[发明专利]使用机器学习检验光罩

说明书

本发明揭示用于检验光刻光罩的方法及设备。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，且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。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。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。基于由所述经训练的深度学习模型产生的参考近场光罩图像来模拟所述参考远场光罩图像。

相关申请案的交叉参考

本申请案根据35 U.S.C.§119的规定主张由方浩任(Hawren Fang)等人在2017年12月28日申请的标题为“使用机器学习检验光罩(Inspection of Reticles UsingMachine Learning)”的第62/611,321号现有美国临时申请案的优先权，所述申请案的全部内容出于所有目的以引用的方式并入本文中。

技术领域

本发明大体上涉及半导体检验(例如光罩检验)的领域。更特定来说，本发明涉及裸片到数据库检验及类似物。

背景技术

一般来说，半导体制造业涉及使用经分层且图案化到衬底上的半导体材料(例如硅)来制造集成电路的高度复杂技术。集成电路通常由多个光罩制造。首先，电路设计者提供电路图案数据或设计数据库(其描述特定集成电路(IC)设计)到光罩生产系统或光罩写入器。电路图案数据通常呈所制造的IC装置的物理层的表示布局的形式。表示布局包含IC装置的每一物理层的表示层(例如栅极氧化物、多晶硅、镀金属等等)，其中每一表示层由界定特定IC装置的层的图案化的多个多边形构成。光罩写入器使用电路图案数据来写入(例如，通常使用电子束写入器或激光扫描仪来暴露光罩图案)稍后将用于制造特定IC设计的多个光罩。

每一光罩或光掩模一般为含有至少透明及不透明区域及有时半透明及相移区域(其一起界定例如集成电路的电子装置中的共面特征的图案)的光学元件。在光刻期间，使用光罩来界定用于蚀刻、离子植入或其它制造工艺的半导体晶片的指定区域。

光罩检验系统可检验可发生于光罩的生产期间或使用此类光罩来进行光刻之后的光罩的缺陷。归因于大规模的电路集成及半导体装置的减小尺寸，所制造的装置已变得对缺陷越来越敏感。即，引起装置出故障的缺陷变得越来越小。因此，需要不断改进用于监测光罩的特性的检验技术。

发明内容

下文将呈现本发明的简化概要以提供本发明的特定实施例的基本理解。此概要不是本发明的详细概述且其不识别本发明的关键/重要元件或界限本发明的范围。其唯一目的是以简化形式呈现本文所揭示的一些概念作为稍后将呈现的更详细描述的前序。

在一个实施例中，揭示用于检验光刻光罩的方法及设备。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，且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。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。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。基于由所述经训练的深度学习模型产生的参考近场光罩图像来模拟所述参考远场光罩图像。在特定实施方案中，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。