초록 ▼

본 명세서에서는, 기계 학습 모델을 이용하여, 디자인 레이아웃으로부터 핫스폿을 식별하거나, 디자인 레이아웃 내의 패턴이 결함있는지를 예측하는 다양한 방법들이 개시된다.본 명세서에 개시된 예시적인 방법은 디바이스 제조 공정에서의 복수의 공정 조건들 하에서 각각 핫스폿들의 성능의 특성들의 세트들을 각각 얻는 단계; 핫스폿들 각각에 대하여 공정 조건들 각각에 대해, 그 공정 조건 하에서의 특성들에 기초하여, 그 핫스폿이 결함있는지를 결정하는 단계; 공정 조건들 각각의 특성들을 얻는 단계; 핫스폿들 각각의 특성들을 얻는 단계; 및 공정 조

본 명세서에서는, 기계 학습 모델을 이용하여, 디자인 레이아웃으로부터 핫스폿을 식별하거나, 디자인 레이아웃 내의 패턴이 결함있는지를 예측하는 다양한 방법들이 개시된다.본 명세서에 개시된 예시적인 방법은 디바이스 제조 공정에서의 복수의 공정 조건들 하에서 각각 핫스폿들의 성능의 특성들의 세트들을 각각 얻는 단계; 핫스폿들 각각에 대하여 공정 조건들 각각에 대해, 그 공정 조건 하에서의 특성들에 기초하여, 그 핫스폿이 결함있는지를 결정하는 단계; 공정 조건들 각각의 특성들을 얻는 단계; 핫스폿들 각각의 특성들을 얻는 단계; 및 공정 조건들 중 하나의 특성들, 핫스폿들 중 하나의 특성들, 및 그 공정 조건 하에서 그 핫스폿이 결함있는지의 여부를 포함하는 트레이닝 세트를 이용하여 기계 학습 모델을 트레이닝하는 단계를 포함한다.

대표청구항

디바이스 제조 공정에서 테스트 패턴(test pattern)의 성능의 특성을 얻는 단계;상기 특성에 기초하여 상기 테스트 패턴이 핫스폿(hot spot)인지를 결정하는 단계; 및하드웨어 컴퓨터 시스템에 의해, 상기 특성을 포함하는 피처 벡터(feature vector) 및 상기 테스트 패턴이 핫스폿인지의 여부인 라벨을 갖는 샘플을 포함하는 트레이닝 세트(training set)를 이용하여 기계 학습 모델(machine learning model)을 트레이닝하는 단계를 포함하는 기계 학습 모델을 이용하여 핫스폿을 식별하는 방법.

디바이스 제조 공정에서 테스트 패턴(test pattern)의 성능의 특성을 얻는 단계;상기 특성에 기초하여 상기 테스트 패턴이 핫스폿(hot spot)인지를 결정하는 단계; 및하드웨어 컴퓨터 시스템에 의해, 상기 특성을 포함하는 피처 벡터(feature vector) 및 상기 테스트 패턴이 핫스폿인지의 여부인 라벨을 갖는 샘플을 포함하는 트레이닝 세트(training set)를 이용하여 기계 학습 모델(machine learning model)을 트레이닝하는 단계를 포함하는 기계 학습 모델을 이용하여 핫스폿을 식별하는 방법.