TW202530636A - 使用莫爾重疊目標以預測工具所造成之位移 - Google Patents

Abstract

本發明揭示之一種計量系統可自一第一偵測器接收一樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包含一或多個莫爾結構，該一或多個莫爾結構可形成為至少部分重疊且具有不同節距之第一層特徵及第二層特徵。在該等第一影像中，該等第一層特徵及該等第二層特徵可為未解析的，但一莫爾節距可經解析。該系統可進一步自一第二偵測器接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析。控制器可基於該一或多個第一影像產生一計量量測，且基於該一或多個第二影像產生與該計量量測相關聯之一系統性誤差之一量測。

Description

使用莫爾重疊目標以預測工具所造成之位移

本發明大體上係關於重疊計量，且更特定言之係關於監測重疊計量量測中之誤差。

重疊計量提供用不同微影曝光製造之特徵之一相對對準之量測。然而，重疊量測可能遭受可降低量測之準確度及/或敏感度之各種誤差或不準確度。例如，工具所造成之位移(TIS)係可能由非均勻照明以及其他系統性誤差所造成之一計量工具之不準確度之一量度。因此，需要發展出用以解決上述缺陷之系統及方法。

在實施例中，本文中描述之技術係關於一種計量系統，其包含一控制器，該控制器包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方：自一第一偵測器接收一樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包含一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析；自一第二偵測器接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析；基於該一或多個第一影像產生一計量量測；及基於該一或多個第二影像產生與該計量量測相關聯之一系統性誤差之一量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該等程式指令進一步經組態以引起該一或多個處理器藉由以下來實施該計量配方：基於該計量量測經由一或多個控制信號控制一或多個處理工具。

在實施例中，本文中描述之技術係關於一種計量系統，其中該計量量測包含一重疊量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該系統性誤差包含一工具所造成之位移(TIS)。

在實施例中，本文中描述之技術係關於一種計量系統，其中接收該樣本上之該重疊目標之該一或多個第一影像包含：接收該樣本上之該重疊目標之該一或多個第一影像，其中接收該重疊目標之該一或多個第二影像包含：自一第二偵測器接收該重疊目標之該一或多個第二影像。

在實施例中，本文中描述之技術係關於一種計量系統，其中該一或多個第一影像之至少一者及該一或多個第二影像之至少一者係同時產生。

在實施例中，本文中描述之技術係關於一種計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包含：用一機器學習模型產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。

在實施例中，本文中描述之技術係關於一種計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包含：用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測(例如，基於該一或多個第二影像之一優質函數之評估，或類似者)。

在實施例中，本文中描述之技術係關於一種計量系統，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包含：基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。

在實施例中，本文中描述之技術係關於一種計量系統，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含：一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。

在實施例中，本文中描述之技術係關於一種計量系統，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。

在實施例中，本文中描述之技術係關於一種計量系統，該計量系統包含：一成像子系統，其包含：一照明源，其經組態以產生具有一第一波長之一第一照明光束及具有一第二波長之一第二照明光束；一第一偵測器，其經組態以用該第一波長對一樣本進行成像；及一第二偵測器，其經組態以用該第二波長對該樣本進行成像；及一控制器，其通信地耦合至該成像子系統，該控制器包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方：自該第一偵測器接收該樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包含一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析；自該第二偵測器接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析；基於該一或多個第一影像產生一計量量測；及基於該一或多個第二影像產生與該計量量測相關聯之一系統性誤差之一量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該等程式指令進一步經組態以引起該一或多個處理器藉由以下來實施該計量配方：基於該計量量測經由一或多個控制信號控制一或多個處理工具。

在實施例中，本文中描述之技術係關於一種計量系統，其中該計量量測包含一重疊量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該系統性誤差包含一工具所造成之位移(TIS)。

在實施例中，本文中描述之技術係關於一種計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包含：用一機器學習模型產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。

在實施例中，本文中描述之技術係關於一種計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包含：用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測(例如，基於該一或多個第二影像之一優質函數之評估，或類似者)。

在實施例中，本文中描述之技術係關於一種計量系統，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包含：基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量系統，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。

在實施例中，本文中描述之技術係關於一種計量系統，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含：一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。

在實施例中，本文中描述之技術係關於一種計量系統，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。

在實施例中，本文中描述之技術係關於一種計量方法，其包含一控制器，該控制器包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方：接收一樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包含一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析；接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析；基於該一或多個第一影像產生一計量量測；及基於該一或多個第二影像產生一系統性誤差之一量測。

在實施例中，本文中描述之技術係關於一種計量方法，其進一步包含基於該計量量測經由一或多個控制信號控制一或多個處理工具。

在實施例中，本文中描述之技術係關於一種計量方法，其中基於該一或多個第一影像產生該計量量測包含：基於該一或多個第一影像產生一重疊量測。

在實施例中，本文中描述之技術係關於一種計量方法，其中基於該一或多個第二影像產生該系統性誤差之該量測包含：基於該一或多個第二影像產生一工具所造成之位移(TIS)之一量測。

在實施例中，本文中描述之技術係關於一種計量方法，其中基於該一或多個第二影像產生該系統性誤差之該量測包含：用一機器學習模型產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量方法，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。

在實施例中，本文中描述之技術係關於一種計量方法，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包含：用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測(例如，基於該一或多個第二影像之一優質函數之評估，或類似者)。

在實施例中，本文中描述之技術係關於一種計量方法，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包含：基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。

在實施例中，本文中描述之技術係關於一種計量方法，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。

在實施例中，本文中描述之技術係關於一種計量方法，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含：一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。

在實施例中，本文中描述之技術係關於一種計量方法，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。

應理解，前文一般描述及下文[實施方式]兩者僅為例示性的且說明性的，且不一定限制如所主張之本發明。併入於本說明書中且構成本說明書之一部分之隨附圖式繪示本發明之實施例且連同一般描述一起用於說明本發明之原理。

現將詳細參考隨附圖式中繪示之所揭示標的物。本發明已關於特定實施例及其具體特徵進行特定展示及描述。本文中所闡述之實施例應被視為闡釋性的而非限制性的。一般技術者應容易明白，可在不脫離本發明之精神及範疇之情況下作出形式及細節方面之各種改變及修改。

