CN118401900A

CN118401900A - 用于不对称性引发的重叠误差的校正的机器学习模型

Info

Publication number: CN118401900A
Application number: CN202280083248.1A
Authority: CN
Inventors: 黄奎钧; 任利平
Original assignee: ASML Holding NV
Current assignee: ASML Holding NV
Priority date: 2021-12-17
Filing date: 2022-11-22
Publication date: 2024-07-26
Also published as: US20250053097A1; TWI845049B; WO2023110318A1; TW202332983A

Abstract

描述一种使用神经网络进行的对重叠测量结果的误差的校正，其考虑了目标结构不对称性。根据本公开的实施例，可以通过考虑目标结构中的多个扰动和/或不对称性扰动来改善重叠量度准确性。描述一种经训练的神经网络，其基于用于在多个波长下的不对称性测量的度量至原点的距离的输入产生用于重叠测量的校正值。基于所述校正值和可以不考虑目标结构不对称性的实际测量的重叠测量结果，确定真实的重叠测量结果，所述真实的重叠测量结果与没有校正值相比可以展现改善的准确性且减少不确定性。

Description

用于不对称性引发的重叠误差的校正的机器学习模型

相关申请的交叉引用

本申请要求于2021年12月17日递交的国际申请PCT/CN2021/139212的优先权，并且通过引用将该国际申请的全部内容并入本文中。

技术领域

本公开总体上涉及半导体制造中的重叠量测，并且更特别地，涉及使用机器学习的重叠量测。

背景技术

光刻投影设备可以用于例如集成电路(IC)的制造中。图案形成装置(例如掩模)可以包括或提供对应于IC(“设计布局”)的单层的图案，并且可以通过诸如将已涂覆有辐射敏感材料(“抗蚀剂”)层的衬底(例如硅晶片)上的目标部分(例如包括一个或更多个管芯)辐照通过图案形成装置上的图案的方法而将这种图案转印至目标部分上。通常，单个衬底包括多个相邻目标部分，图案通过光刻投影设备连续地转印至所述多个相邻目标部分，一次一个目标部分。在这种类型的光刻投影设备中，在一个操作中将整个图案形成装置上的图案转印至一个目标部分上。这样的设备通常称作步进器。在通常称为步进扫描设备的替代设备中，投影束在给定参考方向(“扫描”方向)上遍及图案形成装置进行扫描，同时平行或反向平行于这种参考方向而同步地移动衬底。图案形成装置上的图案的不同部分逐渐地转印至一个目标部分。通常，由于光刻投影设备将具有减小比率M(例如，4)，因此衬底被移动的速度F将是投影束扫描图案形成装置的速度的1/M倍。关于光刻设备的更多信息可以在例如以引用的方式并入本文中的US 6，046，792中找到。

在将图案从图案形成装置转印至衬底之前，衬底可以经受各种工序，诸如，上底漆、涂覆抗蚀剂和软焙烤。在曝光之后，衬底可以经受其它工序(“曝光后工序”)，诸如曝光后焙烤(PEB)、显影、硬焙烤，和所转印的图案的测量/检查。这种工序阵列用作制得装置(例如IC)的单层的基础。衬底可以接着经历各种过程，诸如蚀刻、离子注入(掺杂)、金属化、氧化、化学机械研磨等，所述过程都旨在修整器件的单层。如果在器件中需要若干层，则针对每个层来重复整个工序或其变体。最终，在衬底上的每个目标部分中将存在器件。接着通过诸如切割或锯割的技术来使这些器件彼此分离，使得可以将单独的器件被安装在承载件上、连接至接脚等。

制造诸如半导体器件之类的器件通常涉及使用若干制造过程来处理衬底(例如，半导体晶片)以形成所述器件的各种特征和多个层。通常使用(例如)沉积、光刻、蚀刻、化学机械研磨和离子注入来制造和处理这些层和特征。可以在衬底上的多个管芯上制作多个器件，并且接着将所述器件分成单独的器件。这种器件制造过程可以被视为图案化过程。图案化过程涉及图案化步骤，诸如使用光刻设备中的图案形成装置来将图案形成装置上的图案转印至衬底的光学和/或纳米压印光刻术，并且图案化过程通常但可选地涉及一个或更多个相关图案处理步骤，诸如由显影设备进行抗蚀剂显影、使用焙烤工具来焙烤衬底、使用蚀刻设备使用图案进行蚀刻等。

光刻是在诸如IC的器件的制造时的中心步骤，其中，形成在衬底上的图案限定器件的功能元件，诸如微处理器、存储器芯片等。类似光刻技术也用于形成平板显示器、微机电系统(MEMS)和其它装置。

随着半导体制造过程继续前进，功能元件的尺寸已不断地减小。同时，每器件功能元件(诸如晶体管)的数目已稳定地增加，这遵循通常称为“摩尔定律”的趋势。在当前技术状态下，使用光刻投影设备制造器件的层，所述光刻投影设备使用来自深紫外照射源的照射将对应于设计布局的图案投影至衬底上，从而产生尺寸远低于100nm，即小于来自照射源(例如，193nm照射源)的辐射的波长的一半的单独的功能元件。

用于印制尺寸小于光刻投影设备的经典分辨率极限的特征的这种过程根据分辨率公式CD＝k₁×λ/NA而通常被称为低k₁光刻，其中，λ是所使用的辐射的波长(当前在大多数情况下是248nm或193nm)，NA是光刻投影设备中的投影光学器件的数值孔径，CD是“临界尺寸”(通常是所印制的最小特征尺寸)，并且k₁是经验分辨率因子。通常，k₁越小，则在衬底上再现类似于由设计者规划的形状和尺寸以便实现特定电功能性和性能的图案变得越困难。为了克服这些困难，将复杂的微调步骤应用于光刻投影设备、设计布局或图案形成装置。这些方法包括例如但不限于NA和光学相干设置的优化、定制照射方案、使用相移图案形成装置、设计布局中的光学邻近效应校正(OPC，有时也称为“光学和过程校正”)、源掩模优化(SMO)或一般定义为“分辨率增强技术”(RET)的其它方法。如本文中所使用的术语“投影光学器件”应被广义地解释为涵盖各种类型的光学系统，包括例如折射型光学器件、反射型光学器件、孔和反射折射型光学器件。术语“投影光学器件”也可以包括根据这些设计类型中任一个操作以用于共同地或单个地引导、成形或控制投影辐射束的部件。术语“投影光学器件”可以包括光刻投影设备中的任何光学部件，不管该光学部件定位在光刻投影设备的光学路径中的哪个位置。投影光学器件可以包括用于在来自源的辐射通过图案形成装置之前成形、调节和/或投影所述辐射的光学部件，和/或用于在所述辐射通过图案形成装置之后成形、调节和/或投影所述辐射的光学部件。投影光学器件通常不包括源和图案形成装置。

发明内容

本公开描述一种使用神经网络进行的对重叠测量结果的误差的校正，其考虑了目标结构不对称性。根据本公开的实施例，可以通过考虑所述目标结构中的多个扰乱和/或不对称性扰动来改善重叠测量结果的准确性。描述一种经训练的神经网络，其基于如在光学量测设备中所使用的用于在多个波长下的不对称性测量的度量至原点的距离的输入产生用于重叠测量结果的校正值。基于所述校正值和可以不考虑目标结构的不对称性的实际测量的重叠测量结果，确定总的真实的重叠测量结果，所述总的真实的重叠测量结果与没有校正值相比可以展现改善的准确性且减小不确定性。

用于训练神经网络的训练数据可以包括用于一组目标结构的数据，包括该组目标结构所对应的在多个波长范围内的至原点的距离值，用重叠测量值标记所述至原点的距离值。在一些实施例中，通过使目标结构的一组扰动参数中的每个扰动参数变化以产生不对称的目标结构来产生一组目标结构。随后，基于所述一组目标结构中的每个目标结构的模型模拟在多个波长下的重叠测量结果和振幅不对称性测量结果。

附图说明

并入于本说明书中且构成本说明书的一部分的附图说明一个或更多个实施例且连同本说明书一起来解释这些实施例。现在将参考随附示意性附图而仅借助于示例来描述本发明的实施例，在所述附图中，相应的参考符号指示相应的部分，并且在所述附图中：

图1描绘根据实施例的光刻设备的示意图概略图。

图2描绘根据实施例的光刻单元的示意图概略图。

图3描绘根据实施例的整体光刻的示意性表示，其表示用于优化半导体制造的三种技术之间的协作。

图4图示根据实施例的诸如散射仪之类的示例量测设备。

图5A和图5B图示根据实施例的、诸如用于重叠测量的基于衍射的量测设备之类的示例量测设备的操作。

图6A和6B图示根据实施例的示例目标结构的用于确定重叠量度的不对称振幅曲线图。

图7图示根据实施例的、用于产生目标结构的考虑目标结构不对称性的经校正的重叠量度的当前方法的操作的概略图。

图8图示根据实施例的、使用神经网络确定目标结构的考虑目标结构不对称性的经校正的重叠量度的图。

图9A图示根据实施例的针对示例目标结构确定的不对称性量度。

图9B图示根据实施例的对针对示例目标结构确定的重叠量度的示例校正。

图10A和图10B图示根据实施例的对多种不对称性量度的确定。

图11图示根据实施例的产生用于神经网络的训练数据的示例性方法。

图12A至图12C图示根据实施例的目标结构的用于训练神经网络的而产生的示例扰动。

图13是根据本公开的实施例的示例计算机系统的框图。

图14是根据本公开的实施例的另一光刻投影设备的示意图。

图15是根据本公开的实施例的光刻投影设备的详细视图。

图16是根据本公开的实施例的光刻投影设备的源收集器模块的详细视图。

具体实施方式

在半导体制造中，可以基于来自叠层或结构的一个或更多个层的辐射的反射的光学测量结果确定叠层或结构的各种水平的重叠或相对位置(例如，对准)。可以在对应于器件的图案之间或当中组织被专门设计的目标结构，其中，这些目标结构以预定方式使光偏转，并且其中可以从这些反射确定或推断各种制造和材料参数。通过监测反射信号，可以监测、校准、调节和控制制造过程。然而，除各种层的重叠的对准或测量以外的要素可能影响光学反射。例如，不对称性目标结构，包括目标结构的内埋层(其不是为了对准而测量到的层中的不对称性(诸如基底倾角))，也可以是光学反射性的。

根据本公开的实施例，产生或以其它方式获取目标结构的一组扰动。可以针对目标结构选择一组扰动参数，其中，基于根据所述一组扰动参数更改目标结构几何形状而产生目标结构的扰动。这些扰动参数可以包括侧壁角(SWA)、基底倾角、间距、应力缓解效应、蚀刻负载效应等。对于目标结构的扰动中的每个扰动，确定重叠量度(measure)且模拟至少一个不对称性量度。基于用相应的重叠量度标记的不对称性量度产生一组训练数据，并且基于输入的不对称性量度训练神经网络以输出对重叠量度的校正。对于目标结构，基于以光学方式测量的重叠量度和由经训练的神经网络输出的对重叠量度的校正，确定考虑了目标结构不对称性的经校正的重叠量度。考虑了目标结构不对称性的经校正的重叠量度(或本文中称为“重叠误差校正”)，可以比不考虑目标结构不对称性的重叠量度更准确且更确定，并且可以考虑归因于两个或更多个扰动参数的目标结构不对称性，其中，不对称性量度与重叠量度之间的关系为非线性的。

