[发明专利]监视半导体制造过程的非暂时性计算机可读介质和方法

说明书

一种用于监视半导体制造过程的非暂时性计算机可读介质包括具有人工神经网络的图像转换模型。所述图像转换模型当被执行时使处理器接收半导体晶片的第一图像和第二图像。通过以下操作来训练所述人工神经网络：输入表示所述第一图像和所述第二图像的数据集，生成所述半导体晶片的转换图像，以及校准所述人工神经网络的权重和偏置以使所述转换图像与所述第二图像相匹配。基于所述人工神经网络的经校准的权重和偏置来生成所述半导体晶片的第三图像。带有经训练的人工神经网络的图像转换模型可以被发送给另一设备以用于低分辨率图像的图像转换。

相关申请的交叉引用

本申请要求于2018年9月13日在韩国知识产权局提交的韩国专利申请10-2018-0109500的优先权，并在此通过引用完整地并入其公开内容。

技术领域

本文描述的发明构思的实施例涉及包括具有人工神经网络的图像转换模型的非暂时性计算机可读介质，以及转换半导体晶片的图像以便监视半导体制造过程的方法。

背景技术

使制造半导体器件的过程小型化的发展导致设计规则缩小和关键尺寸(CD)减小。因此，需要准确地监视半导体器件的制造过程。

诸如关键尺寸扫描电子显微镜(CD-SEM)等的电子显微镜可以用于监视半导体器件的制造过程。为了监视缩小的材料和尺寸，必须减小从电子显微镜输出的电子束的大小，并且需要改善电子检测器。为了从电子显微镜获得高分辨率图像，需要更多的时间和处理资源。例如，需要扫描具有更多帧的视场(FOV)区域以及更多的处理迭代，以改善信噪比(SNR)。在这种情况下，获得高分辨率图像所需的时间可能增加。从电子显微镜获得高分辨率图像所需的时间增加可能导致制造半导体器件所需的时间增加或用于改善上述时间的电子显微镜的数量增加。在任何情况下，监视半导体制造工艺所需的时间和成本的增加都是不可避免的。

发明内容

本发明构思的实施例提供了一种包括图像转换模型的非暂时性计算机可读介质和转换半导体晶片的图像以监视半导体制造过程的方法，其中该图像转换模型包括人工神经网络。

根据示例性实施例，用于监视半导体制造过程的非暂时性计算机可读介质包括存储在该非暂时性计算机可读介质上的图像转换模型。该图像转换模型包括人工神经网络。该图像转换模型包括可由至少一个处理器执行的指令，该指令当由至少一个处理器执行时，使处理器接收半导体晶片的第一图像和第二图像，第一图像和第二图像由测量设备生成，其中，第二图像的分辨率高于第一图像的分辨率。通过以下操作来训练人工神经网络：输入表示第一图像和第二图像的数据集；基于第一图像来生成半导体晶片的转换图像，转换图像的分辨率高于第一图像的分辨率；以及校准人工神经网络的权重和偏置，以使转换图像与第二图像在预定的差分参考值内相匹配。基于所述人工神经网络的经校准的权重和偏置来生成所述半导体晶片的第三图像。

根据示例性实施例，一种转换半导体晶片的图像以监视半导体制造过程的方法包括：由执行具有人工神经网络的图像转换模型的处理器接收半导体晶片的第一图像和第二图像。通过以下操作来训练图像转换模型的人工神经网络：输入表示第一图像和第二图像的数据集；基于第一图像来生成半导体晶片的转换图像，转换图像的分辨率高于第一图像的分辨率；以及校准人工神经网络的权重和偏置，以使转换图像与第二图像在预定的差分参考值内相匹配。基于人工神经网络的经校准的权重和偏置来生成第三图像。

根据示例性实施例，一种系统包括：至少一个处理器；存储指令的至少一个非暂时性计算机可读存储介质，该指令当由至少一个处理器执行时使系统：接收半导体晶片的第一图像和第二图像，第一图像和第二图像由测量设备生成，其中，第二图像的分辨率高于第一图像的分辨率。通过以下操作来训练图像转换模型的人工神经网络：输入表示第一图像和第二图像的数据集；基于第一图像来生成半导体晶片的转换图像，转换图像的分辨率高于第一图像的分辨率；以及校准人工神经网络的权重和偏置，以使转换图像与第二图像在预定的差分参考值内相匹配。基于所述人工神经网络的经校准的权重和偏置来生成所述半导体晶片的第三图像。