[发明专利]记录有指令的非瞬态计算机可读介质在审
| 申请号: | 202210983861.0 | 申请日: | 2022-08-16 |
| 公开(公告)号: | CN115729052A | 公开(公告)日: | 2023-03-03 |
| 发明(设计)人: | 孙任成;杨丰;刘梦;严飞 | 申请(专利权)人: | ASML荷兰有限公司 |
| 主分类号: | G03F7/20 | 分类号: | G03F7/20;G06T7/00;G06N20/00 |
| 代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 胡良均 |
| 地址: | 荷兰维*** | 国省代码: | 暂无信息 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 记录 指令 瞬态 计算机 可读 介质 | ||
1.一种在其上记录有指令的非瞬态计算机可读介质,所述指令在由计算机执行时被实施用于评估所选图案集合的方法,所述方法包括:
获得(i)由图案选择过程产生的第一图案集合,(ii)与所述第一图案集合相关联的第一图案数据,(iii)与所述第一图案数据相关联的特性数据,以及(iv)与第二图案集合相关联的第二图案数据;
基于与所述第一图案相关联的所述特性数据来训练机器学习模型,所述机器学习模型被配置为预测输入到所述机器学习模型中的图案的图案数据;
通过将所述第二图案集合输入到经训练的机器学习模型,生成所述第二图案集合的预测的第二图案数据;以及
通过比较所述第二图案数据和所预测的第二图案数据,评估所述第一图案集合。
2.根据权利要求1所述的介质,其中获得所述第一图案数据包括:
通过执行参考模型来生成第一轮廓或第一图像,所述参考模型被配置为使用所述第一图案集合作为输入来模拟图案化过程。
3.根据权利要求1所述的介质,其中获得所述第一图案数据和所述第二图案数据包括:
从包括所述第一图案集合和所述第二图案集合的图案化衬底的量测图像获得轮廓或图像。
4.根据权利要求1所述的介质,其中所述第一图案集合是所述第二图案集合的子集。
5.根据权利要求2所述的介质,其中所述第二图案数据包括通过使用所述第二图案集合作为输入执行所述参考模型来生成的第二轮廓或第二图像,其中所述参考模型被配置为模拟图案化过程。
6.根据权利要求1所述的介质,其中所述特性数据包括从所述第一图案数据导出的标准度量的数据,所述标准度量被配置为量化图案的一个或多个物理特性。
7.根据权利要求6所述的介质,其中所述标准度量包括:
边缘放置标准度量,位于沿着所述第一图案数据的轮廓的多个位置处;
临界尺寸标准度量,被配置为测量所述第一图案集合的临界尺寸值;
被配置为测量所述第一图案集合中的线的标准度量;
被配置为测量所述第一图案集合的特征之间的空间的标准度量;
被配置为测量尖端到尖端结构的标准度量;和/或
被配置为测量模型预测轮廓与设计轮廓之间的轮廓差异的标准度量。
8.根据权利要求1所述的介质,其中评估所述第一图案集合包括:
将绝对图案覆盖确定为绝对误差的函数,所述绝对误差与使用所述第一图案集合训练的所述经训练的机器学习模型相关联。
9.根据权利要求1所述的介质,其中评估所述第一图案集合包括:
将相对图案覆盖确定为相对误差的函数,所述相对误差是与使用所述第一图案集合训练的所述经训练的机器学习模型相关联的第一误差范围和与另一图案集合相关联的第二误差范围之间的比较。
10.根据权利要求1所述的介质,还包括:
基于所述评估,确定设计布局内的风险图案,所述风险图案与违反误差阈值的模型预测误差相关联;
用所述风险图案补充所述第一图案集合。
11.根据权利要求1所述的介质,还包括:
基于所述评估,识别要由量测工具检查的图案列表。
12.根据权利要求1所述的介质,还包括:
识别所述第二图案集合的与所述第二图案数据和所预测的第二图案数据之间的差的阈值违反相对应的位置,
用与所识别的所述位置相关联的一个或多个图案补充所述第一图案集合,与所述第一图案集合相比,所述补充的第一图案集合具有更高的图案覆盖;以及
使用所述补充的第一图案集合来训练另一机器学习模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于ASML荷兰有限公司,未经ASML荷兰有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210983861.0/1.html,转载请声明来源钻瓜专利网。





