文摘
光學臨界尺寸(OCD)光譜學是一個可靠的、非破壞性、高通量測量計量技術和過程控製,廣泛應用於半導體製造工廠(工廠)。晶圓是采樣
稀疏串聯,以10 - 20預定位置,提取感興趣的幾何參數。
傳統上,這些參數被解麥克斯韋方程推導出特定電影堆棧幾何。
最近先進的機器學習(ML)模型,或ML和幾何模型的組合,已經成為越來越有吸引力是因為這種方法的幾個優點。
高級節點流程可以受益於更廣泛的數據采樣,但這違背了測量周期的目標和總體成本計量工具,導致晶圓廠使用稀疏采樣方案。在本文中,我們介紹一個
新穎的方法,允許將晶片采樣稀疏但提供感興趣的參數就像人口測量。我們展示這種方法允許我們增加數據輸出而不影響整體的測量時間,同時保持較高的精度和魯棒性。這種能力提高過程控製具有深遠的意義和更快的產生學習半導體過程中發展。
關鍵詞:強迫症計量、機器學習、注水井、晶片地圖,抽樣方案。