例中，特徵化子系統102包含一x射線特徵化子系統102，其用於基於樣本104與x射線之相互作用來產生量測資料。例如，特徵化子系統102可包含(但不限於)一小角x射線散射(SAXS)系統或一x射線反射散射測量(SXR)系統。
在一些實施例中，特徵化子系統102包含一粒子束特徵化子系統102，其用於基於樣本104與一粒子束(諸如(但不限於)一電子束(e束)、一離子束或一中性粒子束)之相互作用來產生量測資料。
在一些實施例中，一特徵化子系統102提供多種類型之量測。在一些實施例中，一量測系統100包含多個量測子系統102，各者提供一或多個量測之一不同組合。此外，量測系統100可提供為一單工具或多工具。提供多個量測組態之一單工具大體上描述於2011年4月26日發佈之美國專利第7,933,026號中，該專利之全文以引用的方式併入本文中。多工具及結構分析大體上描述於2009年1月13日發佈之美國專利第7,478,019號中，該專利之全文以引用的方式併入本文中。
此外，2019年10月29日發佈之名稱為「Model based optical measurements of semiconductor structures with anisotropic dielectric permittivity」之美國專利第10,458,912號、2023年2月7日發佈之名稱為「Scatterometry based methods and systems for measurement of strain in semiconductor structures」之美國專利第11,573,077號、2021年6月15日發佈之名稱為「Measurement models of nanowire semiconductor structures based on re-useable sub-structures」之美國專利第11,036,898號、2023年1月17日發佈之名稱為「Measuring thin films on grating and bandgap on grating」之美國專利第11,555,689號、2021年10月26日發佈之名稱為「Measurement methodology of advanced nanostructures」之美國專利第11,156,548號及2020年10月6日發佈之名稱為「Visualization of three-dimensional semiconductor structures」之美國專利第10,794,839號，該等專利之全文以引用的方式併入本文中。
在一些實施例中，控制器106包含一或多個處理器108，其經組態以執行維持於一記憶體110或記憶體裝置中之一組程式指令，其中程式指令可引起處理器108實施各種動作。
一控制器106之一或多個處理器108可包含此項技術中已知之任何處理器或處理元件。為了本發明，術語「處理器」或「處理元件」可經廣義界定以涵蓋具有一或多個處理或邏輯元件之任何裝置(例如一或多個微處理器裝置、一或多個專用積體電路(ASIC)裝置、一或多個場可程式化閘陣列(FPGA)或一或多個數位信號處理器(DSP))。在此意義上，一或多個處理器108可包含經組態以執行演算法及/或指令(例如儲存於記憶體中之程式指令)之任何裝置。在一些實施例中，一或多個處理器108可體現為一桌上型電腦、主機電腦系統、工作站、影像電腦、並行處理器、網路電腦或經組態以執行經組態以操作或結合特徵化子系統102操作之一程式之任何其他電腦系統，如本發明通篇所描述。此外，量測系統100之不同子系統可包含適合於實施本發明中所描述之步驟之至少一部分之一處理器或邏輯元件。因此，以上描述不應被解譯為本發明之實施例之一限制而是僅為一說明。此外，本發明通篇所描述之步驟可由一單一控制器或替代地，多個控制器實施。另外，控制器106可包含收容於一共同外殼中或多個外殼內之一或多個控制器。依此方式，任何控制器或控制器組合可單獨封裝為適合整合至量測系統100中之一模組。
記憶體110可包含適合於儲存可由相關聯之一或多個處理器108執行之程式指令之此項技術中已知之任何儲存媒體。例如，記憶體110可包含一非暫時性記憶體媒體。舉另一實例而言，記憶體110可包含(但不限於)一唯讀記憶體(ROM)、一隨機存取記憶體(RAM)、一磁性或光學記憶體裝置(例如磁碟)、一磁帶、一固態硬碟及其類似者。應進一步注意，記憶體110可與一或多個處理器108收容於一共同控制器外殼中。在一些實施例中，記憶體110可相對於一或多個處理器108及控制器106之實體位置遠端定位。例如，控制器106之一或多個處理器108可存取可透過一網路(例如網際網路、內部網路及其類似者)來存取之一遠端記憶體(例如伺服器)。
控制器106可與量測系統100之任何組件或組件組合通信地耦合。在一些實施例中，控制器106可自量測系統100之一或多個組件接收資料(例如量測資料或其類似者)。在一些實施例中，控制器106經由驅動信號來控制量測系統100之一或多個組件。更一般而言，控制器106可實施本發明中所描述之任何步驟。
在一些實施例中，控制器106至少部分基於由特徵化子系統102產生之量測資料來產生樣本104之一或多個量測。關注參數之量測可包含可由控制器106執行之數個演算法。例如，入射束與樣本104之光學相互作用可使用一EM (電磁)解算器來模型化且可利用演算法，諸如(但不限於)嚴格耦合波分析(RCWA)、有限元素法(FEM)、矩量法、表面積分法、體積積分法或有限差分時域(FDTD)法。樣本104可使用一幾何引擎、一程序模型化引擎或兩者之一組合來模型化(例如，參數化)。程序模型化之使用大體上描述於2020年9月8日發佈之美國專利第10,769,320號中，該專利之全文以引用的方式併入本文中。一幾何引擎實施於(例如) KLA公司之AcuShape軟體中。