参考附图详细描述本公开的实施例，所述附图提供为本公开的说明性示例以便使本领域技术人员能够实践本公开。值得注意地，以下各图和示例不旨在将本公开的范围限于单个实施例，但借助于所描述的或所图示的元件中的一些或全部的互换而使其它实施例是可能的。此外，在可以部分地或完全地使用已知元件来实施本公开的某些部件的情况下，将仅描述理解本公开所必需的这样的已知部件的那些部分，并且将省略这样的已知部件的其它部分的详细描述以便不混淆本公开。除非本文中另外规定，否则如本领域技术人员将明白，描述为以软件实施的实施例不应限于此，但可以包括以硬件或软件与硬件的组合实施的实施例，并且反之亦然。在本说明书中，示出单数部件的实施例不应被认是限制性的；而是，除非本文中另有明确陈述，否则本公开旨在涵盖包括多个相同部件的其它实施例，并且反之亦然。此外，除非如此明确阐述，否则申请者不旨在使本说明书或权利要求中的任何术语归结于不常见或特殊涵义。此外，本公开涵盖本文中借助于图示而提及的已知部件的目前和未来已知等效物。

虽然在本文中可以具体地参考IC制造，但应明确地理解，本公开的描述具有许多其它可能应用。例如，实施例可以用于制造集成光学系统、用于磁畴存储器的引导和检测图案、液晶显示面板、薄膜磁头等。本领域技术人员将了解，在这样的替代应用的情境下，本文中对术语“掩模版”、“晶片”或“管芯”的任何使用应视是可以分别与更上位的术语“掩模”、“衬底”和“目标部分”互换。

在本文件中，术语“辐射”和“束”用于涵盖所有类型的电磁辐射，包括紫外辐射(例如具有约365nm、248nm、193nm、157nm或126nm米的波长)和EUV(极紫外辐射，例如具有在5nm至100nm的范围内的波长)。

(例如，半导体)图案形成装置可以包括或可以形成一个或更多个图案。可以利用计算机辅助设计(CAD)过程基于图案或设计布局而产生图案，这种过程常常称为电子设计自动化(EDA)。大多数CAD过程遵循预定设计规则集合，以便产生功能设计布局/图案形成装置。由处理和设计限制而设置这些规则。例如，设计规则限定器件(诸如栅极、电容器等)或互联机之间的空间容许度，以便确保器件或线不会以不期望的方式彼此相互作用。设计规则可以包括和/或指定具体参数、关于参数的限制和/或参数范围，和/或其它信息。设计规则限制和/或参数中的一个或更多个可以被称为“临界尺寸”(CD)。器件的临界尺寸可以定义为线或孔的最小宽度或两条线或两个孔之间的最小空间，或其它特征。因此，CD决定所设计装置的总体大小和密度。器件制造中的目标中的一个是(经由图案形成装置)在衬底上如实地再现原始设计意图。

如在本文中所使用的术语“掩模”或“图案形成装置”可以被广泛解释为是指可以用于向入射辐射束赋予经图案化的横截面的通用半导体图案形成装置，所述经图案化的横截面对应于待在衬底的目标部分中产生的图案；术语“光阀”也可以用于这种情境下。除经典掩模(透射性或反射性；二元、相移、混合式等)以外，其它这样的图案形成装置的示例包括可编程反射镜阵列和可编程LCD阵列。

如本文中所使用的，术语“图案化过程”通常意味着作为光刻过程的部分的通过施加光的指定图案来产生经蚀刻的衬底的过程。然而，“图案化过程”也可以包括等离子体蚀刻，因为本文中所描述的许多特征可以提供益处至使用等离子体处理形成所印制的图案。

如本文中所使用的，术语“图案”意味着例如基于上文所描述的设计布局而待蚀刻于衬底(例如，晶片)上的理想化图案。图案可以包括例如各种形状、特征的布置、轮廓等。

如本文中所使用的，“印制的图案”意味着基于目标图案而蚀刻的衬底上的实体图案。所印制的图案可以包括例如接触孔、凹槽、通道、凹部、边缘或由光刻过程产生的其它二维和三维特征。

如本文中所使用的，术语“预测模型”、“过程模型”、“电子模型”和/或“模拟模型”(其可互换使用)意味着包括模拟图案化过程的一个或更多个模型的模型。例如，模型可以包括光学模型(例如，使用以在光刻过程中传递光的透镜系统/投影系统建模且可以包括使至抗蚀剂上的光的最终光学图像建模)、抗蚀剂模型(例如，使抗蚀剂的物理效应建模，诸如由于光而产生的化学效应)、OPC模型(例如，可以用于产生目标图案且可以包括亚分辨率抗蚀剂特征(SRAF)等)、蚀刻(或蚀刻偏压)模型(例如，模拟蚀刻过程对经印制晶片图案的物理效应)、源掩模优化(SMO)模型和/或其它模型。

如本文中所用，术语“校准”意味着修改(例如，改善或调节)和/或验证模型、算法和/或当前系统和/或方法的其它部件。

图案化系统可以是包括以上所描述的部件中的任一个或全部加上被配置成进行与这些部件相关联的操作中的任一个或全部的其它部件的系统。例如，图案化系统可以包括光刻投影设备、扫描器、配置成施加和/或移除抗蚀剂的系统、蚀刻系统和/或其它系统。

如本文中所使用的，术语“衍射”是指当遇到孔或一系列孔(包括周期性结构或光栅)时光束或其它电磁辐射的行为。“衍射”可以包括相长和相消干涉两者，包括散射效应和干涉测量。如本文中所使用的“光栅”是周期性结构，其可以是一维(即，由点柱组成)、二维或三维，并且其造成光学干涉、散射或衍射。“光栅”可以是衍射光栅。

作为简要介绍，图1示意性地描绘光刻设备LA。光刻设备LA包括：照射系统(也称为照射器)IL，所述照射系统被配置成调节辐射束B(例如UV辐射、DUV辐射或EUV辐射)；掩模支撑件(例如掩模台)T，所述掩模支撑件被构造成支撑图案形成装置(例如掩模)MA且连接至被配置成根据某些参数准确地定位图案形成装置MA的第一定位器PM；衬底支撑件(例如晶片台)WT，所述衬底支撑件被配置成保持衬底(例如涂覆有抗蚀剂的晶片)W且联接至被配置成根据某些参数准确地定位衬底支撑件的第二定位器PW；以及投影系统(例如折射型投影透镜系统)PS，所述投影系统被配置成将由图案形成装置MA赋予辐射束B的图案投影至衬底W的目标部分C(例如包括一个或更多个管芯)上。

在操作中，照射系统IL例如经由束传递系统BD从辐射源SO接收辐射束。照射系统IL可以包括用于引导、成形和/或控制辐射的各种类型的光学部件，诸如折射型、反射型、磁性型、电磁型、静电型和/或其它类型的光学部件，或其任何组合。照射器IL可以用于调节辐射束B，以在图案形成装置MA的平面处在其横截面中具有期望的空间和角强度分布。

本文中所使用的术语“投影系统”PS应广义地解释为涵盖适于所使用的曝光辐射或适于诸如浸没液体的使用或真空的使用之类的其它因素的各种类型的投影系统，包括折射型、反射型、反射折射型、变形型、磁性型、电磁型和/或静电型光学系统，或其任何组合。可以认为本文中对术语“投影透镜”的任何使用均与更上位的术语“投影系统”PS同义。

光刻设备LA可以属于一种类型，其中，衬底的至少一部分可以由具有相对高折射率的例如水的液体覆盖，以便填充投影系统PS与衬底W之间的空间--这也称为浸没光刻术。在以引用的方式并入本文中的US6952253中给出关于浸没技术的更多信息。

光刻设备LA也可以属于具有两个或更多个衬底支撑件WT(也称为“双平台”)的类型。在这样的“多平台”机器中，可以并行地使用衬底支撑件WT，和/或可以对位于衬底支撑件WT中的一个衬底支撑件上的衬底W进行准备衬底W的后续曝光的步骤，同时将另一衬底支撑件WT上的另一衬底W用于在所述另一衬底W上曝光图案。

除衬底支撑件WT以外，光刻设备LA也可以包括测量平台。测量平台被布置成保持传感器和/或清洁装置。传感器可以被布置成测量投影系统PS的性质或辐射束B的性质。测量平台可以保持多个传感器。清洁装置可以被布置成清洁光刻设备的部分，例如投影系统PS的一部分或提供浸没液体的系统的一部分。测量平台可当衬底支撑件WT远离投影系统PS时在投影系统PS下方移动。

在操作中，辐射束B入射到保持在掩模支撑件MT上的图案形成装置(例如掩模)MA上，并且利用存在于图案形成装置MA上的图案(设计布局)图案化。在已横穿掩模MA的情况下，辐射束B穿过投影系统PS，投影系统PS将所述束聚焦至衬底W的目标部分C上。借助于第二定位器PW和位置测量系统IF，可以准确地移动衬底支撑件WT，例如以便将不同的目标部分C定位在辐射束B的路径中的聚焦和对准位置处。类似地，第一定位器PM和可能的另一位置传感器(其在图1中未明确地描绘)可以用于相对于辐射束B的路径来准确地定位图案形成装置MA。可以使用掩模对准标记M1、M2和衬底对准标记P1、P2来对准图案形成装置MA和衬底W。虽然如所图示的衬底对准标记P1、P2占据专用目标部分，所述衬底对准标记P1、P2可以位于目标部分之间的空间。在衬底对准标记P1、P2定位在目标部分C之间时，这些衬底对准标记称为划线对准标记。

图2描绘光刻单元LC的示意性概略图。如图2中示出的，光刻设备LA可以形成光刻单元LC(有时也称为光刻元或光刻簇)的部分，所述光刻单元LC通常也包括用于对衬底W进行曝光前过程和曝光后过程的设备。常规地，这些设备包括配置成沉积抗蚀剂层的旋涂器SC、用于显影经曝光的抗蚀剂的显影器DE、例如用于调节衬底W的温度(例如，用于调节抗蚀剂层中的溶剂)的激冷板CH和焙烤板BK。衬底输送装置或机器人RO从输入/输出端口I/O1、I/O2拾取衬底W、在不同过程设备之间移动衬底W且将衬底W传递至光刻设备LA的进料台LB。光刻单元中通常也统称为轨道或涂覆显影系统的装置通常处于轨道或涂覆显影系统控制单元TCU的控制下，所述轨道或涂覆显影系统控制单元TCU自身可以通过管理控制系统SCS被控制，所述管理控制系统SCS也可以例如经由光刻控制单元LACU来控制光刻设备LA。

为了正确且一致地曝光由光刻设备LA曝光的衬底W(图1)，期望检测衬底以测量图案化结构的性质，诸如后续层之间的重叠误差、线厚度、临界尺寸(CD)等。为此目的，可以在光刻单元LC中包括检查工具(未示出)。如果检测到误差，则可以例如对后续衬底的曝光或对待对衬底W执行的其它处理步骤进行调整，尤其在同一批量或批次的其它衬底W仍待曝光或处理之前进行检查的情况下。

