制造过程参数估计的与自动编码器模型或类似相关的模型的制作方法

本描述涉及使用模块化自动编码器(或类似的)模型来估计制造过程参数的方法和系统。

背景技术：

1、光刻设备是一种用于将所需图案施加到衬底上的机器。光刻设备可用于制造集成电路(ic)。光刻设备可以例如将图案形成装置(例如掩模)处的图案(通常也称为“设计布局”或“设计”)投射到衬底(例如晶片)上的辐射敏感材料(抗蚀剂)层上。

2、为了将图案投射到衬底上，光刻设备可以使用电磁辐射。该辐射的波长决定了可在衬底上形成的特征的最小尺寸。当前使用的典型波长为365nm(i线)、248nm、193nm和13.5nm。使用波长在4-20nm范围内的极紫外(euv)辐射(例如6.7nm或13.5nm)的光刻设备可用于在衬底上形成比使用例如波长为193nm的辐射的光刻设备更小的特征。

3、低k1光刻可用于处理尺寸小于光刻设备的传统分辨率极限的特征。在这种工艺中，分辨率公式可以表示为cd＝k1×λ/na，其中λ是所用辐射的波长，na是光刻设备中投影光学器件的数值孔径，cd是“关键尺寸”(通常是印刷的最小特征尺寸，但在这种情况下是半节距)，k1是经验分辨率因子。通常，k1越小，就越难以在衬底上再现与电路设计者为实现特定电气功能和性能而规划的形状和尺寸相似的图案。

4、为了克服这些困难，可以对光刻投影设备和/或设计布局应用复杂的微调步骤。这些包括，例如，但不限于，na的优化、定制照射方案、相移图案形成装置的使用、设计布局的各种优化，例如设计布局中的光学邻近校正(opc，有时也称为“光学和工艺校正”)，或通常定义为“分辨率增强技术”(ret)的其他方法。或者，可以使用用于控制光刻设备稳定性的紧密控制环来改善低k1下的图案再现。

5、自动编码器可配置用于量测和/或其他解决方案，用于参数推断和/或其他目的。这种深度学习模型架构是通用的，可扩展到任意大小和复杂性。自动编码器配置为将高维信号(例如半导体制造过程中的光瞳图像)压缩为同一信号的有效低维表示。接下来或并行(参数推断可能是自动编码器训练的一部分)，执行从低维表示到一组已知标签的参数推断(即，回归)。通过首先压缩信号，与直接对高维信号执行回归相比，推断问题大大简化。

6、然而，理解典型自动编码器内部的信息流通常很困难。人们可以推断输入、压缩低维表示级别和输出处的信息。人们无法轻易解释这些点之间的信息。

7、与传统的单片自动编码器模型相比，本模块化自动编码器模型的刚性更小。本模块化自动编码器模型具有更多可训练和/或可调整的组件。本模型的模块化使其更易于解释、定义和扩展。本模型的复杂性易于调整，并且足够高以对生成提供给模型的数据的过程进行建模，但足够低以避免建模噪声或其他不需要的特征(例如，本模型被配置为避免过度拟合提供的数据)。由于生成数据的过程(或至少过程的某些方面)通常是未知的，因此选择适当的网络复杂性通常需要一些直觉和反复试验。出于这个原因，非常希望提供一种模块化、易于理解且易于增加和减少复杂性的模型架构。

8、请注意，与本模块化自动编码器模型相关的术语“自动编码器”通常指配置为使用潜在空间进行参数估计的部分监督学习的一个或多个自动编码器和/或其他自动编码器。这还可以包括单个自动编码器，例如，使用半监督学习进行训练。