控制器106可分析使用諸如(但不限於)以下之資料擬合及/或最佳化技術之任何適合組合所收集之量測資料：庫、快速降階模型、回歸、統計模型(參閱(例如) S. Pandev等人之美國專利第10,101,670號「Statistical model-based metrology」)、機器學習演算法(例如神經網路、支援向量機(SVM)、主成分分析(PCA)、獨立成分分析(ICA)、局部線性嵌入(LLE)，更一般而言，降維技術)、稀疏表示技術、傅立葉(Fourier)變換技術、小波變換技術或卡爾曼(Kalman)濾波。基於統計模型之計量大體上描述於2018年10月16日發佈之美國專利第10,101,670號中，該專利之全文以引用的方式併入本文中。控制器106可分析使用不包含模型化、最佳化及/或擬合之演算法所收集之量測資料。圖案化晶圓特徵化大體上描述於2019年12月10日發佈之美國專利第10,502,694號中，該專利之全文以引用的方式併入本文中。在一些實施例中，控制器106利用一或多個演算法來促進來自相同或不同工具類型(例如一特徵化子系統102之不同例項或組態)之匹配。
控制器106可經設計以透過諸如(但不限於)以下之任何適合技術來提供高效效能：並行化、運算分佈、負載平衡、多伺服支援、動態負載最佳化或其類似者。此外，控制器106可使用諸如(但不限於)以下之組態之任何任何類型或組合來實施任何步驟：專用硬體(例如FPGA或其類似者)、軟體或韌體。
控制器106可進一步至少部分基於來自特徵化子系統102之量測資料來產生樣本104 (或其一部分)之任何類型之量測。在一些實施例中，控制器106產生一計量量測，諸如(但不限於)一疊對量測、一關鍵尺寸(CD)量測、一形狀量測(例如一高度量測、一傾斜量測、一側壁角量測或其類似者)、一應力量測、一組成量測、一帶隙量測、電性質之一量測或程序狀況(例如焦點及/或劑量狀況、一光阻劑狀態、一部分壓力、一溫度、一聚焦模型或其類似者)之一量測。在一些實施例中，控制器106產生一檢測量測，其中識別或分類(至少一者)樣本104上之一或多個缺陷。
量測系統100及任何其組件(例如特徵化子系統102、控制器106或其類似者)可經組態以實施一配方(例如一量測配方)，其可界定各種組態參數及/或一量測或一系列量測中所執行之步驟。
例如，一配方可包含一樣本104之一設計(例如一樣本104上之CuA裝置202之一設計)之各種態樣，包含(但不限於)一或多個樣本層上之一特徵佈局、特徵大小或特徵節距。作為另一實例，一配方可包含照明參數，諸如(但不限於)一照明波長、一照明光瞳分佈(例如，照明角度之一分佈及依該等角度之照明之相關聯強度)、入射照明之一偏振、照明之一空間分佈或一樣本高度。舉另一實例而言，一配方可包含集光參數，諸如(但不限於)一集光光瞳分佈(例如，來自待用於一量測之樣本之角度光之一所要分佈及依該等角度之相關聯濾波強度)、用於選擇關注樣本之部分之集光場光闌設定、收集光之偏振或波長濾波器。舉另一實例而言，一配方可包含各種處理步驟，例如，可由控制器106實施以基於根據配方所產生之量測資料來產生量測之處理步驟。
現參考圖2，圖2係根據本發明之一或多個實施例之一CuA裝置202之一簡化示意圖。一CuA裝置202可包含記憶體陣列結構204及定位於記憶體陣列結構204下方之各種CMOS結構206 (例如邏輯結構或其類似者)。
記憶體陣列結構204可包含適合於形成一記憶體陣列之任何數目個或類型之結構。例如，記憶體陣列結構204可包含(但不限於)由一多層堆疊210內之圖案化特徵208形成之3D NAND結構。此外，此等記憶體陣列結構204通常為具有沿一或多個維度之週期性之週期性結構。
CMOS結構206可包含製造於記憶體陣列結構204下方之任何數目個或類型之結構。例如，CMOS結構206可(但不要求)適合於控制及/或對記憶體陣列結構204供電。依此方式，CMOS結構206及記憶體陣列結構204之組合可形成一記憶體裝置(例如一3D記憶體裝置)。此外，CMOS結構206通常可具有一空間變動分佈，使得構成特徵之數目及/或設計可不跨CuA裝置202呈週期性。依此方式，CMOS結構206一般可描述為非週期性的。然而，應注意，CMOS結構206可展現一些區域中之局部週期性。
此外，記憶體陣列結構204及/或CMOS結構206一般可具有任何設計，使得本文中所使用之術語「CuA裝置202」不受限於任何特定設計。例如，一CuA裝置202可包含記憶體陣列結構204與CMOS結構206之間的中介層，諸如(但不限於)一源極層212 (例如一多晶矽源極層或其類似者)。作為另一實例(儘管未展示)，一CuA裝置202可包含CMOS結構206與一基板214之間的中介層。
現參考圖3，更詳細描述根據本發明之一或多個實施例之用於特徵化CuA裝置202或其部分之技術。
可期望在一製程之各種階段中產生一CuA裝置202之構成結構(例如CMOS結構206及/或記憶體陣列結構204)之量測。此等量測可包含(但不限於)計量量測或缺陷量測(例如檢測量測)。計量量測可包含(但不限於)一疊對量測、一關鍵尺寸(CD)量測、一形狀量測(例如一高度量測、一傾斜量測、一側壁角量測或其類似者)、一應力量測、一組成量測、一帶隙量測、電性質之一量測或程序狀況(例如焦點及/或劑量狀況、一光阻劑狀態、一部分壓力、一溫度、一聚焦模型或其類似者)之一量測。檢測量測可包含(但不限於)識別及/或特徵化一製程之缺陷(例如非所要特徵、缺失特徵、不適當塑形或定位之特徵或其類似者)。此外，此等量測可用於各種目的，包含(但不限於)程序控制、報廢或用於估計所製造CuA裝置202之效能。
量測可在用於製造一CuA裝置202之任何程序步驟之後產生。例如，量測可在製造CMOS結構206之後及/或在製造記憶體陣列結構204以形成一全CuA裝置202之後產生。為了說明，包含記憶體陣列結構204及下伏CMOS結構206兩者之一全CuA裝置202之量測在本文中指稱「全循環」量測。
