X

基於散射法的應用來控製多個電子束光刻

撰寫者:Nivea Figueiro,Francisco Sanchez,Roy Koret,Michael Shifrin,Yoav Etzioni,Shay Wolfling,Matthew Sendelbach,Yoann Blancquaert,Thibault Labbaye,Guido Rademaker,Guido Rademaker,Jonathan Pradelles,Jonathan Pradelles,Lucie Mourier,Stephane Rey,Laurent Rey,Laurent Rey,Laurent Rey,Laurent Rey,Laurent Rey,ASMC 2018,2018年5月1日

抽象的

介紹了散射法和機器學習的評估,以監測散射測量目標內預期臨界維度(CD)變化的評估。這種變化模仿了大規模平行的無膜膜光刻(ML2)引起的非均勻性。盡管先前的結果[1]表明,基於傳統的基於模型的散射測量法可以正確量化這些目標內部靶向變化,但當前的工作表明,基於散射的機器學習的應用可以補充基於模型的散射測量結果。雖然基於模型的散射法可以提供有關結構概況的信息,該信息即使在沒有參考的情況下也可以用於檢測參數變化,但機器學習提供了與定義參考的超級相關性。
關鍵字 - 機器學習,散射法,替代光刻,電子束光刻,多束,多束束,劑量變化,TMU,TMU分析

Baidu
map