也可以被称为量测设备的检查设备用于确定衬底W的性质(图1)，并且特别地确定不同衬底W的性质如何变化或与同一衬底W的不同层相关联的性质在不同层间如何变化。检查设备替代地构造成识别衬底W上的缺陷，并且可以例如为光刻单元LC的部分，或可以集成至光刻设备LA中，或甚至可以是单独的装置。检查设备可以测量潜像(曝光之后在抗蚀剂层中的图像)上的性质，或半潜像(曝光后焙烤步骤PEB之后在抗蚀剂层中的图像)上的性质，或经显影的抗蚀剂图像(其中抗蚀剂的曝光部分或未曝光部分已移除)上的性质，或甚至经蚀刻的图像(在诸如蚀刻的图案转印步骤之后)上的性质。

图3描绘整体光刻的示意性表示，其表示用于优化半导体制造的三种技术之间的协作。通常，光刻设备LA中的图案化过程是过程中最关键步骤之一，其要求衬底W(图1)上的结构的定尺度和放置的高准确度。为确保这种高准确度，三个系统(在这个示例中)可以被组合于所谓的“整体”控制环境中，如图3中示意性地描绘的。这些系统中的一个系统是光刻设备LA，其(虚拟地)连接至量测设备(例如量测工具)MT(第二系统)，并且连接至计算机系统CL(第三系统)。“整体”环境可以被配置成优化这三个系统之间的协作以增强总体过程窗口且提供严格控制回路，从而确保通过光刻设备LA进行的图案化保持在过程窗口内。过程窗口限定一系列过程参数(例如剂量、焦距、重叠)，在所述制造过程参数内，特定制造过程产生经限定的结果(例如功能性半导体器件)--通常在所述经限定的结果内，允许光刻过程或图案化过程中的过程参数变化。

计算机系统CL可以使用待图案化的设计布局(的部分)来预测使用哪些分辨率增强技术且进行计算光刻模拟和计算，以确定哪些掩模布局和光刻设备设置实现图案化过程的最大总体过程窗口(在图3中由第一刻度SC1中的双箭头描绘)。通常，分辨率增强技术被布置成匹配光刻设备LA的图案化可能性。也可以使用计算机系统CL检测光刻设备LA当前在过程窗口内的何处操作(例如，使用来自量测工具MT的输入)以预测是否可以归因于例如次优处理而存在缺陷(图3中描绘的第二刻度SC2中的箭头指向“0”)。

量测设备(工具)MT可以将输入提供至计算机系统CL以实现准确模拟和预测，并且可以将反馈提供至光刻设备LA以识别例如光刻设备LA的校准状态中的可能漂移(图3中描绘的第三刻度SC3中的多个箭头)。

在光刻过程中，期望频繁地进行所产生的结构的测量，例如以用于过程控制和验证。用于进行这样的测量的不同类型的量测工具MT是众所周知的，包括扫描电子显微镜或各种形式的光学量测工具、基于图像或基于散射量测术的量测工具。散射仪是多功能仪器，其允许通过在光瞳或与散射仪的物镜的光瞳共轭的平面中具有传感器来测量光刻过程的参数(测量通常被称为基于光瞳的测量)，或通过在像平面或与像平面共轭的平面中具有传感器来测量光刻过程的参数，在这种情况下测量通常被称为基于图像或场的测量。以全文引用的方式并入本文中的专利申请US20100328655、US2011102753A1、US20120044470A、US20110249244、US20110026032或EP1，628，164A中另外描述这样的散射仪和相关测量技术。例如，前述散射仪可以使用来自软x射线和可见光至近IR波长范围的光来测量衬底的特征，诸如光栅。

在一些实施例中，散射仪MT是角分辨散射仪。在这些实施例中，可以将散射仪重构方法应用于测量信号以重构或计算衬底中的光栅和/或其它特征的性质。这种重构可以例如由模拟散射辐射与目标结构的数学模型的相互作用且比较模拟结果与测量的那些结果而引起。调整数学模型的参数，直到所模拟的相互作用产生与从真实目标观测到的衍射图案类似的衍射图案为止。

在一些实施例中，散射仪MT是光谱散射仪MT。在这些实施例中，光谱散射仪MT可以被配置成使得将通过辐射源发射的辐射引导至衬底的目标特征上且将来自目标的反射或散射辐射引导至分光计检测器，所述分光计检测器测量反射镜反射辐射的光谱(即，作为波长的函数的强度的测量结果)。根据这种数据，可以例如通过严格耦合波分析和非线性回归或通过与模拟光谱库比较来重构产生所检测的光谱的目标的结构或轮廓。

在一些实施例中，散射仪MT为椭偏测量散射仪。椭偏测量散射仪允许通过测量针对每个偏振状态的散射辐射来确定光刻过程的参数。这种量测设备(MT)通过在量测设备的照射区段中使用例如适当偏振滤波器来发射偏振光(诸如线形、圆形或椭圆)。适于量测设备的源极也可以提供偏振辐射。现有椭圆偏振测量散射仪的各个实施例在以全文引用的方式并入本文中的美国专利申请11/451，599、11/708，678、12/256，780、12/486，449、12/920，968、12/922，587、13/000，229、13/033，135、13/533，110和13/891，410中描述。

在一些实施例中，散射仪MT适于通过测量反射光谱和/或检测配置中的不对称性来测量两个未对准光栅或周期性结构(和/或衬底的其它目标特征)的重叠，所述不对称性与重叠范围相关。可以将两个(通常叠置)光栅结构施加在两个不同层(不必是连续层)中，并且所述两个光栅结构可以形成为处于晶片上大致相同的位置。散射仪可以具有如例如专利申请EP1,628,164A中所描述的对称检测配置，使得可以清楚地识别任何不对称性。这提供用于测量光栅中的未对准的方式。测量重叠的另外的示例可见于以全文引用的方式并入本文中的PCT专利申请公开号WO 2011/012624或美国专利申请US 20160161863中。

可以通过如以全文引用的方式并入本文中的美国专利申请US2011-0249244中所描述的散射测量(或替代地通过扫描电子显微法)确定光刻过程中使用的焦距和剂量。可以使用单个结构(例如，衬底中的特征)，其具有针对焦距能量矩阵(FEM，也称为焦距曝光矩阵)中的每个点的临界尺寸和侧壁角测量结果的唯一组合。如果临界尺寸与侧壁角的这些独特组合是可以获得的，则可以根据这些测量结果唯一地确定焦距和剂量值。

量测目标可以是衬底中的复合光栅和/或其它特征的集合，其通过光刻过程，通常在抗蚀剂中，但也可以在例如蚀刻过程之后形成。通常，光栅中的结构的间距和线宽依赖于测量光学器件(特别地光学器件的NA)以能够捕获来自量测目标的衍射阶。衍射信号可以用于确定两个层之间的移位(也称为“重叠”)或可以用于重构如通过光刻过程所产生的原始光栅的至少一部分。这种重构可以用于提供光刻过程的品质的引导，并且可以用于控制光刻过程的至少一部分。目标可以具有配置成模仿目标中的设计布局的功能性部分的尺寸的较小子分段。归因于这种子分段，目标将表现得更类似于设计布局的功能性部分，使得总过程参数测量与设计布局的功能性部分类似。可以在欠填充模式中或在过填充模式中量测目标。在欠填充模式中，测量束产生小于所述总体目标的斑。在所述过填充模式中，所述测量束产生大于所述总体目标的斑。在这样的过填充模式中，也可能同时测量不同的目标，由此同时确定不同处理参数。

使用特定目标的光刻参数的总体测量品质至少部分地由用于测量这种光刻参数的测量选配方案来确定。术语“衬底测量选配方案”可以包括测量自身的一个或更多个参数、测量到的一个或更多个图案的一个或更多个参数，或这两者。例如，如果用于衬底测量选配方案中的测量基于衍射的光学测量，则测量的参数中的一个或更多个参数可以包括辐射的波长、辐射的偏振、辐射相对于衬底的入射角、辐射相对于衬底上的图案的方向等。用于选择测量选配方案的准则中的一个可以例如是测量参数中的一个对于处理变化的灵敏度。更多示例描述于以全文引用的方式并入本文中的美国专利申请US2016-0161863和公开的美国专利申请US2016/0370717A中。

图4图示诸如散射仪之类的示例量测设备(工具)MT。MT包括将辐射投影至衬底42上的宽带(白光)辐射投影仪40。将反射或散射辐射传递至分光计检测器44，所述分光计检测器44测量镜面反射辐射的光谱46(即，作为波长的函数的强度的测量结果)。根据这种数据，可以通过处理单元PU例如通过严格耦合波分析和非线性回归或通过与如在图4的底部处所示出的模拟光谱库的比较来重构48产生所检测的光谱的结构或轮廓。通常，对于重构，结构的一般形式是已知的，并且从用来制造结构的过程的知识来假定一些参数，从而仅留下结构的几个参数以从散射测量数据确定。例如，这种散射仪可以被配置成正入射散射仪或斜入射散射仪。

常常期望能够以计算方式确定图案化过程将如何在衬底上产生期望的图案。计算确定可以包括例如模拟和/或建模。模型和/或模拟可以针对制造过程的一个或更多个部分提供。例如，期望能够模拟将图案形成装置图案转印至衬底的抗蚀剂层上的光刻过程以及在抗蚀剂的显影之后在所述抗蚀剂层中产生的图案、模拟量测操作(诸如重叠的确定)和/或进行其它模拟。模拟的目的可以是准确地预测例如量测指标(例如重叠、临界尺寸，衬底的特征的三维轮廓的重构、在衬底的特征用光刻设备印制时光刻设备的剂量或焦距等)、制造过程参数(例如边缘放置、空间图像强度斜率、亚分辨率辅助特征(SRAF)等)，和/或接着可以用于确定是否已实现预期或目标设计的其它信息。预期设计通常定义为预光学邻近效应校正设计布局，其可以诸如GDSII、OASIS或另一文件格式的标准化数字文件格式提供。

模拟和/或建模可以用于确定一个或更多个量测指标(例如进行重叠和/或其它量测测量)、配置图案形成装置图案的一个或更多个特征(例如进行光学邻近效应校正)、配置照射的一个或更多个特征(例如改变照射的空间/角强度分布的一个或更多个特性，诸如改变形状)、配置投影光学器件的一个或更多个特征(例如数值孔径等)，和/或用于其它目的。这种确定和/或配置通常可以被称为例如掩模优化、源优化和/或投影优化。这样的优化可以独立地执行，或以不同组合来组合。一个这种示例是源-掩模优化(SMO)，其涉及配置图案形成装置图案的一个或更多个特征以及照射的一个或更多个特征。优化可以例如使用本文中所描述的参数化模型以预测各种参数(包括图像等)的值。

