[发明专利]一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法

权利要求书

1.一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，包括以下步骤，

S1：针对两种类型的EUV掩膜版缺陷，在已知的、不同的缺陷尺寸的情况下，通过光刻机投影得到空间像分布，分别收集2000个bump样本和197个pit样本；

S2：整理两种样本数据，针对bump样本和pit样本，分别分出名为训练集和测试集两部分数据；

S3：针对bump样本，利用机器学习算法和训练集中的样本数据，建立并调试EUV掩膜版缺陷尺寸检测模型；

S4：采用测试集中的bump样本数据，对EUV掩膜版缺陷尺寸检测模型进行测试，若测试失败则返回步骤S3，若测试通过进入下一步；

S5：在S3和S4训练出的EUV掩膜版缺陷尺寸检测模型的基础上，采用pit样本的训练集数据，进一步调试EUV掩膜版缺陷尺寸检测模型，并采用pit样本测试集中的样本数据，对EUV掩膜版缺陷尺寸检测模型进行测试。

2.根据权利要求1所述的一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，所述S1中，在EUV掩膜版光板上分别设计bump和pit两种缺陷，并分别设置不同的缺陷尺寸大小，通过光刻机投影，收集在焦平面位置的空间像分布。

3.根据权利要求1所述的一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，所述S2中，针对bump样本，采用随机抽样的方式，选取1600个结果作为训练集，选取400个结果作为测试集；针对pit样本，采用随机抽样的方式，选取158个结果作为训练集，选取39个结果作为测试集。

4.根据权利要求1所述的一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，所述S4中，bump样本测试失败为，标准定义的检测值与真值的平均偏差率在5％以上，所述标准定义的检测值是利用数学模型，光刻空间像结果下得到的模型预测值；所述真值是该光刻空间像对应的真实缺陷尺寸。

5.根据权利要求2所述的一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，所述S5中，针对pit样本进行训练时，是在步骤S3和S4中得到的针对bump样本的尺寸预测模型的基础上，进行的调试训练，模型架构一致，初始参数为bump样本预测模型的参数。

6.根据权利要求1所述的一种基于迁移学习确定EUV掩膜版缺陷尺寸的方法，其特征在于，所述机器学习算法采用卷积神经网络实现，直接将空间像作为网络的输入，自动提取特征进行训练，所述卷积神经网络包括输入层、卷积层、池化层、全连接和输出层；所述输入层为训练集中的二维空间像结果，所述输出层为输入层二维结果所对应的掩膜版缺陷尺寸。