在本文中應考量，一個程序步驟中之量測一般可提供關於樣本104上所製造之任何特徵之資訊，其取決於一照明束114與樣本104之相互作用。依此方式，執行新製造特徵之隔離量測可具挑戰性。例如，全循環量測一般可提供記憶體陣列結構204及下伏CMOS結構206兩者之資訊或受記憶體陣列結構204及下伏CMOS結構206兩者影響之資訊，其可限制或損及產生記憶體陣列結構204之隔離量測之能力。
在一些實施例中，各種測試結構之量測可經產生以有助於產生特定特徵之隔離量測。例如，包含記憶體陣列結構204且無對應埋設CMOS結構206之一測試結構之量測在本文中指稱「短循環」量測。
此外，任何程序步驟中之量測一般可使用任何適合技術來產生，包含(但不限於)光學技術、x射線技術、基於粒子之技術或其類似者。然而，不同量測技術可提供不同權衡。例如，光學量測技術一般可提供非破壞性量測，其具有一高量測處理量但可具有有限解析度或可受限於基於對應分析或模型化步驟之結構(例如週期性結構)之特定類型。因此，當處理量尤其重要時，在運行時間期間通常利用光學量測。作為另一實例，x射線及/或基於粒子之技術可提供比一些光學技術更高之解析度但可遭受相對較低處理量及/或可為破壞性量測。因此，一些技術通常用於參考量測。
然而，在本文中應考量，在所有應用中在所有量測步驟中產生所有可能類型之量測可能不可行或不期望。在此等情況中，不同技術可用於產生具體結構之量測(例如記憶體陣列結構204之隔離量測)，其取決於可用資料。
圖3係繪示根據本發明之一或多個實施例之用於特徵化CuA裝置202之一方法300中所執行之步驟的一流程圖。申請人提醒，本文中先前在量測系統100之內文中所描述之實施例及實現技術應被解譯為擴展至方法300。例如，與方法300相關聯之步驟可由量測系統100之控制器106及/或一特徵化子系統102實施。然而，應進一步注意，方法300不受限於量測系統100之架構。
在本文中應考量，方法300可適合於(但不受限於)其中期望在不使用短循環量測之情況下產生記憶體陣列結構204之隔離量測之應用。此方法之一個目標係開發CMOS結構206之有效表示，其可用於一般依賴存在週期性結構之基於物理之模型(諸如(但不限於) RCWA技術)中。與此方法相關聯之一個障礙係CMOS結構206一般非週期性且因此不與需要週期性結構之此等基於物理之模型直接相容。在一些實施例中，一有效媒體模型化技術用於將CMOS結構206模型化為一有效媒體，其中有效媒體之性質空間變動以捕獲CMOS結構206之空間變動。
在一些實施例中，方法300包含一步驟302：在用於製造CuA裝置之一第一程序步驟之後產生一或多個訓練樣本之光學量測資料，其中CuA裝置在第一程序步驟之後包含具有一不均勻空間分佈之第一結構。例如，第一結構可包含CMOS結構206。作為另一實例，第一結構可包含CMOS結構206加上模結構，其可包含待圖案化至記憶體陣列結構204上之多個沈積材料層。依此方式，模結構可對應於記憶體陣列結構204之前驅物。
光學量測資料可包含由任何類型之光學系統(諸如(但不限於)圖1B中所描繪之光學特徵化子系統102)產生之任何類型之資料。例如，光學量測資料可包含(但不限於)來自一橢偏儀、一反射計或一散射計之光諎資料(例如分別地，橢偏測量資料、反射測量資料或散射測量資料)。
此外，在一些實施例中，一或多個訓練樣本包含第一結構之已知變動(例如與預期程序變動相關聯)。依此方式，此等變動之影響可識別且併入至下文將描述之方法300之模型中。此一程序可指稱一實驗設計(DOE)且可提高方法300之可靠性。
在一些實施例中，方法300包含一步驟304：基於一或多個訓練樣本之光學量測資料之無監督叢集來將第一結構分類成空間連續區域。在本文中應考量，第一結構之數目及/或設計之結構變動可不同地影響第一結構之光學量測資料(例如在步驟302中所產生)。因此，一無監督叢集技術可將樣本分成具有類似光學量測資料之不同空間連續區域，使得不同區域可單獨模型化。應注意，基於光學量測資料而非第一結構之設計來將第一結構分類成區域可有益地基於對關注光學量測資料之實際影響來產生分組。
步驟304可利用此項技術中已知之任何無監督叢集技術，諸如(但不限於)一k最近鄰技術、一SVM技術或經調適用於無監督叢集之一神經網路。
在一些實施例中，方法300包含一步驟306：在用於製造CuA裝置202之一第二程序步驟之後產生一或多個訓練樣本之光學量測資料，其中第二程序步驟之後的CuA裝置202包含第一結構上方之週期性第二結構。例如，第二結構可包含週期性記憶體陣列結構204。因此，步驟306中所產生之光學量測資料可對應於全循環資料。
在一些實施例中，方法300包含一步驟308：開發第一結構之區域之有效媒體模型。在一些實施例中，方法300包含一步驟310：基於第一結構之群組之有效媒體模型及第二程序步驟之後的一或多個訓練樣本之光學量測資料來開發用於判定CuA裝置202之一或多個量測之量測模型。量測可特徵化一CuA裝置202之任何部分，諸如(但不限於)記憶體陣列結構204或CMOS結構206。
作為一說明，CuA裝置202 (或其一具體部分)之各種性質可提供為模型中之浮動參數，其具有可藉由使光學資料與量測模型擬合來獲得之值。CuA裝置202或其任何構成特徵(例如記憶體陣列結構204及/或CMOS結構206)之一或多個量測可基於藉由擬合(直接或組合)判定之浮動參數之此等值來產生。此等量測之非限制性實例包含(但不限於)疊對、CD、高度、傾斜、缺陷識別或缺陷分類。
在一些實施例中，量測模型需要樣本上之相關聯特徵之各種假定或約束，諸如(但不限於)特徵之週期性。在此等情況中，第一結構(例如僅CMOS結構206及/或具有模結構)一般可呈非週期性(但可具有一些局部週期性)，作為具有有效性質之一有效材料，該等有效性質提供匹配來自步驟302量測之光學量測資料之光學量測資料。此程序可針對由步驟304中之無監督叢集識別之區域之各者在步驟308中重複。