在一些实施例中，可以将系统的优化过程表示为成本函数。优化过程可以包括寻找系统的最小化成本函数的参数集合(设计变量、过程变量等)。成本函数可以依赖于优化的目的而具有任何合适的形式。例如，成本函数可以是系统的某些特性(评估点)相对于这些特性的预期值(例如理想值)的偏差的加权均方根(RMS)。成本函数也可以是这些偏差的最大值(即，最差偏差)。术语“评估点”应被广义地解释为包括系统或制作方法的任何特性。归因于系统和/或方法的实施的适用性，系统的设计和/或过程变量可以被限制至有限范围和/或可以是相互依赖的。在光刻投影设备的情况下，约束常常与硬件的实体性质和特性(诸如可调谐范围和/或图案形成装置可制造性设计规则)相关联。评估点可以包括衬底上的抗蚀剂图像上的实体点，以及非物理特性，诸如(例如)剂量和焦距。

图5A图示诸如基于衍射的重叠量测工具之类的用于重叠测量的额外的示例量测设备(工具)MT的操作。MT包括窄频(例如，激光)辐射投影仪，其将入射辐射50投影至通过多层图案化的衬底52上。衬底包括目标结构，目标结构包括在第一层53中的内埋的或第一光栅54a。衬底还包括一个或更多个额外的层55和顶部或第二光栅56。第二光栅56可以是暴露或内埋的，并且可以对应于潜像(曝光之后在抗蚀剂层中的图像)，或半潜像(曝光后焙烤步骤PEB之后在抗蚀剂层中的图像)，或经显影的抗蚀剂图像(其中抗蚀剂的曝光部分或未曝光部分已移除)，或甚至经蚀刻的图像(在诸如蚀刻的图案转印步骤之后)。入射辐射50通过第一光栅54a和第二光栅56经衍射，从而产生衍射辐射51a(对应于第一光栅54a)和衍射辐射51b(对应于第二光栅56)。将反射或散射辐射传递至光辐射检测器57，所述光辐射检测器测量反射辐射的光学对称性。光学对称性是指作为入射辐射的波长的函数和/或作为入射辐射的位置或部位的函数的振幅强度的测量结果。光学对称性包括关于第一光栅54a和第二光栅56的相对位置的信息。绘制或以其它方式分析衍射光的振幅不对称性58，其中，振幅不对称性是正阶衍射与负阶衍射的强度之间的差，其中，绘制随正阶衍射59b与负阶衍射59a的振幅不对称性而变化的来自每个波长的信息。从振幅不对称性(诸如，拟合线61a上的点60a)确定重叠量度。重叠可以是第一光栅54a与第二光栅56之间的偏移62，诸如对应于用于衬底52上的元件的CD的偏移。根据该数据，可以由处理单元重构产生衍射辐射的结构或轮廓，例如，通过严格耦合波分析和非线性回归。通常，对于重构，结构的一般形式是众所周知的，并且根据供制造结构的过程的知识来假定一些参数，从而仅留下结构的少许参数(诸如重叠)以根据衍射数据来确定的。

图5B图示额外的示例量测设备MT的用于在具有目标结构不对称性的晴空下重叠测量的操作。衬底包括目标结构，该目标结构包括内埋不对称光栅或第一不对称光栅54b的。入射辐射50通过第一不对称光栅54b和第二光栅56被衍射，从而产生衍射辐射51c和51d(对应于第一不对称光栅54b)和衍射辐射51e(对应于第二光栅56)。衍射辐射(例如，衍射辐射51c和51d)的相对振幅与相位受第一不对称光栅54b的不对称性影响。第一不对称光栅包括对重叠量测的不对称性贡献值，其使衍射辐射的相位和振幅两者变形。可以通过以下等式1a和1b给出底部光栅不对称性(BGA)(例如，第一不对称光栅54b的不对称性)：

其中B为来自底部光栅的衍射阶的振幅、ΔB为来自底部光栅(例如第一不对称光栅54b)的衍射阶的振幅变形、β为来自第一不对称光栅54b的衍射阶的相位，并且Δβ为来自第一不对称光栅54b的衍射阶的相位变形。同样地，T可以用于表示来自顶部光栅(例如第二光栅56)的衍射阶的振幅，并且τ可以用于表示来自顶部光栅的衍射阶的相位。

绘制或以其它方式分析衍射光的振幅不对称性58，其中，绘制随正阶衍射和负阶衍射的振幅不对称性而变化的来自每个波长的信息。由于晶片52上的不对称性，点60b不(或依赖于不对称性的性质而可以不)落在经拟合的线上，并且基于至原点的距离(例如，至原点62a、62b和62c的距离)来确定重叠量度。至原点的距离为从在不对称振幅测量结果的两个点60b之间拟合的线至不对称振幅的(0，0)点或原点的距离的量度(measure)。至原点的距离涉及重叠，其中，可以使用以下等式2确定重叠Overlay，并且使用以下等式3定义至原点的距离：

其中ΔA是测量波长λ1和λ2中的每个波长的振幅不对称性，OVL是测量波长λ1和λ2中的每个波长的未受扰的层间移位，K是测量波长λ1和λ2中的每个波长的重叠灵敏度且ΔOVL由相位不对称性造成的重叠。对于示例性的至原点的距离62a，点60c对应于λ1，同时点60d对应于λ2且线63连接点60c和60d。通过ΔA_λ1-K_λ1ΔOVL_λ1给出点60c与线61b(即，对称振幅线)的间距64a，同时通过ΔA_λ2-K_λ2ΔOVL_λ2给出点60d与线61b的间距64b，其中，间距值(及其分量值)可以是正或负。使用以下等式4使造成相位不对称性的重叠移位ΔOVL与光栅间距相关：

其中a是光栅间距。使用以下等式5使重叠灵敏度K与重叠和振幅相关：

其中A是振幅。

根据包括重叠数据的这种数据，可以由处理单元重构产生衍射辐射的结构或轮廓，例如，通过严格耦合波分析和非线性回归。然而，第一不对称光栅54b的不对称性造成不对称振幅的点60b的分散，这也造成至原点的距离的变化，这是因为点60b不落在单条线上。多种方法用于基于不对称振幅的变化性和非线性校正至原点的距离或对重叠的确定。

在基于模型的方法中，模拟软件可以用于产生目标结构的一组扰动，包括不对称性扰动，其中，目标结构包括一个或更多个光栅。随后建模或以其它方式计算(例如，使用线性回归确定)所述一组扰动中的每个扰动至原点的距离且可以针对测量到的至原点的距离(DTO)与一个或更多个扰动参数之间的关系产生转化矩阵。扰动参数可以包括临界距离(或另一重叠量度，如重叠误差)和目标结构的扰动，包括光栅的侧壁角、一个或更多个层的基底倾角、光栅或其它周期性结构的间隔距离等。使用基于模型的方法，如通过使用以下等式6，所测量的DTO可以用于识别考虑一些不对称性的一个或更多个扰动参数值：

其中DTO_TE和DTO_TM分别为针对横向电(TE)偏振光波和横向磁(TM)偏振光波测量到的至原点的距离值，S_DTO为转化矩阵，ΔCD是临界距离(CD)中的扰动且ΔSWA为侧壁角(SWA)中的扰动。接着，可以使用扰动参数值确定对重叠量度(即，重叠量度或重叠误差量度)的校正，如以下等式7中示出：

其中ΔOV_TE和ΔOV_TM分别是用于TE和TM偏振测量结果的重叠校正因子。

基于测量的方法也可以用于校正重叠，基于目标或目标结构的多种类型，在晶片的一部分上的多处上对重叠进行校准。基于测量的方法产生校准常数C，其用于校正目标结构的重叠量度，如以下等式8和9中示出：

OV_real，i＝OV_{meas T1，i}+C_T1*ΔA_{meas T1，i} (8)，

OV_real，i＝OV_{meas T2，i}+C_T2*ΔA_{meas T2，i} (9)，

其中T1和T2表示两个不同的目标类型或目标结构，其中，OV_meas，i是目标类型(即，T1或T2)的第i部位的测量到的重叠，ΔA_meas，i是在第i部位处的测量到的振幅不对称性，并且C为目标类型的校准常数。

对重叠测量结果的线性校正可以通过以下等式10概括：

OVL_corrected＝OVL_measured+OVL_correction＝OVL_measured+c×DTO_measured (10)，

其中OVL_corrected表示在目标结构的两个层之间的经校正的重叠(或重叠误差)量度，oVL_measured表示基于不对称振幅且假定不存在不对称性的情况下在目标结构的两个层之间的测量到的重叠量度，OVL_correction表示对重叠量度的线性调节，C表示校正因子，且DTO_measured表示根据不对称振幅测量结果和包括所述测量结果的各种波长的不对称振幅的近似线性拟合测量的DTO。然而，多个不对称性可以产生DTO与重叠量度之间的一个或更多个非线性关系。

图6A图示用于确定重叠量度的第一示例目标结构的示例不对称振幅图。图6A是针对对应于第一示例目标结构的多个点66a中的一个点的多个波长中的每个波长，沿y轴65a绘制第一正衍射的振幅强度与沿x轴65b绘制第一负衍射的振幅强度的图。第一示例目标结构是具有第一或内埋光栅和第二或顶部光栅的目标结构，其中，内埋光栅在一个变量方面，即在侧壁角(SWA)方面，被扰动。通过线67a以线性方式拟合多个点66a。由于多个点66a的线性拟合相对良好地相关(在这个示例中R²＝0.9999)，因此可以根据线67a(即，根据线67a的DTO)确定目标结构的重叠量度。

图6B图示用于确定重叠量度的第一示例目标结构的示例不对称振幅图。图6B是针对对应于第二示例目标结构的多个点66b中的一个点的多个波长中的每个波长，沿y轴65a绘制第一正衍射的振幅强度与沿x轴65b绘制第一负衍射的振幅强度的图。第二示例目标结构是具有第一或内埋光栅和第二或顶部光栅的目标结构，其中，内埋光栅在两个变量方面，即在侧壁角(SWA)和基底倾角方面，被扰动。通过线67b以线性方式拟合多个点66b。然而，在这种情况下，多个点66b的线性拟合不能相对良好地相关(在这个示例中R2＝0.5426)，根据线67b的DTO确定的目标结构的重叠量度很可能与更大误差和更大不确定性相关。

图7图示用于确定可以与制造系统(例如制造系统，如图5、图4、图3、图2和/或图1中示出的制造系统)一起使用的不对称性目标结构的经校正的重叠量度的当前方法70的操作的概略图。在操作71处，获取至少一个目标结构的电磁测量结果。在操作72处，基于电磁测量结果和目标结构是对称的推测来确定目标结构的重叠量度。在操作73处，通过经训练的神经网络基于电磁测量结果来确定对目标结构的重叠量度的校正。在操作74处，基于重叠量度和对重叠量度的校正来确定目标结构的总的校正的重叠量度。下文详细描述这些操作中的每个操作。以下呈现的方法70的操作旨在是说明性的。在一些实施例中，可以用未描述的一个或更多个额外的操作和/或不用所论述的操作中的一个或更多来实现方法70。另外，在图7中图示和在下文描述方法70的操作的次序并不意图是限制性的。在一些实施例中，可以(例如，通过模拟、建模等)在一个或更多个处理装置(例如，一个或更多个处理器)中实施方法70的一个或更多个部分。一个或更多个处理装置可以包括响应于以电子方式储存在电子储存介质上的指令而执行方法70的操作中的一些或所有的一个或更多个装置。一个或更多个处理装置可以包括经由硬件、固件和/或软件来配置的一个或更多个装置，所述硬件、固件和/或软件被专门设计用于执行例如方法70的操作中的一个或更多个。