本發明之實施例係關於提供包含一或多個莫爾結構之一重疊目標之一重疊量測及與該重疊量測相關聯之系統性誤差(諸如但不限於工具所造成之位移(TIS))之一量測兩者之系統及方法。一莫爾結構可包含具有不同節距以形成一光柵疊光柵結構之重疊週期性特徵。此一重疊目標在本文中可稱為一穩健進階成像計量(r-AIM)目標。基於莫爾效應之重疊計量係大體上在以下者中進行描述：2021年11月2日發佈之美國專利第11,164,307號；2020年7月7日發佈之美國專利第10,705,435號；2023年12月12日發佈之美國專利第11,841,621號；及2022年6月7日發佈之美國專利第11,355,375號；所有該等案之全部內容以引用的方式併入本文中。

本文中經考慮，包含一或多個莫爾結構之一重疊目標(例如，一r-AIM目標)可產生具有大於光柵疊光柵結構之節距之一莫爾節距之莫爾條紋。此外，此等莫爾條紋之位置可對形成莫爾結構之重疊週期性特徵之相對位置高度敏感且因此對重疊高度敏感。特定言之，一實體重疊誤差可藉由與形成莫爾結構之重疊週期性特徵之節距之間的一差相關聯之一增益因數而造成莫爾條紋之一位移。因此，包含一或多個莫爾結構之一重疊目標可提供高度敏感之重疊量測。

本文中進一步經考慮，此一重疊目標之一影像中可觀察到之特徵可基於用於形成該影像之照明之一波長而變化。

例如，可存在可觀察到莫爾條紋之一第一波長範圍，但形成莫爾結構之週期性元件之節距並非可解析的(例如，其低於一成像系統之一解析度極限)。此一成像機制在本文中稱為一莫爾機制且可能非常適合於產生重疊量測。由於在影像中無法觀察到莫爾結構之下伏週期性特徵，因此用作一重疊量測之基礎之莫爾條紋之信號對雜訊比(SNR) (例如，莫爾條紋之可見度及/或對比度)可相對較高。

作為另一實例，可存在一第二波長範圍，對於該第二波長範圍，形成莫爾結構之週期性元件之節距係可解析的(例如，其在一成像系統之一解析度極限內)且因此除莫爾條紋之外在重疊目標之一影像中亦為可觀察到的。此一成像機制在本文中稱為一非莫爾機制。由於光學解析度隨著波長按比例調整，因此此成像機制利用比莫爾機制低之波長。儘管此非莫爾機制與莫爾機制相比可對重疊量測提供相對較低之信號對雜訊比，但此非莫爾機制可能非常適合於特性化系統性量測誤差(諸如但不限於TIS)。特定言之，光柵疊光柵結構之可觀察性可能能夠更普遍地觀察指示照明不對稱性或TIS之對比度變動。

在實施例中，包含一或多個莫爾結構之一重疊目標(例如，一r-AIM目標)係在莫爾機制及非莫爾機制兩者中成像。例如，可使用與莫爾機制相關聯之一第一波長產生一或多個第一影像，而可使用與非莫爾機制相關聯之一第二波長產生一或多個第二影像。第一及第二影像(例如，莫爾機制影像及非莫爾機制影像)可用兩個各別偵測器同時產生或用一單一偵測器循序地產生。如此，在莫爾機制中產生之一或多個第一影像可用於產生一或多個重疊量測，而在非莫爾機制中產生之一或多個第二影像可用於判定系統性誤差(諸如但不限於TIS)。

可使用任何合適技術至少部分基於具有一或多個莫爾結構之一重疊目標之一或多個非莫爾影像來判定系統性誤差。

例如，可使用一封閉形式技術基於莫爾結構之一或多個非莫爾影像來判定系統性誤差。作為一繪示，可自在具有180度對稱性之不同照明條件下在非莫爾機制中取得的重疊目標之兩個影像判定系統性誤差(諸如TIS)。例如，可基於在兩個不同樣本定向(例如，0度及180度)下產生之兩個非莫爾影像之一加總、差異或其他組合來判定系統性誤差。作為另一繪示，可基於莫爾結構之一或多個非莫爾影像來評估提供表示系統性誤差之值之一或多個優質函數。例如，qMerit度量之值可用於基於一或多個非莫爾影像來判定系統性誤差之存在及/或值。qMerit度量係大體上在Kandel、Daniel等人之「Overlay accuracy fundamentals」(Metrology, Inspection, and Process Control for Microlithography XXVI，第8324卷，SPIE, 2012)中進行描述，該案之全文以引用的方式併入本文中。然而，應理解，任何度量可在本發明之精神及範疇內，或表示任何系統性誤差之存在及/或值之度量組合係在本發明之精神及範疇內，且qMerit函數僅為闡釋性的。

作為另一實例，可訓練一機器學習模型以自一輸入影像判定一系統性誤差之一值。作為一繪示，此一機器學習模型可使用經取得具有已知誤差之包含莫爾結構之訓練樣本在一非莫爾機制中的影像進行訓練。一經訓練，機器學習模型接著便可使用具有莫爾結構之一重疊目標之一或多個非莫爾影像來判定系統性誤差之一存在及/或一值。然而，此僅為一繪示，且不應被解釋為限制本發明之範疇。使用機器學習用於計量係大體上在2022年8月9日發佈之美國專利第11,410,290號中進行描述，該案之全文以引用的方式併入本文中。

現參考圖1A至圖9，更詳細地描述根據本發明之一或多項實施例之用於特性化重疊及TIS兩者之系統及方法。

圖1A係描繪根據本發明之一或多項實施例之一重疊計量系統100之一方塊圖。在實施例中，一重疊計量系統100包含經組態以用照明108照明一樣本106上之一重疊目標104之一照明子系統102，及經組態以產生樣本106之一或多個影像之一成像子系統110。例如，成像子系統110可收集來自樣本106之光(在本文中稱為樣本光112)且用樣本光112之至少一部分對重疊目標104進行成像。圖1B係根據本發明之一或多項實施例之重疊計量系統100之一簡化示意圖。

在實施例中，重疊計量系統100包含一控制器114，控制器114包含經組態以執行維持於記憶體118或記憶媒體上之程式指令之一或多個處理器116。在此方面，控制器114之一或多個處理器116可執行在本發明各處描述之各種程序步驟之任何者。此外，控制器114可通信地耦合至重疊計量系統100之任何組件，包含但不限於照明子系統102、成像子系統110或其中之任何組件。

