技术领域
[0001] 本
发明涉及集成
电路制造领域，具体涉及一种刻蚀图形的分析系统及方法。
背景技术
[0002] 刻蚀工艺是
半导体制造的关键工艺步骤之一，它通常与
光刻工艺相关联，共同构成集成电路制造中的图形转移技术，即光刻工艺形成的
光刻胶掩膜图形进一步经过刻蚀工艺后即可将光刻胶图形转移至下方的材料或衬底上。半导体制造中的刻蚀工艺通常分为湿法刻蚀和
干法刻蚀，其中湿法刻蚀一般具有较好的刻蚀选择性，且工艺简单、重复性较好，但其主要缺点是图形控制性较差，而干法刻蚀工艺通常具有非常好的
各向异性和图形保真度，因此也是目前集成电路制造工艺中的主要图形转移技术手段。对于刻蚀工艺来说，截面倾斜度的控制一直是工艺监测关注的焦点之一，不同工艺应用方向对于截面倾斜度的要求不同，如CMOS工艺通常要求刻蚀截面的线条尽量陡直，而微机电(MEMS)工艺则根据不同产品需求对截面倾斜度有着特定需求，但不管怎样，刻蚀工艺都希望形成预定的刻蚀截面，而对于刻蚀截面如何进行高效检测和分析也一直是工艺制造领域的技术人员积极探索的方向之一。
[0003] 白边图形是刻蚀工艺检测时的一种典型图形，通常由扫描
电子显微镜(SEM)对刻蚀工艺后的
晶圆表面形貌进行观测所得，其形成的根本原因是高能电子束所激发的二次电子对样品表面不同形貌高度产生不同的散射效果，最终被扫描电子显微镜所收集并转化为灰度图片输出。白边图形是刻蚀工艺监控的常用手段之一，白边宽度也与刻蚀工艺的截面形貌和倾斜度密切相关，其典型结果如图1所示，如果工艺检测到较窄的白边图形(左1)，则反映其刻蚀后的截面形貌较为陡直(左2和左3)，而如果工艺检测到较宽的白边图形(右1)，则表明刻蚀后的截面形貌有一定的倾斜度，而这种倾斜度的实际效果并不总是直线倾斜，相反在很多情况下会表现为向上弯曲或向下弯曲(右2中A和B所示)，甚至可能表现出其他倾斜形貌，此时只有实际观测截面形貌图才可真正确定截面形貌的倾斜度(右3)。可以看出，目前对于刻蚀工艺图形的常规分析一般需要结合表面形貌图(白边图形)和截面形貌图，才能对刻蚀工艺形成准确全面的分析结果，而在半导体工艺检测时，截面形貌的检测通常需要对晶圆进行破坏性处理，因此现有的分析方法严重影响生产效率和制造成本，同时对数据图形的种类和收集方式也有较高要求。近年来，随着
机器学习和
深度学习等
人工智能相关
算法的兴起，利用新兴算法提升半导体制造效率、实现智能制造目标已成为大势所趋；而在截面形貌图的获取方面，由于之前缺乏相关的人工智能分析算法，目前还没有能够准确预测出刻蚀工艺截面形貌图的模型。考虑到刻蚀工艺检测时对于表面形貌图(白边图形)的量测较为方便，且无需对晶圆进行破坏性加工，因此若能基于白边图形数据开发一套有效的分析工具或方法，即可在保证分析结果准确性的同时提升分析效率，从而为优化刻蚀工艺和提升生产效率提供有效帮助。
发明内容
[0004] 本发明的目的是提供一种刻蚀图形的分析系统及方法，从刻蚀图形的表面形貌图中提取白边图形数据，并根据白边图形数据以及量测的实际截面形貌图建立截面
预测模型，从而利用该模型以及刻蚀图形的表面形貌图实现对刻蚀图形的截面形貌图的预测，不同于
现有技术中需要切开晶圆才能得到截面形貌图，避免了晶圆的浪费。
[0005] 为了实现上述目的，本发明采用如下技术方案：一种刻蚀图形的分析方法，包括如下步骤：
[0006] S01：形成截面预测模型，具体步骤为：
[0007] S011：收集M个测试晶圆经过刻蚀工艺后的表面形貌图和实际截面形貌图，M为大于1的整数；