如上文所描述的，方法70(和/或本文中所描述的其它方法和系统)被配置成提供通用框架以确定重叠量度。假定电磁数据以关于一组电磁波长的不对称振幅比率形式存在，或以关于一对波长的至原点的距离值的形式存在。在方法70中，从制造系统(例如，基于衍射的系统)确定不对称性量度(例如，其在一些实施例中可以是至原点的距离、不对称性强度比率、不对称性强度差、偏移角度和/或基于两个或更多个波长的不对称振幅的偏移角差等的量度)。基于通过目标结构衍射的辐射的正阶衍射与负阶衍射之间的不对称振幅比率确定不对称性量度。基于不对称性量度确定一个或更多个重叠量度。重叠量度对应于两个光栅在衬底上的相对部位，但也可以基于包括其它周期性结构的其它结构的相对部位确定重叠量度或通过使用包括干涉测量散射测量的散射测量确定重叠量度或通过基于图像(例如，基于扫描电子显微法(SEM)图像、基于光学图像等)的方法确定重叠量度。重叠量度(例如，其在一些实施例中可以是重叠误差量度、重叠量度、重叠角度、临界距离(CD)，并且可以在一个或更多个尺寸或方向上对应于重叠，等等)允许调整、监测和/或校准用于制造过程的一个或更多个过程步骤或要素。通过考虑目标结构中的不对称性，可以改善重叠量度的计算的准确性和确定性且因此也改善过程控制。

图8图示根据本公开的实施例的使用神经网络确定目标结构的经校正的重叠量度的图，所述经校正的重叠量度考虑了目标结构不对称性。使用光学测量设备或其它电磁测量设备、如那些参考图4和/或图5描述的测量设备，收集重叠测量数据80。重叠测量数据80包括对应于晶片上的目标结构的散射、衍射或反射辐射的振幅、相位、极性和/或部位的测量结果。对于每个波长，基于正阶衍射的振幅与负阶衍射的振幅之间的关系来确定不对称振幅。在一些实施例中，可以使用更高阶衍射。另外，在一些实施例中，代替振幅或除了振幅以外，还可以使用其它信息，如相位、极性等。至少一对波长选自重叠测量数据80，且基于所述一对波长的不对称振幅(或另一强度测量)确定至原点的距离(DTO)值。DTO度量从包括所述一对波长中的每个波长的不对称振幅的线至不对称振幅图的原点的距离。可以使用其它测量结果来代替DTO，将参考图10A至图10B描述所述测量结果中的一些。基于至少两个波长的DTO确定输入或特征向量81。特征向量81包括至少两个波长以及对应于对波长的不对称性量度。特征向量81可以包括对应于多个波长的信息，其中，每个波长可以用于确定相对于彼此的波长的不对称性量度(即，DTO)。用于确定特征向量81的波长的数目可以是确定重叠量度所针对的过程步骤或层的函数。在波长下获取重叠测量数据80可能是耗时过程，因为测量晶片上的许多目标结构，并且因为可能需要针对获取数据的各种波长中的每个波长需要调整量测设备(例如，目标部位调整、波长检查设备调整等)。因此，可以选择特征向量81的大小以平衡不确定性和准确性需求与生产量需求。例如，对于限定CD测量的层，可以在更多波长下获取更大特征向量，而对于其它层，可以使用更小特征向量。不确定性可以随着选择更大特征向量而减小，但在一些情况下，不确定性和准确性可能受到材料性质限制且不会由于更大特征向量而得到显著改善。

特征向量81被描绘为在矩阵中包括一组不对称性量度(即，x11、…、xi1、…、x1j、…、xij)，其对应于一对波长，所述一对波长包含在第一维度上的第一波长组λm1至λM和在第二维度上的第二波长组λnl至λN。为使视觉简单起见，输入被表示为矩阵，但输入可以是任何适当数据储存结构，包括向量、特征值等。第一波长组(即，λml至λM)可以与第二波长组相同(即，λnl至λN)，或可以包括不同波长。如果仅使用一个波长对，则在特征向量81中包括多个波长，不对称性量度输入可能映射至对重叠测量值的多个校正(即，函数并未被良好地定义)。包括在特征向量81中的波长对无需包括重叠测量数据中的所有可能波长对。例如，如果测量到波长(λ1、λ2、λ3、λ4)，则特征向量可以包括针对波长对(λ1、λ2)、(λ1、λ3)和(λ1、λ4)确定的DTO，并且可以不包括针对波长对(λ2、λ3)(λ2、λ4)和(λ3、λ4)确定的DTO。另外，DTO与波长对的次序无关且因此波长对(λ1、λ2)的DTO与波长对(λ2、λ1)的DTO相同。包括特征向量81的波长也可以依赖于包括目标结构的各种层的材料和制造步骤。例如，可以不排除由目标结构的层吸收的波长以用于特征向量81中。DTO与重叠量度之间的关系的灵敏度随着波长变化，因此，可以为特征向量81优先选择不对称性量度(即DTO)对重叠量度的改变更敏感的波长。可以由适当特征工程化进行进一步改进或选择特征向量81的元素、大小和分量。

将特征向量81输入至经训练的神经网络中。神经网络可以是任何类型的神经网络，如完全连接的神经网络、卷积神经网络或其它类型或神经网络，并且在一些情况下可以是包括多变量回归模型的另一类别的机器学习模型。在图8中，示出完全连接的神经网络模型，但这仅应被理解为示例且不限制模型选择。神经网络包括输入层82、一个或更多个隐藏层83和输出层84。神经网络的输出85是对输入的波长对中的每个波长的重叠量度的校正，其考虑不对称性。输出85也可以包括用于被训练以输出过程偏差值87的神经网络的一个或更多个过程偏差值87。过程偏差值87(如层厚度、CD变化等)可以与测量到的强度关联或相关，并且因为DTO(和其它不对称性量度)随强度变化，也可以通过经训练的神经网络基于包括DTO值的特征向量81确定过程偏差值87。神经网络可以输出对重叠量度和过程偏差值87两者的校正。另外，在一个或更多个实施例中，经训练的神经网络可以输出不对称性信息86，如构造或目标结构之类的扰动识别。神经网络可以被训练以使特征向量81与目标结构或目标结构的扰动相关。在这样的情况下，将通过也包括目标结构的扰动信息(诸如构造)的一组训练数据来训练神经网络。对神经网络的成功训练以识别目标结构的扰动可能需要更大特征向量，并且可能被限于具有更小量的自然发生变化的过程。

对于对应于不对称性量度的每对波长，基于(实际测量的)不对称性量度且基于目标结构不对称性可忽略的假定(即，忽略不对称性)来计算重叠量度88a。对于对应于不对称性量度的每对波长，也基于输入至经训练的神经网络中的不对称性量度来确定校正量度88b。重叠终值88c为基于不对称性量度的实际测量量度与由经训练的神经网络输出的对重叠量度的校正的重叠量度总和。这种方法因此可以考虑目标结构的多个扰动参数中的扰动，其中，不对称性量度与重叠量度之间的关系是非线性的。在一些实施例中，经训练的神经网络可以输出对重叠测量结果的校正，但应理解，在其它实施例中，经训练的神经网络实际上可以输出经校正的重叠测量结果。

经训练的神经网络还可以确定不对称性量度指示目标结构不对称性，并且传回对重叠测量结果的校正(其为零或空值)，或输出不需要对重叠测量结果进行确定的神经网络部分的响应。神经网络的训练可以依赖于目标结构、其层和/或晶片的叠层结构的复杂度。经训练的神经网络还可以指示置信区间或不确定性区间。在一些实施例中，例如基于置信区间、不确定性区间或过程偏差值，经训练的神经网络可以指示应初始化重新训练。在其它情况下，可以在目标结构、叠层结构的变化之后或在显著制造变化或重新处理之后重新训练神经网络。

图9A图示针对示例目标结构确定的不对称性量度。图9A描绘包括第一波长组的值(沿y轴91a)和第二波长组的值(沿x轴91b)的表。对于每个波长对，示出DTO的值，但可以使用不同不对称性量度，如将参考图10A至图10B所论述的。所述值被以热图示出，其中，小于0.1的值被以黑色方块示出且大于0.1的值被以白色方块示出。由于DTO相对于所述一对波长的次序对称，因此仅示出所述表的下半部分。所述表示出了针对于具体目标结构的具体扰动的DTO值。对应于被选择用于神经网络的训练数据的一组值由框92围绕。神经网络的训练数据可以包括用于扰动模拟或测量的所有波长对或少于所有波长对。训练数据和训练数据的特征向量可以基于目标结构材料、制造过程、可靠性等变化。可以基于时间约束、材料约束等限定或预先确定被选择用于训练数据和/或特征向量的波长，或可以由于量测设备和其它材料约束、限制和范围而包括被选择用于训练数据和/或特征向量的波长。在一些情况下，量测波长可以处于400nm与900nm之间。

图9B图示根据实施例的针对示例目标结构确定的对重叠量度的示例校正。图9B描绘包括第一波长组的值(沿y轴91a)和第二波长组的值(沿x轴91b)的表。对于每个波长对，示出对重叠误差(OVL)的值的校正，但可以使用不同的重叠量度。所述值被以热图示出，其中，小于0.1的值被以黑色方块示出且大于0.1的值被以白色方块示出。由于OVL相对于所述一对波长的次序对称，因此仅示出所述表的下半部分。所述表示出了作为波长的函数的、对针对于具体目标结构的具体扰动的重叠误差值的校正。对应于被选择用于神经网络的训练数据(即，在图9A中的框93中发现的训练数据)的一组值由框93围绕。对于输出值中的每个，可以校正实际测量的重叠误差量度(其依赖于对用于确定DTO的每个波长的识别)以考虑目标结构不对称性。

图10A至图10B图示根据实施例的各种不对称性量度的确定。虽然本文中使用至原点的距离，但应理解，不对称性量度实际上可以是波长对的另一振幅不对称性量度。图10A描绘示例图，其中，在点101a处相对于第一正衍射的振幅强度沿y轴105a绘制第一波长的振幅不对称性，并且在点101b处相对于第一负衍射的振幅强度沿x轴105b绘制第二波长的振幅不对称性。可以基于针对所述一对波长测量到的强度比率确定不对称性强度比率。可以通过将不对称振幅与表示对称振幅的线分离的距离102a和距离102b的比率确定不对称性强度比率。可以基于针对所述一对波长测量到的强度差确定不对称性强度差。可以通过将不对称振幅与表示对称振幅的线分离的距离102a和距离102b的差确定不对称性强度差。可以基于波长中的每个波长的第一正衍射的相对振幅(即，点101a的振幅104a和点101b的振幅104b)和波长中的每个波长的第一负衍射(即，点101a的振幅103a和点101b的振幅103b)确定其它不对称性量度。

图10B描绘其中在点101c处绘制第一波长的振幅不对称性且在点101d处绘制第二波长的振幅不对称性的示例图。可以基于从该图的原点至对应于波长对的点(即，101 c和101d)中的每个点的线的对称对角线偏移的偏向角度确定偏移角度。因此，点101c对应于角度106a，而点101d对应于角度106b。另外，可以基于角度106a与角度106b之间的差确定偏移角度差。除了DTO之外或替代DTO，也可以使用以下这些不对称性量度，即，不对称性强度比率、不对称性强度差、偏移角度和/或偏移角度差，其中，DTO为如先前所限定的至原点的距离。另外，可以确定其它的适当的不对称性量度且将其用作至相应的经训练的神经网络的输入，其中，不对称性量度依赖于两个或更多个波长的不对称性强度。