例如，一有效媒體模型可將第一結構視為形成為一單一材料或不同材料之一堆疊之一有效媒體且提供此有效媒體之一有效分散之一表示。依此方式，與有效媒體相關聯之各種參數(諸如(但不限於)任何層之厚度或分散度)可提供為浮動參數，其可藉由直接擬合步驟302中所提供之光學量測資料或擬合自此資料導出之值來判定。有效媒體模型可利用任何技術及/或分散模型，諸如(但不限於)一諧波振盪器模型、一托克-洛倫茲(Tauc-Lorentz)模型、一柯西(Cauchy)模型、一布魯格曼(Bruggeman)有效媒體近似(BEMA)模型或一nk偏移模型。
此外，各區域之有效媒體模型可在步驟310中用於產生此等區域之各者之量測模型。因此，記憶體陣列結構204及/或CMOS結構206之任何數目個量測可基於依使得考量影響光學量測資料之CMOS結構206之空間變動之一方式使光學量測資料與步驟310之量測模型擬合來產生。
步驟310中所開發之量測模型可包含任何類型之模型或併入第一結構之區域之不同有效媒體模型之模型組合。
在一些實施例中，步驟310中所開發之量測模型可包含一基於物理之模型，其中CuA裝置202之性質透過一或多個照明束114與構成特徵之性質之間的一相互作用模型來與關注計量量測相關。可使用任何適合基於物理之量測模型，諸如(但不限於)一RCWA模型、一FEM模型、一矩量法模型、一表面積分模型、一體積積分模型或一FDTD模型。
在一些實施例中，步驟310中所開發之量測模型包含至少部分用自上述一基於物理之模型產生之資料來訓練之機器學習模型。例如，方法300可包含一步驟：使用基於物理之量測模型及描述合成CuA裝置202之各種參數來產生合成量測資料。方法300接著可包含一步驟：基於訓練資料來訓練一機器學習模型以產生一或多個量測，其中訓練資料包含一或多個訓練樣本之光學量測資料或描述合成CuA裝置202之合成資料之至少一者。依此方式，基於物理之模型可用於提供除上述與訓練及/或測試樣本相關聯之實驗資料(例如光學量測資料及/或參考資料)之外的補充訓練資料。
例如，合成量測資料可包含基於CuA裝置202之幾何及分散參數之各種組合之光學量測資料(例如可由一光學特徵化子系統102產生)之合成等效物。作為一說明，記憶體陣列結構204之幾何及分散參數及CMOS結構206之有效媒體模型之不同組合可作為輸入提供至基於物理之量測模型以產生合成量測資料作為輸出。因此，此合成量測資料可特徵化為適合於提供機器學習模型之訓練資料之一合成DOE。
步驟310中所開發之量測模型接著可在一製程期間用於產生具有未知性質之額外樣本(例如測試樣本)之量測。
在一些實施例中，方法300包含一步驟312：在用於製造CuA裝置202之第二程序步驟之後產生一或多個測試樣本之一或多光學量測資料。依此方式，步驟312可包含產生測試樣本上之CuA裝置202之全循環資料。
在一些實施例中，方法300包含一步驟314：基於一或多個測試樣本之光學量測資料及量測模型來產生一或多個測試樣本上之CuA裝置202之一或多個量測之值。例如，來自步驟312之光學量測資料可與步驟310之量測模型擬合以判定CuA裝置202之各種參數之值。量測可特徵化測試樣本上之CuA裝置202之任何態樣，諸如(但不限於)記憶體陣列結構204或CMOS結構206。特定言之，應注意，步驟314可基於上述不同區域之相關聯模型化來提供存在空間不均勻CMOS結構206之記憶體陣列結構204之準確量測。
在本文中應進一步考量，步驟314可用於產生測試樣本上之各種CuA裝置202之量測。一般而言，需要判定來自步驟314之哪一量測模型(例如與步驟304中所識別之一特定區域相關聯)用於一測試樣本上之一特定任意位置。
在一些實施例中，訓練及測試樣本上之CuA裝置202具有實質上相同設計。在此等情況中，一CuA裝置202內之各區域之位置可已知及固定，使得當產生測試樣本上之CuA裝置202之量測時，可應用各區域之對應量測模型。
在一些實施例中，訓練及測試樣本上之CuA裝置202由於設計或程序變動而不同。在此等情況中，需要選擇適當量測模型用於一測試樣本上之各位置。在一些實施例中，方法300進一步包含一步驟：基於自步驟306量測之光學量測資料(例如來自訓練樣本上之CuA裝置202之全循環資料)及步驟304中所識別之與相關聯區域相關聯之標記來訓練一監督式機器學習模型。依此方式，所訓練監督式機器學習模型可將一測試樣本上之各位置分類為類似於步驟304中所識別之區域之一者，使得可應用適當有效媒體模型(例如來自步驟308)及量測模型(例如來自步驟310)。例如，步驟314可包含針對一或多個測試樣本上之各位置使用具有來自一或多個測試樣本上之位置之相關聯光學量測資料之機器學習模型來選擇量測模型之一者且可進一步包含針對一或多個測試樣本上之各位置基於一或多個測試樣本之光學量測資料及量測模型之選定者來產生一或多個計量量測之值。
測試樣本上之CuA裝置202之量測接著可用於各種目的。在一些實施例中，量測用於程序控制、報廢及/或估計測試樣本上之CuA裝置202之效能。例如，量測可用於在一回饋及/或前饋程序中產生一或多個程序工具(例如掃描器、步進器或其類似者)之校正數。
現參考圖1B至圖1D，更詳細描述根據本發明之一或多個實施例之特徵化子系統102之各種非限制性組態。
在一些實施例中，特徵化子系統102係基於樣本104與光之相互作用來產生量測資料之一光學量測子系統。圖1B係根據本發明之一或多個實施例之組態為一光學特徵化子系統102之特徵化子系統102之一簡化示意圖。例如，特徵化子系統102可包含(但不限於)一光譜橢偏儀(SE)、具有多個照明角之一SE、量測穆勒矩陣元素(例如使用(若干)旋轉補償器)之一SE、一單波長橢偏儀、一射束輪廓橢偏儀(例如角解析橢偏儀)、一射束輪廓反射計(例如角解析反射計)、一寬頻反射光譜儀(例如光譜反射計)、一單波長反射計、一角解析反射計、一成像系統、一散射計(例如斑紋分析器)或其等之任何組合。
