[发明专利]先进半导体工艺优化和制造期间的自适应控制

权利要求书

1.一种计算机实现的方法，所述方法用于构建正在晶片上制造的器件的一个或多个感兴趣的维度的空间分布的预测模型，所述方法包括：

通过在工艺空间内改变处理腔室的关键旋钮来处理最优数量的晶片；

在所述最优数量的晶片的处理期间，收集与所述一个或多个感兴趣的维度相关的腔室计量数据；

通过对晶片的样品集执行电子束检验和计量来收集与所述一个或多个感兴趣的维度相关的产线内计量数据；

通过机器学习引擎来组合所述腔室计量数据和所述产线内计量数据以生成与所述一个或多个感兴趣的维度相关的自定义计量数据；

通过所述机器学习引擎来确定所述自定义计量数据与所述工艺空间内的所识别的关键旋钮设置的相关性；

获得用于在所述处理腔室中运行的特定工艺的经验工艺模型；

由所述机器学习引擎通过使用所确定的自定义计量数据与所识别的关键旋钮设置的相关性来将所述经验工艺模型精细化以构建预测模型，所述预测模型在与所述工艺相关联的各种旋钮在所述工艺空间内虚拟地变化时预测跨晶片的所述一个或多个感兴趣的维度的空间分布。

2.如权利要求1所述的方法，其中收集所述腔室计量数据进一步包括：

在所述最优数量的晶片的处理期间收集包括腔室传感器的时间迹线的虚拟计量(VM)数据。

3.如权利要求1所述的方法，其中收集所述腔室计量数据进一步包括：

在所述最优数量的晶片的处理期间，从对所述一个或多个感兴趣的维度的直接测量收集板上计量(OBM)数据。

4.如权利要求1所述的方法，其中精细化所述经验工艺模型进一步包括：

当所述一个或多个关键旋钮中的至少一些关键旋钮在所述工艺空间内同时变化时，通过所述机器学习引擎识别一个或多个关键旋钮设置的交互。

5.如权利要求1所述的方法，进一步包括：

在无需实体地处理任何其他晶片的情况下执行空间数字实验设计(DoE)，其中所述空间数字DoE包括针对所述处理腔室和针对跨所述晶片的所述一个或多个感兴趣的维度进行的对所述工艺的多约束优化。

6.如权利要求5所述的方法，进一步包括：

由所述机器学习引擎，通过反转预测跨晶片的所述一个或多个感兴趣的维度的空间分布的所述预测模型来预测所述空间数字DoE的一个或多个虚拟配方。

7.如权利要求1所述的方法，进一步包括：

通过使用提供正在被处理的所述器件的特征层级三维轮廓信息的更新的产线内计量数据来定期地校准所述预测模型，其中所述轮廓信息包括所述一个或多个感兴趣的维度。

8.如权利要求1所述的方法，其中由所述机器学习引擎使用的机器学习方法是基于以下各项中的一项或多项：线性回归分析、偏最小二乘回归分析、高斯回归分析、多项式回归分析、用于回归的卷积神经网络、以及回归树。

9.一种非瞬态计算机可读介质，所述非瞬态计算机可读介质包括指令，所述指令在由机器学习引擎的处理器执行时使所述处理器执行用于构建正在晶片上制造的器件的一个或多个感兴趣的维度的空间分布的预测模型的操作，所述操作包括：

通过在工艺空间内改变处理腔室的关键旋钮，在最优数量的晶片的处理期间接收与所述一个或多个感兴趣的维度相关的腔室计量数据；

通过对晶片的样品集执行电子束检验和计量来接收与所述一个或多个感兴趣的维度相关的产线内计量数据；

组合所述腔室计量数据和所述产线内计量数据以生成与所述一个或多个感兴趣的维度相关的自定义计量数据；

确定所述自定义计量数据与所述工艺空间内的所识别的关键旋钮设置的相关性；

获得用于在所述处理腔室中运行的特定工艺的经验工艺模型；

通过使用所确定的所述自定义计量数据与所识别的关键旋钮设置的相关性来将所述经验工艺模型精细化以构建预测模型，所述预测模型在与所述工艺相关联的各种旋钮在所述工艺空间内虚拟地变化时预测跨晶片的所述一个或多个感兴趣的维度的空间分布。