图11图示用于产生用于神经网络(例如，产生经训练的神经网络，如图8中示出的经训练的神经网络)的训练数据的示例性方法110。可以从针对于目标结构的测量数据采集训练数据，其中，这种测量数据包括多个波长的不对称性量度和多个波长的重叠量度两者。由于传统的重叠量度不考虑不对称性，因此从生产晶片或所制造的目标结构获取训练数据可能需要大量测量(例如，横截面SEM测量和其它深度和破坏性分析)以确定准确重叠量度。因此，在一些实施例中，建模或以其它方式模拟目标结构的多个扰动。在操作111处，选择目标结构。目标结构可以包括产生衍射的多个层和多个光栅。在操作112处，选择一组扰动参数。扰动参数可以包括目标结构的层中的每个层的各种层厚度、侧壁角(SWA)、基底倾角等。可以基于生产和过程知识、基于过程和层中的预期变化、基于先前所检测的不对称性等来选择扰动参数组。对于扰动参数组中的每个扰动参数，确定该扰动参数的值的范围。基于点的数目或增量大小，针对所述范围选择扰动参数的值的数目。在操作113处，选择第一扰动参数，并且基于第一扰动参数的范围和增量大小确定第一扰动的数目。在操作114处，针对在所述范围内的每个点产生目标结构的扰动。在一些情况下，所述范围可以是非连续的或增量大小是能够以其他方式变化的。

在操作115处，选择第二扰动参数，并且基于第二扰动参数的范围和增量大小确定第二扰动的数目。在操作116处，针对在目标结构的来自第一扰动参数的扰动中的每个扰动的范围内的每个点产生目标结构的扰动。

可以针对所述一组扰动参数中的每个扰动参数继续这些操作，使得在操作117处，选择第n个扰动参数，并且基于第n个扰动参数的范围和增量大小确定第n个扰动的数目。在操作118处，针对在目标结构的由目标结构的(n-1)个先前扰动产生的扰动中的每个扰动的范围内的每个点产生目标结构的扰动。

在操作118处，针对第n个扰动编制目标结构的扰动组。同样地，在操作119处，针对第二扰动参数的值中的每个值编制目标结构的扰动组。在操作120处，针对第一扰动参数的值中的每个值的编制目标结构的扰动组。

在操作121处，针对目标结构的整个扰动组确定不对称性量度。可以基于任何适当模型或模拟(包括光学模型)确定不对称性量度。在操作122处，针对目标结构的整个扰动组确定重叠量度。可以从所模拟的或模型目标结构确定重叠量度，其中，重叠可以被包括为扰动参数或可以未被包括为扰动参数。在操作123处，基于所述扰动组连同其不对称性量度和重叠量度产生训练数据。例如，可以基于多个波长的被模拟的不对称性量度来确定特征向量，并且可以基于重叠量度来确定监测信号。可以接着训练神经网络或其它机器学习模型以基于不对称性量度识别重叠量度。也可以使用产生扰动的另一适当方法，如目标结构一次产生多个扰动。

以下呈现的方法110的操作旨在是说明性的。在一些实施例中，可以用未描述的一个或更多个额外的操作和/或不用所论述的操作中的一个或更多来实现方法110。另外，在图11中图示和在下文描述方法110的操作的次序不旨在是限制性的。在一些实施例中，可以(例如，通过模拟、建模等)在一个或更多个处理装置(例如，一个或更多个处理器)中实施方法110的一个或更多个部分。一个或更多个处理装置可以包括响应于以电子方式储存在电子储存介质上的指令而执行方法11 0的操作中的一些或所有的一个或更多个装置。一个或更多个处理装置可以包括经由硬件、固件和/或软件来配置的一个或更多个装置，所述硬件、固件和/或软件被专门设计用于执行例如方法110的操作中的一个或更多个操作。

如上文所描述的，方法110(和/或本文中所描述的其它方法和系统)被配置成提供用于产生用于神经网络的训练数据以便基于不对称性量度识别重叠量度的通用架构。假定电磁数据以一组电磁波长的不对称振幅比率形式存在，或以一对波长的至原点的距离值的形式存在。在方法110中，从建模系统(例如，基于衍射的系统)确定不对称性量度(例如，其在一些实施例中可以是至原点的距离的量度、不对称性强度比率、不对称性强度差、偏移角度和/或基于两个或更多个波长的不对称振幅的偏移角度差等)。基于通过目标结构衍射的辐射的正阶衍射与负阶衍射之间的不对称振幅比率确定不对称性量度。基于不对称性量度确定一个或更多个重叠量度。重叠量度对应于两个光栅在衬底上的相对部位或位置，但也可以基于包括其它周期性结构的其它结构的相对部位或位置、或通过使用包括干涉测量散射测量建模的散射测量建模、或通过基于图像(例如，基于扫描电子显微法(SEM)图像成像、基于光学图像的等)的建模方法确定重叠量度。重叠量度(例如，重叠量度在一些实施例中可以是重叠误差量度、重叠量度、重叠角度、临界距离(CD)，并且重叠量度可以对应于在一个或更多个维度或方向上的重叠等)是目标结构的对准测量结果，其不直接依赖于内埋式不对称性或除了光栅之外的不对称性，但受目标结构内的不对称性影响。

图12A至图12C图示根据实施例的、目标结构的被产生以用于训练神经网络的示例扰动。图12A图示示例目标结构125a，其中，未分段式重叠确定结构126展现侧壁角(SWA)倾角和基底倾角。图12B图示示例目标结构125b，其中，分段式重叠确定结构127a和127b展现与自对准双重图案化(SADP)步骤相关的心轴、间隔物和厚度变化。图12C图示示例目标结构125c，其中，平行的分段式重叠目标128a至128e展现CD不平衡性。诸如扰动之类的目标结构扰动可以被包括在训练数据中，并且诸如SWA、基底倾角、间距、厚度、CD等的扰动参数可以被包括在目标结构的扰动的产生中。

图13是可以用于本文中所描述的操作中的一个或更多个示例计算机系统CS的图示。计算机系统CS包括总线BS或用于通信信息的其它通信机制，和用于处理信息的与总线BS联接的处理器PRO(或多个处理器)。计算机系统CS也包括联接至总线BS以用于储存将要由处理器PRO执行的信息和指令的主存储器MM，诸如随机存取存储器(RAM)或其它动态存储。主存储器MM也可以用于在由处理器PRO执行指令期间储存暂时性变量或其它中间信息。计算机系统CS还包括联接至总线BS以用于储存用于处理器PRO的静态信息和指令的只读存储器(ROM)ROM或其它静态储存装置。提供诸如磁盘或光盘的储存装置SD，并且所述储存装置联接至总线BS以用于储存信息和指令。

计算机系统CS可以由总线BS联接至用于向计算机用户显示信息的显示器DS，诸如阴极射线管(CRT)，或平板或触控面板显示器。包括字母数字键和其它按键的输入装置ID联接至总线BS以用于将信息和命令选择通信至处理器PRO。另一类型的用户输入装置是用于将方向信息和命令选择通信至处理器PRO且用于控制显示器DS上的光标移动的光标控制件CC，诸如鼠标、轨迹球或光标方向按键。这种输入装置通常具有在两个轴线(第一轴(例如，x)和第二轴(例如，y))上的两个自由度，从而允许所述装置指定平面中的位置。触控面板(屏幕)显示器也可以用作输入装置。

在一些实施例中，可以通过计算机系统CS响应于处理器PRO执行主存储器MM中所包括的一个或更多个指令的一个或更多个序列来执行本文中所描述的一种或多种方法的部分。可以将这些指令从另一计算机可读介质(诸如储存装置SD)读取至主存储器MM中。主存储器MM中所包括的指令序列的执行使处理器PRO执行本文中所描述的过程步骤(操作)。呈多处理布置的一个或更多个处理器也可以用于执行主存储器MM中所包括的指令序列。在一些实施例中，可以代替或结合软件指令来使用硬布线电路系统。因此，本公开的描述不限于硬件电路和软件的任何特定组合。

如本文中所使用的术语“计算机可读介质”和/或“机器可读介质”指代参与将指令提供至处理器PRO以供执行的任何介质。这种介质可以呈许多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如数据储存装置SD。易失性介质包括易失存储器，诸如主存储器MM。传输介质包括同轴缆线、铜线和光纤，包括包含总线BS的电线。传输介质也可以采取声波或光波的形式，诸如，在射频(RF)和红外(IR)数据通信期间产生的声波或光波。计算机可读介质的常见形式包括例如软磁盘、软性磁盘、硬盘、磁带、任何其它磁性介质、CD-ROM、DVD、任何其它光学介质、打孔卡、纸带、具有孔图案的任何其它实体介质、RAM、PROM、EPROM、FLASH-EPROM、任何其它存储器芯片或盒式磁带或可以供计算机读取的任何其它介质。非暂时性计算机可读介质可以具有记录于其上的指令。所述指令可以在由计算机执行时实施本文中所描述的操作中的任一个。暂时性计算机可读介质可以包括例如载波或其它传播电磁信号。

可以在将一个或更多个指令的一个或更多个序列承载至处理器PRO以供执行时涉及各种形式的计算机可读介质。例如，可初始地将指令承载于远程计算机的磁盘上。远程计算机可以将指令加载至其易失存储器内，并且使用调制解调器经由电话线来发送指令。在计算机系统CS本地的调制解调器可以接收电话线上的数据，并且使用红外传输器以将数据转换为红外信号。联接至总线BS的红外检测器可以接收红外信号中所承载的数据且将数据放置于总线BS上。总线BS将数据承载至主存储器MM，处理器PRO从所述主存储器MM获取且执行指令。由主存储器MM所接收的指令可以可选地在由处理器PRO执行之前或之后储存在储存装置SD上。

计算机系统CS也可以包括联接至总线BS的通信接口CI。通信接口CI提供与网络链路NDL的双向数据通信耦合，所述网络链路连接至局部网络LAN。例如，通信接口CI可以是集成服务数字网络(ISDN)卡或调制解调器以提供与相应的类型的电话线的数据通信连接。作为另一示例，通信接口CI可以是提供与兼容LAN的数据通信连接的局部网络(LAN)卡。也可以实施无线链路。在任何这种实施式中，通信接口CI发送和接收承载表示各种类型的信息的数字数据流的电信号、电磁信号或光学信号。

网络链路NDL通常经由一个或更多个网络将数据通信提供至其它数据装置。例如，网络链路NDL可以由局部网络LAN将连接提供至主计算机HC。这可以包括经由全球封包数据通信网络(现在通常被称为“因特网”INT)来提供的数据通信服务。局部网络LAN(因特网)可以使用承载数字数据流的电信号、电磁信号或光学信号。经由各种网络的信号和在网络数据链路NDL上且经由通信接口CI的信号为输送信息的示例性形式的载波，所述信号将数字数据承载至计算机系统CS且从所述计算机系统承载数字数据。