在一些實施例中，特徵化子系統102包含經組態以產生至少一個照明束114之一照明源112。來自照明源112之照明可包含一或多個選定波長光，其包含(但不限於)紫外線(UV)輻射、可見光輻射或紅外線(IR)輻射。例如，特徵化子系統102可包含一照明光瞳平面處之一或多個孔徑以將來自照明源112之照明分成一或多個照明束114或照明瓣。就此而言，特徵化子系統102可提供偶極照明、正交照明或其類似者。此外，一或多個照明束114在樣本104上之空間分佈可由一場平面光闌控制以具有任何選定空間分佈。
照明源112可包含適合於提供至少一個照明束114之任何類型之照明源。在一些實施例中，照明源112係一雷射源。例如，照明源112可包含(但不限於)一或多個窄頻雷射源、一寬頻雷射源、一超連續光譜雷射源、一白光雷射源或其類似者。在一些實施例中，照明源112包含一雷射持續電漿(LSP)源。例如，照明源112可包含(但不限於)一LSP燈、一LSP燈泡或一LSP室，其適合於容納在由一雷射源激發成一電漿狀態時可發射寬頻照明之一或多個元件。在一些實施例中，照明源112包含一燈源。在一些實施例中，照明源112可包含(但不限於)一弧燈、一放電燈、一無極燈或其類似者。
照明源112可使用自由空間技術及/或光纖來提供一或多個照明束114。
在一些實施例中，特徵化子系統102經由一照明路徑118透過至少一個照明透鏡116 (例如一物鏡)將照明束114導引至樣本104。照明路徑118可包含適合於修改及/或調節照明束114且將照明束114導引至樣本104之一或多個光學組件。在一些實施例中，照明路徑118包含用於整形或依其他方式控制照明束114之一或多個照明路徑光學元件120。例如，照明路徑光學器件120可包含(但不限於)一或多個場光闌、一或多個光瞳光闌、一或多個偏振器、一或多個濾波器、一或多個分束器、一或多個漫射器、一或多個勻光器、一或多個變跡器、一或多個射束整形器或一或多個反射鏡(例如靜態反射鏡、可平移反射鏡、掃描反射鏡或其類似者)。
特徵化子系統102可使用任何適合技術來定位樣本104用於一量測。在一些實施例中，如圖1B中所繪示，特徵化子系統102包含用於相對於照明束114定位樣本104之一樣本載台122，其包含一或多個致動器(例如線性致動器、翻轉/傾斜致動器、旋轉致動器或其類似者)。在一些實施例中，儘管未明確展示，但特徵化子系統102包含用於調整一位置及/或掃描一或多個照明束114之射束掃描光學器件(例如檢流計反射鏡、掃描稜鏡或其類似者)。
在一些實施例中，特徵化子系統102包含至少一個集光透鏡124，其捕獲自樣本104發出之光或其他輻射(其在本文中指稱收集光126)且透過一集光路徑130將此收集光126導引至一或多個偵測器128。集光路徑130可包含適合於修改及/或調節來自樣本104之收集光126之一或多個光學元件。在一些實施例中，集光路徑130包含用於整形或依其他方式控制收集光126之一或多個集光路徑光學器件132。例如，集光路徑光學器件132可包含(但不限於)一或多個場光闌、一或多個光瞳光闌、一或多個偏振器、一或多個濾波器、一或多個分束器、一或多個漫射器、一或多個勻光器、一或多個變跡器、一或多個射束整形器或一或多個反射鏡(例如靜態反射鏡、可平移反射鏡、掃描反射鏡或其類似者)。
特徵化子系統102一般可包含任何數目個或類型之偵測器128。例如，特徵化子系統102可包含至少一個單像素偵測器128，諸如(但不限於)一光二極體、一雪崩光二極體或一單光子偵測器。作為另一實例，特徵化子系統102可包含至少一個多像素偵測器128，諸如(但不限於)一電荷耦合裝置(CCD)或一互補金屬氧化物半導體(CMOS)裝置、一線性偵測器或一時間延遲積分(TDI)偵測器。
一偵測器128可定位於集光路徑130內之任何選定位置處。在一些實施例中，特徵化子系統102包含一場平面(例如，與樣本104共軛之一平面)處之一偵測器128，其用於產生樣本104之一影像。在一些實施例中，特徵化子系統102包含一光瞳平面(例如一繞射平面)處之一偵測器128，其用於產生一光瞳影像。就此而言，光瞳影像可對應於由偵測器128捕獲來自樣本104之光之一角分佈。例如，與來自樣本104之照明束114之繞射相關聯之繞射階可在光瞳平面中成像或依其他方式觀察到。一般而言，一偵測器128可捕獲來自樣本104之反射(或透射)、散射或繞射光之任何組合。
特徵化子系統102之照明路徑118及集光路徑130可定向為各種組態。例如，如圖1B中所繪示，照明路徑118及集光路徑130可含有非重疊光學路徑。在一些實施例中，儘管未明確展示，但特徵化子系統102可包含一分束器，其經定向使得一共同物鏡可同時將照明束114導引至樣本104及捕獲收集光126。
圖1C係根據本發明之一或多個實施例之組態為一x射線特徵化子系統102之特徵化子系統102之一簡化示意圖。此一特徵化子系統102可組態為(但不限於)一小角x射線散射計(SAXR)或一軟x射線反射計(SXR)。x射線特徵化系統及相關聯量測技術大體上描述於以下中：2011年4月19日發佈之美國專利第7,929,667號；2018年2月6日發佈之美國專利第9,885,962號；2018年7月3日發佈之美國專利第10,013,518號；2019年6月18日發佈之美國專利第10,324,050號；2019年7月16日發佈之美國專利第10,352,695號；2020年9月15日發佈之美國專利第10,775,323號；Germer等人之「Intercomparison between optical and x-ray scatterometry measurements of FinFET structures」( Proc.SPIE, v.8681, p. 86810Q (2013))；Kline等人之「X-ray scattering critical dimensional metrology using a compact x-ray source for next generation semiconductor devices」(微/奈米微影雜誌，MEMS及MOEMS 16.1 (2017))；2022年5月17日發佈之美國專利第11,333,621號；及2021年7月8日公開之美國專利申請案第2021/0207956號；所有該等專利及申請案之全文以引用的方式併入本文中。
