반도체 구조물의 데이터 드리븐 파라미터화 및 측정을 위한 방법 및 시스템

잠재 수학적 공간에서 변수의 세트에 의해 파라미터화된 반도체 구조물의 최적화된 기하학적 모델을 생성하기 위한 방법 및 시스템이 여기에 제시된다. 기준 형상 프로파일은 프로세스 공간에 걸쳐 관심 반도체 구조물의 형상을 특성화한다. 기준 형상 프로파일을 설명하는 관측가능한 기하학적 변수의 세트는 잠재 변수의 세트로 변환된다. 잠재 변수의 수는 관측가능한 기하학적 변수의 수보다 작으므로, 관심 구조물을 특성화하기 위해 채용되는 파라미터 공간의 치수가 감소된다. 이는 해결될 측정 문제의 수학적 치수를 극적으로 감소시킨다. 결과적으로, 회귀를 수반하는 측정 모델 솔루션은 더욱 강력해지고, 머신 러닝 기반 측정 모델의 트레이닝은 단순화된다. 잠재 변수의 세트에 의해 파라미터화된 기하학적 모델은 광학 계측, x선 계측, 및 전자 빔 기반 계측을 위한 측정 모델을 생성하는데 유용하다. Methods and systems for generating optimized geometric models of semiconductor structures parameterized by a set of variables in a latent mathematical space are presented herein. Reference shape profiles characterize the shape of a semiconductor structure of interest over a process space. A set of observable geometric variables describing the reference shape profiles is transformed to a set of latent variables. The number of latent variables is smaller than the number of observable geometric variables, thus the dimension of the parameter space employed to characterize the structure of interest is reduced. This dramatically reduces the mathematical dimension of the measurement problem to be solved. As a result, measurement model solutions involving regression are more robust, and training of machine learning based measurement models is simplified. Geometric models parameterized by a set of latent variables are useful for generating measurement models for optical metrology, x-ray metrology, and electron beam based metrology.