计算机系统CS可以由网络、网络数据链路NDL和通信接口CI发送消息和接收数据(包括程序代码)。在因特网示例中，主计算机HC可以由因特网INT、网络数据链路NDL、局部网络LAN和通信接口CI传输用于应用程序的经请求的程序代码。例如，一个这样的所下载的应用程序可以提供本文中所描述的方法中的全部或部分。所接收的代码可以在其被接收时由处理器PRO执行，和/或储存在储存装置SD或其它非易失性储存器中以供稍后执行。以这种方式，计算机系统CS可以获得呈载波形式的应用代码。

图14是可以用于和/或有助于本文中所描述的操作中的一个或更多个另一光刻投影设备(LPA)的示意图。LPA可以包括源收集器模块SO、配置成调节辐射束B(例如EUV辐射)的照射系统(照射器)IL、支撑结构MT、衬底台WT和投影系统PS。支撑结构(例如图案形成装置台)MT可以构造成支撑图案形成装置(例如掩模或掩模版)MA，并且连接至被配置成准确地定位图案形成装置的第一定位器PM。衬底台(例如，晶片台)WT可以构造成保持衬底(例如，涂覆有抗蚀剂的晶片)W，并且连接至被配置成准确地定位衬底的第二定位器PW。投影系统(例如，反射性投影系统)PS可以被配置成将通过图案形成装置MA赋予至辐射束B的图案投影至衬底W的目标部分C(例如，包括一个或更多个管芯)上。

如此示例中示出的，LPA可以具有反射类型(例如，采用反射型图案形成装置)。应注意，由于大多数材料在EUV波长范围内具吸收性，因此图案形成装置可以具有包括例如钼与硅的多重叠层的多层反射器。在一个示例中，多重叠层反射仪器有钼与硅的40个层对，其中，每个层的厚度为四分之一波长。可以利用X射线光刻来产生甚至更小的波长。由于大多数材料在EUV和x射线波长下具吸收性，因此图案形成装置形貌上的图案化吸收材料的薄件(例如，在多层反射器的顶部上的TaN吸收体)限定特征将印制(正性抗蚀剂)或不印制(负性抗蚀剂)在何处。

照射器IL可以从源收集器模块SO接收极紫外辐射束。用于产生EUV辐射的方法包括但不一定限于利用EUV范围内的一个或更多个发射谱线将材料转换成具有至少一种元素(例如，氙、锂或锡)的等离子体状态。在一种这样的方法(常常被称为激光产生等离子体(“LPP”))中，可以通过利用激光束来辐照燃料(诸如，具有谱线发射元素的材料小滴、流或簇)而产生等离子体。源收集器模块SO可以是包括激光器(图14中未图示)的EUV辐射系统的部分，所述激光器用于提供激发燃料的激光束。得到的等离子体发射输出辐射(例如EUV辐射)，所述输出辐射是使用设置在源收集器模块中的辐射收集器来收集。例如当CO2激光器用于为燃料激发提供激光束时，激光器和源收集器模块可以是分立的实体。在这个示例中，可以不认为激光器形成光刻设备的一部分，并且辐射束可以借助于包括例如合适的定向反射镜和/或扩束器的束传递系统而从激光器传递至源收集器模块。在其它示例中，例如，当源是放电产生等离子体EUV产生器(常常称为DPP源)时，源可以是源收集器模块的组成部分。

照射器IL可以包括用于调整辐射束的角强度分布的调整器。通常，可以调整照射器的光瞳平面中的强度分布的至少外部径向范围和/或内部径向范围(通常分别称作σ-外部和σ-内部)。另外，照射器IL可以包括各种其它部件，诸如琢面场反射镜装置和琢面光瞳反射镜装置。照射器可以用于调节辐射束，以在其横截面中具有期望的均一性和强度分布。

辐射束B入射到被保持在支撑结构(例如，图案形成装置台)MT上的图案形成装置(例如，掩模)MA上，并且通过所述图案形成装置而图案化。在从图案形成装置(例如，掩模)MA反射之后，辐射束B穿过投影系统PS，投影系统PS将所述束聚焦至衬底W的目标部分C上。借助于第二定位器PW和位置传感器PS2(例如，干涉测量装置、线性编码器、电容式传感器)，可以准确移动衬底台WT(例如，以使不同的目标部分C定位在辐射束B的路径中)。类似地，第一定位器PM和另一位置传感器PS1可以用于相对于辐射束B的路径来准确地定位图案形成装置(例如，掩模)MA。可以使用图案形成装置对准标记M1、M2和衬底对准标记P1、P2来对准图案形成装置(例如，掩模)MA和衬底W。

所描绘的设备LPA可以用于以下模式中的至少一种模式：步进模式、扫描模式和静止模式。在步进模式中，在将被赋予至辐射束的整个图案一次性投影至目标部分C上时，使支撑结构(例如，图案形成装置台)MT和衬底台WT保持基本上静止(即，单次静态曝光)。接着，使衬底台WT在X和/或Y方向上移位，从而使得可以曝光不同的目标部分C。在扫描模式下，在将被赋予至辐射束的图案投影至目标部分C上时，同步地扫描支撑结构(例如，图案形成装置台)MT和衬底台WT(即，单次动态曝光)。衬底台WT相对于支撑结构(例如图案形成装置台)MT的速度和方向可以通过投影系统PS的放大率(缩小率)和图像反转特性来确定的。在静止模式中，在将被赋予至辐射束的图案投影至目标部分C上时，使支撑结构(例如，图案形成装置台)MT保持基本上静止，从而保持可编程图案形成装置，并且移动或扫描衬底台WT。在这种模式中，通常采用脉冲辐射源，并且在衬底台WT的每个移动之后或在扫描期间的逐次辐射脉冲之间根据需要更新可编程图案形成装置。这种操作模式可以易于应用于利用可编程图案形成装置(诸如上文提及的类型的可编程反射镜阵列)的无掩模光刻术。

图15为图14中示出的光刻投影设备的详细视图。如图10A至图10B中示出的，LPA可以包括源收集器模块SO、照射系统IL和投影系统PS。源收集器模块SO被配置成使得可以在源收集器模块SO的围封结构220中维持真空环境。可以通过放电产生等离子体源而形成EUV辐射发射等离子体210。可以通过气体或蒸汽(例如Xe气体、Li蒸汽或Sn蒸汽)产生EUV辐射，其中，产生热等离子体210以发射在电磁光谱的EUV范围内的辐射。例如，通过引起至少部分离子化等离子体的放电而产生热等离子体210。为了辐射的高效产生，可能需要分压为例如10Pa的Xe、Li、Sn蒸汽或任何其它合适的气体或蒸汽。在一些实施例中，提供经激发的锡(Sn)的等离子体以产生EUV辐射。

由热等离子体210发射的辐射经由定位在源腔室211中的开口中或后方的可选的气体屏障或污染物陷阱230(在一些情况下，也称为污染物屏障或翼片阱)而从源腔室211传递至收集器腔室212中。污染物陷阱230可以包括通道结构。污染物陷阱230也可以包括气体屏障，或气体屏障与通道结构的组合。污染物陷阱或污染物屏障阱230(下文所描述的)也包括通道结构。收集器腔室211可以包括可以是掠入射收集器的辐射收集器CO。辐射收集器CO具有上游辐射收集器侧部251和下游辐射收集器侧部252。横穿收集器CO的辐射可以从光栅光谱滤波器240反射以沿由线“O”指示的光轴而聚焦于虚拟源点IF上。虚拟源点IF通常被称为中间焦点，并且源收集器模块被布置成使得中间焦点IF位于围封结构220中的开口221处或附近。虚拟源点IF是辐射发射等离子体210的图像。

随后，辐射横穿照射系统IL，所述照射系统可以包括琢面场反射镜装置22和琢面光瞳反射镜装置24，所述装置被布置成提供在图案形成装置MA处的辐射束21的期望的角分布，以及在图案形成装置MA处的辐射强度的期望的均一性。在由支撑结构MT保持的图案形成装置MA处反射辐射束21后，即形成经图案化的束26，并且经图案化的束26通过投影系统PS经由反射元件28、30成像至由衬底台WT保持的衬底W上。比所示出的元件更多的元件通常可以存在于照射光学器件单元IL和投影系统PS中。依赖于例如光刻设备的类型，可以可选地存在光栅光谱滤波器240。另外，可以存在比各图所示出的反射镜更多的反射镜，例如，在投影系统PS中可以存在比图15所示出的反射元件多1至6个的额外的反射元件。

如图15所图示的收集器光学器件CO被描绘为具有掠入射反射器253、254和255的巢状收集器，仅作为收集器(或收集器反射镜)的示例。掠入射反射器253、254和255经设置为围绕光轴O轴向对称，并且这种类型的收集器光学器件CO可以与通常称为DPP源的放电产生等离子体源组合使用。

图16为光刻投影设备LPA(在先前图中示出)的源收集器模块SO的详细视图。源收集器模块SO可以是LPA辐射系统的部分。激光器LA可以被布置成将激光能量沉积至诸如氙(Xe)、锡(Sn)或锂(Li)的燃料中，从而产生具有数十电子伏特(eV)的电子温度的高度离子化等离子体210。在这些离子的去激发和再结合期间所产生的高能辐射从等离子体发射，由近正入射收集器光学器件CO收集，并且聚焦至围封结构220中的开口221上。

本文中所公开的概念可以对用于子波长特征的任何通用成像、蚀刻、研磨、检查等系统模拟或数学上建模，并且可以用于能够产生越来越短波长的新兴成像技术。新兴技术包括能够通过使用ArF激光器来产生193nm波长且甚至能够通过使用氟激光器来产生157nm波长的极紫外(EUV)、DUV光刻。此外，EUV光刻能够通过使用同步加速器或通过利用高能电子来射到材料(固体或等离子体)而产生在20nm至50nm的范围内的波长，以便产生在该范围内的光子。

可以通过以下方面进一步描述本公开的实施例。

1.一种方法，包括：

获得不对称性量度，其中，所述不对称性量度至少部分地基于目标结构的电磁测量结果；和

至少部分地基于经训练的机器学习模型，基于所述不对称性量度确定用于所述目标结构的重叠量度。

2.根据方面1所述的方法，其中，所述重叠量度为重叠误差值。

3.根据方面1所述的方法，其中，所述重叠量度为重叠值。

4.根据方面1所述的方法，其中，所述电磁测量结果包括在第一波长下的第一电磁测量结果和在第二波长下的第二电磁测量结果，并且其中，基于第一电磁测量结果与第二电磁测量结果之间的关系确定所述不对称性量度。

