MACHINE LEARNING MODEL TRAINING

A method includes receiving spectral data of a substrate and metrology data corresponding to the spectral data of the substrate. The method further includes determining a plurality of feature model configurations for each of a plurality of feature models, each of the plurality of feature model configurations including one or more feature model conditions. The method further includes determining a plurality of feature model combinations, where each feature model combination of the plurality of feature model combinations includes a subset of the plurality of feature model configurations. The method further includes generating a plurality of input datasets, where each input dataset of the plurality of input datasets is generated based on application of the spectral data to a respective feature model combination of the plurality of feature model combinations. The method further includes training a plurality of machine learning models, where each machine learning model is trained to generate an output using an input dataset of the plurality of input datasets and the metrology data. The method further includes selecting a trained machine learning model from the plurality of trained machine learning models satisfying one or more selection criteria. Un procédé consiste à recevoir des données spectrales d'un substrat et des données de métrologie correspondant aux données spectrales du substrat. Le procédé consiste en outre à déterminer une pluralité de configurations de modèle de caractéristiques pour chaque modèle d'une pluralité de modèles de caractéristiques, chaque configuration de la pluralité de configurations de modèles de caractéristiques comprenant une ou plusieurs conditions de modèle de caractéristiques. Le procédé consiste en outre à déterminer une pluralité de combinaisons de modèles de caractéristiques, chaque combinaison de modèles de caractéristiques de la pluralité de combinaisons de modèles de caractéristiques comprenant un sous-ensemble de la pluralité de configurations de modèle de caractéristiques. Le procédé consiste en outre à générer une pluralité d'ensembles de données d'entrée, chaque ensemble de données d'entrée de la pluralité d'ensembles de données d'entrée étant généré sur la base de l'application des données spectrales à une combinaison de modèles de caractéristiques respective de la pluralité de combinaisons de modèles de caractéristiques. Le procédé comprend en outre l'apprentissage d'une pluralité de modèles d'apprentissage automat