[发明专利]基于AI算法的SEM图形量测方法

说明书

本发明公开了一种基于AI算法的SEM图形量测方法，包括如下方法：使用AI技术实现SEM图形的量测，提出的AI量测方案由三大模块构成：一、图像上的标尺刻度识别：采用深度学习技术为最终的量测提供像素单位长度；二、模板匹配：采用FLANN模板匹配技术对所要量测的部位进行精准定位，并获得局部图像；三、具体SEM图像的量测：采用二值化、边缘识别等技术对元器件的尺寸进行量测。增加了自动化水平。提高了工作效率，原因是AI模型不会疲劳，而人类会疲劳，并且AI模型每单位时间的工作量要远远高于人类。降低了量测成本，原因是AI模型取代工程师，并且工作效率大大提高。基于实时的量测结果，工程师可以及时的调整工艺参数，提高良品率。

技术领域

本发明涉及AI领域，具体是一种基于AI算法的SEM图形量测方法。

背景技术

量测是半导体制造企业用来在制造过程中评估工艺是否达标的重要判断依据。它包含对电路图形尺寸(CD)的测量，厚度的测量，对准度的测量，以及其他物理形态(如图形角度，深度等的测量)。

目前主要的量测方法是在芯片间的切割道上设计特别的测试图形(Testkey)，然后利用光学或SEM成像的技术生成图形然后进行测量。然后通过对真实芯片图形的通过破坏性测量(TEM)等方式，建立TESTKEY和真实图形之间的量测偏移量，以此来建立TESTKEY的测量控制标志进行工艺达标的标准。

由于TESTKEY位于切割道这个非重要区域，此位置的工艺波动性很大，比如厚度不均匀，图形设计，薄膜堆叠不规范，以及有着众多的缺陷问题。所以使得TESTKEY的结果有着如下的缺陷：

1、测量结果稳定性很差。

2、测量结果与真实电路的offset不稳定，波动不一致。也即测量结果无法反映真实情况。

3、测量的图形数量太少，只有数十到数百，无法代表真实电路中几十亿的图形情况。

4、大部分还是采用光学测量，精度比较差。

因此，本领域技术人员提供了一种基于AI算法的SEM图形量测方法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种基于AI算法的SEM图形量测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于AI算法的SEM图形量测方法，包括如下方法：使用AI技术实现SEM图形的量测，提出的AI量测方案由三大模块构成：

一、图像上的标尺刻度识别：采用深度学习技术为最终的量测提供像素单位长度；

二、模板匹配：采用FLANN模板匹配技术对所要量测的部位进行精准定位，并获得局部图像；

三、具体SEM图像的量测：采用二值化、边缘识别等技术对元器件的尺寸进行量测。

深度学习技术我们用的是基于Inception_resnet_v2的SENet方法，简称为SE_Inception_resnet_v2，并采用SMBO(sequential model-based optimization)优化算法对该深度学习模型进行优化；

SMBO运用抽样技术和代理模型技术获取适应度函数的最优超参数，算法流程如下：

一、起始超参组合抽样，使用抽样方法在超参数空间抽取n组超参数H；

二、使用H配置适应度函数f，得到对应的模型表现p；

三、构建代理模型M(H,p)；

四、运用获取函数取得下一组超参数H'；

五、估计使用H’配置的适应度函数f的模型表现p'；