本申请涉及集成电路制造中的掩膜检测,具体涉及一种光刻量测强度的生成方法、装置、设备及存储介质。
背景技术:
1、芯片量测是对被观测的晶圆电路上的结构尺寸和材料特性的量化描述,如关键尺寸、刻蚀深度、表面强度等物理参数,它是集成电路制造工艺中的重要组成部分。获得芯片制造量测强度的手段主要包括光学检测技术、电子束检测技术和x光量测技术等,结合信号处理软件和算法在信噪比较差的数据中提取有用信号数据,通过数据分析进行性能评估,以评估并改善工艺质量,提升制造良率。
2、晶圆制造过程包括光刻、刻蚀、清洗、离子注入等工艺步骤,每个工艺步骤都需获取量测强度进行性能评估,以评估并改善工艺质量,提升制造良率。同时,芯片制造工艺的日常维护也需要大量的抽检量测强度,以及时的发现问题,确保加工良率。
3、随着集成电路关键尺寸的不断缩小,量测强度的可靠性、有效性和稳定性的要求也不断提升,对量测分辨率和数据精度提出了更高要求。量测分辨率越高,则需要量测的像素点越多,繁琐的信号处理过程带来大量的计算,耗时严重;为了不降低生产效率,在有限的时间内只能选择部分像素点进行量测,这会降导致量测数据的精度下降,特征数据的分析不足难以反映制造工艺结点的全部缺陷信息,进而影响良率。
技术实现思路
1、鉴于此,本申请提供一种光刻量测强度的生成方法、装置、设备及存储介质,以解决现有量测方法无法兼顾量测分辨率和量测数据的精度的问题。
2、本申请提供了一种光刻量测强度的生成方法,包括:
3、获取第一样本掩膜的图像,以及所述第一样本掩膜基于当前机台的第一光刻量测强度,以形成数据集;
4、基于所述数据集建立并优化对抗神经网络模型,其中,所述第一样本掩膜的图像作为生成网络的输入,所述第一光刻量测强度作为鉴别网络的输入;
5、将待测掩膜的图像输入所述对抗神经网络模型,生成所述待测掩膜基于所述当前机台的第二光刻量测强度。
6、可选的,所述基于所述数据集建立并优化对抗神经网络模型,包括:
7、将所述数据集随机划分为训练集和测试集;
8、采用所述训练集交替优化所述生成网络和所述鉴别网络,得到所述对抗神经网络模型的网络参数;
9、采用所述测试集验证所述网络参数,若验证成功,则得到所述当前机台的对抗神经网络模型;否则,返回所述将所述数据集随机划分为训练集和测试集。
10、可选的,所述若验证成功,则得到所述当前机台的对抗神经网络模型之后,还包括:
11、将所述对抗神经网络模型与其他机台进行匹配。
12、可选的,所述将所述对抗神经网络模型与其他机台进行匹配,包括:
13、获取第二样本掩膜基于所述其他机台的第三光刻量测强度;
14、将所述第二样本掩膜的图像输入所述对抗神经网络模型,得到第四光刻量测强度;
15、计算所述第三光刻量测强度与所述第四光刻量测强度的误差;
16、若所述误差未超出预设门限,则所述对抗神经网络模型与所述其他机台匹配成功。
17、可选的,所述计算所述第三光刻量测强度与所述第四光刻量测强度的误差之后,还包括:
18、若所述误差超出所述预设门限,则返回所述将所述数据集随机划分为训练集和测试集。
19、可选的,所述掩膜的图像上任一点的仿真强度为:
20、,其中,为空间仿真图像强度为空间坐标;为空间位置处的折射率;为基台光源强度分布;为光源平面空间角谱;为透射透镜的空间滤波函数;为成像平面的空间角谱;为掩膜图案在空间角谱的分布;为激励光源的矢量分布;为入射到成像平面位置处的电场强度;上标“*”表示对应物理量的复数共轭;为成像平面与光源平面的空间角谱相位差;表示共轭空间中的成像平面角谱,表示空间单位坐标,分别表示波矢量在方向的值,为空间焦平面位置。
21、一种光刻量测强度的生成装置,包括:
22、数据集建立模块,用于获取第一样本掩膜的图像,以及所述第一样本掩膜基于当前机台的第一光刻量测强度,以形成数据集;
23、模型建立模块,用于基于所述数据集建立并优化对抗神经网络模型,其中,所述第一样本掩膜的图像作为生成网络的输入,所述第一光刻量测强度作为鉴别网络的输入;
24、生成模块,用于将待测掩膜的图像输入所述对抗神经网络模型,生成所述待测掩膜基于所述当前机台的第二光刻量测强度。
25、可选的,所述模型建立模块包括:
26、数据集划分单元,用于将所述数据集随机划分为训练集和测试集;
27、训练单元,用于采用所述训练集交替优化所述生成网络和所述鉴别网络,得到所述对抗神经网络模型的网络参数;
28、验证单元,用于采用所述测试集验证所述网络参数;若验证成功,则得到所述当前机台的对抗神经网络模型;否则,返回所述数据集划分单元。
29、一种光刻量测强度的生成设备,所述训练设备包括:
30、存储器,用于存储计算机程序;
31、处理器,用于执行所述计算机程序时实现如上各实施例所述的光刻量测强度的生成方法的步骤。
32、一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上各实施例所述的光刻量测强度的生成方法的步骤。
33、本申请提供的一种光刻量测强度的生成方法,通过获取第一样本掩膜的图像,以及所述第一样本掩膜基于当前机台的第一光刻量测强度,以形成数据集;基于所述数据集建立并优化对抗神经网络模型,其中,所述第一样本掩膜的图像作为生成网络的输入,所述第一光刻量测强度作为鉴别网络的输入;将待测掩膜的图像输入所述对抗神经网络模型,生成所述待测掩膜基于所述当前机台的第二光刻量测强度。本申请基于当前机台的第一光刻量测强度训练对抗神经网络模型,通过对抗神经网络模型生成待测掩膜的图像的第二光刻量测强度,对抗神经网络模型生成的光刻量测强度准确(符合误差函数要求)且效率高,可极大的节省量测周期和成本;并且利用历史光刻量测强度数据进行模型的网络参数优化,可实现历史光刻量测强度数据的复用和压缩存储。
1.一种光刻量测强度的生成方法,其特征在于,包括:
2.根据权利要求1所述的生成方法,其特征在于,所述基于所述数据集建立并优化对抗神经网络模型,包括:
3.根据权利要求2所述的生成方法,其特征在于,所述若验证成功,则得到所述当前机台的对抗神经网络模型之后,还包括:
4.根据权利要求3所述的生成方法,其特征在于,所述将所述对抗神经网络模型与其他机台进行匹配,包括:
5.根据权利要求4所述的生成方法,其特征在于,所述计算所述第三光刻量测强度与所述第四光刻量测强度的误差之后,还包括:
6.根据权利要求1-5任一项所述的生成方法,其特征在于,所述掩膜的图像上任一点的仿真强度为:
7.一种光刻量测强度的生成装置,其特征在于,包括:
8.根据权利要求7所述的生成装置,其特征在于,所述模型建立模块包括:
9.一种光刻量测强度的生成设备,其特征在于,所述生成设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的光刻量测强度的生成方法的步骤。