概括
一个新的空间和频率信息融合神经网络 (SFFN) 能够使用更小的线位标记在光刻中进行高精度的错位检测. 这项创新大大减少了标记面积,同时保持了亚纳米准确度.
科学领域:
- 微型制造和纳米技术的应用
- 机器学习在科学成像中的应用
- 半导体制造过程 半导体制造过程
背景情况:
- 传统的基于moiré的石版画对齐依赖于大而复杂的对齐标记以获得精确度.
- 由于晶圆空间有限,因此需要使用较小的对齐标记,这构成了重大挑战.
- 现有的基于频率的算法缺乏用于小面积moiré边缘分析所需的精度.
研究的目的:
- 开发一种新的方法,用于高精度检测错位,使用缩小区域对齐标记.
- 克服当前基于频率的算法在分析小面积的moiré边缘图像方面的局限性.
- 引入一种机器学习方法,用于增强石版画对齐.
主要方法:
- 空间和频率信息融合神经网络 (SFFN) 的开发和应用.
- 使用SFFN.使用小区域对齐标记生成的moiré边缘图像的处理.
- 对SFFN性能与现有分析方法进行评估,以检测错位.
主要成果:
- 拟议的SFFN允许对准标记面积减少2/3.
- 在测试数据集上,SFFN在检测失调时的平均误差小于1nm.
- 与传统的基于频率的方法相比,对于小的对齐标记,证明了更高的精度.
结论:
- SFFN有效地解决了用小面积对齐标记高精度错位检测的挑战.
- 这种方法为空间有限的半导体制造提供了可行的解决方案.
- 神经网络中空间和频率信息的融合显示了未来 lithography 对齐技术的巨大潜力.
