样品的基于X射线测量的深度剖析的制作方法

本公开内容大体涉及结构的基于x射线测量的深度剖析(depth-profiling)。

背景技术：

1、当前，半导体行业中采用了四十多种不同材料。因此，材料表征，特别是在逻辑和存储器领域的材料深度剖析，发挥越来越重要的作用。例如，栅极堆叠中的氮和氟的浓度绘图对于确保器件性能和可靠性是关键的。用于材料z剖析的现有技术包括飞行时间二次离子质谱法(time-of-flight secondary ion mass spectrometry；tof-sims)和透射电子显微镜能量色散x射线(transmission electron microscopy energy dispersive x-ray；tem-edx)光谱法。然而，这两种技术是破坏性的。本领域需要非破坏性材料z剖析技术。

技术实现思路

1、根据本公开内容的一些实施方式，本公开内容的各方面涉及结构的基于x射线测量的深度剖析。更特定地，但非排他地，根据本公开内容的一些实施方式，本公开内容的各方面涉及被引入半导体结构中以微调其一个或多个物理性质的材料(诸如氟和/或氮)的深度剖析(或z剖析)。

2、因此，根据一些实施方式的一方面，提供了一种用于样品的非破坏性深度剖析的基于计算机的方法。所述方法包括：

3、-测量操作，对于被选择以便允许探测被检样品达多个深度的(第一)多个着陆能量(即，电子束的着陆能量，也称为“电子束着陆能量”)中的每一个，所述测量操作包括以下子操作：

4、■将电子束(电子束)投射到被检样品上。电子束穿入样品并在被检样品的相应探测区内引发光发射相互作用(例如，x射线光发射相互作用)，所述光发射相互作用的深度由着陆能量确定。

5、■测量发射光以获得关于探测区的光学发射数据集。

6、-数据分析操作，即，基于测量的光学发射数据集并考虑指示被检样品的预期设计的参考数据来确定表征被检样品的内部几何形状和/或组成的结构参数集。

7、根据深度剖析方法的一些实施方式，参考数据包括被检样品的设计数据和/或与被检样品有相同预期设计的其他样品的真值(ground truth；gt)数据和/或相应地表现出相对于预期设计的选定变化的特殊制备的样品的gt数据。

8、根据深度剖析方法的一些实施方式，结构参数集指定(specify)浓度图，所述浓度图量化被检样品所包含的目标材料的浓度至少对深度的依赖性。

9、根据深度剖析方法的一些实施方式，样品包括已经在其中引入目标材料的体块(bulk)。样品的预期设计指定体块的预期设计。根据一些这种实施方式，样品的预期设计进一步指定目标材料的标称密度分布。

10、根据深度剖析方法的一些实施方式，体块是或包括半导体结构。

11、根据深度剖析方法的一些实施方式，目标材料包括氟、氮、硼和/或镓。

12、根据深度剖析方法的一些实施方式，所述结构参数集包括以下项中的一或多个：

13、-被检样品所包含的一种或多种材料的一个或多个总浓度；以及

14、-嵌入被检样品中的分别地至少一个结构的至少一个宽度；以及

15、当被检样品包括多个层时：

16、-相应地，多个层中的至少一层的至少一个厚度；

17、-多个层中的至少一些的组合厚度；以及

18、-相应地，多个层中的至少一层的至少一个质量密度。

19、根据深度剖析方法的一些实施方式，着陆能量被选择以便引发从探测区中的每一个发射x射线。x射线构成发射光的至少一部分。根据一些这种实施方式，着陆能量被选择以便引发从探测区中的每一个发射特性x射线。

20、根据深度剖析方法的一些实施方式，对于每个着陆能量，特性x射线(x射线光)发射相互作用基本上限于相应探测区。

21、根据深度剖析方法的一些实施方式，测量发射光的子操作中的每一个包括测量对应于目标材料的特性x射线。

22、根据深度剖析方法的一些实施方式，测量发射光的子操作中的每一个包括测量相应发射光的至少一部分的强度。测量部分具有等于目标材料的峰值特性x射线发射频率或在所述峰值特性x射线发射频率附近的频率范围内的频率。根据一些这种实施方式，峰值是最高峰值。

23、根据深度剖析方法的一些实施方式，针对相应多个电子束在样品上投射到的多个横向(即，水平)位置中的每一个执行测量操作。根据一些这种实施方式，结构参数集指定三维浓度图。