技术实现思路

1、本发明公开了一种对潜在元素进行排序和/或选择的方法，以用于在潜在空间表示内建模低维数据，所述低维数据是由模型的第一模型组件确定的输入数据的降维表示；该方法包括以下步骤：获取所述输入数据；训练所述模型，所述训练包括降低输入数据的维度以在所述潜在空间表示中生成所述低维数据，所述潜在空间表示包括多个潜在元素；分别针对一个或多个潜在元素选择中的每一者训练所述模型的第二模型组件，每个所述潜在元素选择包括所述多个潜在元素中的一者或多者；并且针对每个所述潜在元素选择优化所述第二模型组件输出的输入数据的近似值，从而基于每个潜在元素对输入数据的贡献对潜在空间表示中的所述多个潜在元素中的至少一者进行排序；并且基于所述训练选择所述潜在元素选择之一。

2、在本发明的其他方面，提供了一种计算机程序，包括当在合适的装置上运行时可执行第一或第二方面的方法的程序指令，以及配置为在光刻工艺中向衬底提供产品结构的光刻设备，所述光刻设备包括处理器和上述计算机程序。

1.一种用于对潜在元素进行排序和/或选择的方法，以便在潜在空间表示内对低维数据进行建模，所述低维数据是由模型的第一模型组件确定的输入数据的降维表示；所述方法包括以下步骤：

2.根据权利要求1所述的方法，其中所述优化步骤根据所述一个或多个潜在元素在所述第二模型组件的信号近似的精度方面的贡献对它们进行排序。

3.根据权利要求1或2所述的方法，其中所述排序内的第一潜在元素解释能够用仅一个参数建模的所述输入数据的最大能量。

4.根据前述权利要求中任一项所述的方法，其中所述选择步骤包括选择所述潜在元素选择中的一者，使得当根据所选择的所述潜在元素选择进行建模时，所述输入数据的所述信号能量被所述低维数据最大化。

5.根据前述权利要求中任一项所述的方法，其中所述训练步骤包括针对每个潜在元素选择，将所述第二模型组件的所述输出与所述输入数据进行比较。

6.根据前述权利要求中任一项所述的方法，其中所述训练步骤包括针对每个潜在元素选择，最小化所述第二模型组件的所述输出和所述输入数据之间的差异。

7.根据前述权利要求中任一项所述的方法，其中执行所述训练和选择步骤以优化所述模型，用以使用所述潜在元素选择来推断一个或多个感兴趣的参数。

8.根据权利要求7所述的方法，其中所述一个或多个感兴趣的参数包括以下中的一项或多项：套刻、蚀刻倾斜度、层厚度、光栅不平衡、边缘放置误差、关键尺寸、任何一个或多个非套刻结构不对称性。

9.根据前述权利要求中任一项所述的方法，其中所述潜在元素选择中的每一者包括排序最高的所述潜在元素，被包括在每个潜在元素选择中的所述排序最高的潜在元素的数目在所述潜在元素选择上连续增加。

10.根据前述权利要求中任一项所述的方法，其中所述模型是自动编码器模型，所述第一模型组件包括编码组件，并且所述第二模型组件包括解码组件，并且

11.根据前述权利要求中任一项所述的方法，其中，在所述训练步骤期间，分别处理所述潜在元素的不同组。

12.根据权利要求11所述的方法，其中所述分离的组包括第一组和第二组，所述第一组包括所述潜在元素的对称潜在元素，所述第二组包括所述潜在元素的非对称潜在元素。

13.根据前述权利要求中任一项所述的方法，包括使用所得到的经训练的所述模型和所选择的所述潜在元素选择以基于输入数据推断一个或多个感兴趣的参数的一个或多个值。

14.根据前述权利要求中任一项所述的方法，其中所述输入数据包括一个或多个光瞳图像或从所述一个或多个光瞳图像导出，每个所述光瞳图像包括从目标散射的辐射的角分辨分布，每个所述角分辨分布包括以下中的一项或多项：角分辨强度分布、角分辨振幅分布和角分辨相位分布。

15.一种量测装置，被配置为测量在光刻工艺中在衬底上形成的产品结构，所述量测装置包括能够操作以执行权利要求1至14中任一项所述的方法的处理系统。