-
公开(公告)号：CN119882355A
公开(公告)日：2025-04-25
申请号：CN202411904294.0
申请日：2020-07-09
Applicant: ASML荷兰有限公司
Inventor： 苏静 , 程亚娜 , 林晨希 , 邹毅 , D·哈诺坦耶 , E·P·施密特-威尔 , K·巴塔查里亚 , C·J·H·兰姆布列支 , H·亚古比萨德
Abstract: 本文描述一种用于确定用来预测与被图案化的当前衬底相关联的套刻精度数据的模型的方法。该方法涉及：获得（i）与当前衬底的一个或多个先前层和/或当前层相关联的第一数据的集合、（ii）包括与一个或多个先前衬底相关联的套刻精度量测数据的第二数据的集合、以及（iii）与当前衬底的当前层相关联的未被校正的测得的套刻精度数据；以及基于（i）第一数据的集合、（ii）第二数据的集合及（iii）未被校正的测得的套刻精度数据，确定与模型相关联的一组模型参数的值，使得模型预测用于当前衬底的套刻精度数据，其中，将所述值确定为使得成本函数最小化，成本函数包括预测的数据与未被校正的测得的套刻精度数据之间的差。
-
公开(公告)号：CN114222949B
公开(公告)日：2025-01-07
申请号：CN202080055725.4
申请日：2020-07-09
Applicant: ASML荷兰有限公司
Inventor： 苏静 , 程亚娜 , 林晨希 , 邹毅 , D·哈诺坦耶 , E·P·施密特-威尔 , K·巴塔查里亚 , C·J·H·兰姆布列支 , H·亚古比萨德
Abstract: 本文描述一种用于确定用来预测与被图案化的当前衬底相关联的套刻精度数据的模型的方法。该方法涉及：获得(i)与当前衬底的一个或多个先前层和/或当前层相关联的第一数据的集合、(ii)包括与一个或多个先前衬底相关联的套刻精度量测数据的第二数据的集合、以及(iii)与当前衬底的当前层相关联的未被校正的测得的套刻精度数据；以及基于(i)第一数据的集合、(ii)第二数据的集合及(iii)未被校正的测得的套刻精度数据，确定与模型相关联的一组模型参数的值，使得模型预测用于当前衬底的套刻精度数据，其中，将所述值确定为使得成本函数最小化，成本函数包括预测的数据与未被校正的测得的套刻精度数据之间的差。
-
公开(公告)号：CN113168111B
公开(公告)日：2024-05-03
申请号：CN201980077324.6
申请日：2019-10-30
Applicant: ASML荷兰有限公司
IPC: G03F7/20
Abstract: 描述了一种用于预测与在衬底上制造半导体器件的过程有关的产率的方法，该方法包括：获得将模型化参数转换为产率参数的经训练第一模型，上述模型化参数包括：a)与以下中的一项或多项相关联的几何参数：通过该过程制造的器件元件的几何特性、尺寸或位置，以及b)经训练自由参数；获得包括表征该过程的过程参数的过程参数数据；将过程参数数据转换为几何参数的值；以及使用经训练第一模型和几何参数的值来预测产率参数。
-
公开(公告)号：CN117706864A
公开(公告)日：2024-03-15
申请号：CN202410029569.4
申请日：2019-02-28
Applicant: ASML荷兰有限公司
Abstract: 本文描述了一种用于确定图案形成装置的曲线图案的方法，所述方法包括：获得(i)对应于待印制于经受图案化过程的衬底上的目标图案的所述图案形成装置的初始图像和(ii)配置成根据所述初始图像预测所述衬底的上的图案的过程模型；通过硬件计算机系统从所述初始图像生成增强型图像；通过所述硬件计算机系统使用所述增强型图像生成水平集图像；通过所述硬件计算机系统基于所述水平集图像、所述过程模型和成本函数迭代地确定所述图案形成装置的曲线图案，其中所述成本函数(例如，EPE)确定所预测的图案与所述目标图案之间的差，其中所述差被迭代地减小。
-
公开(公告)号：CN112384860B
公开(公告)日：2023-12-08
申请号：CN201980040229.9
申请日：2019-05-23
Applicant: ASML荷兰有限公司
Inventor： 马里纳斯·范登布林克 , 曹宇 , 邹毅
