PREDICTION AND METROLOGY OF STOCHASTIC PHOTORESIST THICKNESS DEFECTS

A mask pattern for a semiconductor device can be used as an input to determine a photoresist thickness probability distribution using a machine learning module. For example, the machine learning module can determine a probability map of Z-height. This can be used to determine stochastic variation in photoresist thickness for a semiconductor device. The Z-height may be calculated at a coordinate in the X-direction and Y-direction. Un motif de masque pour un dispositif à semi-conducteur peut être utilisé en tant qu'entrée pour déterminer une distribution de probabilité d'épaisseur de résine photosensible à l'aide d'un module d'apprentissage machine. Par exemple, le module d'apprentissage machine peut déterminer une carte de probabilité de hauteur Z. Ceci peut être utilisé pour déterminer une variation stochastique de l'épaisseur de photorésine pour un dispositif à semi-conducteur. La hauteur Z peut être calculée à une coordonnée dans la direction X et la direction Y.