在一些實施例中，照明源112係一x射線源，其經組態以產生具有任何粒子能量(例如軟x射線、硬x射線或其類似者)之一x射線照明束114。特徵化子系統102接著可包含適合於捕獲一相關聯收集光信號134 (其可包含(但不限於) x射線發射、光學發射或粒子發射)之組件之任何組合。
例如，特徵化子系統102可包含適合於準直或聚焦一x射線照明束114之一x射線照明透鏡116及適合於收集、準直及/或聚焦來自樣本104之集光信號134之集光路徑透鏡(未展示)。此外，特徵化子系統102可包含各種照明路徑光學器件(未展示)及/或集光路徑光學器件(未展示)，諸如(但不限於) x射線準直反射鏡、鏡面x射線光學器件(諸如掠入射橢球反射鏡)、多毛細管光學器件(諸如中空毛細管x射線波導)、多層光學器件或系統或其等之任何組合。在實施例中，特徵化子系統102包含一x射線偵測器128，諸如(但不限於)一x射線單色器(例如一晶體單色器，諸如一洛克斯利-坦納-鮑文(Loxley-Tanner-Bowen)單色器或其類似者)、x射線孔徑、x射線射束光闌或繞射光學器件(例如(諸如)區板)。
圖1D係根據本發明之一或多個實施例之組態為一粒子束特徵化子系統102之特徵化子系統102之一簡化示意圖。
在一個實施例中，照明源112包含一粒子源(例如一電子束源、一離子束源或其類似者)，使得照明束114包含一粒子束(例如一電子束、一粒子束或其類似者)。照明源112可包含適合用於產生一粒子照明束114之此項技術中已知之任何粒子源。例如，照明源112可包含(但不限於)一電子槍或一離子槍。在另一實施例中，照明源112經組態以提供具有一可調諧能量之一粒子束。例如，包含一電子源之一照明源112可(但不限於)提供0.1千伏特(kV)至30 kV之範圍內之一加速電壓。作為另一實例，包含一離子源之一照明源112可(但不要求)提供具有1千電子伏特(keV)至50 keV之範圍內之一能量之一離子束。
在另一實施例中，照明路徑118包含一或多個粒子聚焦元件(例如一照明透鏡116、一集光透鏡124或其類似者)。例如，一或多個粒子聚焦元件可包含(但不限於)一單一粒子聚焦元件或形成一複合系統之一或多個粒子聚焦元件。在另一實施例中，一或多個粒子聚焦元件包含經組態以將粒子照明束114導引至樣本104之一照明透鏡116。此外，一或多個粒子聚焦元件可包含此項技術中已知之任何類型之電子透鏡，包含(但不限於)靜電、磁性、單電位或雙電位透鏡。
在另一實施例中，特徵化子系統102包含用於成像或依其他方式偵測自樣本104發出之粒子之一或多個粒子偵測器128。例如，偵測器128可包含一電子收集器(例如一次級電子收集器、一反向散射電子偵測器或其類似者)。作為另一實例，偵測器128可包含用於偵測來自樣本表面之電子及/或光子之一光子偵測器(例如一光偵測器、一x射線偵測器、經耦合至光倍增管(PMT)偵測器之一閃爍元件或其類似者)。
本文中所描述之標的物有時繪示含於其他組件內或與其他組件連接之不同組件。應理解，此等描繪架構僅供例示，且事實上，可實施達成相同功能之諸多其他架構。就概念而言，達成相同功能之組件之任何配置經有效「相關聯」使得達成所要功能。因此，不管架構或中間組件如何，本文中經組合以達成一特定功能之任何兩個組件可被視為彼此「相關聯」使得達成所要功能。同樣地，如此相關聯之任何兩個組件亦可被視為彼此「連接」或「耦合」以達成所要功能，且能夠如此相關聯之任何兩個組件亦可被視為彼此「可耦合」以達成所要功能。「可耦合」之具體實例包含(但不限於)可實體相互作用及/或實體相互作用組件及/或可無線相互作用及/或無線相互作用組件及/或可邏輯相互作用及/或邏輯相互作用組件。
據信，將藉由以上描述來理解本發明及諸多其伴隨優點，且應明白，可在不背離所揭示標的物或不犧牲所有其材料優點之情況下對組件之形式、結構及配置作出各種改變。所描述形式僅供解釋，且以下申請專利範圍意欲涵蓋及包含此等改變。此外，應理解，本發明由隨附專利申請範圍界定。
100:量測系統 102:特徵化子系統 104:樣本 106:控制器 108:處理器 110:記憶體 112:照明源 114:照明束 116:照明透鏡 118:照明路徑 120:照明路徑光學器件 122:樣本載台 124:集光透鏡 126:收集光 128:偵測器 130:集光路徑 132:集光路徑光學器件 134:集光信號 202:互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置 204:記憶體陣列結構 206:CMOS結構 208:圖案化特徵 210:堆疊 212:源極層 214:基板 300:方法 302:步驟 304:步驟 306:步驟 308:步驟 310:步驟 312:步驟 314:步驟
熟習技術者可藉由參考附圖來較佳理解本發明之諸多優點。
圖1A係根據本發明之一或多個實施例之一量測系統之一方塊圖。
圖1B係根據本發明之一或多個實施例之組態為一光學特徵化子系統之特徵化子系統之一簡化示意圖。
圖1C係根據本發明之一或多個實施例之組態為一X射線特徵化子系統之特徵化子系統之一簡化示意圖。
圖1D係根據本發明之一或多個實施例之組態為一粒子束特徵化子系統之特徵化子系統之一簡化示意圖。
圖2係根據本發明之一或多個實施例之一CuA裝置之一簡化示意圖。
圖3係繪示根據本發明之一或多個實施例之用於特徵化CuA裝置之一方法中所執行之步驟的一流程圖。
100:量測系統
102:特徵化子系統
104:樣本
106:控制器
108:處理器
110:記憶體