重疊計量系統100可為可組態的，以基於定義重疊目標104之各種態樣(例如，一目標設計)或適於產生具有一特定目標設計之一特定重疊目標104之一重疊量測之成像子系統110的量測參數之任何數目個計量配方來產生量測。換言之，重疊計量系統100可經組態以提供用於一選定重疊目標設計之一選定量測類型。例如，一計量配方可包含與重疊目標104之一設計相關聯之各種參數，諸如但不限於樣本特徵之位置及定向(例如，沿著特定方向之光柵特徵之節距)。藉由另一實例，一計量配方可包含與在一量測期間樣本106之位置相關聯之各種參數，諸如但不限於一高度、一定向、在一量測期間樣本106是否為靜態的，或在一量測期間樣本106是否在運動中(以及描述速度、掃描型樣或類似者之相關聯參數)。藉由另一實例，一計量配方可包含照明108之參數，諸如但不限於一照明波長、一照明光瞳分佈(例如，照明角之一分佈及在該等角度下照明之相關聯強度)、入射照明之一偏光，或照明之一空間分佈。藉由另一實例，一計量配方可包含與樣本光112之收集或過濾相關聯之集光參數，諸如但不限於一集光光瞳分佈、用以選擇所關注重疊目標104之部分以進行成像之集光場光闌設定、樣本光112之一偏光、波長濾光片，或用於控制一或多個偵測器之參數。

圖2A係根據本發明之一或多項實施例之一莫爾結構202之一簡化俯視圖。圖2B係根據本發明之一或多項實施例之一莫爾結構202之一簡化橫截面視圖。

在實施例中，一莫爾結構202包含在樣本106之一第一層206上之第一層特徵204及在樣本106之一第二層210上之第二層特徵208，其中第一層特徵204與第二層特徵208至少部分重疊。此外，第一層特徵204及第二層特徵208可為週期性的，具有不同節距。例如，圖2A描繪其中第一層特徵204具有一節距 且第二層特徵208具有一節距 之一組態。因此，重疊區域中之第一層特徵204及第二層特徵208可一起被稱為一光柵疊光柵結構且可基於不同節距而產生莫爾效應。

第一層206及第二層210可位於樣本106內之任何位置處。例如，如圖2B中所繪示，第一層特徵204及第二層特徵208可形成於一基板212上。然而，此僅為一繪示且不應被解釋為限制本發明之範疇。樣本106可在第一層206與第二層210之間及/或在第一層206或第二層210之任一側上包含任何數目個額外層。

在實施例中，一重疊目標104包含一或多個莫爾結構202，其中不同莫爾結構202可具有不同組態。例如，一重疊目標104可包含具有倒轉節距組態之一或多對莫爾結構202。作為一繪示，一重疊目標104可包含如圖2A及圖2B中描繪之一第一莫爾結構202，其中第一層特徵204具有節距 且第二層特徵208具有節距 (例如，一 或一 對 莫爾結構202)，且可進一步包含一第二莫爾結構202，其中第一層特徵204具有節距 且第二層特徵208具有節距 (例如，一 或一 對 莫爾結構202)。此一對倒轉莫爾結構202可提供各種益處，包含但不限於自組態及/或自校準。使用倒轉莫爾結構202對之重疊計量係大體上在以下者中進行描述：2020年7月7日發佈之美國專利第10,705,435號；及2023年12月12日發佈之美國專利第11,841,621號；該等案兩者之全文以引用的方式併入本文中。作為另一實例，一重疊目標104可包含具有相同組態之多個莫爾結構202 (例如，作為不同胞元)。此一組態可適於增加一量測之一準確度或穩健性。

圖2C係根據本發明之一或多項實施例之包含多個莫爾結構202的一重疊目標104之一俯視圖。特定言之，圖2C中之重疊目標104包含具有具一 組態之莫爾結構202之一第一組胞元214及具有一 組態之莫爾結構202之一第二組胞元216。

再次參考圖1A及圖1B，更詳細地描述根據本發明之一或多項實施例之重疊計量系統100之額外態樣。

在實施例中，照明子系統102包含經組態以產生待引導至樣本106之照明108之一照明源120。照明108可包含一或多個選定波長之光，包含但不限於真空紫外線輻射(VUV)、深紫外線輻射(DUV)、紫外線(UV)輻射、可見光輻射或紅外線(IR)輻射。照明108可進一步包含任何數目個選定波長或任何選定波長範圍。例如，照明源120可同時產生具有多個波長之照明108，其中至少一個波長適於在一莫爾機制中進行成像且至少一個波長適於在一非莫爾機制中進行成像。作為另一實例，照明源120可提供在包含適於在一莫爾機制中進行成像之至少一個波長及適於在一非莫爾機制中進行成像之至少一個波長的一光譜範圍內之光譜可調諧照明108。

照明源120可進一步產生具有任何時間輪廓之照明108。例如，照明源120可產生連續波(CW)照明108、脈衝照明108或經調變照明108。另外，照明108可經由自由空間傳播或導引光(例如，一光纖、一光導管或類似者)輸送。

照明源120可包含適於提供呈至少一個照明光束之形式之照明108的任何類型之照明源。在一些實施例中，照明源120係一雷射源。例如，照明源120可包含但不限於一或多個窄頻雷射源、一寬頻雷射源、一超連續雷射源、一白光雷射源或類似者。在此方面，照明源120可提供具有高同調性(例如，高空間同調性及/或時間同調性)之照明108。在一些實施例中，照明源120包含一雷射持續電漿(LSP)源。例如，照明源120可包含但不限於適於容納在藉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素之一LSP燈、一LSP燈泡或一LSP腔室。在一些實施例中，照明源120包含一燈源。例如，照明源120可包含但不限於一弧光燈、一放電燈、一無電極燈或類似者。在此方面，照明源120可提供具有低同調性(例如，低空間同調性及/或時間同調性)之照明108。

