一種改進的基于支持向量機的納米結構特征尺寸提取方法技術

本發明專利技術公開了一種改進的基于支持向量機的半導體納米結構特征尺寸提取方法，步驟為：確定每一個待提取參數的取值范圍，生成子光譜數據庫；利用訓練光譜和支持向量機訓練網絡進行支持向量機訓練；對每一個待提取參數利用訓練光譜重復訓練多個支持向量機，每一個支持向量機的訓練終止條件均不相同；利用多個支持向量機，對測量光譜進行映射；找出所有支持向量機映射結果中出現次數最高的一個，視為最有可能出現的取值區間；建立子光譜數據庫，找出其中與測量光譜最為相似的仿真光譜，即認為是待測結構的參數值。本發明專利技術可以實現特征線寬、高度、側壁角等納米結構參數的精確快速提取，且流程實現簡單，進一步地實現了納米結構特征尺寸的魯棒性提取。

【技術實現步驟摘要】

本專利技術屬于半導體散射光學測量領域，具體涉及一種改進的基于支持向量機的納米結構特征尺寸快速提取方法，相對于傳統的基于支持向量機的納米結構特征尺寸提取方法，該方法能獲得更加魯棒的提取結果。它適用于對半導體納米結構的特征尺寸進行快速、精確地測量。
技術介紹
在納米制造工藝過程中，對納米結構的三維形貌參數進行快速、非破壞性、低成本的測量，對保持納米產品的可靠性、一致性、經濟性和規模生產方面具有重要的意義。這些待測的納米結構三維形貌包括特征線寬(特征尺寸)、高度、周期和側壁角等。光學散射儀(Scatterometry)是一種基于光學原理的半導體納米結構特征尺寸測量設備。光學散射儀的測量過程包括正向光學特性建模和逆向求取兩個部分。正向光學特性建模是對待測納米結構的幾何模型進行光學散射場仿真，獲取仿真光譜。逆向求取部分則包括將測量光譜與仿真光譜不斷進行對比，在一定的評價函數下相似度最高的仿真光譜對應的模型結構參數即認為是待測納米結構的參數值。在光學散射儀的逆向參數提取部分，最常用的就是基于庫匹配的方法。該方法首先要求針對某個待測結構模型建立一個仿真光譜數據庫，該數據庫中每一條獨立的光譜對應著一個結構參數值確定的模型。對每一條測量光譜，按照某一評價函數在整個數據庫中搜尋與其最為近似的仿真光譜，該仿真光譜對應的模型結構參數值，即被認為是待測結構的參數值。然而，光譜數據庫中往往包括大量的仿真光譜，并且隨著納米結構待求參數的增多，仿真參數范圍的擴大以及參數提取要求精度的提高，光譜的數量將進一步呈現幾何級數的增長。為了滿足工業中的實時性和快速性的參數提取要求，實現測量光譜在大型光譜數據庫中的快速匹配，就需要摒棄傳統的全庫搜索，提出新的光譜搜索策略。目前，光譜數據庫的搜索策略大體上可以分為兩類一類是基于硬件加速的測量光譜匹配，如法國國家科學研究中心的研究員索蘭等人(s. Soulan et al. , Proc.SPIE6518, pp. 1110-1121，2007)采用 了圖形處理器(Graphic Processing Unit, GPU)來加速測量光譜在數據庫中的最相似仿真光譜匹配。與中央處理器(Central ProcessingUnit,CPU)不同，圖形處理器是專為處理圖像而設計的一種硬件加速模塊，它具有更快的數據處理速度、更多的數據處理能力和并行計算能力，索蘭等人通過將多條仿真光譜整理成一個代表著“光譜圖像”的矩陣，實現了光譜的快速匹配，從而實現了幾何參數的快速提取。索蘭等人提出的方法盡管實現了幾何參數的快速提取，但是隨著仿真光譜數據庫規模的進一步擴大，必須采用更為強勁高效的GPU，這限制了這種基于硬件加速的搜索策略的可擴展性；另外一類則是基于軟件，也就是基于算法的測量光譜匹配策略，如基于K-d樹的搜索策略，但是該方法不能預估搜索需要的時間，對于超大型光譜數據庫而言，不具備實用性。又如基于局部靈敏度哈希散列的光譜搜索方法，該方法通過預先準備好的分類器將測量光譜按照最大概率原則分配到一個可能包含其最鄰近仿真光譜的小范圍光譜數據庫中，進而在這個小范圍的數據庫中進行搜索。該方法是以犧牲了部分精度及魯棒性來換取搜索速度。在支持向量機的架構上，中國專利文獻CN102750333A “一種用于提取半導體納米結構特征尺寸的方法”提出了一種基于支持向量機的快速光譜數據庫搜索策略。該基于支持向量機的快速光譜搜索策略首先訓練一個支持向量機分類器，利用該分類器可以將測量光譜映射到一個預先劃分完畢的子光譜數據庫中，進而在映射到的子光譜數據庫中展開最鄰近仿真光譜搜索。通過將光譜數據庫劃分成更多的子光譜數據庫，并給分類器的輸出端添加相應數目的對應類，就可以獲得更快的光譜匹配速度。但是，該方法的結果，也就是是否能在映射到的子光譜數據庫中搜索到全局最鄰近仿真光譜，取決于分類器的映射精度，雖然支持向量機從理論上具有最優的泛化能力，但是單獨的一個支持向量機仍然不能保證具有很高的分類正確率。
技術實現思路
本專利技術的目的在于提供一種改進的基于支持向量機的半導體納米結構特征尺寸提取方法，該方法可以實現特征線寬、高度、側壁角等納米結構參數的精確快速提取，且流程實現簡單，進一步地實現了納米結構特征尺寸的魯棒性提取。本專利技術提供的一種改進的基于支持向量機的半導體納米結構特征尺寸的方法，該方法包括下述過程第I步確定每一個待提取參數的取值范圍，生成子光譜數據庫；利用訓練光譜和支持向量機訓練網絡進行支持向量機訓練；第2步對每一個待提取參數利用第I步中的訓練光譜重復訓練多個支持向量機，每一個待提取參數對應的每一個支持向量機的訓練終止條件均不相同；第3步利用每一個待提取參數對應的多個支持向量機，對測量光譜進行映射；第4步找出每一個待提取參數對應的所有支持向量機映射結果中出現次數最高的一個，該映射結果對應的子區間即被認為是此待提取參數最有可能出現的取值區間；第5步按照第4步的方法，確定所有待提取參數的子取值區間，建立一個子光譜數據庫；第6步在所述的子光譜數據庫中找出與測量光譜最為相似的仿真光譜，該仿真光譜對應的結構參數值即認為是待測結構的參數值。作為上述技術方案的改進，第I步中，訓練光譜的獲取方法將每一個待提取參數對應一個支持向量機，每一個待提取參數的取值范圍被劃分成多少個子取值范圍，則對應的支持向量機輸出端包含多少個類，每一個類由一個唯一的數字標示，用來代表一個子區間范圍；每一個類對應著一個訓練光譜集，一個訓練光譜集與一個子區間對應；對每一個子區間中等距離散取多個值，對每一個離散取值點利用正向光學特性建模程序仿真出一條仿真光譜，這些仿真光譜組成的集合即為一個訓練光譜集；一個支持向量機所有輸出類對應的訓練光譜集所包含的總的訓練光譜，即為該支持向量機所需要的訓練光譜。與專利文獻CN102750333A相比，本專利技術在其基礎上進行了相關改進改變了訓練光譜集的生成方式，提出了多支持向量機組映射機制并采用了投票策略，即采用多個支持向量機組對測量光譜進行映射，從而可以獲得多個映射結果。從多個映射結果中找出出現頻率最高的一個結果。從而增強了支持向量機的泛化能力，提高了測量光譜的映射準確度，進而提高了參數提取的魯棒性。附圖說明圖1是本專利技術實例的實現流程圖；圖2是本專利技術中包含的子數據庫建立、分類器訓練光譜所在參數范圍的劃分示意圖；圖3是待測樣件結構示意圖；圖4是本專利技術中一個待提取參數對應的分類器結構示意圖；圖5是光譜在數據庫中的存儲示意圖；圖6是測量光譜在子數據庫中的匹配檢索示意圖。圖7是隨機取值模式和等距離散取值模式對比示意圖。具體實施例方式下面結合附圖對本專利技術的具體實施方式作進一步說明。在此需要說明的是，對于這些實施方式的說明用于幫助理解本專利技術，但并不構成對本專利技術的限定。此外，下面所描述的本專利技術各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。如圖1所示，該方法具體包括下述過程第I步將每一個待提取參數的取值范圍劃分成多個子取值范圍；第2步在每一個待提取參數對應的多個子取值范圍中選取一個子取值范圍，生成一個子參數取值組合，即一個子參數取值組合為所有待提取參數的某一個子取值范圍組成的一個集合；第3步將每一個子參數取值組合中的子參數取值范圍均勻等距離散成多個值本文檔來自技高網...

