1.一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,所述方法包括:
获得将模型化参数转换为产率参数的经训练的第一模型,所述模型化参数包括:a)与以下中的一项或多项相关联的几何参数:通过所述过程制造的器件元件的几何特性、尺寸或位置;以及b)经训练的自由参数;
获得包括表征所述过程的过程参数的过程参数数据;
将所述过程参数数据转换为所述几何参数的值;以及
使用所述经训练的第一模型和所述几何参数的所述值来预测所述产率参数。
2.根据权利要求1所述的方法,其中所述产率参数是通过所述过程制造的器件或其元件将实现功能的概率的度量。
3.根据权利要求1所述的方法,其中所述几何参数包括以下中的一项或多项:临界尺寸(cd)、重叠、侧壁角或与所述器件元件的几何轮廓相关联的任何其他参数。
4.根据权利要求1所述的方法,其中所述过程参数涉及重叠、对准、调平、聚焦或剂量中的一项或多项。
5.根据权利要求1所述的方法,其中所述过程参数数据涉及对准和/或重叠树的变化,使得所述产率参数取决于所述重叠树和/或对准树。
6.根据权利要求1所述的方法,其中所述经训练的第一模型涉及通过所述过程制造的器件的一个或多个器件元件,所述一个或多个器件元件被识别为对过程变化敏感。
7.根据权利要求1所述的方法,还包括在所述第一模型被训练以获得所述经训练的第一模型之前构造所述第一模型的初始步骤,所述初始步骤包括:
确定通过所述过程制造的器件的一个或多个器件元件的产率概率模型,每个产率概率模型包括将所述模型化参数转换为所述模型化参数的对应器件元件的产率概率的几何公式。
8.根据权利要求7所述的方法,其中每个产率概率模型包括与所述概率函数的统计参数有关的自由参数。
9.根据权利要求1所述的方法,还包括使用所述第一模型来生成用于训练第二模型的第二训练数据,所述第二训练数据包括基于先前过程参数数据的预测的产率参数。
10.根据权利要求9所述的方法,其中所述第二模型包括神经网络。
11.根据权利要求1所述的方法,还包括基于所述预测的产率参数来执行用于所述过程的控制的控制动作。
12.一种用于构建用于基于过程参数数据来预测产率参数的第一模型的方法,包括:
确定通过制造过程制造的器件的多个器件元件的产率概率模型,每个产率概率模型包括将一个或多个模型化参数转换为所述模型化参数的对应器件元件的产率概率的几何公式,所述模型化参数包括几何参数和经训练的自由参数;以及
将所述第一模型构造为每个所述器件元件的所述产率概率模型的组合。
13.根据权利要求12所述的方法,其中每个产率概率模型包括与所述概率函数的统计参数有关的自由参数。
14.一种计算机程序,包括程序指令,所述程序指令当在合适的设备上运行时能够操作以执行根据权利要求1所述的方法。
15.一种非暂态计算机程序载体,包括根据权利要求14所述的计算机程序。