在實施例中，照明子系統102包含一或多個照明子系統透鏡122 (例如，用以準直照明108、用以中繼光瞳及/或場平面，或類似者)。在一些實施例中，照明子系統102包含用以整形或以其他方式控制照明108之一或多個照明子系統光學器件124。例如，照明子系統光學器件124可包含但不限於一或多個場光闌、一或多個光瞳光闌、一或多個偏光器、一或多個濾光片、一或多個光束分離器、一或多個漫射體、一或多個均質器、一或多個變跡器、一或多個光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、掃描反射鏡或類似者)。

在實施例中，成像子系統110包含用以收集樣本光112且使樣本106成像至一或多個偵測器126上(例如，使樣本106上之一或多個重疊目標104成像至一或多個偵測器126上)之各種光學元件。成像子系統110可進一步包含適於修改及/或調節來自樣本106之樣本光112之一或多個光學元件。在一些實施例中，成像子系統110包含可包含(但不要求包含)物鏡132之一或多個集光子系統透鏡128 (例如，用以準直樣本光112，用以中繼光瞳及/或場平面，或類似者)。在一些實施例中，成像子系統110包含用以整形或以其他方式控制樣本光112之一或多個集光子系統光學器件130。例如，集光子系統光學器件130可包含但不限於一或多個場光闌、一或多個光瞳光闌、一或多個偏光器、一或多個濾光片、一或多個光束分離器、一或多個漫射體、一或多個均質器、一或多個變跡器、一或多個光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、掃描反射鏡或類似者)。

照明子系統102及成像子系統110可配置成適於照明樣本106 (例如，照明樣本106上之一或多個重疊目標104)且基於經收集樣本光112之至少一部分使樣本106成像(例如，使樣本106上之一或多個重疊目標104成像)之任何組態。例如，如圖1B中所描繪，重疊計量系統100可包含既將照明108引導至樣本106且收集來自樣本106之樣本光112以進行成像的一物鏡132及一光束分離器134。作為另一實例，照明子系統102及成像子系統110包含用於將照明108引導至樣本106及收集來自樣本106之樣本光112以進行成像的各別光學元件。此等光學元件可包含物鏡或任何其他合適光學元件。

重疊計量系統100可進一步包含用以在成像期間定位樣本106之各種組件。例如，重疊計量系統100可包含可由一卡盤(未展示)固定之用以相對於照明108定位樣本106之一或多個平移載物台136。一平移載物台136可包含此項技術中已知之任何類型之致動器且可提供沿著任何方向或方向組合之運動。例如，重疊計量系統100可包含線性、角度或翻轉/傾斜平移載物台136之任何組合。作為另一實例，重疊計量系統100可包含用以相對於樣本106定位照明108之光束掃描光學器件。可利用任何合適光束掃描光學器件，包含但不限於可平移反射鏡、一f-θ (f-theta)透鏡或類似者。

成像子系統110可在一靜態量測模式及/或一掃描量測模式中操作。在一靜態量測模式中，樣本106可在成像期間相對於照明108靜止。在一掃描量測模式中，樣本106可在成像期間相對於照明108在運動中(例如，經由平移載物台136或光束掃描光學器件之任何組合)。

成像子系統110可大體上包含適於同時抑或循序地產生一樣本106之一或多個影像之任何數目或類型之偵測器126。

例如，圖1B描繪一多通道組態，其中成像子系統110包含經組態以各別地在莫爾及非莫爾機制中對樣本106進行成像之兩個偵測器126。在此組態中，成像子系統110可包含一光譜敏感光束分離器138 (例如，二向色光束分離器，或類似者)，光譜敏感光束分離器138用以引導適於在一莫爾機制中使重疊目標104之莫爾結構202成像至一第一偵測器126a之至少一第一波長(或一第一波長範圍)，且進一步用以引導適於在一非莫爾機制中使重疊目標104之莫爾結構202成像至一第二偵測器126b之至少一第二波長(或一第二波長範圍)。此外，照明源120可同時抑或循序地產生具有至少第一波長及第二波長(或第一及第二波長範圍)之照明108，使得對應偵測器126a、126b可同時或循序地在莫爾及非莫爾機制中產生影像。然而，應注意，圖1B及相關聯描述係僅出於闡釋性目的提供且不應被解釋為限制性的。作為一繪示，成像子系統110可提供適於循序地在莫爾及非莫爾機制中對樣本106進行成像之一單一通道。

成像子系統110內之任何特定偵測器126可包含適於對樣本106進行成像之任何感測器。此外，在樣本106相對於照明108係靜態時(例如，在一靜態成像模式中)或在樣本106係相對於照明108在運動中時(例如，在一掃描成像模式中)，任何特定偵測器126可對樣本106進行成像。例如，一偵測器126可包含一個二維像素陣列(例如，一焦平面陣列)，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。作為另一實例，一偵測器126可包含單像素感測器(諸如但不限於光電二極體)之一陣列。作為另一實例，一偵測器126可包含一時延積分(TDI)感測器。

再次參考圖1A，一控制器114之一或多個處理器116可包含此項技術中已知之任何處理器或處理元件。出於本發明之目的，術語「處理器」或「處理元件」可被廣泛定義為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、一或多個特定應用積體電路(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116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116可體現為一桌上型電腦、大型電腦系統、工作站、影像電腦、平行處理器、網路連結電腦，或經組態以執行經組態以操作重疊計量系統100或結合重疊計量系統100一起操作的一程式之任何其他電腦系統，如在本發明各處所描述。此外，重疊計量系統100之不同子系統可包含適於實行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，上文描述不應被解釋為對本發明之實施例之一限制，而是僅為一繪示。此外，在本發明各處所描述之步驟可藉由一單一控制器或替代地多個控制器來實行。另外，控制器114可包含容置於一共同外殼中或在多個外殼內之一或多個控制器。以此方式，任何控制器或控制器組合可單獨地封裝為適於整合至重疊計量系統100中之一模組。

記憶體118可包含此項技術中已知之適於儲存可由相關聯之一或多個處理器116執行的程式指令之任何儲存媒體。例如，記憶體118可包含一非暫時性記憶媒體。藉由另一實例，記憶體118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、一固態硬碟及類似者。進一步應注意，記憶體118可與一或多個處理器116一起容置於一共同控制器外殼中。在一些實施例中，記憶體118可相對於一或多個處理器116及控制器114之實體位置遠端地定位。例如，控制器114之一或多個處理器116可存取可透過一網路(例如，網際網路、內部網路及類似者)存取之一遠端記憶體(例如，伺服器)。