Claims (36)

  1. 一種系統，其包括： 一控制器，其包含一或多個處理器，該控制器經組態以執行程式指令以引起該一或多個處理器藉由以下來實施一量測配方： 在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後接收一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構； 基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域； 在用於製造該等CuA裝置之一第二程序步驟之後接收該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構； 開發該等第一結構之該等空間連續區域之有效媒體模型； 基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型； 在用於製造該等CuA裝置之該第二程序步驟之後接收一或多個測試樣本之光學量測資料；及 基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之一或多個計量量測之值。
  2. 如請求項1之系統，其中該等第一結構包含CMOS結構。
  3. 如請求項1之系統，其中該等第一結構包含CMOS結構及模結構，其中該等模結構包含該等第二結構之前驅物。
  4. 如請求項1之系統，其中該一或多個量測包括： 一計量量測。
  5. 如請求項4之系統，其中該計量量測包括： 一疊對量測、一關鍵尺寸(CD)量測、一形狀量測、一應力量測、一組成量測、一帶隙量測、電性質之一量測或程序狀況之一量測之至少一者。
  6. 如請求項1之系統，其中該一或多個量測包括： 一檢測量測。
  7. 如請求項6之系統，其中該檢測量測包括： 該等第二結構中之一缺陷之一識別或一分類之至少一者。
  8. 如請求項1之系統，其中該一或多個測試樣本上之該等第一結構具有共同於該一或多個訓練樣本上之該等第一結構之一空間分佈。
  9. 如請求項1之系統，其中該一或多個測試樣本上之該等第一結構具有不同於該一或多個訓練樣本上之該等第一結構之一空間分佈。
  10. 如請求項1之系統，其中有效分散模型之至少一者包括： 一諧波振盪器模型、一托克-洛倫茲模型、一柯西模型、一布魯格曼有效媒體近似(BEMA)模型或一nk偏移模型之至少一者。
  11. 如請求項1之系統，其中該等有效媒體模型之一特定者將該等空間連續區域之一特定者中之複數個該等第一結構之一部分描述為一或多個膜。
  12. 如請求項11之系統，其中開發該等空間連續區域之至少一者之該有效媒體模型包括： 透過擬合以匹配該第一程序步驟之後的該一或多個訓練樣本之該對應光學量測資料來判定該一或多個膜之分散度或厚度之至少一者。
  13. 如請求項1之系統，其中該等量測模型係基於光物質與該等CuA裝置之相互作用。
  14. 如請求項1之系統，其中該等量測模型包含至少部分基於來自基於光物質與該等CuA裝置之相互作用之模型之合成資料所訓練之機器學習模型。
  15. 如請求項1之系統，其中在該第一程序步驟之後執行該一或多個訓練樣本之該光學量測資料以識別該等空間連續區域之該無監督叢集使用一k最近鄰演算法、一支援向量機或一神經網路之至少一者來實施。
  16. 如請求項1之系統，其進一步包括： 基於該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料及基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集與該等空間連續區域相關聯之標記來訓練一機器學習模型； 其中基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之該等值包括： 針對該一或多個測試樣本上之各位置使用具有來自該一或多個測試樣本上之該等位置之該相關聯光學量測資料之該機器學習模型來選擇該等量測模型之一者；及 針對該一或多個測試樣本上之各位置基於該一或多個測試樣本之該光學量測資料及該等量測模型之該選定者來產生該一或多個計量量測之值。
  17. 如請求項1之系統，其中該第一程序步驟之後或該第二程序步驟之後的該等訓練樣本及該一或多個測試樣本之至少一者之該光學量測資料包括： 橢偏測量資料、反射測量資料或散射測量資料之至少一者。
  18. 一種系統，其包括： 一光學特徵化系統；及 一控制器，其與該光學特徵化系統通信地耦合，包含一或多個處理器之該控制器經組態以執行程式指令以引起該一或多個處理器藉由以下來實施一量測配方： 在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後自該光學特徵化系統接收一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構； 基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域； 在用於製造該等CuA裝置之一第二程序步驟之後自該光學特徵化系統接收該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構； 開發該等第一結構之該等空間連續區域之有效媒體模型； 基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型； 在用於製造該等CuA裝置之該第二程序步驟之後自該光學特徵化系統接收一或多個測試樣本之光學量測資料；及 基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之值。
  19. 如請求項18之系統，其中該光學特徵化系統包括： 一橢偏儀、一反射計或一散射計之至少一者。
  20. 一種方法，其包括： 在用於製造互補金屬氧化物半導體(CMOS)陣列下(CuA)裝置之一第一程序步驟之後產生一或多個訓練樣本之光學量測資料，其中該等CuA裝置在該第一程序步驟之後包含具有一不均勻空間分佈之第一結構； 基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之無監督叢集來將該等第一結構分類成空間連續區域； 在用於製造該等CuA裝置之一第二程序步驟之後產生該一或多個訓練樣本之光學量測資料，其中該第二程序步驟之後的該等CuA裝置包含該等第一結構上方之週期性第二結構； 開發該等第一結構之該等空間連續區域之有效媒體模型； 基於該等第一結構之該等空間連續區域之該等有效媒體模型及該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料來開發用於判定該等CuA裝置之一或多個量測之量測模型； 在用於製造該等CuA裝置之該第二程序步驟之後產生一或多個測試樣本之光學量測資料；及 基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之值。
  21. 如請求項20之方法，其中該等第一結構包含互補金屬氧化物半導體(CMOS)結構。
  22. 如請求項20之方法，其中該等第一結構包含CMOS結構及模結構，其中該等模結構包含該等週期性第二結構之前驅物。
  23. 如請求項20之方法，其中該一或多個量測包括： 一計量量測。
  24. 如請求項23之方法，其中該計量量測包括： 一疊對量測、一關鍵尺寸(CD)量測、一形狀量測、一應力量測、一組成量測、一帶隙量測、電性質之一量測或程序狀況之一量測之至少一者。
  25. 如請求項20之方法，其中該一或多個量測包括： 一檢測量測。
  26. 如請求項25之方法，其中該檢測量測包括： 該等第二結構中之一缺陷之一識別或一分類之至少一者。
  27. 如請求項20之方法，其中該一或多個測試樣本上之該等第一結構具有共同於該一或多個訓練樣本上之該等第一結構之一空間分佈。
  28. 如請求項20之方法，其中該一或多個測試樣本上之該等第一結構具有不同於該一或多個訓練樣本上之該等第一結構之一空間分佈。
  29. 如請求項20之方法，其中該等有效分散模型之至少一者包括： 一諧波振盪器模型、一托克-洛倫茲模型、一柯西模型、一布魯格曼有效媒體近似(BEMA)模型或一nk偏移模型之至少一者。
  30. 如請求項20之方法，其中該等有效媒體模型之一特定者將該等空間連續區域之一特定者中之該複數個該等第一結構之一部分描述為一或多個膜。
  31. 如請求項30之方法，其中開發該等空間連續區域之至少一者之該有效媒體模型包括： 透過擬合以匹配該第一程序步驟之後的該一或多個訓練樣本之該對應光學量測資料來判定該一或多個膜之分散度或厚度之至少一者。
  32. 如請求項20之方法，其中該等量測模型係基於光物質與該等CuA裝置之相互作用。
  33. 如請求項20之方法，其中該等量測模型包含至少部分基於來自基於光物質與該等CuA裝置之相互作用之模型之合成資料所訓練之機器學習模型。
  34. 如請求項20之方法，其中在該第一程序步驟之後執行該一或多個訓練樣本之該光學量測資料以識別該等空間連續區域之該無監督叢集使用一k最近鄰演算法、一支援向量機或一神經網路之至少一者來實施。
  35. 如請求項20之方法，其進一步包括： 基於該第二程序步驟之後的該一或多個訓練樣本之該光學量測資料及基於該第一程序步驟之後的該一或多個訓練樣本之該光學量測資料之該無監督叢集與該等空間連續區域相關聯之標記來訓練一機器學習模型； 其中基於該一或多個測試樣本之該光學量測資料及該等量測模型來產生該一或多個測試樣本上之該等第二結構之該一或多個計量量測之該等值包括： 針對該一或多個測試樣本上之各位置使用具有來自該一或多個測試樣本上之該等位置之該相關聯光學量測資料之該機器學習模型來選擇該等量測模型之一者；及 針對該一或多個測試樣本上之各位置基於該一或多個測試樣本之該光學量測資料及該等量測模型之該選定者來產生該一或多個計量量測之值。
  36. 如請求項20之方法，其中該第一程序步驟之後或該第二程序步驟之後的該等訓練樣本及該一或多個測試樣本之至少一者之該光學量測資料包括： 橢偏測量資料、反射測量資料或散射測量資料之至少一者。
TW112149919A 2023-06-30 2023-12-21 利用具有cmos陣列下(cua)結構之分類之有效媒體模型之存在cua結構中之計量 TW202516562A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US18/217,199 2023-06-30
US18/217,199 US12372882B2 (en) 2023-06-30 2023-06-30 Metrology in the presence of CMOS under array (CUA) structures utilizing an effective medium model with classification of CUA structures