[0008] S012：采用图像提取算法依次对所述表面形貌图中的白边图形进行数据提取，得出M个白边图形数据；
[0009] S013：采用机器学习算法依次对所述白边图形数据进行分析，并结合该白边图形数据对应的实际截面形貌图建立截面预测模型；采用上述M个白边图形数据及其对应的实际截面形貌图对截面预测模型进行
迭代验证和
修改，直至任意一个白边图形数据经过所述截面预测模型输出的预测截面形貌图与其对应的实际截面形貌图之间的误差满足
精度要求；
[0010] S014：输出上述截面预测模型，并将其置于刻蚀图形分析系统中；
[0011] S02：将待分析晶圆的表面形貌图输入所述刻蚀图形分析系统中，采用图像提取算法分别对待分析晶圆的表面形貌图中的白边图形进行数据提取，得出待分析晶圆的白边图形数据；
[0012] S03：将待分析晶圆的白边图形数据传输至所述截面预测模型进行预测，并输出待分析晶圆的预测截面形貌图。
[0013] 进一步地，所述机器学习算法为统计学习，关联分析，深度学习中的一种或多种。
[0014] 进一步地，所述表面形貌图的获取方式为：通过扫描电子显微镜对刻蚀之后的晶圆表面进行量测获得。
[0015] 进一步地，所述实际截面形貌图的获取方式为：通过扫描电子显微镜或透射电子显微镜对刻蚀之后的晶圆截面进行量测获得。
[0016] 一种刻蚀图形的分析系统，根据刻蚀之后晶圆的表面形貌图，预测该晶圆刻蚀之后的截面形貌图；包括图像获取单元、数据提取单元和截面预测模型，所述图像获取单元获取待分析晶圆的表面形貌图，并将所述表面形貌图传输至所述数据提取单元，所述数据提取单元采用图像提取算法分别对待分析晶圆的表面形貌图中的白边图形进行数据提取，得出待分析晶圆的白边图形数据，并将所述白边图形数据传输至所述截面预测模型中，所述截面预测模型根据上述白边图形数据得出该晶圆的截面形貌图，并将其输出。
[0017] 进一步地，所述刻蚀工艺图形分析系统还包括深度分析单元，所述深度分析单元连接所述截面预测模型以及数据提取单元，所述深度分析单元根据所述数据提取单元输出的白边图形数据和所述截面预测模型输出的截面形貌图对刻蚀工艺进行深度分析。
[0018] 进一步地，所述深度分析单元对刻蚀工艺进行深度分析包括：提取刻蚀线条的关键尺寸以及对刻蚀线条的均匀性进行分析。
[0019] 进一步地，所述深度分析单元中包括算法子单元，所述算法子单元基于所述白边图形数据以及截面形貌图，对刻蚀工艺进行深度分析。
[0020] 进一步地，所述算法子单元中的算法为
图像识别、统计学习、关联分析、深度学习中的一种或多种。
[0021] 本发明的有益效果为：本发明提供的一种刻蚀图形的分析系统及方法，通过在分析系统中配置预先建立的截面预测模型即可根据刻蚀之后的表面形貌图实现对截面形貌图的准确预测，有效避免了收集截面形貌图所引起的晶圆耗费，同时该系统还可直接配置于半导体生产线中，实现对刻蚀工艺图形的实时有效分析，从而大大提升生产效率；同时，本发明在根据预测出来的截面形貌图以及白边图形数据可以进一步实现提取刻蚀线条的关键尺寸，以及对刻蚀线条均匀性进行深度分析等功能。本发明中截面预测模型建立过程中所采用的机器学习算法为统计学习，关联分析，深度学习中的一种或多种，保证了分析和预测的准确性。该系统配置简单，具有非常高的可移植性，可适用于不同应用方向的半导体工艺线，具有非常重要的应用前景。
附图说明
[0022] 附图1为不同类型的表面形貌图及其对应的截面示意图及形貌图。