24、根据深度剖析方法的一些实施方式，测量发射光包括对于多个返回角(收集角)中的每一个，测量以返回角返回的光子的相应数量。

25、根据深度剖析方法的一些实施方式，测量发射光的子操作中的每一个包括使用图像传感器来获得相应发射光的二维图像。所获得的二维图像中的每一个构成相应光学发射数据集或被包括在所述相应光学发射数据集中。

26、根据深度剖析方法的一些实施方式，样品包括多个层，每个层包括一种或多种相应半导体材料。

27、根据深度剖析方法的一些实施方式，探测区的深度随着陆能量而增大。

28、根据深度剖析方法的一些实施方式，浓度图是质量密度分布或粒子密度分布。

29、根据深度剖析方法的一些实施方式，在探测区中的每一个内，目标材料的相应相对浓度至多为约5％。

30、根据深度剖析方法的一些实施方式，数据分析操作包括作为确定结构参数集的一部分，执行经训练的算法(使用机器学习(ml)工具导出的算法，也称为“ml导出的算法”)，所述经训练的算法被配置为接收光学发射数据集或从所述光学发射数据集提取的关键光学发射参数作为输入，并且输出结构参数集。根据一些这种实施方式，光学发射数据集或关键光学发射参数中的每一个由相应产生引发作用的(inducing)电子束的着陆能量(来自第一多个着陆能量)标记。

31、根据深度剖析方法的一些实施方式，经训练的算法的权重通过使用参考数据以及(i)关键光学发射参数和/或(ii)模拟数据进行训练来确定，所述关键光学发射参数从与被检样品有相同预期设计的其他样品的光学发射数据集导出(提取)，所述模拟数据从模拟使用具有与第一多个着陆能量不同的第二多个着陆能量中的每一个的电子束针对与被检样品有相同预期设计的样品应用测量操作而导出。

32、根据深度剖析方法的一些实施方式，经训练的算法是或包括经训练的神经网络(nn)或经训练的线性模型结合算法。

33、根据深度剖析方法的一些实施方式，其中针对相应多个电子束在样品上投射到的多个横向位置中的每一个执行测量操作，被输入到经训练的算法中的所获得的光学发射数据集或关键光学发射参数中的每一个进一步由相应电子束在被检样品上入射到的相应横向位置的横坐标标记。

34、根据深度剖析方法的一些实施方式，nn是回归nn。

35、根据深度剖析方法的一些实施方式，其中结构参数集指定浓度图，nn是分类nn，并且在每个图坐标处，所述浓度图将目标材料的密度指定到来自多个密度范围的相应密度范围内。

36、根据深度剖析方法的一些实施方式，经训练的算法包括变分自动编码器(vae)和分类器。

37、根据深度剖析方法的一些实施方式，nn是深度nn或生成对抗网络(gan)。

38、根据深度剖析方法的一些实施方式，深度nn是卷积nn或全连接nn。

39、根据深度剖析方法的一些实施方式，被检样品是半导体试样。

40、根据深度剖析方法的一些实施方式，被检样品是图案化晶片。

41、根据一些实施方式的方面，提供了一种用于训练在样品的非破坏性深度剖析中使用的算法(例如，神经网络)的方法。训练方法包括以下操作：

42、-为算法生成模拟训练数据。所述算法被配置为(i)接收样品的光学发射数据集和/或关键光学发射参数作为输入，所述光学发射数据集和所述关键光学发射参数各自相关于相应产生引发作用的电子束(电子束)的多个着陆能量中的相应着陆能量，以及(ii)输出表征样品的内部几何形状和/或组

43、成的结构参数集。通过以下子操作来生成训练数据：

44、■对于多个真值(gt)样品中的每一个，通过以下操作来生成校准数据：

45、□通过以第一多个着陆能量中的每一个将电子束投射(例如，一次一个)在gt样品上并测量从gt样品返回的光来获得所述gt样品的测量光学发射数据集。

46、□获得表征gt样品的gt数据。

47、■使用校准数据来校准计算机模拟。计算机模拟被配置为(a)接收表征样品的gt数据和着陆能量作为输入，以及(b)输出对应的模拟光学发射数据集和/或模拟关键光学发射参数。

