显影后或蚀刻后图像的基于机器学习的图像生成的制作方法

本文中提供的实施例涉及半导体制造，并且更具体地涉及检查半导体衬底。

背景技术：

1、光刻装置是一种将期望图案施加到衬底上、通常施加到衬底的目标部分上的机器。例如，光刻装置可以用于制造集成电路(ic)或其他器件。在这种情况下，图案化设备(替代地称为掩模或掩模版)可以用于生成要在ic的个体层上形成的图案。该图案可以转印到衬底(例如，硅晶片)上的目标部分(例如，包括一个或若干管芯的一部分)上。图案的转印通常是经由向衬底上提供的辐射敏感材料(抗蚀剂)层上进行成像来进行的。通常，单个衬底将包含连续图案化的相邻目标部分的网络。已知的光刻装置包括所谓的步进器和所谓的扫描仪，在步进器中，通过一次将整个图案曝光到目标部分上来照射每个目标部分，而在扫描仪中，通过在给定方向(“扫描”方向)上通过辐射束扫描图案同时与该方向平行或反平行地同步地扫描衬底来照射每个目标部分。还可以通过将图案压印到衬底上来将图案从图案化设备转印到衬底上。

2、为了监测图案化工艺的一个或多个步骤(即，涉及光刻的器件制造工艺，包括例如抗蚀剂处理、蚀刻、显影、烘烤等)，检查图案化衬底，并且确定图案化衬底的一个或多个参数。一个或多个参数可以包括例如边缘放置误差(epe)，epe是形成在衬底上的图案的边缘与图案的预期设计的对应边缘之间的距离。该测量可以在产品衬底本身的图案上和/或在衬底上提供的专用量测目标上执行。存在各种技术可以用于测量在图案化工艺中形成的微观结构，包括使用扫描电子显微镜(sem)和/或各种专用工具。

技术实现思路

1、在一些实施例中，提供了一种具有指令的非暂态计算机可读介质，该指令在由计算机执行时使得计算机执行用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的显影后(ad)图像和蚀刻后(ae)图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置。

2、在一些实施例中，提供了一种具有指令的非暂态计算机可读介质，该指令在由计算机执行时使得计算机执行用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及训练机器学习模型以生成预测ae图像，其中训练包括：训练机械学习模型的ae生成器模型，以从ad图像中的输入ad图像生成预测ae图像，使得基于输入ad图像和预测ae图像而确定的第一成本函数减小，以及训练机器学习模型的ad生成器模型，以从ae图像中的参考ae图像生成预测ad图像，使得基于参考ae图像和预测ad图像而确定的第二成本函数减小。

3、在一些实施例中，提供了一种具有指令的非暂态计算机可读介质，该指令在由计算机执行时使得计算机执行用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ad图像，其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

4、在一些实施例中，提供了一种具有指令的非暂态计算机可读介质，该指令在由计算机执行时使得计算机执行用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像和预测ad图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置，并且其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

5、在一些实施例中，提供了一种用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置。

6、在一些实施例中，提供了一种用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ad图像，其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

7、在一些实施例中，提供了一种用于训练机器学习模型的方法。该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像和预测ad图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置，并且其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

8、在一些实施例中，提供了一种用于训练机器学习模型的装置。该装置包括存储指令集的存储器；以及至少一个处理器，该至少一个处理器被配置为执行该指令集以使得该装置执行方法，该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置。

9、在一些实施例中，提供了一种用于训练机器学习模型的装置。该装置包括存储指令集的存储器；以及至少一个处理器，该至少一个处理器被配置为执行该指令集以使得该装置执行方法，该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ad图像，其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

10、在一些实施例中，提供了一种用于训练机器学习模型的装置。该装置包括存储指令集的存储器；以及至少一个处理器，该至少一个处理器被配置为执行该指令集以使得该装置执行方法，该方法包括：获取与衬底相关联的一组未配对的ad图像和ae图像，其中每个ad图像是从衬底上与获取ae图像的所有位置不同的位置获取的；以及基于ad图像和ae图像来训练机器学习模型，以生成预测ae图像和预测ad图像，其中预测ae图像对应于获取ad图像中的输入ad图像的位置，并且其中预测ad图像对应于获取ae图像中的输入ae图像的位置。

11、在一些实施例中，提供了一种使用机器学习模型从第二图像生成第一图像的装置。该装置包括存储指令集的存储器；以及至少一个处理器，该至少一个处理器被配置为执行该指令集以使得该装置执行方法，该方法包括：获取与给定衬底相关联的给定ad图像，其中给定ad图像对应于给定衬底上的给定位置；以及经由机器学习模型使用给定ad图像来生成给定预测ae图像，其中给定预测ae图像对应于给定位置，其中机器学习模型使用与衬底相关联的一组未配对的ad图像和ae图像被训练，以生成预测ae图像。

12、在一些实施例中，提供了一种使用机器学习模型从第二图像生成第一图像的装置。该装置包括存储指令集的存储器；以及至少一个处理器，该至少一个处理器被配置为执行该指令集以使得该装置执行方法，该方法包括：获取与给定衬底相关联的给定ae图像，其中给定ae图像对应于给定衬底上的给定位置；以及经由机器学习模型使用给定ae图像来生成给定预测ad图像，其中给定预测ad图像对应于给定位置，其中机器学习模型使用与衬底相关联的一组未配对的ad图像和ae图像被训练，以生成预测ad图像。