[0023] 附图2为本发明提供的一种刻蚀图形分析方法的
流程图，
[0024] 附图3为本发明中截面预测模型的形成示意图。
[0025] 附图4为
实施例1中刻蚀图形分析方法的示意图。
具体实施方式
[0026] 为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的具体实施方式做进一步的详细说明。
[0027] 如附图2和3所示，本发明提供的一种刻蚀图形的分析方法，包括如下步骤：
[0028] S01：形成截面预测模型。
[0029] 其中，截面预测模型的具体形成步骤如附图3所示：
[0030] S011：收集M个测试晶圆经过刻蚀工艺后的表面形貌图和实际截面形貌图，M为大于1的整数。这里的测试晶圆是为了形成或者验证截面预测模型而准备的，其数量越多，最终形成的截面预测模型就会越准确。
[0031] 其中，表面形貌图和实际截面形貌图的获取可以采用现有技术中的通用手段，例如：通过扫描电子显微镜对刻蚀之后的晶圆表面进行量测获得；通过扫描电子显微镜或透射电子显微镜对刻蚀之后的晶圆截面进行量测获得。这里的实际截面形貌图是采用现有技术中对晶圆进行切割之后实际测得的。
[0032] S012：采用图像提取算法依次对表面形貌图中的白边图形进行数据提取，得出M个白边图形数据。
[0033] S013：采用机器学习算法依次对白边图形数据进行分析，并结合该白边图形数据对应的实际截面形貌图建立截面预测模型；采用上述M个白边图形数据及其对应的实际截面形貌图对截面预测模型进行迭代验证和修改，直至任意一个白边图形数据经过截面预测模型输出的预测截面形貌图与其对应的实际截面形貌图之间的误差满足精度要求。
[0034] 其中，本步骤中的机器学习算法可以包括统计学习、关联分析、深度学习等算法，或者是上述多种算法的融合，具体需要根据不同工艺特点以及提取到的白边图形数据特征共同确定。
[0035] 迭代验证即采用上述M个测试晶圆的表面形貌图和实际截面形貌图进行，并且在迭代验证过程中对截面预测模型进行进一步地完善补充或修改，直至任意一个测试晶圆的白边图形数据输入该模型所得出的预测截面形貌图与实际截面形貌图的误差均满足精度要求。
[0036] 如附图4所示，附图4中左上为晶圆刻蚀之后经由SEM量测的表面形貌图，附图4中左下为晶圆刻蚀之后经由SEM量测的截面形貌图，附图4中右上为根据本发明上述方法建立的截面预测模型，其中，*表示该晶圆的白边图形数据的统计分析结果，虚线则是通过数据拟合得到的截面预测模型，附图4中右下为通过截面预测模型得出的预测截面形貌图。对比附图4中晶圆刻蚀之后的实际截面形貌图和预测截面形貌图，可以看出模型预测较好地吻合了实际工艺检测结果，表明了该系统具有很好的应用前景。
[0037] S014：输出上述截面预测模型，并将其置于刻蚀图形分析系统中。
[0038] S02：将待分析晶圆的表面形貌图输入刻蚀图形分析系统中，采用图像提取算法分别对待分析晶圆的表面形貌图中的白边图形进行数据提取，得出待分析晶圆的白边图形数据。这里的图像提取算法与步骤S012中的图像提取算法相同。
[0039] S03：将待分析晶圆的白边图形数据传输至截面预测模型进行预测，并输出待分析晶圆的预测截面形貌图。
[0040] 在上述得出预测截面形貌图的