Abstract: 本文描述了一种用于校准过程模型和训练图案化过程的逆过程模型的方法。训练方法包括：根据对基于晶片目标布局预测图案形成装置图案的逆光刻过程的模拟，获得第一图案形成装置图案；接收与使用第一图案形成装置图案曝光的晶片相对应的晶片数据；以及训练逆过程模型，该逆过程模型被配置成使用与曝光后的晶片相关的晶片数据和第一图案形成装置图案来预测第二图案形成装置图案。
-
Patent Agency Ranking
公开(公告)号：CN114578661A
公开(公告)日：2022-06-03
申请号：CN202210274608.8
申请日：2017-12-13
Applicant: ASML荷兰有限公司
IPC: G03F7/20 , G05B19/418 , G06T7/00 , H01L21/66
Abstract: 一种用于诸如减少校准时间、改进模型的精确度以及改进整个制造过程的各种目的的方法，其中通过两个不同的过程模型模拟图像的特性的偏差或通过过程模型模拟且通过量测工具测量所述特性的偏差。
-
公开(公告)号：CN110121681B
公开(公告)日：2022-04-01
申请号：CN201780081265.0
申请日：2017-12-13
Applicant: ASML荷兰有限公司
IPC: G03F7/20 , G05B19/418 , G06T7/00
Abstract: 一种用于诸如减少校准时间、改进模型的精确度以及改进整个制造过程的各种目的的方法，其中通过两个不同的过程模型模拟图像的特性的偏差或通过过程模型模拟且通过量测工具测量所述特性的偏差。
-
公开(公告)号：CN113227907A
公开(公告)日：2021-08-06
申请号：CN201980086667.9
申请日：2019-12-04
Applicant: ASML荷兰有限公司
IPC: G03F7/20
Abstract: 本文中描述了用于训练过程模型并且确定模拟图案(例如，对应于热点)的分级的方法。训练图案化过程的机器学习模型的方法涉及获得训练数据集合，训练数据集合包括：(i)与要印刷在衬底上的掩模图案相关联的模拟图案，(ii)使用掩模图案成像在衬底上的印刷图案的检查数据，以及(iii)在掩模图案在衬底上的成像期间应用的图案化过程的参数的测量值；基于训练数据集合训练机器学习模型以预测模拟图案和印刷图案的特性的差异。经训练的机器学习模型还用于确定热点的分级。在另一种方法中，基于测量数据训练模型以预测热点的分级。
-
公开(公告)号：CN110692017A
公开(公告)日：2020-01-14
申请号：CN201880034754.5
申请日：2018-05-04
Applicant: ASML荷兰有限公司
Abstract: 一种方法，包括：获得设计布局的一部分(505)；基于所述部分或所述部分的特性(510)确定(520)辅助特征的特性(530)；和使用包括样本的训练数据(540)来训练(550)机器学习模型，所述样本的特征向量包括所述部分的特性(510)且所述样本的标签包括所述辅助特征的特性(530)。所述机器学习模型可以用于确定(560)设计布局的任何部分的辅助特征的特性，即使所述部分并不是所述训练数据的部分。
-
公开(公告)号：CN113168115B
公开(公告)日：2024-12-13
申请号：CN201980079479.3
申请日：2019-10-30
Applicant: ASML荷兰有限公司
Inventor： A·史拉奇特 , W·T·特尔 , D·M·斯劳特布姆 , V·Y·蒂莫斯科夫 , K·W·C·A·范德斯特拉顿 , B·门奇奇科夫 , 西蒙·飞利浦·斯宾塞·哈斯廷斯 , C·E·塔贝里 , M·P·F·格宁 , 张幼平 , 邹毅 , 林晨希 , 程亚娜
IPC: G03F7/20
Abstract: 一种用于分析过程的方法，该方法包括：获得表示多个过程参数的值的期望分布的多维概率密度函数；获得将过程参数的值与过程的性能度量相关的性能函数；以及使用性能函数将概率密度函数映射到以过程参数作为自变量的性能概率函数。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.042 seconds)
