[发明专利]使用机器学习检验光罩

权利要求书

1.一种检验光刻光罩的方法，所述方法包括：

基于从设计数据库产生的光罩数据库图像来经由深度学习过程产生近场光罩图像；

基于所述近场光罩图像来经由基于物理的过程模拟检验系统的图像平面处的远场光罩图像，

其中所述深度学习过程包含基于最小化所述远场光罩图像与通过使由所述设计数据库制造的训练光罩成像来获取的多个对应训练光罩图像之间的差异来训练深度学习模型，且此类训练光罩图像根据图案多样性来选择且是无缺陷的；及

经由裸片到数据库过程来检验由所述设计数据库制造的测试光罩的测试区域的缺陷，所述裸片到数据库过程包含比较来自参考远场光罩图像的多个参考图像与由所述检验系统从所述测试光罩获取的多个测试图像，

其中基于由所述经训练的深度学习模型产生的参考近场图像来模拟所述参考远场光罩图像。

2.根据权利要求1所述的方法，其中所述测试光罩及所述训练光罩是相同光罩且所述测试图像是从不同于获取所述训练图像的区域的此相同光罩的区域获取。

3.根据权利要求1所述的方法，其中所述基于物理的过程是基于用于基于所述近场图像来产生所述检验工具的图像平面上的所述远场光罩图像的霍普金斯(Hopkins)方法，且其中所述深度学习过程包含将所述光罩数据库图像映射到将由与由所述设计数据库制造的光罩相互作用的光产生的近场图像。

4.根据权利要求1所述的方法，其中所述深度学习模型是未将光罩图像形成并入到所述图像平面上的卷积神经网络CNN。

5.根据权利要求4所述的方法，其中所述深度学习模型不包括模拟由所述检验工具中的场相依变化引起的所述远场光罩图像的扰动且独立于所述检验工具。

6.根据权利要求4所述的方法，其中通过调整所述深度学习模型的多个层的特定参数来训练所述深度学习模型以最小化所述远场光罩图像与所述对应训练光罩图像之间的差异，所述特定参数包含权重及/或偏离值。

7.根据权利要求6所述的方法，其中发生调整的所述层包括具有非线性激活的卷积层。

8.根据权利要求7所述的方法，其中在不调整用于下取样操作的一或多个低通滤波层的参数的情况下训练所述深度学习模型。

9.根据权利要求4所述的方法，其中所述CNN包含用于抵消所述光罩数据库图像与由此光罩数据库图像产生的物理光罩之间的偏差的一或多个卷积层、用于产生多个下取样图像的一或多个层及用于实施近场分辨率的稀疏表示的一或多个层。

10.根据权利要求1所述的方法，其进一步包括：

使所述测试图像与所述参考图像对准；及

使动态补偿过程相对于所述测试图像应用于所述参考图像以抵消所述检验工具中包含焦点波动及/或场相依变化的变化。

11.一种用于检验光刻光罩的检验系统，所述系统包括经配置以执行以下操作的至少一个存储器及至少一个处理器：

基于从设计数据库产生的光罩数据库图像来经由深度学习过程产生近场光罩图像；

基于所述近场图像来经由基于物理的过程模拟所述检验系统的图像平面处的远场光罩图像，

其中所述深度学习过程包含基于最小化所述远场光罩图像与通过使由所述设计数据库制造的训练光罩成像来获取的多个对应训练光罩图像之间的差异来训练深度学习模型，且此类训练光罩图像根据图案多样性来选择且是无缺陷的；及

经由裸片到数据库过程来检验由所述设计数据库制造的测试光罩的测试区域的缺陷，所述裸片到数据库过程包含比较来自参考远场光罩图像的多个参考图像与由所述检验系统从所述测试光罩获取的多个测试图像，

其中基于由所述经训练的深度学习模型产生的参考近场图像来模拟所述参考远场光罩图像。