控制器114可引導(例如，透過控制信號)或接收來自重疊計量系統100之任何組件之資料。以此方式，控制器114可執行或控制本文中所揭示之任何程序步驟之執行。例如，控制器114之處理器116可經組態以執行儲存於記憶體118上之程式指令，其中程式指令經組態以引起處理器116執行或控制本文中所揭示之任何程序步驟之執行。

圖3係繪示根據本發明之一或多項實施例之在用於重疊計量之一方法300中執行的步驟之一流程圖。本文中先前在重疊計量系統100之背景內容中所描述之實施例及實現技術應被解釋為擴展至方法300。例如，重疊計量系統100中之控制器114之處理器116可執行引起一或多個處理器實施方法300之程序步驟之任何者及/或引導方法300之程序步驟之任何者的實施之程式指令。然而，方法300不限於重疊計量系統100之架構。

在實施例中，方法300包含接收一樣本106上之一重疊目標104之一或多個第一影像之一步驟302，其中重疊目標104包含一或多個莫爾結構202，其中莫爾結構202之第一層特徵204及第二層特徵208在一或多個第一影像中係未解析的，且其中一莫爾節距在一或多個第一影像中經解析。因此，一或多個第一影像可被特性化為與一莫爾機制相關聯之莫爾影像。

在實施例中，方法300包含接收重疊目標104之一或多個第二影像之一步驟304，其中第一層特徵204或第二層特徵208之至少一者在一或多個第二影像中經解析。因此，一或多個第二影像可被特性化為與一非莫爾成像機制相關聯之非莫爾影像。

可使用任何合適技術來產生分別與步驟302及步驟304相關聯之第一及第二影像(例如，莫爾及非莫爾影像)。例如，可用結合第一層特徵204及第二層特徵208之節距(例如，根據一計量配方)選擇之一第一波長(或第一波長範圍)產生第一影像以提供在莫爾機制中之成像。類似地，可用結合第一層特徵204及第二層特徵208之節距(例如，根據一計量配方)選擇之一第二波長(或第二波長範圍)產生第二影像以提供在非莫爾機制中之成像。

此外，可同時抑或循序地產生分別與步驟302及步驟304相關聯之第一及第二影像(例如，莫爾及非莫爾影像)。本文中經考慮，同時量測(例如，使用圖1B中描繪之一重疊計量系統100或任何其他合適系統)可有益地為重疊及系統性誤差兩者之量測提供高量測處理量。

在實施例中，方法300包含基於一或多個第一影像(例如，一或多個莫爾影像)產生一重疊量測之一步驟306。可使用任何合適技術來產生步驟306之重疊量測。作為考量圖2C中所展示之一重疊目標104之非限制性組態之一繪示，可基於具有具一 組態之莫爾結構202之第一組胞元214中的莫爾條紋相對於具有具一 組態之莫爾結構202之第二組胞元216之位置來產生一重疊量測。例如，一實體重疊誤差可引起第一組胞元214中之莫爾條紋沿著一個方向之位移及第二組胞元216中之莫爾條紋在一相反方向上之位移。此外，可使用任何合適技術(諸如但不限於，判定一或多個第一影像中第一組胞元214與第二組胞元216之對稱中心之間的一差異)來判定第一組胞元214與第二組胞元216之間的莫爾條紋之相對位置。

在實施例中，方法300包含基於一或多個第二影像(例如，一或多個非莫爾影像)產生一系統性誤差之一量測之一步驟308。可在步驟308中量測任何類型之系統性誤差或系統性誤差組合，諸如但不限於TIS。此外，可使用任何合適技術來判定在步驟308中量測之一系統性誤差。

在實施例中，可在步驟308中使用一封閉形式技術基於一或多個第二影像產生一系統性誤差之一量測。例如，步驟308可包含使用提供與在步驟306中產生之重疊量測之一或多個系統性誤差相關聯的資訊之一加總、差異、平均值或任何其他組合來組合在樣本106相對於照明108之不同定向下產生的非莫爾影像之兩者或更多者。作為另一實例，步驟308可包含基於應用於非莫爾影像之一或多者之一度量之一值產生一系統性誤差之一量測。可利用任何合適度量，包含但不限於qMerit度量。

在實施例中，可在步驟308中使用一機器學習模型產生一系統性誤差之一量測。此一機器學習模型可併有任何類型之機器學習技術或機器學習技術之組合，諸如但不限於監督式學習、無監督學習、半監督式學習或強化學習。

監督式學習技術之非限制性實例包含一支援向量機(SVM)、一迴歸技術、一最近鄰技術(例如，一k最近鄰技術)、一神經網路、一線性判別分析技術或一貝葉斯(Bayes)技術(例如，一樸素貝葉斯技術)。在一監督式學習技術中，一機器學習模型可用一訓練資料集進行訓練，該訓練資料集包含具有系統性誤差之已知值且在一非莫爾機制中產生之包含莫爾結構202的重疊目標104之影像(或僅莫爾結構202之影像)。此訓練資料集可包含來自任何合適來源之資料，包含但不限於與具有系統性誤差之已知或經量測值的經製造樣本106相關聯之經模擬資料及/或實驗資料。一經訓練，此一機器學習模型便可基於在非莫爾機制中產生之一重疊目標104 (或其上之一或多個莫爾結構202)之一或多個影像產生系統性誤差之一量測。

無監督技術之非限制性實例包含叢集技術、異常偵測技術或潛在變數模型化技術。在一無監督學習技術中，可基於一未標記之訓練資料集來訓練一機器學習模型，該未標記之訓練資料集包含在一非莫爾機制中產生且具有系統性誤差之不同但未標記值之包含莫爾結構202的重疊目標104之影像(或僅莫爾結構202之影像)。接著，機器學習模型可利用任何技術來識別此資料中之型樣，使得模型可基於在非莫爾機制中產生之一重疊目標104 (或其上之一或多個莫爾結構202)之一或多個影像來產生系統性誤差之一量測。