Publications (1)

Publication Number Publication Date
TW202516562A true TW202516562A (zh) 2025-04-16

Family

ID=93939735

Family Applications (1)

Application Number Title Priority Date Filing Date
TW112149919A TW202516562A (zh) 2023-06-30 2023-12-21 利用具有cmos陣列下(cua)結構之分類之有效媒體模型之存在cua結構中之計量

Country Status (3)

Country Link
US (1) US12372882B2 (zh)
TW (1) TW202516562A (zh)
WO (1) WO2025006191A1 (zh)

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5608526A (en) 1995-01-19 1997-03-04 Tencor Instruments Focused beam spectroscopic ellipsometry method and system
US5859424A (en) 1997-04-08 1999-01-12 Kla-Tencor Corporation Apodizing filter system useful for reducing spot size in optical measurements and other applications
US6429943B1 (en) 2000-03-29 2002-08-06 Therma-Wave, Inc. Critical dimension analysis with simultaneous multiple angle of incidence measurements
US20040267397A1 (en) * 2003-06-27 2004-12-30 Srinivas Doddi Optical metrology of structures formed on semiconductor wafer using machine learning systems
US7478019B2 (en) 2005-01-26 2009-01-13 Kla-Tencor Corporation Multiple tool and structure analysis
US7567351B2 (en) 2006-02-02 2009-07-28 Kla-Tencor Corporation High resolution monitoring of CD variations
US7929667B1 (en) 2008-10-02 2011-04-19 Kla-Tencor Corporation High brightness X-ray metrology
US10013518B2 (en) 2012-07-10 2018-07-03 Kla-Tencor Corporation Model building and analysis engine for combined X-ray and optical metrology
US10769320B2 (en) 2012-12-18 2020-09-08 Kla-Tencor Corporation Integrated use of model-based metrology and a process model
US9291554B2 (en) 2013-02-05 2016-03-22 Kla-Tencor Corporation Method of electromagnetic modeling of finite structures and finite illumination for metrology and inspection
US10101670B2 (en) 2013-03-27 2018-10-16 Kla-Tencor Corporation Statistical model-based metrology
US9915522B1 (en) 2013-06-03 2018-03-13 Kla-Tencor Corporation Optimized spatial modeling for optical CD metrology
US10502694B2 (en) 2013-08-06 2019-12-10 Kla-Tencor Corporation Methods and apparatus for patterned wafer characterization
US10935893B2 (en) * 2013-08-11 2021-03-02 Kla-Tencor Corporation Differential methods and apparatus for metrology of semiconductor targets
US9885962B2 (en) 2013-10-28 2018-02-06 Kla-Tencor Corporation Methods and apparatus for measuring semiconductor device overlay using X-ray metrology
US10324050B2 (en) 2015-01-14 2019-06-18 Kla-Tencor Corporation Measurement system optimization for X-ray based metrology
US10352695B2 (en) 2015-12-11 2019-07-16 Kla-Tencor Corporation X-ray scatterometry metrology for high aspect ratio structures
KR102429847B1 (ko) 2016-04-29 2022-08-04 에이에스엠엘 네델란즈 비.브이. 구조체의 특성을 결정하는 방법 및 장치, 디바이스 제조 방법
US11313809B1 (en) 2016-05-04 2022-04-26 Kla-Tencor Corporation Process control metrology
US10458912B2 (en) 2016-08-31 2019-10-29 Kla-Tencor Corporation Model based optical measurements of semiconductor structures with anisotropic dielectric permittivity
US10775323B2 (en) 2016-10-18 2020-09-15 Kla-Tencor Corporation Full beam metrology for X-ray scatterometry systems
US11333621B2 (en) 2017-07-11 2022-05-17 Kla-Tencor Corporation Methods and systems for semiconductor metrology based on polychromatic soft X-Ray diffraction
US10663286B2 (en) 2017-08-22 2020-05-26 Kla-Tencor Corporation Measuring thin films on grating and bandgap on grating
US11156548B2 (en) 2017-12-08 2021-10-26 Kla-Tencor Corporation Measurement methodology of advanced nanostructures
US10794839B2 (en) 2019-02-22 2020-10-06 Kla Corporation Visualization of three-dimensional semiconductor structures
US11036898B2 (en) 2018-03-15 2021-06-15 Kla-Tencor Corporation Measurement models of nanowire semiconductor structures based on re-useable sub-structures
US11060846B2 (en) 2018-12-19 2021-07-13 Kla Corporation Scatterometry based methods and systems for measurement of strain in semiconductor structures
US11415898B2 (en) * 2019-10-14 2022-08-16 Kla Corporation Signal-domain adaptation for metrology
US11698251B2 (en) 2020-01-07 2023-07-11 Kla Corporation Methods and systems for overlay measurement based on soft X-ray Scatterometry
US20230402328A1 (en) * 2022-06-09 2023-12-14 Onto Innovation Inc. Optical metrology with nuisance feature mitigation
US12259338B2 (en) * 2022-07-08 2025-03-25 Onto Innovation Inc. Mitigation of undesired spectral effects in optical metrology

Also Published As

Publication number Publication date
WO2025006191A1 (en) 2025-01-02
US12372882B2 (en) 2025-07-29
US20250004384A1 (en) 2025-01-02

Similar Documents

Publication Publication Date Title
EP3549158B1 (en) Metrology recipe generation using predicted metrology images
JP6266007B2 (ja) 最適化されたシステムパラメータによる光学計測のための装置および方法
TWI744540B (zh) 用於高效處理窗口探索之混合檢測系統
TW201706593A (zh) 在雷射暗場系統中用於斑點抑制之方法及裝置
JP7201662B2 (ja) 分光計量を用いたパターン化膜スタックのバンドギャップ計測
JP7369788B2 (ja) 確率的レチクル欠陥処理
JP2023512258A (ja) 接合されたウェハのオーバレイ計測
US11557031B2 (en) Integrated multi-tool reticle inspection
US12372882B2 (en) Metrology in the presence of CMOS under array (CUA) structures utilizing an effective medium model with classification of CUA structures
US12510590B2 (en) Metrology in the presence of CMOS under array (CuA) structures utilizing an effective medium model with physical modeling
US20250147434A1 (en) Metrology in the Presence of CMOS Under Array (CUA) Structures Utilizing Model-Less Machine Learning
US12380367B2 (en) Metrology in the presence of CMOS under array (CuA) structures utilizing machine learning and physical modeling
US20250123225A1 (en) Spectra delta metrology
US20250378376A1 (en) Metrology using reference-based synthetic spectra
US20250251283A1 (en) Metrology with parallel subsystems and mueller signals training
TW202509637A (zh) 奈米片表面粗糙度及輪廓之計量
WO2024173035A1 (en) Angle resolved reflectometry for thick films and high aspect ratio structures