48、■使用经校准的计算机模拟来生成对应于其他gt和/或附加着陆能量(除了第一多个着陆能量之外)的附加模拟光学发射数据集和/或模拟关键光学发射参数。

49、-至少使用模拟训练数据来训练算法。

50、根据训练方法的一些实施方式，gt样品中的至少一些与被检样品有相同预期设计，和/或gt样品中的至少一些被特殊制备来相应地表现出相对于预期设计的选定变化。

51、根据训练方法的一些实施方式，测量的gt数据指定gt样品中的每一个所标称地包含的一种或多种材料的浓度图。

52、根据训练方法的一些实施方式，结构参数集指定来自一种或多种材料的目标材料的浓度图。

53、根据训练方法的一些实施方式，结构参数集包括以下项中的一或多个：

54、-相应地，gt样品所标称地包含的一种或多种材料的总浓度；以及

55、-相应地，gt样品所标称地包括的至少一个结构的至少一个宽度；以及

56、当gt样品中的每一个标称地包括多个层时：

57、-相应地，多个层中的至少一层的至少一个厚度；

58、-多个层中的至少一些的组合厚度；以及

59、-相应地，多个层中的至少一层的至少一个质量密度。

60、根据训练方法的一些实施方式，算法是或包括(经训练的)神经网络(nn)。

61、根据训练方法的一些实施方式，算法被配置为接收关键光学发射参数作为输入，并且计算机模拟被配置为输出模拟关键光学发射参数。所述方法包括在使用校准数据的子操作之前实施的附加子操作，其中从测量光学发射数据集提取关键光学发射参数。

62、根据训练方法的一些实施方式，校准计算机模拟，使得对于每对(i)在生成校准数据的子操作中获得的测量gt数据和(ii)在生成校准数据的子操作中使用的着陆能量(其(即，所述对)被输入到计算机模拟中)，由计算机模拟输出的模拟关键光学发射参数与从相应测量光学发射数据集提取的关键光学发射参数在所需精度内一致。

63、根据训练方法的一些实施方式，在校准计算机模拟之前，所述计算机模拟至少为第一多个着陆能量中的每一个指定初始点扩散函数(psf)。在校准计算机模拟的子操作中，校准初始psf，由此获得经校准的psf。

64、根据训练方法的一些实施方式，初始psf中的每一个根据gt样品所标称地包含的目标材料的密度被分段地线性化。

65、根据训练方法的一些实施方式，应用经修改的richardson-lucy算法来从初始psf获得经校准的psf。

66、根据训练方法的一些实施方式，应用可调整u-net深度学习nn来从初始psf获得经校准的psf，并且对其可调整参数进行优化。

67、根据训练方法的一些实施方式，对应于附加样品的其他gt与所述多个gt样品有不同预期设计。

68、根据训练方法的一些实施方式，训练方法进一步包括当附加校准数据可用时，重新应用生成模拟训练数据的操作和训练算法的操作。

69、根据训练方法的一些实施方式，nn是回归nn。

70、根据训练方法的一些实施方式，nn是分类nn。根据一些这种实施方式，由分类nn输出的结构参数集指定目标材料的浓度图，使得在每个图坐标处，目标材料的密度被指定到来自多个密度范围的相应密度范围内。

71、根据训练方法的一些实施方式，nn是深度nn或gan。

72、根据训练方法的一些实施方式，深度nn是卷积nn或全连接nn。

73、根据训练方法的一些实施方式，附加模拟光学发射数据集的数量与测量光学发射数据集的数量的比率在约100与约1,000之间。

74、根据训练方法的一些实施方式，通过对从多个gt样品中的每一个提取的薄片和/或从其切下的切片进行剖析来获得测量gt数据。根据一些这种实施方式，使用透射电子显微镜和/或扫描电子显微镜执行剖析。

75、根据训练方法的一些实施方式，在获得测量光学发射数据集的子操作中测量的光是x射线光(即，x射线辐射)。

76、根据训练方法的一些实施方式，样品是半导体试样。

77、根据训练方法的一些实施方式，样品是图案化晶片。

78、根据训练方法的一些实施方式，获得样品的测量光学发射数据集的子操作包括分别测量以两个或更多个返回角(即，收集角)中的每一个从样品返回的光。

79、根据一些实施方式的一方面，提供了一种用于样品的非破坏性深度剖析的系统。系统包括：电子束源；光传感器；以及处理电路(也可称为“计算模块”)。电子束源被配置为以(第一)多个着陆能量中的每一个将电子束投射到被检样品上：每个电子束(穿入到样品中并且)在被检样品的相应探测区内引发光发射相互作用，所述光发射相互作用的深度由着陆能量确定。多个着陆能量被选择以便允许探测被检样品达多个深度。光传感器被配置为测量发射光以获得分别关于探测区的光学发射数据集。处理电路被配置为基于测量光学发射数据集，并考虑指示被检样品的预期设计的参考数据来确定表征被检样品的内部几何形状和/或组成的结构参数集。