在半監督式學習中，可組合監督式學習及無監督學習之一組合以平衡潛在較大訓練資料集之監督式訓練與無監督學習之相對耗時程序。

在強化學習中，一機器學習模型可學習最佳化一報酬函數(或成本函數)之一策略。非限制性技術可包含值函數技術、蠻力技術或策略搜尋技術。作為一實例，可評估藉由一機器學習模型基於在一非莫爾機制中產生之包含莫爾結構202的重疊目標104之一或多個輸入影像(或僅莫爾結構202之影像)判定之一系統性誤差之預測。接著，機器學習模型可在最佳化一報酬函數(或成本函數)時使用此等評估來繼續學習。

應理解，上述機器學習模型之描述係僅出於闡釋性目的提供且不應被解釋為限制本發明之範疇。實情係，適於基於包含莫爾結構202之一重疊目標104之一或多個影像(或莫爾結構202之影像)判定一系統性誤差量測之任何機器學習技術係在本發明之精神及範疇內。

另外，雖然圖3中未展示，但方法300可包含基於輸出重疊量測經由一或多個控制信號控制一或多個處理工具之一步驟。任何類型之處理工具係在本發明之精神及範疇內，且可包含但不限於一微影工具(例如，一掃描器、一步進器或類似者)、一蝕刻工具或一拋光工具。控制信號可進一步提供回饋及/或前饋控制之任何組合。例如，回饋控制可用於補償一批次內之樣本之程序偏差。作為另一實例，前饋控制可用於回應於一經量測重疊誤差而調整對一給定樣本執行之未來步驟。

現參考圖4至圖9，描述根據本發明之一或多項實施例之使用方法300產生重疊量測及TIS量測。

本文中經考慮，TIS係與重疊計量系統100相關聯之一系統性誤差且不利地影響重疊結果之準確度。然而，可識別及校正TIS之影響以改良重疊結果。

用於量測及校正TIS之典型技術係基於在相隔180度之兩個定向角度下捕捉一樣本106 (例如，一樣本106上之一重疊目標104)之影像。然而，以不同定向角度進行成像之要求遭受量測時間及因此總體處理量之顯著降低。

本文中經考慮，機器學習模型可用於基於包含莫爾結構202之一重疊目標104之一單一影像產生TIS量測，且因此可相較於需要在多個定向角度下的影像之技術提供實質上增加之處理量。本文中進一步經考慮，一非莫爾影像(例如，其中構成一莫爾結構202之至少第一層特徵204或第二層特徵208經解析之一影像)可提供用於使用機器學習技術訓練及實施TIS量測之一相對穩健基礎。如關於方法300所描述，本發明之實施例係關於捕捉一或多個非莫爾影像用於估計系統性誤差(諸如TIS)之目的，以及捕捉一或多個莫爾影像用於重疊判定之目的。因此，此一組態可提供重疊及系統性誤差兩者之高效量測，尤其是在用一重疊計量系統100 (諸如但不限於，圖1B中所描繪之重疊計量系統100)同時捕捉莫爾及非莫爾影像時。

圖4至圖9描繪根據本發明之一或多項實施例之與莫爾及非莫爾機制中的重疊及TIS量測相關聯之多波長量測及模擬。特定言之，圖4至圖9中所模擬之重疊目標104包含經形成具有400 nm及500 nm之節距之莫爾結構202。

圖4包含繪示根據本發明之一或多項實施例之包含莫爾結構202之一重疊目標104的重疊及對比度量測之標繪圖。標繪圖402描繪跨410 nm至801 nm之一波長範圍之重疊量測，而標繪圖404描繪跨相同波長範圍之莫爾條紋(以一莫爾節距)之對比度量測。面板406包含在不同所指示波長下與重疊目標104相關聯之一莫爾結構202之一系列影像。此外，展示在存在不同程序變動的情況下之經量測值408及各種經模擬值410兩者。

如圖4中所繪示，形成莫爾結構202之至少一些光柵疊光柵特徵之節距對於低於大約490 nm之波長係可見的，但在更高波長下係可見的。作為一繪示，在410 nm下產生之莫爾結構202之影像描繪光柵疊光柵結構，而在500 nm及更高之波長下產生之影像未描繪光柵疊光柵結構。此外，至少部分歸因於可見光柵疊光柵結構，針對波長減小至大約490 nm以下，莫爾條紋之對比度大體上下降。

顯著地，莫爾條紋之對比度針對在490 nm至610 nm之一範圍內之波長係相對穩定的，此時對比度急劇增加，直至莫爾條紋在大約650 nm之波長下不再可解析。因此，圖4描繪在莫爾結構202之光柵疊光柵結構不可解析直至莫爾條紋不可解析之一波長之一波長範圍的一莫爾區域412。低於此範圍之波長被標記為一非莫爾區域414。

進一步應注意，重疊量測跨莫爾區域係穩定的，且至少部分歸因於標繪圖402中所展示之降低的對比度，在非莫爾區域中針對波長減小而降級。

圖5至圖9描繪經模型化資料之模擬結果以視覺化莫爾及非莫爾機制兩者。

為模型化TIS，以相對不對稱側壁角(ASWA)實施兩種不同模擬，以模擬在一樣本106相隔180度之不同角定向下一樣本106之成像。

圖5描繪根據本發明之一或多項實施例之具有不對稱側壁角之特徵。特定言之，面板502描繪具有+1 ASWA之一組態，而面板504描繪具有-1 ASWA之一組態。應注意，圖5僅描繪一基板508上之一單層特徵506。在一莫爾結構202中，第一層特徵204及第二層特徵208可各自具有潛在不同值及/或定向之ASWA。

圖6係描繪根據本發明之一或多項實施例之在於一莫爾機制及一非莫爾機制中成像時與具有AWSA之一莫爾結構的影像相關聯之經模擬一維(1D)信號之一系列標繪圖。特定言之，標繪圖602至606分別以左、中心及右雙孔徑裝置(DAD)位置描繪與在700 nm之一波長下在一莫爾機制中產生之一莫爾結構的影像相關聯之1D信號。變化DAD位置模擬與TIS相關聯之遠心像差。此外，標繪圖608至612分別以左、中心及右DAD位置描繪與在470 nm之一波長下在一非莫爾機制中產生之一莫爾結構的影像相關聯之1D信號。如圖6中所證實，藉由改變DAD位置而模擬之不對稱性在於非莫爾機制中產生之標繪圖608至612中清晰可見，但在於莫爾機制中產生之標繪圖602至606中實質上不太明顯。標繪圖中之線614提供與此不對稱性相關聯之一視覺輔助。因此，圖6提供一證實，即在一非莫爾機制中一莫爾結構202之影像可能非常適合於系統性誤差之量測，而在莫爾機制中莫爾結構202之影像可能非常適合於重疊量測。