基础上，还可以实现以下附加功能，如提取刻蚀线条的关键尺寸，以及对刻蚀线条的均匀性进行深度分析等。上述附加功能的实现主要基于对白边图形数据和所得出的预测截面形貌图进行融合分析，如在提取刻蚀线条的关键尺寸时，由于刻蚀线条的关键尺寸(CD)通常包括底部尺寸(bottom-CD)、顶部尺寸(top-CD)以及中间尺寸(middle-CD)，在得到预测截面形貌图后，即可非常方便地计算刻蚀线条的各种关键尺寸，进一步结合所提取的白边图形数据，即可对线条均匀性和关键尺寸进行统计分析。上述核心功能和附加功能的实现可基于多种机器学习算法的融合，包括但不限于图像识别、统计学习、关联分析、深度学习等算法。
[0041] 本发明提供的一种刻蚀图形的分析系统，根据刻蚀之后晶圆的表面形貌图，预测该晶圆刻蚀之后的截面形貌图，包括图像获取单元、数据提取单元和截面预测模型，图像获取单元获取待分析晶圆的表面形貌图，并将表面形貌图传输至数据提取单元，数据提取单元采用图像提取算法分别对待分析晶圆的表面形貌图中的白边图形进行数据提取，得出待分析晶圆的白边图形数据，并将白边图形数据传输至截面预测模型中，截面预测模型根据上述白边图形数据得出该晶圆的截面形貌图，并将其输出。其中，具体的截面预测模型形成过程如上述所示，在此不再详细说明。
[0042] 其中刻蚀工艺图形分析系统还包括深度分析单元，深度分析单元连接截面预测模型以及数据提取单元，深度分析单元根据数据提取单元输出的白边图形数据和截面预测模型输出的截面形貌图对刻蚀工艺进行深度分析，例如提取刻蚀线条的关键尺寸以及对刻蚀线条的均匀性进行分析。深度分析单元中包括算法子单元，算法单元基于白边图形数据以及截面形貌图，对刻蚀工艺进行深度分析，且算法子单元中的算法为图像识别、统计学习、关联分析、深度学习中的一种或多种。该深度分析单元可以实现如下附加功能：如提取刻蚀线条的关键尺寸，以及对刻蚀线条的均匀性进行深度分析等，上述附加功能的实现主要基于对白边图形数据和所得出的预测截面形貌图进行融合分析，因此深度分析单元需要同时连接截面预测模型的输出端以及数据提取单元的输出端，如在提取刻蚀线条的关键尺寸时，由于刻蚀线条的关键尺寸(CD)通常包括底部尺寸(bottom-CD)、顶部尺寸(top-CD)以及中间尺寸(middle-CD)，在得到预测截面形貌图后，即可非常方便地计算刻蚀线条的各种关键尺寸，进一步结合所提取的白边图形数据，即可对线条均匀性和关键尺寸进行统计分析。
[0043] 本发明所提出的刻蚀图形的分析系统的具体表现形式可以是一款
软件产品或者包含配置文件的一系列可执行文件等，可根据具体配置形式进行定制开发，同时该系统可直接配置于半导体生产线中，实现对刻蚀工艺图形的实时分析，提升生产效率。
[0044] 本发明提供的一种刻蚀图形的分析系统及方法，通过在分析系统中配置预先建立的截面预测模型即可根据刻蚀之后的表面形貌图实现对截面形貌图的准确预测，有效避免了收集截面形貌图所引起的晶圆耗费，同时该系统还可直接配置于半导体生产线中，实现对刻蚀工艺图形的实时有效分析，从而大大提升生产效率；同时，本发明在根据预测出来的截面形貌图以及白边图形数据可以进一步实现提取刻蚀线条的关键尺寸，以及对刻蚀线条均匀性进行深度分析等功能。本发明中截面预测模型建立过程中所采用的机器学习算法为统计学习，关联分析，深度学习中的一种或多种，保证了分析和预测的准确性。该系统配置简单，具有非常高的可移植性，可适用于不同应用方向的半导体工艺线，具有非常重要的应用前景。
[0045] 以上所述仅为本发明的优选实施例，所述实施例并非用于限制本发明的
专利保护范围，因此凡是运用本发明的
说明书及附图内容所作的等同结构变化，同理均应包含在本发明所附
权利要求的保护范围内。
