“S·阿尔·拉赫曼”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]优化量测过程的方法-CN201980011373.X有效
发明人： A·齐亚托马斯;J·J·文塞拉尔;S·阿尔·拉赫曼;M·V·梅德韦久瓦;B·O·夫艾格金格奥尔;M·M·扎尔;T·康托鲁皮 -专利权人： ASML荷兰有限公司
申请日： 2019-01-10 - 公布日： 2023-09-15 - 主分类号： G03F7/20 文献下载
摘要：公开了一种优化量测过程的方法。在一种布置中，通过对衬底上的第一目标多次应用量测过程来获得测量数据。量测过程的每次应用包括利用辐射斑照射第一目标并检测由第一目标改变方向的辐射。量测过程的应用包括以下应用中的任一种或两种：a)辐射斑相对于第一目标的多个位置处的应用；和b)辐射斑的多个聚焦高度处的应用。针对量测过程的每次应用，测量数据包括被改变方向的辐射的光学特性在光瞳平面中的检测到的光瞳表示。该方法包括基于测量数据中的检测到的光瞳表示与参考光瞳表示之间的比较来确定最佳对准和最佳聚焦高度中的任一个或两个。
优化过程方法

[发明专利]确定与图案化过程有关的信息的方法、减小测量数据中的误差的方法、校准量测过程的方法、选择量测目标的方法-CN201880078343.6有效
发明人： J·J·文塞拉尔;A·齐亚托马斯;S·阿尔·拉赫曼;P·C·赫因恩;J-P·A·H·M·韦森;N·M·魏斯;G·R·圣圭内蒂;T·扎卡鲁普卢;M·M·扎尔 -专利权人： ASML荷兰有限公司
申请日： 2018-11-14 - 公布日： 2023-04-07 - 主分类号： G03F7/20 文献下载
摘要：本公开涉及确定与图案化过程有关的信息。在一种方法中，从应用到衬底上的多个量测目标中的每个量测目标的量测过程获得测量数据。每个量测目标的所述测量数据包括至少第一贡献和第二贡献。所述第一贡献来自用于形成所述量测目标的图案化过程的感兴趣的参数。所述第二贡献来自所述量测过程中的误差。所述方法还包括：使用来自所有所述多个量测目标的已获得的测量数据来获得与所述量测过程中的误差有关的信息；和使用所获得的与所述量测过程中的所述误差有关的所述信息来针对每个量测目标提取所述感兴趣的参数的值。
确定图案过程有关信息方法减小测量数据中的误差校准选择目标

[发明专利]用于确定针对光刻设备的校正的方法-CN202080029533.6在审
发明人： R·沃克曼;D·F·S·德克尔;西蒙·飞利浦·斯宾塞·哈斯廷斯;J·T·杰巴兹;S·阿尔·拉赫曼;D·哈诺坦耶;林晨希;程亚娜 -专利权人： ASML荷兰有限公司
申请日： 2020-03-18 - 公布日： 2021-11-26 - 主分类号： G03F7/20 文献下载
摘要：提供一种用于确定针对在对衬底进行图案化的过程中所使用的设备的校正的方法，所述方法包括：获得与待处理的衬底的特征标识的处理历史和/或相似性相关联的分组结构；获得与所述分组结构内的多个分组相关联的量测数据，其中所述量测数据在所述多个分组之间是相关的；和通过将模型应用于所述量测数据来确定针对来自所述多个分组的一分组的校正，所述模型至少包括共同校正分量和特定于分组的校正分量。
用于确定针对光刻设备校正方法

[发明专利]量测方法、设备和计算机程序-CN201880009536.6有效
发明人： S·阿尔·拉赫曼 -专利权人： ASML荷兰有限公司
申请日： 2018-01-08 - 公布日： 2021-10-08 - 主分类号： G03F7/20 文献下载
摘要：本发明中披露一种量测方法以及相关联的量测设备。该方法包括：测量通过光刻过程而形成于衬底上的至少两个层中的目标，并且例如在图像场中捕捉至少一个对应对的非零衍射阶，以获得测量数据。执行如依据所述目标的几何参数而定义的所述目标的测量结果的仿真，所述几何参数包括一个或多个可变几何参数，并且使测量数据与仿真数据之间的差最小化，以便直接重新构造用于所述一个或多个可变几何参数的值。
方法设备计算机程序

[发明专利]提供经过训练的神经网络以及确定实体系统的特性-CN201980063253.4在审
发明人： S·阿尔·拉赫曼 -专利权人： ASML荷兰有限公司
申请日： 2019-08-14 - 公布日： 2021-05-11 - 主分类号： G03F7/20 文献下载
摘要：一种确定具有材料结构的实体系统的特性的方法，所述特性例如为光学响应，所述材料结构诸如为薄膜多叠置层或其它光学系统，所述方法具有以下步骤：提供(1430)神经网络(1440)，其中基于由所述材料结构沿辐射的路径对所述辐射进行散射的模型(1420)来配置所述神经网络的网络架构；训练(1450)和使用(1460)所述神经网络以确定所述实体系统的所述特性。可以基于所述模型通过对参数进行配置来配置所述网络架构，所述参数包括每个隐藏层的单元的数目、隐藏层的数目、层互连和丢弃。
提供经过训练神经网络以及确定实体系统特性