圖7描繪使用一qMerit效能度量之可量測不對稱性之評估。應注意，qMerit度量之使用在此僅用於繪示可量測不對稱性且不應被解釋為限制本發明之範疇。

可藉由以下步驟來執行qMerit度量：(1)將一信號擬合至一週期性核心至一傅立葉級數表示之前八階，(2)對所得核心近似表示應用一傅立葉變換，(3)使用原始核心及其逆之互相關計算核心之一對稱中心(CoS)，(4)取核心之一階導數且應用(3)之程序，及(5)自步驟(4)之CoS減去步驟(3)之CoS。

一SNR係用以評定一量測之有效性之一額外有用優質。當來自一影像之一1D信號係一完美正弦或餘弦函數時，其可在數學上被描述為傅立葉級數，其中一次諧波等於1且高頻諧波等於0。因此，信號對雜訊比之一良好代理可被撰寫為第一餘弦傅立葉係數(a1)除以第二係數(a2)。此比率愈高，則SNR愈低。一重疊量測之精度(例如，重疊量測之一標準偏差)隨著SNR增加而降低。

圖7係描繪根據本發明之一或多項實施例之依據絕對傅立葉係數(例如，a1及a2)而變化的絕對qMerit值之一標繪圖，該等絕對傅立葉係數用於針對多種DAD變動及依據波長而變化之程序變動判定與一莫爾結構202相關聯之SNR。在圖7中，SNR在X軸上向標繪圖之左側降低。此外，相對較低波長提供與較低SNR耦合之較高qMerit值，且因此非常適合於判定系統性誤差，而相對較高波長提供與相對較高SNR耦合之相對較低qMerit值。以此方式，圖7進一步繪示減小用於對一莫爾結構202進行成像之一波長以自莫爾機制轉變至一非莫爾機制可如何改良評估系統性誤差(諸如TIS)之能力，此與圖6一致。

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，此等所描繪架構僅為例示性的，且事實上可實施達成相同功能性之許多其他架構。在一概念意義上，達成相同功能性之組件之任何配置經有效地「相關聯」使得達成所要功能性。因此，本文中經組合以達成一特定功能性之任何兩個組件可被視為彼此「相關聯」使得達成所要功能性，而與架構或中間組件無關。同樣地，如此相關聯之任何兩個組件亦可被視為彼此「經連接」或「經耦合」以達成所要功能性，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」以達成所要功能性。可耦合之特定實例包含但不限於實體上可互動及/或實體上互動之組件及/或可無線互動及/或無線互動之組件及/或可邏輯互動及/或邏輯上互動之組件。

據信，藉由前文描述，將理解本發明及其許多伴隨優點，且應明白，在不脫離所揭示標的物或不犧牲全部其材料優點之情況下，可對組件之形式、構造及配置進行各種改變。所描述之形式僅為說明性的，且下文發明申請專利範圍意欲涵蓋及包含此等改變。此外，應理解，本發明係藉由隨附發明申請專利範圍定義。

100:重疊計量系統 102:照明子系統 104:重疊目標 106:樣本 108:照明 110:成像子系統 112:樣本光 114:控制器 116:處理器 118:記憶體 120:照明源 122:照明子系統透鏡 124:照明子系統光學器件 126:偵測器 126a:第一偵測器 126b:第二偵測器 128:集光子系統透鏡 130:集光子系統光學器件 132:物鏡 134:光束分離器 136:平移載物台 138:光譜敏感光束分離器 202:莫爾結構 204:第一層特徵 206:第一層 208:第二層特徵 210:第二層 212:基板 214:第一組胞元 216:第二組胞元 300:方法 302:步驟 304:步驟 306:步驟 308:步驟 402:標繪圖 404:標繪圖 406:面板 408:經量測值 410:經模擬值 412:莫爾區域 414:非莫爾區域 502:面板 504:面板 506:特徵 508:基板 602:標繪圖 604:標繪圖 606:標繪圖 608:標繪圖 610:標繪圖 612:標繪圖 614:線 P:節距 Q:節距

熟習此項技術者藉由參考附圖可更佳理解本發明之許多優點。 圖1A係描繪根據本發明之一或多項實施例之一重疊計量系統之一方塊圖。 圖1B係根據本發明之一或多項實施例之重疊計量系統之一簡化示意圖。 圖2A係根據本發明之一或多項實施例之一莫爾結構之一簡化俯視圖。 圖2B係根據本發明之一或多項實施例之一莫爾結構之一簡化橫截面視圖。 圖2C係根據本發明之一或多項實施例之包含多個莫爾結構的一重疊目標之一俯視圖。 圖3係繪示根據本發明之一或多項實施例之在用於重疊計量之一方法中執行的步驟之一流程圖。 圖4包含繪示根據本發明之一或多項實施例之包含莫爾結構之一重疊目標的重疊及對比度量測之標繪圖。 圖5描繪根據本發明之一或多項實施例之具有不對稱側壁角之特徵。 圖6係描繪根據本發明之一或多項實施例之在於一莫爾機制及一非莫爾機制中成像時與具有AWSA之一莫爾結構的影像相關聯之經模擬一維信號之一系列標繪圖。 圖7係描繪根據本發明之一或多項實施例之依據絕對傅立葉(Fourier)係數而變化的絕對qMerit值之一標繪圖，該等絕對傅立葉係數用於針對多種DAD變動及依據波長而變化之程序變動判定與a相關聯之SNR。

100:重疊計量系統

102:照明子系統

104:重疊目標

106:樣本

108:照明

110:成像子系統

112:樣本光

114:控制器

116:處理器

118:記憶體

120:照明源

122:照明子系統透鏡

124:照明子系統光學器件

126:偵測器

126a:第一偵測器

126b:第二偵測器

128:集光子系統透鏡

130:集光子系統光學器件

132:物鏡

134:光束分離器

136:平移載物台

138:光譜敏感光束分離器

Claims (35)