【技術保護點】
一種改進的基于支持向量機的半導體納米結構特征尺寸的方法，該方法包括下述過程：第1步確定每一個待提取參數的取值范圍，生成子光譜數據庫；利用訓練光譜和支持向量機訓練網絡進行支持向量機訓練；第2步對每一個待提取參數利用第1步中的訓練光譜重復訓練多個支持向量機，每一個待提取參數對應的每一個支持向量機的訓練終止條件均不相同；第3步利用每一個待提取參數對應的多個支持向量機，對測量光譜進行映射；第4步找出每一個待提取參數對應的所有支持向量機映射結果中出現次數最高的一個，該映射結果對應的子區間即被認為是此待提取參數最有可能出現的取值區間；第5步按照第4步的方法，確定所有待提取參數的子取值區間，建立一個子光譜數據庫；第6步在所述的子光譜數據庫中找出與測量光譜最為相似的仿真光譜，該仿真光譜對應的結構參數值即認為是待測結構的參數值。

【技術特征摘要】
1.一種改進的基于支持向量機的半導體納米結構特征尺寸的方法，該方法包括下述過程: 第I步確定每一個待提取參數的取值范圍，生成子光譜數據庫；利用訓練光譜和支持向量機訓練網絡進行支持向量機訓練； 第2步對每一個待提取參數利用第I步中的訓練光譜重復訓練多個支持向量機，每一個待提取參數對應的每一個支持向量機的訓練終止條件均不相同； 第3步利用每一個待提取參數對應的多個支持向量機，對測量光譜進行映射； 第4步找出每一個待提取參數對應的所有支持向量機映射結果中出現次數最高的一個，該映射結果對應的子區間即被認為是此待提取參數最有可能出現的取值區間； 第5步按照第4步的方法，確定所有待提取參數的子取值區間，建立一個子光譜數據庫； 第6步在所述的子光譜數據庫中找出與測量光譜最為相似的仿真光譜，該仿真光譜對應的結構參數值即認為是待測結構的參數值。2.根據權利要求1所述的改進的基于支持向量機的半導體納米結構特征尺寸的方法，其特征在于，第I步中，訓練光譜的獲取方法: 將每一個待提取參數對應一個支持向量機，每一個待提取參數的取值范圍被劃分成多少個子取值范圍，...

【專利技術屬性】
技術研發人員：劉世元，朱金龍，張傳維，陳修國，
申請(專利權)人：華中科技大學，
類型：發明
國別省市：