80、根据系统的一些实施方式，参考数据包括被检样品的设计数据和/或与被检样品有相同预期设计的其他样品的真值(gt)数据和/或相应地表现出相对于预期设计的选定变化的特殊制备的样品的gt数据。

81、根据系统的一些实施方式，结构参数集指定浓度图，所述浓度图量化被检样品所包含的目标材料的浓度至少对深度的依赖性。

82、根据系统的一些实施方式，样品包括已经在其中引入目标材料的体块。样品的预期设计指定体块的预期设计。根据一些这种实施方式，样品的预期设计进一步指定目标材料的标称密度分布。

83、根据系统的一些实施方式，体块是或包括半导体结构。

84、根据系统的一些实施方式，目标材料包括氟、氮、硼和/或镓。

85、根据系统的一些实施方式，结构参数集包括以下项中的一或多个：

86、-被检样品所包含的至少一种材料的总浓度；以及

87、-嵌入被检样品中的分别地至少一个结构的至少一个宽度；以及

88、当被检样品包括多个层时：

89、-相应地，多个层中的至少一层的至少一个厚度；

90、-多个层中的至少一些的组合厚度；以及

91、-相应地，多个层中的至少一层的至少一个质量密度。

92、根据系统的一些实施方式，着陆能量使得引发从探测区发射x射线。x射线构成发射光的至少一部分。根据一些这种实施方式，着陆能量使得引发从探测区中的每一个发射特性x射线。

93、根据系统的一些实施方式，对于每个着陆能量，特性x射线发射相互作用基本上限于相应探测区。

94、根据系统的一些实施方式，光传感器被配置为感测对应于目标材料的特性x射线。

95、根据系统的一些实施方式，光传感器被配置为测量相应发射光的一部分的强度，所述部分具有等于目标材料的峰值特性x射线发射频率或在所述峰值特性x射线发射频率附近的频率范围内的频率。根据一些这种实施方式，峰值是最高峰值。

96、根据系统的一些实施方式，光传感器包括能量色散x射线光谱仪或波长色散x射线光谱仪。

97、根据系统的一些实施方式，所述系统被进一步配置为允许投射电子束，以便在样品上入射在所述样品上的可控选择的横向位置中的每一个处。根据一些这种实施方式，结构参数集指定三维浓度图。

98、根据系统的一些实施方式，光传感器可被配置为分别测量以两个或更多个返回角中的每一个返回的光子的数量。根据一些这种实施方式，光传感器可包括两个或更多个光传感器(例如，一个或多个能量色散x射线光谱仪和/或一个或多个波长色散x射线光谱仪)。

99、根据系统的一些实施方式，光传感器包括图像传感器，所述图像传感器被配置为获得发射光的二维图像。二维图像构成光学发射数据集的至少部分。

100、根据系统的一些实施方式，对于每个着陆能量，来自电子束的电子与样品之间的相应光发射相互作用基本上限于探测区。

101、根据系统的一些实施方式，探测区的深度随着陆能量而增大。

102、根据系统的一些实施方式，浓度图是质量密度分布或粒子密度分布。

103、根据系统的一些实施方式，在探测区中的每一个内，目标材料的相应相对浓度至多为约5％。

104、根据系统的一些实施方式，为了确定结构参数集，处理电路被配置为执行经训练的算法(使用机器学习(ml)工具导出的算法，也称为“ml导出的算法”)，所述经训练的算法被配置为接收光学发射数据集或从所述光学发射数据集提取的关键光学发射参数作为输入，并且输出结构参数集。根据一些这种实施方式，光学发射数据集或关键光学发射参数中的每一个由相应产生引发作用的电子束的着陆能量(来自第一多个着陆能量)标记。