1. 一種計量系統，其包括： 一控制器，其包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方： 自一第一偵測器接收一樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包括： 一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析； 自一第二偵測器接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析； 基於該一或多個第一影像產生一計量量測；及 基於該一或多個第二影像產生與該計量量測相關聯之一系統性誤差之一量測。
2. 如請求項1之計量系統，其中該等程式指令進一步經組態以引起該一或多個處理器藉由以下來實施該計量配方：基於該計量量測經由一或多個控制信號控制一或多個處理工具。
3. 如請求項1之計量系統，其中該計量量測包括： 一重疊量測。
4. 如請求項1之計量系統，其中該系統性誤差包括： 一工具所造成之位移(TIS)。
5. 如請求項1之計量系統，其中接收該樣本上之該重疊目標之該一或多個第一影像包括：接收該樣本上之該重疊目標之該一或多個第一影像，其中接收該重疊目標之該一或多個第二影像包括：自一第二偵測器接收該重疊目標之該一或多個第二影像。
6. 如請求項5之計量系統，其中該一或多個第一影像之至少一者及該一或多個第二影像之至少一者係同時產生。
7. 如請求項1之計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包括： 用一機器學習模型產生該系統性誤差之該量測。
8. 如請求項7之計量系統，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。
9. 如請求項1之計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包括： 用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測。
10. 如請求項9之計量系統，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包括： 基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。
11. 如請求項1之計量系統，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。
12. 如請求項1之計量系統，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含： 一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及 一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。
13. 如請求項1之計量系統，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。
14. 一種計量系統，其包括： 一成像子系統，其包括： 一照明源，其經組態以產生具有一第一波長之一第一照明光束及具有一第二波長之一第二照明光束； 一第一偵測器，其經組態以用該第一波長對一樣本進行成像；及 一第二偵測器，其經組態以用該第二波長對該樣本進行成像；及 一控制器，其通信地耦合至該成像子系統，該控制器包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方： 自該第一偵測器接收該樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包括： 一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析； 自該第二偵測器接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析； 基於該一或多個第一影像產生一計量量測；及 基於該一或多個第二影像產生與該計量量測相關聯之一系統性誤差之一量測。
15. 如請求項14之計量系統，其中該等程式指令進一步經組態以引起該一或多個處理器藉由以下來實施該計量配方：基於該計量量測經由一或多個控制信號控制一或多個處理工具。
16. 如請求項14之計量系統，其中該計量量測包括： 一重疊量測。
17. 如請求項14之計量系統，其中該系統性誤差包括： 一工具所造成之位移(TIS)。
18. 如請求項14之計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包括： 用一機器學習模型產生該系統性誤差之該量測。
19. 如請求項18之計量系統，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。
20. 如請求項14之計量系統，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包括： 用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測。
21. 如請求項20之計量系統，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包括： 基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。
22. 如請求項14之計量系統，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。
23. 如請求項14之計量系統，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含： 一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及 一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。
24. 如請求項14之計量系統，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。
25. 一種計量方法，其包括： 一控制器，其包含經組態以執行儲存於一記憶體裝置中之程式指令之一或多個處理器，其中該等程式指令經組態以引起該一或多個處理器藉由以下來實施一計量配方： 接收一樣本上之一重疊目標之一或多個第一影像，其中該重疊目標包括： 一或多個莫爾結構，其中該一或多個莫爾結構之一各自者包含在該樣本之一第一層上之第一層特徵且進一步包含在該樣本之一第二層上之第二層特徵，其中該一或多個莫爾結構之該各自者中之該等第一層特徵及該等第二層特徵具有不同節距且至少部分重疊，其中該等第一層特徵及該等第二層特徵在該一或多個第一影像中係未解析的，其中一莫爾節距在該一或多個第一影像中經解析； 接收該重疊目標之一或多個第二影像，其中該等第一層特徵或該等第二層特徵之至少一者在該一或多個第二影像中經解析； 基於該一或多個第一影像產生一計量量測；及 基於該一或多個第二影像產生一系統性誤差之一量測。
26. 如請求項25之計量方法，其進一步包括： 基於該計量量測經由一或多個控制信號控制一或多個處理工具。
27. 如請求項25之計量方法，其中基於該一或多個第一影像產生該計量量測包括： 基於該一或多個第一影像產生一重疊量測。
28. 如請求項25之計量方法，其中基於該一或多個第二影像產生該系統性誤差之該量測包括： 基於該一或多個第二影像產生一工具所造成之位移(TIS)之一量測。
29. 如請求項25之計量方法，其中基於該一或多個第二影像產生該系統性誤差之該量測包括： 用一機器學習模型產生該系統性誤差之該量測。
30. 如請求項29之計量方法，其中該機器學習模型係對在相隔180度之兩個角度下產生之訓練重疊目標之影像以及該系統性誤差之已知值進行訓練。
31. 如請求項25之計量方法，其中基於該一或多個第二影像產生與該計量量測相關聯之該系統性誤差之該量測包括： 用一封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測。
32. 如請求項25之計量方法，其中用該封閉形式技術基於該一或多個第二影像產生該系統性誤差之該量測包括： 基於該一或多個第二影像使用一或多個優質函數產生該系統性誤差之該量測。
33. 如請求項25之計量方法，其中該一或多個第一影像係用一第一波長產生，其中該一或多個第二影像係用一第二波長產生。
34. 如請求項25之計量方法，其中該重疊目標提供沿著一或多個量測方向之該計量量測，其中該重疊目標包含： 一第一組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有一節距P，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有一節距Q；及 一第二組胞元，其中該第一組胞元中之該等各自莫爾結構之該等第一層特徵具有該節距Q，且該第一組胞元中之該等各自莫爾結構之該等第二層特徵具有該節距P。
35. 如請求項25之計量方法，其中該一或多個莫爾結構包含兩個或更多個莫爾結構，其中該兩個或更多個莫爾結構之至少一者具有沿著一第一量測方向之週期性，其中該兩個或更多個莫爾結構之至少一者沿著不同於該第一量測方向之一第二量測方向係週期性的，其中該計量量測包含與該第一量測方向相關聯之一第一計量量測及與該第二量測方向相關聯之一第二計量量測。