[发明专利]一种关键尺寸控制方法及系统

权利要求书

1.一种关键尺寸控制方法，其特征在于，包括以下步骤：

获取历史数据，所述历史数据包括历史前层因素数据和历史当层量测数据；

通过所述历史数据建立和训练神经网络预测模型；

获取初始前层因素数据，将所述初始前层因素数据作为输入变量输入已训练的所述神经网络预测模型进行预测，输出得到预测当层量测数据；

根据所述预测当层量测数据满足的预设条件，以在前层工艺中进行纠偏，以得到目标前层因素数据。

2.根据权利要求1所述的关键尺寸控制方法，其特征在于，所述历史前层因素数据具有多组，所述历史当层量测数据包括各组所述历史前层因素数据对应的历史当层关键尺寸实测数据。

3.根据权利要求2所述的关键尺寸控制方法，其特征在于，通过所述历史数据建立神经网络预测模型，具体如下：

定义神经网络预测模型的输入层包括n个神经元，隐层包括m个神经元，输出层包括1个神经元；

定义输入层n个神经元中每个神经元表示一个输入子变量，定义每个所述输入子变量分别表示所述历史前层因素数据中的一个；

定义隐层m个神经元中每个神经元表示一个隐层输出变量；

定义输出层输出变量为预测的当层关键尺寸值，并构建预测函数。

4.根据权利要求3所述的关键尺寸控制方法，其特征在于，通过所述历史数据训练神经网络预测模型具体如下：

将l组历史前层因素数据输入神经网络预测模型的输入层，经各隐含层逐层处理后，输出l个输出变量；

基于各输出变量与对应的历史当层关键尺寸实测数据之间的偏差值，更新隐含层的每个神经元与输入层的每个神经元之间的权重，当输出变量与对应的历史当层关键尺寸实测数据之间误差值小于设定误差时，停止训练，获得所述已训练的神经网络预测模型。

5.根据权利要求1所述的关键尺寸控制方法，其特征在于，根据所述预测当层量测数据满足的预设条件，以在前层工艺中进行纠偏，以得到目标前层因素数据具体如下：

若所述预测当层量测数据超出第一预设范围，则根据第一纠偏模型来调整所述神经网络预测模型的输入变量，以调整后的所述输入变量再输入至所述已训练的神经网络预测模型进行预测，以得到调整后的预测当层量测数据，直至所述调整后的预测当层量测数据符合所述第一预设范围，以对应的当前的输入变量作为所述目标前层因素数据。

6.根据权利要求5所述的关键尺寸控制方法，其特征在于，根据第一纠偏模型调整所述输入变量具体如下：

根据第一纠偏模型调整所述初始前层因素数据以及在前层和/或当层工艺步骤中增加额外纠偏工艺步骤作为新的输入变量。

7.根据权利要求5所述的关键尺寸控制方法，其特征在于，根据所述预测当层量测数据满足的预设条件，以在前层工艺中进行纠偏，以得到目标前层因素数据还包括：

若所述预测当层量测数据在第一预设范围内，则根据第二纠偏模型来调整所述神经网络预测模型的输入变量，以调整后的所述输入变量再输入至所述神经网络预测模型进行预测，以得到调整后的预测当层量测数据，直至所述调整后的预测当层量测数据满足第二预设范围，以对应的当前的输入变量作为所述目标前层因素数据，所述第二预设范围在所述第一预设范围内，且包含标准值。

8.根据权利要求7所述的关键尺寸控制方法，其特征在于，根据第二纠偏模型调整所述输入变量包括：

根据第二纠偏模型仅调整所述初始前层因素数据作为新的输入变量。

9.根据权利要求7或8所述的关键尺寸控制方法，其特征在于，所述第二纠偏模型的所述输入变量的调整范围小于或等于所述第一纠偏模型的所述输入变量的调整范围。