5.根据方面4所述的方法，其中，所述不对称性量度为至原点的距离。

6.根据方面5所述的方法，其中，所述至原点的距离包括一线与不对称振幅的图的原点之间的距离，其中，所述线穿过对应于第一波长的点和对应于第二波长的点。

7.根据方面4所述的方法，其中，所述不对称性量度为不对称性强度比率、不对称性强度差、一组偏移角度值、偏移角度差值或其组合中的至少一种。

8.根据方面4所述的方法，其中，进一步基于在第三波长处的第三电磁测量结果与在第四波长处的第四电磁测量结果之间的关系确定所述不对称性量度。

9.根据方面8所述的方法，其中，第三波长与第一波长相同。

10.根据方面1所述的方法，其中，在目标结构中包括第一层，并且其中第一层包括衍射光栅。

11.根据方面10所述的方法，其中，目标结构还包括第二层，并且其中第二层包括衍射光栅。

12.根据方面1所述的方法，其中，由光学量测设备进行电磁测量或获取电磁测量结果。

13.根据方面12所述的方法，其中，所述光学量测设备是宽带光学量测设备。

14.根据方面12所述的方法，其中，所述光学量测设备是基于散射测量的量测设备。

15.根据方面12所述的方法，其中，所述光学量测设备是基于衍射的量测设备。

16.根据方面1所述的方法，其中，至少部分地基于经训练的机器学习模型确定用于目标结构的重叠量度包括：

至少部分地基于所述目标结构的所述电磁测量结果获得用于目标结构的对称重叠量度；

至少部分地基于经训练的机器学习模型、基于所述不对称性量度确定不对称性被调整的重叠量度；以及

至少部分地基于所述对称重叠量度和所述不对称性被调整的重叠量度确定用于所述目标结构的所述重叠量度。

17.根据方面16所述的方法，其中，确定用于所述目标结构的所述重叠量度包括：至少部分地基于所述对称重叠量度和所述不对称性被调整的重叠量度的总和确定用于所述目标结构的所述重叠量度。

18.根据方面1所述的方法，其中，确定重叠量度还包括：

确定所述不对称性量度是否大致等于零；

基于所述不对称性量度大致等于零的确定，至少部分地基于所述目标结构的所述电磁测量结果获得用于所述目标结构的对称重叠量度；以及

至少部分地基于所述对称重叠量度确定用于所述目标结构的所述重叠量度。

19.根据方面1所述的方法，还包括：

产生训练数据，其中，至少部分地基于所述训练数据训练经训练的机器学习模型，

其中所述训练数据包括由针对于所述目标结构的一组扰动的重叠量度标记的不对称性量度。

20.根据方面19所述的方法，其中，产生训练数据包括产生所述目标结构的所述一组扰动。

21.根据方面20所述的方法，其中，产生所述目标结构的所述一组扰动包括：

确定一组扰动参数；和

至少部分地基于所述一组扰动参数产生所述目标结构的所述一组扰动。

22.根据方面21所述的方法，其中，确定所述一组扰动参数包括至少部分地基于所述目标结构选择所述一组扰动参数。

23.根据方面21所述的方法，其中，确定所述一组扰动参数包括至少部分地基于叠层结构选择所述一组扰动参数，其中，所述叠层结构包括所述目标结构。

24.根据方面21所述的方法，其中，产生所述目标结构的所述一组扰动包括：

确定第一扰动参数的值的第一扰动范围；

至少部分地基于第一扰动范围确定第一扰动参数的至少一个第一扰动值；以及

基于第一扰动参数的所述至少一个第一扰动值产生所述目标结构的所述一组扰动。

25.根据方面24所述的方法，还包括：

确定第二扰动参数的值的第二扰动范围；和

至少部分地基于第二扰动范围确定第二扰动参数的至少一个第二扰动值；

其中基于第一扰动参数的所述至少一个第一扰动值和第二扰动参数的所述至少一个第二扰动值产生所述目标结构的所述一组扰动。

26.根据方面19所述的方法，其中，基于所述目标结构的所述一组扰动的电磁测量结果的模拟确定所述不对称性量度。

27.根据方面19所述的方法，其中，基于所述目标结构的扰动的模型确定所述重叠量度。

28.根据方面21所述的方法，其中，所述一组扰动参数包括重叠。

29.根据方面21所述的方法，其中，所述一组扰动参数包括临界距离。

30.根据方面1所述的方法，其中，经训练的机器学习模型是神经网络。

31.根据方面1所述的方法，其中，所述经训练的机器学习模型被配置成根据输入输出所述重叠量度，其中，所述输入至少部分地基于所述不对称性量度。

32.根据方面1所述的方法，其中，经训练的机器学习模型被配置成根据输入输出所述重叠量度，其中，所述输入至少部分地基于所述目标结构的所述电磁测量结果，并且其中，获得所述不对称性量度包括至少部分地基于所述目标结构的所述电磁测量结果确定所述不对称性量度。

33.根据方面1所述的方法，还包括：至少基于经训练的机器学习模型，基于所述不对称性量度确定重叠量度的置信区间。

34.根据方面1所述的方法，还包括：至少部分地基于经训练的机器学习模型，基于所述不对称性量度识别所述目标结构的构造。

35.根据方面34所述的方法，还包括：

产生训练数据，其中，至少部分地基于训练数据训练所述经训练的机器学习模型，

其中训练数据包括所述目标结构的一组扰动和与所述一组扰动相对应的由相应的重叠量度标记的不对称性量度。

36.一种方法，包括：

产生训练数据，其中，产生训练数据包括，

选择目标结构的至少一个扰动；

获得对应于目标结构的至少一个扰动的不对称性量度；

至少部分地基于对应于所述目标结构的所述至少一个扰动的所述不对称性量度确定特征向量；

获得对应于所述目标结构的所述至少一个扰动的重叠量度；

至少部分地基于对应于所述目标结构的所述至少一个扰动的所述重叠量度确定监测信号；以及

用所述监测信号标记与所述目标结构的所述至少一个扰动相关的所述特征向量。

37.根据方面36所述的方法，其中，选择所述目标结构的至少一个扰动包括产生所述目标结构的所述至少一个扰动。

38.根据方面37所述的方法，其中，产生所述目标结构的所述至少一个扰动包括：

确定一组扰动参数；和

至少部分地基于所述一组扰动参数产生所述目标结构的所述至少一个扰动。

39.根据方面38所述的方法，其中，产生所述目标结构的所述至少一个扰动包括：

确定第一扰动参数的值的第一扰动范围；

基于第一扰动参数的所述至少一个第一扰动值产生所述目标结构的所述至少一个扰动。

40.根据方面39所述的方法，还包括：

确定第二扰动参数的值的第二扰动范围；和

其中，基于第一扰动参数的所述至少一个第一扰动值和第二扰动参数的所述至少一个第二扰动值产生所述目标结构的所述至少一个扰动。

41.根据方面36所述的方法，其中，获得对应于所述目标结构的所述至少一个扰动的所述不对称性量度包括：

产生所述目标结构的所述至少一个扰动的电磁测量结果的模拟；和

至少部分地基于所述模拟确定所述不对称性量度。

42.根据方面36所述的方法，其中，获得对应于所述目标结构的所述至少一个扰动的所述重叠量度包括：

产生所述目标结构的所述至少一个扰动的模型；和

至少部分地基于所述模型确定所述重叠量度。

43.一个或更多个非暂时性机器可读介质，其上具有指令，所述指令在由处理器执行时被配置成执行根据方面1至42中的任一项所述的方法。

44.一种量测系统，包括：

处理器；和

根据方面1至42中的任一项所述的一个或更多个非暂时性机器可读介质。

虽然本文中所公开的概念可以用于在诸如硅晶片之类的衬底上的晶片制造，但应理解，所公开的概念可以供任何类型的制造系统(例如用于在除硅晶片以外的衬底上制造的制造系统)使用。

此外，所公开的元件的组合和子组合可以包括单独的实施例。例如，上文所描述的操作中的一个或更多个可以被包括在单独的实施例中，或其可以一起被包括在同一实施例中。

以上描述旨在是说明性的，而不是限制性的。因此，本领域技术人员将明白，可以在不背离下文所阐述的权利要求的范围的情况下如所描述的那样进行修改。

Claims

1.一种方法，包括：

基于所述不对称性量度并至少部分地基于经训练的机器学习模型确定用于所述目标结构的重叠量度。

2.根据权利要求1所述的方法，其中，所述重叠量度为重叠误差值或重叠值。

3.根据权利要求1所述的方法，其中，所述电磁测量结果包括在第一波长下的第一电磁测量结果和在第二波长下的第二电磁测量结果，并且其中，基于所述第一电磁测量结果与所述第二电磁测量结果之间的关系确定所述不对称性量度。

4.根据权利要求1所述的方法，其中，所述不对称性量度为至原点的距离，并且其中，所述至原点的距离对应于一线与不对称振幅图的原点之间的距离，其中所述线穿过对应于所述第一波长的点和对应于所述第二波长的点。

5.根据权利要求3所述的方法，其中，所述不对称性量度为不对称性强度比率、不对称性强度差、一组偏移角度值、偏移角度差值或其组合中的至少一个。

6.根据权利要求1所述的方法，其中，至少部分地基于所述经训练的机器学习模型确定用于所述目标结构的所述重叠量度包括：

至少部分地基于所述目标结构的所述电磁测量结果获得用于所述目标结构的对称重叠量度；

基于所述不对称性量度并至少部分地基于所述经训练的机器学习模型确定不对称性被调整的重叠量度；以及

7.根据权利要求1所述的方法，还包括：

产生训练数据，其中至少部分地基于所述训练数据训练所述经训练的机器学习模型，

其中，所述训练数据包括与与所述目标结构的一组扰动相关的重叠量度相关联的不对称性量度。

8.根据权利要求7所述的方法，还包括：

确定一组扰动参数；和

至少部分地基于所述一组扰动参数产生所述目标结构的所述一组扰动，其中，确定所述一组扰动参数包括至少部分地基于叠层结构选择所述一组扰动参数，其中，所述叠层结构包括所述目标结构，其中所述一组扰动参数包括重叠或临界距离中的至少一个。

9.根据权利要求7所述的方法，其中，基于所述目标结构的所述一组扰动的所述电磁测量结果的模拟确定所述不对称性量度。

10.根据权利要求1所述的方法，其中，所述经训练的机器学习模型被配置成根据输入输出重叠量度，其中所述输入至少部分地基于所述目标结构的所述电磁测量结果。

11.根据权利要求1所述的方法，还包括：至少部分地基于所述经训练的机器学习模型，并基于所述不对称性量度识别所述目标结构的构造。

12.根据权利要求1所述的方法，还包括：

产生训练数据，其中，产生所述训练数据包括：

选择目标结构的至少一个扰动；

获得对应于目标结构的至少一个扰动的不对称性量度；

至少部分地基于对应于所述目标结构的所述至少一个扰动的所述不对称性量度确定特征向量；以及

获得对应于所述目标结构的所述至少一个扰动的重叠量度。

13.根据权利要求7所述的方法，其中，基于所述目标结构的扰动的模型确定所述重叠量度，其中，所述一组扰动参数包括临界距离和/或重叠。

14.根据权利要求12所述的方法，还包括：

至少部分地基于对应于所述目标结构的所述至少一个扰动的所述重叠量度确定监测信号；和

15.根据权利要求1所述的方法，其中，由光学量测设备获得所述电磁测量结果，其中所述目标包括衍射光栅的一个或更多个层，其中，确定用于所述目标结构的所述重叠量度包括：至少部分地基于所述对称重叠量度和所述不对称性被调整的重叠量度的总和确定用于所述目标结构的所述重叠量度。

16.一种系统，包括：

处理器；和

如在权利要求中1至15中的任一项中所描述的一个或更多个非暂时性机器可读介质。