105、根据系统的一些实施方式，经训练的算法的权重通过使用参考数据以及(i)关键光学发射参数和/或(ii)模拟数据进行训练来确定，所述关键光学发射参数从与被检样品有相同预期设计的其他样品的光学发射数据集导出(提取)，所述模拟数据从模拟使用具有与第一多个着陆能量不同的第二多个着陆能量中的每一个的电子束针对与被检样品有相同预期设计的样品应用测量操作而导出。

106、根据系统的一些实施方式，经训练的算法是或包括经训练的神经网络(nn)，或经训练的线性模型结合算法。

107、根据系统的一些实施方式，其中所述系统被进一步配置为允许投射电子束以便在被检样品上入射在其上的可控选择的横向位置中的每一个处，被输入到经训练的算法中的所获得的光学发射数据集或关键光学发射参数中的每一个进一步由相应电子束在被检样品上入射到的相应横向位置的横坐标标记。

108、根据系统的一些实施方式，nn是回归nn。

109、根据系统的一些实施方式，nn是分类nn。根据系统的一些此种实施方式，其中结构参数集指定浓度图，并且在每个图坐标处，所述浓度图将目标材料的密度指定到来自多个密度范围的相应密度范围内。

110、根据系统的一些实施方式，经训练的算法包括vae和分类器。

111、根据系统的一些实施方式，nn是深度nn或gan。

112、根据系统的一些实施方式，深度nn是卷积nn或全连接nn。

113、根据系统的一些实施方式，样品是半导体试样。

114、根据系统的一些实施方式，样品是图案化晶片。

115、根据一些实施方式的一方面，提供了一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质存储指令，所述指令致使用于样品的非破坏性深度剖析的系统(诸如上述的系统)实施上述深度剖析方法。

116、本公开内容的某些实施方式可包括以上优点的一些、全部或不包括这些优点。从本文包括的附图、说明书和权利要求书，本领域技术人员可易于了解一个或多个其他技术优点。此外，虽然以上已经列举具体优点，但是各种实施方式可包括所列举的优点中的全部、一些或不包括这些优点。

117、除非另有定义，否则本文所用的所有技术和科学术语具有与本公开内容所属领域普通技术人员通常理解的相同含义。在矛盾的情况下，以专利说明书(包括定义)为准。如本文所用，不定冠词“一”意指“至少一个”或“一个或多个”，除非上下文另外清楚规定。

118、除非另外具体陈述，否则如从本公开内容中显而易见的，将了解，根据一些实施方式，术语诸如“处理”、“计算(computing)”、“计算(calculating)”、“确定”、“估计”、“评价”、“量测”等可指计算机或计算系统、或者类似的电子计算装置的动作和/或过程，所述动作和/或过程将表示为计算系统的寄存器和/或存储器内的物理量(例如，电子)量的数据操纵和/或变换为类似地表示为计算系统的存储器、寄存器或其他这种信息存储、传输或显示装置内的物理量的其他数据。

119、本公开内容的实施方式可包括用于执行本文的操作的设备。所述设备可被专门地构造用于所期望的目的，或者所述设备可包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这种计算机程序可存储在计算机可读存储介质中，所述计算机可读存储介质诸如但不限于任何类型的磁盘，包括软盘、光盘、cd-rom、磁光盘、只读存储器(rom)、随机存取存储器(ram)、电可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)、磁卡或光卡、闪存、固态驱动器(ssd)、或者适合于存储电子指令并能够耦接到计算机系统总线的任何其他类型的介质。

120、本文呈现的过程和显示不固有地与任何特定计算机或其他设备相关。可根据本文的教导将各种通用系统与程序一起使用，或者可证明构造更专用的设备来执行期望的方法是方便的。用于多种这些系统的期望的结构从以下描述中出现。另外，未参考任何特定编程语言来描述本公开内容的实施方式。将了解，可使用多种编程语言来实施如本文所述的本公开内容的教导。

121、本公开内容的方面可在由计算机执行的计算机可执行指令(诸如程序模块)的一般上下文中进行描述。一般来讲，程序模块包括例程、程序、对象、部件、数据结构等，其执行特定任务或实施特定抽象数据类型。还可在分布式计算环境中实践所公开的实施方式，在所述分布式计算环境中，任务由通过通信网络链接的远程处理装置执行。在分布式计算环境中，程序模块可位于本地和远程计算机存储介质(包括存储器存储装置)两者中。