[发明专利]半导体样品的基于深度学习的检查的方法及其系统

权利要求书

1.一种检查半导体样品的方法，所述方法包括：

在通过计算机获得在半导体制造工艺内针对给定的检查相关的应用来训练的深度神经网络(DNN)之后，使用经训练的所述DNN以处理制造工艺(FP)样本，其中所述FP样本包括：从一个或多个第一检查模态接收到的一个或多个第一FP图像和从一个或多个第二检查模态接收到的一个或多个第二FP图像，所述一个或多个第二检查模态与所述第一检查模态不同，并且其中经训练的所述DNN与所述一个或多个第二FP图像分开地处理所述一个或多个第一FP图像；以及

通过所述计算机，来通过经训练的所述DNN来处理所述一个或多个第一FP图像和所述一个或多个第二FP图像的至少单独处理的结果以获得检查相关的数据，所述检查相关的数据特定于给定的应用并且表征经处理的所述FP图像中的至少一个。

2.如权利要求1所述的方法，其中所述FP样本进一步包括与在所述FP样本中的所述FP图像相关联的数值数据，所述方法进一步包括：

通过经训练的所述DNN来与处理所述一个或多个第一FP图像和处理所述一个或多个第二FP图像分开地处理所述数值数据的至少部分；以及

经由通过经训练的所述DNN来处理所述一个或多个第一FP图像和所述一个或多个第二FP图像的单独处理的结果、以及对所述数值数据的至少部分进行处理的结果，来获得特定于所述给定的应用的所述检查相关的数据。

3.如权利要求1所述的方法，其中所述FP样本进一步包括与在所述FP样本中的所述FP图像相关联的数值数据，所述方法进一步包括：

通过经训练的所述DNN来与处理所述一个或多个第一FP图像与处理所述一个或多个第二FP图像分开地处理所述数值数据的至少部分；以及

通过经训练的所述DNN来汇聚所述一个或多个第一FP图像和所述一个或多个第二FP图像的单独处理的结果，从而产生汇聚的图像数据；以及

经由通过经训练的所述DNN来处理所述汇聚的图像数据、以及单独处理数值数据的至少部分的结果来获得特定于所述给定的应用的所述检查相关的数据。

4.如权利要求1所述的方法，其中所述检查特定的应用是从包括以下项的群组中选出的：检测在所述半导体样品中的缺陷；对于在所述半导体样品中的缺陷进行分类；在至少两个制造工艺(FP)图像之间进行配准；分割至少一个FP图像，所述至少一个FP图像是从包括所述半导体样品的高分辨率图像、所述半导体样品的低分辨率图像、以及所述半导体样品的基于设计数据的图像的所述群组中选出的；基于回归地重建与通过不同的检查模态获得的数据相对应的FP图像以及基于回归地重建图像特性。

5.如权利要求1所述的方法，其中所述一个或多个第一检查模态通过以下项中的至少一个而与所述一个或多个第二检查模态有所不同：检查工具、相同的检查工具的通道、相同的检查工具和/或通道的操作参数、与相应的FP图像相对应的所述半导体样品的层、获得所述FP图像的性质和应用至捕获到的图像的导出技术。

6.如权利要求1所述的方法，其中所述一个或多个第一FP图像是低分辨率图像，并且所述一个或多个第二FP图像是高分辨率图像。

7.如权利要求2所述的方法，其中所述数值数据包括元数据和/或手工构建的属性。

8.如权利要求1所述的方法，其中所述DNN是使用针对来自所有制造阶段的所有类型的层和产物所收集到的FAB数据来训练的。

9.如权利要求1所述的方法，其中所述DNN在与所述FAB数据不同的数据集上进行粗略的训练，并且进一步地在所述FAB数据的至少一部分上针对特定的检查相关的应用进行精细的训练。

10.如权利要求1所述的方法，其中所述检查特定的应用是对在所述半导体样品中的缺陷进行分类，并且其中特定于所述给定的应用的所述检查相关的数据是分类相关的属性和/或表征待分类的至少一个缺陷的分类标记。